直膨式PVT热泵热电协同潜力与智能控制
成雅倩
(山东建筑大学热能工程学院，山东省 济南市 250000)
Review on the Performance Research of Direct Expansion PVT Heat Pump Systems
CHENG Yaqian
(School of Thermal Energy Engineering, Shandong Jianzhu University,Shandong Province, Jinan 250000)
ABSTRACT: Direct expansion photovoltaic-thermal (PVT) heat pump system,capable of co-generating electricity and heat,represents a cutting-edge technology for enhancing building energy efficiency and advancing the low-carbon transition in the heat and power sector.However,its widespread application faces two primary challenges:the lack of a unified energy efficiency evaluation framework for combined heating,power,and cooling,and the absence of efficient adaptive control methods under complex climatic conditions.This paper provides a systematic review of the research progress in performance testing,energy evaluation metrics,modeling,simulation,and control strategies for these systems.It focuses on analyzing the establishment of comprehensive energy efficiency indices,modeling approaches like the PSO-GA-BP hybrid neural network,and the application of advanced control strategies such as predictive PI and adaptive control.Furthermore,it discusses current technical bottlenecks and proposes future research directions,including deep integration with digital twins,the incorporation of AI algorithms like reinforcement learning,system-level multi-energy synergistic optimization,and full lifecycle carbon footprint analysis.This review aims to provide references for the theoretical innovation and engineering application of DX-PVT heat pump technology within integrated heat and power systems.
Key words:direct expansion PVT heat pump;integrated energy efficiency;intelligent control;neural network;model predictive control;heat and power synergy
