CN107940667B - 暖通空调系统和用于操作暖通空调系统的方法 - Google Patents

暖通空调系统和用于操作暖通空调系统的方法 Download PDF

Info

Publication number
CN107940667B
CN107940667B CN201710925693.9A CN201710925693A CN107940667B CN 107940667 B CN107940667 B CN 107940667B CN 201710925693 A CN201710925693 A CN 201710925693A CN 107940667 B CN107940667 B CN 107940667B
Authority
CN
China
Prior art keywords
controller
facility
univariate
control
variable
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710925693.9A
Other languages
English (en)
Other versions
CN107940667A (zh
Inventor
蒂莫西·I·索尔兹伯里
约翰·M·豪斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Johnson Controls Tyco IP Holdings LLP
Original Assignee
Johnson Controls Technology Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from US15/284,468 external-priority patent/US10365001B2/en
Application filed by Johnson Controls Technology Co filed Critical Johnson Controls Technology Co
Publication of CN107940667A publication Critical patent/CN107940667A/zh
Application granted granted Critical
Publication of CN107940667B publication Critical patent/CN107940667B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00Systems controlled by a computer
    • G05B15/02Systems controlled by a computer electric
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/20Pc systems
    • G05B2219/26Pc applications
    • G05B2219/2614HVAC, heating, ventillation, climate control

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

用于建筑的暖通空调系统包括设施和多个单变量极值搜索控制器(ESC)。所述设施包括可操作以影响建筑的环境条件的暖通空调设备。每个单变量极值搜索控制器被配置为用不同的激励信号干扰不同的操纵变量,并将操纵变量作为经干扰的输入提供给设施。所述设施使用多个经干扰的输入来同时影响性能变量。所述单变量极值搜索控制器被配置为估计性能变量相对于每个操纵变量的梯度,并通过独立地调整操纵变量来独立地使梯度趋向于零。

