CN114440406B - 一种基于动态矩阵模型预测控制的空调系统控制方法 - Google Patents

Abstract

本发明涉及一种基于动态矩阵模型预测控制的空调系统控制方法，包括以下步骤：S1，采集空调系统在不同工作状态下的动态数据、稳态数据以及能效数据；S2，构建所述空调系统的温度预测模型；S3，构建所述空调系统的膨胀阀的开度的能效优化函数；S4，采集当前时刻室内温度、当前时刻室外温度及当前时刻目标温度；S5，通过所述能效优化函数生成所述空调系统的膨胀阀的优化能效开度控制方案，计算所述膨胀阀优化开度，通过所述膨胀阀优化开度控制所述空调系统；S6，基于动态矩阵模型预测控制算法生成变频压缩机频率闭环控制方案，通过所述变频压缩机频率闭环控制方案计算所述空调系统的压缩机的最优频率；S7，重复步骤S4‑S7。

Description

一种基于动态矩阵模型预测控制的空调系统控制方法

技术领域

本发明涉及空调系统优化领域，具体指有一种基于动态矩阵模型预测控制的空调系统控制方法。

背景技术

高精密实验室是进行微观尺度科研、加工的重要场所，而亚微米尺度乃至纳米尺度的科学研究对测试环境极为敏感，外界的温度扰动可能直接影响材料的制备甚至测量结果。为保证微观尺度下实验的精密性，我们需要控制高精密实验室室内温度达到极高的精度和稳定性。

当前空调系统的控制方法主要以比例－积分－微分(PID)控制方法、开关控制方法、基于规则的控制方法为主，控制要点在于室内舒适度与能耗水平，尚未达到高精密实验的控制性能需求，同时这些方法缺乏对干扰、大时滞的抑制，同时控制量存在较大波动，难以将室内温度精确控制在目标温度，且面对大的干扰时，容易产生较长时间的振荡，因此不符合高精密实验室空调系统的要求。而目前应用于高精密实验室空调系统的控制仅仅考虑到实验室内温度的稳定，尚未充分考虑能耗优化问题。因此改变空调系统的控制方法，对于营造高精密实验室理想环境，同时节省空调系统能耗，具有重要意义。

针对上述的现有技术存在的问题设计一种基于动态矩阵模型预测控制的空调系统控制方法是本发明研究的目的。

发明内容

针对上述现有技术存在的问题，本发明在于提供一种基于动态矩阵模型预测控制的空调系统控制方法，能够有效解决上述现有技术存在的问题。

本发明的技术方案是：

一种基于动态矩阵模型预测控制的空调系统控制方法，包括以下步骤：

S1，采集空调系统在不同工作状态下的动态数据、稳态数据以及能效数据；

S2，根据所述动态数据、所述稳态数据构建所述空调系统的温度预测模型；

S3，根据所述动态数据、所述稳态数据以及所述能效数据，构建所述空调系统的膨胀阀的开度的能效优化函数；

S4，采集当前时刻室内温度、当前时刻室外温度及当前时刻目标温度；

S5，根据所述当前时刻室内温度、所述当前时刻室外温度及所述当前时刻目标温度，通过所述能效优化函数生成所述空调系统的膨胀阀的优化能效开度控制方案，计算所述膨胀阀优化开度，通过所述膨胀阀优化开度控制所述空调系统；

S6，基于动态矩阵模型预测控制算法生成变频压缩机频率闭环控制方案，根据所述当前时刻室内温度、所述当前时刻室外温度增量、所述当前时刻目标温度、温度预测向量、室内热负荷增量及所述膨胀阀优化开度，通过所述变频压缩机频率闭环控制方案计算所述空调系统的压缩机的最优频率；

S7，重复步骤S4－S6，实时在线调节所述空调系统。

进一步地，所述根据所述动态数据、所述稳态数据构建所述空调系统的温度预测模型包括：

所述动态数据、所述稳态数据至少包括室内温度响应数据；

根据所述空调系统的压缩机频率的阶跃变化下的室内温度响应数据，并根据所述室内温度响应数据提取离散阶跃响应数据[a₍₁₎ a₍₂₎ … a_(N)]，构建室内温度系统模型预测向量a＝[a₍₁₎ a₍₂₎ … a_(P)]，通过公式(1)矩阵变换，得到温度预测模型矩阵A；其中N和P为整数，且N为观察阶跃响应下系统达到稳定的采样步长数，P为预测步长数；

