CN109100936A - 一种辐射与送风复合式供冷系统的模型预测控制方法和装置 - Google Patents
一种辐射与送风复合式供冷系统的模型预测控制方法和装置 Download PDFInfo
- Publication number
- CN109100936A CN109100936A CN201810849487.9A CN201810849487A CN109100936A CN 109100936 A CN109100936 A CN 109100936A CN 201810849487 A CN201810849487 A CN 201810849487A CN 109100936 A CN109100936 A CN 109100936A
- Authority
- CN
- China
- Prior art keywords
- air
- radiation
- combined type
- type cold
- model
- 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.)
- Pending
Links
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
- 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
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种辐射与送风复合式供冷系统的模型预测控制方法,包括以下步骤:1)建立辐射与送风复合式供冷系统动态热湿传递模型,通过实验数据辨识模型参数;2)采用以上模型进行数值模拟,获得系统被控量与操纵量、扰动量之间的定量关系,即系统动态特性模型;3)提出系统模型预测控制结构,基于系统动态特性模型,开发模型预测控制器;4)采集数据,更新当前状态量,采用模型预测控制算法,计算出当前控制周期最优的操纵量。本发明还公开了一种辐射与送风复合式供冷系统的模型预测控制装置,包括依次连接的采集模块、预测模块和控制模块。本发明具有快速、准确、稳定、舒适与节能等优点。
Description
技术领域
本发明涉及辐射型空调系统控制技术领域,具体是一种辐射与送风复合式供冷系统的模型预测控制方法和装置。
背景技术
辐射与送风复合式供冷是降低设备能耗、与未来能源结构相匹配的有效方式,与传统的送风供冷相比,其优势在于:辐射管中冷水温度可以比较高,为地下水、地源热泵、蒸发冷却等可再生或低品位能源技术的利用创造了条件;可以实现室内温度、湿度独立控制和调节,避免了传统的送风供冷热湿联合处理所造成的能源浪费;送风量的减小进一步降低了空气输送能耗。然而,在实际运行中,辐射与送风复合式供冷系统的节能效果远低于预期,调节控制问题是影响其节能效果的关键:目前普遍采用的传统控制方法存在控制性能较差、控制滞后和经济性不高等缺陷,并不能达到理想的控制效果,影响了辐射与送风复合式供冷系统的节能效果。
与本发明相关的专利中,申请号201410199657.5,发明名称为《一种基于模型降阶和多模型预测控制的室内热环境控制方法》的专利申请公开了一种室内环境控制方法,建筑热环境的建模采用流体力学软件(CFD)和本征正交分解技术,运用模型预测控制的方法进行区域温度的精确控制。但是,辐射与送风复合式供冷系统较为复杂,此建模方式很难实现,此外,辐射与送风复合式供冷系统还需考虑辐射面防结露的控制约束条件。
发明内容
为了克服辐射与送风复合式供冷系统目前普遍采用的传统控制方法存在的控制性能较差、控制滞后和经济性不高等问题,提供一种快速响应、准确预测、稳定性好、热舒适性好、系统能耗低的辐射与送风复合式供冷系统的模型预测控制方法和装置。
为实现上述目的,本发明采用的技术方案是:
一种辐射与送风复合式供冷系统的模型预测控制方法,其特征在于,包括以下步骤:
1)基于辐射与送风复合式供冷系统热湿传递机理,建立系统动态热湿传递模型,并通过实验数据辨识模型参数;
2)基于辐射与送风复合式供冷系统动态热湿传递模型,通过数值模拟获得被控量与操纵量、扰动量之间的定量关系,即辐射与送风复合式供冷系统热湿传递动态特性模型;
3)提出辐射与送风复合式供冷系统模型预测控制结构,包括控制目标、控制约束条件、被控量、操纵量和扰动量,基于系统热湿传递动态特性模型,开发模型预测控制器;
4)采集数据,更新当前状态量,采用模型预测控制算法,计算出当前控制周期最优的操纵量。
进一步地,辐射与送风复合式供冷系统动态热湿传递模型采用热容热阻模型。
进一步地,辐射与送风复合式供冷系统动态热湿传递模型参数辨识是基于实验数据采用最小二乘法进行辨识。
进一步地,所述被控量包括室内空气温度、室内空气湿度和作用温度。
进一步地,所述操纵量包括辐射系统的供水温度和水流量,送风系统的送风温度和送风量。
进一步地,所述扰动量包括室外空气温度、室外空气湿度、太阳辐射强度、室内发热量、室内发湿量。
进一步地,所述控制目标包括热舒适性和节能性。