Description

暖通空调系统和用于操作暖通空调系统的方法
相关申请的交叉引用
本申请要求于2016年10月3日提交的美国专利申请No.15/284,468的权益和优先权,这是于2016年3月24日提交的美国专利申请No.15/080,435的部分继续申请,后者要求于2016年2月18日提交的美国临时专利申请No.62/296,713的权益和优先权。这些专利申请中的每一个的全部公开内容通过引用并入本文。
背景技术
本公开总体涉及极值搜索控制(ESC)系统。极值搜索控制是一类自优化控制策略,这种自优化控制策略可以动态地搜索系统的未知和/或时变输入,用于优化某个性能指标。极值搜索控制可以被认为是通过使用抖动信号进行梯度搜索的动态实现。系统输出y相对于系统输入u的梯度可以通过轻微干扰系统操作并且施加解调措施来获得。通过使用闭环系统中的负反馈环使梯度趋向于零可以获得系统性能的优化。极值搜索控制是一种不基于模型的控制策略,这意味着极值搜索控制不需要用于受控系统的模型来优化系统。
具有不可分离变量的多变量优化可能是使用极值搜索控制难以解决的问题,因为在每个极值搜索控制中调节反馈环的增益可能依赖于对所有通道的认知。此问题的先前解决方案使用一个集中式多变量极值搜索控制器,其理想情况下具有关于性能的Hessian图的信息。然而,集中式多变量控制器难于实施、配置和故障排除,这使得在实践中难以采用这些解决方案。
发明内容
本公开的一种实施方式是用于建筑的暖通空调(HVAC)系统。暖通空调系统包括:设施,其具有可操作以影响建筑中的环境条件的暖通空调设备;第一单变量极值搜索控制器(ESC)和第二单变量极值搜索控制器。第一单变量极值搜索控制器被配置为用第一激励信号干扰第一操纵变量,并将所述第一操纵变量作为第一干扰输入提供给设施。第二单变量极值搜索控制被配置成利用第二激励信号干扰第二操纵变量,并将所述第二操纵变量作为第二干扰输入提供给所述设施。所述设施使用这两种干扰输入来同时影响性能变量。这两种所述单变量极值搜索控制均被配置为接收与来自所述设施的反馈相同的性能变量。所述第一单变量极值搜索控制被配置为估计所述性能变量相对于所述第一操纵变量的第一梯度。所述第二单变量极值搜索控制被配置为估计所述性能变量相对于所述第二操纵变量的第二梯度。所述单变量极值搜索控制被配置为通过独立地调整所述第一和第二操纵变量来独立地使所述第一和第二梯度趋向于零。
本公开的另一种实施方式是用于建筑的另一种暖通空调系统。暖通空调系统包括:具有暖通空调设备的设施,所述暖通空调设备可操作以影响建筑内的环境条件;第一组单变量极值搜索控制器(ESC),被配置为在第一操作模式下工作时提供第一组操纵变量作为所述设施的输入;以及第二组单变量极值搜索控制,被配置为在第二操作模式下工作时提供第二组操纵变量作为所述设施的输入。多变量极值搜索控制被配置为响应于检测到从所述第一操作模式到所述第二操作模式的过渡从所述第一组单变量极值搜索控制切换到所述第二组单变量极值搜索控制。
本公开的另一种实施方式是用于操作用于建筑的暖通空调(HVAC)系统的方法。所述方法包括:用第一激励信号干扰第一操纵变量;用第二激励信号干扰第二操纵变量,并且将第一操纵变量和第二操纵变量作为干扰输入提供给设施。所述设施包括暖通空调设备,并使用两个干扰输入同时影响性能变量。所述方法还包括:从所述设施接收作为反馈的所述性能变量;估计所述性能变量相对于所述第一操纵变量的第一梯度以及所述性能变量相对于所述第二操纵变量的第二梯度;并且通过独立地调整第一和第二操纵变量来独立地使第一和第二梯度趋向于零。所述方法包括使用所述第一和第二操纵变量来操作所述设施的暖通空调设备以影响所述建筑内的环境条件。
本领域技术人员应当理解发明内容仅仅是说明性的,并且不是旨在以任何方式加以限制。在本文中并且结合附图阐述具体实施方式将明白如权利要求书所单独限定的本文中描述的装置和/或过程的其他方面、本发明的特点和优点。
附图说明
图1是根据一些实施例的其中可以实施极值搜索控制系统的建筑的图。
图2是根据一些实施例的其中可以实施极值搜索控制系统的建筑暖通空调系统的框图。
图3是根据一些实施例的使用周期抖动信号对被提供给设施的控制输入进行干扰的极值搜索控制系统的框图。
图4是根据一些实施例的使用周期抖动信号对被提供给设施的控制输入进行干扰的另一个极值搜索控制系统的框图。
图5是根据一些实施例的极值搜索控制系统的框图,其使用随机抖动信号来干扰被提供给设施的控制输入并且使用递归估计技术以估计使设施的输出与控制输入相关联的梯度或系数。
图6A是根据一些实施例的提供给设施的控制输入的曲线图,示出了通过用周期抖动信号干扰控制输入所引起的周期性振荡。
图6B是根据一些实施例的从设施接收的性能变量的曲线图,所述性能变量源自图6A所示的干扰控制输入。
图7A是根据一些实施例的当使用随机激励信号来干扰控制输入时提供给设施的控制输入的曲线图。
图7B是根据一些实施例的从设施接收的性能变量的曲线图,所述性能变量源自图7A所示的干扰控制输入。
图8是示出根据一些实施例的极值搜索控制技术的流程图,其中使用随机激励信号来干扰对设施的控制输入。
图9是示出根据一些实施例的极值搜索控制技术的流程图,其中使用归一化相关系数使得从设施接收的性能变量与被提供给设施的控制输入相关联。
图10A是根据一些实施例的可以实施本公开的系统和方法的冷却水设施的框图。
图10B是示出根据一些实施例的极值搜索控制技术的流程图,其中使用随机激励信号来干扰图10A中的冷却水设施中的冷凝水温度设定点。
图10C是示出根据一些实施例的极值搜索控制技术的流程图,其中使用归一化相关系数使总系统功耗与图10A中的冷却水设施中的冷凝水温度设定点相关联。
图11A是根据一些实施例的其中可以实施本公开的系统和方法的另一个冷却水设施的框图。
图11B是示出根据一些实施例的极值搜索控制技术的流程图,其中使用随机激励信号来干扰图11A中的冷却水设施中的冷凝水泵送速度和冷却塔风扇速度。图11C是示出根据一些实施例的极值搜索控制技术的流程图,其中使用归一化相关系数来使总系统功耗与图11A中的冷却水设施中的冷凝水泵送速度和冷却塔风扇速度相关联。
图12A是根据一些实施例的其中可以实施本公开的系统和方法的可变制冷剂流量系统的框图。
图12B是示出根据一些实施例的极值搜索控制技术的流程图,其中使用随机激励信号来干扰图12A中的可变制冷剂流量系统中的制冷剂压力设定点。
图12C是示出根据一些实施例的极值搜索控制技术的流程图,其中使用归一化相关系数来使总系统功耗与图12A中的可变制冷剂流量系统中的制冷剂压力设定点相关联。
图13A是根据一些实施例的其中可以实施本公开的系统和方法的另一个可变制冷剂流量系统的框图。
图13B是示出根据一些实施例的极值搜索控制技术的流程图,其中将随机激励信号用于图13A的可变制冷剂流量系统的制冷剂压力设定点和制冷剂过热设定点。
图13C是示出根据一些实施例的极值搜索控制技术的流程图,其中使用归一化相关系数使总系统功耗与图13A的可变制冷剂流量系统中的制冷剂压力设定点和制冷剂过热设定点相关联。
图14A是根据一些实施例的其中可以实施本公开的系统和方法的蒸汽压缩系统的框图。
图14B是示出根据一些实施例的极值搜索控制技术的流程图,其中使用随机激励信号来干扰图14A中的蒸汽压缩系统中的供应空气温度设定点。
图14C是示出根据一些实施例的极值搜索控制技术的流程图,其中使用归一化相关系数使总系统功耗与图14A中的蒸汽压缩系统中的供应空气温度设定点相关联。
图15A是根据一些实施例的其中可以实施本发明的系统和方法的另一蒸汽压缩系统的框图。
图15B是示出根据一些实施例的极值搜索控制技术的流程图,其中使用随机激励信号来干扰图15A的蒸汽压缩系统中的蒸发器风扇速度。
图15C是示出根据一些实施例的极值搜索控制技术的流程图,其中使用归一化相关系数使总系统功耗与图15A中的蒸汽压缩系统中的蒸发器风扇速度相关联。
图16A是根据一些实施例的其中可以实施本公开的系统和方法的另一蒸汽压缩系统的框图。
图16B是示出根据一些实施例的极值搜索控制技术的流程图,其中使用随机激励信号来干扰图16A中的蒸汽压缩系统中的供应空气温度设定点和冷凝器风扇速度。
图16C是示出根据一些实施例的极值搜索控制技术的流程图,其中使用归一化相关系数使总系统功耗与图16A中的蒸汽压缩系统中的供应空气温度设定点和冷凝器风扇速度相关联。
图17是根据一些实施例的另一极值搜索控制系统的框图,该极值搜索控制系统使用多变量极值搜索控制器以向多输入单输出(MISO)系统提供多个操纵变量。
图18是根据一些实施例的另一极值搜索控制系统的框图,该极值搜索控制系统使用多个单变量极值搜索控制器以向MISO系统提供多个操纵变量。
图19是根据一些实施例的另一极值搜索控制系统的框图,该极值搜索控制系统使用具有多个单变量极值搜索控制器的多变量控制器以向MISO系统提供多个操纵变量。
图20是根据一些实施例的实例的极值搜索控制系统的框图,该极值搜索控制系统使用两个单变量极值搜索控制器以向MISO系统提供两个操纵变量。
图21是示出根据一些实施例的当由图20中的极值搜索控制系统控制时收敛在最佳值之上的性能变量的曲线图。
图22是示出根据一些实施例的当由图20中的极值搜索控制系统控制时收敛在最佳值之上的第一操纵变量的曲线图。
图23是示出根据一些实施例的当由图20的极值搜索控制系统控制时收敛在最佳值之上的第二操纵变量的曲线图。
图24是示出根据一些实施例的极值搜索控制技术的流程图,其中使用多个单变量极值搜索控制器来向MISO系统提供多个操纵变量。
图25是示出根据一些实施例的极值搜索控制技术的流程图,其中一旦存在多个操作模式之间的转换,则多变量控制器在不同组的单变量极值搜索控制器之间切换。
图26是根据一些实施例的其中可以实施本公开的系统和方法的另一个冷却水设施的框图。
图27是根据一些实施例的其中可以实施本公开的系统和方法的另一个可变制冷剂流量系统的框图。
图28是根据一些实施例的其中可以实施本发明的系统和方法的另一蒸汽压缩系统的框图。
具体实施方式
综述
总体参考附图,示出了根据一些实施例的各种极值搜索控制(ESC)系统和方法。总体来说,极值搜索控制是一类自优化控制策略,这种自优化控制策略可以动态地搜索系统的未知和/或时变输入,用于优化某个性能指标。极值搜索控制可以被认为是通过使用抖动信号进行梯度搜索的动态实现。系统输出y相对于系统输入u的梯度可以通过轻微地干扰系统操作并且采用解调措施来获得。
通过使用闭环系统中的反馈环使梯度趋向于零可以获得系统性能的优化。极值搜索控制是一种不基于模型的控制策略,这意味着极值搜索控制不需要用于受控系统的模型来优化系统。极值搜索控制的各种实施方式详细记载在美国专利号8,473,080、美国专利号7,827,813、美国专利号8,027,742、美国专利号8,200,345、美国专利号8,200,344、美国专利申请号14/495,773、美国专利申请号14/538,700、美国专利申请号14/975,527和美国专利申请号14/961,747中。这些专利和专利申请的每一个通过引用并入本文。
在一些实施例中,极值搜索控制器使用随机激励信号q来干扰向设施提供的控制输入u。控制器可以包括被配置为产生随机信号的随机信号发生器。随机信号可以是杂乱信号(例如,随机游走信号、白噪声信号等)、非周期性信号、不可预测信号、干扰信号或任何其他类型的非确定性或非重复信号。在一些实施例中,随机信号具有非零均值。随机信号可以被积分以产生激励信号q。
随机激励信号q可以提供控制输入u的变化,其足以估计设施输出(即,性能变量y)相对于控制输入u的梯度。随机激励信号q相对于传统的周期抖动信号v具有几个优点。例如,随机激励信号q比传统的周期抖动信号v更不易察觉。因此,随机激励信号q对控制输入u的影响相比由传统的周期抖动信号v引起的周期性振荡不那么明显。随机激励信号q的另一个优点是调谐控制器更简单,因为抖动频率ων不再是必需的参数。因此,当生成随机激励信号q时,控制器不需要知道或估计设备的固有频率。
在一些实施例中,极值搜索控制器使用递归估计技术来估计性能变量y相对于控制输入u的梯度。例如,控制器可以使用递归最小二乘法(RLS)估计技术来生成梯度
Figure GDA0002710369710000071
的估计。在一些实施例中,控制器使用指数遗忘作为递归最小二乘法估计技术的一部分。例如,控制器可被配置为计算性能变量y、控制输入u和/或在递归估计技术中使用的其它变量的指数加权移动平均值(EWMA)。指数遗忘减少了所需的数据存储量(相对于批处理),并允许控制器对最近的数据保持更多的敏感性,从而对于移动的最优点具有更好的响应。
在一些实施例中,极值搜索控制器估计使性能变量y与控制输入u相关联的归一化相关系数ρ。相关系数ρ可以与性能梯度
Figure GDA0002710369710000081
相关(例如,与
Figure GDA0002710369710000082
成比例),但是根据性能变量y的范围定标。例如,相关系数ρ可以是性能梯度
Figure GDA0002710369710000083
的归一化度量,其被定标到-1≤ρ≤1的范围。可以基于性能变量y和控制输入u之间的协方差、性能变量y的方差和控制输入u的方差估计归一化相关系数ρ。在一些实施例中,可以使用递归估计过程来估计归一化相关系数ρ。
相关系数ρ,而不是性能梯度
Figure GDA0002710369710000084
,可以由反馈控制器使用。例如,反馈控制器可以调节控制输入u的直流值w以使相关系数ρ趋向于零。使用相关系数ρ代替性能梯度
Figure GDA0002710369710000085
的一个优点是反馈控制器使用的调谐参数可以是调谐参数的广义集,不需要根据性能变量y的标度来定制或调节该调谐参数的广义集。该优点省去了对反馈控制器执行专门针对控制环的调谐的需要,并允许反馈控制器使用调谐参数的广义集,该调谐参数的广义集可应用于许多不同控制环和/或设施。
下面更详细地描述极值搜索控制器的附加特征和优点。
建筑和暖通空调系统
现在参考图1-2,示出了根据一些实施例的其中可以实施极值搜索控制系统的建筑10和暖通空调系统20。虽然主要在建筑暖通空调系统的背景中描述本公开的极值搜索控制系统和方法,但是应当理解,极值搜索控制总体适用于优化或调整感兴趣的变量的任何类型的控制系统。例如,本公开的极值搜索控制系统和方法可以用于优化由各种类型的能量产生系统或设备(例如发电厂、蒸汽或风力涡轮机、太阳能电池板、燃烧系统等)产生的能量的量,和/或优化由各种类型的能量消耗系统或设备(例如,电子电路、机械设备、航空航天和陆上交通工具、建筑设备、暖通空调设备、制冷系统等)消耗的能量的量。
在各种实施方式中,极值搜索控制可用于任何类型的控制器,其功能是达到感兴趣的变量的设定点(例如,通过最小化测量或计算的输入与设定点之间的差值)和/或优化感兴趣的变量(例如,使输出变量最大化或最小化)。可以设想,极值搜索控制可以容易地实现在各种类型的控制器(例如,电动机控制器、功率控制器、流体控制器、暖通空调控制器、照明控制器、化学控制器、过程控制器等)和各种类型的控制系统(例如,闭环控制系统、开环控制系统、反馈控制系统、前馈控制系统等)。所有这些实施方式都应被认为落在本公开的范围内。
特别参考图1,示出了建筑10的立体图。建筑10由暖通空调系统20提供服务。暖通空调系统20被示出为包括冷水机22、锅炉24、屋顶冷却装置26和多个空气处理单元(AHU)36。暖通空调系统20使用流体循环系统来为建筑10提供加热和/或冷却。根据是需要冷却还是加热,循环流体可在冷水机22中被冷却或在锅炉24中被加热。锅炉24可以通过燃烧可燃材料(例如天然气)向循环流体加热。冷水机22可以使循环流体与换热器(例如,蒸发器)中的另一种流体(例如,制冷剂)处于换热关系。制冷剂在蒸发过程中从循环流体中除去热量,从而冷却循环流体。
来自冷水机22或锅炉24的循环流体可以经由管道32被输送到空气处理单元36。空气处理单元36可使循环流体与通过空气处理单元36的气流处于热交换关系。例如,气流可以通过风机盘管单元或循环流体流过的其它空调终端单元中的管道。空气处理单元36可以在气流和循环流体之间传递热量,以提供对于气流的加热或冷却。加热或冷却空气可以通过包括空气供应管道38的空气分配系统被输送到建筑10,并且可以经由空气返回管道40返回到空气处理单元36。在图1中,暖通空调系统20被示出为在建筑10的每个楼层上包括单独的空气处理单元36。在其他实施例中,单个空气处理单元(例如,屋顶空气处理单元)可以为多个楼层或区域供应空气。来自空气处理单元36的循环流体可通过管道34返回到冷水机22或锅炉24。
在一些实施例中,冷水机22中的制冷剂在从循环流体吸收热量时蒸发。蒸汽制冷剂可以被提供给冷水机22中的压缩机,制冷剂的温度和压力在压缩机中增加(例如,使用旋转叶轮、螺杆式压缩机、涡旋式压缩机、往复式压缩机、离心式压缩机等)。压缩的制冷剂可以被排放到冷水机22内的冷凝器中。在一些实施例中,水(或另一种冷却流体)流过冷水机22的冷凝器中的管,以吸收来自制冷剂蒸汽的热量,从而使制冷剂冷凝。流经冷凝器中的管的水可以通过管道28从冷水机22被泵送到屋顶冷却装置26。冷却装置26可以使用风扇驱动的冷却或风扇驱动的蒸发来从水中去除热量。屋顶冷却装置26中的冷却水可以通过管道30被输送回到冷水机22,并且循环重复。
现在参考图2,示出了一框图,其中更详细地示出根据一些实施例的暖通空调系统20的一部分。在图2中,空气处理单元36被示出为节能器型空气处理单元。节能器型空气处理单元改变由空气处理单元所使用的用于加热或冷却的外部空气和返回空气的量。例如,空气处理单元36可以经由回风管道40接收来自建筑10的回流空气82,并且可以经由供应空气管道38将供应空气86输送到建筑10。空气处理单元36可以被配置为操作排气风门60、混合风门62和外部风门64,以控制外部空气80和返回空气82的量,所述外部空气80和返回空气82一起形成供应空气86。任何不通过混合风门62的返回空气82可以作为排气84通过排气风门60从空气处理单元36排出。
每个风门60-64都可以由致动器操作。如图2所示,排气风门60由致动器54操作,混合风门62由致动器56操作,外部风门64由致动器58操作。致动器54-58可以经由通信链路52与空气处理单元控制器44通信。空气处理单元控制器44可以是被配置为使用一种或多种控制算法(例如,基于状态的算法、极值搜索控制算法、PID控制算法、模型预测控制算法等)来控制致动器54-58的节能型控制器。参照图8-9更详细地描述可由空气处理单元控制器44使用的极值搜索控制方法的示例。
致动器54-58可以接收来自空气处理单元控制器44的控制信号,并且可以向空气处理单元控制器44提供反馈信号。反馈信号可以包括,例如,当前致动器或风门位置的指示、由致动器施加的扭矩或力的量、诊断信息(例如由致动器54-58执行的诊断测试的结果)、状态信息、调试信息、配置设置、校准数据和/或可由致动器54-58收集、存储或使用的其它类型的信息或数据。
仍然参考图2,空气处理单元36被示出为包括冷却盘管68、加热盘管70和风扇66。在一些实施例中,冷却盘管68、加热盘管70和风扇66位于供应空气管道38内。风扇66可以被构造成迫使供应空气86通过冷却盘管68和/或加热盘管70。空气处理单元控制器44可以经由通信链路78与风扇66通信,以控制供应空气86的流量。冷却盘管68可以经由管道32接收来自冷水机22的冷却流体,并且可以经由管道34将冷却的流体返回到冷水机22。阀92可以沿着管道32或管道34定位,以控制提供给冷却盘管68的冷却流体的量。加热盘管70可以经由管道32接收来自锅炉24的加热的流体,并且可以经由管道34使加热的流体返回到锅炉24。阀94可以沿着管道32或管道34定位,以控制提供给加热盘管70的加热流体的量。
阀92-94中的每一个都可以由致动器来控制。如图2所示,阀92由致动器88控制,阀94由致动器90控制。致动器88-90可以经由通信链路96-98与空气处理单元控制器44通信。致动器88-90可以接收来自空气处理单元控制器44的控制信号,并且可以向控制器44提供反馈信号。在一些实施例中,空气处理单元控制器44接收来自位于供应空气管道38中的温度传感器72(例如,位于冷却盘管68和加热盘管70的下游)的供应空气温度的测量值。然而,温度传感器72不是必需的,并且可能在一些实施例中可能不包括温度传感器72。
空气处理单元控制器44可以经由致动器88-90操作阀92-94,以调整被提供给供应空气86的加热或冷却的量(例如,以达到供应空气86的设定点温度或将供应空气86的温度维持在设定点温度范围内)。阀92-94的位置影响由冷却盘管68或加热盘管70提供给供应空气86的冷却或加热的量,并且可以与消耗的能量相关联以达到期望的供应空气温度。在各种实施例中,阀92-94可由空气处理单元控制器44或暖通空调系统20的单独控制器操作。
空气处理单元控制器44可以经由通信链路96-98监测阀92-94的位置。空气处理单元控制器44可以使用阀92-94的位置作为使用极值搜索控制控制技术进行优化的变量。空气处理单元控制器44可以确定和/或设置风门60-64的位置以达到阀92-94的最佳或目标位置。阀92-94的最佳或目标位置可以是对应于暖通空调系统20为了达到设定点供应空气温度所使用的最小机械加热或冷却量(例如,通过阀92-94的最小流体流量)的位置。
仍然参考图2,暖通空调系统20被示出为包括监督控制器42和客户端设备46。监督控制器42可以包括一个或多个计算机系统(例如,服务器,BAS控制器等),用作暖通空调系统20的企业层面控制器、应用程序或数据服务器、头节点、主控制器或现场控制器。监督控制器42可以根据相同或不同的协议(例如,LON、BACnet等)经由通信链路50与多个下游建筑系统或子系统(例如,暖通空调系统、安全系统等)通信。
在一些实施例中,空气处理单元控制器44从监督控制器42接收信息(例如,命令、设定点、操作边界等)。例如,监督控制器42可以向空气处理单元控制器44提供风扇速度上限和风扇速度下限。下限可以避免频繁的部件和功率繁重的风扇的启动,而上限可以避免在风扇系统的机械极限或热学极限附近运行。在各种实施例中,空气处理单元控制器44和监督控制器42可以是单独的(如图2所示)或整合的。在整合的实施方式中,空气处理单元控制器44可以是被配置为由监督控制器42的处理器执行的软件模块。
客户端设备46可以包括用于控制、查看或以其他方式与暖通空调系统20、其子系统和/或设备交互的一个或多个人机界面或客户端界面(例如,图形用户界面、报告界面、基于文本的计算机界面、面向客户端的web服务、向web客户端提供页面的web服务器等)。客户端设备46可以是计算机工作站、客户终端、远程或本地接口,或任何其他类型的用户界面设备。客户端设备46可以是固定式终端或移动设备。例如,客户端设备46可以是台式计算机、具有用户界面的计算机服务器、膝上型计算机、平板电脑、智能手机、PDA或任何其他类型的移动或非移动设备。
具有周期抖动信号的极值搜索控制系统
现在参考图3,示出了根据一些实施例的具有周期抖动信号的极值搜索控制(ESC)系统300的框图。极值搜索控制系统300被示出为包括极值搜索控制器302和设施304。设施从控制理论来说是过程与一个或多个机械控制输出的组合。例如,设施304可以是空气处理单元,该空气处理单元被配置为经由一个或多个机械控制的致动器和/或风门来控制建筑空间内的温度。在各种实施例中,设施304可以包括冷水机操作过程、风门调节过程、机械冷却过程、通风过程、制冷过程或其中对设施304的输入变量(即,操纵变量u)进行调节以影响来自设施304的输出(即,性能变量y)的任何其它过程。
极值搜索控制器302使用极值搜索控制逻辑来调整操纵变量u。例如,控制器302可以使用周期性(例如,正弦)干扰信号或抖动信号来干扰操纵变量u的值,以便提取性能梯度ρ。可以通过向性能变量u的直流值添加能够由反馈控制环确定的周期性振荡来干扰操纵变量u。性能梯度ρ表示性能变量y相对于操纵变量u的梯度或斜率。控制器302使用极值搜索控制逻辑来确定操纵变量u的值,该值使性能梯度ρ趋向于零。
控制器302可以基于经由输入接口310从设施304接收作为反馈的性能变量y的测量值或其他指示来确定操纵变量u的直流值。来自设施304的测量值可以包括但不限于从传感器接收的关于设施304的状态的信息或发送到系统中的其他设备的控制信号。在一些实施例中,性能变量y是阀92-94中的一个的测量或观察位置。在其他实施例中,性能变量y是测量或计算的功耗量、风扇速度、风门位置、温度或可由设施304测量或计算的任何其它变量。性能变量y可以是极值搜索控制器302通过极值搜索控制技术寻求优化的变量。性能变量y可以由设施304输出或在设施304处观察(例如,经由传感器)并且在输入接口310处提供给极值搜索控制器。
输入接口310将性能变量y提供给性能梯度探测器312以检测性能梯度314。性能梯度314可以指示函数y=f(u)的斜率,其中y表示从设施304接收的性能变量,u表示提供给设施304的操纵变量。当性能梯度314为零时,性能变量y具有极值(例如,最大值或最小值)。因此,极值搜索控制器302可以通过使性能梯度314趋向于零来优化性能变量y的值。
操纵变量更新器316基于性能梯度314产生更新的操纵变量u。在一些实施例中,操纵变量更新器316包括使性能梯度314趋向于零的积分器。操纵变量更新器316然后经由输出接口318将更新的操纵变量u提供给设施304。在一些实施例中,经由输出接口318将操纵变量u作为控制信号提供给风门60-64(图2)中的一个或影响风门60-64的致动器。设施304可以使用操纵变量u作为设定点来调节风门60-64的位置,从而控制被提供给温度控制空间的室外空气80和再循环空气83的相对比例。
现在参考图4,示出了根据一些实施例的具有周期抖动信号的另一个极值搜索控制系统400的框图。极值搜索控制系统400被示出为包括设施404和极值搜索控制器402。控制器402使用极值搜索控制策略来优化作为输出从设备404接收的性能变量y。优化性能变量y可以包括最小化y,最大化y,控制y以达到设定点,或以其他方式调整性能变量y的值。
设施404可以与设施304相同或与设施304类似,如参考图3所述。例如,设施404可以是过程与一个或多个机械控制输出的组合。在一些实施例中,设施404是空气处理单元,该空气处理单元被配置为经由一个或多个机械控制的致动器和/或风门来控制建筑空间内的温度。在其他实施例中,设施404可以包括冷水机操作过程、风门调节过程、机械冷却过程、通风过程或基于一个或多个控制输入生成输出的任何其它过程。
设施404可以以数学方式表示为输入动态特征422、性能图424、输出动态特征426和干扰d的组合。在一些实施例中,输入动态特征422是线性的非时变(LTI)输入动态特征,并且输出动态特征426是线性的非时变输出动态特征。性能图424可以是静态非线性性能图。干扰d可以包括过程噪声、测量噪声或两者的组合。虽然图4中示出了设施404的组件,但是应当注意,为了应用极值搜索控制不一定要知道设施404的实际数学模型。
设施404经由输出接口430从极值搜索控制器402接收控制输入u(例如,控制信号、操纵变量等)。输入动态特征422可以使用控制输入u以基于控制输入来生成函数信号x(例如,x=f(u))。函数信号x可以被传递到性能图424,该性能图424根据函数信号生成输出信号z(即,z=f(x))。输出信号z可以经过输出动态特征426以产生信号z',该信号z'由干扰d修正以产生性能变量y(例如,y=z'+d)。性能变量y作为来自设施404的输出提供,并在极值搜索控制器402处接收。极值搜索控制器402可以搜索以寻找x和/或u的值,所述x和/或u的值对性能图424的输出z和/或性能变量y予以优化。
仍然参考图4,极值搜索控制器402被示出为经由输入接口432接收性能变量y,并向控制器402内的控制环路405提供性能变量y。控制环路405被图示为包括高通滤波器406、解调元件408、低通滤波器410、积分器反馈控制器412和抖动信号元件414。控制环路405可以被配置为使用抖动解调技术从性能变量y提取性能梯度ρ。积分器反馈控制器412分析性能梯度ρ并调节设施输入(即,变量w)的直流值以使性能梯度ρ趋向于零。
抖动解调技术的第一步由抖动信号发生器416和抖动信号元件414执行。抖动信号发生器416产生通常是正弦信号的周期抖动信号v。抖动信号元件414接收来自抖动信号发生器416的抖动信号v和来自控制器412的设施输入w的直流值。抖动信号元件414将抖动信号v与设施输入w的直流值相结合,以产生提供给设施404的干扰的控制输入u(例如,u=w+v)。干扰的控制输入u被提供给设施404并由设施404使用以产生如前所述的性能变量y。
抖动解调技术的第二步由高通滤波器406、解调元件408和低通滤波器410执行。高通滤波器406对性能变量y进行滤波,并将滤波后的输出提供给解调单元408。解调元件408通过将滤波后的输出乘以施加过相移418的抖动信号v来解调高通滤波器406的输出。该乘法结果的直流值与性能变量y相对于控制输入u的性能梯度ρ成比例。解调元件408的输出被提供给低通滤波器410,所述低通滤波器410提取性能梯度ρ(即解调的输出的直流值)。然后将性能梯度ρ的估计提供给积分器反馈控制器412,所述积分器反馈控制器412通过调节设施输入u的直流值w使性能梯度估计ρ趋向于零。
仍然参考图4,极值搜索控制器402被示出为包括放大器420。可能希望放大抖动信号v,使得抖动信号v的幅度足够大到使抖动信号v在设施输出y中是明显的。抖动信号v的大幅值可以导致控制输入u的大的变化,即使当控制输入u的直流值w保持恒定时也是如此。图6A-6B中示出了说明具有由周期抖动信号v引起的周期性振荡的控制输入u和性能变量y的曲线图(下面更详细地描述)。由于抖动信号v的周期性质,设施输入u的大的变化(即由抖动信号v引起的振荡)对于设施操作者通常是能引起注意的。
另外,可能需要仔细选择抖动信号v的频率以确保极值搜索控制策略是有效的。例如,可能希望基于设施304的固有频率ωn来选择抖动信号频率ωv,以增强抖动信号v对性能变量y的影响。在不了解设施404的动态特征的情况下正确选择抖动频率ωv可能是困难且具有挑战性的。由于这些原因,使用周期抖动信号v是传统极值搜索控制的缺点之一。
在极值搜索控制系统400中,高通滤波器406的输出可以表示为性能变量y的值与性能变量y的期望值之差,如下式所示:
高通滤波器输出:y-E[y]
其中变量E[y]是性能变量y的期望值。由解调元件408执行的互相关的结果(即,解调元件408的输出)可以表示为高通滤波器输出和相移的抖动信号的积,如下式所示:
互相关的结果:(y-E[y])(v-E[v])
其中变量E[v]是抖动信号v的期望值。低通滤波器410的输出可以表示为抖动信号v和性能变量y的协方差,如下式所示:
低通滤波器输出:E[(y-E[y])(v-E[u])]≡Cov(v,y)
其中变量E[u]是控制输入u的期望值。
上述等式示出了极值搜索控制系统400产生抖动信号v和设施输出(即,性能变量y)之间的协方差Cov(v,y)的估计。协方差Cov(v,y)可以在极值搜索控制系统400中用作性能梯度ρ的代表。例如,协方差Cov(v,y)可以由高通滤波器406、解调元件408和低通滤波器410计算出,并作为反馈输入提供给积分器反馈控制器412。积分器反馈控制器412可以作为反馈控制回路的一部分来调节设施输入u的直流值w以使协方差Cov(v,y)最小化。
具有随机激励信号的极值搜索控制系统
现在参考图5,示出了根据一些实施例的具有随机激励信号的极值搜索控制系统500的框图。极值搜索控制系统500被示出为包括设施504和极值搜索控制器502。控制器502被示出为经由输入接口526从设施504接收性能变量y作为反馈,并且经由输出接口524将控制输入u提供到设施504。如参照图3-4所述,控制器502可以以类似于控制器302和402的方式操作。例如,控制器502可以使用极值搜索控制(ESC)策略来优化从设施504作为输出接收的性能变量y。然而,控制器502不是用周期抖动信号干扰控制输入u,而是可以用随机激励信号q干扰控制输入u。控制器502可以调节控制输入u以使性能变量y的梯度趋向于零。以这种方式,控制器502识别控制输入u的一些值,这些值使性能变量y达到最佳值(例如,最大值或最小值)。
在一些实施例中,由控制器502实施的极值搜索控制逻辑基于接收到的控制信号(例如,设定点、操作模式信号等)产生控制输入u的值。可以从用户控制(例如,恒温器、本地用户接口等)、客户端设备536(例如,计算机终端、移动用户设备、蜂窝电话、笔记本电脑、平板电脑、台式电脑等)、监督控制器532或任何其他外部系统或设备接收控制信号。在各种实施例中,控制器502可以直接地(例如,使用近场通信、蓝牙、WiFiDdirect、电缆等)或使用有线或无线电子数据通信通过通信网络534(例如,BACnet网络、LonWorks网络、局域网、广域网、因特网、蜂窝网络等)与外部系统和设备通信。
设施504可以类似于设施404,如参照图4所述。例如,设施504可以是过程和一个或多个机械控制输出的组合。在一些实施例中,设施504是空气处理单元,该空气处理单元被配置为经由一个或多个机械控制的致动器和/或风门来控制建筑空间内的温度。在其他实施例中,设施404可以包括冷水机操作过程、风门调节过程、机械冷却过程、通风过程或基于一个或多个控制输入生成输出的任何其它过程。