根据所述温度预测模型矩阵A构建所述温度预测模型。

进一步地，所述根据所述温度预测模型矩阵A构建所述温度预测模型包括：

根据公式(2)计算所述温度预测模型，

其中，

为对压缩机频率实施M个控制增量△u_M(k)的情况下室内温度的预测向量，P为预测步长，M为控制步长，

为对所述高精密实验室在压缩机频率不变情况下的室内温度的预测向量，△u_M(k)为对所述空调系统变频的压缩机施加的频率增量△u(k)向量，△d(k)为高精密实验室干扰状态变量增量，所述干扰状态变量包含室外温度、室内热负荷、所述空调系统的膨胀阀开度的一种或多种，C为固定测量间隔下采集的所述室内温度关于工作状态变量的温度响应向量c＝[c₍₁₎ c₍₂₎ … c_(P)]经过公式(3)矩阵变换得到的预测模型矩阵；

进一步地，步骤S6包括：

S6.1，预测使所述当前时刻室内温度接近所述当前时刻目标温度的最优化压缩机频率控制增量序列，并取第一时刻频率增量施加于所述空调系统；

S6.2，计算所述当前时刻室内温度与所述当前时刻目标温度的差值，经过公式(4)补偿所述温度预测向量，以使室内温度渐近达到所述当前时刻目标温度；

其中

为校正后所述温度向量，

为校正前所述室内温度预测向量，H为校正权重系数向量，假定预测向量所预测的每时刻温度误差相等，则H为[1 1 …1]^T，且H的向量长度与温度预测向量长度

长度相等，e(k+1)为第一时刻预测温度与实际温度差值。

进一步地，所述预测使所述当前时刻室内温度接近所述当前时刻目标温度的最优化压缩机频率控制增量序列包括以下步骤：

通过公式(5)，并在公式(6)、(7)、(8)的约束下求解代价函数极值；

u_M(k)＝u_M(k-1)+△u_M(k) (7)

u_min≤u_M(k)≤u_max (8)

其中，w_P为目标温度序列，Q、R为权重系数矩阵，u_M(k)为k时刻压缩机频率，u_min为压缩机频率最小值，u_max为压缩机频率最大值。

通过所述代价函数极值预测使所述当前时刻室内温度接近所述当前时刻目标温度的最优化压缩机频率控制增量序列。

进一步地，步骤S5包括：

S5.1，根据所述当前时刻室内温度、所述当前时刻室外温度及所述当前时刻目标温度，通过所述空调系统在不同目标温度、实际温度、外部温度及膨胀阀开度下的稳态空调系统能耗、稳态误差分析得到所述能效优化函数，通过所述能效优化函数计算的优化能效合集；

S5.2，并将所述优化能效合集通过曲面拟合法获得最优膨胀阀开度曲面，构建不同目标温度、实际温度、外部环境温度及当前膨胀阀开度下的能效优化函数；

S5.3，通过所述能效优化函数生成所述空调系统的膨胀阀的优化能效开度控制方案，计算所述膨胀阀优化开度，通过所述膨胀阀优化开度控制所述空调系统。

进一步地，所述能效优化函数为：

EXV＝f₁(x) (9)；

其中EXV为能效优化函数所选的膨胀阀开度，x为所述高精密实验室室内温度、室外温度、目标温度、膨胀阀开度、压缩机频率的一种或其组合信息向量。

进一步地，所述步骤S5.2包括：

通过空调系统历史运行数据判断不同工况下膨胀阀开度安全阈值；

通过空调系统运行数据判断不同工况下空调系统能耗最低时的膨胀阀开度；

通过局部加权回归算法拟合所述空调系统安全阈值内最优膨胀阀开度曲面；

通过所述最优膨胀阀开度曲面构建能效优化函数。

因此，本发明提供以下的效果和/或优点：

1)本发明根据空调系统运行数据构建空调系统温度预测模型，通过温度预测模型预测为达到目标温度所需要施加的压缩机频率，再通过下一采样时间检测得到的实际室内温度与预测温度的差值，反馈校正空调系统温度预测模型，消除、减弱环境扰动和模型失配带来的影响，从而保证实验室的环境温度稳定在目标温度值，24小时最大稳态误差小于0.1摄氏度，得到高精度的控制效果，满足高精密实验室的控制需求，解决了目前常规空调系统开关控制、PID控制方法控制精度低能耗高的问题，同时避免频繁开关压缩机导致的能耗损失和压缩机寿命缩短。

