ANN-LSTM-STA — мурдагы тиричилик ысык суусун керектөө катарын LSTM, экинчилик салмакталган убакыттык көңүл буруу жана ANN катмарлары аркылуу иштетип, келечектеги ысык сууга болгон суроо-талапты божомолдоо үчүн иштелип чыккан гибриддик убакыт катары модели. Bo Deng, Xin Zhou, Shaojie Wang, Dong Wang жана Xin Meng жүргүзгөн изилдөөдө чыныгы университеттик студенттик жатаканадан чогултулган сааттык тиричилик ысык суу маалыматтары ANN-LSTM-STA аркылуу божомолдонуп, бул божомолдор күн коллектору–аба булагындагы жылуулук насосу ысык суу системасынын feedforward–feedback башкаруусуна байланыштырылган. Чыныгы суу керектөө маалыматтары 1 Март–30 Ноябрь 2023 мезгилинен алынган, ал эми энергия системасынын натыйжалуулугу POLYSUN симуляциясында бааланган.

ANN-LSTM-STA модели булактын 2-таблицасында нормалдаштырылган RMSE = 0,320, физикалык масштабга которулган RMSE = 167,0 L жана нормалдаштырылган MAE = 0,217 көрсөткүчтөрү менен ANN, LSTM жана бир көңүл буруучу ANN-LSTM-A моделдерине караганда төмөн ката көрсөткөн. 2-таблицага жана кеңири жыйынтык текстине ылайык, ANN менен салыштырганда RMSE %33,05, MAE %24,65 азайган.

Божомолго негизделген II схема салттуу туруктуу суроо-талапка негизделген I схема менен бирдей метеорологиялык жана жабдуу шарттарында POLYSUN'да салыштырылган. II схемада күн коллекторунун жылуулук өндүрүшү %9,47 өскөн; ASHP жылуулук өндүрүшү %57,52, ASHP иштөө убактысы %33,45, насостун энергия колдонушу %16,65 жана системанын жалпы энергия керектөөсү %43,85 азайган. COP %6,42, системанын COP көрсөткүчү болсо %18,39 жогорулаган.

Бул жыйынтыктар чыныгы ысык суу керектөө маалыматтары менен камсыздалган божомолго негизделген башкаруу симуляция чөйрөсүндө олуттуу энергия үнөмдөө потенциалын көрсөткөнүн колдойт. Бирок энергия үнөмдөө жана COP жыйынтыктары чыныгы имаратта өлчөнгөн талаа жыйынтыктары эмес; изилдөөчүлөр реалдуу убакыттагы талаа текшерүүсүн, ар башка имараттарда жана климаттык аймактарда сыноолорду келечекте аткарылуучу иштердин катарына киргизген.

Изилдөө чечүүгө аракет кылган инженердик маселе

Университеттик жатаканаларда тиричилик ысык суусуна болгон суроо-талап күн ичинде жана жуманын ар кайсы күндөрүндө кыйла өзгөрүшү мүмкүн. Салттуу долбоорлоо ыкмасында системанын кубаттуулугун жогорку суроо-талапты камсыздай турган туруктуу квота боюнча аныктоо суроо-талап төмөн мезгилдерде керексиз жылуулук өндүрүүгө жана жабдуунун узак убакыт иштешине алып келиши мүмкүн.

Күн энергиясын жана аба булагындагы жылуулук насосун бирге колдонуу бул маселени өзүнөн-өзү чечпейт. Күн нурлануусу менен колдонуучу суроо-талаптын убактысы дал келбегенде күн энергиясынын бир бөлүгү жетиштүү пайдаланылбай калышы мүмкүн; ASHP болсо керектүүдөн узак иштеп же төмөн жарым-жартылай жүк шарттарында натыйжалуулугу төмөндөшү мүмкүн.

Изилдөөнүн мамилеси — энергия системасын учурдагы температурага же ошол заматкы суроо-талапка гана жооп берген реактивдүү системадан келечектеги ысык суу керектөөсүн алдын ала божомолдогон башкаруу түзүмүнө айландыруу.

ANN-LSTM-STA Модели Бул Изилдөөдө Эмнени Божомолдойт?