设施504可以以数学方式表示为与动态组件串联的静态非线性。例如,设施504被图示为包括与恒定增益块518和传递函数块520串联的静态非线性函数块516。虽然图5中示出了设施504的组件,但是应当注意,为了应用极值搜索控制,不一定要知道设施504的实际数学模型。设施504经由输出接口524从极值搜索控制器502接收控制输入u(例如,控制信号、操纵变量等)。非线性功能块516可以使用控制输入u以基于控制输入来生成函数信号x(例如,x=f(u))。函数信号x可以被传递到恒定增益块518,该恒定增益块518将函数信号x乘以恒定增益K以产生输出信号z(即,z=Kx)。输出信号z可以经过传递函数块520以产生信号z',该信号z'由干扰d修正以产生性能变量y(例如,y=z'+d)。干扰d可以包括过程噪声、测量噪声或两者的组合。性能变量y作为输出从设施504提供,并在极值搜索控制器502处接收。
仍然参考图5,示出了控制器502包括通信接口530、输入接口526和输出接口524。接口530和524-526可以包括任何数量的插孔、线端子、线端口、无线天线或用于传送信息和/或控制信号的其他通信接口。接口530和524-526可以是相同类型的设备或不同类型的设备。例如,输入接口526可以被配置为从设施504接收模拟反馈信号(例如,输出变量、测量信号、传感器输出、控制变量)而通信接口530可以被配置为经由网络534从监督控制器532接收数字设定点信号。输出接口524可以是被配置为向设施504提供数字控制信号(例如,操纵变量、控制输入)的数字输出(例如,光学数字接口)。在其他实施例中,输出接口524被配置为提供模拟输出信号。
在一些实施例中,接口530和524-526可以被合并成一个或两个接口而不是三个单独的接口。例如,通信接口530和输入接口526可以被组合为一个以太网接口,该以太网接口被配置为从监督控制器532接收网络通信。在一些实施例中,监督控制器532经由以太网(例如,网络534)提供设定点和反馈。在这样的实施例中,输出接口524可以专用于设施504的受控部件。在其他实施例中,输出接口524可以是用于传达数据或控制信号的另一标准化通信接口。接口530和524-526可以包括通信电子设备(例如,接收机、发射机、收发机、调制器、解调器、滤波器、通信处理器、通信逻辑模块、缓冲器、解码器、编码器、加密器、放大器等),其被配置为提供或促进本文所描述的信号的通信。
仍然参考图5,控制器502被示出为包括具有处理器540和存储器542的处理电路538。处理器540可以是通用或专用处理器、专用集成电路(ASIC)、一个或多个现场可编程门阵列(FPGA)、一组处理器件或其他合适的处理器件。处理器540被配置成执行存储器542中存储的或者从其他计算机可读介质(例如,CDROM、网络存储器、远程服务器等)接收的计算机代码或指令。
存储器542可以包括一个或多个装置(例如,存储单元、存储装置、存储器装置等),用于存储用于完成和/或促成本公开中描述的多个过程的数据和/或计算机代码。存储器542可以包括随机存取存储器(RAM),只读存储器(ROM),硬盘驱动器存储器,临时存储器,非易失性存储器,闪存,光学存储器,或用于存储软件对象和/或计算机指令的任何其它合适的存储器。存储器542可以包括数据库组件,对象代码组件,脚本组件,或用于支持本公开中描述的各种活动和信息结构的任何其它类型的信息结构。存储器542可以经由处理电路538可通信地连接至处理器540,并且可以包括用于(例如,由处理器540)执行本文描述的一个或多个过程的计算机代码。
仍然参考图5,极值搜索控制器502被示出为经由输入接口526接收性能变量y,并向控制器502内的控制环路505提供性能变量y。控制环路505被示出为包括递归梯度估计器506、反馈控制器508和激励信号元件510。控制环路505可以被配置为确定性能变量y相对于控制输入u的梯度
Figure GDA0002710369710000191
,并且调整控制输入u(即,变量w)的直流值以使梯度
Figure GDA0002710369710000192
趋向于零。
递归梯度估计
递归梯度估计器506可以被配置为估计性能变量y相对于控制输入u的梯度
Figure GDA0002710369710000193
。梯度
Figure GDA0002710369710000194
可以类似于在极值搜索控制系统400中确定的性能梯度ρ。然而,极值搜索控制系统500和极值搜索控制系统400之间的主要差异是获得梯度
Figure GDA0002710369710000195
的方式。在极值搜索控制系统400中,通过参照图4描述的抖动解调技术(其类似于协方差估计)获得性能梯度ρ。相反,通过执行递归回归技术来估计性能变量y相对于控制输入u的斜率来获得极值搜索控制系统500中的梯度
Figure GDA0002710369710000196
。递归估计技术可以由递归梯度估计器506来执行。
递归梯度估计器506可以使用各种递归估计技术中的任何一种来估计梯度
Figure GDA0002710369710000197
。例如,递归梯度估计器506可以使用递归最小二乘法(RLS)估计技术来生成梯度
Figure GDA0002710369710000198
的估计。在一些实施例中,递归梯度估计器506使用指数遗忘作为递归最小二乘法估计技术的一部分。指数遗忘相比批处理减少了所需的数据存储量。指数遗忘也允许递归最小二乘法估计技术对最近的数据保持更多的敏感性,从而更好地对偏移的最优点作出响应。下面详细描述能够执行递归梯度估计器506的递归最小二乘法估计技术的示例。
递归梯度估计器506被图示为接收来自设施504的性能变量y和来自激励信号元件510的控制输入u。在一些实施例中,递归梯度估计器506在一段时间内接收性能变量y和控制输入u的多个采样或测量值。递归梯度估计器506可以使用时间k处的控制输入u的采样来构造输入向量xk,如下面的等式所示:
Figure GDA0002710369710000201
其中uk是时间k处的控制输入u的值。类似地,递归梯度估计器506可以构造参数向量
Figure GDA0002710369710000202
如下式所示:
Figure GDA0002710369710000203
其中参数
Figure GDA00027103697100002011
是在时间k的梯度
Figure GDA00027103697100002012
的估计。
递归梯度估计器506可以使用以下线性模型估计在时间k处的性能变量
Figure GDA0002710369710000204
Figure GDA0002710369710000205
该模型的预测误差是时间k处的性能变量的实际值yk与时间k处的性能变量的估计值
Figure GDA00027103697100002013
之间的差值,如下式所示:
Figure GDA0002710369710000206
递归梯度估计器506可以使用递归最小二乘法技术中的估计误差ek来确定参数值
Figure GDA00027103697100002014
。在各种实施方式中可以使用各种递归最小二乘法技术中的任何一种。可以由递归梯度估计器506执行的递归最小二乘法技术的示例如下:
Figure GDA0002710369710000207
Figure GDA0002710369710000208
Figure GDA0002710369710000209
其中gk是增益向量,Pk是协方差矩阵,λ是遗忘因子(λ<1)。在一些实施例中,遗忘因子λ定义如下:
Figure GDA00027103697100002010
其中Δt是采样周期,τ是遗忘时间常数。
递归梯度估计器506可以使用gk的方程,以基于在时间k-1的协方差矩阵Pk-1的先前值、在时间k的输入向量
Figure GDA0002710369710000212
的值和遗忘因子来计算时间k处的增益向量gk。递归梯度估计器506可以使用Pk的方程,以基于遗忘因子λ、时间k处的增益向量gk的值和时间k处的输入向量
Figure GDA0002710369710000213
的值来计算在时间k的协方差矩阵Pk。递归梯度估计器506可以使用
Figure GDA0002710369710000214
的等式基于时间k处的误差ek和时间k处的增益向量gk计算时间k处的参数向量
Figure GDA0002710369710000215
。一旦计算出参数向量
Figure GDA0002710369710000216
,递归梯度估计器506可以通过从
Figure GDA0002710369710000217
中提取
Figure GDA0002710369710000218
参数的值来确定梯度
Figure GDA0002710369710000219
的值,如以下等式所示:
Figure GDA0002710369710000211
在各种实施例中,递归梯度估计器506可以使用各种其他递归估计技术中的任何一种来估计
Figure GDA00027103697100002110
。例如,递归梯度估计器506可以使用卡尔曼滤波器、归一化梯度技术、非归一化梯度自适应技术、递归贝叶斯估计技术或各种线性或非线性滤波器中的任何一种以估计
Figure GDA00027103697100002111
。在其他实施例中,递归梯度估计器506可以使用批量估计技术而不是递归估计技术。因此,梯度估计器506可以是批量梯度估计器而不是递归梯度估计器。在批量估计技术中,梯度估计器506可以使用用于控制输入u和性能变量y的一批先前值(例如,先前值或历史值的向量或集合)作为批量回归算法的输入。合适的回归算法可以包括例如普通最小二乘回归、多项式回归、偏最小二乘回归、岭回归、主成分回归或各种线性或非线性回归技术中的任何一种。
在一些实施例中,由于由递归估计技术提供的若干优点,递归梯度估计器506希望使用递归估计技术而不是批量估计技术。例如,上述递归估计技术(即,具有指数遗忘的递归最小二乘法)已经显示出相比批量最小二乘法大大提高的梯度估计技术的性能。除了比批处理需要更少的数据存储之外,具有指数遗忘的递归最小二乘法估计技术可以对最近的数据保持更多的敏感性,并且因此对于偏移的最优点更具响应性。
在一些实施例中,递归梯度估计器506使用控制输入u和性能变量y之间的协方差估计梯度
Figure GDA0002710369710000224
。例如,最小二乘方法中斜率
Figure GDA0002710369710000225
的估计可以定义为:
Figure GDA0002710369710000221
其中Cov(u,y)是控制输入u和性能变量y之间的协方差,Var(u)是控制输入u的方差。递归梯度估计器506可以使用先前的等式计算估计的斜率
Figure GDA0002710369710000226
,并使用估计的斜率
Figure GDA0002710369710000227
作为梯度
Figure GDA0002710369710000228
的代表。值得注意的是,估计的斜率
Figure GDA0002710369710000229
仅是控制输入u和性能变量y的函数。这与参考图4描述的协方差推导技术不同,在图4描述的技术中,估计的性能梯度ρ是抖动信号v和性能变量y之间的协方差的函数。通过用控制输入u代替抖动信号v,控制器502可以在不知道抖动信号v(图4所示)或激励信号q(图5所示)的情况下生成斜率
Figure GDA00027103697100002210
的估计。
在一些实施例中,递归梯度估计器506使用高次模型(例如,二次模型、三次模型等)而不是线性模型来估计性能变量
Figure GDA00027103697100002211
。例如,递归梯度估计器506可以使用以下二次模型估计时间k处的性能变量
Figure GDA00027103697100002212
Figure GDA0002710369710000222
可以通过更新输入向量xk和参数向量
Figure GDA00027103697100002213
Figure GDA00027103697100002214
而写成的形式,如下所示:
Figure GDA0002710369710000223
递归梯度估计器506可以使用二次模型将二次曲线(而不是直线)拟合到由不同时间k处的控制输入u和性能变量y的组合定义的数据点。二次模型提供线性模型所无法提供的二次信息,并且可以用于改善反馈控制器508的收敛。例如,使用线性模型、递归梯度估计器506可以计算沿着曲线在特定位置处(即,对于控制输入w的特定值)的梯度
Figure GDA0002710369710000231
,并且可以提供梯度
Figure GDA0002710369710000232
作为反馈信号。对于使用线性模型来估计
Figure GDA0002710369710000233
的实施例,梯度
Figure GDA0002710369710000234
(即,线性模型相对于u的导数)是标量值。当控制器508接收梯度
Figure GDA0002710369710000235
的标量值作为反馈信号时,控制器508可以在使梯度
Figure GDA0002710369710000236
趋向于零的方向上渐增地调整控制输入u的值,直到达到控制输入u的最佳值(即,导致梯度
Figure GDA0002710369710000237
的控制输入u的值)。
使用二次模型,递归梯度估计器506可以向反馈控制器508提供梯度
Figure GDA0002710369710000238
的函数,而不是简单的标量值。对于使用二次模型估计
Figure GDA0002710369710000239
的实施例,梯度
Figure GDA00027103697100002310
(即二次模型相对于u的导数)是控制输入u的线性函数(例如,
Figure GDA00027103697100002311
)。当控制器508接收梯度
Figure GDA00027103697100002312
的线性函数作为反馈信号时,控制器508可以分析地计算控制输入u的最佳值,该最佳值将导致梯度
Figure GDA00027103697100002313
(例如,
Figure GDA00027103697100002314
)。因此,控制器508可以使用快速接近最佳值的智能步骤来调整控制输入u,而不依赖于增量调整和实验来确定梯度
Figure GDA00027103697100002315
是否朝向零移动。
随机激励信号
仍然参考图5,极值搜索控制器502被示出为包括随机信号发生器512和积分器514。为了可靠地估计梯度
Figure GDA00027103697100002316
,可能需要在控制输入u中提供足够的变化,从而使得该变化被传到性能变量y。控制器502可以使用随机信号发生器512和积分器514来产生持续的激励信号q。激励信号q可以被添加到激励信号元件510处的控制输入u的直流值w,以形成控制输入u(例如,u=w+q)。
随机信号发生器512可以被配置为产生随机信号。在各种实施例中,随机信号可以是杂乱信号(例如,随机游走信号、白噪声信号等)、非周期性信号、不可预测信号、干扰信号或任何其他类型的非确定性或非重复信号。在一些实施例中,随机信号具有非零均值。随机信号可以由积分器514积分以产生激励信号q。
激励信号q可以提供对由递归梯度估计器506执行的梯度估计技术足够的控制输入u的变化。在某些情况下,激励信号q的添加使得控制输入u漂移离开其最佳值。然而,反馈控制器508可以通过调节直流值w来补偿这样的漂移,使得控制输入u被连续地朝向其最佳值被拉回。与传统的极值搜索控制一样,可以(例如,由用户手动或由控制器502自动地)选择激励信号q的大小来克服在性能变量y中发现的任何加性噪声(例如,过程噪声,测量噪声等)。
由极值搜索控制器502产生的随机激励信号q相比由控制器402产生的周期抖动信号v具有若干优点。例如,随机激励信号q比传统的周期抖动信号v更不易察觉。因此,随机激励信号q对控制输入u的影响相比由传统的周期抖动信号v引起的周期性振荡不那么明显。图7A-7B示出了由随机激励信号q激励的控制输入u和作为结果的性能变量y的曲线图(下面将更详细地描述)。
随机激励信号q的另一个优点是调谐控制器502变得更简单,因为抖动频率不再是必需的参数。因此,当生成随机激励信号q时,控制器502不需要知道或估计设施504的固有频率。在一些实施例中,极值搜索控制器502向设施504提供多个控制输入u。每个控制输入可以由单独的随机激励信号q激励。由于每个随机激励信号q是随机的,所以不需要确保这些随机激励信号q彼此不相关。控制器502可以计算性能变量y相对于每个控制输入u的梯度
Figure GDA0002710369710000241
,而不执行频率特定的抖动解调技术。
相关系数
传统极值搜索控制的问题之一是性能梯度
Figure GDA0002710369710000251
是性能变量y的范围或标度的函数。性能变量y的范围或标度可以取决于设施504的静态和动态组件。例如,设施504被示出为包括与恒定增益K(即恒定增益块518)串联的非线性函数f(u)(即函数块516)。从该图示可以看出,性能变量y的范围或标度是恒定增益K的函数。
由于非线性函数f(u)提供的非线性,性能梯度
Figure GDA0002710369710000252
的值可根据控制输入u的值而变化。然而,性能梯度
Figure GDA0002710369710000253
的标度也取决于恒定增益K的值。例如,性能梯度
Figure GDA0002710369710000254
可以使用以下公式确定:
Figure GDA0002710369710000255
其中K是恒定增益,f'(u)是函数f(u)的导数。为了提供一致的反馈控制环路性能,可能希望将性能梯度
Figure GDA0002710369710000256
(例如,通过乘以缩放参数k)进行定标或归一化。然而,在不知道性能变量y的标度的情况下(例如,不知道由设施504施加的恒定增益K),确定定标参数k的适当值可能是困难的。
仍然参考图5,极值搜索控制器502被示出为包括相关系数估计器528。相关系数估计器528可以被配置为产生相关系数ρ并将相关系数ρ提供给反馈控制器508。相关系数ρ可以与性能梯度
Figure GDA0002710369710000257
相关(例如,与
Figure GDA0002710369710000258
成比例),但是基于性能变量y的范围进行定标。例如,相关系数ρ可以是性能梯度
Figure GDA0002710369710000259
的归一化测量(例如,定标到范围0≤ρ≤1)。
相关系数估计器528被图示为接收控制输入u和性能变量y作为输入。相关系数估计器528可以基于控制输入u和性能变量y的方差和协方差产生相关系数ρ,如下式所示:
Figure GDA0002710369710000261
其中Cov(u,y)是控制输入u和性能变量y之间的协方差,Var(u)是控制输入u的方差,Var(y)是性能变量y的方差。可以按照控制输入u的标准偏差σu和性能变量y的标准偏差σy重写上述方程,如下:
Figure GDA0002710369710000262
其中
Figure GDA0002710369710000263
Figure GDA0002710369710000264
在一些实施例中,相关系数估计器528使用递归估计技术来估计相关系数ρ。例如,相关系数估计器528可以使用以下等式计算控制输入u和性能变量y的指数加权移动平均值(EWMA):
Figure GDA0002710369710000265
Figure GDA0002710369710000266
其中
Figure GDA00027103697100002610
Figure GDA00027103697100002611
是在时间k处的控制输入u和性能变量y的EWMA,
Figure GDA00027103697100002612
Figure GDA00027103697100002613
是时间k-1处的控制输入u和的性能变量y的先前EWMA,uk、yk是时间k处的控制输入u和性能变量y的当前值,k是每个变量已经收集的样本的总数,W是遗忘窗口的持续时间。
类似地,相关系数估计器528可以使用以下等式计算控制输入方差Var(u)、性能变量方差Var(y)和协方差Cov(u,y)的EWMA:
Figure GDA0002710369710000267
Figure GDA0002710369710000268
Figure GDA0002710369710000269
其中Vu,k,Vy,k,ck是在时间k处的控制输入方差Var(u)、性能变量方差Var(y)和协方差Cov(u,y)的EWMA。Vu,k-1,Vy,k-1,ck-1是在时间k-1处的控制输入方差Var(u)、性能变量方差Var(y)和协方差Cov(u,y)的EWMA。相关系数估计器528可以使用以下等式基于这些递归估计来生成相关系数ρ的估计:
Figure GDA0002710369710000271
在一些实施例中,相关系数估计器528基于估计的斜率
Figure GDA0002710369710000276
生成相关系数ρ。如前所述,可以使用以下等式计算估计斜率
Figure GDA0002710369710000277
Figure GDA0002710369710000272
其中Cov(u,y)是控制输入u和性能变量y之间的协方差,Var(u)是控制输入u的方差(即,
Figure GDA0002710369710000278
)。相关系数估计器528可以使用以下等式从斜率
Figure GDA0002710369710000279
计算相关系数ρ:
Figure GDA0002710369710000273
从上述等式可以看出,当标准偏差σu和σy相等时(当σu=σy时),相关系数ρ和估计斜率
Figure GDA00027103697100002711
相等。
相关系数估计器528可以从递归梯度估计器506接收估计斜率
Figure GDA00027103697100002712
,或者使用控制输入u和性能变量y的一组值来计算估计斜率
Figure GDA00027103697100002713
。例如,假设u和y中具有有限方差,相关系数估计器528可以使用以下最小二乘估计来估计斜率
Figure GDA00027103697100002714
Figure GDA0002710369710000274
对于小范围的控制输入u,估计斜率
Figure GDA00027103697100002715
可用作性能梯度的代表,如下式所示:
Figure GDA0002710369710000275
如上述方程所示,估计斜率
Figure GDA0002710369710000282
包含可能未知的恒定增益K。然而,由标准偏差σu和σy提供的归一化消除了恒定增益K的影响。例如,性能变量y的标准偏差σy与控制输入u的标准偏差σu相关,如下式所示:
σy=Kσu
Figure GDA0002710369710000281
将估计斜率
Figure GDA0002710369710000283
乘以比率
Figure GDA0002710369710000284
以计算相关系数ρ等同于除以恒定增益K。相关系数ρ和估计斜率
Figure GDA0002710369710000285
都表示控制输入u与性能变量y之间关系的强度。然而,相关系数ρ具有被归一化的优点,这使得调谐反馈控制环路变得简单得多。
在一些实施例中,反馈控制器508使用相关系数ρ,而不是性能梯度
Figure GDA0002710369710000288
。例如,反馈控制器508可以调节控制输入u的直流值w以使相关系数ρ趋向于零。使用相关系数ρ而不是性能梯度
Figure GDA0002710369710000286
的一个优点是反馈控制器508使用的调谐参数可以是调谐参数的广义集,不需要根据性能变量y的标度来定制或调节调谐参数的广义集。该优点省去了对反馈控制器508执行控制环路特定的调谐的需要,并允许反馈控制器508使用调谐参数的广义集,所述调谐参数的广义集可应用于许多不同控制环路和/或设施。
示例曲线图
现在参考图6A-7B,示出了根据一些实施例的比较极值搜索控制器402和极值搜索控制器502的性能的几个曲线图600-750。控制器402和502用于控制具有最优控制输入值u=2和最佳性能变量y=-10的动态系统。两个控制器402和502以u=4的值启动,并且允许使用参照图4-5描述的极值搜索控制技术来调节控制输入u的值。控制器402使用周期抖动信号v,而控制器502使用随机激励信号q。
特别参见图6A-6B,曲线图600和650示出了如参照图4所述的极值搜索控制器402的性能。控制器402使用周期抖动信号v来干扰控制输入u。曲线图600示出了在各种采样时间的控制输入u的值,而曲线图650示出了性能变量y的相应值。控制输入u以u=4的值开始,并使用周期(即正弦)抖动信号v干扰控制输入u。由周期抖动信号v引起的振荡干扰在控制输入u和性能变量y中都可见。
特别参见图7A-7B,曲线图700和750示出了如参照图5所述的极限搜索控制器502的性能。控制器502使用随机激励信号q来干扰控制输入u。曲线图700示出了在各种采样时间的控制输入u的值,而曲线图750示出了性能变量y的相应值。控制输入u以u=4的值开始,并使用随机激励信号q进行干扰。随机激励信号q对控制输入u施加随机游走。然而,由于随机激励信号q是非周期性且事实上具有小振幅,所以在曲线图700和750中几乎不能辨别由随机激励信号q引起的干扰。另外,曲线图700中的控制输入u比曲线图600中的控制输入更快地达到最佳值。
极值寻找控制技术
现在参考图8,示出了根据一些实施例的说明极值搜索控制(ESC)技术的流程图800。流程图800所示的极值搜索控制技术可以由反馈控制器(例如,控制器502)的一个或多个组件来执行,以监测和控制设施(例如,设施504)。例如,控制器502可以使用极值搜索控制技术以通过用随机激励信号q干扰控制输入u来确定提供给设施504的控制输入u的最佳值。
流程图800被示出为包括向设施提供控制输入u(框802)并且接收作为来自设施的反馈的性能变量y(框804)。控制输入u可以由设施的极值搜索控制器和/或反馈控制器提供。控制器可以是先前描述的任何控制器(例如,控制器302、控制器402、控制器502等)或向设施提供控制输入u的任何其他类型的控制器。在一些实施例中,控制器是被配置成通过调节控制输入u来达到性能变量y的最优值的极值搜索控制器。最佳值可以是性能变量y的极值(例如,最大值或最小值)。
设施在控制理论中是过程和一个或多个机械控制输出的组合。设施可以是先前描述的任何设施(例如,设施304、设施404、设施504等)或任何其它可控系统或过程。例如,设施可以是空气处理单元,该空气处理单元被配置为经由一个或多个机械控制的致动器和/或风门来控制建筑空间内的温度。在各种实施例中,设施可以包括冷水机操作过程、风门调节过程、机械冷却过程、通风过程、制冷过程或其中设施的控制输入u被调节以影响性能变量y的任何其它过程。性能变量y可以是由设施的一个或多个传感器观察到的测量变量(例如,测量的温度、测量的功耗、测量的流量等)、基于测量或观测值的计算变量(例如,计算效率、计算功耗、计算成本等)或指示设施响应于控制输入u的性能的任何其他类型的变量。
流程图800被示出为包括估计性能变量y相对于控制输入u的梯度(框806)。在一些实施例中,梯度是参考图4描述的性能梯度ρ。在其他实施例中,梯度可以是参考图5描述的性能梯度
Figure GDA0002710369710000303
或估计斜率
Figure GDA0002710369710000304
。例如,梯度可以是沿着由函数y=f(u)定义的曲线在特定位置(例如,在u的特定值)处的斜率或导数。可以使用控制输入u和性能变量y的一对或多对值来估计梯度。
在一些实施例中,通过执行递归梯度估计技术来估计梯度。递归梯度估计技术可以包括:获得作为控制输入u的函数的性能变量y的模型。例如,可以使用以下线性模型估计梯度:
Figure GDA0002710369710000305
其中xk是输入向量,
Figure GDA0002710369710000306
是参数向量。输入向量xk和参数向量
Figure GDA0002710369710000307
可以定义如下:
Figure GDA0002710369710000301
其中uk是时间k处的控制输入u的值,参数
Figure GDA0002710369710000308
是在时间k处的梯度
Figure GDA0002710369710000309
的估计。
该模型的预测误差是时间k的性能变量yk的实际值与时间k的性能变量yk的估计值之间的差值,如下式所示:
Figure GDA0002710369710000302
可以在递归梯度估计技术中使用估计误差ek来确定参数值
Figure GDA00027103697100003010
。可以使用各种回归技术中的任何一种来估计参数向量
Figure GDA00027103697100003011
的值。
在一些实施例中,可以使用高次模型(例如,二次模型、三次模型等)而不是线性模型来估计梯度。例如,以下二次模型可用于估计沿着由模型定义的曲线在特定位置的梯度
Figure GDA0002710369710000316
Figure GDA0002710369710000311
在一些实施例中,使用具有指数遗忘的递归最小二乘法(RLS)估计技术来估计梯度。在各种实施方式中可以使用各种递归最小二乘法技术中的任何一种。可以被执行以估计梯度的递归最小二乘法技术的示例在以下等式中示出,该等式可以被求解以确定参数向量
Figure GDA0002710369710000317
的值,
Figure GDA0002710369710000312
Figure GDA0002710369710000313
Figure GDA0002710369710000314
其中gk是增益向量,Pk是协方差矩阵,λ是遗忘因子(λ<1)。在一些实施例中,遗忘因子λ定义如下:
Figure GDA0002710369710000315
其中Δt是采样周期,τ是遗忘时间常数。一旦计算出参数向量
Figure GDA00027103697100003110
,就可以通过从
Figure GDA0002710369710000318
提取
Figure GDA0002710369710000319
参数的值来估计梯度。
在各种实施例中,可以使用各种其他递归估计技术中的任一种来估计梯度。例如,可以使用卡尔曼滤波器、归一化梯度技术、非归一化梯度适应技术、递归贝叶斯估计技术或各种线性或非线性滤波器中的任何一种来估计梯度。在一些实施例中,可以使用批量估计技术而不是递归估计技术来估计梯度。在批量估计技术中,控制输入u和性能变量y的一批先前值(例如,先前值或历史值的向量或集合)可以用作批量回归算法的输入。合适的回归算法可以包括例如普通最小二乘回归、多项式回归、偏最小二乘回归、岭回归、主成分回归或各种线性或非线性回归技术中的任何一种。
在一些实施例中,可以使用控制输入u和性能变量y之间的协方差来估计梯度。例如,最小二乘法中斜率
Figure GDA00027103697100003111
的估计可以定义为:
Figure GDA0002710369710000321
其中Cov(u,y)是控制输入u和性能变量y之间的协方差,Var(u)是控制输入u的方差。估计斜率
Figure GDA0002710369710000322
可以通过使用先前的等式来计算,并用作梯度
Figure GDA0002710369710000323
的代表。
仍然参考图8,流程图800被示出为包括通过调整反馈控制器的输出来使估计梯度趋向于零(框808)。在一些实施例中,反馈控制器是图5所示的反馈控制器508。反馈控制器可以接收估计梯度作为输入并且可以调整其输出(例如,DC输出w)以使估计梯度趋向于零。反馈控制器可以增加或减小直流输出w的值,直到达到直流输出w的最佳值。直流输出w的最佳值可以被定义为这样的值:其导致性能变量y的最佳值(例如,最大值或最小值)。当梯度为零时,出现性能变量y的最佳值。因此,反馈控制器可以通过调整其输出w来使梯度趋向于零而取得性能变量y的最佳值。
流程图800被示出为包括产生随机激励信号q(框810),并通过用随机激励信号q干扰反馈控制器的输出w来产生新的控制输入u(框812)。随机激励信号q可以由随机信号发生器512和/或积分器514产生,如参考图5所描述的。在各种实施例中,随机信号可以是杂乱信号(例如,随机游走信号、白噪声信号等)、非周期性信号、不可预测信号、干扰信号或任何其他类型的非确定性或非重复信号。在一些实施例中,随机信号具有非零均值。随机信号可以被积分以产生激励信号q。
