CN108626859B - 具有组合的极值搜索控制和前馈控制的控制系统 - Google Patents

具有组合的极值搜索控制和前馈控制的控制系统 Download PDF

Info

Publication number
CN108626859B
CN108626859B CN201810214670.1A CN201810214670A CN108626859B CN 108626859 B CN108626859 B CN 108626859B CN 201810214670 A CN201810214670 A CN 201810214670A CN 108626859 B CN108626859 B CN 108626859B
Authority
CN
China
Prior art keywords
contribution
feedforward
controller
control
extremum seeking
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
CN201810214670.1A
Other languages
English (en)
Other versions
CN108626859A (zh
Inventor
约翰·M·豪斯
蒂莫西·I·索尔兹伯里
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
Application filed by Johnson Controls Technology Co filed Critical Johnson Controls Technology Co
Publication of CN108626859A publication Critical patent/CN108626859A/zh
Application granted granted Critical
Publication of CN108626859B publication Critical patent/CN108626859B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4188—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by CIM planning or realisation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/88—Electrical aspects, e.g. circuits
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
    • F24F11/74—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity
    • F24F11/77—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity by controlling the speed of ventilators
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/021—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a variable is automatically adjusted to optimise the performance
    • G05B13/022—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a variable is automatically adjusted to optimise the performance using a perturbation of the variable
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/46—Improving electric energy efficiency or saving
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2140/00—Control inputs relating to system states
    • F24F2140/20—Heat-exchange fluid temperature
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/43—Speed, acceleration, deceleration control ADC
    • G05B2219/43112—Using feedforward prediction of position
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Fluid Mechanics (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

一种控制系统被配置用于操作设施以实现所述设施的性能变量的最优值。所述系统包括：前馈控制器，被配置用于接收对所述设施的可测量干扰并且使用所述可测量干扰生成对所述设施的控制输入的前馈贡献。所述系统还包括：极值搜索控制器，被配置用于从所述设施接收所述性能变量并且生成对所述控制输入的极值搜索贡献以将所述性能变量驱动到所述最优值。所述系统进一步包括：控制输入元件，被配置用于通过组合所述极值搜索贡献和所述前馈贡献来生成控制输入，并且将所述控制输入提供给所述设施。