ANN-LSTM-STA модели Xi'an шаарындагы 700 студент жашаган № 7 студенттик жатакананын мурдагы сааттык тиричилик ысык суу керектөө катарын колдонуп, келечектеги DHW керектөөсүн божомолдойт; божомолдонгон керектөө андан кийин күн коллектору жана аба булагындагы жылуулук насосу качан жана канчалык деңгээлде иштетилерин аныктоочу feedforward башкаруу кириши катары колдонулат.

Изилдөө имараты жана долбоордук ысык суу муктаждыгы

Изилдөөнүн эталон имараты алты кабаттуу студенттик жатакана болуп, жалпы 700 студентти жайгаштырат. Салттуу долбоордук квота 20–25 L/(адам·күн) аралыгынан жогорку чек болгон 25 L/(адам·күн) катары тандалган.

Ошого жараша долбоордук күнүмдүк ысык суунун көлөмү:

700 адам × 25 L/(адам·күн) = 17.500 L/күн

деп алынган.

Булактагы ысык суунун жылуулук жүгү теңдемеси

Булак (1)-теңдемени төмөнкү түрдө берет:

\[ Q_h=\frac{m q_r (t_r-t_o)\rho_r}{86400} \tag{1} \]

Булактын түшүндүрмөсүнө ылайык, \(Q_h\) толук күндүк долбоордук сааттын жылуулук керектөөсүн (kW), \(m\) колдонуучулардын санын, \(q_r\) күнүмдүк ысык суу квотасын, \(t_r\) долбоордук ысык суунун температурасын, \(t_o\) жергиликтүү муздак суунун температурасын жана \(\rho_r\) ысык суунун тыгыздыгын билдирет. Долбоордук ысык суунун температурасы \(t_r=50\,^{\circ}\mathrm{C}\) деп алынган.

Булак ошол эле түшүндүрмөдө суунун менчик жылуулук сыйымдуулугун \(C=4{,}187\ \mathrm{kJ/(kg\cdot ^\circ C)}\) деп аныктайт; бирок \(C\) мүчөсү басылган (1)-теңдемеде жок. Ошондуктан (1)-теңдеме Verianla тарабынан үнсүз оңдолгон эмес, булакта басылган түрүндө жана отчеттук эскертүү менен сакталган.

Күн коллекторунун аянты кантип аныкталат?

Булак күн коллекторунун аянты үчүн:

\[ A_C= \frac{Q_w\rho_r C(t_r-t_o)f} {J_T\eta_{cd}(1-\eta_L)} \tag{2} \]

теңдемесин колдонот.

Бул жерде \(Q_w\) орточо күнүмдүк ысык суу керектөөсүн, \(\rho_r\) суунун тыгыздыгын, \(C\) суунун менчик жылуулук сыйымдуулугун, \(t_r-t_o\) температуранын жогорулашын жана \(f\) күн энергиясын кепилдөө үлүшүн билдирет. \(J_T\) күн нурлануусун, \(\eta_{cd}\) коллектордун жылдык орточо натыйжалуулугун жана \(\eta_L\) бак менен түтүк системасындагы жылуулук жоготуу үлүшүн көрсөтөт.

Xi'an булакта III класстагы күн энергиясы аймагы катары каралып, \(f\) үчүн 0,4–0,5 аралыгы берилген. Булактагы система схемасында жалпак пластинкалуу күн коллекторунун жалпы аянты 324 m² деп көрсөтүлгөн.

Аба булагындагы жылуулук насосу кантип иштейт?

ASHP айланадагы абадан жылуулук алган бууландыргыч, компрессор, конденсатор жана кеңейтүү клапанынан турган классикалык буу-кысуу циклин колдонот. Бууландыргычта чөйрөдөн жылуулук алган муздаткыч бууланат, компрессордо жогорку температура жана басымга көтөрүлөт, конденсатордо жылуулугун ысык суу багына берет жана кеңейтүү клапанынан кийин кайра бууландыргычка кайтып келет.

Булак ASHP долбоордук жылуулук жүгүн:

\[ Q_g= \frac{q_h m C_W(t_{end}-t_0)\rho_W} {3600T} \tag{3} \]

түрүндө берет. Бирок бул теңдеменин дароо астындагы түшүндүрмө \(q_h\), \(C_W\) жана колдонуу убактысын гана аныктап, теңдемедеги башка белгилердин баарын системалуу түрдө түшүндүрбөйт. Бул терминологиялык жетишпестик булакта сакталган.

