O modelo DOE-2 é amplamente utilizado na modelagem e simulação de unidades de água gelada. Como identificar de forma confiável os parâmetros do modelo DOE-2 de uma unidade específica de água gelada com base em dados limitados de sensores reais e compensar os erros do modelo é de grande importância em cenários de operação economizadora de energia. Na prática, devido à insuficiência de sensores e à baixa qualidade dos dados, a identificação confiável dos parâmetros do modelo DOE-2 é difícil. Portanto, este artigo propõe um algoritmo genético baseado em uma base externa de conhecimento e um método baseado em redes neurais artificiais para identificação de parâmetros e compensação de erros do modelo DOE-2, respectivamente. Os resultados mostram que o algoritmo genético baseado em base de conhecimento externa pode reduzir efetivamente o tempo de identificação dos parâmetros do modelo DOE-2 e melhorar significativamente a precisão da previsão do modelo. A precisão da previsão do modelo DOE-2 compensado por erro é significativamente maior do que a do modelo sem compensação, com reduções de MAE, RMSE, MAPE e CV-RMSE de 36,49%, 46,00%, 33,16% e 45,73%, respectivamente, na previsão da temperatura de saída da água gelada, e o R2 aumentou 25,75%.

modelagem de unidades de água gelada;algoritmo genético;identificação de parâmetros;redes neurais artificiais;compensação de erros