Description

具有组合的极值搜索控制和前馈控制的控制系统
背景技术
本披露一般涉及组合极值搜索控制(ESC)与前馈控制的控制系统。ESC是可以动态地搜寻系统的未知和/或时变输入以优化某个性能指数的一类自优化控制策略。ESC可以被认为是对通过使用抖动信号进行梯度搜寻的动态实现。系统输出y相对于系统输入u的梯度可以通过稍微扰动系统操作并施加解调措施来获得。系统性能的优化可以通过在闭环系统中使用负反馈环路将梯度朝向零驱动来获得。ESC是非基于模型的控制策略，意味着ESC不需要受控系统的模型来优化所述系统。
ESC的应用可能受限于收敛到最优系统输出y的速度，这对于具有静态最优值的系统来说不一定成问题。然而，对于如暖通空调(HVAC)系统等系统，最优系统输出y通常会随着驱动条件(例如，环境温度、系统上的负荷)的改变而改变。如果收敛到最优系统输出y的速度比正在优化的过程的动态响应慢，那么跟踪最优值可能是成问题的。希望具有一种比驱动条件变化影响最优值的速率更快地收敛到最优系统性能的控制系统和方法。
发明内容
本披露的一种实施方式是一种控制系统，所述控制系统被配置用于操作设施以实现所述设施的性能变量的最优值。所述控制系统包括前馈控制器、极值搜索控制器、以及控制输入元件。所述前馈控制器被配置用于接收对所述设施的可测量干扰并且使用所述可测量干扰来生成对所述设施的控制输入的前馈贡献。所述极值搜索控制器被配置用于从所述设施接收所述性能变量并且生成对所述控制输入的极值搜索贡献以将所述性能变量驱动到所述最优值。所述控制输入元件被配置用于通过组合所述极值搜索贡献和所述前馈贡献来生成控制输入，并且将所述控制输入提供给所述设施。
在一些实施例中，所述前馈控制器被配置用于基于将所述可测量干扰映射到所述控制输入的查找表来生成所述前馈贡献。
在一些实施例中，所述前馈控制器被配置用于基于将所述可测量干扰映射到所述控制输入的前馈模型来生成所述前馈贡献。
在一些实施例中，所述前馈模型是基于在测试和/或实际应用期间收集的数据而建立的。
在一些实施例中，所述前馈控制器进一步被配置用于：接收与在先前的可测量干扰下所述性能变量的先前最优值对应的先前最优控制输入；并且使用所述先前最优控制输入来校正前馈贡献。
在一些实施例中，极值搜索控制器进一步被配置用于：用周期性信号来扰动所述控制输入；根据被扰动的控制输入来监测所述性能变量；估计所述性能变量相对于所述控制输入的梯度；并且调制极值搜索贡献以将所估计的梯度驱动至零。
在一些实施例中，极值搜索控制器进一步被配置用于：用随机激励信号来扰动所述控制输入；根据被扰动的控制输入来监测所述性能变量；估计所述性能变量相对于所述控制输入的梯度；并且调制所述极值搜索贡献以将所估计的梯度驱动至零。
在一些实施例中，所述随机激励信号是非周期性信号，所述非周期性信号包括随机游走信号、非确定性信号和非重复信号中的至少一个。
本披露的另一种实施方式是一种控制系统，所述控制系统被配置用于操作冷却水设施的设备以实现所述冷却水设施的总功耗的最优值。所述设备包括冷却器压缩机、冷凝器水泵、以及冷却塔风扇中的至少一个。所述控制系统包括前馈控制器、极值搜索控制器、以及控制输入元件。所述前馈控制器被配置用于接收环境温度并且使用所述环境温度来生成对所述冷却水设施中的冷凝器水温的温度设定值的前馈贡献。所述极值搜索控制器被配置用于从所述设施接收所述总功耗并且生成对所述温度设定值的极值搜索贡献以将所述总功耗驱动至所述最优值。所述控制输入元件被配置用于通过组合所述极值搜索贡献和所述前馈贡献来生成所述温度设定值并且将所述温度设定值提供给所述冷却水设施。
在一些实施例中，所述前馈控制器被配置用于基于将所述环境温度映射到所述温度设定值的查找表来生成所述前馈贡献。
在一些实施例中，所述前馈控制器被配置用于基于将所述环境温度映射到所述温度设定值的前馈模型来生成所述前馈贡献。
在一些实施例中，所述前馈模型是基于在测试和/或实际应用期间收集的数据而建立的。
在一些实施例中，所述前馈控制器进一步被配置用于：接收与在先前的环境温度下所述总功耗的先前最优值对应的先前最优温度设定值；并且使用所述先前最优温度设定值来校正前馈贡献。
在一些实施例中，极值搜索控制器进一步被配置用于：用随机信号来扰动所述温度设定值；根据被扰动的温度设定值来监测所述总功耗；估计所述总功耗相对于所述温度设定值的梯度；并且调制所述极值搜索贡献以将所估计的梯度驱动至零。
本披露的另一种实施方式是一种控制系统，所述控制系统被配置用于操作冷却水设施的设备以实现所述冷却水设施的总功耗的最优值。所述设备包括冷却器压缩机、冷凝器水泵、以及冷却塔风扇中的至少一个。所述控制系统包括前馈控制器、极值搜索控制器、以及控制输入元件。所述前馈控制器被配置用于接收所述冷却水设施上的负荷并且使用所述负荷来生成对所述冷却塔风扇的风扇速度的前馈贡献。所述极值搜索控制器被配置用于从所述设施接收所述总功耗并且生成对所述风扇速度的极值搜索贡献以将所述总功耗驱动至所述最优值。所述控制输入元件被配置用于通过组合所述极值搜索贡献和所述前馈贡献来生成所述风扇速度并且将所述风扇速度提供给所述冷却水设施。
在一些实施例中，所述前馈控制器被配置用于基于将所述负荷映射到所述风扇速度的查找表来生成所述前馈贡献。
在一些实施例中，所述前馈控制器被配置用于基于将所述负荷映射到所述风扇速度的前馈模型来生成所述前馈贡献。
在一些实施例中，所述前馈模型是基于在测试和/或实际应用期间收集的数据而建立的。
在一些实施例中，所述前馈控制器进一步被配置用于：接收与在先前的负荷下所述总功耗的先前最优值对应的先前最优风扇速度；并且使用所述先前最优风扇速度来校正前馈贡献。
在一些实施例中，极值搜索控制器进一步被配置用于：用随机信号扰动所述风扇速度；根据被扰动的风扇速度来监测所述总功耗；估计所述总功耗相对于所述风扇速度的梯度；并且调制所述极值搜索贡献以将所估计的梯度驱动至零。
本领域的技术人员将理解，所述概述仅是说明性的并且不旨在以任何方式进行限制。本文中所描述的如仅由权利要求书限定的装置和/或过程的其他方面、创造性特征、以及优点将在本文中陈述并结合附图进行的具体实施方式中变得清楚。
附图说明
图1是根据一些实施例的具有暖通空调(HVAC)系统的建筑物的图示，在所述系统中可实施组合极值搜索控制(ESC)与前馈控制的控制系统。
图2是根据一些实施例的可以用于图1的HVAC系统中的水侧系统的示意图。
图3是根据一些实施例的可以用于图1的HVAC系统中的空气侧系统的示意图。
图4是根据一些实施例的组合ESC与前馈控制的控制系统的框图。
图5是根据一些实施例的组合ESC与前馈控制的另一控制系统的框图。
图6是根据一些实施例的前馈控制器的框图。
图7是根据一些实施例的极值搜索控制器的框图。
图8是根据一些实施例的另一极值搜索控制器的框图。
图9A是流程图，展示了根据一些实施例的组合ESC与前馈控制的控制方法。
图9B是流程图，展示了根据一些实施例的组合ESC与前馈控制的另一控制方法。
图10A是根据一些实施例的冷却水设施的框图，在所述冷却水设施中可实施本披露的系统和方法以控制所述设施中冷凝器水温的设定值。
图10B是流程图，展示了根据一些实施例的在图10A的冷却水设施中使用的组合ESC与前馈控制的控制方法。
图10C是流程图，展示了根据一些实施例的在图10A的冷却水设施中使用的组合ESC与前馈控制的另一控制方法。
图10D是根据一些实施例的比较前馈控制、ESC以及组合的ESC与前馈控制的随时间推移的功耗变化的图。
图10E是根据一些实施例的比较前馈控制、ESC、以及组合的ESC与前馈控制的随时间推移的冷凝器水温变化的设定值的图。
图11A是根据一些实施例的冷却水设施的框图，在所述冷却水设施中可实施本披露的系统和方法以控制所述设施中的冷却塔风扇系统的风扇速度。
图11B是流程图，展示了根据一些实施例的在图11A的冷却水设施中使用的组合ESC与前馈控制的控制方法。
图11C是流程图，展示了根据一些实施例的在图11A的冷却水设施中使用的组合ESC与前馈控制的另一控制方法。
具体实施方式
概述
总体上参考附图，根据一些实施例示出了组合极值搜索控制(ESC)与前馈控制的各种系统和方法。通常，ESC是可以动态地搜寻系统的未知和/或时变输入以优化某个性能指数的一类自优化控制策略。ESC可以被认为是对通过使用抖动信号进行梯度搜寻的动态实现。系统输出y相对于系统输入u的梯度可以通过稍微扰动系统操作并施加解调措施来获得。ESC的各种实施方式详细描述于美国专利号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、美国专利申请号14/961,747、以及美国专利申请号15/080,435中。这些专利和专利申请中的每一者都以引用方式并入本文。
ESC的应用可能受限于收敛到最优系统输出y的速度。例如，对于暖通空调(HVAC)系统，最优系统输出y(例如，总功耗)通常会随着驱动条件(例如，环境温度、系统上的负荷)的改变而改变。希望收敛到最优系统输出y的速率比驱动条件变化而影响最优值的速率更快。前馈控制器使用例如前馈模型或查找表来将驱动条件映射到系统输入u。使用前馈模型或查找表，所述前馈控制器可以快速地使所述系统输入u接近与最优系统输出y相对应的值。所述极值搜索控制器可对来自前馈控制器(所述前馈控制器对建模和传感器误差敏感)的输出进行校正，并且针对给定驱动条件将系统输出y驱动至最优值。在进一步的实施例中，所述前馈模型或查找表可以由与针对给定驱动条件的最优系统输出y相对应的系统输入u的先前值更新。前馈控制器可以使用更新的前馈模型或查找表进行后续映射。
在一些实施例中，所述极值搜索控制器使用周期性抖动信号v来扰动控制输入u。在其他实施例中，所述极值搜索控制器使用随机激励信号q来扰动控制输入u。在进一步的实施例中，极值搜索控制器估计将性能变量y与控制输入u相关的归一化相关性系数ρ。所述相关性系数ρ可以与性能梯度
Figure BDA0001598256820000041
相关(例如，与
Figure BDA0001598256820000042
成比例)，但是基于性能变量y的范围来缩放。例如，所述相关性系数ρ可以是缩放到范围-1≤ρ≤1的性能梯度
Figure BDA0001598256820000043
的归一化度量。所述相关性系数ρ可以由极值搜索控制器使用以代替性能梯度
Figure BDA0001598256820000044
建筑物和HVAC系统
现参照图1至图3，示出了根据一些实施例的具有HVAC系统20的建筑物10，在所述HVAC系统中可以实施组合ESC控制与前馈控制的控制系统。虽然主要在建筑物HVAC系统的上下文中描述了本披露的控制系统和方法，但是应当理解，所述技术通常适用于优化或调节所关注变量的任何类型的控制系统。例如，本披露的控制系统和方法可用于优化由各种类型的能量产生系统或装置(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/或用于优化由各种类型的能量消耗系统或装置(例如，电子电路、机械设备、基于航空航天和陆地的交通工具、建筑设备、HVAC装置、制冷系统等)消耗的能量的量。
在各种实施方式中，可以在任何类型的控制器中使用组合的ESC与前馈控制，所述控制器起作用以实现所关注的变量的设定值(例如，通过最小化所测量或计算的输入与设定值之间的差)和/或优化所关注的变量(例如，使输出变量最大化或最小化)。可以预期的是可以在各种类型的控制器(例如，马达控制器、功率控制器、流体控制器、HVAC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)中容易地实施ESC。所有这类实施方式应被视为在本披露的范围内。
现参照图1至图3，示出了根据一些实施例的若干HVAC系统，在所述HVAC系统中可以实施本披露的系统和方法。简而言之，图1示出了配备有HVAC系统100的建筑物10。图2是可以用于图1的HVAC系统中的水侧系统的示意图。图3是可以用于图1的HVAC系统中的空气侧系统的示意图。
建筑物10和HVAC系统100
具体参照图1，示出了建筑物10的透视图。建筑物10由HVAC系统100服务。HVAC系统100可以包括被配置用于为建筑物10提供加热、冷却、通风或其他服务的多个HVAC装置(例如，加热器、冷却器、空气处理单元、泵、风扇、热能存储设备等)。例如，HVAC系统100被示出为包括水侧系统120和空气侧系统130。水侧系统120可以向空气侧系统130的空气处理单元提供加热的或冷却的流体。空气侧系统130可以使用加热的或冷却的流体来加热或冷却提供给建筑物10的气流。参照图2至图3更加详细地描述了可以在HVAC系统100中使用的示例性水侧系统和空气侧系统。
HVAC系统100被示出为包括冷却器102、锅炉104和屋顶空气处理单元(AHU)106。水侧系统120可以使用锅炉104和冷却器102来加热或冷却工作流体(例如，水、乙二醇等)并且可以使所述工作流体循环至AHU 106。在各种实施例中，水侧系统120的HVAC装置可以位于建筑物10内或周围(如图1中所示出的)或位于非现场位置如中央设施(例如，冷却器设施、蒸汽设施、热力设施等)。可以在锅炉104中加热或在冷却器102中冷却工作流体，这取决于建筑物10中是需要加热还是冷却。锅炉104可以例如通过燃烧易燃材料(例如，天然气)或使用电加热元件来向循环的流体添加热量。冷却器102可以使循环的流体与热交换器(例如，蒸发器)中的另一种流体(例如，制冷剂)处于热交换关系以从循环的流体中吸收热量。可以经由管路108将来自冷却器102和/或锅炉104的工作流体输送到AHU 106。
AHU 106可以使工作流体与穿过AHU 106的气流处于热交换关系(例如，经由一级或多级冷却盘管和/或加热盘管)。气流可以是例如室外空气、来自建筑物10内的回流空气或两者的组合。AHU 106可以在气流与工作流体之间传递热量，从而为气流提供加热或冷却。例如，AHU 106可以包括被配置用于使气流通过或穿过包含工作流体的热交换器的一个或多个风扇或鼓风机。工作流体然后可以经由管路110返回至冷却器102或锅炉104。
空气侧系统130可以经由空气供应管道112将由AHU 106供应的气流(即，供应气流)递送至建筑物10并且可以经由空气回流管道114向AHU 106提供来自建筑物10的回流空气。在一些实施例中，空气侧系统130包括多个变风量(VAV)单元116。例如，空气侧系统130被示出为包括建筑物10的每一个楼层或区域上的独立VAV单元116。VAV单元116可以包括气闸或可以被操作以控制提供给建筑物10的单独区域的供应气流的量的其他流量控制元件。在其他实施例中，空气侧系统130将供应气流递送至建筑物10的一个或多个区域中(例如，经由供应管道112)，而不使用中间VAV单元116或其他流量控制元件。AHU 106可以包括被配置用于测量供应气流的属性的各种传感器(例如，温度传感器、压力传感器等)。AHU 106可以从位于AHU 106内和/或建筑物区域内的传感器接收输入并且可以调节穿过AHU 106的供应气流的流速、温度或其他属性以实现建筑物区域的设定值条件。
水侧系统200
现参照图2，根据一些实施例，示出了水侧系统200的框图。在各种实施例中，水侧系统200可以在HVAC系统100中补充或替代水侧系统120，或者可以与HVAC系统100分开来实施。当在HVAC系统100中实施时，水侧系统200可以包括HVAC系统100中HVAC装置的子集(例如，锅炉104、冷却器102、泵、阀等)并且可以操作用于向AHU 106提供加热的或冷却的流体。水侧系统200的HVAC装置可以位于建筑物10内(例如，作为水侧系统120的部件)或位于非现场位置(如中央设施)。
在图2中，水侧系统200被示出为具有多个子设施202至212的中央设施。子设施202至212被示出为包括加热器子设施202、热回收冷却器子设施204、冷却器子设施206、冷却塔子设施208、热热能存储(TES)子设施210和冷热能存储(TES)子设施212。子设施202至212消耗来自公共设施的资源(例如，水、天然气、电力等)以服务建筑物或校园的热能负荷(例如，热水、冷水、加热、冷却等)。例如，加热器子设施202可以被配置用于在热水环路214中加热水，所述热水环路使热水在加热器子设施202与建筑物10之间循环。冷却器子设施206可以被配置用于在冷水环路216中冷却水，所述冷水环路使冷水在冷却器子设施206与建筑物10之间循环。热回收冷却器子设施204可以被配置用于将热量从冷水环路216传递到热水环路214以便提供对热水的附加加热和对冷水的附加冷却。冷凝水环路218可以从冷却器子设施206中的冷水中吸收热量并且在冷却塔子设施208中放出所述吸收的热量或将吸收到的热量传递至热水环路214。热TES子设施210和冷TES子设施212可以分别存储热的和冷却的热能，以供后续使用。
热水环路214和冷水环路216可以将加热的和/或冷却的水递送至位于建筑物10的屋顶上的空气处理器(例如，AHU 106)或建筑物10的单独层或区域(例如，VAV单元116)。空气处理器推送空气经过热交换器(例如，加热盘管或冷却盘管)，水流过所述热交换器以提供对空气的加热或冷却。可以将加热或冷却的空气递送至建筑物10的单独区域以服务于建筑物10的热能负荷。水然后返回子设施202至212以接收进一步加热或冷却。
尽管子设施202至212被示出或被描述为加热或冷却水以便循环至建筑物，但是应当理解的是，替代或除了水之外可以使用任何其他类型的工作流体(例如，乙二醇、CO2等)以服务热能负荷。在其他实施例中，子设施202至212可以直接向建筑物或校园提供加热和/或冷却，而不需要中间热传递流体。对水侧系统200的这些和其他变体在本披露的教导内。
子设施202至212中的每个子设施可以包括被配置用于促进子设施的功能的各种设备。例如，加热器子设施202被示出为包括被配置用于为热水环路214中的热水添加热量的多个加热元件220(例如，锅炉、电加热器等)。加热器子设施202还被示出为包括若干泵222和224，所述泵被配置用于使热水环路214中的热水循环并控制通过单独加热元件220的热水的流速。冷却器子设施206被示出为包括被配置用于除去来自冷水环路216中的冷水的热量的多个冷却器232。冷却器子设施206还被示出为包括若干泵234和236，所述泵被配置用于使冷水环路216中的冷水循环并控制通过单独冷却器232的冷水的流速。
热回收冷却器子设施204被示出为包括被配置用于将热量从冷水环路216传递至热水环路214的多个热回收热交换器226(例如，制冷电路)。热回收冷却器子设施204还被示出为包括若干泵228和230，所述泵被配置用于使通过热回收热交换器226的热水和/或冷水循环并控制通过单独热回收热交换器226的水的流速。冷却塔子设施208被示出为包括被配置用于除去来自冷凝水环路218中的冷凝水的热量的多个冷却塔238。冷却塔子设施208还被示出为包括若干泵240，所述泵被配置用于使冷凝水环路218中的冷凝水循环并控制通过单独冷却塔238的冷凝水的流速。