2)本发明中采用模型预测控制算法，在代价函数中加入压缩机频率增量项，可以抑制压缩机转速增量幅值，调节空调系统响应速度、超调量，保证温度控制的稳定性。

3)本发明中根据空调系统运行数据构建空调系统能效优化函数，将膨胀阀开度约束在安全阈值之内，同时通过实时工作状态，由能效优化函数来选定最优膨胀阀开度，并作用于系统，使得空调系统的能效比始终处于较高水平，相比于开关控制、PID控制和常规的模型预测控制下的空调系统，该方法更加节能，实现了空调系统能耗优化目的。

4)本发明通过协调压缩机频率与膨胀阀开度间的控制关系，防止室内温度、压缩机转速、膨胀阀开度产生振荡，提高了空调系统控制方法的稳定性、实用性。

应当明白，本发明的上文的概述和下面的详细说明是示例性和解释性的，并且意在提供对如要求保护的本发明的进一步的解释。

附图说明

图1为本发明的控制系统整体方案设计图。

图2为本发明实施例的动态矩阵模型预测控制算法原理图。

图3为本发明实施例针对膨胀阀的优化能效开度控制算法原理图。

图4为不同膨胀阀开度下的能耗消耗实验数据。

图5为优化能效拟合曲面示意图。

具体实施方式

为了便于本领域技术人员理解，现将实施例结合附图对本发明作进一步详细描述：应了解到，在本实施例中所提及的步骤，除特别说明其顺序的，均可依实际需要调整其前后顺序，甚至可同时或部分同时执行，

参考图1－3，一种基于动态矩阵模型预测控制的空调系统控制方法，包括以下步骤：

S1，对相应的实验室的空调系统进行测试，本实施例采用的空调系统应用于高精密实验室，采集空调系统在不同工作状态下的动态数据、稳态数据以及能效数据；本实施例中，所述不同工作状态下的动态、稳态以及能效信息包含空调系统运行时长数据、空调系统数据采样间隔时间数据、空调系统功率数据、压缩机频率数据、膨胀阀开度数据、室内温度数据、室外温度数据、目标温度数据、误差数据、蒸发器进出口温度数据；

S2，根据所述动态数据、所述稳态数据构建所述空调系统的温度预测模型；本实施例中，构建的所述温度预测模型如下：

通过分析所述空调系统压缩机频率阶跃变化下的室内温度响应数据，每隔固定采样时间间隔选取一个数据，获得所述高精密实验室室内温度关于所述高精密实验室空调系统压缩机频率的阶跃响应模型向量a，并通过矩阵变换获得模型矩阵A，同理，再通过分析所述空调系统室外温度变化下的室内温度响应，获得所述空调系统室内温度随室外温度变化的模型矩阵C。

S3，根据所述动态数据、所述稳态数据以及所述能效数据，构建所述空调系统的膨胀阀的开度的能效优化函数；

本实施例中，通过空调系统在不同工作状态下的动态、稳态以及能效信息，构建所述空调系统膨胀阀开度的能效优化函数，具体为通过分析不同工作状态下的动态、稳态以及能效信息，包含空调系统运行时长数据、空调系统数据采样间隔时间数据、空调系统功率数据、压缩机频率数据、膨胀阀开度数据、室内温度数据、室外温度数据、目标温度数据、误差数据、蒸发器进出口温度数据中的一种或其组合，得到不同工况下空调系统膨胀阀开度安全阈值，并在每种空调系统运行环境下，选取安全阈值内，空调系统能耗最低的膨胀阀开度作为最优膨胀阀开度，通过曲面拟合算法，构建最优膨胀阀开度关于室内温度、室外温度、目标温度、当前时刻膨胀阀开度的函数，构建针对所述空调系统膨胀阀的能效优化函数。

