CN101782261A - 暖通空调系统的非线性自适应节能控制方法 - Google Patents

Abstract

本发明公开了一种暖通空调系统的非线性自适应节能控制方法，该方法针对目前暖通空调系统的控制研究中存在的一些问题，实现空调系统的节能和优化控制，从系统全局能量管理的角度，主要对温度和相对湿度进行控制，这两个参数常常是在一个调节对象里同时进行调节的两个被调量，两个参数在调节过程中相互影响，因此在自动控制中要充分考虑到温湿度的相关性。空调自动控制系统是以空调房间的温、湿度控制为中心，通过工况转换与空气处理过程，每个环节紧密联系在一起的整体控制系统，任何环节出现问题，都将影响空调房间的温湿度调节，甚至使整个调节系统无法正常工作。

Description

暖通空调系统的非线性自适应节能控制方法

技术领域

本发明属于暖通空调系统的自动控制领域，尤其涉及非线性自适应控制领域。

背景技术

暖通空调系统（Heating，ventilating，andairconditioningsystem，简称HVAC系统）作为现代建筑重要组成部分之一，是现代建筑中不可缺少的能耗运行系统，无疑也是楼宇自动化领域中重要的研究方向，它能控制并保持空气中合适的温度、湿度压力等舒适度水平，为人们提供一个舒适的生产、生活环境，但是暖通空调系统消耗掉的能源也是非常惊人的。在我国，建筑能耗在总能耗中所占的比例越来越大，目前已经占据全国总能耗的30%，而在建筑能耗中，暖通空调系统所耗费的能量占到大楼消耗总能量的30％-50％，而且呈逐年增长的趋势，甚至达到建筑总能耗的50%以上，因此研究空调系统的节能方案具有重要的经济效益和社会效益。而在影响空调系统能耗的诸多因素中，空调系统的优化控制是很重要的方面，据有关专家分析，如果大力开发和推广应用先进的系统优化控制节能技术，现有空调系统完全可以节能20％-50％，从而使我国公共建筑和居住建筑节能50%以上，在目前全球能源紧张的大形式下，特别是国内大力提倡全民节能的大环境下，这将对解决日益尖锐的能源和环境问题有着重大的现实意义。

随着建筑业的迅速发展，建筑物的总能耗及按人口或面积的能耗也随之逐年增长，暖通空调系统作为室内环境创造者和维护者受到格外的重视。如何因地制宜的合理选择能源资源，如何充分有效的用能，如何提高建筑用能系统的效率是每一个暖通空调工程师的任务。目前国内外的智能建筑节能研究主要包括原有传统建筑节能方法和准确的高科技调节和控制，而暖通空调系统的节能措施主要从精心研究暖通空调系统的设计方案，积极改善建筑围护结构的保温性能减少冷热损失，加强对空调操作人员的培训和管理，选择新型节能且舒适健康的空调系统，采用变频技术，设置热能回收装置，推广天然及可再生能源的使用等几方面考虑。但是，以上的节能方式都是从智能建筑的全局来考虑问题，忽略了暖通空调本身的设计问题。特别需要重视的是，改善暖通空调内部的节能与优化控制策略，采用先进的自动控制算法提高系统的控制水平，才是实现暖通空调系统节能的根本途径之一。

目前随着电子技术、计算机和网络技术的提高，暖通空调系统的控制技术在软、硬件方面都有了迅猛发展，暖通空调系统的控制内容也发生了巨大变化，控制的目标已从单一的温度控制转向舒适和节能兼备的控制，控制的对象也从电源开关、温度设定器扩展为压缩机转速、膨胀阀开度、室内外风机转速、室内机风栅方向等。随着暖通空调系统控制研究的不断深入发展，越来越多的控制策略已经大量的应用到暖通空调系统全局控制或者局部控制中来。但是在国内外现有暖通空调系统的控制策略研究过程中，PID、DDC、切换控制等传统的控制算法一直以来占据了统治地位，至今仍然被广泛应用。另外，为了改善系统的控制性能，最近一些先进的控制策略也不断应用于暖通空调系统的控制中。作为一种在实际工业过程中产生的控制技术，预测控制也已经应用到暖通空调系统的工业控制中。由MoreiraVD,AmaralWC和FerreiraPA在ProccedingsofIEEEinternationalconferenceoncontrolapplications，Taipei,2004:667-672上发表的题为《Anewapproachforrobustmodelpredictivecontrolwithanapplicationtoanair-conditioningsystem》文章，采用基于Hamilton-lagranger方法和预测滚动优化算法训练多层前向神经网络，采用神经网络作为优化反馈控制器求解优化反馈解，利用预测控制克服干扰和不确定性的影响，同时实现了对对象特性的实时预测，并且成功应用到变风量暖通空调系统的新风控制中。