可以将随机激励信号q添加到由反馈控制器产生的直流值w中,以形成新的控制输入u(例如,u=w+q)。在生成新的控制输入u之后,可以向设施提供新的控制输入u(框802),并且可以重复极值搜索控制控制技术。随机激励信号q可以提供足以在框806中估计性能梯度的控制输入u的变化。在某些情况下,激励信号q的添加使得控制输入u漂移离开其最佳值。然而,反馈控制器可以通过调节直流值w来补偿这样的漂移,使得控制输入u朝向其最佳值被连续地拉回。与传统的极值搜索控制一样,可以(例如,由用户手动或由控制器自动地)选择激励信号q的大小来克服在性能变量y中发现的任何加性噪声(例如,过程噪声,测量噪声等)。
随机激励信号q相比周期抖动信号v具有几个优点。例如,随机激励信号q相比传统的周期抖动信号v更不易察觉。因此,与由传统的周期抖动信号v引起的周期性振荡相比,随机激励信号q对控制输入u的影响不那么明显。随机激励信号q的另一个优点是调谐控制器变得更简单,因为抖动频率ωv不再是必需的参数。因此,当生成随机激励信号q时,控制器不需要知晓或估计设施的固有频率。
现在参考图9,其示出了根据一些实施例的说明另一个极值搜索控制(ESC)技术的流程图900。流程图900所示的极值搜索控制技术可以由反馈控制器(例如,控制器502)的一个或多个组件来执行,以监测和控制设施(例如,设施504)。例如,控制器502可以使用极值搜索控制技术来估计归一化相关系数ρ,所述归一化相关系数ρ使设施的输出(例如,性能变量y)与提供给设施的控制输入u相关联。控制器502可以通过使归一化相关系数ρ趋向于零来确定控制输入u的最佳值。
流程图900被示出为包括向设施提供控制输入u(框902)并且接收作为来自设施的反馈的性能变量y(框904)。控制输入u可以由设施的极值搜索控制器和/或反馈控制器提供。控制器可以是先前描述的任何控制器(例如,控制器302、控制器402、控制器502等)或向设施提供控制输入u的任何其他类型的控制器。在一些实施例中,控制器是被配置成通过调节控制输入u来达到性能变量y的最优值的极值搜索控制器。最佳值可以是性能变量y的极值(例如,最大值或最小值)。
设施在控制理论中是过程和一个或多个机械控制输出的组合。设施可以是先前描述的任何设施(例如,设施304、设施404、设施504等)或任何其它可控系统或过程。例如,设施可以是空气处理单元,该空气处理单元被配置为经由一个或多个机械控制的致动器和/或风门来控制建筑空间内的温度。在各种实施例中,设施可以包括冷水机操作过程、风门调节过程、机械冷却过程、通风过程、制冷过程或其中设施的控制输入u被调节以影响性能变量y的任何其它过程。性能变量y可以是由设施的一个或多个传感器观察到的测量变量(例如,测量的温度、测量的功耗、测量的流量等)、基于测量或观测值的计算变量(例如,计算效率、计算功耗、计算成本等)或指示设施响应于控制输入u的性能的任何其他类型的变量。
流程图900被示出为包括估计归一化相关系数ρ,所述归一化相关系数ρ使性能变量y与控制输入u相关联。相关系数ρ可以与性能梯度
Figure GDA0002710369710000346
相关(例如,与
Figure GDA0002710369710000347
成比例),但是根据性能变量y的范围定标。例如,相关系数ρ可以是性能梯度
Figure GDA0002710369710000348
的归一化测量(例如,定标到范围0≤ρ≤1)。
在一些实施例中,可以基于控制输入u和性能变量y的方差和协方差来估计相关系数ρ,如下式所示:
Figure GDA0002710369710000349
其中Cov(u,y)是控制输入u和性能变量y之间的协方差,Var(u)是控制输入u的方差,Var(y)是性能变量y的方差。可以按照控制输入u的标准偏差σu和性能变量y的标准偏差σy重写上述方程,如下:
Figure GDA0002710369710000341
其中
Figure GDA0002710369710000342
并且
Figure GDA0002710369710000343
在一些实施例中,使用递归估计技术来估计相关系数ρ。递归估计技术可以包括计算控制输入u和性能变量y的指数加权移动平均值(EWMA)。例如,可以使用以下等式计算控制输入u和性能变量y的EWMA:
Figure GDA0002710369710000344
Figure GDA0002710369710000345
其中
Figure GDA0002710369710000357
Figure GDA0002710369710000358
是在时间k的控制输入u和性能变量y的EWMA,
Figure GDA0002710369710000359
Figure GDA00027103697100003510
是在时间k-1处的控制输入u和性能变量y的先前EWMA,uk和yk是在时间k的控制输入u和性能变量y的当前值,k是每个变量已经收集的样本的总数,W是遗忘窗口的持续时间。
也可以使用以下等式计算控制输入方差Var(u)、性能变量方差Var(y)和协方差Cov(u,y)的EWMA:
Figure GDA0002710369710000351
Figure GDA0002710369710000352
Figure GDA0002710369710000353
其中Vu,k、Vy,k和ck分别是时间k处的控制输入方差Var(u)、性能变量方差Var(y)和协方差Cov(u,y)的EWMA。Vu,k-1、Vy,k-1、ck-1是时间k-1处的控制输入方差的EWMAU、性能变量方差Var(y)和协方差Cov(u,y)的EWMA。可以使用以下等式基于这些递归估计来估计相关系数ρ:
Figure GDA0002710369710000354
在一些实施例中,相关系数ρ是基于估计的斜率
Figure GDA00027103697100003511
估计的。如前所述,可以使用以下等式计算出估计的斜率
Figure GDA00027103697100003512
Figure GDA0002710369710000355
其中Cov(u,y)是控制输入u和性能变量y之间的协方差,Var(u)是控制输入u的方差(即,
Figure GDA00027103697100003513
)。可以使用以下公式从斜率
Figure GDA00027103697100003514
计算相关系数ρ:
Figure GDA0002710369710000356
从前面的等式可以看出,当标准偏差σu和σy相等时(即当σu=σy),相关系数ρ和估计斜率
Figure GDA0002710369710000364
相等。
在一些实施例中,可以使用用于控制输入u和性能变量y的一组值来计算出估计的斜率
Figure GDA0002710369710000365
。例如,假设u和y具有有限方差,可以使用以下最小二乘估计来估计斜率
Figure GDA0002710369710000366
Figure GDA0002710369710000361
对于小范围的控制输入u,估计斜率
Figure GDA0002710369710000367
可用作性能梯度的代表,如下式所示:
Figure GDA0002710369710000362
如上述方程所示,估计斜率
Figure GDA0002710369710000368
包含可能未知的恒定增益K。然而,由标准偏差σu和σy提供的归一化消除了恒定增益K的影响。例如,性能变量y的标准偏差σy与控制输入u的标准偏差σu相关,如下式所示:
σy=Kσu
Figure GDA0002710369710000363
将估计斜率
Figure GDA0002710369710000369
乘以比率
Figure GDA00027103697100003610
以计算相关系数ρ等同于除以恒定增益K。相关系数ρ和估计斜率
Figure GDA00027103697100003611
都表示控制输入u与性能变量y之间关系的强度。然而,相关系数ρ具有被归一化的优点,这使得调谐反馈控制环变得简单得多。
仍然参考图9,流程图900被示出为包括通过调整反馈控制器的输出来使估计的相关系数ρ趋向于零(框908)。在一些实施例中,反馈控制器是图5所示的反馈控制器508。反馈控制器可以接收估计的相关系数ρ作为输入,并且可以调整其输出(例如,直流输出w),以使所估计的相关系数ρ趋向于零。反馈控制器可以增加或减小直流输出w的值,直到达到直流输出w的最佳值。直流输出w的最佳值可以被定义为导致性能变量y的最佳值(例如,最大值或最小值)的值。当梯度为零时,出现性能变量y的最佳值。因此,反馈控制器可以通过调整其输出w以使估计的相关系数ρ趋向于零来达到性能变量y的最佳值。
流程图900被示出为包括产生激励信号(框910)并通过用激励信号干扰反馈控制器的输出w来产生新的控制输入u(框912)。在各种实施例中,激励信号可以是如参考图3-4所描述的周期抖动信号v或者如参考图5所描述的随机激励信号q。激励信号可以被添加到由反馈控制器产生的直流值w,以形成新的控制输入u(例如,u=w+q或u=w+v)。在生成新的控制输入u之后,可以向设施提供新的控制输入u(框902),并且可以重复极值搜索控制控制技术。
激励信号可以提供足以在框906中估计相关系数ρ的控制输入u的变化。在某些情况下,激励信号的增加使得控制输入u漂移离开其最佳值。然而,反馈控制器可以通过调节直流值w来补偿这样的漂移,使得控制输入u朝向其最佳值被连续地拉回。可以(例如,由用户手动或由控制器自动地)选择激励信号的大小来克服在性能变量y中发现的任何加性噪声(例如,过程噪声、测量噪声等)。
实例实施方式
现在参考图10A-16C,示出了本公开的极值搜索控制系统和方法的几个实例实施方式。图10A-16C所示的实施方式示出了可以由极值搜索控制器502控制的设施504、可以通过极值搜索控制器502提供给设施504的控制输入u以及可以通过极值搜索控制器502作为来自设备504的反馈而被接收的性能变量y的各种实施例。
冷却水设施1000
具体参考图10A,其示出了根据一些实施例的冷却水设施1000。冷却水设施1000被示出为包括冷水机1002、冷却塔1004和空气处理单元(AHU)1006。冷水机1002包括冷凝器1018、蒸发器1020和压缩机1034。压缩机1034被构造成经由制冷剂回路1026使制冷剂在冷凝器1018和蒸发器1020之间循环。冷水机1002还包括位于冷凝器1018和蒸发器1020之间的制冷剂回路1026上的至少一个膨胀阀。制冷机1002使用蒸汽压缩制冷循环进行操作,其中制冷剂回路1026中的制冷剂吸收蒸发器1020中的热量并在冷凝器1018中排热。冷水机1002可以包括任何数量的传感器、控制阀和/或辅助冷水机1002的制冷循环操作的其他部件。
冷水机1002通过冷凝水回路1022与冷却塔1004连接。沿着冷凝水回路1022定位的冷凝水泵1014通过冷凝水回路1022使冷凝水在冷却塔1004与冷水机1002之间循环。冷凝水泵1014可以是定速泵或变速泵。冷凝水回路1022使冷凝水循环通过冷凝器1018,在那里冷凝水从制冷剂回路1026中的制冷剂吸收热量。然后将加热的冷凝水输送到冷却塔1004,在那里冷凝水将热量排出到周围环境。冷却塔风扇系统1036提供通过冷却塔1004的气流,以便于冷却冷却塔1004内的冷凝水。然后将冷却的冷凝水通过冷凝水泵1014泵送回冷水机1002。
冷水机1002通过冷却流体回路1024与空气处理单元1006连接。沿冷却流体回路1024定位的冷却流体泵1016在冷水机1002和空气处理单元1006之间循环冷却流体。泵1016可以是定速泵或变速泵。冷却流体回路1024使冷却流体循环通过蒸发器1020,在那里冷却流体将热量排放到制冷剂回路1026中的制冷剂。然后将冷却的流体输送到空气处理单元1006,在那里冷却的流体从通过空气处理单元1006的供应空气吸收热量,从而为供应空气提供冷却。加热的流体然后通过泵1016被泵送回冷水机1002。
在图10A所示的实施例中,空气处理单元1006被示出为节能器型空气处理单元。节能器型空气处理单元改变空气处理单元用于冷却的室外空气和回流空气的量。空气处理单元1006被示出为包括利用一个或多个算法(例如,基于状态的算法、极值搜索控制算法等)来影响空气处理单元1006的致动器和风门或风扇的节能器控制器1032。提供给空气处理单元1006的冷却流体的流动也可以被可变地受到控制。例如,PI控制1008示出为控制阀1038,所述阀1038调节冷却流体流向空气处理单元1006。PI控制1008可以控制冷却液流到空气处理单元1006以达到设定点供应空气温度。节能器控制器1032、冷水机1002的控制器和PI控制器1008可由一个或多个建筑管理系统(BMS)控制器1010管理。
一般来说,BMS控制器是一种基于计算机的系统,其被配置为控制、监测和管理建筑或建筑区域内或周围的设备。BMS控制器可以包括
Figure GDA0002710369710000391
牌建筑控制器或由JohnsonControls,Inc.出售的其他设备。BMS控制器1010可以提供用于控制、查看或以其他方式与BMS、其子系统和设备交互的一个或多个人机接口或客户端接口(例如,图形用户界面、报告界面、基于文本的计算机界面、面向客户端的web服务、向web客户端提供页面的web服务器等)。例如,BMS控制器1010可以提供基于web的图形用户界面,其允许用户为建筑空间设置期望的设定点温度。BMS控制器1010可以使用BMS传感器1012(经由有线或无线BMS或IT网络连接到BMS控制器1010)来确定是否正在达到建筑空间的设定点温度。BMS控制器1010可以使用这种确定来向PI控制1008、冷水机1002、节能器控制器1032或建筑的暖通空调系统的其他部件提供命令。
在一些实施例中,极值搜索控制器502不接收来自BMS控制器1010的控制命令,或者不将其输出计算基于来自BMS控制器1010的输入。在其他实施例中,极值搜索控制器502接收来自BMS控制器1010的信息(例如,命令、设定点、操作边界等)。例如,BMS控制器1010可以向极值搜索控制器502提供风扇速度上限和风扇速度下限。下限可能会避免频繁的部件和功率调节风扇启动,而上限可能会避免在风扇系统的机械或热限值附近运行。
极值搜索控制器502被示出为接收功率输入Ptotal,其表示由冷却塔风扇系统1036Ptower、冷凝水泵1014Ppump和冷却器1002的压缩机1034Pchiller消耗的总功率(即,Ptotal=Ptower+Ppump+Pchiller)。如图10A所示,功率输入Ptower、Ppump和PChiller可以在求和框1040处在极值搜索控制器502外求和,以提供代表总功率Ptotal的组合信号。在其他实施例中,极值搜索控制器502接收各个功率输入Ptower、Ppump和PChiller并且执行求和框1040的求和。在任一种情况下,即使功率输入被提供为表示总系统功率的单个相加或组合的信号,也可以说极值搜索控制器502接收功率输入Ptower、Ppump和PChiller
在一些实施例中,总系统功率Ptotal是极值搜索控制器502搜索以优化(例如最小化)的性能变量。总系统功率Ptotal可以包括冷却水设施1000的一个或多个部件的功耗。在图10A所示的实施例中,总系统功率Ptotal包括Ptower、Ppump和Pchiller。然而,在各种其他实施例中,总系统功率Ptotal可以包括功率输入的任何组合。例如,总系统功率Ptotal可以包括空气处理单元1006内的风扇的功耗、冷却流体泵1016的功耗和/或在冷却水设施1000内发生的任何其它功耗。
极值搜索控制器502向反馈控制器1028提供温度设定点Tsp。在一些实施例中,温度设定点Tsp是极值搜索控制器502调节以影响总系统功率Ptotal的操纵变量。温度设定点Tsp是从冷却塔1004提供给冷水机1002的冷凝水温度Tcw的设定点。冷凝水温度Tcw可以通过沿着冷却塔1004与冷水机1002(例如冷凝水泵1014的上游或下游)之间的冷凝水回路1022定位的温度传感器1030来测量。反馈控制器1028被示出为接收冷凝水温度Tcw作为反馈信号。
反馈控制器1028可以操作冷却塔风扇系统1036和/或冷凝水泵1014,以达到由极值搜索控制器502提供的温度设定点Tsp。例如,反馈控制器1028可以增加冷凝水泵1014的速度,以增加从冷凝器1018中的制冷剂移除的热量,或降低冷凝水泵1014的速度,以减少从冷凝器1018中的制冷剂移除的热量。类似地,反馈控制器1028可以提高冷却塔风扇系统1036的速度,以增加通过冷却塔1004从冷凝水中除去的热量,或者降低冷却塔风扇系统1036的速度,以减少通过冷却塔1004从冷凝水中除去的热量。
极值搜索控制器502实现极值搜索控制策略,所述极值搜索控制策略动态地搜索未知输入(例如,最佳冷凝水温度设定点Tsp)以获得趋于最佳的系统性能(例如,总功耗Ptotal)。虽然反馈控制器1028和极值搜索控制器502被示出为分离的设备,但可以想到,在一些实施例中(例如,执行极值搜索控制器502和反馈控制器1028的功能的单个控制器),反馈控制器1028和极值搜索控制器502可以组合成单个设备。例如,极值搜索控制器502可以被配置成直接控制冷却塔风扇系统1036和冷凝水泵1014,而不需要中间的反馈控制器1028。
现在参考图10B和10C,其示出了根据一些实施例的一对流程图1050和1070,其示出了冷却水设施1000中的极值搜索控制器502的操作。在两个流程图1050和1070中,极值搜索控制器502向反馈控制器1028提供温度设定点Tsp,反馈控制器操作以控制冷却水设施1000中的冷凝水温度Tcw(框1052和1072)。极值搜索控制器502可以接收冷水设施1000的总功耗Ptotal作为反馈信号(框1054和1074)。
在流程图1050中,极值搜索控制器502估计总功耗Ptotal相对于冷凝水温度设定点Tsp的梯度(框1056)。通过调整温度设定点Tsp,极值搜索控制器502可以通过使获得的梯度趋向于零来提供对冷却水设施1000的控制(框1058)。在一些实施例中,极值搜索控制器502产生随机激励信号(框1060),并使用随机激励信号来产生新的冷凝水温度设定点Tsp。例如,极值搜索控制器502可以通过利用随机激励信号干扰冷凝水温度设定点Tsp来生成新的温度设定点Tsp(框1062)。
在流程图1070中,极值搜索控制器502估计使总功耗Ptotal与冷凝水温度设定点Tsp相关联的归一化相关系数(框1076)。通过调整温度设定点Tsp,极值搜索控制器502可以通过使估计的相关系数趋向于零来提供对冷却水设施1000的控制(框1078)。在一些实施例中,极值搜索控制器502产生激励信号(框1080),并使用激励信号来产生新的冷凝水温度设定点Tsp。例如,极值搜索控制器502可以通过利用激励信号干扰冷凝水温度设定点Tsp来生成新的温度设定点Tsp(框1082)。
冷却水设施1100
现在参考图11A,其示出了根据一些实施例的另一冷却水设施1100。冷却水设施1100可以包括如参照图10A所述的冷却水设施1000的一些或全部部件。例如,冷却水设施1100被示出为包括冷水机1102、冷却塔1104和空气处理单元(AHU)1106。冷水机1102通过冷凝水回路1122与冷却塔1104连接。沿着冷凝水回路1122定位的冷凝水泵1114使冷凝水在冷却塔1104和冷水机1102之间循环。冷却塔风扇系统1136提供通过冷却塔1104的气流,以便于使冷却塔1104内的冷凝水冷却。冷水机1102也经由冷却流体回路1124与空气处理单元1106连接。沿着冷却流体回路1124定位的冷却流体泵1116使冷却流体在冷水机1102和空气处理单元1106之间循环。
极值搜索控制器502被示出为接收功率输入Ptotal,其表示由冷却塔风扇系统1136Ptower,冷凝水泵1114Ppump和冷水单元1102Pchiller的压缩机1134消耗的总功率(即,Ptotal=Ptower+Ppump+Pchiller)。在一些实施例中,总系统功率Ptotal是极值搜索控制器502搜索以优化(例如最小化)的性能变量。在图11A所示的实施例中,总系统功率Ptotal包括Ptower、Ppump和PChiller。然而,在各种其他实施例中,总系统功率Ptotal可以包括功率输入的任何组合。例如,总系统功率Ptotal可以包括空气处理单元1116内的风扇的功耗、冷却流体泵1106的功耗和/或在冷却水设施1100内发生的任何其它功耗。
示出了极值搜索控制器502,其提供调节冷却塔风扇系统1136的风扇速度Fansp的第一控制信号以及调节冷凝水泵1114的泵速Pumpsp的第二控制信号。在一些实施例中,风扇速度Fansp和泵速度Pumpsp是极值搜索控制器502调节以影响总系统功率Ptotal的操纵变量。例如,极值搜索控制器502可以增加泵速度Pumpsp以增加从冷凝器1118中的制冷剂移除的热量,或者降低泵速度Pumpsp以减少从冷凝器1118中的制冷剂移除的热量。类似地,极值搜索控制器502可以增加风扇速度Fansp以增加通过冷却塔1104从冷凝水中移除的热量,或者降低风扇速度Fansp以减少冷却塔1104从冷凝水中除去的热量。
现在参见图11B和11C,其示出了根据一些实施例的一对流程图1150和1170,流程图1150和1170示出了冷却水设施1100中极值搜索控制器502的操作。在两个流程图1150和1170中,极值搜索控制器502向冷却塔风扇系统提供风扇速度控制信号Fansp,并向冷凝水泵提供泵速控制信号Pumpsp(框1152和1172)。极值搜索控制器502可以接收冷水设施1100的总功耗Ptotal作为反馈信号(框1154和1174)。
在流程图1150中,极值搜索控制器502估计总功耗Ptotal相对于风扇速度Fansp的第一梯度以及总功耗Ptotal相对于冷凝水泵送速度Pumpsp的第二梯度(框1156)。通过调节风扇速度Fansp和冷凝水泵送速度Pumpsp,极值搜索控制器502可以通过使获得的梯度趋向于零来提供对冷却水设施1100的控制(框1158)。在一些实施例中,极值搜索控制器502为每个速度控制信号产生随机激励信号(框1160),并使用随机激励信号来产生新的速度控制信号(框1162)。例如,极值搜索控制器502可以通过用第一随机激励信号干扰风扇速度控制信号Fansp来产生新的风扇速度控制信号Fansp。极值搜索控制器502可以通过用第二随机激励信号干扰泵速控制信号Pumpsp来产生新的泵速控制信号Pumpsp
在流程图1070中,极值搜索控制器502估计使总功耗Ptotal与风扇速度Fansp相关联的第一归一化相关系数以及使总功耗Ptotal与冷凝水泵送速度Pumpsp相关联的第二归一化相关系数(框1176)。通过调节风扇速度Fansp和泵速度Pumpsp,极值搜索控制器502可以通过使估计的相关系数趋向于零来提供对冷却水设施1100的控制(框1178)。在一些实施例中,极值搜索控制器502为每个速度控制信号产生激励信号(框1080),并且使用激励信号来产生新的风扇和泵速度(框1182)。例如,极值搜索控制器502可以通过用第一激励信号干扰风扇速度控制信号Fansp来产生新的风扇速度控制信号Fansp。极值搜索控制器502可以通过用第二激励信号干扰泵速控制信号Pumpsp来产生新的泵速控制信号Pumpsp
可变制冷剂流量系统1200
现在参见图12A,其示出了根据一些实施例的可变制冷剂流量(VRF)系统1200。VRF系统1200被示出为包括室外单元1202、若干热回收单元1204和若干室内单元1206。在一些实施例中,室外单元1202位于建筑外部(例如,在屋顶上),而室内单元1206分布在整个建筑内(例如,在建筑的各个房间或区域中)。在一些实施例中,VRF系统1200包括若干热回收单元1204。热回收单元1204可以控制室外单元1202和室内单元1206之间的制冷剂的流动(例如通过打开或关闭阀),并且可以最小化室外单元1202所服务的加热或冷却负载。
室外单元1202被示出为包括压缩机1214和热交换器1220。压缩机1214使制冷剂在热交换器1220与室内单元1206之间循环。当VRF系统1200在冷却模式下工作时,热交换器1220可用作冷凝器(允许制冷剂将热量排出到外部空气),或者当VRF系统1200在加热模式下工作时,热交换器可用作蒸发器(允许制冷剂从外部空气吸收热量)。风扇1218提供气流通过热交换器1220。可以调节风扇1218的速度以调节进入或离开热交换器1220的制冷剂的传热速率。
每个室内单元1206被示出为包括热交换器1226和膨胀阀1224。当室内单元1206在加热模式下工作时,每个热交换器1226可用作冷凝器(允许制冷剂将热量排出到房间或区域内的空气),或者当室内单元1206在冷却模式下工作时,每个热交换器可用作蒸发器(允许制冷剂从房间或区域内的空气中吸收热量)。风扇1222提供气流通过热交换器1226。可以调节风扇1222的速度以调节进入或离开热交换器1226的制冷剂的传热速率。温度传感器1228可以用于测量室内单元1206内的制冷剂的温度。
在图12A中,室内单元1206被示出为以冷却模式工作。在冷却模式中,制冷剂通过冷却管线1212被提供给室内单元1206。制冷剂通过膨胀阀1224膨胀到冷的低压状态,并且流过热交换器1226(用作蒸发器),以从建筑内的房间或区域吸收热量。加热的制冷剂然后经由返回管线1210回流到室外单元1202,并通过压缩机1214压缩至热的高压状态。压缩的制冷剂流过热交换器1220(用作冷凝器)并且将热量排出到外部空气。冷却的制冷剂然后可以经由冷却管线1212被提供回室内单元1206。在冷却模式中,可以关闭流量控制阀1236,并且膨胀阀1234可以完全打开。
在加热模式中,制冷剂通过加热管线1208以热的状态被提供给室内单元1206。热的制冷剂流过热交换器1226(作为冷凝器),并将热量排出到建筑的房间或区域内的空气中。然后制冷剂经由冷却管线1212回流到室外单元(与图12A所示的流动方向相反)。制冷剂可以通过膨胀阀1234膨胀到较冷的低压状态。膨胀的制冷剂流过热交换器1220(用作蒸发器)并吸收来自外部空气的热量。被加热的制冷剂可以被压缩机1214压缩,并且在热的、压缩的状态下经由加热管线1208被提供返回到室内单元1206。在加热模式中,流量控制阀1236可以完全打开以允许来自压缩机1214的制冷剂流入加热管线1208。
极值搜索控制器502被示出为接收功率输入Ptotal,其表示室外单元1202消耗的总功率Poutdoor和每个室内单元1206消耗的总功率Pindoor(即,Ptotal=Poutdoor+Pindoor)。室外单元功率Poutdoor可以包括压缩机1214和/或风扇1218的功耗。室内单元功率Pindoor可以包括风扇1222的功耗和/或室内单元1206或热回收单元1204(例如电子阀、泵、风扇等)内的任何其他功耗设备。如图12A所示,功率输入Poutdoor和Pindoor可以在求和框1230处在极值搜索控制器502外求和,以提供代表总功率Ptotal的组合信号。在其他实施例中,极值搜索控制器502接收各个功率输入Poutdoor和Pindoor,并且执行求和框1230的求和。在任一种情况下,即使功率输入被提供为表示总系统功率的单个相加或组合信号Ptotal,也可以说极值搜索控制器502接收功率输入Poutdoor和Pindoor
在一些实施例中,总系统功率Ptotal是极值搜索控制器502搜索以优化(例如最小化)的性能变量。总系统功率Ptotal可以包括VRF系统1200的一个或多个组件的功耗。在图12A所示的实施例中,总系统功率Ptotal包括Poutdoor和Pindoor。然而,在各种其他实施例中,总系统功率Ptotal可以包括功率输入的任何组合。例如,总系统功率Ptotal可以包括热回收单元1204、室内单元1206、室外单元1202、泵的功耗和/或在VRF系统1200内发生的任何其它功耗。
极值搜索控制器502被示出为向室外单元控制器1232提供压力设定点Psp。在一些实施例中,压力设定点Psp是极值搜索控制器502调节以影响总系统功率Ptotal的操纵变量。压力设定点Psp是压缩机1214的吸入或排出处的制冷剂Pr的压力的设定点。制冷剂压力Pr可以通过位于压缩机1214的吸入处(例如压缩机1214的上游)或在压缩机1214的排出处(例如压缩机1214的下游)的压力传感器1216来测量。室外单元控制器1232被示出为接收制冷剂压力Pr作为反馈信号。
室外单元控制器1232可以操作室外单元1202,以达到由极值搜索控制器502提供的压力设定点Psp。操作室外单元1202可以包括调节压缩机1214的速度和/或风扇1218的速度。例如,室外单元控制器1232可以增加压缩机1214的速度,以增加压缩机排气压力或降低压缩机吸入压力。室外单元控制器1232可以增加风扇1218的速度以增加热交换器1220内的热传递,或降低风扇1218的速度以减少热交换器1220内的热传递。
极值搜索控制器502实现极值搜索控制策略,所述极值搜索控制策略动态地搜索未知输入(例如,压力设定点Psp)以获得趋向接近最佳的系统性能(例如,总功耗Ptotal)。虽然室外单元控制器1232和极值搜索控制器502被示出为分离的设备,可以想到,在一些实施例中单元,室外单元控制器1232和极值搜索控制器502可以组合成单个设备(例如,实现极值搜索控制器502和室外单元控制器1232两者的功能的单个控制器)。例如,极值搜索控制器502可以被配置成直接操作压缩机1214和/或风扇1218而不需要中间的室外单元控制器1232。
现在参考图12B和12C,其示出了根据一些实施例的一对流程图1250和1270,流程图1250和1270示出了VRF系统1200中的极值搜索控制器502的操作。在两个流程图1250和1270中,极值搜索控制器502向控制器(例如,室外单元控制器1232)提供压力设定点Psp,该控制器操作以控制VRF系统1200的室外单元1202中的制冷剂压力(框1252和1272)。制冷剂压力可以是压缩机吸入压力或压缩机排出压力。极值搜索控制器502可以接收VRF系统1200的总功耗Ptotal作为反馈信号(框1254和1274)。
在流程图1250中,极值搜索控制器502估计总功耗Ptotal相对于制冷剂压力设定点Psp的梯度(框1256)。通过调整压力设定点Psp,极值搜索控制器502可以通过使获得的梯度趋向于零来提供对VRF系统1200的控制(框1258)。在一些实施例中,极值搜索控制器502产生随机激励信号(框1260),并使用随机激励信号来产生新的制冷剂压力设定点Psp。例如,极值搜索控制器502可以通过利用随机激励信号干扰制冷剂压力设定点Psp来生成新的压力设定点Psp(框1262)。
在流程图1270中,极值搜索控制器502估计使总功耗Ptotal与制冷剂压力设定点Psp相关联的归一化相关系数(框1276)。通过调整制冷剂压力设定点Psp,极值搜索控制器502可以通过使估计的相关系数趋向于零来提供对VRF系统1200的控制(框1278)。在一些实施例中,极值搜索控制器502产生激励信号(框1280),并使用激励信号来产生新的制冷剂压力设定点Psp。例如,极值搜索控制器502可以通过利用激励信号干扰制冷剂压力设定点Psp来生成新的压力设定点Psp(框1282)。
可变制冷剂流量系统1300
现在参见图13A,其示出了根据一些实施例的另一个可变制冷剂流量(VRF)系统1300。VRF系统1300可以包括如参考图12A所述的VRF系统1200的一些或全部组件。例如,VRF系统1300被示出为包括室外单元1302、若干热回收单元1304和若干室内单元1306。
室外单元1302被示出为包括压缩机1314和热交换器1320。压缩机1314使制冷剂在热交换器1320与室内单元1306之间循环。当VRF系统1300在冷却模式下工作时,热交换器1320可用作冷凝器(允许制冷剂将热量排出到外部空气),或者当VRF系统1300在加热模式下工作时,热交换器1320可用作蒸发器(允许制冷剂从外部空气吸收热量)。风扇1318通过热交换器1320提供气流。可以调节风扇1318的速度以调节进入或离开热交换器1320的制冷剂的传热速率。
每个室内单元1306被示出为包括热交换器1326和膨胀阀1324。当室内单元1306在加热模式下工作时,每个热交换器1326可用作冷凝器(允许制冷剂将热量排出到房间或区域内的空气),或者当室内单元1306在冷却模式下工作时,每个热交换器可用作蒸发器(允许制冷剂从房间或区域内的空气吸收热量)。风扇1322通过热交换器1326提供气流。可以调节风扇1322的速度以调节进入或离开热交换器1326的制冷剂的传热速率。温度传感器1328可以用于测量室内单元1306内的制冷剂Tr的温度。
极值搜索控制器502被示出为接收功率输入Ptotal,该功率输入Ptotal表示室外单元1302消耗的总功率Poutdoor和每个室内单元1306消耗的总功率Pindoor(即,Ptotal=Poutdoor+Pindoor)。室外单元功率Poutdoor可以包括压缩机1314和/或风扇1318的功耗。室内单元功率Pindoor可以包括风扇1322的功耗和/或室内单元1306或热回收单元1304(例如电子阀、泵、风扇等)内的任何其他功耗设备的功耗。
在一些实施例中,总系统功率Ptotal是极值搜索控制器502搜索以优化(例如最小化)的性能变量。总系统功率Ptotal可以包括VRF系统1300的一个或多个组件的功耗。在图13A所示的实施例中,总系统功率Ptotal包括Poutdoor和Pindoor。然而,在各种其他实施例中,总系统功率Ptotal可以包括功率输入的任何组合。例如,总系统功率Ptotal可以包括热回收单元1304、室内单元1306、室外单元1302、泵的功耗和/或在VRF系统1300内发生的任何其它功耗。