摘要：直膨式光伏光热（PVT）热泵系统可协同产出电能与热能，是提升建筑能效、推动热电行业低碳转型的前沿技术。然而，其广泛应用面临着两大挑战：一是缺乏面向热电冷联供的统一能效评价体系，二是复杂气候下高效自适应控制方法的缺失。本文系统综述了该系统在性能测试、能效评价、建模仿真及控制策略方面的研究进展，重点剖析综合能效指标体系的构建、PSO-GA-BP混合神经网络等智能建模方法，以及预测PI与综合能效优化自适应等先进控制策略的应用与局限。文章进一步探讨当前研究的关键技术难题，并对未来方向进行展望，提出与数字孪生深度集成、融合强化学习等AI算法，实现系统级多能协同优化及开展全生命周期碳足迹分析等路径。本研究的目的在于为直膨式PVT热泵技术的理论创新及其在热电协同系统中的工程应用提供参考。
关键词：直膨式PVT热泵；综合能效；智能控制；神经网络；模型预测控制；热电协同
0 引言
当前全球能源需求持续增长，气候变化问题也日益严峻，开发利用可再生能源已经成为世界各国的共同战略选择。根据国际能源署（IEA）的报告，建筑能耗占全球终端能耗的40%以上，并且排放约三分之一的温室气体[1]。在这一背景下，太阳能作为一种储量丰富、分布广泛且清洁无污染的可再生能源，其高效利用技术受到前所未有的关注。光伏光热一体化技术能够同时获取电能和热能，显著提高太阳能的综合利用效率，近年来逐渐成为研究热点[2,3]。直膨式PVT热泵系统是光伏光热综合利用技术的先进代表，在热电行业向清洁高效、智能灵活、多能互补方向转型的背景下，该系统因其能同时输出电能和热能，是建筑领域实现“热电协同”与“节能降碳”极具潜力的技术路径，它将PVT组件直接作为热泵的蒸发器，使制冷剂在流经组件时直接吸收太阳能和环境热量。这种一体化设计减少中间换热环节，提高传热效率，并且通过降低PV板的工作温度来提升发电效率，实现“一举三得”的能量收益[4,5]。与传统的分离式太阳能系统和空气源热泵相比，直膨式PVT热泵系统具有结构紧凑、安装空间要求低、初投资相对较少、全年综合能效高等突出优势，特别适合于建筑密度较高的城市区域[6,7]。
图1 直膨式PVT热泵系统工作原理示意图
Fig. 1 schematic diagram of the direct expansion PVT heat pump system
尽管直膨式PVT热泵系统在理论上具有显著优势，但其大规模应用仍受限于两个核心问题：首先，现有研究多侧重于系统的热性能或电性能的单方面评价，缺乏从热电冷联产角度出发的、统一的综合能效评价体系，导致不同系统之间的性能对比、技术经济性分析存在困难[8,9]；其次，太阳能资源由于其间歇性、不稳定性和地域差异性，以及建筑负荷的动态变化特性，使得系统全年运行工况极为复杂，传统的控制策略难以保证系统在不同工况下均能高效、稳定运行[10,11]。
本文旨在对直膨式PVT热泵系统的性能测试与评价、建模与仿真、控制策略等技术的国内外研究现状，进行系统梳理与综合分析，明确当前研究存在的不足与技术难题，并展望未来重点研究方向，提供系统的参考框架和思路指引，来推动该技术理论创新、性能优化和工程应用。
1 系统性能测试与能效评价方法研究现状
1.1 系统性能测试方法与典型工况分析
直膨式PVT热泵系统的性能测试是评估其实际运行效果和优化系统设计的基础。早期研究主要集中于基础的系统构建以及性能验证。旷玉辉等人[12]在太阳能热泵供热系统的实验研究中，对太阳能热泵供热系统进行开创性的研究，建立完整的测试平台，为后续PVT热泵系统的性能测试奠定坚实基础。王宝群及季杰[8,13]的相关研究，对早期PVT一体化系统的光电光热性能系统测试，首次提出PVT系统在效率提升方面的巨大潜力，发现其综合性能效率可达60%以上，显著高于单独的光伏或光热系统。
随着技术的不断发展，研究重点逐渐转向更复杂的系统集成，转向多种运行工况下的性能表征。对此，贺云龙、姚剑、周伟、陈红兵等贡献了一系列实验工作，他们分别对基于PVT的太阳能热泵热水系统、直膨式PVT热泵系统及热管式PVT热泵系统进行了研究，其测试工况广泛覆盖了冬季供暖、夏季制冷及生活热水供应等多种模式。这些研究不仅得出了系统在不同气候下的运行特性数据，也为理解其动态响应特性提供了可靠的实验依据[4,14,15,16]。特别值得深入分析的是周伟的创新工作，他提出了双热源并联运行模式[15]，其核心是通过将多孔扁盒式PVT集热板与空气源热泵相结合，以实现不同控制方式下的灵活切换。最终的实验结果表明，这一设计带来了能效的提升：加热时间比单一模式缩短42%-54%，同时COP提高32.78%-47.64%。