人工智能的研究、发展和应用是当今科技发展的一个重要特征，在二十世纪九十年代末，人工智能开始在制冷空调装置系统仿真领域出现，制冷空调系统领域的智能仿真开始受到国内外学者的重视，他们将经典的数学模型和现代人工智能技术结合起来，在一定条件下充分发挥二者的长处，弥补各自的不足。他们采用的人工智能算法主要是神经网络。由魏东,张明廉和支谨在系统仿真学报,2005,17(3):697-701页上发表的题为《神经网络非线性预测优化控制及仿真研究》的文章，综述了人工神经网络技术在暖通空调系统中的研究和开发现状，阐述了负荷预测、能量管理、故障诊断、系统辨识与控制等各个应用方面，对进一步的研究方向提出了展望。人工智能技术在暖通空调系统控制的应用中，模糊逻辑控制由于不需要建立系统的精确数学模型而得到了更加广泛的应用。采用模糊控制的变频式空调器，可以充分利用操作者的经验和专家知识，克服系统由于结构复杂而难以建模的问题，而且可以自动根据室内的热环境因素调节压缩机的转速，为人们创造一个舒适环境，同时也有利于节约电能，延长压缩机的使用寿命。由AlcalaR,CasillsJ和CordonO在EngineeringApplicationofArtificialIntelligence,2005,18:279-296页上发表的题为《Ageneticruleweightingandselectionprocessforfuzzycontrolofheating,ventilatingandairconditioningsystems》的文章，针对暖通空调系统难以控制的现状提出一种带有遗传因子规则加权和选择过程的模糊控制算法，大大改进了系统的控制性能，提高了闭环系统的鲁棒性。为了提高控制效果，适应过程参数的变化对控制系统的要求，又出现了在线调节模糊控制参数的自适应、自组织模糊控制器。

随着被控系统越来越复杂，控制系统中经常存在着不确定性、多干扰、非线性、滞后、非最小相位等，且多个变量之间相互关联，即耦合，传统的单变量控制系统设计方法显然无法满足要求，工程中常常引入多变量非线性系统的控制方法。多变量系统指复杂的、相互紧密联系的控制对象，简单采用各回路独立控制的方法难以得到满意的控制效果。非线性系统指系统中含有变量间的关系不仅仅是线性的，因此研究和应用实用的多变量非线性系统控制理论和设计方法一直成为控制界的热点。状态空间理论的出现，为多变量系统的分析与设计提供了强有力的工具，产生了线性状态反馈解耦、线性输出反馈解耦等一系列研究成果，并且成功地解决了许多重要问题。同时，经典控制理论的一些方法也在向多变量系统扩展，出现了逆奈魁斯特法、特征轨迹法、序列回差法等一批多变量频域控制理论方面的研究成果。但是传统的设计方法是将非线性模型线性化，人为地消去耦合，忽略掉很多因素的影响，这种方法往往难以得到令人满意的控制性能，因而目前对非线性控制系统的研究成为一个重要而又困难的挑战性课题。

目前控制理论研究领域的多变量非线性系统控制算法的研究成果大多仅停留在理论研究阶段，还没有很好的应用到实际工业生产生活中去，也是十分值得关注的问题。基于非线性模型的控制规律设计首先遇到的问题是如何建立一个准确的并且适于控制规律设计的能够较为准确反映非线性动态的模型，其次设计控制器的难点在于如何消除各自由度的耦合、扰动、不确定等非线性因素。而非线性自适应控制理论、特别是backstepping控制、鲁棒控制等先进控制算法的发展正在不断解决这一难题。但是，这些方法目前应用的领域大多只是和模糊、神经网络等智能方法结合，应用到化工、电力等工业控制中，几乎没有考虑到人们日常生活中的空调系统也是一个复杂非线性多变量系统，因此这将是非线性自适应控制理论应用的全新领域，蕴涵着巨大的创新性和挑战性。