极值搜索控制器502被示出为向室外单元控制器1332提供压力设定点Psp,并向室内单元控制器1338提供过热温度设定点Tsp。在一些实施例中,压力设定点Psp和过热温度设定点Tsp是极值搜索控制器502调节以影响总系统功率Ptotal的操纵变量。压力设定点Psp是压缩机1314的吸入或排出处的制冷剂的压力Pr的设定点。过热温度设定点Tsp是在热交换器1326的出口处的制冷剂的过热量(即,制冷剂的温度Tr减去制冷剂饱和温度)的设定点。
制冷剂压力Pr可以通过位于压缩机1314的吸入处(例如压缩机1314的上游)或在压缩机1314的排出处(例如压缩机1314的下游)的压力传感器1316来测量。室外单元控制器1332被示出为接收制冷剂压力Pr作为反馈信号。室外单元控制器1332可以操作室外单元1302,以达到由极值搜索控制器502提供的压力设定点Psp。操作室外单元1302可以包括调节压缩机1314的速度和/或风扇1318的速度。例如,室外单元控制器1332可以增加压缩机1314的速度,以增加压缩机排气压力或降低压缩机吸入压力。室外单元控制器1332可以增加风扇1318的速度以增加热交换器1320内的热传递,或降低风扇1318的速度以减少热交换器1320内的热传递。
通过从制冷剂的温度Tr减去制冷剂饱和温度Tsat,可以(通过室内单元控制器1338)计算制冷剂的过热度Tsuper(即,Tsuper=Tr-Tsat)。制冷剂温度Tr可以通过位于热交换器1326的出口处的温度传感器1328来测量。室内单元控制器1338被示出为接收制冷剂温度Tr作为反馈信号。室内单元控制器1338可以操作室内单元1306,以达到由极值搜索控制器502提供的过热温度设定点Tsp。操作室内单元1306可以包括调节风扇1322的速度和/或调节膨胀阀1324的位置。例如,室内单元控制器1338可以增加风扇1322的速度,以增加热交换器1326内的热传递,或降低风扇1322的速度,以减少热交换器1326内的热传递。类似地,室内单元控制器1338可以使阀1324朝向打开位置移动,以增加通过室内单元1306的制冷剂流动,或者使阀1324朝着关闭位置移动,以减少通过室内单元1306的制冷剂流动。
极值搜索控制器502实现极值搜索控制策略,所述极值搜索控制策略动态地搜索未知输入(例如,压力设定点Psp和/或过热温度设定点Tsp)以获得趋向接近最佳的系统性能(例如,总功耗Ptotal)。尽管室外单元控制器1332、室内单元控制器1338和极值搜索控制器502被示出为分开的设备,但可以想到,在一些实施例中,室外单元控制器1332、室内单元控制器1338和极值搜索控制器502可以组合成单个设备(例如,实现极值搜索控制器502、室外单元控制器1332和室内单元控制器1338的功能的单个控制器)。例如,极值搜索控制器502可以被配置成直接操作压缩机1314、风扇1318、风扇1322和/或阀1324,而不需要中间的室外单元控制器1332或室内单元控制器1338。
现在参考图13B和13C,其示出了根据一些实施例的一对流程图1350和1370,流程图1350和1370其示出了VRF系统1300中的极值搜索控制器502的操作。在两个流程图1350和1370中,极值搜索控制器502向控制器(例如室外单元控制器1332)提供压力设定点Psp,该控制器操作以控制VRF系统1300的室外单元1302中的制冷剂压力(框1352和1372)。制冷剂压力可以是压缩机吸入压力或压缩机排出压力。极值搜索控制器502还向控制器(例如,室内单元控制器1338)提供过热温度设定点,该控制器操作以控制VRF系统1300的室内单元中的制冷剂温度(框1353和1373)。极值搜索控制器502可以接收VRF系统1300的总功耗Ptotal作为反馈信号(框1354和1374)。
在流程图1350中,极值搜索控制器502估计总功耗Ptotal相对于制冷剂压力设定点Psp的第一梯度,以及总功耗Ptotal相对于制冷剂过热温度设定点Tsp的第二梯度(框1356)。通过调整压力设定点Psp和过热温度设定点Tsp,极值搜索控制器502可以通过使获得的梯度趋向于零来提供对VRF系统1300的控制(框1358)。在一些实施例中,极值搜索控制器502产生随机激励信号(框1360),并使用随机激励信号来产生新的制冷剂压力设定点Psp和新的制冷剂过热设定点Tsp。例如,极值搜索控制器502可以通过用第一随机激励信号干扰制冷剂压力设定点Psp来产生新的压力设定点Psp,并且可以通过用第二随机激励信号干扰温度设定点Tsp来产生新的过热温度设定点Tsp(框1362)。
在流程图1370中,极值搜索控制器502估计使总功耗Ptotal与制冷剂压力设定点Psp相关联的第一归一化相关系数以及使总功耗Ptotal与制冷剂过热温度设定点Tsp相关联的第二归一化相关系数(框1376)。通过调整制冷剂压力设定点Psp和制冷剂过热温度设定点Tsp,极值搜索控制器502可以通过使估计的相关系数趋向于零来提供对VRF系统1300的控制(框1378)。在一些实施例中,极值搜索控制器502产生激励信号(框1380),并使用激励信号来产生新的制冷剂压力设定点Psp和新的制冷剂过热设定点Tsp。例如,极值搜索控制器502可以通过用第一激励信号干扰制冷剂压力设定点Psp来产生新的压力设定点Psp,并且可以通过用第二激励信号干扰温度设定点Tsp来产生新的过热温度设定点Tsp(框1382)。
蒸汽压缩系统1400
现在参见图14A,其示出了根据一些实施例的蒸汽压缩空调系统1400。系统1400被示出为包括制冷剂回路1410。制冷剂回路1410包括冷凝器1412、蒸发器1414、膨胀阀1424和压缩机1406。压缩机1406被构造成使制冷剂在蒸发器1414和冷凝器1412之间循环。制冷剂回路1410使用蒸汽压缩循环进行操作。例如,压缩机1406将制冷剂压缩到热的高压状态。压缩的制冷剂流过冷凝器1412,在那里制冷剂排出热量。冷凝器风扇1432可用于调整冷凝器1412内的热传递速率。冷却的制冷剂通过膨胀阀1424膨胀至低压低温状态。膨胀的制冷剂流过蒸发器1414,在那里制冷剂吸收热量。蒸发器风扇1416可用于调整蒸发器1414内的传热速率。
在一些实施例中,如图14A所示,制冷剂回路1410位于屋顶单元1402(例如,屋顶空气处理单元)内。屋顶单元1402可以被配置成为流过空气管道1422的供应空气1420提供冷却。例如,蒸发器1414可以位于空气管道1422内,使得供应空气1420流过蒸发器1414,并且通过将热传递到蒸发器1414内膨胀的制冷剂来冷却。然后,冷却的气流可以被路由到建筑,从而为建筑的房间或区域提供冷却。供应空气1420的温度可以由位于蒸发器1414下游(例如,在管道1422内)的温度传感器1418测量。在其他实施例中,制冷剂回路1410可以用于使用蒸汽压缩循环传递热量的各种其它系统或装置中的任何一种(例如,冷水机、热泵、热回收冷水机、制冷装置等)。
极值搜索控制器502被示出为接收功率输入Ptotal,该功率输入Ptotal表示由压缩机1406Pcomp、蒸发器风扇1416Pfan,evap和冷凝器风扇1432Pfan,cond消耗的总功率(即,Ptotal=Pcomp+Pfan,evap+Pfan,cond)。如图14A所示,功率输入Pcomp、Pfan,evap和Pfan,cond可以在求和框1408处在极值搜索控制器502外求和,以提供代表总功率Ptotal的组合信号。在其他实施例中,极值搜索控制器502接收各个功率输入Pcomp、Pfan,evap和Pfan.cond并且进行求和框1408的求和。在任一种情况下,即使功率输入被提供为表示总系统功率的单个相加或组合信号Ptotal,也可以说极值搜索控制器502接收功率输入Pcomp、Pfan,evap和Pfan,cond
在一些实施例中,总系统功率Ptotal是极值搜索控制器502搜索以优化(例如最小化)的性能变量。总系统功率Ptotal可以包括蒸汽压缩系统1400的一个或多个组件的功耗。在图14A所示的实施例中,总系统功率Ptotal包括Pcomp、Pfan,evap和Pfan,cond。然而,在各种其他实施例中,总系统功率Ptotal可以包括功率输入的任何组合。例如,总系统功率Ptotal可以包括屋顶单元1402内的各种其他风扇的功耗、流体泵的功耗和/或在蒸汽压缩系统1400内发生的任何其它功耗。
极值搜索控制器502被示出为向反馈控制器1404提供温度设定点Tsp。在一些实施例中,温度设定点Tsp是极值搜索控制器502调节以影响总系统功率Ptotal的操纵变量。温度设定点Tsp是离开蒸发器1414的供应空气1420的温度的设定点。供应空气温度Tsa可以由位于蒸发器1414下游的温度传感器1418测量。反馈控制器1404被示出为接收供应空气温度Tsa作为反馈信号。
反馈控制器1404可以操作蒸发器风扇1416、冷凝器风扇1432和/或压缩机1406,以达到由极值搜索控制器502提供的温度设定点Tsp。例如,反馈控制器1404可以增加蒸发器风扇1416的速度,以增加从在蒸发器1414内的供应空气1420中移除的热量,或者降低蒸发器风扇1416的速度以减少从在蒸发器1414内的供应空气1420中移除的热量。类似地,反馈控制器1404可以增加冷凝器风扇1432的速度,以增加从在冷凝器1412内的制冷剂中移除的热量,或降低冷凝器风扇1432的速度,以减少从在冷凝器1412内的制冷剂中移除的热量。
极值搜索控制器502实现极值搜索控制策略,所述极值搜索控制策略动态地搜索未知输入(例如,最佳供应空气温度设定点Tsp)以获得趋向于接近最佳的系统性能(例如总功耗Ptotal)。虽然反馈控制器1404和极值搜索控制器502被示出为分离的设备,但可以想到,在一些实施例中,反馈控制器1404和极值搜索控制器502可以组合成单个设备(例如,实现极值搜索控制器502和反馈控制器1404两者的功能的单个控制器)。例如,极值搜索控制器502可以被配置成直接控制蒸发器风扇1416、冷凝器风扇1432和/或压缩机1406,而不需要中间的反馈控制器1404。
现在参考图14B和14C,其示出了根据一些实施例的一对流程图1450和1470,流程图1450和1470示出了蒸汽压缩系统1400中的极值搜索控制器502的操作。在两个流程图1450和1470中,极值搜索控制器502向反馈控制器1404提供温度设定点Tsp,反馈控制器操作以控制蒸汽压缩系统1400中的供应空气温度Tsa(框1452和1472)。极值搜索控制器502可以接收蒸汽压缩系统1400的总功耗Ptotal作为反馈信号(框1454和1474)。
在流程图1450中,极值搜索控制器502估计总功耗Ptotal相对于供应空气温度设定点Tsp的梯度(框1456)。通过调整温度设定点Tsp,极值搜索控制器502可以通过使获得的梯度趋向于零来提供对蒸汽压缩系统1400的控制(框1458)。在一些实施例中,极值搜索控制器502产生随机激励信号(框1460),并使用随机激励信号来产生新的供应空气温度设定点Tsp。例如,极值搜索控制器502可以通过利用随机激励信号干扰供应空气温度设定点Tsp来生成新的温度设定点Tsp(框1462)。
在流程图1470中,极值搜索控制器502估计使总功耗Ptotal与供应空气温度设定点Tsp相关联的归一化相关系数(框1476)。通过调整温度设定点Tsp,极值搜索控制器502可以通过使估计的相关系数趋向于零来提供对蒸汽压缩系统1400的控制(框1478)。在一些实施例中,极值搜索控制器502产生激励信号(框1480),并使用激励信号来产生新的供应空气温度设定点Tsp。例如,极值搜索控制器502可以通过利用激励信号干扰供应空气温度设定点Tsp来生成新的温度设定点Tsp(框1482)。
蒸汽压缩系统1500
现在参见图15A,其示出了根据一些实施例的另一蒸汽压缩空调系统1500。系统1500可以包括如参照图14A所示的蒸汽压缩系统1400的一些或全部组件。例如,系统1500被示出为包括制冷剂回路1510。制冷剂回路1510包括冷凝器1512、蒸发器1514、膨胀阀1524和压缩机1506。压缩机1506被构造成使制冷剂在蒸发器1514和冷凝器1512之间循环。制冷剂回路1510使用蒸汽压缩循环进行操作。例如,压缩机1506将制冷剂压缩到热的高压状态。压缩的制冷剂流过冷凝器1512,在那里制冷剂排出热量。冷凝器风扇1532可用于调节冷凝器1512内的传热速率。冷却的制冷剂通过膨胀阀1524膨胀至低压低温状态。膨胀的制冷剂流过蒸发器1514,在那里制冷剂吸收热量。蒸发器风扇1516可用于调整蒸发器1514内的传热速率。
在一些实施例中,如图15A所示,制冷剂回路1510位于屋顶单元1502(例如,屋顶空气处理单元)内。屋顶单元1502可以被配置成为流过空气管道1522的供应空气1520提供冷却。例如,蒸发器1514可以位于空气管道1522内,使得供应空气1520流过蒸发器1514,并且通过将热传递到蒸发器1514内膨胀的制冷剂来冷却。然后,冷却的气流可以被路由到建筑,从而为建筑的房间或区域提供冷却。供应空气1520的温度可以由位于蒸发器1514下游(例如,在管道1522内)的温度传感器1518测量。在其他实施例中,制冷剂回路1510可以用于使用蒸汽压缩循环传递热量的各种其它系统或装置中的任何一种(例如,冷水机、热泵、热回收冷水机、制冷装置等)。
极值搜索控制器502被示出为接收功率输入Ptotal,该功率输入Ptotal表示由压缩机1506Pcomp、蒸发器风扇1516Pfan,evap和冷凝器风扇1532Pfan,cond消耗的总功率(即,Ptotal=Pcomp+Pfan,evap+Pfan.cond)。如图15A所示,功率输入Pcomp、Pfan,evap和Pfan.cond可以在求和框处在极值搜索控制器502外求和,以提供代表总功率Ptotal的组合信号。在其他实施例中,极值搜索控制器502接收各个功率输入Pcomp、Pfan,evap和Pfan.cond并且进行求和框1508的求和。在任一种情况下,即使功率输入被提供为表示总系统功率的单个相加或组合信号Ptotal,也可以说极值搜索控制器502接收功率输入Pcomp、Pfan,evap和Pfan,cond
在一些实施例中,总系统功率Ptotal是极值搜索控制器502搜索以优化(例如最小化)的性能变量。总系统功率Ptotal可以包括蒸汽压缩系统1500的一个或多个组件的功耗。在图15A所示的实施例中,总系统功率Ptotal包括Pcomp、Pfan,evap和Pfan,cond。然而,在各种其他实施例中,总系统功率Ptotal可以包括功率输入的任何组合。例如,总系统功率Ptotal可以包括屋顶单元1502内的各种其他风扇的功耗、流体泵的功耗和/或在蒸汽压缩系统1500内发生的任何其它功耗。
极值搜索控制器502被示出为将调节风扇速度Ssp的控制信号提供给蒸发器风扇1516。在一些实施例中,风扇速度Ssp是极值搜索控制器502调节以影响总系统功率Ptotal的操纵变量。增加风扇速度Ssp可以增加从在蒸发器1514内的供应空气1520中移除的热量并且增加总的系统功耗Ptotal。类似地,降低风扇速度Ssp可以减少从在蒸发器1514内的供应空气1520中移除的热量,并降低总系统功耗Ptotal。极值搜索控制器502实现极值搜索控制策略,其动态地搜索未知输入(例如,最佳蒸发器风扇速度Ssp)以获得趋于接近最佳的系统性能(例如,总功耗Ptotal)。
现在参考图15B和15C,其示出了根据一些实施例的一对流程图1550和1570,流程图1550和1570示出了蒸汽压缩系统1500中的极值搜索控制器502的操作。在两个流程图1550和1570中,极值搜索控制器502将调整调节风扇速度Ssp的控制信号提供给蒸汽压缩系统1500中的蒸发器风扇1516(框1552和1572)。极值搜索控制器502可以接收蒸汽压缩系统1500的总功耗Ptotal作为反馈信号(框1554和1574)。
在流程图1550中,极值搜索控制器502估计总功耗Ptotal相对于蒸发器风扇速度Ssp的梯度(框1556)。通过调整蒸发器风扇速度Ssp,极值搜索控制器502可以通过使获得的梯度趋向于零来提供对蒸汽压缩系统1500的控制(框1558)。在一些实施例中,极值搜索控制器502产生随机激励信号(框1560),并使用随机激励信号来产生新的蒸发器风扇速度Ssp。例如,极值搜索控制器502可以通过利用随机激励信号干扰蒸发器风扇速度Ssp来产生新的蒸发器风扇速度Ssp(框1562)。
在流程图1570中,极值搜索控制器502估计使总功耗Ptotal与蒸发器风扇速度Ssp相关联的归一化相关系数(框1576)。通过调整蒸发器风扇速度Ssp,极值搜索控制器502可以通过使估计的相关系数趋向于零来提供对蒸汽压缩系统1500的控制(框1578)。在一些实施例中,极值搜索控制器502产生激励信号(框1580),并且使用激励信号来产生用于蒸发器风扇的新的控制信号。例如,极值搜索控制器502可以通过用激励信号干扰蒸发器风扇速度Ssp来生成新的速度控制信号(框1582)。
蒸汽压缩系统1600
现在参见图16A,其示出了根据一些实施例的蒸汽压缩空调系统1600。系统1600被示出为包括制冷剂回路1610。制冷剂回路1610包括冷凝器1612、蒸发器1614、膨胀阀1624和压缩机1606。压缩机1606被构造成使制冷剂在蒸发器1614和冷凝器1612之间循环。制冷剂回路1610使用蒸汽压缩循环进行操作。例如,压缩机1606将制冷剂压缩到热的高压状态。压缩的制冷剂流过冷凝器1612,在那里制冷剂排出热量。冷凝器风扇1632可用于调整冷凝器1612内的热传递速率。冷却的制冷剂通过膨胀阀1624膨胀至低压低温状态。膨胀的制冷剂流过蒸发器1614,在那里制冷剂吸收热量。蒸发器风扇1616可用于调整蒸发器1614内的传热速率。
在一些实施例中,如图16A所示,制冷剂回路1610位于屋顶单元1602(例如,屋顶空气处理单元)内。屋顶单元1602可以被配置成为流过空气管道1622的供应空气1620提供冷却。例如,蒸发器1614可以位于空气管道1622内,使得供应空气1620流过蒸发器1614,并且通过将热传递到蒸发器1614内膨胀的制冷剂来冷却。然后,冷却的气流可以被路由到建筑,从而为建筑的房间或区域提供冷却。供应空气1620的温度可以由位于蒸发器1614下游(例如,在管道1622内)的温度传感器1618测量。在其他实施例中,制冷剂回路1610可以用于使用蒸汽压缩循环传递热量的各种其它系统或装置中的任何一种(例如,冷水机、热泵、热回收冷水机、制冷装置等)。
极值搜索控制器502被示出为接收功率输入Ptotal,该功率输入Ptotal表示由压缩机1606Pcomp、蒸发器风扇1616Pfan和冷凝器风扇1632Pfan,cond消耗的总功率(即,Ptotal=Pcomp+Pfan,evap+Pfan,cond)。如图16A所示,功率输入Pcomp、Pfan,evap和Pfan,cond可以在求和框1608处在极值搜索控制器502外求和,以提供代表总功率Ptotal的组合信号。在其他实施例中,极值搜索控制器502接收各个功率输入Pcomp、Pfan,evap和Pfan.cond并且进行求和框1608的求和。在任一种情况下,即使功率输入被提供为表示总系统功率的单个相加或组合信号Ptotal,也可以说极值搜索控制器502接收功率输入Pcomp、Pfan,evap和Pfan,cond
在一些实施例中,总系统功率Ptotal是极值搜索控制器502搜索以优化(例如最小化)的性能变量。总系统功率Ptotal可以包括蒸汽压缩系统1600的一个或多个组件的功耗。在图16A所示的实施例中,总系统功率Ptotal包括Pcomp、Pfan.evap和Pfan.cond。然而,在各种其他实施例中,总系统功率Ptotal可以包括功率输入的任何组合。例如,总系统功率Ptotal可以包括屋顶单元1602内的各种其他风扇的功耗、流体泵的功耗和/或在蒸汽压缩系统1600内发生的任何其它功耗。
极值搜索控制器502被示出为向反馈控制器1604提供温度设定点Tsp,并且向冷凝器风扇1632提供调节风扇速度Ssp的控制信号。在一些实施例中,温度设定点Tsp和冷凝器风扇速度Ssp是极值搜索控制器502调节以影响总系统功率Ptotal的操纵变量。温度设定点Tsp是离开蒸发器1614的供应空气1620的温度的设定点。供应空气温度Tsa可以由位于蒸发器1614下游的温度传感器1618测量。反馈控制器1604被示出为接收供应空气温度Tsa作为反馈信号。风扇速度Ssp是冷凝器风扇1632的转速。
反馈控制器1604可以操作蒸发器风扇1616和/或压缩机1606,以达到由极值搜索控制器502提供的温度设定点Tsp。例如,反馈控制器1604可以增加蒸发器风扇1616的速度,以增加从在蒸发器1614内的供应空气1620中移除的热量,或者降低蒸发器风扇1616的速度以减少从在蒸发器1614内的供应空气1620中移除的热量。类似地,极值搜索控制器502可以调整冷凝器风扇速度Ssa以增加从在冷凝器1612内的制冷剂中移除的热量(例如,通过增加冷凝器风扇速度Ssa),或减少从在冷凝器1612内的制冷剂中移除的热量(例如通过降低冷凝器风扇速度Ssa)。
极值搜索控制器502实现极值搜索控制策略,所述极值搜索控制策略动态地搜索未知输入(例如,最佳供应空气温度设定点Tsp和/或最佳冷凝器风扇速度Ssa)以获得趋于接近最佳的系统性能(例如总功耗Ptotal)。虽然反馈控制器1604和极值搜索控制器502被示出为分离的设备,但可以想到,在一些实施例中,反馈控制器1604和极值搜索控制器502可以组合成单个设备(例如,实现极值搜索控制器502和反馈控制器1604两者的功能的单个控制器)。例如,极值搜索控制器502可以被配置成直接控制蒸发器风扇1616、冷凝器风扇1632和/或压缩机1606,而不需要中间的反馈控制器1604。
现在参考图16B和16C,其示出了根据一些实施例的一对流程图1650和1670,其示出了蒸汽压缩系统1600中的极值搜索控制器502的操作。在两个流程图1650和1670中,极值搜索控制器502向反馈控制器1604提供温度设定点Tsp,反馈控制器操作以控制蒸汽压缩系统1600中的供应空气温度Tsa(框1652和1672)。极值搜索控制器502还提供控制信号,该控制信号调节蒸汽压缩系统1600中的冷凝器风扇1632的风扇速度(框1653和1674)。极值搜索控制器502可以接收蒸汽压缩系统1600的总功耗Ptotal作为反馈信号(框1654和1674)。
在流程图1650中,极值搜索控制器502估计总功耗Ptotal相对于供应空气温度设定点Tsp的第一梯度,以及总功耗Ptotal相对于冷凝器风扇速度Ssp的第二梯度(框1656)。通过调整温度设定点Tsp和/或冷凝器风扇速度Ssp,极值搜索控制器502可以通过使获得的梯度趋向于零来提供对蒸汽压缩系统1600的控制(框1658)。在一些实施例中,极值搜索控制器502产生随机激励信号(框1660),并使用随机激励信号来产生新的供应空气温度设定点Tsp和调节冷凝器风扇速度Ssp的新的控制信号。例如,极值搜索控制器502可以通过利用第一随机激励信号干扰供应空气温度设定点Tsp来产生新的温度设定点Tsp,并且可以通过利用第二随机激励信号干扰冷凝器风扇速度Ssp来产生用于冷凝器风扇1632的新的控制信号(框1662)。
在流程图1670中,极值搜索控制器502估计使总功耗Ptotal与供应空气温度设定点Tsp相关联的第一归一化相关系数,以及使总功耗Ptotal与冷凝器风扇速度Ssp相关联的第二归一化相关系数(框1676)。通过调整温度设定点Tsp和/或冷凝器风扇速度Ssp,极值搜索控制器502可以通过使估计的相关系数趋向于零来提供对蒸汽压缩系统1600的控制(框1678)。在一些实施例中,极值搜索控制器502产生激励信号(框1680),并使用激励信号来产生新的供应空气温度设定点Tsp和调节冷凝器风扇速度Ssp的新的控制信号。例如,极值搜索控制器502可以通过利用第一激励信号干扰供应空气温度设定点Tsp来产生新的温度设定点Tsp,并且可以通过利用第二激励信号干扰冷凝器风扇速度Ssp来产生用于冷凝器风扇1632的新的控制信号(框1682)。
具有多变量优化的极值搜索控制系统
现在参考图17,其示出了根据示例性实施例的另一极值搜索控制系统1700。系统1700被示出为包括多输入单输出(MISO)系统1702和多变量极值搜索控制器(ESC)1704。MISO系统1702可以是使用多个操纵变量u1...uN来影响单个性能变量y的任何系统或装置。MISO系统1702可以与参照图3-5所描述的任何设施304、404或504相同或相似,与如参照图10-11所描述的冷却水设施1000或1100相同或相似,与如参照图12-13描述的可变制冷剂流量系统1200或1300相同或相似,和/或与如参照图14-16所描述的蒸汽压缩系统1400、1500或1600相同或相似。
在一些实施例中,MISO系统1702是过程和一个或多个机械控制输出的组合。例如,MISO系统1702可以是空气处理单元,该空气处理单元被配置为经由一个或多个机械控制的致动器和/或风门来控制建筑空间内的温度。在各种实施例中,MISO系统1702可以包括冷水机操作过程、风门调节过程、机械冷却过程、通风过程、制冷过程或其中MISO系统1702的多个输入(即,操纵变量u1...uN)被调节以影响来自MISO系统1702的输出(即,性能变量y)的任何其它过程。参考图26-28详细描述可用作MISO系统1702的受控系统的若干个实例。
多变量极值搜索控制1704使用极值搜索控制技术确定操纵变量u1...uN的最优值。在一些实施例中,多变量极值搜索控制1704用不同的激励信号(例如周期性抖动信号或随机激励信号)干扰每个操纵变量u1...uN,并且观察激励信号对性能变量y的影响。多变量极值搜索控制1704可以对每个操纵变量u1...uN执行抖动解调过程(如参照图4所述),以确定性能变量y相对于每个操纵变量u1...uN的梯度。在一些实施例中,每个梯度是性能变量y相对于操纵变量u1...uN中的一个的偏导数。例如,多变量极值搜索控制1704可以确定性能变量y相对于操纵变量u1的偏导数
Figure GDA0002710369710000582
。类似地,多变量极值搜索控制1704可以确定性能变量y相对于剩余的操纵变量u2...uN的偏导数
Figure GDA0002710369710000583
。在一些实施例中,多变量极值搜索控制1704生成如下式所示的偏导数的向量D:
Figure GDA0002710369710000581
其中向量D的每个元素是性能变量y相对于操纵变量u1...uN之一的梯度。多变量极值搜索控制1704可以调节操纵变量u1...uN的直流值,以使向量D趋向于零。
在一些实施例中,多变量极值搜索控制1704使用偏导数的Hessian矩阵H来调节操纵变量u1..uN。Hessian矩阵H描述作为多个操纵变量u1...uN的函数的性能变量y的局部曲率(即,y=f(ul,u2,...uN))。在一些实施例中,Hessian矩阵H是二阶偏导数的方阵,如下式所示:
Figure GDA0002710369710000591
多变量极值搜索控制1704可以通过确定Hessian矩阵H是正定的(局部最大值)还是负定的(局部最小值)来使用Hessian矩阵H识别局部极值。通过使向量D趋向于零和/或评估Hessian矩阵H,多变量极值搜索控制1704可以取得性能变量y的极值(即,最大值或最小值)。
多变量极值搜索控制1704可以使用上面列出的基于向量和矩阵的计算以在多维域中实现极值搜索控制。虽然这种方法是多变量问题的最优雅的数学解,但由于难以对在多维域中操作的控制器进行配置并调试,因此在实践中可能会遇到问题。例如,由于变量相互作用,调节每个操纵变量u1...uN(即每个控制信道)的反馈增益K可能很复杂。在一些实施例中,变量相互作用导致每个控制信道的反馈增益K取决于所有其他控制信道的所有其他反馈增益K。操纵变量之间的相互依赖性也可能使多变量极值搜索控制1704的故障排除复杂化。例如,当尝试识别对观察到的性能变量y负责的行为的控制信道时,操纵变量u1...uN之间的相互作用可能会引起含糊性。
现在参考图18,其示出了根据示例性实施例的另一极值搜索控制系统1800。控制系统1800被示出为包括MISO系统1702和多个单变量极值搜索控制器(ESC)1804、1806和1808。尽管仅示出了三个单变量极值搜索控制1804-1808,但是应当理解,在控制系统1800中可以包括任何数量的单变量极值搜索控制。每个单变量极值搜索控制1804-1808可以分配给不同的操纵变量u1...uN,并且被配置为使用极值搜索控制技术来确定所分配的操纵变量的最优值。例如,单变量极值搜索控制1804可以分配给操纵变量u1并被配置为使u1趋向于其最佳值;单变量极值搜索控制1806可以分配给操纵变量u2并被配置为使u2趋向至其最佳值;并且单变量极值搜索控制1808可以分配给操纵变量uN,并被配置为使uN趋向到其最佳值。
每个单变量极值搜索控制1804-1808可以接收与来自MISO系统1702的输入相同的性能变量y。然而,每个单变量极值搜索控制1804-1808可以对应于不同的控制信道(即,不同的操纵变量),并且可以被配置为将对应的操纵变量的值作为输出提供给MISO系统1702。在一些实施例中,每个单变量极值搜索控制1804-1808对相应的操纵变量输出施加不同且不相关的干扰。干扰可以是如前所述的周期抖动信号或随机激励信号。如果使用周期性抖动信号,则可以将每个单变量极值搜索控制1804-1808配置为使用不同的抖动频率以允许在性能变量y中唯一地识别每个操纵变量u1...uN的影响。如果使用随机激励信号,则随机信号天生是彼此不相关的。这省去了在产生干扰信号时单变量极值搜索控制1804-1808之间的通信或协调的任何要求。每个单变量极值搜索控制1804-1808可以提取性能变量y相对于相应的操纵变量(例如,
Figure GDA0002710369710000601
)的梯度,并且可以使用极值搜索控制技术使提取的梯度趋向于零。
尽管系统1800被示出为包括MISO系统1702,但是应当理解,在一些实施例中,多输入多输出(MIMO)系统可以替代MISO系统1702。当使用MIMO系统代替MISO系统1702时,每个单变量极值搜索控制1804-1808可以接收与来自MIMO系统的反馈输出相同的性能变量y或不同的性能变量y1...yM。每个单变量极值搜索控制1804-1808可以提取其中一个性能变量相对于其中一个操作变量的梯度,并且可以使用极值搜索控制技术使提取的梯度趋向于零。
在一些实施例中,每个单变量极值搜索控制1804-1808是极值搜索控制502的示例,并且可以包括极值搜索控制502的所有组件和功能,如参考图5所述。每个单变量极值搜索控制1804-1808可以包括递归梯度估计器506和反馈控制器508的示例。递归梯度估计器506的每个示例均可以被配置为执行递归梯度估计过程,以估计性能变量y相对于相应的操纵变量u1...uN的斜率。例如,单变量极值搜索控制1804内的递归梯度估计器506的示例可被配置为估计性能变量y相对于第一操纵变量u1的梯度或斜率
Figure GDA0002710369710000602
。类似地,单变量极值搜索控制1806内的递归梯度估计器506的示例可以被配置为估计性能变量y相对于第二操纵变量u2的梯度或斜率
Figure GDA0002710369710000611
,并且单变量极值搜索控制1808内的递归梯度估计器506的示例可以被配置为估计性能变量y相对于第N个操纵变量uN的梯度或斜率
Figure GDA0002710369710000612
。递归梯度估计器506的多个示例可以彼此独立地操作,并且不需要通信或协调来执行它们各自的递归梯度估计过程。
反馈控制器508的每个示例可以从递归梯度估计器506的对应示例接收估计梯度(即,
Figure GDA0002710369710000613
之一)。反馈控制器508的每个示例可以在使相应的梯度趋向于零的方向上调整相应的操纵变量的值(即,u1...uN之一),直到达到操纵变量的最佳值(即,导致零梯度的操纵变量的值)。例如,单变量极值搜索控制1804内的反馈控制器508的示例可以被配置为通过调整操纵变量u1的直流值来使梯度
Figure GDA0002710369710000614
趋向于零。类似地,单变量极值搜索控制1806内的反馈控制器508的示例可以被配置为通过调节操纵变量u2的直流值w2来使梯度
Figure GDA0002710369710000615
趋向于零,并且单变量极值搜索控制1808内的反馈控制器508的示例可以被配置为通过调整操纵变量uN的直流值wN使梯度
Figure GDA0002710369710000616
趋向于零。反馈控制器508的多个示例可以彼此独立地操作,并且不需要关于操纵变量u1...uN之间的相互作用的任何信息来使它们各自的梯度趋向于零。
