在现如今化石能源消耗殆尽的大环境下,太阳能作为一种清洁可再生能源,具有巨大的发展潜力和经济价值。太阳能热水系统从出现发展至今,已形成较完善的一套系统,但太阳能热水器的弊端也逐渐显现,太阳辐射强度的不稳定和不可控,导致太阳能热水器有时不能满足热水要求。于是出现了以电加热和空气泵辅助加热为主的太阳能辅助加热系统。太阳能热水器与空气泵的协调工作一直是多年以来所研究的重点,由于太阳能不稳定和不可控的特点,导致热泵开启时间不合理造成资源浪费,所以本文着重对复合热水系统的加热控制策略进行了研究。首先,针对太阳辐射强度不可控的热点,本文利用小波神经网络和BP神经网络的混合神经网络对太阳能集热面辐射强度进行预测,运用相关性分析确定了网络输入和输出层的神经元个数,对太阳逐时辐射序列进行小波三层分解,将分解得到的分量分别作为网络的输入,并将各分量的预测值进行叠加得到太阳逐时辐射强度的预测值。其次,建立常规控制策略下的仿真模型进行仿真,得到全年平均太阳能集热量、集热效率和COP(Coefficient of Performance)等性能参数。最后根据常规控制策略下的集热效率、COP等数据对系统集热效率和COP进行表达式拟合,并利用太阳辐射预测值、太阳辐射实际值、集热效率和COP对热泵开启时间进行推迟及修正,建立节能控制策略下的仿真模型,仿真结果表明,比常规控制策略下的全年能耗减少了 10%,并且各项性能参数都有小幅提升。