国内暖通空调系统的节能控制研究起步比较晚，特别是国内暖通空调控制的发展至少要落后国外十余年的时间，国内研究暖通空调系统和建筑智能化以及楼宇自动化的课题，存在着广泛的研究方向，建筑学上主要关注暖通空调设计方案的节能研究，即怎样通过暖通空调的设计、施工、审图和方案评审等环节减少建筑中暖通空调的能耗，达到节能的目的，热力学研究者的研究集中在制冷剂的选择，热量的转换，能量的守恒等方面，而自动化专业的研究目前的热点是利用先进的计算机技术直接数字控制，大多数仍然集中于PID控制技术等传统控制策略，现有的暖通空调系统控制理论研究特别是非线性自适应控制策略的应用比较匮乏。

工业自动化仪表与计算机技术的发展以及高层智能建筑的兴建，不断推动着暖通空调系统在各类工业和民用建筑中的广泛应用。众所周知，空调系统的节能自动化控制技术是使空调系统能够高效节能运行不可或缺的组成部分。一个可靠、精确、具有智能功能的计算机检测与控制系统可以依据室外气象条件与室内热湿负荷，在满足使用要求的前提下，确定最佳节能温、湿度控制方案和最节能的空气处理过程，使空调系统自动运行在最节能工况下。然而，由于暖通空调系统中存在温度、湿度、压力、流速、能耗等多个相互作用的变量，而且各个控制回路中还存在着高度的非线性、时变特征、耦合、时滞、扰动以及不确定性等因素，整个系统形成了典型的复杂非线性多变量系统。如何更有效地将日益成熟和丰富的非线性多变量系统控制理论利用先进的计算机技术应用到暖通空调系统的实际控制中，在空调工程中充分发挥国内外各种先进的自动化控制策略，真正实现暖通空调系统的节能和优化，设计出适合不同用户要求、技术先进、经济合理的空调自动控制系统，成为空调领域的现实挑战。

暖通空调系统存在的问题主要表现在以下几个方面：

1）目前暖通空调系统的控制策略研究仍然大部分停留在PID、DDC、DLC、开关控制等传统策略上，或者将采用模糊，神经网络，遗传算法等调节PID控制参数来提高PID控制性能，没有从根本上实现暖通空调系统的非线性多变量控制；

2）目前存在暖通空调系统的非线性自适应控制算法主要包括模糊和神经网络等智能控制算法，没有基于建立系统的非线性数学模型进行控制器设计，因此存在着很大的不精确性，不能通过温湿度的直接优化控制提高能源利用效率，从而很难实现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；

3）随着自动控制理论的深入研究和发展，非线性多变量系统的自适应控制策略的研究，包括自适应解耦控制、backstepping控制、鲁棒控制等已经在理论上相当成熟和完善，但是却很少在现实工业和生产生活中得到很好的应用和实践，特别是在暖通空调系统的节能与优化控制研究中更是很少采用，而且基于多变量非线性暖通空调系统模型的稳定性等特性也没有进行理论上的分析和探讨。

发明内容

为达到上述目的，本发明采用下述技术方案：

一种暖通空调系统的非线性自适应节能控制方法，该非线性自适应节能控制方法包括以下步骤：

a.   利用传感器检测房间内温度和相对湿度的实际值；

b.   分别求出温度和相对湿度设定值与实际值的误差，将其进行模数转换后作为自适应控制器的输入信号；

c.   自适应控制器根据输入信号对冷冻水的流速和进入房间的风流速同时调节，输出新的冷冻水的流速和进入房间的风流速的信号；

d.   对自适应控制器的输出信号进行数/模转换后，通过执行机构作用于暖通空调系统；

e.   暖通空调系统根据暖通空调系统的控制模型调节房间内的温度和相对湿度；

f.   返回a步骤继续执行。

所述的暖通空调系统的非线性自适应节能控制方法，在所述e中，所述暖通空调系统的控制模型为：

 

