Talajszondás hőszivattyús rendszerek fehérdoboz modellezése és mesterséges intelligencia alapú optimalizálása

Abstract

A mesterséges intelligencia új lehetőségeket kínál az épületgépészeti rendszerek hatékonyságának növelésére, különösen a hőszivattyús rendszerek teljesítményének optimalizálásában. Kutatásunkban bemutatjuk a hőszivattyús rendszerek elméleti és gyakorlati tervezését rendszerelméleti modellezés alkalmazásával. A gépi tanulás segítségével pontosítottuk a hőszivattyúk input-output modelljeit, ezáltal javítva a rendszer szabályozását változó terhelési körülmények között. Ismertetjük a hőszivattyús rendszer több szabadságfokát, amelyek mesterséges intelligencia alapú prediktív modellekkel optimalizálhatók a COP növelése érdekében. Tanulmányunk rávilágít az AI-alapú optimalizáció lehetőségére a hőszivattyús rendszerek tervezésében és üzemeltetésében, hozzájárulva a hatékonyabb döntéshozatalhoz és a fenntartható energiagazdálkodáshoz.

Artificial intelligence offers new opportunities to improve the efficiency of building services systems, particularly in optimizing the performance of heat pump systems. In our research, we present the theoretical and practical design of heat pump systems using a systems theory-based modeling approach. By applying machine learning, we refined the input–output models of heat pumps, thereby enhancing system control under varying load conditions. We describe the multiple degrees of freedom in heat pump systems that can be optimized using AI-based predictive models to increase the coefficient of performance (COP). Our study highlights the potential of AI-driven optimization in the design and operation of heat pump systems, contributing to more efficient decision-making and sustainable energy management.