在一些实施例中,每个单变量极值搜索控制1804-1808包括随机信号发生器512、积分器514和激励信号元件510的示例。随机信号发生器512的每个示例可被配置为对于其中一个操纵变量u1...uN产生持续激励信号q。例如,单变量极值搜索控制1804内的随机信号发生器512的示例可以产生第一随机激励信号q1;单变量极值搜索控制1806内的随机信号发生器512的示例可以产生第二随机激励信号q2;并且单变量极值搜索控制1808内的随机信号发生器512的示例可以产生第N个随机激励信号qN。每个随机激励信号q1...qN可以在激励信号元件510处被添加到相应操纵变量的直流值w1...wN,以形成操纵变量u1...uN,如下面的等式所示:
Figure GDA0002710369710000621
随机激励信号q1...qN的一个优点是调谐单变量极值搜索控制1804-1808变得更简单,因为抖动频率不再是必需的参数。当产生随机激励信号q1...qN时,ESC1804-1808不需要知晓或估计MISO系统1702的固有频率。此外,由于每个随机激励信号q1...qN可能是随机的,因此不需要确保随机激励信号q1...qN彼此不相关。随机信号发生器512的多个示例可以彼此独立地操作,并且不需要通信或协调,以确保随机激励信号q1...qN是相异的和不相关的。
在一些实施例中,每个单变量极值搜索控制1804-1808包括相关系数估计器528的示例。相关系数估计器528的每个示例可以被配置为针对其中一个操纵变量u1.uN来估计相关系数ρ。例如,单变量极值搜索控制1804内的相关系数估计器528的示例可以产生第一相关系数ρ1;单变量极值搜索控制1806内的相关系数估计器528的示例可以产生第二相关系数ρ2;单变量极值搜索控制1808内的相关系数估计器528的示例可以产生第N个相关系数ρN。每个相关系数ρ1...ρN可以与相应的操纵变量的性能梯度dy/du相关(例如,与dy/du成比例),但是根据性能变量y的范围进行定标。例如,每个相关系数ρ1...ρN可以是对应的性能梯度
Figure GDA0002710369710000622
的归一化测量(例如,定标到范围0≤ρ≤1)。
在一些实施例中,当执行其极值搜索控制过程时,单变量极值搜索控制1804-1808使用相关系数ρ1...ρN,而不是性能梯度
Figure GDA0002710369710000623
。例如,单变量极值搜索控制1804可以调整操纵变量u1的直流值,以使相关系数ρ1趋向于零。类似地,单变量极值搜索控制1806可以调整操纵变量u2的直流值w2以使相关系数ρ2趋向于零,并且单变量极值搜索控制1808可以调节操纵变量uN的直流值wN以使相关系数ρN趋向于零。使用相关系数ρ1..ρN代替性能梯度
Figure GDA0002710369710000631
的一个优点是:单变量极值搜索控制1804-1808使用的调谐参数可以是调谐参数的广义集,其不需要根据性能变量y的标度进行定制或调整。这个优点省去了对每个单变量极值搜索控制1804-1808执行控制环特定调谐的需要,并允许每个极值搜索控制1804-1808使用调谐参数的广义集,该广义集可应用于许多不同控制环路和/或设施。
现在参考图19,其示出了根据示例性实施例的另一极值搜索控制系统1900。控制系统1900被示出为包括MISO系统1702和多变量控制器1902。多变量控制器1902被示出为包括多个单变量极值搜索控制器(ESC)1904、1906和1908。在一些实施例中,单变量极值搜索控制1904-1908被实施为单独的控制模块或多变量控制器1902的组件。尽管仅示出了三个单变量极值搜索控制1904-1908,但是应当理解,在多变量控制器1902中可以包括任何数量的单变量极值搜索控制。
单变量极值搜索控制1904-1908可被配置为执行与如参照图18所述的单变量极值搜索控制1804-1808相同的一些或全部功能。每个单变量极值搜索控制1904-1908可分配给不同的操纵变量u1...uN,并配置为使用极值搜索控制技术确定分配的操纵变量的最优值。例如,单变量极值搜索控制1904可以分配给操纵变量u1并被配置为使u1趋向于其最佳值;单变量极值搜索控制1906可以分配给操纵变量u2并被配置为使u2趋向于其最佳值;并且单变量极值搜索控制1908可以分配给操纵变量uN,并被配置为使uN趋向于其最佳值。在一些实施例中,单变量极值搜索控制1904-1908中的每一个均包括递归梯度估计器506、反馈控制器508、相关系数估计器528、随机信号发生器512、积分器514和/或激励信号元件510的示例。这些组件可以被配置为如参照图5所述进行操作。
尽管系统1900被示出为包括MISO系统1702,但是应当理解,在一些实施例中,多输入多输出(MIMO)系统可以替代MISO系统1702。当使用MIMO系统代替MISO系统1702时,每个单变量极值搜索控制1904-1908可以接收与来自MIMO系统的反馈输出相同的性能变量y或不同的性能变量y1…yM。每个单变量极值搜索控制1904-1908可以提取其中一个性能变量相对于其中一个操作变量的梯度,并且可以使用极值搜索控制技术使提取的梯度趋向于零。
在一些实施例中,多变量控制器1902被配置为在多个不同的操作模式下操作。例如,多变量控制器1902可以作为有限状态机或混合控制器进行操作,该状态机或混合控制器被配置为当满足状态转换条件时评估状态转换条件并在多个不同的操作状态之间切换。这种混合控制器的实例在2016年8月9日提交的美国专利申请No.15/232,800中有详细描述,其全部内容通过引用并入本文。在一些实施例中,多变量控制器1902的每个操作模式与操纵变量u1...uN的不同子集相关联。例如,多变量控制器1902可以当在第一操作模式下操作时提供操纵变量u1...uN的第一子集S1={ul,u4,u5,u7}到MISO系统1702,并且当在第二操作模式下操作时提供操纵变量u1...uN的第二子集S2={u1,u2,u3,u6}到MISO系统1702。每个操纵变量u1...uN可以由不同的单变量极值搜索控制1904-1908控制。
在一些实施例中,多变量控制器1902被配置为基于多变量控制器1902的操作模式在多个不同组的单变量极值搜索控制1904-1908之间切换。多变量控制器1902可以基于在每个操作模式中操纵变量u1...uN中的哪一个被提供给MISO系统1702来选择性地激活和禁用各个单变量极值搜索控制1904-1908。例如,多变量控制器1902可以选择性地激活单变量极值搜索控制,该单变量极值搜索控制被配置成在过渡到第一操作模式时控制子集S1中的操纵变量。类似地,多变量控制器1902可以选择性地激活单变量极值搜索控制,该单变量极值搜索控制配置成在过渡到第二操作模式时控制子集S2中的操纵变量。多变量控制器1902可以禁用在当前操作模式中不是控制被提供给MISO系统1702的操纵变量所需的单变量极值搜索控制1904-1908中的任何一个。
实例测试结果
现在参考图20,其示出了根据示例性实施例的用于测试本文描述的多变量优化技术的极值搜索控制系统2000的实例。系统2000显示包括两个单变量极值搜索控制2002和2004以及MISO系统2012。单变量极值搜索控制2002-2004中的每一个均可以与如参照图18-19所述的单变量极值搜索控制1804-1808或1904-1908中的任一个相同或相似。单变量极值搜索控制2002为MISO系统2012提供第一操纵变量u1,而单变量极值搜索控制2004为MISO系统2012提供第二操纵变量u2
MISO系统2012可以与如参照图17所述的MISO系统1702相同或相似。MISO系统2012被图示为包括输入动态特征2006-2008和性能图2010。输入动态特征2006-2008被选择以具有以下临界阻尼的二阶形式:
Figure GDA0002710369710000651
Figure GDA0002710369710000652
其中w被设置为
Figure GDA0002710369710000654
。输入动态特征2006将操纵变量u1转换为变量x1,而输入动态特征2008将操纵变量u2转换为变量x2
性能图2010被选为Ackley(2)函数类型的2D非线性静态图,它是连续的、可微分的、不可分离的、不可扩展的和单峰的,如下式所示:
Figure GDA0002710369710000653
性能图2010的输出作为性能变量y(即,y=f(x))被提供给单变量极值搜索控制2002-2004。
现在参考图21-23,从系统2000上进行的测试中得到结果。对于每个单变量极值搜索控制2002-2004进行参照图5描述的极值搜索控制技术。每个操纵变量u1和u2的最佳值为u1=0并且u2=0,而性能变量y的最佳值为y=-200。每个操纵变量u1和u2被设置为值u1=5并且u2=5的初始值。对于任一个控制回路,不进行任何调谐。图21是曲线图2100,其示出了性能变量y快速收敛到y=-200的最佳值。图22-23是曲线图2200和2300,其示出了操纵变量u1和u2快速收敛到其最佳值u1=0并且u2=0。
测试结果表明,使用多个单变量极值搜索控制器的多环路极值搜索控制技术快速收敛,尽管困难的、不可分的2D性能图2010。在不必为了不可分的问题而调节各个反馈控制环路的情况下能够应用这种技术使得该方法对于实际实施方式特别有吸引力。
多变量优化过程
现在参考图24,其示出了根据示例性实施例的使用多个单变量极值搜索控制器的多变量优化过程2400的流程图。过程2400可以由如参照图18-19所述的极值搜索控制系统1800或1900的一个或多个组件执行。例如,过程2400可以由一组单变量极值搜索控制器(例如,极值搜索控制1804-1808或1904-1908)执行。单变量极值搜索控制可以被实施为单独的控制器(如图18所示)或多变量控制器的模块(如图19所示)。
过程2400被示出为包括提供多个操纵变量u1...uN作为设施的输入(步骤2402),并且接收作为来自设施的反馈的性能变量y(步骤2404)。在一些实施例中,设施与MISO系统1702相同或相似。例如,设施可以接收多个操纵变量u1...uN作为输入,并提供单个性能变量y作为输出。在其他实施例中,设施提供多个性能变量作为输出。例如,设施可以是多输入多输出(MIMO)系统。每个操纵变量u1...uN可以独立地由单独的单变量极值搜索控制器(例如,单变量极值搜索控制1804-1808或1904-1908中的一个)生成并提供。性能变量y可以从设施接收并作为输入提供给每个单变量极值搜索控制。换句话说,每个单变量极值搜索控制可以接收与输入相同的性能变量y。
过程2400被示出为包括使用多个不同的单变量极值搜索控制来独立地确定性能变量y相对于每个操纵变量u1...uN的梯度(步骤2406)。在一些实施例中,单变量极值搜索控制中的每一个均对应于操纵变量u1...uN之一。每个单变量极值搜索控制可以估计性能变量y相对于相应的操纵变量u1...uN的斜率。例如,第一单变量极值搜索控制可以被配置为估计性能变量y相对于第一操纵变量u1的梯度或斜率
Figure GDA0002710369710000661
;第二单变量极值搜索控制可以被配置为估计性能变量y相对于第二操纵变量u2的梯度或斜率
Figure GDA0002710369710000662
;并且第N个单变量极值搜索控制可以被配置为估计性能变量y相对于第N个操纵变量uN的梯度或斜率
Figure GDA0002710369710000663
。单变量极值搜索控制可以彼此独立地操作,并且不需要通信或协调来执行它们各自的梯度估计过程。
过程2400被示出为包括通过对每个操纵变量调节反馈控制器的输出来使估计梯度趋向于零(步骤2408)。每个反馈控制器均可以是单变量极值搜索控制之一的组件(如图5所示)。每个反馈控制器可以在使相应梯度趋向于零的方向上调整相应的操纵变量(即u1...uN之一)的值,直到达到操纵变量的最佳值(即,导致梯度为零的操纵变量的值)。例如,可以将第一单变量极值搜索控制内的第一反馈控制器配置为通过调整操纵变量u1的直流值w1来使梯度
Figure GDA0002710369710000671
趋向于零。类似地,第二单变量极值搜索控制内的第二反馈控制器可以被配置为通过调整操纵变量u2的直流值w2使梯度
Figure GDA0002710369710000672
趋向于零,并且第N个单变量极值搜索控制内的第N个反馈控制器可以配置为通过调整操纵变量uN的直流值wN来使梯度
Figure GDA0002710369710000673
趋向于零。多个反馈控制器可以彼此独立地操作,并且不需要关于操纵变量u1...uN之间的相互作用的任何信息来使它们各自的梯度趋向于零。
过程2400被示出为包括为每个操纵变量产生激励信号(步骤2410)。每个激励信号可以由单独的激励信号发生器产生,激励信号发生器可以是单变量极值搜索控制之一的组件(如图5所示)。在一些实施例中,第一单变量极值搜索控制内的第一激励信号发生器产生第一激励信号q1;;第二单变量极值搜索控制内的第二激励信号发生器产生第二激励信号q2;并且第N单变量极值搜索控制内的第N激励信号发生器产生第N激励信号qN。激励信号可以是如前所述的周期抖动信号或随机激励信号。如果使用周期抖动信号,则可以将每个单变量极值搜索控制配置为使用不同的抖动频率,以便在性能变量y中唯一地识别每个操纵变量u1...uN的影响。如果使用随机激励信号,则随机信号天生彼此不相关。这省去了在产生激励信号时单变量极值搜索控制之间的通信或协调的任何要求。
过程2400被示出为通过利用相应的激励信号干扰每个反馈控制器的输出来产生每个操纵变量的新值(步骤2412)。每个激励信号q1...qN可以被添加到相应的操纵变量的直流值w1...wN,以形成操纵变量u1...uN,如下面的等式所示:
Figure GDA0002710369710000681
然后可以将操纵变量u1...uN的新值作为输入提供给设施(步骤2402),并且可以重复过程2400。
现在参考图25,示出了根据示例性实施例的使用多个单变量极值搜索控制器的多变量优化过程2500的流程图。过程2500可以由如参照图18-19所述的极值搜索控制系统1800或1900的一个或多个组件执行。例如,过程2500可以由一组单变量极值搜索控制器(例如,极值搜索控制1804-1808或1904-1908)执行。单变量极值搜索控制可以被实施为单独的控制器(如图18所示)或多变量控制器的模块(如图19所示)。
过程2500被示出为包括在第一操作模式下工作时使用第一组单变量极值搜索控制来向设施提供第一组操纵变量(步骤2502)。在一些实施例中,每个操作模式与操纵变量u1...uN的不同子集相关联。例如,操纵变量u1...uN的第一子集S1={ul,u4,u5,u7}可以在第一操作模式下,而操纵变量u1...uN的第二子集S2={u1,u2,u3,u6}可以与第二操作模式相关联。每个操纵变量u1...uN可以由不同的单变量极值搜索控制加以控制。
过程2500被示出为包括从第一操作模式过渡到第二操作模式(步骤2504),并且识别与第二操作模式相关联的第二组操纵变量(步骤2506)。在一些实施例中,作为满足一个或多个状态过渡条件的结果,发生从第一操作模式的过渡。例如,多变量控制器可以作为有限状态机或混合控制器进行操作,该状态机或混合控制器被配置为当满足状态转换条件时评估状态转换条件并在多个不同的操作状态之间切换。识别与第二操作模式相关联的一组操纵变量可以包括在第二操作模式中从数据库检索这样的信息或者自动识别设施所需的输入。
过程2500被示出为包括在第二操作模式下工作时激活被配置为优化第二组操纵变量的第二组单变量极值搜索控制(步骤2508),并且使用第二组单变量极值搜索控制以向设施提供第二组操纵变量(步骤2510)。第二组操纵变量中的每一个都可以通过单独的单变量极值搜索控制来控制。步骤2508可以包括:基于在每个操作模式中哪个操纵变量u1...uN被提供给设施,选择性地激活和/或禁用一个或多个单变量极值搜索控制。被配置成控制子集S1中的操纵变量的单变量极值搜索控制可以在过渡到第一操作模式时被选择性地激活。类似地,被配置成控制子集S2中的操纵变量的单变量极值搜索控制可以在过渡到第二操作模式时被激活。步骤2508可以包括在当前操作模式中禁用不是控制被提供给设施的操纵变量所必需的任何单变量极值搜索控制。
实例实施方式
现在参考图26-28,其示出了根据示例性实施例的使用多个单变量极值搜索控制的多变量优化的几个实例实施方式。图26-28中所示的实施方式示出了MISO系统(例如,MISO系统1702)的各种实施例,所述MISO系统可以使用多个单变量极值搜索控制、可以通过单变量极值搜索控制提供给MISO系统1702的操纵变量u以及可以作为来自MISO系统1702的反馈接收的性能变量y予以控制。
冷却水设施2600
具体参考图26,其示出了根据一些实施例的冷却水设施2600。冷却水设施2600可以包括如参照图10A和11A所述的冷却水设施1000和/或冷却水设施1100的一些或全部部件。例如,冷却水设施2600被示出为包括冷水机2602、冷却塔2604和空气处理单元(AHU)2606。冷水机2602通过冷凝水回路2622与冷却塔2604连接。沿着冷凝水回路2622定位的冷凝水泵2614使冷凝水在冷却塔2604和冷水机2602之间循环。冷却塔风扇系统2636提供通过冷却塔2604的气流,以便于冷却冷却塔2604内的冷凝水。冷水机2602也经由冷却流体回路2624与空气处理单元2606连接。沿着冷却流体回路2624定位的冷却流体泵2616使冷却流体在冷水机2602和空气处理单元2606之间循环。
冷却水设施2600被示出为包括第一单变量极值搜索控制2642和第二单变量极值搜索控制2644。两个单变量极值搜索控制2642-2644被示出为接收功率输入Ptotal,该功率输入Ptotal表示由冷却塔风扇系统2636Ptower、冷凝水泵2614Ppump和冷水机2602的压缩机2634PChiller消耗的总功率(即Ptotal=Ptower+Ppump+Pchiller)。如图26所示,功率输入Ptower、Ppump和Pchiller可以在求和框2640处在单变量极值搜索控制2642-2644之外求和,以提供表示总功率Ptotal的组合信号。在其他实施例中,单变量极值搜索控制2642-2644接收各个功率输入Ptower、Ppump和Pchiller,并进行求和框2640的求和。在任一情况下,即使功率输入被提供为表示总系统功率的单个相加或组合信号Ptotal,也可以说单变量极值搜索控制2642-2644接收功率输入Ptower、Ppump和PChiller
在一些实施例中,总系统功率Ptotal是单变量极值搜索控制2642-2644搜索以优化(例如最小化)的性能变量。总系统功率Ptotal可以包括冷水设施2600的一个或多个组件的功耗。在图26所示的实施例中,总系统功率Ptotal包括Ptower、Ppump和Pchiller。然而,在各种其他实施例中,总系统功率Ptotal可以包括功率输入的任何组合。例如,总系统功率Ptotal可以包括空气处理单元2606内的风扇的功耗、冷却流体泵2616的功耗和/或在冷却水设施2600内发生的任何其它功耗。
单变量极值搜索控制2642被示出为向冷却塔风扇系统2636提供风扇速度控制信号。在一些实施例中,冷却塔风扇速度Fansp是单变量极值搜索控制2642调节以影响总系统功率Ptotal的操纵变量。例如,单变量极值搜索控制2642可以提高冷却塔风扇系统2636的速度,以增加通过冷却塔2604从冷凝水中除去的热量,或者降低冷却塔风扇系统2636的速度,以减少经由冷却塔2604从冷凝水中除去的热量。降低冷却塔风扇速度Fansp可以降低冷却塔的功耗Ptower,但可能会增加冷水机功耗PChiller,因为需要额外的冷水机功率才能将热量传递给更暖的冷凝水。单变量极值搜索控制2642实现了极限搜索控制策略,所述极限搜索控制策略动态地搜索未知输入(例如,最佳冷却塔风扇速度Fansp)以获得趋向于接近最佳的系统性能(例如,总功耗Ptotal)。
类似地,单变量极值搜索控制2644被示出为向冷凝水泵2614提供泵功率控制信号。在一些实施例中,泵速度Pumpsp是单变量极值搜索控制2644调节以影响总系统功率Ptotal的操纵变量。例如,单变量极值搜索控制2644可以增加冷凝水泵2614的速度,以增加从在冷凝器2618内的制冷剂中移除的热量,或降低冷凝水泵2614的速度,以减少从在冷凝器2618内的制冷剂中移除的热量。降低泵速Pumpsp可以降低泵功耗Ppump,但可能会增加冷水机功耗PChiller,因为需要额外的冷水机功率才能将热量转移到更暖的冷凝水。单变量极值搜索控制2644实现了极限搜索控制策略,该极限搜索控制策略动态地搜索未知输入(例如,最佳泵速度Pumpsp)以获得趋向于接近最佳的系统性能(例如,总功耗Ptotal)。
可变制冷剂流量系统2700
现在参见图27,其示出了根据一些实施例的另一个可变制冷剂流(VRF)系统2700。VRF系统2700可以包括如参照图12A和13A所述的VRF系统1200和/或VRF系统1300的一些或全部组件。例如,VRF系统2700被示出为包括室外单元2702、若干热回收单元2704和若干室内单元2706。
室外单元2702被示出为包括压缩机2714和热交换器2720。压缩机2714使制冷剂在热交换器2720与室内单元2706之间循环。当VRF系统2700在冷却模式下工作时,热交换器2720可用作冷凝器(允许制冷剂将热量排出到外部空气),或者当VRF系统2700在加热模式下工作时,热交换器可用作蒸发器(允许制冷剂从外部空气吸收热量)。风扇2718通过热交换器2720提供气流。可以调节风扇2718的速度以调整进入或离开热交换器2720中的制冷剂的传热速率。
每个室内单元2706被示出为包括热交换器2726和膨胀阀2724。当室内单元2706在加热模式下工作时,每个热交换器2726可用作冷凝器(允许制冷剂将热量排出到房间或区域内的空气),或者当室内单元2706在冷却模式下工作时,每个热交换器可用作蒸发器(允许制冷剂从房间或区域内的空气吸收热量)。风扇2722通过热交换器2726提供气流。可以调节风扇2722的速度以调整进入或离开热交换器2726的制冷剂的传热速率。温度传感器可以用于测量室内单元2706内的制冷剂Tr的温度。
VRF系统2700被示出为包括第一单变量极值搜索控制2732和第二单变量极值搜索控制2738。两个单变量极值搜索控制2732和2738都被示出为接收功率输入Ptotal,所述功率输入Ptotal表示室外单元2702Poutdoor和每个室内单元2706Pindoor消耗的总功率(即Ptotal=Poutdoor+Pindoor)。如图27所示,功率输入Poutdoor和Pindoor可以在求和框2730处在单变量极值搜索控制2732-2738之外求和,以提供表示总功率Ptotal的组合信号。在其他实施例中,单变量极值搜索控制2732和2738接收各个功率输入Poutdoor和Pindoor,并进行求和框2730的求和。在任一种情况下,即使功率输入被提供为表示总系统功率的单个相加或组合信号Ptotal,也可以说单变量极值搜索控制器2732和2738接收功率输入Poutdoor和Pindoor
在一些实施例中,总系统功率Ptotal是单变量极值搜索控制2732和2738搜索以优化(例如最小化)的性能变量。总系统功率Ptotal可以包括VRF系统2700的一个或多个组件的功耗。在图27所示的实施例中,总系统功率Ptotal包括Poutdoor和Pindoor。然而,在各种其他实施例中,总系统功率Ptotal可以包括功率输入的任何组合。例如,总系统功率Ptotal可以包括室外单元2702内的风扇2718的功耗、室内单元2706内的风扇2722的功耗、热回收单元2704的功耗和/或在VRF系统2700内发生的任何其他功耗。
单变量极值搜索控制2732被示出为向室外单元2702提供过热设定点SHsp。在一些实施例中,过热设定点SHsp是单变量极值搜索控制2732调节以影响总系统功率Ptotal的操纵变量。例如,单变量极值搜索控制2732可以增加过热设定点SHsp以增加制冷剂相对于饱和温度的温度,或者减小过热设定点SHsp以允许室外单元2702中的制冷剂的温度更接近饱和温度。降低过热设定点SHsp可以减少室外单元功耗Poutdoor,但可能会增加室内单元功耗Pindoor,因为需要额外的风扇功率来从较冷的制冷剂传递热量。单变量极值搜索控制2732实现了极值搜索控制策略,该极值搜索控制策略动态地搜索未知输入(例如,最佳过热设定点SHsp)以获得趋向于接近最佳的系统性能(例如,总功耗Ptotal)。
类似地,单变量极值搜索控制2738被示出为向热回收单元2704提供阀设定点Valvesp。在一些实施例中,阀设定点Valvesp是单变量极值搜索控制2738调节以影响总系统功率Ptotal的操纵变量。例如,可以调节阀设定点Valvesp以控制热回收单元2704内的旁通阀的位置。单变量极值搜索控制2738可以增加阀设定点Valvesp,以逐步打开旁路阀,或者减小阀设定点Valvesp以逐步关闭旁路阀。单变量极值搜索控制2738实现极值选择控制策略,该极值选择控制策略动态地搜索未知输入(例如,最佳阀设定点Valvesp)以获得趋向于接近最优的系统性能(例如,总功耗Ptotal)。
蒸汽压缩系统2800
现在参见图28,其示出了根据一些实施例的蒸汽压缩空调系统2800。系统2800可以包括如参照图14A、15A和16A所述的蒸汽压缩系统1400、1500和/或1600的一些或全部部件。例如,系统2800被示出为包括制冷剂回路2810。制冷剂回路2810包括冷凝器2812、蒸发器2814、膨胀阀2824和压缩机2806。压缩机2806被构造成在蒸发器2814和冷凝器2812之间循环制冷剂。制冷剂回路2810使用蒸汽压缩循环进行操作。例如,压缩机2806将制冷剂压缩到热的高压状态。压缩的制冷剂流过冷凝器2812,在那里制冷剂排出热量。冷凝器风扇2832可用于调整冷凝器2812内的热传递速率。冷却的制冷剂通过膨胀阀2824膨胀至低压低温状态。膨胀的制冷剂流过蒸发器1514,在那里制冷剂吸收热量。蒸发器风扇2816可用于调整蒸发器2814内的传热速率。
在一些实施例中,如图28所示,制冷剂回路2810位于屋顶单元2802(例如,屋顶空气处理单元)内。屋顶单元2802可以被配置成为流过空气管道2822的供应空气2820提供冷却。例如,蒸发器2814可以位于空气管道2822内,使得供应空气2820流过蒸发器2814,并且通过将热传递到蒸发器2814内膨胀的制冷剂来冷却。然后,冷却的气流可以被路由到建筑从而为建筑的房间或区域提供冷却。供应空气2820的温度可以由位于蒸发器2814下游(例如,在管道2822内)的温度传感器2818测量。在其他实施例中,制冷剂回路2810可以用于使用蒸汽压缩循环传递热量的各种其它系统或装置中的任何一种(例如,冷水机、热泵、热回收冷水机、制冷装置等)。
蒸汽压缩系统2800被示出为包括第一单变量极值搜索控制2826、第二单变量极值搜索控制2828和第三单变量极值搜索控制2830。每个单变量极值搜索控制2826-2830均被示出为接收功率输入Ptotal,该功率输入Ptotal表示由压缩机2806Pcomp、蒸发器风扇2816Pfan,evap和冷凝器风扇2832Pfan,cond消耗的总功率(即,Ptotal=Pcomp+Pfan,evap+Pfan,cond)。如图28所示,功率输入Pcomp、Pfan,evap以及Pfan,ancond可以在求和块2808处在单变量极值搜索控制2826-2830之外求和,以提供表示总功率Ptotal的组合信号。在其他实施例中,单变量极值搜索控制2826-2830接收各个功率输入Pcomp、Pfan,evap和Pfan,cond,并且进行求和框1508的求和。在任一情况下,即使功率输入被提供为表示总系统功率的单个相加或组合信号Ptotal,也可以说单变量极值搜索控制2826-2830接收功率输入Pcomp、Pfan,evap和Pfan.cond
在一些实施例中,总系统功率Ptotal是单变量极值搜索控制2826-2830搜索以优化(例如最小化)的性能变量。总系统功率Ptotal可以包括蒸汽压缩系统2800的一个或多个部件的功耗。在图28所示的实施例中,总系统功率Ptotal包括Pcomp、Pfan.evap和Pfan.cond。然而,在各种其他实施例中,总系统功率Ptotal可以包括功率输入的任何组合。例如,总系统功率Ptotal可以包括屋顶单元2802内的各种其他风扇的功耗、流体泵的功耗和/或在蒸汽压缩系统2800内发生的任何其它功耗。
单变量极值搜索控制2830被图示为向反馈控制器2804提供温度设定点Tsp。在一些实施例中,温度设定点Tsp是单变量极值搜索控制2830调节以影响总系统功率Ptotal的操纵变量。温度设定点Tsp是离开蒸发器2814的供应空气2820的温度的设定点。供应空气温度Tsa可以由位于蒸发器2818下游的温度传感器2814测量。反馈控制器2804被示出为接收供应空气温度Tsa作为反馈信号。
反馈控制器2804可以操作蒸发器风扇2816,以达到由单变量极值搜索控制器2830提供的温度设定点Tsp。例如,反馈控制器2804可以增加蒸发器风扇2816的速度,以增加从在蒸发器2814内的供应空气2820中移除的热量,或者降低蒸发器风扇2816的速度以减少从在蒸发器2814内的供应空气2820中移除的热量。
单变量极值搜索控制2830实现极值搜索控制策略,该极值搜索控制策略动态地搜索未知输入(例如,最佳供应空气温度设定点Tsp)以获得趋向于接近最佳的系统性能(例如,总功耗Ptotal)。虽然反馈控制器2804和单变量极值搜索控制2830被示出为分离的装置,但可以想到,在一些实施例中,反馈控制器2804和单变量极值搜索控制2830可以组合成单个设备(例如,实现单变量极值搜索控制2830和反馈控制器2804两者的功能的单个控制器)。例如,单变量极值搜索控制2830可被配置为直接控制蒸发器风扇2816而不需要中间反馈控制器2804。
仍然参考图28,其示出了单变量极值搜索控制2826,所述单变量极值搜索控制2826向压缩机2806提供冷凝器压力设定点Prsp。冷凝器压力设定点Prsp限定冷凝器2812内的制冷剂压力的设定点,其可以与压缩机2806出口处的制冷剂压力相同。在一些实施例中,冷凝器压力设定点Prsp是单变量极值搜索控制2826调节以影响总系统功率Ptotal的操纵变量。单变量极值搜索控制2826实现极值搜索控制策略,该极值搜索控制策略动态地搜索未知输入(例如,最佳冷凝器压力设定点Prsp)以获得趋向于接近最佳的系统性能(例如,总功耗Ptotal)。
类似地,单变量极值搜索控制2828被示出为向冷凝器风扇2832提供风扇速度设定点Fansp。风扇速度设定点Fansp可以指示风扇2832的速度的目标值和/或通过冷凝器2812的空气流量的目标值。在一些实施例中,风扇转速设定点Fansp是单变量极值搜索控制2828调节以影响总系统功率Ptotal的操纵变量。单变量极值搜索控制2828实现了极值搜索控制策略,其动态地搜索未知输入(例如,最佳风扇速度设定点Fansp)以获得趋向于接近最佳的系统性能(例如,总功耗Ptotal)。
示例性实施例的配置
示例性实施例中示出的系统的构造和配置以及方法仅仅是说明性的。虽然仅仅详细描述了本发明的少量实施例,但是能够进行许多修改(例如,大小、尺寸、结构、形状和各种元素比例、参数的数值、安装配置、使用的材料、颜色、取向等的变化)。例如,可以颠倒或者另外改变元件的位置,或者可以更改或变化分立元件的属性或数量或位置。因此,所有的这些修改旨在被包括在本公开的范围内。任何过程或方法步骤的顺序或序列可以根据替代性实施例而变化或重新排序。在不脱离本公开的范围的情况下可以对示例性实施例的设计、工作条件和配置进行其他替换、修改、改变和省略。
本公开设想到用于完成各种操作的方法、系统以及任何机器可读介质上的程序产品。可以用现有的计算机处理器,或通过(为此或另一目的而整合的)适当系统的专用计算机处理器、或通过硬连线的系统实现本公开的实施例。本公开范围内的实施例包括:包括用于携带或具有存储在其上的计算机可执行指令或数据结构的机器可读介质的程序产品。这类机器可读介质可以是可由通用或专用计算机或其他具有处理器的机器访问的任何可用介质。例如,这种机器可读介质可以包括RAM、ROM、EPROM、EEPROM、CD-ROM或其他光盘存储器、磁盘存储器或其他磁存储设备、或可以用来以机器可执行指令或数据结构的形来式携带或存储期望的程序代码并可由通用或专用计算机或其他具有处理器的机器访问的任何其他介质。上述项的组合也包括在机器可读介质的范围内。机器可执行指令包括例如致使通用计算机、专用计算机或专用处理机器执行某个功能或某组功能的指令和数据。
尽管附图并未示出方法步骤的具体顺序,但是步骤的顺序可以不同于所描述的顺序。同样,可以同时(或具有部分同时性)执行两个或多个步骤。这种变化将取决于所选择的软件和硬件系统并取决于设计者的选择。所有这类变化均在本公开的范围内。同样,可以用具有基于规则的逻辑和其他逻辑的标准编程技术来完成软件实施方式,从而完成各种连接步骤、处理步骤、比较步骤和决策步骤。