进一步地,所述控制约束条件是辐射面温度高于室内空气露点温度。
本发明还提供一种辐射与送风复合式供冷系统的模型预测控制装置,其特征在于,包括:
采集模块,采集辐射与送风复合式供冷系统的扰动量、操纵量和被控量;
预测模块,与采集模块相连接,根据模型预测控制算法对系统操纵量进行预测;
控制模块,与预测模块相连接,根据预测模块输出值调节辐射与送风复合式供冷系统的操纵量。
与传统控制技术相比,本发明具有以下优点:
1.快速响应、准确预测、稳定性好:本发明可以准确预测系统操纵量,被控量对设定值变化的响应快、调节时间短、稳定性好。
2.兼顾舒适与节能:本发明的控制目标包括热舒适性和节能性,在保证人体热舒适性的同时,实现系统节能运行。
附图说明
图1是本发明的整体流程图;
图2是辐射与送风复合式供冷系统的模型预测控制结构图;
图3是辐射与送风复合式供冷系统的模型预测控制装置的结构框图;
图4是地板辐射与下送风复合式供冷系统室内空气温度响应;
图5是地板辐射与下送风复合式供冷系统室内空气湿度响应;
图6是地板辐射与下送风复合式供冷系统采用模型预测控制和传统PID控制在南京设计日的归一化能耗对比。
具体实施方式
下面结合附图对本发明进行详细说明。
图1是辐射与送风复合式供冷系统的模型预测控制方法的具体流程,包括以下步骤:
步骤1,基于辐射与送风复合式供冷系统热湿传递机理,建立系统动态热湿传递模型,并通过实验数据辨识模型参数。辐射与送风复合式供冷系统动态热湿传递模型采用热容热阻模型,辐射与送风复合式供冷系统动态热湿传递模型参数辨识是基于实验数据采用最小二乘法进行辨识。
步骤2,基于步骤1获得的辐射与送风复合式供冷系统动态热湿传递模型,通过数值模拟获得被控量与操纵量、扰动量之间的定量关系,即辐射与送风复合式供冷系统热湿传递动态特性模型。所述被控量包括室内空气温度、室内空气湿度和作用温度,所述操纵量包括辐射系统的供水温度和水流量,送风系统的送风温度和送风量,所述扰动量包括室外空气温度、室外空气湿度、太阳辐射强度、室内发热量、室内发湿量。
步骤3,提出辐射与送风复合式供冷系统模型预测控制结构,包括控制目标、控制约束条件、被控量、操纵量和扰动量,所述控制目标包括热舒适性和节能性,所述控制约束条件是辐射面温度高于室内空气露点温度。基于步骤2获得的系统动态特性模型,开发模型预测控制器(控制结构见图2)。
步骤4,采用步骤3获得的模型预测控制器对辐射与送风复合式供冷系统的操纵量进行预测优化控制,具体为:
假定被控对象有p个控制输出yi(i=1,…p),m个控制输入uj(j=1,…m),假设各uj从k时刻起均有M个依次变化的增量Δuj(k),…,Δuj(k+M-1)(j=1,…m),则多变量系统预测模型为:
式中:为未来P个时刻的输出预测值向量;
为未来P个时刻的初始预测值向量;
A为动态矩阵;ΔuM(k)为控制增量向量。
约束条件可归结为如下形式的不等式约束:
CΔuM(k)≤l (2)
式中:C,l均为k时刻已知量。
在k时刻的优化性能指标minJ(k)为:
式中:w(k)为k时刻的期望值;Q为误差权矩阵;R为控制权矩阵。
在k时刻考虑约束的滚动优化问题,就是利用预测模型(1)在约束条件(2)下求出使性能指标(3)最优的ΔuM(k),即
式中,通过模型预测误差反馈校正,式(4)采用二次规划求解。
图2是辐射与送风复合式供冷系统的模型预测控制结构图,首先提出辐射与送风复合式供冷系统节能运行综合指标,与热舒适指标PMV-PPD共同作为控制目标,结合预测控制模型,采用多目标快速算法对控制率进行约束(辐射面防结露)优化计算:采用预测模型预测系统未来输出响应,并结合当前模型输出值与实际系统测量值之间的偏差,以及各扰动量对系统模型的影响,对未来输出响应的预测值进行反馈校正,基于多控制目标(热舒适性和节能性),利用滚动优化器,进行带约束的控制率优化计算。
如图3所示,本发明还提供一种辐射与送风复合式供冷系统的模型预测控制装置,包括:
采集模块,采集辐射与送风复合式供冷系统的扰动量、操纵量和被控量;
预测模块,与采集模块相连接,根据模型预测控制算法对系统操纵量进行预测;
控制模块,与预测模块相连接,根据预测模块输出值调节辐射与送风复合式供冷系统的操纵量。
其中,预测模型设置为根据辐射与送风复合式供冷系统当前状态量预测操纵量。
其中,控制模型设置为基于预测结果,对预测周期内辐射与送风复合式供冷系统的操纵量进行调整。
下面对同一工况下的现有传统PID控制方法和模型预测控制方法进行对比。
结合具体实例,进一步说明本发明的实现效果。