S4，采集当前时刻室内温度、当前时刻室外温度及当前时刻目标温度。本实施例中，采集实验室室内的当前时刻室内温度、当前时刻室外温度及当前时刻目标温度。

S5，根据所述当前时刻室内温度、所述当前时刻室外温度及所述当前时刻目标温度，通过所述能效优化函数生成所述空调系统的膨胀阀的优化能效开度控制方案，计算所述膨胀阀优化开度，通过所述膨胀阀优化开度控制所述空调系统；

本步骤中，设计针对膨胀阀的优化能效开度控制算法，使得空调控制系统能够根据当前时刻实验室的室内温度、室外温度及目标温度来对膨胀阀开度实施自动在线调节，保证空调系统始终工作于优化能效工作状态。

S6，基于动态矩阵模型预测控制算法生成变频压缩机频率闭环控制方案，根据所述当前时刻室内温度、所述当前时刻室外温度增量、所述当前时刻目标温度、温度预测向量、室内热负荷增量及所述膨胀阀优化开度，通过所述变频压缩机频率闭环控制方案计算所述空调系统的压缩机的最优频率；

本步骤中，设计基于动态矩阵模型预测控制(DMC)算法的变频压缩机频率闭环控制方案，使得空调控制系统能够根据当前时刻的工作状态对压缩机的工作频率进行控制，从而保证实验室的环境温度稳定在目标温度值。同时，本步骤将步骤S5进行了集成，将步骤S5计算得到的膨胀阀优化开度作为变量之一输入到变频压缩机频率闭环控制方案，得到最优频率。

S7，重复步骤S4－S6，实时在线调节所述空调系统。

通过循环S4－S6，可以实时获取实验室内、外的相关数据，并不断计算空调系统的最优频率和膨胀阀开度，从而使空调系统运行在最佳状态。

下面介绍本方法中的温度预测模型如何计算得到。

进一步地，所述根据所述动态数据、所述稳态数据构建所述空调系统的温度预测模型包括：

所述动态数据、所述稳态数据至少包括室内温度响应数据；

根据所述空调系统的压缩机频率的阶跃变化下的室内温度响应数据，该过程收集到连续的、离散的室内温度响应数据。例如数据1、数据2、数据3…数据i。

并根据所述室内温度响应数据提取离散阶跃响应数据 [a₍₁₎ a₍₂₎ … a_(N)]，该过程将上述连续的、离散的室内温度响应数据阶跃化，通过预先设置的阶跃数，从所述室内温度响应数据按照相应的时长间隔提取部分数据，本步骤可以按照相同的时间步长间隔来取，也可以根据所需进行间隔提取，提取得到离散阶跃响应数据。所述时间间隔即为采样步长。

构建室内温度系统模型预测向量a＝[a₍₁₎ a₍₂₎ … a_(P)]，通过公式(1) 矩阵变换，得到温度预测模型矩阵A；其中N和P为整数，且N为观察阶跃响应下系统达到稳定的采样步长数，P为预测步长数。N和P以及后面的 M都是本实施例定义的，根据实际情况选取，N一般是观察阶跃响应下系统多久达到稳定，然后选取一定的采样步长，看从0时刻开始经过N个步长系统能到达稳定；P是预测步长，M为控制步长，根据系统的复杂性和计算能力设定预测步长和控制步长，参数设定时需要满足P≥M。

根据所述温度预测模型矩阵A构建所述温度预测模型。

进一步地，所述空调系统的温度预测模型为所述空调系统室内温度关于所述空调系统压缩机转速增量及所述精密实验室状态变量增量的矩阵模型。

进一步地，所述根据所述温度预测模型矩阵A构建所述温度预测模型包括：

根据公式(2)计算所述温度预测模型，

其中，

为对压缩机频率实施M个控制增量△u_M(k)的情况下室内温度的预测向量，P为预测步长，M为控制步长，

为对所述高精密实验室在压缩机频率不变情况下的室内温度的预测向量，△u_M(k)为对所述空调系统变频的压缩机施加的频率增量向量，△d(k)为高精密实验室干扰状态变量增量，所述干扰状态变量包含室外温度、室内热负荷、所述空调系统的膨胀阀开度的一种或多种，C为固定测量间隔下采集的所述室内温度关于工作状态变量的温度响应向量c＝[c₍₁₎ c₍₂₎ … c_(P)]经过公式(3)矩阵变换得到的预测模型矩阵；