韩永华的直膨式PVT热泵系统综合能效评价及其优化预测控制方法，其创新在于，系统性地提出针对直膨式PVT热泵系统的综合性能测试方法，明确全年生活热水大温差制热、采暖期室内供暖制热、夏季夜间冷水储能大温差制冷和夏季夜间室内直供制冷四种典型工况的测试规范、评价标准。这种多工况系统测试方法能够全面反映系统在不同季节、不同运行模式下的性能特征，为系统的优化设计和运行策略制定提供更为全面的实验数据支撑[17]。
1.2 系统能效评价指标体系
建立科学合理的能效评价指标体系是准确评估直膨式PVT热泵系统性能的关键。传统的性能系数COP、能效比EER等单一指标主要反映系统的热力性能，无法全面体现PVT系统同时输出电能和热能的综合优势。为此，研究者们提出多种综合评价指标和方法。
图2 直膨式PVT热泵系统综合能效评价指标体系
Fig.2 comprehensive energy efficiency evaluation index system for the direct expansion PVT heat pump system
姚[4]在分析直膨式PVT热泵系统性能时，创新性地同时考察其发电效率、集热效率及系统总能效，发现在太阳辐照强度为600W/m²时，系统COP可达5.79，其发电、集热及总效率分别为17.77%、55.76%与75.49%。韩在能效评价方面的突出贡献在于，明确提出针对直膨式PVT热泵系统的综合能效评价指标体系[17]。该研究通过引入平均性能系数COPave、平均能效比EERave和热电综合效率等关键指标，建立评价框架，能同时反映系统热电性能的。试验结果表明，对于所研究的直膨式PVT热泵系统，其全年生活热水大温差制热工况的平均COPave，热电综合效率分别为3.34和33.72%；采暖期室内供暖制热工况的平均COPave，热电综合效率分别为3.01和31.56%；系统夏季夜间冷水储能大温差制冷和室内直供制冷工况的平均EERave分别为2.56和2.22。这些实验数据是对提出评价指标的有效性验证，而且也为建立行业统一的评价标准提供重要参考。
综合已有文献，一个突出的现象是：不同研究报道的系统性能数据往往存在较大差异。这既直观地反映了系统设计与运行条件的多样性，也反映了当前领域缺乏标准化测试评价方法。所以，推动测试条件的标准化与评价指标的统一化，已成为未来研究提升不同系统间性能对比科学性与可靠性的关键一环。
1.3 关键影响因素分析
要优化系统设计与控制，首要前提在于深入理解影响直膨式PVT热泵性能的关键因素。该系统性能受到环境、结构及运行参数等多重因素的复杂影响，且这些因素间常存在耦合关系。
对此，韩[17]通过系统试验得出了一个明确结论：太阳辐照度是主导热电综合能效的核心，而风速则主要制约制冷性能。这一发现与姚剑、周伟、陈红兵等学者的研究形成了良好的互证，他们都确认了太阳辐射强度与环境温度对系统COP及效率的关键作用[4,15,16]。更进一步，姚的模拟研究还初步揭示了系统COP随PVT组件面积、太阳辐射及环境温度升高而提升的定量规律。
除环境参数外，系统自身的结构设计与运行策略同样举足轻重。 例如，陈道川、姚剑、赵耀等人[18]从PV/T这一核心部件入手，通过设计六边形与四边形组合的创新流道结构，使系统在上海地区冬、夏工况的COP分别达到了4.5和6.6。蒋澄阳等人[6]则尝试将一种新型肋片式集热器/蒸发器应用于直膨式太阳能热泵热水器，其结果表明，即便在18.6℃的阴雨天气下，系统平均COP仍能保持在3.43，晴朗秋季更是可达5.37。
近年来，热管理技术进步促进PVT系统性能提升。Bian等[5]对PVT系统热管理技术进行全面综述，系统分析和比较空气冷却、水冷却、纳米流体冷却、相变材料冷却、热管冷却和制冷剂冷却等六种主要热管理策略的性能特点和应用效果。该研究指出，纳米流体和相变材料等先进冷却技术的集成可显著增强系统的传热性能，提升综合效率，而不同冷却策略的优化组合则能进一步发挥协同效应，为系统设计提供重要参考。