热TES子设施210被示出为包括被配置用于存储热水以供稍后使用的热TES罐242。热TES子设施210还可以包括被配置用于控制流入或流出热TES罐242的热水的流速的一个或多个泵或阀。冷TES子设施212被示出为包括被配置用于存储冷水以供稍后使用的冷TES罐244。冷TES子设施212还可以包括被配置用于控制流入或流出冷TES罐244的冷水的流速的一个或多个泵或阀。
在一些实施例中，水侧系统200中的一个或多个泵(例如，泵222、224、228、230、234、236和/或240)或水侧系统200中的管道包括与其相关联的隔离阀。隔离阀可以与泵集成或定位在泵的上游或下游以控制水侧系统200中的流体流动。在各实施例中，水侧系统200可以基于水侧系统200的特定配置和水侧系统200所服务的负荷的类型而包括更多、更少或不同类型的装置和/或子设施。
空气侧系统300
现参照图3，根据一些实施例，示出了空气侧系统300的框图。在各种实施例中，空气侧系统300可以补充或替代HVAC系统100中的空气侧系统130或者可以与HVAC系统100分开来实施。当在HVAC系统100中实施时，空气侧系统300可以包括HVAC系统100中的HVAC装置的子集(例如，AHU 106、VAV单元116、管道112至114、风扇、气闸等)并且可以位于建筑物10中或周围。空气侧系统300可以操作以使用由水侧系统200提供的加热的或冷却的流体来加热或冷却提供给建筑物10的气流。
在图3中，空气侧系统300被示出为包括节能装置类型的空气处理单元(AHU)302。节能装置类型的AHU改变空气处理单元用于加热或冷却的外部空气和回流空气的量。例如，AHU 302可以经由回流空气管道308从建筑物区域306接收回流空气304并且可以经由供应空气管道312将供应空气310递送至建筑物区域306。在一些实施例中，AHU 302是位于建筑物10的屋顶上(例如，图1中所示出的AHU 106)或者以其他方式被定位用于接收回流空气304和外部空气314两者的屋顶单元。AHU 302可以被配置用于操作排气闸316、混合气闸318和外部空气闸320以便控制组合形成供应空气310的外部空气314和回流空气304的量。未通过混合气闸318的任何回流空气304可以通过排气闸316从AHU 302排出为废气322。
气闸316至320中的每一个可以由致动器操作。例如，排气闸316可以由致动器324操作，混合气闸318可以由致动器326操作，并且外部空气闸320可以由致动器328操作。致动器324至328可以经由通信链路332与AHU控制器330通信。致动器324至328可以从AHU控制器330接收控制信号并且可以向AHU控制器330提供反馈信号。反馈信号可以包括例如对当前致动器或气闸位置的指示、致动器施加的转矩或力的量、诊断信息(例如，由致动器324至328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/或可以由致动器324至328收集、存储或使用的其他类型的信息或数据。AHU控制器330可以是被配置用于使用一个或多个控制算法(例如，基于状态的算法、极值搜索控制(ESC)算法、比例积分(PI)控制算法、比例-积分-微分(PID)控制算法、模型预测控制(MPC)算法、反馈控制算法等)来控制致动器324至328的节能装置控制器。
仍然参照图3，AHU 302被示出为包括冷却盘管334、加热盘管336和位于供应空气管道312内的风扇338。风扇338可以被配置用于推动供应空气310通过冷却盘管334和/或加热盘管336并且向建筑物区域306提供供应空气310。AHU控制器330可以经由通信链路340与风扇338通信以便控制供应空气310的流速。在一些实施例中，AHU控制器330通过调节风扇338的速度来控制施加到供应空气310的加热量或冷却量。
冷却盘管334可以经由管路342从水侧系统200(例如，从冷水环路216)接收冷却的流体并且可以经由管路344将冷却的流体返回至水侧系统200。可以沿着管路342或管路344定位阀门346以便控制通过冷却盘管334的冷却流体的流速。在一些实施例中，冷却盘管334包括可以被独立地激活和去激活(例如，由AHU控制器330、由BMS控制器366等)以调节施加到供应空气310的冷却量的多级冷却盘管。
加热盘管336可以经由管路348从水侧系统200(例如，从热水环路214)接收加热的流体并且可以经由管路350将加热的流体返回至水侧系统200。可以沿着管路348或管路350定位阀门352以便控制通过加热盘管336的加热流体的流速。在一些实施例中，加热盘管336包括可以被独立地激活和去激活(例如，由AHU控制器330、由BMS控制器366等)以调节施加到供应空气310的加热量的多级加热盘管。
阀门346和352中的每一个可以由致动器控制。例如，阀门346可以由致动器354控制，并且阀门352可以由致动器356控制。致动器354至356可以经由通信链路358至360与AHU控制器330通信。致动器354至356可以从AHU控制器330接收控制信号并且可以向控制器330提供反馈信号。在一些实施例中，AHU控制器330从定位在供应空气管道312(例如，冷却盘管334和/或加热盘管336的下游)中的温度传感器362接收供应空气温度的测量结果。AHU控制器330还可以从位于建筑物区域306中的温度传感器364接收建筑物区域306的温度测量结果。
在一些实施例中，AHU控制器330经由致动器354至356操作阀门346至352以调节提供给供应空气310的加热量或冷却量(例如，从而达到供应空气310的设定值温度或者将供应空气310的温度维持在设定值温度范围内)。阀门346和352的位置影响由冷却盘管334或加热盘管336提供给供应空气310的加热量或冷却量并且可以与消耗以达到期望的供应空气温度的能源量相关。AHU 330可以通过对盘管334至336进行激活或去激活、调整风扇338的速度或两者的组合来控制供应空气310和/或建筑物区域306的温度。
仍然参照图3，空气侧系统300被示出为包括建筑物管理系统(BMS)控制器366和客户端装置368。BMS控制器366可以包括一个或多个计算机系统(例如，服务器、监督控制器、子系统控制器等)，所述计算机系统充当空气侧系统300、水侧系统200、HVAC系统100和/或服务于建筑物10的其他可控系统的系统级控制器、应用或数据服务器、头结点或主控制器。BMS控制器366可以根据相似或不同协议(例如，LON、BACnet等)经由通信链路370与多个下游建筑物系统或子系统(例如，HVAC系统100、安全系统、照明系统、水侧系统200等)通信。在各种实施例中，AHU控制器330和BMS控制器366可以是分离的(如图3中所示出的)或集成的。在集成的实施方式中，AHU控制器330可以是被配置用于由BMS控制器366的处理器执行的软件模块。
在一些实施例中，AHU控制器330从BMS控制器366接收信息(例如，命令、设定值、操作边界等)并且向BMS控制器366提供信息(例如，温度测量结果、阀或致动器位置、操作状态、诊断等)。例如，AHU控制器330可以向BMS控制器366提供来自温度传感器362至364的温度测量结果、设备开/关状态、设备运行能力和/或可以由BMS控制器366用来监测和控制建筑物区域306内的可变状态或情况的任何其他信息。
客户端装置368可以包括用于对HVAC系统100、其子系统和/或装置进行控制、查看或以其他方式交互的一个或多个人机接口或客户端接口(例如，图形用户接口、报告接口、基于文本的计算机接口、面向客户端的web服务、向web客户端提供页面的web服务器等)。客户端装置368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接口装置。客户端装置368可以是固定终端或移动装置。例如，客户端装置368可以是台式计算机、具有用户接口的计算机服务器、膝上型计算机、平板计算机、智能电话、PDA或任何其他类型的移动或非移动装置。客户端装置368可以经由通信链路372与BMS控制器366和/或AHU控制器330通信。
组合极值搜索控制(ESC)与前馈控制的控制系统
现参照图4，根据一些实施例，示出了组合ESC与前馈控制的控制系统400的框图。控制系统400被示出为包括前馈控制器410、极值搜索控制器420、以及设施430。控制理论中的设施是过程与一个或多个机械控制输出的组合。例如，设施430可以是被配置用于经由一个或多个机械控制的致动器和/或气闸来控制建筑物空间内的温度的空气处理单元。在各种实施例中，设施430可以包括冷却器操作过程、气闸调节过程、机械冷却过程、通风过程、制冷过程、或其中设施430的输入变量(即，受操纵变量u)被调节以影响来自设施430的输出(即，性能变量y)的任何其他过程。
前馈控制器410使用前馈控制逻辑来快速地使受操纵变量u接近与最优性能变量y相对应的值。最优性能变量y的值可能会在干扰d发生时改变。干扰d包括可测量的部分(即，可测量干扰d′)和不可测量的部分。可测量干扰d′可以包括例如可以由温度计测量的环境温度、系统上可以由负荷传感器测量的负荷等。干扰d的不可测量部分可以包括例如过程噪声、系统噪声等。前馈控制器410可以使用前馈逻辑来将可测量干扰d′映射到对受操纵变量u的前馈贡献uff上。前馈贡献uff的值接近于与最优性能变量y相对应的u的值。
前馈控制器410使用例如前馈模型或查找表来将可测量干扰d′映射到受操纵变量u。在一些实施例中，使用前馈模型。前馈模型可以包括可测量干扰d′与受操纵变量u之间的相关性。在一些实施例中，相关性可以是基于在各种测试和/或实际应用期间收集的数据(即，过去的数据)而建立的。例如，可以从传感器读取可测量干扰d′(例如，由温度计测量的环境温度、系统上可以由负荷传感器测量的负荷)。传感器可以是或不是正在被优化的系统的组成部分。受操纵变量u可以从设施430读取，所述设施存储与针对任何给定的可测量干扰d′的最优性能变量y相对应的u的值。数学拟合可以用于基于数据建立相关性(例如，等式)。在其他实施例中，可测量干扰d′与受操纵变量u之间的相关性可以从理论模型和/或数学计算中得出。
在其他实施例中，可以使用查找表来将可测量干扰d′映射到受操纵变量u上。查找表可以基于在各种测试和/或实际应用期间收集的数据(即，过去的数据)或理论模型和/或数学计算来构造。在操作中，当从传感器接收到可测量干扰d′时，前馈控制器410可以从查找表中找到对应的受操纵变量u，或者使用内推法来计算受操纵变量u并输出u的值作为前馈贡献uff。
极值搜索控制器420使用极值搜索控制逻辑来对受操纵变量u进行调制。极值搜索控制器420提供对来自前馈控制器410的输出uff的校正。前馈控制器410对建模和传感器误差敏感。因此，在来自前馈控制器410的输出uff与对应于最优性能变量y的受操纵变量u的值之间可能存在较小的误差。极值搜索控制器420可以通过调制受操纵变量u来将系统输出y驱动至最优值。
在一些实施例中，极值搜索控制器420可以生成ESC贡献uesc，所述ESC贡献被添加到来自前馈控制器410的前馈贡献uff输出。ESC贡献uesc与前馈贡献uff的组合被用作提供给设施430的受操纵变量u(例如u＝uff+uesc)。ESC贡献uesc包括AC分量和DC分量。在一些实施例中，极值搜索控制器使用周期性(例如，正弦)扰动信号或抖动信号作为AC分量来扰动受操纵变量u的值以提取性能梯度p。在其他实施例中，极值搜索控制器420使用随机激励信号q作为AC分量来扰动受操纵变量u的值以提取性能梯度p。性能梯度p表示性能变量y相对于受操纵变量u的梯度或斜率。极值搜索控制器420通过找到将性能梯度p驱动至零的ESC贡献uesc的DC分量来优化性能变量y。
极值搜索控制器420基于从设施430接收到的性能变量y的测量结果或其他指示作为反馈而递归地更新ESC贡献uesc的DC分量。来自设施430的测量结果可以包括但不限于从传感器接收的关于设施430的状态的信息或发送到系统中的其他装置的控制信号。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、气闸位置、温度、或可由设施430测量或计算的任何其他变量。性能变量y可以是极值搜索控制器420进行搜索以经由极值搜索控制技术优化的变量。性能变量y可以由设施430输出或在设施430处观察到(例如，经由传感器)并且提供给极值搜索控制器420。
受操纵变量元素440将前馈贡献uff与ESC贡献uesc相组合以产生受操纵变量u(例如，u＝uff+uesc)。受操纵变量u被提供给设施430的性能函数432，所述性能函数作为受操纵变量u(例如，y′＝f(u))的函数生成信号y′。所述信号y′可以被认为是在不考虑干扰d的情况下，响应于受操纵变量u的性能变量。可以在性能变量元素434处由干扰d来修改信号y′以产生性能变量y(例如，y＝y′+d)。应当理解，在此使用的运算符“+”意味着组合，所述组合可以是任何合适的组合形式，而不限于加法运算。性能变量y被提供作为来自设施430的输出并且在极值搜索控制器420处被接收。极值搜索控制器420可以进行搜索以找到优化所述信号y′和/或性能变量y的uesc的值。
现参考图5，根据一些实施例，示出了组合ESC与前馈控制的另一控制系统500的框图。控制系统500被示出为包括前馈控制器510、极值搜索控制器520、以及设施530。
如参考图4所述，设施530可以与设施430相同或类似于设施430。例如，设施530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530是被配置用于经由一个或多个机械控制的致动器和/或气闸来控制建筑物空间内温度的空气处理单元。在其他实施例中，设施530可以包括冷却器操作过程、气闸调节过程、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他过程。
设施530可以在数学上表示为输入动态532、性能图534、输出动态536、性能变量元素538、以及干扰d的组合。在一些实施例中，输入动态532是线性时不变(LTI)输入动态并且输出动态536是LTI输出动态。性能图534可以是静态非线性的性能图。干扰d可以包括可测量的部分(即，可测量干扰d′)和不可测量的部分。可测量干扰d′可以包括例如可以由温度计测量的环境温度、系统上可以由负荷传感器测量的负荷等。干扰d的不可测量部分可以包括例如过程噪声、系统噪声等。
设施530经由受操纵变量元素540接收控制输入u(例如，控制信号、受操纵变量等)。输入动态532可以使用控制输入u来基于控制输入(例如，x＝f(u))生成功能信号x。功能信号x可以传递到性能图534，所述性能图根据功能信号(即，z＝g(x))来生成输出信号z。输出信号z可以经由输出动态536传递以产生信号z′。可以在性能变量元素538处由干扰d来修改信号z′以产生性能变量y(例如，y＝z′+d)。应当理解，在此使用的运算符“+”意味着组合，所述组合可以是任何合适的组合形式，而不限于加法运算。性能变量y被提供作为来自设施530的输出并且在极值搜索控制器520处被接收。极值搜索控制器520可以进行搜索以找到优化性能图534的输出z和/或性能变量y的x和/或u的值。
前馈控制器510可以用作图4的前馈控制器410。前馈控制器510被示出为包括输入接口512、前馈建模器514、以及输出接口516。前馈控制器510可以基于经由输入接口512从传感器接收到的可测量干扰d′来确定对受操纵变量u的前馈贡献uff。传感器可以是或不是正在被优化的系统的组成部分。可测量干扰d′可以包括例如可以由温度计测量的环境温度、系统上可以由负荷传感器测量的负荷等。
输入接口512将可测量干扰d′提供给前馈建模器514以确定对受操纵变量u的前馈贡献uff。前馈建模器514将可测量干扰d′映射到前馈贡献uff上。在一些实施例中，前馈建模器514可以使用可测量干扰d′与受操纵变量u之间的相关性。在一些实施例中，可以基于在系统的各种测试和/或实际应用期间收集的数据来建立相关性，如以上参照图4所讨论的。在其他实施例中，相关性可以从理论模型和/或数学计算中得出。在一些实施例中，前馈建模器514使用查找表来将可测量干扰d′映射到前馈贡献uff上。在操作中，当从传感器接收到可测量干扰d′时，前馈建模器514可以从查找表中找到相应的前馈贡献uff，或者使用内推法来计算前馈贡献uff。前馈贡献uff的值可以接近与最优性能变量y相对应的受操纵变量u的值。前馈建模器514经由输出接口516将前馈贡献uff提供给设施530。
极值搜索控制器520被示出为包括输入接口522、性能梯度探测器524、受操纵变量更新器526、以及输出接口528。极值搜索控制器520可以提供对来自前馈控制器510的输出uff的校正。具体地，极值搜索控制器520生成ESC贡献uesc，所述ESC贡献被添加到来自前馈控制器510的前馈贡献uff输出。ESC贡献uesc与前馈贡献uff的组合被用作提供给设施530的受操纵变量u(例如u＝uff+uesc)。ESC贡献uesc包括AC分量和DC分量。
ESC贡献uesc的DC分量是基于作为反馈从设施530经由输入接口522接收到的性能变量y的测量结果或其他指示而确定的。来自设施530的测量结果可以包括但不限于从传感器接收的关于设施530的状态的信息或发送到系统中的其他装置的控制信号。在一些实施例中，性能变量y是测量或计算的功耗量、风扇速度、气闸位置、温度、或可由设施530测量或计算的任何其他变量。性能变量y可以是极值搜索控制器520进行搜索以经由极值搜索控制技术优化的变量。性能变量y可以由设施530输出或者在设施530处观察到(例如，经由传感器)并且在输入接口522处提供给极值搜索控制器。
输入接口522将性能变量y提供给性能梯度探测器524以检测性能梯度525。性能梯度探测器524生成扰动信号或抖动信号作为ESC贡献uesc的AC分量以便提取性能梯度525。在一些实施例中，性能梯度探测器524使用周期性(例如，正弦)扰动信号或抖动信号作为AC分量。在其他实施例中，性能梯度探测器524使用随机激励信号q作为AC分量。性能梯度525指示函数y＝f(u)的斜率，其中，y表示从设施530接收到的性能变量，而u表示提供给设施530的受操纵变量。当性能梯度525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520可以通过将性能梯度525驱动至零来优化性能变量y的值。
受操纵变量更新器526基于从性能梯度探测器524接收到的性能梯度525来更新ESC贡献uesc的DC分量。在一些实施例中，受操纵变量更新器526包括将性能梯度525驱动至零的积分器。受操纵变量更新器526然后经由输出接口528将更新的ESC贡献uesc提供给受操纵变量元素540。