下面介绍如何基于动态矩阵模型预测控制算法生成变频压缩机频率闭环控制方案计算最优频率。

进一步地，步骤S6包括：

S6.1，预测使所述当前时刻室内温度接近所述当前时刻目标温度的最优化压缩机频率控制增量序列，并取第一时刻频率增量△u(k)施加于所述空调系统；

S6.2，计算所述当前时刻室内温度与所述当前时刻目标温度的差值，经过公式(4)补偿所述温度预测向量，以使室内温度渐近达到所述当前时刻目标温度；

其中

为校正后所述温度向量，

为校正前所述室内温度预测向量，H为校正权重系数向量，假定预测向量所预测的每时刻温度误差相等，则H为[1 1 …1]^T，且H的向量长度与温度预测向量长度

长度相等，e(k+1)为第一时刻预测温度与实际温度差值。

进一步地，所述预测使所述当前时刻室内温度接近所述当前时刻目标温度的最优化压缩机频率控制增量序列包括以下步骤：

通过公式(5)，并在公式(6)、(7)、(8)的约束下求解代价函数极值；

u_M(k)＝u_M(k-1)+△u_M(k) (7)；

u_min≤u_M(k)≤u_max (8)；

其中，w_P为目标温度序列，Q、R为权重系数矩阵，u_M(k)为k时刻压缩机频率，u_min为压缩机频率最小值，u_max为压缩机频率最大值。

通过所述代价函数极值预测使所述当前时刻室内温度接近所述当前时刻目标温度的最优化压缩机频率控制增量序列。

计算使该目标房间室内温度达到目标温度的方法为，求解所述代价函数最小值：

得到使得该代价函数最小的压缩机频率增量序列△u_M(k)，并取第一时刻的频率增量△u(k)作用于所述高精密实验室空调系统压缩机，具体实施方式为计算当前时刻的预测压缩机频率u(k)＝u(k-1)+△u(k)，并将压缩机频率作用于所述空调系统压缩机。

下面介绍如何计算计算所述膨胀阀优化开度。

进一步地，步骤S5包括：

S5.1，根据所述当前时刻室内温度、所述当前时刻室外温度及所述当前时刻目标温度，通过所述空调系统在不同目标温度、实际温度、外部温度及膨胀阀开度下的稳态空调系统能耗、稳态误差分析得到所述能效优化函数，通过所述能效优化函数计算的优化能效合集；

S5.2，并将所述优化能效合集通过曲面拟合法获得最优膨胀阀开度曲面，得到如图5所示的曲面图，构建不同目标温度、实际温度、外部环境温度及当前膨胀阀开度下的能效优化函数；

S5.3，通过所述能效优化函数生成所述空调系统的膨胀阀的优化能效开度控制方案，计算所述膨胀阀优化开度，通过所述膨胀阀优化开度控制所述空调系统。

图5是统计了不同工况(室外温度、室内温度)下最优膨胀阀开度，采用插值拟合的方法做出最优膨胀阀开度曲面，使得在每个工作时刻，膨胀阀开度都能根据曲面来选取，达到优化目的。

所述空调系统膨胀阀开度能效优化函数，由不同工况下空调系统运行动态和稳态数据分析得到，包含以下步骤：通过空调系统运行数据判断不同工况下膨胀阀开度安全阈值，确定不同工况下膨胀阀开度调节范围，通过空调系统运行数据判断安全阈值内每种工况下最优能耗所对应的膨胀阀开度，通过局部加权回归算法拟合所述空调系统最优膨胀阀开度曲面，构建膨胀阀开度能效优化函数。本实施例采用如图3所示的膨胀阀能效优化函数，根据采样时刻的状态条件，先通过最优膨胀阀开度曲面，选出当前状态下的最优膨胀阀开度，根据该时刻最优膨胀阀开度与当前膨胀阀开度间的差值及膨胀阀开度调节速度阈值，选择合适的膨胀阀开度。

