文章标题：基于机器学习的自蓄能增效型跨临界CO2热泵系统性能优化

文章作者：崔旭阳, 廖廷刚, 张云哲, 杨俊兰*, 何欣
关 键 字：自蓄能增效型跨临界CO2热泵; 相变储热温度; 最优排气压力; 机器学习; 能效优化
文章摘要：自然工质CO₂热泵是践行国际环保公约、助力“双碳”目标达成的关键技术，在诸多供热领域展现出巨大应用潜力。针对其跨临界运行阶段节流损失大、低温工况下运行能效不足的短板，结合相变蓄能技术提出相变储热温度可调的自蓄能增效型跨临界CO₂热泵系统，并采用机器学习方法开展系统性能优化研究。首先通过系统仿真分析相变储热温度、蒸发温度、气冷器出口温度及排气压力对系统性能的影响规律；再以系统能效为优化目标，对比相关向量机（RVM）、支持向量机（SVM）、反向传播神经网络（BP）和卷积神经网络（CNN）4种机器学习回归模型，优选出预测精度最优的CNN模型（均方根误差e_RMSE为0.126，决定系数R²为98.39%），进而构建系统特征参数与性能的高精度映射关系；最终结合快速扩展随机树（RRT）的参数空间遍历能力与粒子群算法（PSO）的全局寻优能力，构建CNN-RRT-PSO联合优化方法。在气冷器出口温度35 ℃的典型工况下，优化得到可匹配21、23、24、26 ℃等不同相变储热温度的蓄能单元，并控制最优排气压力在8.4 MPa，以实现不同环境工况下的系统能效最优。天津冬季典型工况下，该系统平均性能系数达4.5，较常规单级跨临界CO₂热泵系统提升60.7%。研究成果可为跨临界CO₂热泵的高效应用及智能化运行提供理论依据与技术参考。