受操纵变量元素540组合前馈贡献uff与ESC贡献uesc以生成受操纵变量u(例如，u＝uff+uesc)，所述受操纵变量作为控制信号经由输出接口528提供给设施530，例如提供给气闸316-320(图3)中的一个或者影响气闸316-320的致动器。设施530可以使用受操纵变量u作为设定值来调节气闸316-320的位置并且由此控制室外空气314(图3)与提供给温控空间的再循环空气的相对比例。
现参考图6，根据一些实施例，示出了组合ESC与前馈控制的又一控制系统600的框图。控制系统600被示出为包括前馈控制器610、极值搜索控制器620、以及设施630。设施630可以与图4的设施430或图5的设施530相同或相似。极值搜索控制器620可以与图4的极值搜索控制器420或图5的极值搜索控制器520相同或相似。
前馈控制器610被示出为包括输入接口612、前馈建模器614、误差计算器618、以及输出接口616。前馈控制器610可以使用先前的数据来将前馈贡献uff更新至受操纵变量u。前馈贡献uff的值接近于与最优性能变量y相对应的u的值。
对于先前给出的可测量干扰d′0，控制系统600最终会收敛到操纵值的值u0，所述值将性能变量y驱动至最优值。具体地，前馈控制器610确定前馈贡献uff0，并且极值搜索控制器620连续更新ESC贡献uesc0，以便将性能变量y的梯度驱动至零。最终将性能变量y的梯度驱动至零、并与前馈贡献uffo相结合的uesc0的值，是在给定的可测量干扰d′0下将性能变量y驱动至最优值的受操纵变量的值u0。设施630可以存储值u0并且经由输入接口612将值u0提供给前馈控制器610。输入接口612将在可测量干扰d′0下将性能变量y驱动至最优值的值u0提供给误差计算器618。
误差计算器618针对可测量干扰d′0(例如，uerr＝u0-uff0)计算值u0与前馈贡献uff0之间的误差uerr，并将所述误差uerr提供给前馈建模器614。前馈建模器614可以在将来当经由输入接口612从传感器接收到可测量干扰d′的另一个值时使用所述误差uerr来校正前馈贡献uff。可测量干扰d′可以包括例如由温度计测量的环境温度、系统上由负荷传感器测量的负荷等。传感器可以是或不是正在被优化的系统的组成部分。前馈建模器614使用前馈模型或查找表将可测量干扰d′映射到前馈贡献uff上。在一些实施例中，前馈建模器614使用误差uerr(即，uff+uerr)校正从前馈表或查找表确定的前馈贡献uff。所述误差uerr表示最终将性能变量y驱动至最优值的值u0与针对先前可测量干扰d′0从前馈表或查找表确定的前馈贡献udfo之间的差值。前馈建模器经由输出接口616输出经校正的前馈贡献uff+uerr。
在其他实施例中，前馈建模器614使用误差uerr来更新前馈模型或查找表，而不是直接校正从前馈模型或查找表确定的前馈贡献。如果使用可测量干扰d′与前馈贡献uff之间的相关性的前馈模型，则前馈建模器614可更新相关性以减少先前可测量干扰d′0的误差uerr。如果使用查找表，则前馈建模器614可以使用误差uerr校正查找数据中的数据。前馈建模器614然后使用更新的前馈模型或查找表来将可测量干扰d′映射到前馈贡献uff并经由输出接口616输出uff。
极值搜索控制器620生成ESC贡献uesc以调制来自前馈控制器610的输出uff，以便将性能变量y驱动至最优值。极值搜索控制器620可以与图4的极值搜索控制器420或图5的极值搜索控制器520相同或相似。受操纵变量元素640组合来自前馈控制器610的前馈贡献uff输出与来自极值搜索控制器620的ESC贡献uesc输出，以产生受操纵变量u(例如，u＝uff+uesc)。受操纵变量u被提供给设施630，所述设施产生性能变量y。性能变量y被提供作为来自设施630的输出并且在极值搜索控制器620处被接收。极值搜索控制器620可以进行搜索以找到优化性能变量y的uesc的值。
使用周期性抖动信号的极值搜索控制系统
现参考图7，根据一些实施例，示出了另一个极值搜索控制器700的框图。极值搜索控制器700可以使用周期性抖动信号。极值搜索控制器700可以用于控制系统400中以取代极值搜索控制器420，用于控制系统500中以取代极值搜索控制器520，或者用于控制系统600中以取代极值搜索控制器620。极值搜索控制器700使用极值搜索控制策略来优化作为输出而从设施(例如，图4的设施430、图5的设施530、图6的设施630)接收到的性能变量y。优化性能变量y可以包括最小化y、最大化y、控制y以实现设定值，或以其他方式调节性能变量y的值。
极值搜索控制器700被示出为经由输入接口702来接收性能变量y并且将性能变量y提供给控制器700内的控制环路705。控制环路705被示出为包括高通滤波器704、解调元件710、低通滤波器712、积分器反馈控制器714、以及抖动信号元件718。控制环路705可以被配置用于使用抖动解调技术从性能变量y中提取性能梯度p。积分器反馈控制器714分析性能梯度p并且调整设施输入的DC分量(即，变量w)以将性能梯度p驱动至零。
抖动解调技术的第一步骤由抖动信号发生器706和抖动信号元件718执行。抖动信号发生器706生成周期性抖动信号v，所述周期性抖动信号通常是正弦信号。抖动信号元件718接收来自抖动信号发生器706的抖动信号v以及来自积分器反馈控制器714的设施输入的DC分量w。抖动信号单元718结合抖动信号v与设施输入的DC分量w，以生成对受操纵变量u的ESC贡献uesc(例如，uesc＝w+v)。ESC贡献uesc与前馈贡献uff结合，以生成受操纵变量u，所述受操纵变量被提供给设备并且由所述设施用来生成性能变量y，如前所述。
抖动解调技术的第二步骤由高通滤波器704、解调元件710、以及低通滤波器712执行。高通滤波器704对性能变量y进行滤波并且将经滤波的输出提供给解调元件710。解调元件710通过将经滤波的输出乘以具有施加的相移708的抖动信号v来解调高通滤波器704的输出。此乘法的DC分量与性能变量y相对于控制输入u的性能梯度p成比例。解调元件710的输出被提供给低通滤波器712，所述低通滤波器提取性能梯度p(即，解调输出的DC分量)。然后将性能梯度p的估计值提供给积分器反馈控制器714，所述积分器反馈控制器通过调节ESC贡献uesc的DC分量w来将性能梯度估计p驱动至零。
仍参照图7，极值搜索控制器700被示出为包括放大器716。可能需要放大抖动信号v，以使得抖动信号v的幅度大到足以使抖动信号v的效应在设施输出y中是明显的。即使在DC分量w保持不变的情况下，抖动信号v的较大幅度也会导致控制输入u发生较大变化。由于抖动信号v的周期性，设施操作人员通常可注意到设施输入u的较大变化(即，由抖动信号v引起的振荡)。
此外，可能需要仔细选择抖动信号v的频率，以确保ESC策略是有效性的。例如，可能需要基于设施的固有频率ωn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。在不知道设施的动态的情况下，正确选择抖动频率ωv可能是困难和具有挑战性的。
在极值搜索控制器700中，高通滤波器704的输出可以表示为性能变量y的值与性能变量y的期望值之间的差值，如下式所示：
高通滤波器的输出：y-E[y]
其中，变量E[y]是性能变量y的预期值。由解调元件710执行的互相关的结果(即，解调元件710的输出)可以被表示为高通滤波器输出与经相移的抖动信号的乘积，如以下等式所示：
互相关的结果：(y-E[y])(v-E[v])
其中，变量E[v]是抖动信号v的预期值。低通滤波器712的输出可以表示为抖动信号v与性能变量y的协方差，如以下等式所示：
低通滤波器的输出：E[(y-E[y])(v-E[u])]≡Cov(v,y)
其中，变量E[u]是控制输入u的预期值。
前述等式表明极值搜索控制器700生成对抖动信号v与设施输出(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器700中用作性能梯度p的代理。例如，协方差Cov(v,y)可以由高通滤波器704、解调元件710、以及低通滤波器712来计算，并且将其作为反馈输入提供给积分器反馈控制器714。积分器反馈控制器714可以调节设施输入u的DC值w，以使作为反馈控制环路的组成部分的协方差Cov(v,y)最小化。
使用随机激励信号的极值搜索控制系统
现参考图8，根据一些实施例，示出了使用随机激励信号的极值搜索控制器800的框图。极值搜索控制器800可以用于控制系统400中以取代极值搜索控制器420，用于控制系统500中以取代极值搜索控制器520，或者用于控制系统600中以取代极值搜索控制器620。极值搜索控制器800被示出为经由输入接口802从设施(例如，图4的设施430、图5的设施530、图6的设施630)接收作为反馈的性能变量y，并且经由输出接口808将对受操纵变量u的ESC贡献uesc提供给所述设施。极值搜索控制器800可以使用极值搜索控制(ESC)策略来优化作为输出从设施接收到的性能变量y。然而，不是用周期性抖动信号扰动控制输入u，而是极值搜索控制器800可以使用随机激励信号q来扰动控制输入u。极值搜索控制器800可以调节ESC贡献uesc以将性能变量y的梯度驱动至零。以这种方式，极值搜索控制器800标识实现性能变量y的最优值(例如，最大值或最小值)的ESC贡献uesc的值。
在一些实施例中，由极值搜索控制器800实施的ESC逻辑基于接收到的控制信号(例如，设定值、操作模式信号等)来生成ESC贡献uesc的值。控制信号可以从用户控制(例如，恒温器、本地用户接口等)、客户端装置836(例如，计算机终端、移动用户装置、蜂窝电话、膝上型计算机、平板电脑、台式计算机等等)、监督控制器832、或任何其他外部系统或装置接收。在各种实施例中，极值搜索控制器800可以使用有线或无线电子数据通信而直接(例如，使用NFC、蓝牙、WiFi直通互联、电缆等)或经由通信网络834(例如，BACnet网络、LonWorks网络、LAN、WAN、因特网、蜂窝网络等)与外部系统和装置通信。
极值搜索控制器800被示出为包括通信接口806、输入接口802、以及输出接口808。接口806、802和808可以包括用于传送信息和/或控制信号的任何数量的插口、导线端子、导线端口、无线天线、或其他通信接口。接口806、802和808可以是相同类型的装置或不同类型的装置。例如，输入接口802可以被配置用于从设施接收模拟反馈信号(例如，输出变量、测得信号、传感器输出、受控变量)，而通信接口806可以被配置用于经由网络834从监督控制器832接收数字设定值信号。输出接口808可以是被配置用于将数字控制信号(例如，受操纵变量、控制输入)提供给设施的数字输出端(例如，光学数字接口)。在其他实施例中，输出接口808被配置用于提供模拟输出信号。
在一些实施例中，接口806、802和808可以被接合为一个或两个接口，而不是三个单独的接口。例如，通信接口806和输入接口802可以被组合为被配置用于从监督控制器832接收网络通信的以太网接口。在一些实施例中，监督控制器832经由以太网网络(例如，网络834)提供设定值和反馈两者。在此类实施例中，输出接口808可以专用于设施的受控部件。在其他实施例中，输出接口808可以是用于传送数据或控制信号的另一标准化通信接口。接口806、802和808可以包括被配置用于提供或促进本文所描述的信号的通信的通信电子设备(例如，接收器、发射器、收发器、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)。
仍然参照图8，极值搜索控制器800被示出为包括处理电路804，所述处理电路具有处理器810和存储器820。处理器810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)、一组处理部件或其他合适的处理部件。处理器810被配置用于执行存储在存储器820中或从其他计算机可读介质(例如，CDROM、网络存储设备、远程服务器等)接收到的计算机代码或指令。
存储器820可以包括用于存储数据和/或计算机代码以完成和/或促进本披露中所描述的各个过程的一个或多个装置(例如，存储器单元、存储器装置、存储装置等)。存储器820可以包括随机存取存储器(RAM)、只读存储器(ROM)、硬盘驱动器存储设备、临时存储设备、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他合适的存储器。存储器820可以包括数据库部件、目标代码部件、脚本部件、或用于支持本披露中所描述的各种活动和信息结构的任何其他类型的信息结构。存储器820可以经由处理电路804可通信地连接至处理器810并且可以包括用于(例如，由处理器810)执行本文中所描述的一个或多个过程的计算机代码。
仍然参考图8，极值搜索控制器800被示出为经由输入接口802来接收性能变量y并且将性能变量y提供给极值搜索控制器800内的控制环路821。控制环路821被示出为包括递归梯度估计器822、反馈控制器823、以及激励信号元件827。控制环路821可以被配置用于确定性能变量y相对于控制输入u的梯度
Figure BDA0001598256820000171
并且调节ESC贡献uesc的DC分量(即，变量w)以将梯度
Figure BDA0001598256820000172
驱动至零。
递归梯度估计
递归梯度估计器822可以被配置用于估计性能变量y相对于控制输入u的梯度
Figure BDA0001598256820000173
梯度
Figure BDA0001598256820000174
可以类似于在极值搜索控制器700中确定的性能梯度p。然而，极值搜索控制器800与极值搜索控制器700之间的根本区别在于获得梯度
Figure BDA0001598256820000175
的方式。在极值搜索控制器800中，经由参考图7描述的抖动解调技术来获得性能梯度p，所述抖动解调技术类似于协方差估计。相反，极值搜索控制器800中的梯度
Figure BDA0001598256820000176
是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的斜率而获得的。所述递归估计技术可以由递归梯度估计器822执行。
递归梯度估计器822可以使用各种递归估计技术中的任何一种来估计梯度
Figure BDA0001598256820000177
例如，递归梯度估计器822可以使用递归最小二乘(RLS)估计技术来生成梯度
Figure BDA0001598256820000178
的估计。在一些实施例中，递归梯度估计器822使用指数遗忘作为RLS估计技术的组成部分。指数遗忘相对于批处理减少了所需的数据存储设备的量。指数遗忘还使RLS估计技术保持对最近的数据更敏感，并且因此更响应于移位最优点。下面详细描述了可以由递归梯度估计器822执行的RLS估计技术的实例。
递归梯度估计器822被示出为接收来自设施的性能变量y和来自激励信号元件827的ESC贡献uesc。在一些实施例中，递归梯度估计器822在一段时间内接收性能变量y和ESC贡献uesc的多个样本或测量结果。递归梯度估计器822可以使用在时刻k时的ESC贡献uesc的样本来构建输入向量xk，如以下等式所示：
Figure BDA0001598256820000181
其中，uk是在时刻k时的ESC贡献uesc的值。类似地，递归梯度估计器822可以构造参数向量
Figure BDA0001598256820000182
如以下等式所示：
Figure BDA0001598256820000183
其中，参数
Figure BDA0001598256820000184
是对时刻k时的梯度
Figure BDA0001598256820000185
的估计。
递归梯度估计器822可以使用以下线性模型来估计时刻k时的性能变量
Figure BDA0001598256820000186
Figure BDA0001598256820000187
这个模型的预测误差是在时刻k时的性能变量yk的实际值与在时刻k时的性能变量
Figure BDA0001598256820000188
的估计值之间的差值，如以下等式所示：
Figure BDA0001598256820000189
递归梯度估计器822可以使用RLS技术中的估计误差ek来确定参数值
Figure BDA00015982568200001810
各种RLS技术中的任何一种可以用于各种实施方式中。可以由递归梯度估计器822执行的RLS技术的实例如下：
Figure BDA00015982568200001811
Figure BDA00015982568200001812
Figure BDA00015982568200001813
其中，gk是增益向量，Pk是协方差矩阵，并且λ是遗忘因子(λ＜1)。在一些实施例中，遗忘因子λ被定义如下：
Figure BDA00015982568200001814
其中，Δt是取样周期并且τ是遗忘时间常数。
递归梯度估计器822可以使用gk的等式来基于时刻k-1时的协方差矩阵Pk-1的先前值、时刻k时的输入向量
Figure BDA00015982568200001815
的值、以及遗忘因子来计算时刻k时的增益向量gk。递归梯度估计器822可以使用Pk的等式来基于遗忘因子λ、时刻k时的增益向量gk的值、以及时刻k时的输入向量
Figure BDA00015982568200001816
的值来计算时刻k时的协方差矩阵Pk。递归梯度估计器822可以使用
Figure BDA00015982568200001817
的等式来基于时刻k时的误差ek和时刻k时的增益向量gk来计算在时刻k时的参数向量
Figure BDA00015982568200001818
一旦计算出参数向量
Figure BDA00015982568200001819
递归梯度估计器822就可以通过从
Figure BDA00015982568200001820
中提取
Figure BDA00015982568200001821
参数的值来确定梯度
Figure BDA00015982568200001822
的值，如以下等式所示：
Figure BDA00015982568200001823
在各种实施例中，递归梯度估计器822可以使用各种其他递归估计技术中的任一种来估计
Figure BDA0001598256820000191
例如，递归梯度估计器822可使用卡尔曼滤波器、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一种来估计
Figure BDA0001598256820000192
在其他实施例中，递归梯度估计器822可以使用批估计技术，而不是递归估计技术。如此，梯度估计器822可以是批梯度估计器，而不是递归梯度估计器。在批估计技术中，梯度估计器822可以使用控制输入u和性能变量y的一批先前值(例如，先前或历史值的向量或集合)作为批回归算法的输入。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一种。