进一步地，所述能效优化函数为：

EXV＝f₁(x) (9)；

其中EXV为能效优化函数所选的膨胀阀开度，x为所述高精密实验室室内温度、室外温度、目标温度、膨胀阀开度、压缩机频率的一种或其组合信息向量。

膨胀阀开度变化时间间隔大于等于压缩机转速变化的时间间隔，在实施例中采用T_EXV＝2*T_compressor，其中T_EXV为膨胀阀开度变化时间间隔，T_compressor为压缩机频率变化时间间隔，膨胀阀开度变化时间间隔大于等于压缩机频率变化时间间隔可以使高精密实验室室内温度更稳定。

进一步地，所述步骤S5.2包括：

通过空调系统历史运行数据判断不同工况下膨胀阀开度安全阈值；

通过空调系统运行数据判断不同工况下空调系统能耗最低时的膨胀阀开度；在测试中对比不同膨胀阀开度下，空调系统在相同工况(及目标温度、室外温度、热负荷等情况相同时)运行相同时长所产生的能耗，并以统计出的最低能耗时的膨胀阀开度作为最优开度。比如参考图4，图4是不同膨胀阀开度下，空调系统运行在室内目标温度20℃，室外温度39℃，连续运行4 个小时的总能耗，比较不同开度下的能耗能得到最小值，并将此时的膨胀阀开度作为最优膨胀阀开度(或者叫优化膨胀阀开度)。

通过局部加权回归算法拟合所述空调系统安全阈值内最优膨胀阀开度曲面；

通过所述最优膨胀阀开度曲面构建能效优化函数。

本方法对将所述步骤S5和S6的控制方案进行集成，具体为通过采集当前时刻的实验室目标温度数据、实验室内温度数据、实验室外温度数据、实验室膨胀阀开度数据、实验室空调系统压缩机频率数据，根据所述能效优化函数选择当前时刻为使能效最优且不至于破坏室内±0.1 摄氏度高精密温度环境的膨胀阀开度EXV作用于空调系统，并通过求解所述的代价函数得到当前时刻最优压缩机频率值作用于空调系统，从而保证实验室的环境温度稳定在目标温度值。

实验数据

通过本实施例提供的方法对空调系统进行控制，24小时最大稳态误差小于0.1摄氏度，同时空调系统始终工作于最优能效工作状态。

应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不应理解为必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

Claims (6)

1.一种基于动态矩阵模型预测控制的空调系统控制方法，其特征在于：包括以下步骤：

S1，采集空调系统在不同工作状态下的动态数据、稳态数据以及能效数据；

S2，根据所述动态数据、所述稳态数据构建所述空调系统的温度预测模型；

S3，根据所述动态数据、所述稳态数据以及所述能效数据，构建所述空调系统的膨胀阀的开度的能效优化函数；

S4，采集当前时刻室内温度、当前时刻室外温度及当前时刻目标温度；

S5，根据所述当前时刻室内温度、所述当前时刻室外温度及所述当前时刻目标温度，通过所述能效优化函数生成所述空调系统的膨胀阀的优化能效开度控制方案，计算膨胀阀优化开度，通过所述膨胀阀优化开度控制所述空调系统；

S6，基于动态矩阵模型预测控制算法生成变频压缩机频率闭环控制方案，根据所述当前时刻室内温度、所述当前时刻室外温度增量、所述当前时刻目标温度、温度预测向量、室内热负荷增量及所述膨胀阀优化开度，通过所述变频压缩机频率闭环控制方案计算所述空调系统的压缩机的最优频率；

S7，重复步骤S4－S6，实时在线调节所述空调系统；

所述根据所述动态数据、所述稳态数据构建所述空调系统的温度预测模型包括：

所述动态数据、所述稳态数据至少包括室内温度响应数据；

根据所述空调系统的压缩机频率的阶跃变化下的室内温度响应数据，并根据所述室内温度响应数据提取离散阶跃响应数据[a₍₁₎ a₍₂₎…a_(N)]，构建室内温度系统模型预测向量a＝[a₍₁₎ a₍₂₎…a_(P)]，通过公式(1)矩阵变换，得到温度预测模型矩阵A；其中N和P为整数，且N为观察阶跃响应下系统达到稳定的采样步长数，P为预测步长数；

