随着碳达峰、碳中和期限的临近,各行业非常重视减少能源消耗技术的发展和利用,热泵是低品位余热提质利用、提高能源利用率的重要技术之一,复叠式高温热泵系统因其具有较大的温升可拓宽工作范围,受到广泛关注。与实验研究相比,模拟仿真是高效便捷低成本的研究方法,在当前大数据时代背景下,人工神经网络在模拟仿真的运用正快速发展。鉴于复叠式热泵系统两级循环热力学过程的复杂性,本文采用实验和模拟相结合的研究方法,开展了基于神经网络的复叠式高温热泵系统混合建模研究。建立了水源复叠式高温热泵系统实验台,系统高、低温循环段的工质分别为R245fa和R134a,并进行了热源温度为20℃、30℃、40℃,不同高温冷凝器出水温度工况下的性能测试,通过实验结果分析了工况变化对系统性能的影响。由此获得了大量的实验数据,为系统建模提供数据支撑和模型性能验证保障。BP人工神经网络是广泛应用的数据驱动建模方法,本文根据BP人工神经网络建模的特点,在建模过程中对BP人工神经网络进行对应的优化。利用相关性分析对输入输出参数选择进行优化,采用试凑法确定BP人工神经网络中间隐含层节点数,针对BP人工神经网络初始权值和阈值的随机赋值问题,采用全局最优化搜索算法——天牛须搜索（BAS）算法,获取BP人工神经网络最优初始权值和阈值,使BP人工神经网络的性能更加优良。针对系统内每个部件的特征,建立了单个部件的模型,对于超工况运行情况下机理模型建立困难且不准确的压缩机采用神经网络建模,对于机理模型建模困难的电子膨胀阀和蒸发冷凝器也采用神经网络建模,对于机理模型建模成熟的高温冷凝器和低温蒸发器采用分区段的集中参数法建模。研究结果证明,优化后的BAS-BP人工神经网络有优良的预测准确性和较好的外推性。在建立单个部件的模型基础上,根据复叠式热泵系统的运行原理将各部件模型串联起来,形成系统整机的混合仿真模型。利用实验数据对系统混合模型进行验证,以热源温度为20℃、30℃、40℃,高温冷凝器出水温度为90℃-110℃的实验数据为训练数据集,模拟计算高温冷凝器出水温度为112℃、114℃、116℃、118℃和120℃时复叠式高温热泵系统的各项性能参数。结果显示,热源温度为20℃、30℃、40℃时,低温压缩机的输入功率模拟值平均相对误差为-1.16%、1.37%、2.86%,最大相对误差为2.85%、2.27%、3.27%;高温压缩机的输入功率模模拟值平均相对误差为1.68%、1.06%、2.83%,最大相对误差为4.72%、1.76%、-4.84%;高温冷凝器制热量模拟值平均相对误差为-2.52%、1.36%、-1.56%,最大相对误差为-5.16%、-2.53%、2.81%;系统总COP模拟值平均相对误差为-3.26%、-2.06%、-2.71%,最大相对误差为-5.12%、-3.18%、-4.58%。计算结果显示复叠式高温热泵系统的混合模型在不同工况下的模拟计算结果相对误差均在±6%以内,说明混合模型有较好的准确性和良好的外推性,因此本文的混合建模对复叠式热泵的研制和推广运用具有一定的指导作用。