在一些实施例中，由于递归估计技术提供的若干个优点，所以希望递归梯度估计器822使用递归估计技术而不是批估计技术。例如，上面描述的递归估计技术(即，具有指数遗忘的RLS)已经表现为相对于批最小二乘法极大改进了梯度估计技术的性能。除了比批处理需要更少的数据存储设备之外，具有指数遗忘的RLS估计技术可以保持对最近的数据更敏感并且因此更响应于移位最优点。
在一些实施例中，递归梯度估计器822使用控制输入u与性能变量y之间的协方差来估计梯度
Figure BDA0001598256820000193
例如，最小二乘法中的斜率
Figure BDA0001598256820000194
的估计可以定义为：
Figure BDA0001598256820000195
其中，Cov(u,y)是控制输入u与性能变量y之间的协方差，并且Var(u)是控制输入u的方差。递归梯度估计器822可以使用先前的等式来计算估计的斜率
Figure BDA0001598256820000196
并使用估计的斜率
Figure BDA0001598256820000197
作为梯度
Figure BDA0001598256820000198
的代理。值得注意的是，估计的斜率
Figure BDA0001598256820000199
是仅控制输入u和性能变量y的函数。这与参照图7描述的协方差推导技术不同，其中，估计的性能梯度p是在抖动信号v与性能变量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，极值搜索控制器800可以在对抖动信号v(如图7所示)或激励信号号q(如图8所示)没有任何了解的情况下生成对斜率
Figure BDA00015982568200001910
的估计。
在一些实施例中，递归梯度估计器822使用高阶模型(例如，二次式模型、立方模型等)而不是线性模型来估计性能变量
Figure BDA00015982568200001911
例如，递归梯度估计器822可以使用以下二次式模型来估计时刻k时的性能变量
Figure BDA00015982568200001912
Figure BDA00015982568200001913
所述二次式模型可以通过如下所示更新输入向量xk和参数向量
Figure BDA00015982568200001914
而写作
Figure BDA00015982568200001915
的形式：
Figure BDA00015982568200001916
递归梯度估计器822可以使用所述二次式模型将二次曲线(而不是直线)拟合到由在不同时刻k时控制输入u与性能变量y的组合定义的数据点。所述二次式模型提供了未由线性模型提供的二阶信息并且可以用于改善反馈控制器823的收敛。例如，使用线性模型，递归梯度估计器822可以计算沿着所述曲线的特定位置(即，控制输入u的特定值)处的梯度
Figure BDA0001598256820000201
并且可以提供梯度
Figure BDA0001598256820000202
作为反馈信号。对于使用线性模型来估计
Figure BDA0001598256820000203
的实施例，梯度
Figure BDA0001598256820000204
(即，线性模型相对于u的导数)是标量值。当接收梯度
Figure BDA0001598256820000205
的标量值作为反馈信号时，极值搜索控制器800可以在将梯度
Figure BDA0001598256820000206
朝向零驱动的方向上递增地调节ESC贡献uesc的值，直到达到控制输入u的最优值(即，导致梯度
Figure BDA0001598256820000207
的控制输入u的值)。
利用所述二次式模型，递归梯度估计器822可以向反馈控制器823提供梯度
Figure BDA0001598256820000208
的函数，而不是简单的标量值。对于使用二次式模型来估计
Figure BDA0001598256820000209
的实施例，梯度
Figure BDA00015982568200002010
(即，二次式模型相对于u的导数)是控制输入u的线性函数(例如
Figure BDA00015982568200002011
)。当反馈控制器823接收梯度
Figure BDA00015982568200002012
的线性函数作为反馈信号时，反馈控制器823可以分析地计算将导致梯度
Figure BDA00015982568200002013
的控制输入u的最优值(例如，
Figure BDA00015982568200002014
)。因此，反馈控制器823可以使用智能步骤来调节控制输入u，所述智能步骤快速接近最优值，而无需依赖于增量调节和实验来确定梯度
Figure BDA00015982568200002015
是否正在向零移动。
随机激励信号
仍然参照图8，极值搜索控制器800被示为包括随机信号发生器825和积分器826。为了可靠地估计梯度
Figure BDA00015982568200002016
可能希望提供控制输入u的足够变化以将变化贯彻到性能变量y。极值搜索控制器800可以使用随机信号发生器825和积分器826来生成持续的激励信号q。激励信号q可以在激励信号元件827处添加到控制输入u的DC值w以形成前馈贡献uesc(例如，uesc＝w+q)。
随机信号发生器825可以被配置用于生成随机信号。在各种实施例中，随机信号可以是杂乱信号(random signal)(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826积分以生成激励信号q。
激励信号q可以提供足以供递归梯度估计器822执行梯度估计技术的控制输入u的变化。在一些情况下，添加激励信号q会导致控制输入u偏离其最优值。然而，反馈控制器823可以通过调节DC分量w来补偿这种偏离，这样使得控制输入u被连续地朝向其最优值拉回。如同传统的ESC一样，激励信号q的量值可以经选择(例如，由用户手动进行或由极值搜索控制器800自动进行)以克服在性能变量y中存在的任何附加噪声(例如，过程噪声、测量噪声等等)。
由极值搜索控制器800生成的随机激励信号q相对于由图7的极值搜索控制器700生成的周期性抖动信号v具有若干个优点。例如，随机激励信号q比传统的周期性抖动信号v更不易察觉。因此，随机激励信号q对控制输入u的影响比由传统周期性抖动信号v引起的周期性振荡更不明显。
随机激励信号q的另一个优点是极值搜索控制器800更简单，因为抖动频率ωv不再是所需的参数。因此，当生成随机激励信号q时，控制器800不需要知道或估计设施的固有频率。在一些实施例中，极值搜索控制器800将多个控制输入u提供给设施。控制输入中的每一个都可以由单独的随机激励信号q激发。由于随机激励信号q中的每一者都是随机的，因此不需要确保随机激励信号q彼此不相关。极值搜索控制器800可以计算性能变量y相对于控制输入u中的每一者的梯度
Figure BDA0001598256820000211
而无需执行频率特定的抖动解调技术。
相关性系数
传统ESC的问题之一是：性能梯度
Figure BDA0001598256820000212
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的静态和动态部件。例如，设施可以包括与恒定增益K串联的非线性函数f(u)。从这种表示中显而易见的是，性能变量y的范围或标度是恒定增益K的函数。
由于由非线性函数f(u)提供的非线性，性能梯度
Figure BDA0001598256820000213
的值可能会基于控制输入u的值而变化。然而，性能梯度
Figure BDA0001598256820000214
的标度还取决于恒定增益K的值。例如，性能梯度
Figure BDA0001598256820000215
可以使用以下等式确定：
Figure BDA0001598256820000216
其中，K是恒定的增益，并且f′(u)是函数f(u)的导数。可能需要缩放或归一化性能梯度
Figure BDA0001598256820000217
(例如，通过乘以缩放参数κ)以便提供一致的反馈控制循环性能。然而，在不知道性能变量y的标度(例如，不知道由设施施加的恒定增益K)的情况下，确定缩放参数κ的适当值可能是挑战性的。
仍然参考图8，极值搜索控制器800被示出为包括相关性系数估计器824。相关性系数估计器824可以被配置用于生成相关性系数ρ并且将相关性系数ρ提供给反馈控制器823。所述相关性系数ρ可以与性能梯度
Figure BDA0001598256820000218
相关(例如，与
Figure BDA0001598256820000219
成比例)，但是基于性能变量y的范围来缩放。例如，所述相关性系数ρ可以是性能梯度
Figure BDA00015982568200002110
的归一化度量(例如，缩放到范围0≤ρ≤1)。
相关性系数估计器824被示出为接收控制输入u和性能变量y作为输入。相关性系数估计器824可以基于控制输入u和性能变量y的方差和协方差来生成相关性系数ρ，如以下等式所示：
Figure BDA00015982568200002111
其中，Cov(u,y)是控制输入u与性能变量y之间的协方差，Var(u)是控制输入u的方差，并且Var(y)是性能变量y的方差。先前的等式可以根据控制输入u的标准偏差σu和性能变量y的标准偏差σy重写如下：
Figure BDA00015982568200002112
其中，
Figure BDA00015982568200002113
并且
Figure BDA00015982568200002114
在一些实施例中，相关性系数估计器824使用递归估计技术来估计相关性系数ρ。例如，相关性系数估计器824可以使用以下等式来计算控制输入u与性能变量y的指数加权移动平均值(EWMA)：
Figure BDA0001598256820000221
Figure BDA0001598256820000222
其中，
Figure BDA0001598256820000223
和
Figure BDA0001598256820000224
是控制输入u和性能变量y在时刻k时的EWMA，
Figure BDA0001598256820000225
和
Figure BDA0001598256820000226
是控制输入u和性能变量y在时刻k-1时的先前EWMA，uk和yk是控制输入u和性能变量y在时刻k时的当前值，k是已收集的每个变量的样本总数，并且W是遗忘窗口的持续时间。
类似地，相关性系数估计器824可以使用以下等式来计算控制输入方差Var(u)、性能变量方差Var(y)、以及协方差Cov(u,y)的EWMA：
Figure BDA0001598256820000227
Figure BDA0001598256820000228
Figure BDA0001598256820000229
其中，Vu,k、Vy,k、和ck分别是控制输入方差Var(u)、性能变量方差Var(y)、以及协方差Cov(u,y)在时刻k时的EWMA。Vu,k-1、Vy,k-1、和ck-1分别是控制输入方差Var(u)、性能变量方差Var(y)、以及协方差Cov(u,y)在时刻k-1时的EWMA。相关性系数估计器824可以使用以下等式而基于这些递归估计来生成相关性系数ρ的估计：
Figure BDA00015982568200002210
在一些实施例中，相关性系数估计器824基于估计的斜率
Figure BDA00015982568200002211
来生成相关性系数ρ。如先前所述，可使用以下等式来计算所估计的斜率
Figure BDA00015982568200002212
Figure BDA00015982568200002213
其中，Cov(u,y)是控制输入u与性能变量y之间的协方差，并且Var(u)是控制输入u的方差(即，
Figure BDA00015982568200002214
)。相关性系数估计器824可以使用以下等式而根据斜率
Figure BDA00015982568200002215
来计算相关性系数ρ：
Figure BDA00015982568200002216
从先前的等式可以看出，当标准偏差σu与σy相等时，(即，当σu＝σy时)，相关性系数ρ与估计斜率
Figure BDA00015982568200002217
相等。
相关性系数估计器824可以从递归梯度估计器822接收所估计的斜率
Figure BDA00015982568200002218
或者使用控制输入u和性能变量y的一组值来计算所估计的斜率
Figure BDA00015982568200002219
例如，通过假设u和y的有限方差，相关性系数估计器824可以使用以下最小二乘估计来估计斜率
Figure BDA00015982568200002220
Figure BDA00015982568200002221
对于小范围的控制输入u，所估计的斜率
Figure BDA0001598256820000231
可以用作性能梯度的代表，如以下等式所示：
Figure BDA0001598256820000232
如先前等式中所示，所估计的斜率
Figure BDA0001598256820000233
包含恒定增益K，所述恒定增益可能是未知的。然而，由标准偏差σu和σy提供的归一化抵消了恒定增益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有关，如以下等式所示：
σy＝Kσu
Figure BDA0001598256820000234
将所估计的斜率
Figure BDA0001598256820000235
乘以比率
Figure BDA0001598256820000236
以计算相关性系数ρ等效于除以恒定增益K。相关性系数ρ和所估计的斜率
Figure BDA0001598256820000237
两者都指示控制输入u与性能变量y之间的关系的强度。然而，相关性系数ρ具有经归一化的优点，这使得调谐反馈控制环路更简单。
在一些实施例中，相关性系数ρ由反馈控制器823来代替性能梯度
Figure BDA0001598256820000238
例如，反馈控制器823可以调节控制输入u的DC值w以将相关性系数ρ驱动至零。使用相关性系数ρ代替性能梯度
Figure BDA0001598256820000239
的一个优点在于，由反馈控制器823使用的调谐参数可以是调谐参数的一般集合，所述调谐参数不需要基于性能变量y的标度来定制或调节。这个优点消除了对反馈控制器823执行控制环路特定的调谐的需要，并且允许反馈控制器823使用适用于许多不同控制环路和/或设施的调谐参数的一般集合。
组合ESC和前馈控制的控制技术
现参考图9，根据一些实施例，流程图900展示了组合ESC与前馈控制的控制方法。流程图900中所示的控制方法可以由控制系统(例如，图4的控制系统400、图5的控制系统500、图6的控制系统600)的一个或多个部件来执行，以监测和控制设施(例如，图4的设施430、图5的设施530、图6的设施630)。
流程图900被示出为包括将控制输入u提供给设施(框902)并且接收可测量干扰d′(框904)。控制输入u可以由组合极值搜索控制器与前馈控制器的控制系统来提供，如参考图4至图6所述。前馈控制器可以是先前描述的前馈控制器(例如，前馈控制器410、510、610)中的任一种。极值搜索控制器可以是先前描述的极值搜索控制器(例如，极值搜索控制器420、520、620、700、800)中的任一种。
控制理论中的设施是过程与一个或多个机械控制输出的组合。所述设施可以是先前描述的设施(例如，设施430、530、630)中的任一者或任何其他可控系统或过程。例如，所述设施可以是被配置用于经由一个或多个机械控制的致动器和/或气闸来控制建筑物空间内的温度的空气处理单元。在各种实施例中，所述设施可以包括冷却器操作过程、气闸调节过程、机械冷却过程、通风过程、制冷过程、或其中到设施的控制输入u经调节影响性能变量y的任何其他过程。性能变量y可以是由设施的一个或多个传感器所观察到的所测量变量(例如，所测量的温度、所测量的功耗、所测量的流率等)，基于所测量或观测到的值的所计算变量(例如，所计算的效率、所计算的功耗、所计算的成本等)或指示响应于控制输入u的设施性能的任何其他类型的变量。
控制系统配置成通过调节控制输入u来实现性能变量y的最优值。最优值可以是性能变量y的极值(例如，最大值或最小值)。性能变量y的最优值可能会在干扰d发生时改变。干扰d包括可测量的部分(即，可测量干扰d′)和不可测量的部分。可测量干扰d′可以包括例如可以由温度计测量的环境温度、系统上可以由负荷传感器测量的负荷等。干扰d的不可测量部分可包括例如过程噪声、系统噪声等。测量d′的传感器可以是或不是设施的组成部分。
流程图900被示出为包括使用可测量干扰d′生成对控制输入u的前馈贡献uff(框906)。前馈贡献uff可以通过参照图4至图5所描述的任何操作来生成。例如，前馈模型或查找表可以用于将可测量干扰d′映射到前馈贡献uff。前馈模型可以包括可测量干扰d′与受操纵变量u之间的相关性。在一些实施例中，相关性可以是基于在各种测试和/或实际应用期间收集的数据(即，过去的数据)而建立的。在其他实施例中，可测量干扰d′与前馈贡献uff之间的相关性可以从理论模型和/或数学计算中得出。在其他实施例中，可以使用查找表来将可测量干扰d′映射到前馈贡献uff上。查找表可以基于在各种测试和/或实际应用期间收集的数据(即，过去的数据)或理论模型和/或数学计算来构造。
流程图900被示出为包括从设施接收性能变量y作为反馈(框908)并且生成对控制输入u的极值搜索贡献uesc以将性能变量y驱动至最优值(框910)。极值搜索贡献uesc是对前馈贡献uff的校正，并且用于将性能变量y驱动至最优值。生成极值搜索贡献uesc以将性能变量y驱动至最优值的过程可以是参考图4至图8描述的任何过程。ESC贡献uesc可以包括AC分量和DC分量。在一些实施例中，周期性(例如，正弦)扰动信号或抖动信号被用作AC分量来扰动受操纵变量u的值以提取性能梯度p(例如，图7)。在其他实施例中，随机激励信号q被用作AC分量来扰动受操纵变量u的值，以便提取性能梯度p(例如，图8)。性能梯度p表示性能变量y相对于受操纵变量u的梯度或斜率。性能变量y是通过找到将性能梯度p驱动至零的ESC贡献uesc的DC分量来优化的。DC分量可以基于从设施接收到的性能变量y的测量结果或其他指示而递归地更新。在一些实施例中，使用积分器来将性能梯度p驱动至零。
流程图900被示出为包括通过组合极值搜索贡献uesc与前馈贡献uff来生成新的控制输入u(框912)。可以将新的控制输入端u提供给设施。
