Con el rápido desarrollo de la tecnología de inteligencia artificial, la importancia de los modelos de predicción basados en datos en el campo de la previsión de la demanda energética y la eficiencia del rendimiento se vuelve cada vez más evidente. Para explorar la aplicabilidad de los algoritmos de aprendizaje automático en la predicción del rendimiento del sistema de bomba de calor geotérmica de pozo profundo con almacenamiento térmico (DBHE-GSHP), se recopilaron datos operativos del DBHE-GSHP en tiempo real y se seleccionaron parámetros típicos para construir un conjunto de características, optimizado mediante análisis de correlación de Pearson; basándose en el conjunto optimizado, se analizaron los algoritmos de red neuronal de retropropagación (BPNN), máquina de aprendizaje extremo (ELM), máquina de vectores de soporte (SVM) y optimización por enjambre de partículas - máquina de vectores de soporte (PSO-SVM). Los resultados muestran que el método PSO-SVM presenta un buen rendimiento predictivo, con una precisión de predicción superior al 95%. Los resultados de la investigación pueden proporcionar soporte teórico para la optimización de parámetros y la operación eficiente del sistema de calefacción DBHE-GSHP.

Bomba de calor geotérmica de pozo profundo; selección de características; aprendizaje automático; predicción de rendimiento