Булак эсептелген жылытуу муктаждыгын 34 kW деп берет жана ишенимдүүлүк үчүн 40 kW жылытуу кубаттуулугу бар ASHP тандайт. Түзмөктүн электр кубаттуулугу 10 kW, муздаткычы R-407c жана билдирилген муздаткыч көлөмү 20,2 kg.

S-ASHP системасынын физикалык түзүлүшү

POLYSUN 2025.12 моделинде системанын үч негизги энергия компоненти — жалпак пластинкалуу күн коллектору, аба булагындагы жылуулук насосу жана суу менен иштеген ысык суу сактоочу бак. Сактоочу бак күн коллектору менен ASHP ортосундагы кыска мөөнөттүү жылуулук берүү айырмаларын теңдөө жана колдонуучуга туруктуураак ысык суу берүү үчүн жылуулук буфери катары кызмат кылат.

Булак Figure 1'де ошондой эле күн айланма насосун, суу насосун, көмөкчү жылытуу контроллерин, үч жолдуу клапанды жана аралаштыргыч клапанды көрсөтөт. Системанын чыгыш температурасы 50 °C максаты боюнча жөнгө салынат.

Божомол модели кайсы маалыматтарды колдонот?

ANN-LSTM-STA модели кириш катары мурдагы DHW керектөө катарын гана колдонгон бир өзгөрмөлүү убакыт катары божомолу. Сырткы абанын температурасы, күн нурлануусу, эс алуу, экзамен мезгили, жуманын күнү же саат маалыматы өзүнчө модель кириши эмес.

Маалыматтар студенттик жатаканадагы IC-карта өлчөө системасынан 1 Март–30 Ноябрь 2023 аралыгында саат сайын чогултулган. Жалпы 6600 жарактуу жазуу бар.

Алдын ала иштетүү ырааты:

ANN-LSTM-STA архитектурасы

Булактын негизги архитектуралык аныктамасында модель төрт ырааттуу модулдан турат: LSTM кириш/убакыттык коддоо катмары, secondary weighted temporal attention (STA), ANN жашыруун катмары жана ANN чыгыш катмары.

LSTM мурдагы керектөө катарынын убакыттык көз карандылыктарын жашыруун абалдар катары коддойт. STA катмары бул жашыруун абалдарды божомол үчүн маанилүүлүгүнө жараша кайра салмактайт. Көңүл буруу салмактары менен байытылган өкүлчүлүк андан кийин 50 ReLU нейрондуу ANN жашыруун катмарына жана бир сызыктуу чыгыш нейронуна берилет.

Булак окутула турган параметрлердин жалпы санын болжол менен 45.000 деп билдирет.

Экинчилик салмакталган убакыттык көңүл буруу механизми

Булактагы Figure 3 көңүл буруу түзүмүн эки баскычтуу салмактоо катары көрсөтөт. Биринчи кадамда жашыруун абалдар салмакталат, бирок кошулбайт; экинчи кадамда кайра салмакталган өкүлчүлүктөр түзүлөт. Схемада экинчи салмактоо жана акыркы бириктирүү cosine correlation эсептөөлөрү аркылуу түзүлөрү көрсөтүлгөн.

Ал эми кийинки текст “spatiotemporal attention (STAM)” аталышынын алдында temporal жана spatial көңүл буруу салмактарын тең аныктайт:

\[ e_t^T=v_T\tanh(W_T h_t+b_T) \tag{4} \]

\[ \alpha_t^T= \frac{\exp(e_t^T)} {\sum_{j=1}^{T}\exp(e_j^T)} \tag{5} \]

\[ e_i^S=v_S\tanh(W_S h_i+b_S) \tag{6} \]

\[ \alpha_i^S= \frac{\exp(e_i^S)} {\sum_{j=1}^{N}\exp(e_j^S)} \tag{7} \]

\[ \alpha_{t,i}^{ST}= \alpha_t^T\cdot\alpha_i^S \tag{8} \]

\[ \hat{h}= \sum_{t=1}^{T}\sum_{i=1}^{N} \alpha_{t,i}^{ST}h_{t,i} \tag{9} \]