现参考图9B，根据一些实施例，流程图920展示了组合ESC与前馈控制的另一控制方法。流程图920中所示的控制方法可以由控制系统(例如，图4的控制系统400、图5的控制系统500、图6的控制系统600)的一个或多个部件来执行，以监测和控制设施(例如，图4的设施430、图5的设施530、图6的设施630)。
流程图920被示出为包括将控制输入u提供给设施(框922)并且接收可测量干扰d′(框924)，这可以与图9A的框902和904相同或相似。
流程图920被示出为包括从设施接收性能变量y和先前的最优控制输入u0(框926)。接收性能变量y可以与图9B的框908相同或相似。先前的最优控制输入u0是指针对先前给定的可测量干扰d′0将性能变量y驱动至最优值的控制输入u的值。控制输入u最终会收敛至将性能变量y驱动至最优值的值u0。设施可以存储值u0并且将值u0提供给控制系统。
流程图920被示出为包括使用可测量干扰d′和先前的最优控制输入u0来生成对控制输入u的前馈贡献uff(框928)。在一些实施例中，计算值u0与针对可测量干扰d′0的前馈贡献uff0之间的误差uerr(例如uerr＝u0-uff0)。所述误差uerr表示最终将性能变量y驱动至最优值的值u0与针对先前可测量干扰d＇0从前馈表或查找表确定的前馈贡献uff0之间的差值。所述误差uerr被用来在收到可测量干扰d′的另一个值时校正前馈贡献uff。在一些实施例中，所述误差uerr被用来直接校正从前馈模型或查找表确定的前馈贡献uff(即，uff+uerr)。在其他实施例中，误差uerr被用于更新前馈模型或查找表，而不是直接校正从前馈模型或查找表确定的前馈贡献。如果使用可测量干扰d′与前馈贡献uff之间的相关性的前馈模型，则可以更新相关性以便减少针对先前可测量干扰d′0的误差uerr。如果使用查找表，则可以使用误差uerr来校正查找数据中的数据。
流程图920被示出为包括生成对控制输入u的极值搜索贡献uesc以将性能变量y驱动至最优值(框922)，并且通过组合极值搜索贡献uesc与前馈贡献uff来生成新的控制输入u(框924)，这可以与图9A的框910和912相同或相似。
示例实施方式
现参照图10A至图11C，示出了本披露的控制系统和方法的若干个示例实施方式。图10A至图11C中所示的实施方式示出了可以由组合ESC与前馈控制的控制器来控制的设施的各种实施例。
冷却水设施1000
具体参照图10A，根据一些实施例，示出了冷却水设施1000。冷却水设施1000被示出为包括冷却器1002、冷却塔1004、以及空气处理单元(AHU)1006。冷却器1002包括冷凝器1018、蒸发器1020、以及压缩机1034。压缩机1034被配置用于经由制冷剂环路1026在冷凝器1018与蒸发器1020之间循环制冷剂。冷却器1002还包括在冷凝器1018与蒸发器1020之间的制冷剂环路1026上的至少一个膨胀阀。冷却器1002使用蒸气压缩制冷循环来操作，在所述循环中制冷剂环路1026中的制冷剂在蒸发器1020中吸收热量并且在冷凝器1018中放出热量。冷却器1002可以包括任何数量的传感器、控制阀、和/或辅助冷却器1002的制冷循环操作的其他部件。
冷却器1002通过冷凝水环路1022与冷却塔1004连接。沿着冷凝水环路1022定位的水泵1014使冷凝水经由冷凝水环路1022在冷却塔1004与冷却器1002之间循环。泵1014可以是定速泵或变速泵。冷凝水环路1022使冷凝水循环穿过冷凝器1018，在所述冷凝器处冷凝水从制冷环路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，在所述冷却塔处冷凝水将热量排放到周围环境中。冷却塔风扇系统1036提供穿过冷却塔1004的气流以促进对冷却塔1004内的冷凝水的冷却。然后由泵1014将冷却的冷凝水泵送回冷却器1002。
冷却器1002经由冷却流体环路1024与AHU 1006连接。沿着冷却流体环路1024定位的冷却流体泵1016在冷却器1002与AHU 1006之间循环冷却流体。泵1016可以是定速泵或变速泵。冷却流体环路1024使冷冻流体循环穿过蒸发器1020，在所述蒸发器处冷却流体将热量排放给制冷环路1026中的制冷剂。然后将冷却流体输送到AHU 1006，在所述AHU处冷却流体从经过AHU 1006的供应空气吸收热量，从而为供应空气提供冷却。然后由泵1016将加热的流体泵送回冷却器1002。
在图10A所示的实施例中，AHU 1006被示出为节能装置类型的空气处理单元。节能装置类型的AHU改变AHU用于冷却的室外空气和回流空气的量。AHU 1006被示出为包括利用一种或多种算法(例如，基于状态的算法、极值搜索控制算法等)来影响AHU 1006的致动器和气闸或风扇的节能装置控制器1032。供应给AHU 1006的冷却流体的流动也可以被可变地控制。例如，PI控制1008被示出为用于控制调节冷却流体到AHU 1006的流动的阀1038。PI控制1008可以控制到AHU 1006的冷却流体流动以实现供应空气温度设定值。节能装置控制器1032、冷却器1002的控制器、以及PI控制1008可以由一个或多个建筑物管理系统(BMS)控制器1010监督。
BMS控制器通常是被配置用于对建筑物或建筑物区域之中或周围的设备进行控制、监测和管理的基于计算机的系统。BMS控制器可以包括由江森自控有限公司(JohnsonControls,Inc.)出售的
Figure BDA0001598256820000261
牌建筑物控制器或其他装置。BMS控制器1010可以提供用于对BMS、其子系统和/或装置进行控制、查看或以其他方式交互的一个或多个人机接口或客户端接口(例如，图形用户接口、报告接口、基于文本的计算机接口、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，所述图形用户界面允许用户设置建筑物空间的期望设定值温度。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)来确定建筑物空间的设定值温度是否正在实现。BMS控制器1010可以使用这种确定来提供命令给PI控制1008、冷却器1002、节能器控制器1032、或建筑物的HVAC系统的其他部件。
前馈控制器1044被示出为用于从BMS传感器1012的部件(例如，温度计)接收环境温度T环境的指示。在一些实施例中，BMS控制器1010收集由BMS传感器1012提供的信息并且将环境温度T环境提供给前馈控制器1044。前馈控制器1044生成对冷却水设施1000中的冷凝水温的温度设定值Tsp的前馈贡献Tff。在一些实施例中，前馈控制器1044包括将环境温度T环境映射到前馈贡献Tff的前馈模型或查找表。
在一些实施例中，极值搜索控制器1042不接收来自BMS控制器1010的控制命令，或者不使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1042从BMS控制器1010接收信息(例如，命令、设定值、操作边界等)。例如，BMS控制器1010可以为极限搜索控制器1042提供冷凝水温度的设定值上限和设定值下限。下限可以避免在风扇系统的机械或热极限附近进行操作，而上限可以避免频繁的分量和电力对风扇启动造成负担。
极值搜索控制器1042被示出为用于接收表示由冷却塔风扇系统1036P塔、冷凝器水泵1014P泵、以及冷却器1002的压缩机1034P冷却器消耗的总功率的功率输入P总(即，P总＝P塔+P泵+P冷却器)。如图10A所示，功率输入P塔、P泵和P冷却器可以在求和区块1040处在极值搜索控制器1042的外部加总，以提供表示总功率P总的组合信号。在其他实施例中，极值搜索控制器1042接收各个功率输入P塔、P泵和P冷却器，并且进行求和区块1040的求和。在任一种情况下，极值搜索控制器1042都可以被称为用于接收功率输入P塔、P泵和P冷却器，即使功率输入被提供为表示总系统功率的单个加总或组合信号P总也如此。
在一些实施例中，总系统功率P总是极值搜索控制器1042进行搜索以优化(例如，最小化)的性能变量。总系统功率P总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P总包括P塔、P泵和P冷却器。然而，在各种其他实施例中，总系统功率P总可以包括功率输入的任何组合。例如，总系统功率P总可以包括AHU 1006内的风扇的功耗、冷却流体泵1016的功耗、和/或冷却水设施1000内发生的任何其他功耗。
极值搜索控制器1042被示出为将对温度设定值Tsp的ESC贡献Tesc提供给温度设定值元件1046。温度设定值元件1046组合来自极值搜索控制器1042的ESC贡献Tesc输出与来自前馈控制器1044的前馈贡献Tff输出，以产生温度设定值Tsp。温度设定值元件1046将温度设定值Tsp提供给反馈控制器1028。在一些实施例中，温度设定值Tsp是极值搜索控制器1042进行调节以影响总系统功率P总的受操纵变量。温度设定值Tsp是从冷却塔1004提供到冷却器1002的冷凝水的温度Tcw的设定值。冷凝水的温度Tcw可以由沿着冷凝水环路1022定位于冷却塔1004与冷却器1002之间(例如，泵1014的上游或下游)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/或冷凝器水泵1014以实现由温度设定值元件1046提供的温度设定值Tsp。例如，反馈控制器1028可以增大冷却塔风扇系统1036的速度以增加由冷却塔1004从冷凝水中去除的热量的量，或降低冷却塔风扇系统1036的速度以减少由冷却塔1004从冷凝水中去除的热量的量。
极值搜索控制器1042实施极值搜索控制策略，所述策略动态搜寻未知输入(例如，最优冷凝水温度设定值Tsp)以获得趋于接近最优的系统性能(例如，总功耗P总)。尽管反馈控制器1028和极值搜索控制器1042被示出为分开的装置，但是应设想到，在一些实施例中反馈控制器1028和极值搜索控制器1042可以被组合成单个装置(例如，执行极值搜索控制器1042和反馈控制器1028两者的功能的单一控制器)。例如，极值搜索控制器1042可以被配置用于直接控制冷却塔风扇系统1036，而不需要中间反馈控制器1028。
现参考图10B和图10C，根据一些实施例，一对流程图1050和1070展示了冷却水设施1000中的设定值控制操作。在流程图1050和1070两者中，将环境温度T环境提供给前馈控制器1044，将温度设定值Tsp提供给反馈控制器1028。反馈控制器1028操作以控制冷却水设施1000中的冷凝水温Tcw。极值搜索控制器1042可以接收冷却水设施1000的总功耗P总作为反馈信号。在一些实施例中，前馈控制器1044使用先前的最优温度设定值Tsp0来校正其输出。
在流程图1050中，将温度设定值Tsp提供给反馈控制器1028，所述反馈控制器操作以控制冷却水设施1000中的冷凝水温Tcw(框1052)。前馈控制器1044接收环境温度T环境(框1054)并且使用环境温度T环境来生成对温度设定值Tsp的前馈贡献Tff(框1056)。极值搜索控制器1042接收冷却水设施1000的总功耗P总作为反馈信号(框1058)，并且生成对温度设定值Tsp的极值搜索贡献Tesc以将总功耗P总驱动至最优值(框1060)。温度设定值元件1046通过组合极值搜索贡献Tesc与前馈贡献Tff来生成新的温度设定值(框1062)。所述新的温度设定值可以被提供给反馈控制器1028。
在流程图1070中，将温度设定值Tsp提供给反馈控制器1028，所述反馈控制器操作以控制冷却水设施1000中的冷凝水温Tcw(框1072)。前馈控制器1044接收环境温度T环境(框1074)。前馈控制器1044从冷却水设施1000接收先前最优温度设定值Tsp0，并且极值搜索控制器1042接收冷却水设施1000的总功耗P总作为反馈信号(框1076)。前馈控制器1044使用先前最优温度设定值Tsp0和环境温度T环境来生成对温度设定值Tsp的前馈贡献Tff(框1078)。极值搜索控制器1042生成对温度设定值Tsp的极值搜索贡献Tesc以总功耗P总驱动至最优值(框1080)。温度设定值元件1046通过组合极值搜索贡献Tesc与前馈贡献Tff来生成新的温度设定值(框1082)。所述新的温度设定值可以被提供给反馈控制器1028。
图10D和图10E示出了不同控制技术的模拟结果。图10D是根据一些实施例的比较前馈控制、ESC以及组合的ESC与前馈控制的随时间推移的功耗变化的图。图10E是根据一些实施例的比较前馈控制、ESC、以及组合的ESC与前馈控制的随时间推移的冷凝器水温变化的设定值的图。在模拟的初始10,000秒内，冷凝水的设定值保持恒定于28℃。之后，施加各种策略来控制设定值。结果表明，在整个模拟过程中，组合ESC与前馈控制的控制技术与ESC或前馈控制相比表现得同样好或更好。组合技术在10,000秒与20,000秒之间特别有效。在此期间，ESC滤波器正在初始化，并且受操纵变量的平均值由ESC保持恒定。在组合的控制技术中发生了相同的初始化。然而，由于前馈控制，组合的控制技术的性能在此期间更好。
应当注意的是，前馈控制和ESC在所考虑的模拟情况下单独表现良好。然而，各自具有局限性，即对前馈控制以及ESC的收敛速度的建模和传感器误差的敏感性。本文的披露内容的优点利用另一控制策略的强度来补充一个控制策略。
冷却水设施1100
现参考图11A，根据一些实施例，示出了另一个冷却水设施1100。如参考图10A所述，冷却水设施1100可以包括冷却水设施1000的一些或全部部件。与图10A不同，冷却塔风扇系统1136的风扇速度风扇sp在本文中被用作控制输入而针对冷却水设施1100上的任何给定负荷R来优化总功耗P总。
前馈控制器1144被示出为用于从BMS传感器1012的部件(例如，负荷传感器)接收对冷却水设施1100上的负荷R的指示。在一些实施例中，BMS控制器1010收集由BMS传感器1012提供的信息，并且将冷却水设施1100上的负荷R提供给前馈控制器1144。前馈控制器1144生成对冷却水设施1100中的冷却塔风扇系统1136的风扇速度风扇sp的前馈贡献风扇ff。在一些实施例中，前馈控制器1144包括将负荷R映射到前馈贡献风扇ff的前馈模型或查找表。
极值搜索控制器1142提供了对风扇速度风扇sp的ESC贡献风扇esc。风扇速度元件1146组合来自极值搜索控制器1142的ESC贡献风扇esc输出与来自前馈控制器1144的前馈贡献风扇ff输出，以产生风扇速度风扇sp。风扇速度元件1146将风扇速度风扇sp提供给冷却塔风扇系统1136。在一些实施例中，风扇速度风扇sp是极值搜索控制器1142进行调节以影响总系统功率P总的受操纵变量。在一些实施例中，冷却塔风扇系统1136的变速驱动电子设备可以控制风扇来相应地实现风扇速度风扇sp。
极值搜索控制器1142实施极值搜索控制策略，所述策略动态搜寻未知输入(例如，最优风扇速度风扇sp)以获得趋于接近最优的系统性能(例如，总功耗P总)。
现参考图11B和图11C，根据一些实施例，一对流程图1150和1170展示了冷却水设施1100中的风扇速度控制操作。在流程图1150和1170两者中，将负荷R提供给前馈控制器1144，将冷却塔风扇系统1136的风扇速度风扇sp提供给冷却塔风扇系统1136。冷却塔风扇系统1136的变速驱动电子设备可以控制风扇来相应地实现风扇速度风扇sp。极值搜索控制器1142可以接收冷却水设施1100的总功耗P总作为反馈信号。在一些实施例中，前馈控制器1144使用先前的最优风扇速度风扇sp0来校正其输出。
在流程图1150中，将风扇速度风扇sp提供给冷却塔风扇系统1136，所述冷却塔风扇系统操作以控制冷却塔风扇系统1136的实际风扇速度风扇实际(框1152)。前馈控制器1144接收负荷R(框1154)并且使用负荷R生成对风扇速度风扇sp的前馈贡献风扇ff(框1156)。极值搜索控制器1142接收冷却水设施1100的总功耗P总作为反馈信号(框1158)，并且生成对风扇速度风扇sp的极值搜索贡献风扇esc以将总功耗P总驱动至最优值(框1160)。风扇速度元件1146通过组合极值搜索贡献风扇esc与前馈贡献风扇ff来生成风扇速度(框1162)。可以将新的风扇速度提供给冷却塔风扇系统1136。
在流程图1170中，将风扇速度风扇sp提供给冷却塔风扇系统1136，所述冷却塔风扇系统操作以控制冷却塔风扇系统1136的实际风扇速度风扇实际(框1172)。前馈控制器1144接收负荷R(框1174)。前馈控制器1144从冷却水设施1100接收先前最优风扇速度风扇sp0，并且极值搜索控制器1142接收冷却水设施1100的总功耗P总作为反馈信号(框1176)。前馈控制器1144使用先前最优风扇速度风扇sp0和负荷R来生成对风扇速度风扇sp的前馈贡献风扇ff(框1178)。极值搜索控制器1142生成对风扇速度风扇sp的极值搜索贡献风扇esc以将总功耗P总驱动至最优值(框1180)。风扇速度元件1146通过组合极值搜索贡献风扇esc与前馈贡献风扇ff来生成新的风扇速度(框1182)。可以将新的风扇速度提供给冷却塔风扇系统1136。
示例性实施例的配置
如各示例性实施例中所示出的系统和方法的构造和安排仅是说明性的。尽管本披露中仅详细描述了几个实施例，但是许多修改是可能的(例如，各种元件的大小、尺寸、结构、形状和比例、参数的值、安装安排、材料的使用、颜色、取向等的变化)。例如，元件的位置可以颠倒或以其他方式变化，并且离散元件的性质或数量或位置可以更改或变化。因此，所有这类修改旨在被包括在本披露的范围之内。可以根据替代实施例对任何过程或方法步骤的顺序或序列进行改变或重新排序。在不脱离本披露范围的情况下，可以在示例性实施例的设计、操作条件和安排方面作出其他替代、修改、改变、和省略。
本披露假设了用于完成各种操作的方法、系统和任何机器可读介质上的程序产品。可以使用现有计算机处理器或由结合用于此目的或另一目的的适当系统的专用计算机处理器或由硬接线系统来实施本披露的实施例。本披露范围内的实施例包括程序产品，所述程序产品包括用于携带或具有存储在其上的机器可执行指令或数据结构的机器可读介质。这种机器可读介质可以是可由通用或专用计算机或具有处理器的其他机器存取的任何可用介质。举例来讲，这类机器可读介质可以包括RAM、ROM、EPROM、EEPROM、CD-ROM或其他光盘存储装置、磁盘存储装置或其他磁存储装置等，或者可以用来以机器可执行指令或数据结构的形式携带或存储所期望的程序代码并且可以由通用或专用计算机或具有处理器的其他机器访问的任何其他介质。上述内容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使得通用计算机、专用计算机或专用处理机执行特定功能或功能组的指令和数据。
尽管附图示出了指定顺序的方法步骤，但是步骤的顺序可以不同于所描绘的。还可以同时或部分同时地执行两个或更多个步骤。这种变型将取决于所选软件和硬件系统以及设计者的选择。所有这种变型都在本披露的范围内。同样地，可以用具有基于规则的逻辑和用以实现各连接步骤、处理步骤、比较步骤和判定步骤的其他逻辑的标准编程技术来实现软件实施方式。

