小议暖通空调控制系统设计及探讨.doc

1、1小议暖通空调控制系统设计及探讨摘要：由于能源十分紧张, 同时暖通空调的能耗在国民经济总能耗中所占比重越来越大, 生活水平的提高, 空调系统的应用越来越普及, 所以开发中央空调系统的优化控制技术, 使中央空调系统在不同负荷下、不同工况条件下, 都能以最佳效率运行, 并且达到最好的控制效果, 是非常迫切的并且具有非常广阔的应用前景。 关键词：暖通空调；低效运行；控制系统 中图分类号：TM925.12 文献标识码：A 文章编号： 引言 随着生活水平的提高，空调系统的应用越来越普及，中央空调系统的能最消耗一般占整个建筑耗能的 50以上。但目前实际情况是，空调系统是按满足用户最大需求而设计，所有的空调

2、系统长时间处在低负荷下运行。由于能源十分紧张，同时暖通空调的能耗在国民经济总能耗中所占比重越来越大，所以开发中央空调系统的优化控制技术，使中央空调系统在不同负荷下、不同工况条件下，都能以最佳效率运行，并且达到最好的控制效果，是非常迫切的并且具有非常广阔的应用前景。 暖通空调系统 1. 整体工艺。暖通空调工作原理就是制冷剂在制冷机组的蒸发器中2与冷冻水进行热量的交换而汽化, 从而使冷冻水的温度降低, 然后, 被汽化的制冷剂在压缩机作用下, 变成高温高压气体, 流经制冷机组的冷凝器时被来自冷却塔的冷却水冷却, 又从气体变成了低温低压的液体, 同时被降温的冷冻水经冷冻水水泵送到空气处理单元的热交换器

3、中, 与混风进行冷热交换形成冷风源, 通过送风管道送入被调房间。如此循环, 在夏季, 房间的热量就被冷却水所带走, 在流经冷却塔时释放到空气中。2. 供水系统。常用的冷冻水( 水为载冷剂) 系统的冷冻水管道均为循环式系统。变流量系统根据其组成装置不同, 又可分为“相对的变流量系统”, 即冷量制备环路是定流量, 而冷量输送环路是变流量的; 和“真正的变流量系统”, 即冷水机组蒸发器变流量系统, 流过蒸发器的水量由负荷端的需求来确定, 后者能够充分发挥变流量系统的节能潜力。3. 空气处理单元。在暖通空调空气处理单元中,首先是新风与部分回风混合, 形成混风, 混风经过热交换器与冷冻水进行热交换形成送

4、风, 在冬天, 混风吸收能量温度提高, 在夏天, 混风温度降低, 送风在风机的作用下经过送风管道进入房间, 与房间内的空气进行热量的传递, 最终调节房间的温度到达所需要的设定点。房间内的气体在排风机的作用下被排出, 形成回风。部分的回风排出室外, 部分回风与新风混合重复上述过程。混风和冷冻水的热交换是在空气处理单元的热交换器中进行的, 热交换器是暖通空调系统空气处理单元中的重要部分, 热交换器的工况处于部分负荷下时, 并非与设计工况相同, 而实际使用过程中, 热3交换器绝大多数时间是在非设计工况, 因此, 应了解热交换器的特点。 暖通空调控制系统设计方案 对房间温度进行了合理的设定，然后建立合

5、理的暖通空调控制器，使暖通空调控制系统能快速准确的调解房间温度到达设定的房间最佳温度值，并有效的抑制房间内部和外部的干扰对房间内温度的影响，同时节省暖通空调系统能量的消耗。由于暖通空调具有时滞和大惯性，当前的控制信号要等到很长时间才能在系统的输出中反映，而广义预测控制可以利用现在时刻的控制变量使未来时刻系统的输出快速准确的跟踪期望的输出。同时暖通空调的工况环境不断变化且有干扰作用，用神经网络的强学习能力使暖通空调控制系统有效的抑制工况变化和干扰带来的对控制效果不利的影响。在此把广义预测控制和神经网络结合对暖通空调进行控制。 1. 暖通空调控制器在线滚动优化。暖通空调广义预测控制的在线滚动优化是