Бул теңдемелер чынжыры temporal жана spatial салмактар көбөйтүлүп, бириккен attention картасына айландырыларын билдирет. Бирок макаланын маалымат аныктамасы бир өзгөрмөлүү DHW убакыт катары, ал эми моделдин негизги аты ANN-LSTM-STA. Булак Figure 3'төгү эки баскычтуу cosine-correlation STA түзүмү менен (4)–(9)-теңдемелердеги STAM түзүмү практикада кантип шайкештирилгенин ачык түшүндүрбөйт.

Модель кантип окутулган?

Grid search учурунда LSTM hidden dimension үчүн 32, 64 жана 128; ANN жашыруун нейрон саны үчүн 30, 50 жана 100; batch size үчүн 32, 64 жана 128; learning rate үчүн 0,001, 0,0005 жана 0,0001 талапкерлер салыштырылган.

Программалык чөйрө Python 3.9, TensorFlow 2.10.0/Keras, scikit-learn 1.2.0, pandas 1.5.3, NumPy 1.23.5 жана Matplotlib 3.7.0. Жабдык Intel Core i7-12700H, 32 GB RAM жана NVIDIA GeForce RTX 3060 6 GB GPU; CUDA 11.2 жана cuDNN 8.1 колдонулган.

Маалыматты бөлүү протоколундагы булак ичиндеги маселе

Булак бир жерде баштапкы код бөлүнүшүн Март–Октябрь окутуу (~%73), Ноябрь валидация (~%9) жана “test set жок” деп аныктайт. Кийин акыркы модель “held-out test set” үстүндө бааланганын билдирет. Өзүнчө тест топтому кайсы даталардан же жазуулардын канча пайызынан турары түшүндүрүлбөгөндүктөн, натыйжалуулук метрикаларынын толук көз карандысыз баалоо протоколун булактан ишенимдүү кайра түзүү мүмкүн эмес.

Feedforward–Feedback Башкаруу Салттуу Туруктуу Башкаруудан Кантип Айырмаланат?

I схема ысык суу суроо-талабын туруктуу долбоордук квота боюнча аныктап, система иштегенден кийин feedback менен жооп берсе, II схема ANN-LSTM-STAнын 24 саат алдыдагы керектөө божомолун feedforward кириши катары колдонуп, күн жана ASHP өндүрүшүн алдын ала пландайт; чыныгы колдонуу максатка жетпесе, PI негизиндеги feedback оңдоосу ишке кирет.

I схема

I схема салттуу DHW долбоорлоо стандартына негизделет. Терминалдык ысык суу суроо-талабы туруктуу режим боюнча аныкталып, система негизинен feedback аркылуу иштейт. Чыныгы колдонуучу керектөөсүндөгү чокулар жана төмөнкү чекиттер алдын ала божомолдонбойт.

II схема

II схема алгач ANN-LSTM-STA менен суу керектөөнү божомолдойт. Божомолдонгон суроо-талап feedforward башкаруу аркылуу терминалдык ысык суу талабын алдын ала аныктайт. Система иштей баштагандан кийин чыныгы талап аткарылып-аткарылбаганы көзөмөлдөнөт; максат аткарылбаса, feedback механизми күн жана ASHP чыгыштарын кайра жөнгө салат.

Булакта билдирилген башкаруу өзгөчөлүктөрү төмөнкүлөр:

Булуттуу күн сценарийинде коллектор өчүрүлүп, ASHP толук жүктү камсыздайт. II схема ошондой эле ASHP ишин төмөн тарифтик сааттарга алдын ала пландай алат.

Gaussian ызы-чуусуна туруктуулук тести

Булакка ылайык, %5–15 Gaussian ызы-чуусунда контроллер ысык суу багынын температурасын ±3 °C ичинде кармап, энергия керектөөнүн өсүшүн %4төн төмөн чектеген. Бул булакта билдирилген симуляциялык туруктуулук тести; чыныгы сенсор ызы-чуусу шартындагы талаа сыноосу эмес.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

RMSE жана MAE эмнени өлчөйт?