  

 ，

         

其中，

是系统的状态变量，

是系统输入变量即空气流速和冷冻水流速，

是系统输出变量即房间内温度和相对湿度，-

分别是由3个状态变量和相关参数构成的非线性系数，其中：

，

，

，

，

，其中分别为：

，

，

，

；

-

，

表达式中各参数含义如下：

是时间常数，

表示房间温度，

表示空气流速，表示供热空间的体积，

为供风温度，

为水蒸气的焓，

为空气的比热值，

为供风的湿度比率，

为房间内空气的湿度比率，

为系统空气通风比例，

为空气质量密度，为湿度负载，

为换热器的体积，

为温度负载，

为液态水的焓，

为房间外空气的湿度比率，

为冷冻水流速。

附图说明

图1暖通空调系统循环回路原理图；

图2暖通空调系统自适应控制框图；

图3HVAC控制系统原理图；

图4HVAC系统控制流程图。

具体实施方式

下面结合附图与实施例对本发明做进一步说明：

暖通空调系统是一个复杂大系统，它的组成包括建筑物的所有房间，冷却水循环，冷冻水循环，制冷剂循环等，主要的空调设备包括风机盘管，蒸发器，冷凝器，冷却塔，压缩机，制冷机组等。一个基本的暖通空调系统由空气处理机组以及避免因新风太冷而产生凝结的预热盘管，清除空气中灰尘的过滤器，送风管道网络，冷却盘管及加热盘管和各种风阀等组成，各个部分综合组成暖通空调系统中的空气处理和分配系统。以水冷系统为例基于暖通空调系统的一般结构和主要功能，系统中的热能传递从左到右依次经过室内空气回路，冷冻水回路，制冷剂回路，冷却水回路，冷却塔回路五个回路，空调装置吸取空间中的热量并把它们排出室外，完成对房间内空气的调节和控制。经过暖通空调系统中每一个回路的连续热交换过程，建筑物内房间的空气温度、湿度、压力等得到了调节，在这个动态变化的复杂过程中，冷冻水的温度、冷却水流速、冷却塔以及风扇转速等都必须得到良好的控制，使其在最高效的状态下进行工作，因此必然通过设计高效节能的控制器来实现，而且在建筑物中，对于任意给定的冷负荷，除了制冷机组的优化组合以外，空气、水分布以及冷却塔系统的耗能也是非常重要的，因此优化控制策略在每个环节都能够产生节能效果。

由此可见，暖通空调系统是由多个相互作用变量构成的复杂非线性系统，为了提高能源的利用效率，更好的节约能源，同时让暖通空调系统带给人们越来越舒适的生活环境，针对目前暖通空调系统的控制研究中存在的一些问题，为了将多变量非线性系统的自适应控制策略应用到暖通空调系统中，实现空调系统的节能和优化控制。空调系统中主要是对温度和相对湿度进行控制，这两个参数常常是在一个调节对象里同时进行调节的两个被调量，两个参数在调节过程中相互影响，如房间温度升高时，在含湿量不变的情况下，则相对湿度下降，因此在自动控制中要充分考虑到温湿度的相关性。空调自动控制系统是以空调房间的温、湿度控制为中心，通过工况转换与空气处理过程，每个环节紧密联系在一起的整体控制系统，任何环节出现问题，都将影响空调房间的温湿度调节，甚至使整个调节系统无法正常工作。

1：建立暖通空调系统的多变量非线性数学模型

暖通空调系统是由多种设备、多个循环回路、众多变量和参数构成的复杂非线性多变量系统，如图1所示。因此模型的建立是一个非常复杂困难的过程，为了将非线性多变量系统控制策略应用其中，首先必须深刻认识暖通空调系统的物理机理，从热力学、机械学、动力学等方面全面掌握空调系统的基本结构和工作原理，为了达到系统节约能源的目的，从系统全局能量管理的角度，基于暖通空调系统的基本原理采用机理建模和实验建模相结合的方法，建立系统的数学模型。