Claims (20)

1.一种控制系统，被配置用于操作设施以实现所述设施的性能变量的最优值，所述控制系统包括：
前馈控制器，被配置用于接收对所述设施的可测量干扰并且使用所述可测量干扰生成对所述设施的控制输入的前馈贡献；
极值搜索控制器，被配置用于从所述设施接收所述性能变量并且生成对所述控制输入的极值搜索贡献以将所述性能变量驱动到所述最优值；以及
控制输入元件，被配置用于通过组合所述极值搜索贡献和所述前馈贡献来生成所述控制输入，并且将所述控制输入提供给所述设施，其中所述设施使用所述控制输入来操作所述设施的设备，从而将所述性能变量驱动到所述最优值，
其中，所述前馈控制器生成所述前馈贡献，而不需要知道所述极值搜索贡献。
2.如权利要求1所述的控制系统，其中，所述前馈控制器被配置用于基于将所述可测量干扰映射到所述控制输入的查找表来生成所述前馈贡献。
3.如权利要求1所述的控制系统，其中，所述前馈控制器被配置用于基于将所述可测量干扰映射到所述控制输入的前馈模型来生成所述前馈贡献。
4.如权利要求3所述的控制系统，其中，所述前馈模型是基于在测试和/或实际应用期间收集的数据而建立的。
5.如权利要求1所述的控制系统，其中，所述前馈控制器进一步被配置用于：
接收与在先前的可测量干扰下所述性能变量的先前最优值相对应的先前最优控制输入；并且
使用所述先前最优控制输入来校正所述前馈贡献。
6.如权利要求1所述的控制系统，其中，所述极值搜索控制器进一步被配置用于：
使用周期性信号来扰动所述控制输入；
根据被扰动的控制输入来监测所述性能变量；
估计所述性能变量相对于所述控制输入的梯度；并且
调制所述极值搜索贡献以将所估计的梯度驱动至零。
7.如权利要求1所述的控制系统，其中，所述极值搜索控制器进一步被配置用于：
使用随机激励信号来扰动所述控制输入；
根据被扰动的控制输入来监测所述性能变量；
估计所述性能变量相对于所述控制输入的梯度；并且
调制所述极值搜索贡献以将所估计的梯度驱动至零。
8.如权利要求7所述的控制系统，其中，所述随机激励信号是非周期性信号，所述非周期性信号包括随机游走信号、非确定性信号和非重复信号中的至少一个。
9.一种控制系统，被配置用于操作冷却水设施的设备以实现所述冷却水设施的总功耗的最优值，所述设备包括冷却器压缩机、冷凝器水泵和冷却塔风扇中的至少一个；所述控制系统包括：
前馈控制器，被配置用于接收环境温度并且使用所述环境温度生成对所述冷却水设施中的冷凝器水温的温度设定值的前馈贡献；
极值搜索控制器，被配置用于从所述设施接收所述总功耗并且生成对所述温度设定值的极值搜索贡献以将所述总功耗驱动至所述最优值；以及
控制输入元件，被配置用于通过组合所述极值搜索贡献和所述前馈贡献来生成所述温度设定值并且将所述温度设定值提供给所述冷却水设施，其中所述冷却水设施使用所述温度设定值来操作所述冷却水设施的所述设备，从而将所述总功耗驱动至所述最优值，
其中所述前馈控制器生成所述前馈贡献，而不需要知道所述极值搜索贡献。
10.如权利要求9所述的控制系统，其中，所述前馈控制器被配置用于基于将所述环境温度映射到所述温度设定值的查找表来生成所述前馈贡献。
11.如权利要求9所述的控制系统，其中，所述前馈控制器被配置用于基于将所述环境温度映射到所述温度设定值的前馈模型来生成所述前馈贡献。
12.如权利要求11所述的控制系统，其中，所述前馈模型是基于在测试和/或实际应用期间收集的数据而建立的。
13.如权利要求9所述的控制系统，其中，所述前馈控制器进一步被配置用于：
接收与在先前环境温度下所述总功耗的先前最优值相对应的先前最优温度设定值；并且
使用所述先前最优温度设定值来校正所述前馈贡献。
14.如权利要求9所述的控制系统，其中，所述极值搜索控制器进一步被配置用于：
使用随机信号来扰动所述温度设定值；
根据被扰动的温度设定值来监测所述总功耗；
估计所述总功耗相对于所述温度设定值的梯度；以及
调制所述极值搜索贡献以将所估计的梯度驱动至零。
15.一种控制系统，被配置用于操作冷却水设施的设备以实现所述冷却水设施的总功耗的最优值，所述设备包括冷却器压缩机、冷凝器水泵和冷却塔风扇中的至少一个；所述控制系统包括：
前馈控制器，被配置用于接收所述冷却水设施上的负荷并且使用所述负荷生成对所述冷却塔风扇的风扇速度的前馈贡献；
极值搜索控制器，被配置用于从所述设施接收所述总功耗并且生成对所述风扇速度的极值搜索贡献以将所述总功耗驱动至所述最优值；以及
控制输入元件，被配置用于通过组合所述极值搜索贡献和所述前馈贡献来生成所述风扇速度并且将所述风扇速度提供给所述冷却水设施，其中所述冷却水设施使用所述风扇速度来操作所述冷却塔风扇，从而将所述总功率消耗驱动至所述最优值，
其中所述前馈控制器生成所述前馈贡献，而不需要知道所述极值搜索贡献。
16.如权利要求15所述的控制系统，其中，所述前馈控制器被配置用于基于将所述负荷映射到所述风扇速度的查找表来生成所述前馈贡献。
17.如权利要求15所述的控制系统，其中，所述前馈控制器被配置用于基于将所述负荷映射到所述风扇速度的前馈模型来生成所述前馈贡献。
18.如权利要求17所述的控制系统，其中，所述前馈模型是基于在测试和/或实际应用期间收集的数据而建立的。
19.如权利要求15所述的控制系统，其中，所述前馈控制器进一步被配置用于：
接收与在先前负荷下所述总功耗的先前最优值相对应的先前最优风扇速度；并且
使用所述先前最优风扇速度来校正所述前馈贡献。
20.如权利要求15所述的控制系统，其中，所述极值搜索控制器进一步被配置用于：
使用随机信号来扰动所述风扇速度；
根据被扰动的风扇速度来监测所述总功耗；
估计所述总功耗相对于所述风扇速度的梯度；并且
调制所述极值搜索贡献以将所估计的梯度驱动至零。
CN201810214670.1A 2017-03-16 2018-03-15 具有组合的极值搜索控制和前馈控制的控制系统 Active CN108626859B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/461,222 2017-03-16
US15/461,222 US10401843B2 (en) 2017-03-16 2017-03-16 Control system with combined extremum-seeking control and feedforward control