RMSE жана MAE божомолдонгон ысык суу керектөөсү менен чыныгы керектөөнүн ортосундагы катаны өлчөйт. Төмөн маани жакшыраак божомол натыйжалуулугун билдирет.

Булак RMSE үчүн:

\[ RMSE= \sqrt{\frac{1}{n}\sum_{i=1}^{n} (\hat{y}_i-y_i)^2} \tag{10} \]

теңдемесин берет. Квадраттоо чоңураак каталарга көбүрөөк салмак берет.

MAE болсо:

\[ MAE= \frac{1}{n}\sum_{i=1}^{n} |\hat{y}_i-y_i| \tag{11} \]

деп аныкталат жана божомолдордун чыныгы маанилерден орточо абсолюттук четтөөсүн өлчөйт.

Төрт божомол моделинин натыйжалуулугу

Божомол ийри сызыктары кантип өзгөрөт?

Булактагы Figure 4–7 чыныгы жана божомолдонгон сааттык керектөө катарларын салыштырат. ANN модели айрыкча жогорку керектөө чокуларында чыныгы ийри сызыктан кыйла ачык четтөөлөрдү көрсөтөт. LSTM мезгилдүүлүктү жакшыраак ээрчийт.

ANN-LSTM-A менен чокулар жана ойдуңдар жакшыраак дал келет, бирок кээ бир кескин өзгөрүү чекиттеринде четтөөлөр уланат. ANN-LSTM-STA графигинде божомол ийри сызыгы айрыкча жогорку керектөө чокуларында чыныгы катарга жакыныраак жүрөт.

Бул графиктер моделдин салыштырмалуу божомол жүрүм-турумун колдойт; бирок макалада чийки сааттык маалымат таблицасы жарыяланбагандыктан, графиктерден жаңы так аралык маанилер чыгарылбашы керек.

POLYSUN салыштыруусунун эксперименттик дизайны

I схема жана II схема бирдей метеорологиялык маалымат, бирдей жабдуу кубаттуулугу, бирдей баштапкы бак температурасы жана бирдей комфорт талаптары менен моделденген. Негизги айырма — терминалдык DHW талабы кантип түзүлөрү жана башкаруу канчалык алдын ала божомолдоочу экени.

Бул дизайн эки башкаруу ыкмасын бирдей негизги система шарттарында салыштырууга мүмкүндүк берет. Бирок жыйынтыктар симуляция моделинин тактыгына жана божомолдорго көз каранды.

Күн коллекторунун жылуулук өндүрүшү

II схеманын жалпы күн коллектор жылуулук өндүрүшү 11.206,26 kWhден 12.267,75 kWhге өскөн. Өсүш %9,47.

Булактагы Figure 10 айрыкча Ноябрдын кээ бир күндөрүндө II схема көбүрөөк күн жылуулугун колдонгонун көрсөтөт. Изилдөөчүлөр муну суроо-талап алдын ала божомолдонуп, күн энергиясы ылайыктуураак убакта пайдаланылганы менен байланыштырат.

ASHP жылуулук өндүрүшү жана иштөө убактысы

ASHPнин жалпы жылуулук өндүрүшү I схемада 14.643,11 kWh болсо, II схемада 6220,71 kWhге төмөндөгөн. Бул %57,52 азайуу.

ASHPнин жалпы иштөө убактысы 293 сааттан 195 саатка түшүп, башкача айтканда %33,45 азайган. Figure 11 көп күндөрдө II схемада күнүмдүк ASHP жылуулук өндүрүшү жана иштөө убактысы төмөн экенин көрсөтөт.

Насостун энергия колдонуусу

Булактагы 3-таблица насостун энергия колдонуусун I схема үчүн 879,86 Wh жана II схема үчүн 733,37 Wh деп берип, %16,65 төмөндөөнү билдирет.

Ал эми Figure 12ни түшүндүргөн текст “average daily energy consumption” үчүн %18,7 азайууну билдирет. Булак бул эки пайыздын эсептөө аныктамаларын толук шайкештирбегендиктен, жалпы салыштырууда Table 3төгү жалпы жыйынтык — %16,65 негиз катары алынган.

Системанын жалпы энергия керектөөсү

Системанын жалпы энергия керектөөсү I схемада 3266,56 kWh, II схемада 1834,28 kWh деп билдирилген. Азайуу:

%43,85

деп берилген.

