将专家知识与物理知识集成用于 district heating 系统的热负荷建模
系统与控制
2025-01-22 v1 系统与控制
摘要
新的住宅区区通常通过 district heating 系统 (DHS) 提供热力。提高 DHS 的能源效率对于增加可持续性并满足用户需求至关重要。本文提出了 HELIOS，一个专为建模 DHS 热负荷而设计的人工智能 (AI) 模型。HELIOS 利用 established 物理原理和 expert knowledge 的结合，实现了优于现有 state-of-the-art 模型的优异性能。HELIOS 可解释，使其在预测中实现 enhanced accountability 与可追溯性。我们在荷兰的一个 DHS 案例研究中对 HELIOS 与十个 state-of-the-art data-driven 模型进行评估。HELIOS 在保持 complete accountability 的同时表现为最佳模型。HELIOS 的应用不限于当前案例研究，potentially 支持 DHS 采用 AI 并在更大规模上促进可持续能源管理。
引用
@article{arxiv.2501.10827,
title = {Integrating Expert and Physics Knowledge for Modeling Heat Load in District Heating Systems},
author = {Francisco Souza and Thom Badings and Geert Postma and Jeroen Jansen},
journal= {arXiv preprint arXiv:2501.10827},
year = {2025}
}