2 直膨式PVT热泵系统建模与仿真研究进展
2.1 传统机理建模方法
传统机理建模方法基于热力学、传热学和流体力学的基本原理，建立描述系统能量转换和质量传递微分方程或代数方程，以此来预测系统性能。这种方法具有明确的物理意义，有助于理解系统的内在工作机制。
姚剑、蒋澄阳、陈道川、Tsai均通过建立系统的数学模型，研究组件结构、工质特性与环境参数对系统性能的影响[4,6,18,19]。姚剑[4]对采用PV/T组件的太阳能直膨式热泵系统进行数学模型构建及参数分析，模拟结果表明系统性能与PVT组件面积、太阳辐射强度和环境温度等参数密切相关。Tsai[19]则提出一种基于制冷剂的PVT辅助热泵热水系统的新型模型，该模型考虑环境条件对PV特性的交互影响，能够较好地模拟PVTA-HPWH系统与实际气候条件下的能量交换过程，并通过实验验证模型精度。
马晓丰[20]以TRNSYS软件为仿真平台，建立太阳能光伏光热-热泵系统的仿真模型，针对不同工作模式，提出不同的控制策略，并对系统进行全年的模拟研究。结果表明，系统年平均光电转换效率为0.1336，相比单一光伏发电系统提升24.9%；热泵机组全年平均COP为4.25，相比于同种工况下的单一土壤源热泵系统提高10.4%。这一研究展示出动态仿真在系统设计和性能预测中的重要价值。
尽管传统机理模型具有物理概念清晰的优点，但对于直膨式PVT热泵系统这类高度非线性、强耦合且运行工况多变的复杂系统，传统模型往往面临求解困难、计算量大、适应性差等挑战，特别是在实时控制和优化应用中局限性更为明显。
2.2 智能算法与数据驱动建模方法
人工智能技术的迅猛发展，为求解直膨式PVT热泵这类复杂系统的建模难题开辟了新路径。与传统机理建模不同，以机器学习、神经网络为代表的数据驱动方法其核心优势在于：它无需精确系统内部的物理过程，而是善于从大量实验或运行数据中直接得到内在规律。这种特性使其在面对高度非线性、多变量的复杂系统建模问题时显得尤为适合。
在这一探索方向上，国内学者围绕智能算法优化神经网络展开了富有成效的工作。 李祚泳、田明、任谢楠等早期便注意到粒子群算法、遗传算法等在改进传统BP神经网络方面的潜力，为后续处理非线性系统问题奠定了基础[21,22,23]。具体而言，李祚泳[21]创新性地提出一种基于粒子群算法优化BP网络权值的新方法；其通过与基本BP、GA-BP及PSO-BP模型的系列对比证明，新模型在泛化性能上更具优越性。几乎在同一时期，任谢楠[23]则重点利用了遗传算法固有的并行全局搜索能力来优化BP网络，此举有效规避了BP网络收敛速度慢、易陷于局部极小值的难题，从而全面提升了网络的稳定性和学习效率。这些先驱性研究共同表明，通过智能算法的融合来增强神经网络的性能，是解决复杂系统建模问题的一条有效途径。
韩[17]在智能算法建模方面的创新在于，采用PSO与GA相结合的混合算法优化BP神经网络结构，构建PSO-GA-BP模型，并最终建立起直膨式PVT热泵系统综合能效仿真模型，这种仿真模型适用于实际工程。混合优化策略充分发挥PSO算法其收敛速度快和GA算法全局搜索能力强的各自优势，有效克服单一优化算法的局限性。验证结果表明，该模型在制热工况下各项性能指标的MAPE不超过6.79%，nRMSE不超过7.79%；制冷工况下系统各项性能指标的MAPE低于8.65%，nRMSE低于9.56%；PVT组件温度计算模型的RMSE分别为1.5℃和1.1℃，PVT电站发电模型的MAPE和nRMSE分别为6.94%和8.58%。这样的精度完全满足系统工程应用的要求。
马晓丰实验中使用TRNSYS进行动态模拟[20]，Gao[24]利用热管模型进行性能预测的方法，而PSO-GA-BP混合模型在非线性拟合、自适应学习和泛化能力方面展现出明显优势，是直膨式PVT热泵系统进行实时监测、性能预测和优化控制更为有效的工具。