Figure 13тө II схема Ноябрдын көпчүлүк күндөрүндө азыраак энергия керектегени көрүнөт. Булак тексти бул айырманы “statistically significant” деп атаганы менен, салыштыруу үчүн p мааниси, ишеним интервалы же көз карандысыз гипотеза тести берилген эмес. Ошондуктан жыйынтык бул жерде билдирилген симуляция айырмасы катары гана чечмеленет.

Ысык суу багынын температурасы

Булактагы Figure 14 50 °C set маанисин эталондук сызык катары көрсөтөт. Салттуу I схема кээ бир күндөрү set маанисинен төмөн түшкөнү, айрыкча 21 Ноябрда орточо бак температурасы 47,05 °C болгону белгиленген.

Булакка ылайык, II схема ошол эле күндөрдө бак температурасын 50 °Cден жогору кармаган. Бирок кээ бир күндөрдө II схема температурасы да set маанисинен кыйла жогору экени графиктен көрүнөт; ошондуктан натыйжалуулук “так 50 °Cде кармоо” катары гана эмес, суроо-талапты камсыздаган алдын ала божомолдоочу башкаруу катары бааланышы керек.

COP жана COPsys Жыйынтыктары Кантип Чечмелениши Керек?

Булакта COP өзүнчө жылуулук насосунун/бирдиктин натыйжалуулук коэффициентин, COPsys болсо бүтүндөй S-ASHP системасынын натыйжалуулук коэффициентин билдирет; II схемада орточо COP 3,58ден 3,81ге, COPsys 7,32ден 8,97ге жогорулаган, бирок бул маанилер POLYSUN симуляциясынын жыйынтыктары жана чыныгы талаадагы COP өлчөөлөрү эмес.

Жыйынтык бөлүмүндөгү RMSE/MAE пайыздык дал келбестиги

Булактын 2-таблицасы жана кеңири жыйынтык тексти ANN-LSTM-STA ANNге салыштырмалуу RMSEни %33,05, MAEни %24,65 азайтканын билдирет. Ал эми conclusion бөлүмү ушул эле модель үчүн %27,20 жана %22,22 маанилерин берет.

%27,20 жана %22,22 маанилери 2-таблицада ANN-LSTM-A моделине тиешелүү болгондуктан, бул Verianla макаласында ANN-LSTM-STA салыштыруусу үчүн 2-таблица жана кеңири жыйынтык текстине шайкеш %33,05 жана %24,65 колдонулган; булак ичиндеги айырма да өзүнчө сакталган.

Изилдөө колдогон жыйынтыктар

Чыныгы студенттик жатакана керектөө маалыматтарында ANN-LSTM-STA булакта салыштырылган ANN, LSTM жана ANN-LSTM-A моделдерине караганда төмөн RMSE жана MAE көрсөткөн.

POLYSUN симуляциясында божомолго негизделген feedforward–feedback башкаруу салттуу туруктуу суроо-талапка негизделген башкарууга салыштырмалуу күн энергиясын көбүрөөк колдонуу, ASHP жылуулук өндүрүшүнүн төмөн болушу, ASHP иштөө убактысынын кыскарышы жана системанын жалпы энергия керектөөсүнүн азайышы менен байланышкан.

II схеманын симуляциялык COP жана COPsys маанилери I схемадан жогору.

Булактагы Gaussian ызы-чуу сценарийи башкаруу белгилүү модель бузулууларында ысык суу багынын температурасын чектелген диапазондо кармай аларын көрсөтөт.

Изилдөө колдобогон жыйынтыктар

Изилдөө чыныгы университеттик ысык суу системасында %43,85 энергия үнөмдөлгөнү өлчөнгөнүн көрсөтпөйт. Бул маани POLYSUN симуляциясынан алынган.

Изилдөө ANN-LSTM-STA ар башка кампустарда, климаттык аймактарда же колдонуучу профилдеринде ошол эле ката маанилерин камсыздай турганын көрсөтпөйт.

Энергия керектөөнүн азайышынан көмүртек чыгарындысы азайышы мүмкүн деген тыянак чыгарууга болот; бирок изилдөө чыныгы CO₂ чыгарындысын түз өлчөгөн эмес.

