物理信息神经网络控制器

能效提升23%

融合结构与趋势先验知识，显著提升冷水机组优化控制的能效。

Liang, Xinbin · Liu, Ying · Chen, Siliang · Li, Xilin · 晋欣桥 · 杜志敏

Applied Energy 2025

参数信息

能效提升

23.2 %

技术优势

外推更准

结构型和趋势型物理知识分别指导网络架构设计和损失函数构建，使模型在未知工况下预测更可靠。

能效提升

现场实验通过重置控制设定点实现23.2%的能效提升，直接带来运行节能。

应用场景

• 暖通空调优化控制：用物理信息模型替代纯数据驱动控制器，在工况变化时保持稳定优化。
• 建筑能源系统：为冷水机组等子系统提供外推能力更强的能量模型，支撑系统级优化。
• 建筑节能：通过优化控制设定点直接降低建筑运行能耗，实现节能。
• 物理信息机器学习：将工程先验知识嵌入神经网络，提升模型在稀缺数据场景下的可靠性。