6、利用模型辨识部分提供的预测输出信息，根据优化的目标函数及选定的优化方法进行在线的滚动优化，从而得到合理的控制规律，考虑在线优化的计算量，这里用 RBF 模糊神经网络完成广义预测控制的在线滚动优化。按性能指标，利用优化方法获得未来控制长度内的冷冻水调节阀电压，并取其首分量作为当前时刻的冷冻水调节阀电压。考虑降低在线计算的复杂性，采用了较常用的梯度下降法作为主要的优化算法。优化过程的关键是计算性能指标对 RBF 模糊神经网络控制器参数的导数。通过 RBF 模糊神经网和修正方法，利用暖通空调预测模型提供的信息来完成给定目标函数的优化，进而准确的提供冷冻水调节阀电压，从而实4现广义预测控制的在线滚动优

7、化来得到暖通空调的合理控制规律。 2. 暖通空调广义预测控制反馈校正。预测控制算法在进行滚动优化时，优化的基点应与系统实际一致。由于暖通空调系统受诸多干扰的影响，有可能导致辨识模型的失配。既基于不变 RBF 模糊神经网模型的预测不可能和实际空气处理单元完全相符。这就需要用附加的预测手段补充模型预测的不足，或者对基础模型进行在线修正。况且滚动优只有建立在反馈校正的基础上，才能体现出其优越性。对 RBF 模糊神经网络各隐单元的“是心”和“宽度”和隐层到输出层的权值采用梯度下降法进行调整，在控制的每一步，都实时检测被控对象的实际输出与 RBF 模糊神经网络预测器输出之间的误差，若此误差大于预先设定的

8、允许误差，则利用上述修正方法修正暖通空调预测模型的 RBF 模糊神经网络参数；否则，维持原有的 RBF 模糊神经网络预测模型。 3. 暖通空调广义预测控制结构。这里选取的基于 RBF 模糊神经网络暖通空调广义预测控制系统结构。暖通空调系统具有非线性，时变性、大滞后和大惯性等特点，还受到许多的干扰。主要有盘管中冷热水流量、压力变化，这些干扰折合成冷热水温度变化就会对系统造成一定的影响。外界干扰，主要有日照、室外气温、外部空气侵入以及新风温度变化和风机转速变化，这些干扰可以看成空调的送风风量变化。房间内部干扰，主要有人员的频繁进出、房间内部各种耗能发热设备的使用。基于 RBF 模糊神经网络的暖通空

9、调广义预测控制主要由三部分构成。要实现暖通空调的广义预测控制，要有准确的暖通空调输出预测，在提5供暖通空调预测输出的基础上，建立准确快速的在线优化策略和有效的反馈校正。即通过所得到的未来温度输出和优化目标函数，利用梯度下降法对实现滚动优化控制功能的 RBF 模糊神经网进行修正，从而得到最佳的控制规律。此 RBF 模糊神经网的输入是实际房间温度和设定房间温度的差值和差值变化率，输出是暖通空调调节阀电压。 暖通空调优化控制系统设计优化策略 对房间温度进行了合理的设定, 然后建立合理的暖通空调控制器, 使暖通空调控制系统能快速准确的调解房间温度到达设定的房间最佳温度值, 并有效的抑制房间内部和外部的

10、干扰对房间内温度的影响, 同时节省暖通空调系统能量的消耗。由于暖通空调具有时滞和大惯性, 当前的控制信号要等到很长时间才能在系统的输出中反映, 而广义预测控制可以利用现在时刻的控制变量使未来时刻系统的输出快速准确的跟踪期望的输出。同时暖通空调的工况环境不断变化且有干扰作用, 用神经网络的强学习能力使暖通空调控制系统有效的抑制工况变化和干扰带来的对控制效果不利的影响。暖通空调系统具有非线性, 时变性、大滞后和大惯性等特点, 还受到许多的干扰。要实现暖通空调的广义预测控制, 要有准确的暖通空调输出预测,在提供暖通空调预测输出的基础上, 建立准确快速的在线优化策略和有效的反馈校正。 参考文献： 1 暖通空调技术在室内空气环境品质控制中的应用 宋清弟 福建建筑 2008/ 01 62 暖通空调的模糊控制研究 田亚雷 工程与建设 2007/ 05