Булактын “statistically significant” деген сөзүнө карабастан, I–II схемалардын энергия айырмалары үчүн көз карандысыз инференция тести берилбегендиктен статистикалык маанилүүлүк деңгээлин ырастоо мүмкүн эмес.

Маалыматты бөлүү протоколундагы карама-каршылыктан улам 2-таблица метрикалары чындап эле көз карандысыз, мурда көрүлбөгөн тест топтомунун натыйжалуулугун билдиреби-жокпу, булак текстинен так ырастоо мүмкүн эмес.

Изилдөөнүн Негизги Текшерүү Чеги Эмне?

Изилдөөнүн эң маанилүү текшерүү чеги — ысык суу керектөө чыныгы университеттик имараттан өлчөнгөнү менен, S-ASHP энергия натыйжалуулугу жана башкаруудагы жетишкендиктер чыныгы системада эмес, POLYSUN симуляциясында бааланган; талаа колдонмосу жана ар башка имараттар менен климаттарга жалпылоо али жасалган эмес.

Келечектеги изилдөө сунуштары

Авторлор божомол моделине саат, жуманын күнү, экзамен мезгилдери, майрамдар жана аба ырайы өзгөрмөлөрүн кошууну сунушташат. Учурдагы бир өзгөрмөлүү модель бул маалыматтарды түздөн-түз колдонбойт.

Benchmark салыштырууларын Transformer негизиндеги моделдер жана кечиктирилген белгилерди колдонгон XGBoost менен Random Forest сыяктуу дарак негизиндеги ыкмалар менен кеңейтүү сунушталат.

Келечектеги эң маанилүү кадамдардын бири — чыныгы ысык суу системасында реалдуу убакыттагы талаа колдонмосу. Авторлор ошондой эле моделди бир нече имаратта жана климаттык аймакта текшерүүнү каалашат.

Buffer tank сыйымдуулугунун башкаруу натыйжалуулугуна таасирин сезгичтик анализи жана STA механизминин cosine-similarity же multi-head attention варианттарын изилдөө да келечектеги изилдөө максаттарынын арасында.

Булак жана Ыкма Жөнүндө Эскертүү

Түпнуска аталыш: Research on the Operation of a Solar–Air Source Heat Pump Hot Water System Based on the Demand-Side ANN-LSTM-STA Algorithm for Prediction Response.

Авторлор: Bo Deng; Xin Zhou; Shaojie Wang; Dong Wang; Xin Meng.

Corresponding author: Xin Meng.

Мекеме: LiZhi College, Shaanxi University of Technology, Hanzhong 723001, China.

Журнал: Energies.

Басмакана: MDPI, Basel, Switzerland.

Жарыя маалыматтары: Energies 2026, 19, 4173.

DOI: 10.3390/en19174173.

Макаланын тарыхы: Кабыл алынды 17 Июль 2026; кайра каралды 27 Август 2026; кабыл алынды 31 Август 2026; жарыяланды 3 Сентябрь 2026.

Булак түрү: Рецензияланган, ачык жеткиликтүү оригиналдуу энергетикалык инженерия/моделдөө макаласы; чыныгы DHW керектөө маалыматтарына негизделген машиналык үйрөнүү божомолу + POLYSUN энергия системасынын симуляциясы.

Лицензия: Creative Commons Attribution (CC BY).

Изилдөө объектиси: Xi'an шаарындагы 700 студенттүү, 6 кабаттуу № 7 студенттик жатакана.

Маалымат мезгили: 1 Mart 2023–30 Kasım 2023.

Үлгү алуу: 1 saat.

Жарактуу жазуу: 6600.

Жетишпеген маалымат: <%0,5; сызыктуу интерполяция.

Нормалдаштыруу: Min–Max [0,1].

Sliding window: 24 saat.

Божомол модели: ANN-LSTM-STA.

Салыштыруу моделдери: ANN, LSTM, ANN-LSTM-A.

Негизги божомол метрикалары: RMSE жана MAE.

Тандалган LSTM hidden dimension: 64.

ANN hidden neurons: 50.

Optimizer: Adam; learning rate = 0,001; β1 = 0,9; β2 = 0,999.