Claims (19)

1.一种用于建筑的暖通空调(HVAC)系统,所述暖通空调系统包括:
包括暖通空调设备的设施,所述暖通空调设备可操作以影响所述建筑中的环境条件;
第一单变量极值搜索控制器(ESC),所述第一单变量极值搜索控制器被配置为用第一随机激励信号干扰第一操纵变量,并将所述第一操纵变量作为第一经干扰的输入提供给所述设施;以及
第二单变量极值搜索控制器,所述第二单变量极值搜索控制器被配置成利用第二随机激励信号干扰第二操纵变量,并将所述第二操纵变量作为第二经干扰的输入提供给所述设施,其中,所述第一随机激励信号和所述第二随机激励信号彼此独立地产生,而不需要所述第一单变量极值搜索控制器和所述第二单变量极值搜索控制器之间的协调;
其中,所述设施使用所述第一经干扰的输入和所述第二经干扰的输入来同时影响性能变量,并且所述第一单变量极值搜索控制器和所述第二单变量极值搜索控制器被配置为接收作为来自所述设施的反馈的所述性能变量;
其中,所述第一单变量极值搜索控制器被配置为估计所述性能变量相对于所述第一操纵变量的第一梯度,并且所述第二单变量极值搜索控制器被配置为估计所述性能变量相对于所述第二操纵变量的第二梯度;
其中,所述第一和第二单变量极值搜索控制器被配置为通过独立地调整所述第一和第二操纵变量来独立地使所述第一和第二梯度趋向于零;
其中,所述设施使用所述第一和第二操纵变量来操作所述设施的所述暖通空调设备以影响所述建筑中的所述环境条件。
2.根据权利要求1所述的暖通空调系统,其中,所述第一和第二随机激励信号包括非周期信号、随机游走信号、非确定性信号和非重复信号中的至少一个。
3.根据权利要求2所述的暖通空调系统,其中,所述第一和第二单变量极值搜索控制器中的每一个包括:
随机激励信号发生器,所述随机激励信号发生器被配置为产生所述第一和第二随机激励信号中的一个;以及
反馈控制器,所述反馈控制器被配置为通过调整所述第一和第二操纵变量中的一个来使所述性能变量的估计的所述第一和第二梯度中的一个趋向于零。
4.根据权利要求1所述的暖通空调系统,其中,所述设施包括以下中的至少一个:
多输入单输出(MISO)系统,所述多输入单输出(MISO)系统提供所述性能变量作为来自所述设施的单个输出;或者
多输入多输出(MIMO)系统,所述多输入多输出(MIMO)系统提供所述性能变量和多个其它变量作为来自所述设施的输出。
5.根据权利要求1所述的暖通空调系统,其中:
所述第一梯度是使所述性能变量与所述第一操纵变量相关联的第一归一化相关系数;并且
所述第二梯度是使所述性能变量与所述第二操纵变量相关联的第二归一化相关系数。
6.根据权利要求1所述的暖通空调系统,其中,所述第一和第二单变量极值搜索控制器中的每一个被配置为执行递归估计过程以估计所述性能变量的所述第一和第二梯度中的一个。
7.根据权利要求1所述的暖通空调系统,还包括多个附加的单变量极值搜索控制器,所述多个附加的单变量极值搜索控制器中的每个分别对应于不同的操纵变量,其中,所述多个附加的单变量极值搜索控制器中的每一个被配置为估计所述性能变量相对于相应的操纵变量的梯度,并且通过独立地调整所述相应的操纵变量来独立地使所述梯度趋向于零。
8.一种用于建筑的暖通空调(HVAC)系统,所述暖通空调系统包括:
包括暖通空调设备的设施,所述暖通空调设备可操作以影响所述建筑中的环境条件;
第一组一个或多个单变量极值搜索控制器(ESC),所述第一组一个或多个单变量极值搜索控制器(ESC)被配置为在第一操作模式下操作以影响所述环境条件时,提供第一组操纵变量作为所述设施的输入;
第二组一个或多个单变量极值搜索控制器,所述第二组一个或多个单变量极值搜索控制器被配置为在第二操作模式下操作以影响所述环境条件时,提供不同于所述第一组操作变量的第二组操纵变量作为所述设施的输入;和
多变量极值搜索控制器,所述多变量极值搜索控制器被配置为响应于检测到从所述第一操作模式到所述第二操作模式的过渡而从所述第一组一个或多个单变量极值搜索控制器切换到所述第二组一个或多个单变量极值搜索控制器;
其中,所述设施在所述第一操作模式中使用所述第一组操纵变量来操作所述暖通空调设备以影响所述建筑中的所述环境条件,并在所述第二操作模式中使用所述第二组操纵变量来操作所述暖通空调设备以影响所述建筑中的所述环境条件。
9.根据权利要求8所述的暖通空调系统,其中,所述第一组一个或多个单变量极值搜索控制器和所述第二组一个或多个单变量极值搜索控制器中的每一个被配置为通过执行单独的单变量极值搜索控制过程来独立地优化所述第一组和第二组操纵变量中的一个。
10.根据权利要求9所述的暖通空调系统,其中,所述单变量极值搜索控制过程中的每一个包括:
用激励信号干扰所述第一组和第二组操纵变量中的一个;
将所述第一组和第二组操纵变量中的所述一个作为干扰输入提供给所述设施;
接收来自所述设施的作为反馈的性能变量;
估计所述性能变量相对于所述第一组和第二组操纵变量中的所述一个的梯度;并且
通过调整所述第一组和第二组操纵变量中的所述一个使估计的所述梯度趋向于零。
11.根据权利要求10所述的暖通空调系统,其中,所述激励信号是包括非周期信号、随机游走信号、非确定性信号和非重复信号中的至少一个的随机激励信号。
12.根据权利要求10所述的暖通空调系统,其中,所述第一组一个或多个单变量极值搜索控制器和所述第二组一个或多个单变量极值搜索控制器中的每一个包括:
随机激励信号发生器,所述随机激励信号发生器被配置为产生随机激励信号;
梯度估计器,所述梯度估计器被配置为估计所述性能变量相对于所述第一组和第二组操纵变量中的一个的梯度;以及
反馈控制器,所述反馈控制器被配置为通过调整所述第一组和第二组操纵变量中的所述一个来使估计的所述梯度趋向于零。
13.根据权利要求10所述的暖通空调系统,其中,所述设施包括以下中的至少一个:
多输入单输出(MISO)系统,所述多输入单输出(MISO)系统提供所述性能变量作为来自所述设施的单个输出;或者
多输入多输出(MIMO)系统,所述多输入多输出(MIMO)系统提供所述性能变量和多个其它变量作为来自所述设施的输出。
14.根据权利要求10所述的暖通空调系统,其中,所述第一组一个或多个单变量极值搜索控制器和所述第二组一个或多个单变量极值搜索控制器中的每一个被配置为估计归一化相关系数,所述归一化相关系数使所述性能变量与所述第一组和第二组操纵变量中的一个相关联。
15.一种用于操作建筑的暖通空调(HVAC)系统的方法,所述方法包括:
用第一随机激励信号干扰第一操纵变量;
用第二随机激励信号干扰第二操纵变量,其中,所述第一随机激励信号和所述第二随机激励信号彼此独立地产生,而不需要所述第一随机激励信号和所述第二随机激励信号之间的协调;
将所述第一操纵变量和所述第二操纵变量作为第一干扰输入和第二干扰输入提供给包括暖通空调设备的设施,其中所述设施使用所述第一干扰输入和所述第二干扰输入来同时影响性能变量;
接收所述性能变量作为来自所述设施的反馈;
估计将所述性能变量与所述第一操纵变量相关联的第一归一化相关系数,以及估计将所述性能变量与所述第二操纵变量相关联的第二归一化相关系数;
通过独立地调整所述第一和第二操纵变量来独立地使所述第一和第二归一化相关系数趋向于零;并且
使用所述第一和第二操纵变量来操作所述设施的所述暖通空调设备以影响所述建筑中的环境条件。
16.根据权利要求15所述的方法,其中,所述第一和第二随机激励信号是包括非周期信号、随机游走信号、非确定性信号和非重复信号中的至少一个。
17.根据权利要求15所述的方法,其中,所述设施包括以下中的至少一个:
多输入单输出(MISO)系统,所述多输入单输出(MISO)系统提供所述性能变量作为来自所述设施的单个输出;或者
多输入多输出(MIMO)系统,所述多输入多输出(MIMO)系统提供所述性能变量和多个其它变量作为来自所述设施的输出。
18.根据权利要求15所述的方法,其中估计所述第一归一化相关系数和所述第二归一化相关系数中的至少一个包括执行递归估计过程。
19.根据权利要求15所述的方法,还包括:
用不同的激励信号干扰多个附加的操纵变量;
将所述多个附加的操纵变量作为附加的干扰输入提供给所述设施,其中所述设施使用所述附加的干扰输入中的所有干扰输入来同时影响所述性能变量;
估计所述性能变量相对于所述多个附加的操纵变量中的每一个的归一化相关系数;并且
通过独立地调整所述多个附加的操纵变量中的每一个来独立地使每个归一化相关系数趋向于零。
CN201710925693.9A 2016-10-03 2017-10-05 暖通空调系统和用于操作暖通空调系统的方法 Active CN107940667B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/284,468 US10365001B2 (en) 2016-02-18 2016-10-03 HVAC system with multivariable optimization using a plurality of single-variable extremum-seeking controllers
US15/284,468 2016-10-03

