인공지능 기술의 급속한 발전과 함께 데이터 기반 예측 모델이 에너지 수요 및 성능 효율 예측 분야에서 점점 더 중요한 역할을 하고 있습니다. 저장형 심부 지중열원 히트펌프 시스템(DBHE-GSHP)의 성능 예측에 대한 머신러닝 알고리즘의 적용 가능성을 탐구하기 위해 DBHE-GSHP의 운전 데이터를 실시간으로 수집하고, 대표적인 매개변수를 선택하여 특성 집합을 구축하였으며, 피어슨 상관분석법으로 특성 집합을 최적화하였습니다. 최적화된 특성 집합을 기반으로 역전파 신경망(BPNN), 극한 학습기(ELM), 서포트 벡터 머신(SVM) 및 입자군 최적화 - 서포트 벡터 머신(PSO-SVM) 등의 알고리즘을 적용하여 분석을 수행하였습니다. 연구 결과 PSO-SVM 방법이 우수한 예측 성능을 보였으며, 예측 정확도는 95%를 초과하였습니다. 본 연구 결과는 DBHE-GSHP 난방 시스템의 매개변수 최적화 및 효율적 운영에 이론적 근거를 제공할 수 있습니다.

심부 지중열원 히트펌프; 특성 선택; 머신러닝; 성능 예측