本文针对两种改善电动汽车热泵系统性能的技术方案,CO2热泵技术以及补气增焓热泵技术,进行了建模分析以及仿真研究。鉴于CO2热泵系统独特的跨临界特性,其运行规律同传统R134a热泵系统差异较大,故采用更为细致的一维模型进行建模。本文重点研究了构建换热器模型的有限元方法,并优化了一维模型中的迭代算法,提升了模型的计算效率。该模型在制冷及制热模式下,换热量和COP的预测误差均可控制在11%以内。基于此模型对CO2热泵系统优化进行了研究,使得系统制热量提升了33.7%。补气增焓热泵系统在零部件构成以及运行工况方面与传统热泵系统更为接近,故适合采用基于统计学方法的机器学习模型进行研究。本文依据补气增焓热泵系统的特性构建出相匹配的特征组合,并总结出模型的优化流程。模型针对换热量和COP的预测误差均可控制在8.5%以内;基于此模型可预测出系统在不同工况下的最优补气压力。本文在热泵系统一维模型与机器学习模型研究的基础上,总结出二者的技术特点:一维模型适用于系统内部运行规律的探究以及系统改进形式的验证,但其预测精度受限于关联式的精度以及假设的可靠性;机器学习模型在计算效率及精度方面有所提升,但其缺少对系统内部细节的掌握,并且难以满足系统改进形式的理论验证需求。