1.2　研究概况

1943年，心理学家W.S.McCulloch等人建立了神经网络的数学模型，称为MP模型，开创了人工神经网络研究的时代［7］。 1965年M.Minsky和S.Papert在《感知机》一书中指出感知机的缺陷并表示出对这方面研究的悲观态度，使得神经网络的研究从兴起期进入了停滞期［8］，到了20世纪80年代初，J.J.Hop型ield的工作和D.Rumelhart等人的PDP报告显示出神经网络的巨大潜力，使得该领域的研究从停滞期进入了繁荣期。随着ANN种类的不断增加，在认识科学、神经科学、计算机科学、物理科学及工程应用等众多领域已经形成了很多ANN的应用研究分支。在暖通空调领域，人工神经网络已广泛应用于负荷预测、能源管理与控制系统、故障诊断、系统辨识与控制等方面［9］。

自适应神经模糊推理系统在1991年由Jang Roger等人提出，其完美地结合了模糊推理系统在评估模糊（不精确、定性）复杂对象时的广泛适用能力和人工神经网络在处理推理等问题时的自主学习能力，因此得到了广泛的研究和应用［10］。

Albert等以圣保罗大学的一栋办公建筑为例，对人工神经网络能耗计算模型和Energy-Plus能耗模拟分析模型进行了比较［11］。Melek对两个设备改造项目改造前后的能耗数据进行了分析，基于人工神经网络的方法建立了一种针对节能改造项目的节能量评价模型［12］。

Hikmet Esen［13］在2007年将冷凝器进出口空气温度、蒸发器进出口水温及土壤温度5个量作为ANN模型的输入值计算一个水平埋管地源热泵机组的冬季COP，结果证明计算精度很高。2008年［14］基于ANN和ANFIS模型利用冷凝器进口水温、冷凝器出口水温和土壤温度3个变量作为模型的输入值，计算一个水平埋管地源热泵机组COP。结果证明ANFIS模型预测精度更高。

H.M.Ertunc［15］利用ANN模型研究了一个带有蒸发冷凝器制冷系统的性能。

Haslinda［16］利用ANN计算了客车上的空调系统的制冷量、压缩机输入功率及汽车空调系统的COP。模型输入变量为压缩机转速、蒸发器入口空气温度、冷凝器入口空气温度和蒸发器入口空气速度4个变量。

Jasheng Wu［17］利用ANN模型通过热泵加热系统的可逆使用冷却塔在侧风条件下的运行性能有效地计算出表征冷却塔运行特征的相关指标，为可逆冷却塔的设计和运行方法奠定了热质传递的理论基础。

赵靖［18-19］对某一大型公共建筑中央空调系统进行了改造前的后评价以及改造方案确定后的预测评价。其中预测评价基于BP人工神经网络利用2009年6月到9月的相关数据预测了2010年6月到9月的系统制冷量和总耗电量。

Arzu S等［20］基于ANN模型和ANFIS模型利用蒸发温度、冷凝温度、过热温度、过冷温度和制冷量计算了一个含内部换热器的单阶段蒸汽压缩制冷系统的COP。

可见基于ANN和ANFIS模型计算暖通领域的设备或系统性能指标是可行的。目前国内在地源热泵空调方面基于较小的参数集进行性能指标计算的研究较少。在国外，基于ANN模型或ANFIS模型利用较小的参数集计算系统性能评价指标在空调系统方面均有所涉及。但目前在地源热泵方面国外研究仍有不足:①国外相关研究主要对水平埋管地源热泵系统作了分析，而对垂直埋管地源热泵研究相对很少；②选取的输入参数包含土壤温度等在实际工程中比较难以获得的参数；③基于较小参数集仅对地源热泵机组COP进行了计算，对地源热泵系统其他性能指标涉及较少。本论文是要基于ANN模型和ANFIS模型，利用蒸发器进口水温、蒸发器出口水温、冷凝器进口水温和冷凝器出口水温4个易测参数，计算地源热泵中央空调系统的常用评价指标:机组COP和系统COP。