一个基本的暖通空调系统由空气处理机组以及避免因新风太冷而产生凝结的预热盘管，清除空气中灰尘的过滤器，送风管道网络，冷却盘管及加热盘管和各种风阀等组成，各个部分综合组成暖通空调系统中的空气处理和分配系统。以水冷系统为例，基于暖通空调系统的结构和主要设备，系统中的热能传递从左到右最多经过五个回路，装置吸取空间中的热量并把它们排出室外，完成对房间内空气的调节和控制，如图1所示。

空调系统的能量消耗来自于组成系统的各个耗能设备，建模的目标是使所有能耗设备所消耗的能量之和达到最小，才能最大程度的实现节能控制，即必须满足

                        (1)

其中，分别代表空调系统的总能耗，冷却盘管风扇，蒸发器的冷冻水泵，冷凝器，压缩机水泵，冷却塔风扇的能耗。

每一个分量代表了一种设备的能耗，所以首先需要确定每一个分量的数学模型，这必须对系统中每个控制回路的热交换过程、每个设备的用能情况以及系统循环中的水、空气和制冷剂等的能量一一进行分析和求解，确定相应的约束条件。以制冷设备为例，它的能耗可以描述为

                          (2)

                             (3)

       (4)

其中，

第i个冷凝器的设计制冷容量，

第i个冷凝器的设计的性能系数，

第i个冷凝器的部分负载率的调节因子，

第i个冷凝器的温度调节因子，第i个冷凝器的真实制冷容量，供应的冷冻水的温度，供应压缩器的水温度，

和

分别是由

和

确定的常系数，而制冷设备所消耗能量的总和来源于每个空调房间的冷负荷，而且这些负荷分布于每一个可操作的制冷设备中，随着房间内环境的不断变化冷负荷也随之发生变化，因此需要设计出切实可行的建模方法才能得到较为准确的制冷能耗模型；对于风扇、泵等耗能设备所消耗的能量，同样会受到暖通空调系统的内部和外部环境的影响而产生变化，因此建模的过程是通过机理和实验建模方法对方程（1）的各个部分建立能量模型的复杂过程。

最终我们的目标是从能耗角度得到由冷冻水流速和温度、冷却水流速和温度、进出房间的空气的流速和温度等基本变量组成的暖通空调系统的多变量非线性数学模型，为了更好的研究多变量非线性控制策略在暖通空调系统中的应用，不失一般性，我们通过一定的假设条件将模型简化为一个双输入双输出（TITO）非线性模型，其中初步选定房间内的温度和湿度作为系统输出，而冷冻水的流速和进入房间时的新风流速作为控制律。

2：从暖通空调系统的多变量非线性全局角度选择控制策略

多变量系统的控制相对于单变量系统的控制而言非常复杂，而且在理论成果上远远落后于SISO系统的控制，其根本原因在于多变量系统中存在着错综复杂的变量间相互作用，为了实现系统的良好控制，基于目前暖通空调系统中存在的温湿度负荷之间的动态耦合与扰动等非线性关系，如果从多变量系统整体角度来考虑非线性多变量系统的自适应鲁棒控制器设计，能够动态的实时处理系统中温度、湿度、压力等变量之间的相互作用，将能够实现更理想的控制性能。

2.1：将温湿度负荷看作未知参数，采用自适应控制策略

首先在问题1的基础上建立暖通空调系统的非线性多变量状态空间表达式，其中具有慢时变性的热能负荷和湿度负荷不再看作常数而是均作为未知参数处理，然后基于这一模型设计观测器，进行反馈线性化，根据传统的自适应控制算法设计相应的控制器（如图2所示），从而使暖通空调系统具有更好的鲁棒性、实用性等优良的控制性能。如果假设房间内温度是均匀分布的，假设系统的动态模型已经获得了，用来作为初始模型，其中包括了温湿度比，如下

