El modelo DOE-2 se utiliza ampliamente para la simulación de unidades enfriadoras de agua fría. Cómo identificar de manera confiable los parámetros del modelo DOE-2 de una unidad enfriadora específica basándose en datos medidos limitados de sensores y compensar los errores del modelo es de gran importancia en escenarios de operación eficientes en energía. En la práctica, debido a la insuficiencia de sensores y la baja calidad de los datos, la identificación confiable de los parámetros del modelo DOE-2 es difícil. Por lo tanto, este artículo propone un algoritmo genético basado en una base de conocimiento externa y un método basado en redes neuronales artificiales para la identificación de parámetros y la compensación de errores del modelo DOE-2, respectivamente. Los resultados muestran que el algoritmo genético basado en la base de conocimiento externa puede reducir eficazmente el tiempo de identificación de parámetros del modelo DOE-2 y mejorar significativamente la precisión de la predicción del modelo. La precisión de la predicción del modelo DOE-2 compensado por error es significativamente mejor que la del modelo sin compensación, con reducciones del MAE, RMSE, MAPE y CV-RMSE del 36,49%, 46,00%, 33,16% y 45,73% respectivamente al predecir la temperatura de salida del agua fría, y un aumento del R2 del 25,75%.

modelado de unidad enfriadora de agua fría;algoritmo genético;identificación de parámetros;redes neuronales artificiales;compensación de errores