DOE-2 모델은 냉수기 시뮬레이션 모델링에 널리 사용되고 있습니다. 제한된 센서 실측 데이터를 기반으로 특정 냉수기의 DOE-2 모델 파라미터를 신뢰성 있게 식별하고 모델 오차를 보상하는 것은 에너지 절약 운영 등 시나리오에서 중요한 의미를 갖습니다. 실제로 센서 부족과 데이터 품질 저하 등의 문제로 DOE-2 모델 파라미터의 신뢰성 있는 식별이 어렵습니다. 따라서 본 논문은 외부 지식 기반의 유전 알고리즘과 인공 신경망 기반의 방법을 각각 DOE-2 모델 파라미터 식별 및 오차 보상에 제안합니다. 결과는 외부 지식 기반 유전 알고리즘이 DOE-2 모델 파라미터 식별 시간을 효과적으로 줄이고 DOE-2 모델 예측 정확도를 크게 향상시킬 수 있음을 보여줍니다. 오차 보상된 DOE-2 모델의 예측 정확도는 보상되지 않은 모델보다 현저히 높으며, 냉동수 출구 온도 예측 시 MAE, RMSE, MAPE, CV-RMSE는 각각 36.49%, 46.00%, 33.16%, 45.73% 감소했으며 R2는 25.75% 증가했습니다.

냉수기 모델링;유전 알고리즘;파라미터 식별;인공 신경망;오차 보상