                                             （5）

其中，

表示房间温度，

表示空气流速，

表示供热空间的体积58464，

供风温度，水蒸气的焓，

空气的比热值0.24，

供风的湿度比率，

房间内空气的湿度比率，

系统空气通风比例，

空气质量密度0.074，

湿度负载，

换热器的体积，温度负载，

液态水的焓，

房间外空气的湿度比率，

冷冻水流速。

这是制冷过程的数学模型，对于制热过程的模型除了一些符号的区别之外是类似的，我们的控制目标是使温度

和湿度均达到设定值，控制律是从制冷装置流入热交换器的冷冻水流速

和风扇导致的空气流速，并且定义为通风率，即房间空气交换的比率。为了便于利用自适应控制算法实现更好的控制，首先定义变量和参数如下：

，

，，

，

，

，

，，，

，

，

令

，

，

，

(s是微分变量，

是比例系数，是时间常数),

，

，

，

，

然后通过变量转换建立系统的状态方程，如下

 ，

          (6)

是系统的状态变量，分别是系统输入和输出变量，而

-

分别是由3个状态变量和相关参数构成的非线性系数，首先需要基于暖通空调系统的多变量非线性模型（5）确定它们的值，然后就是基于方程（6）这一模型引入切实可行的传统自适应控制算法的设计和分析实现系统的节能和优化控制，这里的传统自适应控制算法指固定增益的自适应控制算法。

3：将以上非线性自适应控制理论成功的应用于暖通空调系统的数学模型之后，进行智能建筑实验室内空调系统平台的试验验证和分析

为了验证理论研究的正确性，检验基于暖通空调系统数学模型进行的多变量非线性控制算法的有效性，需要将这些算法进行仿真验证，在仿真验证正确的基础上在实验室平台上进行实验验证，得到系统良好的性能指标才能保证理论算法的有效性。主要分以下三个阶段进行：

（1）首先将理论上建立起来的控制策略在计算机上的MATLAB，C++等软件环境下进行仿真实验，针对建立的系统数学模型验证控制效果，进一步验证所设计的先进控制策略的动态控制性能；

（2）然后在实验室设备上搭建软件平台，将这些有效的控制算法利用实验室设备平台进行实验研究和验证，检验暖通空调系统模型的可靠性，同时验证控制算法的实验结果，保证系统的良好控制性能；

（3）理论算法分析和仿真实验以及实验室平台的验证都获得良好的控制效果之后，尝试将建立的暖通空调系统的数学模型利用虚拟网络技术等先进的软件建立暖通空调系统的虚拟网络实验室平台，服务于进一步更多的试验研究；而且可以进行暖通空调系统控制的软硬件开发，申请专利，实现技术产业化等实际应用。

 

Claims (2)

1.一种暖通空调系统的非线性自适应节能控制方法，其特征在于：该非线性自适应节能控制方法包括以下步骤：

利用传感器检测房间内温度和相对湿度的实际值；

分别求出温度和相对湿度设定值与实际值的误差，将其进行模数转换后作为自适应控制器的输入信号；

自适应控制器根据输入信号对冷冻水的流速和进入房间的风流速同时调节，输出新的冷冻水的流速和进入房间的风流速的信号；

对自适应控制器的输出信号进行数/模转换后，通过执行机构作用于暖通空调系统；

暖通空调系统根据暖通空调系统的控制模型调节房间内的温度和相对湿度；

返回a步骤继续执行。

2.如权利要求1所述的暖通空调系统的非线性自适应节能控制方法，其特征在于：在所述e中，所述暖通空调系统的控制模型为：

 

  

 ，

         

其中，

是系统的状态变量，

是系统输入变量即空气流速和冷冻水流速，

是系统输出变量即房间内温度和相对湿度，

-

分别是由3个状态变量和相关参数构成的非线性系数，其中：

，

，

，

，

，其中

分别为：

，

，

，

；

-

，

表达式中各参数含义如下：

是时间常数，

表示房间温度，

表示空气流速，表示供热空间的体积，

为供风温度，

为水蒸气的焓，

为空气的比热值，

为供风的湿度比率，

为房间内空气的湿度比率，

为系统空气通风比例，

为空气质量密度，

为湿度负载，

为换热器的体积，

为温度负载，

为液态水的焓，

为房间外空气的湿度比率，

为冷冻水流速。

Images