Assareh等人[25]的研究，为气候自适应型多联产系统构建了一个热经济优化模型。该研究的关键在于，这种智能优化框架在处理系统内复杂的非线性约束与多目标冲突时，明显好于传统方法，展现出更强的建模与求解能力。这一方面证明先进算法在复杂能源系统优化中的实用价值，也为PVT热泵智能设施的设计，提供了一个兼具适应性与可扩展性的新模型。
3 直膨式PVT热泵系统控制策略研究进展
3.1 传统控制策略及其局限性
直膨式PVT热泵系统的控制策略会对系统运行效率、稳定性和可靠性产生直接影响。如简单的开关控制、PID控制等，这些控制策略设计简单、实施成本也低，在一定条件下能够满足基本的控制需求。
蒋澄阳[6]、陈红兵[16]的研究中，系统控制大多是简单的逻辑控制或常规PID控制，虽然能够保证系统的基本运行，但在应对太阳能资源间歇性、环境参数多变性和负荷动态特性等复杂工况时，其性能表现较差。传统的PID控制因为固有的线性特性，应对直膨式PVT热泵非线性、大滞后、时变系统时，通常会出现调节迟缓、超调量大、动态性能差、难以适应工况剧烈变化等问题，特别是当太阳辐射强度快速波动、环境温度大幅变化时，会导致系统无法维持在最优工作点附近运行，致使整体性能下降。
此外，传统控制策略通常基于局部参数（如蒸发温度、过热度等）的反馈控制，缺乏对系统整体性能的考虑，难以实现系统综合能效的优化。随着系统复杂度的增加和对性能要求的提高，传统控制策略的局限性日益凸显，迫切需要开发更为智能、自适应的先进控制方法。
3.2 先进智能控制策略
3.2.1 模型预测控制
模型预测控制是一种基于模型的先进控制策略，它通过利用系统的动态模型来预测未来一段时间内的系统行为，并通过求解滚动时域优化问题来确定最优控制动作。MPC在处理多变量、有约束的控制问题方面具有独特优势，非常适合于太阳能这类间歇性能源系统的控制。
张颖[10]的研究将MPC应用于含分布式光伏配电网的有功功率-无功功率协调控制中，将控制过程分为长时间尺度优化控制和短时间尺度优化控制，能应对配电网中光伏出力和负荷需求的波动性。这一应用展示MPC在系统控制问题中的有效实用性，为MPC在PVT热泵系统中的应用提供重要参考。
虽然目前MPC在直膨式PVT热泵系统中的应用研究不常见，但其方法论和实现技术相对成熟，在未来可成为解决系统多目标优化控制问题的有效工具。在系统模型精度不断提高的情况下，MPC能够综合考虑气象预报信息、电价信号、负荷需求等多种因素，实现系统经济性、能效性和稳定性的优化运行。
3.2.2 自适应控制
自适应控制能够根据系统运行状态或外部环境的变化自动调整控制器参数，使系统始终处于一种良好的控制状态。这种特性使自适应控制特别适合于运行工况复杂多变的直膨式PVT热泵系统。
韩永华[17]在自适应控制领域有两项关键创新策略：
1. 稳定运行预测PI控制：该控制方法引入PVT参考组件温度，实现系统开机前电子膨胀阀最佳开度优化，也完成了运行过程中实时过热度的预测调控。试验结果表明，与常规控制方法比较，预测PI控制方法在制热工况下过渡时间减少40分钟，超调时间占比和绝对偏差乘时间积分分别减少56.74%和86.70%；在制冷工况下过渡时间缩短6分钟，超调时间占比和绝对偏差乘时间积分分别减少44.48%和50.79%。这些数据证明该控制策略在提升系统稳定性方面的优秀表现。
2. 综合能效优化自适应控制：该策略以提升系统在大范围运行工况下的综合能效为目标，通过测试确定系统综合能效优化的关键控制参数，实现吸气过热度的自适应控制。试验结果表明，该方法能够实现过热度与蒸发器吸热量的自动匹配，实现系统综合能效优化运行。在综合能效优化自适应控制下的直膨式PVT热泵系统，夏季四天连续制热运行中的平均COPave及热电综合效率分别达到3.91和34.76%，PVT组件发电量可抵消系统日间耗电量的8.22%～30.17%，夏季夜间制冷工况下系统平均EERave为2.02。这一性能表现显著优于常规控制策略，展示自适应控制在提升系统综合能效方面的巨大潜力。
Venayagamoorthy[11]提出智能动态能源管理系统，Assareh[25]则采用AI技术进行的系统优化，都进一步强化自适应控制在复杂能源系统中应用的可行性与优越性。Venayagamoorthy[11]指出一种智能动态能源管理系统，其基于进化自适应动态规划和强化学习框架，该系统能够在微电网并网和孤岛两种模式下实现最优或近似最优的运行。Assareh[25]采用自适应提升和粒子群优化等AI技术对气候自适应型太阳能和风能多联产系统进行优化，结果表明AI技术能够有效处理复杂相互作用、非线性约束和多个冲突目标，为智能控制策略的开发提供新的方法。