为了进一步说明模型预测控制在辐射与送风复合式供冷系统中的有益效果,将模型预测控制和传统PID控制应用于地板辐射与下送风复合式供冷系统中,通过仿真实验对同一工况下的模型预测控制方法和传统PID控制方法进行对比,两个控制器的控制间隔均为2分钟,当设定值发生以下阶跃变化:室内空气温度设定值从26℃到25℃的负阶跃和室内空气湿度设定值从60%到55%的负阶跃,获得的室内空气温度和相对湿度响应曲线如图4-5所示,模型预测控制与传统PID控制相比,在控制的快递性、准确性、稳定性方面都有明显提升;当室内空气温、湿度设定值为25℃,60%时,通过仿真实验获得的模型预测控制和传统PID控制在南京设计日8:00-18:00时段运行的系统归一化能耗对比如图6所示,模型预测控制比传统PID控制设计日能耗节约17.5%,系统节能潜力得到显著提升。即:与传统PID控制方法相比,模型预测控制方法在控制的快速性、准确性、稳定性、舒适性与节能性方面都有明显提升。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (9)
1.一种辐射与送风复合式供冷系统的模型预测控制方法,其特征在于,包括以下步骤:
1)基于辐射与送风复合式供冷系统热湿传递机理,建立系统动态热湿传递模型,并通过实验数据辨识模型参数;
2)基于辐射与送风复合式供冷系统动态热湿传递模型,通过数值模拟获得被控量与操纵量、扰动量之间的定量关系,即辐射与送风复合式供冷系统热湿传递动态特性模型;
3)提出辐射与送风复合式供冷系统模型预测控制结构,包括控制目标、控制约束条件、被控量、操纵量和扰动量,基于系统热湿传递动态特性模型,开发模型预测控制器;
4)采集数据,更新当前状态量,采用模型预测控制算法,计算出当前控制周期最优的操纵量。
2.如权利要求1所述的一种辐射与送风复合式供冷系统的模型预测控制方法,其特征在于:辐射与送风复合式供冷系统动态热湿传递模型采用热容热阻模型。
3.如权利要求1所述的一种辐射与送风复合式供冷系统的模型预测控制方法,其特征在于:辐射与送风复合式供冷系统动态热湿传递模型参数辨识是基于实验数据采用最小二乘法进行辨识。
4.如权利要求1所述的一种辐射与送风复合式供冷系统的模型预测控制方法,其特征在于:所述被控量包括室内空气温度、室内空气湿度和作用温度。
5.如权利要求1所述的一种辐射与送风复合式供冷系统的模型预测控制方法,其特征在于:所述操纵量包括辐射系统的供水温度和水流量,送风系统的送风温度和送风量。
6.如权利要求1所述的一种辐射与送风复合式供冷系统的模型预测控制方法,其特征在于:所述扰动量包括室外空气温度、室外空气湿度、太阳辐射强度、室内发热量、室内发湿量。
7.如权利要求1所述的一种辐射与送风复合式供冷系统的模型预测控制方法,其特征在于:所述控制目标包括热舒适性和节能性。
8.如权利要求1所述的一种辐射与送风复合式供冷系统的模型预测控制方法,其特征在于:所述控制约束条件是辐射面温度高于室内空气露点温度。
9.一种辐射与送风复合式供冷系统的模型预测控制装置,其特征在于,包括:
采集模块,采集辐射与送风复合式供冷系统的扰动量、操纵量和被控量;
预测模块,与采集模块相连接,根据模型预测控制算法对系统操纵量进行预测;
控制模块,与预测模块相连接,根据预测模块输出值调节辐射与送风复合式供冷系统的操纵量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810849487.9A CN109100936A (zh) | 2018-07-28 | 2018-07-28 | 一种辐射与送风复合式供冷系统的模型预测控制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810849487.9A CN109100936A (zh) | 2018-07-28 | 2018-07-28 | 一种辐射与送风复合式供冷系统的模型预测控制方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109100936A true CN109100936A (zh) | 2018-12-28 |
Family
ID=64848046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810849487.9A Pending CN109100936A (zh) | 2018-07-28 | 2018-07-28 | 一种辐射与送风复合式供冷系统的模型预测控制方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109100936A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101979927A (zh) * | 2010-10-18 | 2011-02-23 | 西安交通大学 | 一种转轮除湿与冷板辐射供冷的复合式空调系统及其空气调节方法 |
CN104823119A (zh) * | 2012-10-01 | 2015-08-05 | 谷歌公司 | 用于环境控制系统的辐射供热控制和方法 |
CN107781947A (zh) * | 2017-09-21 | 2018-03-09 | 新智能源系统控制有限责任公司 | 一种建筑空调系统冷热源预测控制方法和装置 |
-
2018