根据所述温度预测模型矩阵A构建所述温度预测模型；

所述根据所述温度预测模型矩阵A构建所述温度预测模型包括：

根据公式(2)计算所述温度预测模型，

其中，

为对压缩机频率实施M个控制增量△u_M(k)的情况下室内温度的预测向量，P为预测步长，M为控制步长，

为对高精密实验室在压缩机频率不变情况下的室内温度的预测向量，△u_M(k)为对所述空调系统变频的压缩机施加的频率增量向量，△d(k)为高精密实验室干扰状态变量增量，所述干扰状态变量包含室外温度、室内热负荷、所述空调系统的膨胀阀开度的一种或多种，C为固定测量间隔下采集的所述室内温度关于工作状态变量的温度响应向量c＝[c₍₁₎ c₍₂₎…c_(P)]经过公式(3)矩阵变换得到的预测模型矩阵；

2.根据权利要求1所述的一种基于动态矩阵模型预测控制的空调系统控制方法，其特征在于：步骤S6包括：

S6.1，预测使所述当前时刻室内温度接近所述当前时刻目标温度的最优化压缩机频率控制增量序列，并取第一时刻频率增量施加于所述空调系统；

S6.2，计算所述当前时刻室内温度与所述当前时刻目标温度的差值，经过公式(4)补偿所述温度预测向量，以使室内温度渐近达到所述当前时刻目标温度；

其中

为校正后温度向量，

为校正前室内温度预测向量，H为校正权重系数向量，假定预测向量所预测的每时刻温度误差相等，则H为[1 1…1]^T，且H的向量长度与温度预测向量

长度相等，e(k+1)为第一时刻预测温度与实际温度差值。

3.根据权利要求2所述的一种基于动态矩阵模型预测控制的空调系统控制方法，其特征在于：所述预测使所述当前时刻室内温度接近所述当前时刻目标温度的最优化压缩机频率控制增量序列包括以下步骤：

通过公式(5)，并在公式(6)、(7)、(8)的约束下求解代价函数极值；

u_M(k)＝u_M(k-1)+△u_M(k) (7)；

u_min≤u_M(k)≤u_max (8)；

其中，w_P为目标温度序列，Q、R为权重系数矩阵，u_M(k)为k时刻压缩机频率，u_min为压缩机频率最小值，u_max为压缩机频率最大值；

通过所述代价函数极值预测使所述当前时刻室内温度接近所述当前时刻目标温度的最优化压缩机频率控制增量序列。

4.根据权利要求1所述的一种基于动态矩阵模型预测控制的空调系统控制方法，其特征在于：步骤S5包括：

S5.1，根据所述当前时刻室内温度、所述当前时刻室外温度及所述当前时刻目标温度，通过所述空调系统在不同目标温度、实际温度、外部温度及膨胀阀开度下的稳态空调系统能耗、稳态误差分析得到所述能效优化函数，通过所述能效优化函数计算优化能效合集；

S5.2，并将所述优化能效合集通过曲面拟合法获得最优膨胀阀开度曲面，构建不同目标温度、实际温度、外部环境温度及当前膨胀阀开度下的能效优化函数；

S5.3，通过所述能效优化函数生成所述空调系统的膨胀阀的优化能效开度控制方案，计算所述膨胀阀优化开度，通过所述膨胀阀优化开度控制所述空调系统。

5.根据权利要求4所述的一种基于动态矩阵模型预测控制的空调系统控制方法，其特征在于：所述能效优化函数为：

EXV＝f₁(x) (9)；

其中EXV为能效优化函数所选的膨胀阀开度，x为高精密实验室室内温度、室外温度、目标温度、膨胀阀开度、压缩机频率的一种或其组合信息向量。

6.根据权利要求4所述的一种基于动态矩阵模型预测控制的空调系统控制方法，其特征在于：所述步骤S5.2包括：

通过空调系统历史运行数据判断不同工况下膨胀阀开度安全阈值；

通过空调系统运行数据判断不同工况下空调系统能耗最低时的膨胀阀开度；

通过局部加权回归算法拟合所述空调系统安全阈值内最优膨胀阀开度曲面；

通过所述最优膨胀阀开度曲面构建能效优化函数。

Images