这些研究表明，将先进的人工智能技术与传统控制理论相结合，开发具有自学习、自适应的智能控制策略，是解决直膨式PVT热泵系统多目标优化控制问题的有效途径，也是未来控制技术发展的重要方向。
4 研究挑战与未来展望
4.1 当前研究面临的主要挑战
通过对直膨式PVT热泵系统研究现状的系统分析，可以识别出当前研究面临的主要技术挑战：
第一，综合能效评价标准不统一：尽管如韩的研究提出综合能效评价指标，但学界和产业界尚未形成公认且统一的测试评价标准。不同研究者采用不同的测试条件、评价指标和计算方法，导致研究成果之间难以进行客观比较和技术经济性分析，阻碍技术规范化和商业化进程。
第二，复杂模型的计算效率与工程应用的实时性矛盾：高精度模型通常会计算复杂且耗时较长，不足以实现实时控制和在线优化的要求。要在保证模型精度的前提下提高计算效率，实现模型在计算设备上的快速部署和运行，是当前面临的重要技术挑战。
第三，控制策略在多目标优化中的平衡难题：直膨式PVT热泵系统的控制需要在能效、稳定性、成本、可靠性和舒适性等多个目标之间取得平衡，这些目标往往相互冲突，如何设计有效的多目标优化算法，并在不同运行条件下动态调整优化占比，是控制系统设计的核心难点。
第四，长期可靠性及不同气候区适应性研究不足：现有研究多集中于短期性能测试和特定气候条件下的性能分析，缺乏系统在不同气候区域长期运行的性能数据、衰减特性和可靠性研究。特别是针对极端气候条件（如严寒、高湿、强风等）下，系统适应性和稳定性研究更为缺乏。
第五，初始投资与经济性平衡问题：虽然直膨式PVT热泵系统的长期运行效益显著，但其较高的初始投资成本仍阻碍大规模商业化应用。如何通过技术创新和规模化生产降低成本，同时通过系统优化设计和智能控制提高收益，实现投资与回报的合理平衡，是推广应用中必须解决的现实问题。
4.2 未来研究方向展望
基于对当前研究现状的分析和面临挑战，可以展望直膨式PVT热泵系统未来的重点研究方向：
第一，与数字孪生技术深度融合：构建系统的高保真数字孪生体，实现从组件到系统的多尺度、多物理场建模与仿真，支持系统全生命周期管理，包括状态监测、故障诊断与预测、性能评估和优化决策。数字孪生技术能够将物理系统与虚拟模型紧密连接，通过实时数据驱动模型更新，为系统智能运维和优化控制提供理想平台。
第二，融合更先进的AI算法进行智能调控：探索深度学习、强化学习、迁移学习等先进人工智能算法在系统建模与智能调控中的应用。特别是强化学习，因其能够通过与环境的交互自主学习最优控制策略，无需大量的先验知识，非常适合解决直膨式PVT热泵系统这类复杂系统的控制问题。深度强化学习结合深度学习的感知能力，提升强化学习的决策能力，有望实现更高层次的智能自主运行。
第三，系统级的协同优化与集成创新：将PVT热泵与建筑围护结构、智能电网、储能系统进行集成优化，追求整体能源系统的最优。Beijneveld[26]将PVT系统与含水层储能和第五代区域供热网络集成的创新案例，这种系统级思维能够充分发挥各单元的协同效应，大幅提升整体系统的能源效率，提升系统经济性。未来研究应更加注重系统边界拓展和多重能源互补利用。
第四，零碳视角下的全生命周期优化：如Roeck[27]所强调，建筑领域的碳排放不仅来自运行阶段，也来自于材料生产和建造过程中。未来研究应结合全生命周期评价方法，不仅要提升运行能效，还要优化材料选择与系统设计，最小化系统碳足迹。采用环保工质、可回收材料和模块化设计等方法，推动系统向全生命周期低碳化方向发展。
第五，多能源互补与智能微网集成：Venayagamoorthy[11]的研究表明，将PVT热泵系统与智能微网相结合，能够有效平衡可再生能源间歇性和负荷需求的波动性。未来研究应探索直膨式PVT热泵在多能源互补系统中的运行策略，特别是在与风能、生物质能等其他可再生能源协同时的优化调度问题。