- 2018-07-28 CN CN201810849487.9A patent/CN109100936A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101979927A (zh) * | 2010-10-18 | 2011-02-23 | 西安交通大学 | 一种转轮除湿与冷板辐射供冷的复合式空调系统及其空气调节方法 |
CN104823119A (zh) * | 2012-10-01 | 2015-08-05 | 谷歌公司 | 用于环境控制系统的辐射供热控制和方法 |
CN107781947A (zh) * | 2017-09-21 | 2018-03-09 | 新智能源系统控制有限责任公司 | 一种建筑空调系统冷热源预测控制方法和装置 |
Non-Patent Citations (2)
Title |
---|
DONGLIANG ZHANG,XIAOQING HUANG,DONGYAN GAO,XIAOBO CUI,NING CAI: "Experimental study on control performance comparison between model predictive control and proportion-integral-derivative control for radiant ceiling cooling integrated with underfloor ventilation system", 《APPLIED THERMAL ENGINEERING》 * |
张东亮,黄晓庆,蔡宁: "预测控制在顶棚辐射结合下送风供冷系统中的试验研究", 《建筑科学》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105805822B (zh) | 基于神经网络预测的供热节能控制方法与系统 | |
CN112128841B (zh) | 一种基于负荷预测和室温反馈修正的全网平衡调节方法 | |
CN108151253B (zh) | 一种变风量空调送风温度自动补偿方法 | |
CN111578371B (zh) | 一种数据驱动的城市集中供热系统精准调控方法 | |
CN108105844B (zh) | 一种基于室内和室外温度联合补偿的智能换热站控制方法 | |
CN103884075A (zh) | 基于计算流体力学和能量预测混合的温室节能控制方法 | |
CN113757788B (zh) | 一种站荷联动的二网平衡在线动态智能调控方法及系统 | |
CN107632524B (zh) | 一种通信机房温度模型预测控制方法和系统 | |
CN103488216B (zh) | 一种太阳能电池板温度控制方法 | |
Zhuang et al. | A new simplified modeling method for model predictive control in a medium-sized commercial building: A case study | |
Kusiak et al. | Minimizing energy consumption of an air handling unit with a computational intelligence approach | |
CN109798646B (zh) | 一种基于大数据平台的变风量空调控制系统和方法 | |
CN104315683B (zh) | 一种基于模糊pid的水冷空调的调控方法 | |
CN111121150A (zh) | 一种智能热负荷预测调控方法、系统及存储介质 | |
CN106647873A (zh) | 大型航天器天线性能测试的吸波外热流模拟系统控温方法 | |
CN109212965A (zh) | 基于粒子群优化算法的地暖温度控制系统及方法 | |
CN109612047A (zh) | 变风量空调系统的送风温度控制方法 | |
CN108168031A (zh) | 一种基于风阀位置重设定静压值的微调响应通风空调控制方法 | |
CN114580254A (zh) | 一种基于模型预测控制的建筑室内温度调控方法和系统 | |
CN109612055A (zh) | 一种空调水系统的前馈模糊控制方法 | |
CN115729093A (zh) | 一种菇房空调控制调节方法及系统 | |
CN110878959A (zh) | 基于模型预测控制的建筑物温度控制方法及系统 | |
CN107247407B (zh) | 一种基于云架构的大数据自我学习修正控制系统及方法 | |
CN104613597A (zh) | 高效节能空调机组控制方法和控制装置、空调机组 | |
CN104866694A (zh) | 一种地板辐射供暖系统最佳启动时间预测模型 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181228 |