Publications (2)

Publication Number Publication Date
CN108626859A CN108626859A (zh) 2018-10-09
CN108626859B true CN108626859B (zh) 2021-07-27

Family

ID=61899028

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810214670.1A Active CN108626859B (zh) 2017-03-16 2018-03-15 具有组合的极值搜索控制和前馈控制的控制系统

Country Status (3)

Country Link
US (1) US10401843B2 (zh)
EP (1) EP3376311A1 (zh)
CN (1) CN108626859B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10969135B2 (en) * 2017-07-27 2021-04-06 Johnson Controls Technology Company Central plant control system with computation reduction based on sensitivity analysis
US10852026B2 (en) 2018-02-27 2020-12-01 Distech Controls Inc. Controller, method and computer program product for controlling an environmental condition in a building
US10598401B2 (en) * 2018-02-27 2020-03-24 Distech Controls Inc. Controller, method and computer program product using a neural network for adaptively controlling an environmental condition in a building
CN110469926B (zh) * 2018-05-11 2022-05-24 开利公司 用于空调系统的水循环系统及其控制方法
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
US11371728B2 (en) 2018-12-04 2022-06-28 Lennox Industries Inc. Method and system for utilizing a bypass humidifier for dehumidification during cooling
US10955165B2 (en) * 2018-12-04 2021-03-23 Lennox Industries Inc. Method and system for supply-air re-circulation
US11287191B2 (en) 2019-03-19 2022-03-29 Baltimore Aircoil Company, Inc. Heat exchanger having plume abatement assembly bypass
US10901376B2 (en) * 2019-04-11 2021-01-26 Johnson Controls Technology Company Building management system with self-optimizing control modeling framework
US10824127B1 (en) 2019-04-30 2020-11-03 Johnson Controls Technology Company Newton-based extremum-seeking control system
EP3957927B1 (en) * 2019-07-01 2023-08-02 Shanghai Meicon Intelligent Construction Co., Ltd. Control system of air conditioner and air-conditioning device
US11199336B2 (en) 2019-07-26 2021-12-14 Johnson Controls Tyco IP Holdings LLP HVAC system with on-off control
EP3771949A1 (en) * 2019-07-31 2021-02-03 Sandvik Mining and Construction G.m.b.H. Method and controller for controlling operation of a device
CN114286967A (zh) 2019-08-23 2022-04-05 Asml荷兰有限公司 控制第一物体相对于第二物体的位置的方法、控制单元、平台装置和光刻装置
MX2022007206A (es) 2019-12-11 2022-07-12 Baltimore Aircoil Co Inc Sistema intercambiador de calor con optimizacion basada en aprendizaje automatico.
US11976882B2 (en) 2020-11-23 2024-05-07 Baltimore Aircoil Company, Inc. Heat rejection apparatus, plume abatement system, and method
US11899409B2 (en) * 2021-03-07 2024-02-13 Mitsubishi Electric Research Laboratories, Inc. Extremum seeking control system and a method for controlling a system
JP7409345B2 (ja) * 2021-03-31 2024-01-09 横河電機株式会社 学習処理装置、制御装置、学習処理方法、制御方法、学習プログラムおよび制御プログラム

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0152871A2 (en) * 1984-02-07 1985-08-28 Kabushiki Kaisha Toshiba Process control apparatus
US5592345A (en) * 1994-11-30 1997-01-07 Sgs-Thomson Microelectronics, Inc. Feedforward circuit and method for controlling the speed of a spindle motor in a disk drive
EP2172378A1 (en) * 2008-10-06 2010-04-07 Ford Global Technologies, LLC A method and device for regenerative braking in a vehicle
CN103552685A (zh) * 2013-11-20 2014-02-05 渭南高新区晨星专利技术咨询有限公司 一种飞机防滑刹车控制方法
CN104221278A (zh) * 2012-04-27 2014-12-17 株式会社日立产机系统 电动机控制装置及其自动调整法
CN105864954A (zh) * 2015-02-06 2016-08-17 约翰逊控制技术公司 用于热量上升补偿的系统和方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7827813B2 (en) 2007-01-30 2010-11-09 Johnson Controls Technology Company Adaptive real-time optimization control
GB2463218B (en) 2007-07-17 2012-12-05 Johnson Controls Tech Co Extremum seeking control with reset control
GB2463827B (en) 2007-07-17 2012-09-05 Johnson Controls Tech Co Extremum seeking control with actuator saturation control
US8473080B2 (en) 2010-05-10 2013-06-25 Johnson Controls Technology Company Control of cooling towers for chilled fluid systems
US8412357B2 (en) * 2010-05-10 2013-04-02 Johnson Controls Technology Company Process control systems and methods having learning features
US10197977B2 (en) 2014-09-02 2019-02-05 Johnson Controls Technology Company Feedback control system with normalized performance indices for setpoint alarming
US20160132027A1 (en) 2014-11-11 2016-05-12 Johnson Controls Technology Company Dither switching extremum seeking control

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0152871A2 (en) * 1984-02-07 1985-08-28 Kabushiki Kaisha Toshiba Process control apparatus
US5592345A (en) * 1994-11-30 1997-01-07 Sgs-Thomson Microelectronics, Inc. Feedforward circuit and method for controlling the speed of a spindle motor in a disk drive
EP2172378A1 (en) * 2008-10-06 2010-04-07 Ford Global Technologies, LLC A method and device for regenerative braking in a vehicle
CN104221278A (zh) * 2012-04-27 2014-12-17 株式会社日立产机系统 电动机控制装置及其自动调整法
CN103552685A (zh) * 2013-11-20 2014-02-05 渭南高新区晨星专利技术咨询有限公司 一种飞机防滑刹车控制方法
CN105864954A (zh) * 2015-02-06 2016-08-17 约翰逊控制技术公司 用于热量上升补偿的系统和方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Extremum seeking control with data-based disturbance feedforward;Sava Marinkov et al.;《2014 American control conference(ACC)》;20140606;第3627页第2列第2段-第3632页第2列第1段，图1-13 *
Sava Marinkov et al..Extremum seeking control with data-based disturbance feedforward.《2014 American control conference(ACC)》.2014, *

Also Published As

Publication number Publication date
CN108626859A (zh) 2018-10-09
US10401843B2 (en) 2019-09-03
EP3376311A1 (en) 2018-09-19
US20180267515A1 (en) 2018-09-20

Similar Documents

Publication Publication Date Title
CN108626859B (zh) 具有组合的极值搜索控制和前馈控制的控制系统
US10845070B2 (en) Extremum-seeking control system for a plant
US11131969B2 (en) Self-configuring extremum-seeking control system
US10365001B2 (en) HVAC system with multivariable optimization using a plurality of single-variable extremum-seeking controllers
JP6574227B2 (ja) 複数の単一変数極値探索コントローラを使用した多変数最適化を伴うｈｖａｃシステム
CN109386934B (zh) 具有协作极值搜索控制的建筑物控制系统
US20160132027A1 (en) Dither switching extremum seeking control
US9835349B2 (en) Extremum-seeking control for airside economizers
CN108758999B (zh) 使用约束处理的极值搜索控制系统
US10364997B2 (en) Control system with maximum time constant estimation
US11460822B2 (en) Self perturbing extremum-seeking control system
US20180284701A1 (en) Control system with dimension reduction for multivariable optimization
US11199336B2 (en) HVAC system with on-off control
US11686480B2 (en) Noise-adaptive extremum-seeking controller
US10824127B1 (en) Newton-based extremum-seeking control system
US11614247B2 (en) Self-learning wireless thermostat that minimizes battery drain

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: 20230414

Address after: Wisconsin

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

Address before: Wisconsin

Patentee before: JOHNSON CONTROLS TECHNOLOGY Co.