第六，新型材料与创新结构的研究应用：随着纳米材料、相变材料、热电材料等新材料的不断发展，将其应用于PVT组件的设计制造中，有望进一步提升系统的热电转换效率，延长使用寿命。Bian[5]、Gao[24]的研究已展示出新材料在提升系统性能方面的潜力，未来应加强材料科学与能源技术方面交叉研究。
5 结论
本研究系统梳理直膨式PVT热泵系统在综合能效评价与智能控制领域的近期研究进展，通过深入分析与归纳对比，得出以下核心结论：
首先，综合能效评价体系正从单一指标向多维度协同演进。这对于客观评估PVT系统在综合能源体系，特别是热电联产系统中的真实价值至关重要。传统COP、EER等热力性能指标只能部分体现PVT系统热电联产的优越性。研究趋势表明，构建包括平均性能系数（COPave）、热电综合效率乃至经济性与环境影响的综合评价框架，是客观衡量与对比不同系统性能的关键。韩所提出的多工况测试方法、指标体系，为建立统一标准提供重要理论与实践依据。
其次，智能算法驱动的混合建模方法是解决系统非线性建模难题的有效途径。相比于传统机理模型，以PSO-GA-BP为代表的混合优化神经网络，通过融合多种算法的优势，在保证模型精度的同时显著提升泛化能力，提升收敛速度。这为实现系统状态的实时精准预测，以及实现后续的优化控制奠定可靠的模型基础，是连接系统仿真与工程应用的重要桥梁。
最后，自适应与预测控制是提升系统动态性能与综合能效的核心策略。研究表明，常规PID控制在应对复杂多变工况时存在明显局限性。以本文重点剖析的“预测PI控制”和“综合能效优化自适应控制”为例，前者通过引入前馈机制极大改善系统稳定性，后者通过关键参数（如吸气过热度）的自整定实现能效优化。这些策略的控制效果，无论在过渡时间、超调量等动态品质，还是在平均COP、热电效率等能效指标上，均显著优于传统方法。
尽管研究已取得显著进展，但本综述也揭示出该领域仍存在一些亟待解决的不足：首先，现有研究多集中于实验室环境或模拟条件下的性能验证，缺乏在真实、多样气候条件下长期运行的耐久性数据；其次，多数先进控制策略的复杂性较高，其对硬件算力的要求可能制约其在低成本场景下的推广应用。
展望未来，直膨式PVT热泵系统的研究应朝着系统化集成，朝着智能化深化的方向发展。具体而言，将PVT系统置于建筑-电网-储能的综合能源体系中进行协同优化，并深度融合数字孪生、强化学习等前沿技术，将是突破现有性能瓶颈、实现全生命周期效益最大化的重要路径。这些工作的推进，对于推动直膨式PVT热泵技术从实验室走向大规模商业化应用，并在全球能源转型中发挥更重要的作用具有决定性意义。
参考文献
[1] Şirin C，Goggins J，Hajdukiewicz M. A review on building-integrated photovoltaic/thermal systems for green buildings[J]. Applied Thermal Engineering，2023，229：120607.
[2] CHOW T T. A review on photovoltaic/thermal hybrid solar technology[J]. Applied Energy，2010，87(2)：365-379.
[3] Tiwari A K，Chatterjee K, Agrawal S，et al. A comprehensive review of photovoltaic-thermal (PVT) technology：Performance evaluation and contemporary development [J]. Energy Reports，2023，10: 2655-2679.
[4] 姚剑，彭浩，寿春晖等. 直膨式太阳能PV/T热泵系统性能分析[J]. 太阳能学报，2020，41（12）：288-294.
[5] Bian C L，Song J Z，Jin X，et al. Thermal management in photovoltaic-thermal systems：advances，challenges，and cross-domain applications[J]. Applied Thermal Engineering，2025，279：127791.