Loss: Mean Squared Error.

Training: 100 epoch; batch size 64; early stopping patience 10; dropout жок; random seed 42.

Программалык камсыздоо: Python 3.9; TensorFlow 2.10.0/Keras; scikit-learn 1.2.0; pandas 1.5.3; NumPy 1.23.5; Matplotlib 3.7.0.

Эсептөө жабдыгы: Intel Core i7-12700H; 32 GB RAM; NVIDIA GeForce RTX 3060 6 GB; Windows 11; CUDA 11.2; cuDNN 8.1.

Энергия симуляциясы: POLYSUN 2025.12.

S-ASHP негизги компоненттери: Жалпак пластинкалуу күн коллектору, аба булагындагы жылуулук насосу, ысык суу сактоочу бак жана айланма/насос башкаруу жабдыгы.

Күн коллектору: Булактагы Figure 1де жалпы аянт 324 m².

ASHP: 40 kW жылытуу кубаттуулугу; 10 kW электр кубаттуулугу; R-407c; 20,2 kg муздаткыч.

Башкаруу: 24 саат алдыга божомол, 45–55 °C иштөө диапазону, 50 °C set мааниси, күн артыкчылыктуу / ASHP колдоосу менен / күтүү режимдери, өзгөрмө жыштыктагы насос жана PI feedback.

Каржылоо: Key Science and Technology Program of Shaanxi Province (2025QCY-KXJ-015) жана Key Research and Development Program of Shaanxi (2025CY-YBXM-378).

Маалымат жеткиликтүүлүгү: Маалымат топтому жана код corresponding author Xin Mengден суроо боюнча алынышы мүмкүн.

Кызыкчылыктардын кагылышы: Авторлор кызыкчылыктардын кагылышы жок экенин билдиришкен.

Авторлордун салымы: Маалымат курациясы Xin Zhou, Shaojie Wang жана Dong Wang; каржылоо алуу, долбоорду башкаруу жана жетекчилик Xin Meng; баштапкы кол жазма Bo Deng деп билдирилген.

Булак ичиндеги маалымат бөлүү дал келбестиги: Ыкманын бир жеринде Март–Октябрь окутуу / Ноябрь валидация жана тест топтому жок экени айтылса, кийинки бөлүмдө акыркы модель held-out test set үстүндө бааланганы айтылат. Тест топтому кайсы жазуулардан турары түшүндүрүлгөн эмес.

Булак ичиндеги жыйынтык дал келбестиги: Table 2 жана кеңири жыйынтык тексти ANN-LSTM-STA үчүн ANNге салыштырмалуу RMSE/MAE азайышын %33,05 / %24,65 деп берсе, conclusion %27,20 / %22,22 деп жазат. Акыркы эки маани Table 2де ANN-LSTM-Aга тиешелүү.

Булак ичиндеги архитектура дал келбестиги: Моделдин негизги аныктамасы жана Figure 3 secondary weighted temporal attention (STA) түзүмүн түшүндүрсө, кийинки Equation 4–9 бөлүмү spatiotemporal attention (STAM) жана spatial attention терминдерин колдонот; булак бул эки аныктаманы ачык шайкештирбейт.

Теңдеме боюнча отчеттук эскертүү: (1)-теңдеменин астында \(C\) менчик жылуулук сыйымдуулугу катары аныкталганы менен, \(C\) теңдемеде көрүнбөйт. (3)-теңдемедеги айрым белгилер да анын дароо астындагы түшүндүрмөдө аныкталган эмес. Бул жагдайлар Verianla тарабынан үнсүз оңдолгон эмес.

Негизги методологиялык чектөө: Чыныгы имараттагы суу керектөө моделге кириш бергенине карабастан, энергия үнөмдөө, COP жана иштөө натыйжалуулугу POLYSUN симуляциясына таандык. Реалдуу убакыттагы талаа текшерүүсү жүргүзүлгөн эмес.

Визуалды кайра колдонуу эскертүүсү: Булак CC BY лицензиялуу; бирок Verianla үчүн оригиналдуу система, модель архитектурасы жана башкаруу агымы схемаларын түзүү булак фигураларын пиксел деңгээлинде кайра колдонуудан артык көрүлүшү керек.