Publications (2)

Publication Number Publication Date
CN107940667A CN107940667A (zh) 2018-04-20
CN107940667B true CN107940667B (zh) 2021-01-26

Family

ID=61936006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710925693.9A Active CN107940667B (zh) 2016-10-03 2017-10-05 暖通空调系统和用于操作暖通空调系统的方法

Country Status (2)

Country Link
JP (1) JP6574227B2 (zh)
CN (1) CN107940667B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10895393B2 (en) 2018-07-06 2021-01-19 Johnson Controls Technology Company Variable refrigerant flow system with pressure optimization using extremum-seeking control
US10655878B2 (en) * 2018-07-06 2020-05-19 Johnson Controls Technology Company Variable refrigerant flow system with sub-cooling temperature optimization using extremum-seeking control
US10895412B2 (en) * 2018-07-11 2021-01-19 Mitsubishi Electric Research Laboratories, Inc. System and method for power optimizing control of multi-zone heat pumps
US11243503B2 (en) 2018-07-20 2022-02-08 Johnson Controls Tyco IP Holdings LLP Building management system with online configurable system identification
US10684070B2 (en) * 2018-09-05 2020-06-16 Johnson Controls Technology Company Variable refrigerant flow system with capacity limits
CN109916090B (zh) * 2018-11-29 2022-10-18 青岛经济技术开发区海尔热水器有限公司 热泵热水器控制方法及热泵热水器
KR102286868B1 (ko) * 2020-03-06 2021-08-06 인천대학교 산학협력단 센서 자가 보정 시스템 및 방법, 그리고 이를 포함하는 건물 내 공기 처리 장치
WO2024007092A1 (en) * 2022-07-04 2024-01-11 Liu Kin Wing Hvac system with thermoelectric conversion

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015146531A1 (en) * 2014-03-28 2015-10-01 Mitsubishi Electric Corporation Extremum seeking controller and method for controlling a vapor compression system
CN204880453U (zh) * 2015-07-30 2015-12-16 江苏绿博低碳科技股份有限公司 一种大型建筑中的暖通空调系统
CN105805887A (zh) * 2015-01-19 2016-07-27 霍尔顿公司 控制室内环境条件

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101861552B (zh) * 2007-07-17 2014-08-20 约翰逊控制技术公司 带有执行器饱和控制的极值搜索控制
EP2370748B1 (en) * 2008-12-30 2017-01-11 Zoner Llc Automatically balancing register for hvac systems
US9281875B2 (en) * 2011-02-28 2016-03-08 Mitsubishi Electric Research Laboratories, Inc. System and method for automatically optimizing wireless power

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015146531A1 (en) * 2014-03-28 2015-10-01 Mitsubishi Electric Corporation Extremum seeking controller and method for controlling a vapor compression system
CN105805887A (zh) * 2015-01-19 2016-07-27 霍尔顿公司 控制室内环境条件
CN204880453U (zh) * 2015-07-30 2015-12-16 江苏绿博低碳科技股份有限公司 一种大型建筑中的暖通空调系统

Also Published As

Publication number Publication date
CN107940667A (zh) 2018-04-20
JP2018071963A (ja) 2018-05-10
JP6574227B2 (ja) 2019-09-11

Similar Documents

Publication Publication Date Title
CN107091549B (zh) 用于冷冻水设施的极值搜索控制系统
CN107940667B (zh) 暖通空调系统和用于操作暖通空调系统的方法
US10365001B2 (en) HVAC system with multivariable optimization using a plurality of single-variable extremum-seeking controllers
CN108626859B (zh) 具有组合的极值搜索控制和前馈控制的控制系统
US11131969B2 (en) Self-configuring extremum-seeking control system
CN109386934B (zh) 具有协作极值搜索控制的建筑物控制系统
CN106133462B (zh) 用于控制蒸气压缩系统的极值寻找控制器和方法
US20160132027A1 (en) Dither switching extremum seeking control
US10739028B2 (en) Thermostat with efficient wireless data transmission
Bai et al. Development of an adaptive Smith predictor-based self-tuning PI controller for an HVAC system in a test room
US10558177B2 (en) Control system with dimension reduction for multivariable optimization
Beghi et al. On-line, auto-tuning control of Electronic Expansion Valves
US20180252422A1 (en) Control system with maximum time constant estimation
US11686480B2 (en) Noise-adaptive extremum-seeking controller
CN110686328B (zh) 具有用极值搜索控制优化过冷却温度的变制冷剂流量系统
US10824127B1 (en) Newton-based extremum-seeking control system
US10895393B2 (en) Variable refrigerant flow system with pressure optimization using extremum-seeking control

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230307

Address after: Wisconsin

Patentee after: Johnson Controls Tyco intellectual property holdings limited liability partnership

Address before: Wisconsin

Patentee before: JOHNSON CONTROLS TECHNOLOGY Co.