[6] 蒋澄阳，代彦军. 基于肋片式集热板的直膨式太阳能热泵[J]. 化工学报，2016，67 (S2)：318-325.
[7] 王龙基，孟照峰，王松等. 太阳能热泵供热研究综述及展望[J]. 区域供热，2025 (03) ：35-46.
[8] 王宝群，姚强，宋蔷等. 光伏/光热（PVT）系统概况与评价[J]. 太阳能学报，2009，30 (02)：193-200.
[9] Ahmed M T，Rashel M R，Islam M，et al. Classification and Parametric Analysis of Solar Hybrid PVT System：A Review[J]. Energies，2024，17(3)：598.
[10] 张颖，季宇，唐云峰. 基于MPC含分布式光伏配电网有功功率—无功功率协调控制[J]. 电力系统自动化，2017，41 (21)：140-160.
[11] Venayagamoorthy G K，Sharma R K，Gautam P K，et al. Dynamic Energy Management System for a Smart Microgrid[J]. IEEE Transactions on Neural Networks and Learning Systems，2016，27(8)：1643-1656.
[12] 旷玉辉，王如竹，于立强. 太阳能热泵供热系统的实验研究[J]. 太阳能学报，2002 (04)：408-413.
[13] 季杰，程洪波，何伟等. 太阳能光伏光热一体化系统的实验研究[J]. 太阳能学报，2005 (02)：170-173.
[14] 贺云龙，代彦军. 基于PV/T的太阳能热泵热水系统实验研究[J].太阳能学报，2020，41 (12)：83-87.
[15] 周伟，张小松，刘剑等.太阳能-空气光伏/光热一体化热泵热水系统实验特性[J].制冷学报，2016，37 (05)：10-25.
[16] 陈红兵，张磊，褚赛等. 热管式太阳能PV/T热泵系统的性能研究[J].可再生能源，2016，34 (05)：639-644.
[17] 韩永华. 直膨式PVT热泵系统综合能效评价及其优化预测控制方法[D]. 大连：大连理工大学，2025.
[18] 陈道川，姚剑，赵耀等. 直膨式太阳能热泵集热/蒸发器性能优化及其低温适应性研究[J]. 太阳能学报. 2021 ,42 (09)：190-197.
[19] Tsai H L. Modeling and validation of refrigerant-based PVT-assisted heat pump water heating (PVTA-HPWH) system [J]. Solar Energy，2015，122：36-47.
[20] 马晓丰. 太阳能光伏光热—热泵系统动态模拟及优化研究[D]. 青岛：青岛理工大学，2019.
[21] 李祚泳，汪嘉，杨郭淳. PSO算法优化BP网络的新方法及仿真实验[J].电子学报，2008 (11)：2224-2228.
[22] 田明，戴汝为. 神经元网络控制系统[J]. 信息与控制，1992 (03)：156-166.
[23] 任谢楠. 基于遗传算法的BP神经网络的优化研究及MATLAB仿真[D].天津：天津师范大学，2014.
[24] Gao Y Z，Wu D X，Dai Z F，et al. A comprehensive review of the current status，developments，and outlooks of heat pipe photovoltaic and photovoltaic/thermal systems[J]. Renewable Energy，2023，207：539-574.
[25] Assareh E，Izadyar N，Tandis E,Khiadani M，et al. Thermoeconomic optimization of climate-adaptive solar and wind multi-generation systems using artificial intelligence and thermal energy recovery[J]. Engineering Applications of Artificial Intelligence，2025，162：112481.
[26] Beijneveld T，Alpizar-Castillo J，Ramirez-Elizondo L. Photovoltaic thermal system design including aquifer thermal energy storage in a fifth generation district heating network in Hilversum[J]. Case Studies in Thermal Engineering，2025，68：105854.
[27] Roeck M，Saade M R M，Balouktsi，M，et al. Embodied GHG emissions of buildings - The hidden challenge for effective climate change mitigation[J]. Applied Energy，2020，258：114107.
作者简介：
成雅倩（2001-），女，山东建筑大学,动力工程专业硕士研究生。
京公网安备 11011502004515号 
