CN114740727B - 室外温度扰动条件下的空气源热泵动态能效优化控制方法 - Google Patents
室外温度扰动条件下的空气源热泵动态能效优化控制方法 Download PDFInfo
- Publication number
- CN114740727B CN114740727B CN202210439033.0A CN202210439033A CN114740727B CN 114740727 B CN114740727 B CN 114740727B CN 202210439033 A CN202210439033 A CN 202210439033A CN 114740727 B CN114740727 B CN 114740727B
- Authority
- CN
- China
- Prior art keywords
- heat pump
- air source
- source heat
- max
- energy efficiency
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005457 optimization Methods 0.000 title claims abstract description 29
- 238000004088 simulation Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 230000001105 regulatory effect Effects 0.000 claims abstract 2
- 238000010438 heat treatment Methods 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 15
- 230000007246 mechanism Effects 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000005057 refrigeration Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 230000005284 excitation Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 5
- 238000005265 energy consumption Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims 3
- 238000010586 diagram Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000001816 cooling Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- OZJCQBUSEOVJOW-UHFFFAOYSA-N (4-ethylsulfanylphenyl) n-methylcarbamate Chemical compound CCSC1=CC=C(OC(=O)NC)C=C1 OZJCQBUSEOVJOW-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000003507 refrigerant Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
-
- 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]
- Y02B30/52—Heat recovery pumps, i.e. heat pump based systems or units able to transfer the thermal energy from one area of the premises or part of the facilities to a different one, improving the overall efficiency
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
本发明公开了一种室外温度扰动条件下的空气源热泵动态能效优化控制方法，步骤如：S1：建立空气源热泵调节室内温度的动态系统模型；S2：确定被控对象的输入变量和输出变量，进行仿真实验，获取数据集；S3：进行数据预处理，建立空气源热泵系统状态空间模型；S4：初始化预测控制器，设定预测参数，建立系统输出预测方程；S5：确定系统约束条件，构建多约束优化问题；S6：将约束优化问题转化为标准线性规划问题进行求解；S7：被控对象的实际输出实时反馈到控制器，时间基点由k移至k+1，返回S6，重复执行S6‑S7。本发明方法综合考虑用户侧扰动影响，在高精度控制室内温度同时，使热泵运行时的动态能效保持最优值，提高了系统运行的热舒适性和经济性。
Description
技术领域
本发明属于建筑环境与能源系统自动控制技术领域，尤其是涉及一种室外温度扰动条件下的空气源热泵动态能效优化控制方法。
背景技术
现代家庭住宅、商业办公等各类人居建筑对环境的热舒适需求大幅提升，但随着公众对环境问题的日益重视，使用可再生能源为建筑供能受到了广泛关注。空气源热泵是一种能量回收系统，它利用一些电力将低温的热量从外部地面或空气转移到建筑的加热回路中，由于能源转换效率高、清洁可再生、低安装与维护成本等优点在建筑的供暖(冷)系统中广泛应用。
但由于建筑房间热系统的大惯性、大滞后性特点，同时受到内部扰动(如人员变化、设备启停等)和外部时变扰动(如环境温度、太阳辐射等)的影响，空气源热泵在对建筑供能过程中存在明显的能源浪费、经济性、热舒适性不能保证等问题，而这些都是末端付费用户最关心的问题，无疑对空气源热泵的运行控制系统提出了较高要求。
目前，控制策略主要是开关控制和PID控制，开/关控制器最容易实现,但它无法控制有时间延迟的过程，会导致偏离设定点的大波动。PID控制器能产生良好的温度跟踪效果，但调整控制器参数麻烦，并且如果实际运行条件与参数整定条件不同，控制器的性能可能会下降。随着建模技术与计算资源的发展，模型预测控制(MPC)作为一种先进的优化控制方法，如果能使用精度较高的系统模型，它能综合考虑系统实际运行中的各种约束条件和扰动，较好地实现设定点的追踪，但单纯的跟踪性MPC无法保证系统运行时的经济性。因此，在室外温度扰动条件下的空气源热泵供暖(冷)运行控制系统中，能兼顾房间热舒适与系统经济性的MPC方法是一种具有较大应用潜力和良好收益的方法。
发明内容
发明目的：针对上述现有控制方案中存在的问题和不足，本发明提供了一种室外温度扰动条件下的空气源热泵动态能效优化控制方法，该方法综合考虑用户侧扰动的影响，实时控制热泵满足用户热需求，同时热泵运行时的动态能效比COP保持最优值，提高了系统运行时的热舒适性和经济性。
为实现上述目的，本发明是采用以下技术方案来实现的：
本发明是室外温度波动条件下的空气源热泵动态能效优化控制方法，具体步骤如下：
S1：建立空气源热泵向室内调温的系统动态模型；
S2：确定被控对象的输入量和输出量，对机理模型进行开环激励响应仿真实验，获取训练数据集和测试数据集：
S3：对仿真数据进行预处理，通过子空间辨识方法，建立空气源热泵系统状态空间模型；
S4：初始化预测控制器，设定预测参数，基于辨识的状态空间模型建立系统输出预测方程；
S5：确定系统约束条件，包括控制量约束umin,umax，控制增量约束Δumin,Δumax，房间温度约束εmin,εmax，构建使经济性能指标最小化的多约束优化问题；
S6：从当前采样时刻开始计算至预测时域，将约束优化问题转化为标准线性规划问题进行求解，计算当前时刻最优控制量uk作用于被控对象；
S7：被控对象的实际输出实时反馈到控制器，时间基点由k移至k+1，回到步骤S6，重复执行S6-S7。
本发明的进一步改进在于：在S1中建立的动态模型为非线性机理模型，具体为：根据蒸汽压缩制冷循环的原理，采用R314A制冷剂建立空气源热泵模型，根据传热学原理建立房间热力学模型；引入室外天气数据作为外部扰动，同时加入人员等内部扰动源使得模型更加贴合实际情况，两部分共同构成空气源热泵向室内供暖(冷)系统的模型；该系统经济性指标由热泵的能效比表征，即：
其中，COPcold和COPheat分别为空气源热泵制冷、制热工况下的能效比，Qeva和Qcon分别为空气源热泵的制冷量、制热量，Pth为空气源热泵压缩机的耗功量，hci和hco分别为冷凝器进口和出口焓值，heo和hei分别为蒸发器出口和进口焓值。注意，本发明重点关注算法的有效性，假设热泵提供的冷/热量全部被房间吸收。
本发明的进一步改进在于：S2中，从控制角度看，调节压缩机的质量流量可以改变热泵循提供给用户的制冷(热)量，此外改变膨胀阀的开度会影响蒸发器中的流量分布及系统的循环压差，进而影响热泵的正常运行及制冷(热)量。因此输入量选择压缩机质量流量和膨胀阀门开度，输出量选择需要控制的房间温度及与经济性指标相关的压缩机耗功和热泵能效比。采用方波信号作为激励信号，进行开环激励响应仿真，测量数据的采样时间设置为1秒。
本发明的进一步改进在于：S3的具体操作为：
S31：将非线性机理模型抽象成表达式，将/>在稳态点/>附近一阶泰勒展开得到非线性模型与线性模型输入、输出数据之间的关系，/>表达式如：
其中，其中，f(·)为非线性机理模型的函数关系式，x为状态量，u为输入量，/>为求偏导数算子，/>均为差值量，Jx和Ju分别为关于x和u的雅克比矩阵；因此基于仿真实验数据集辨识系统的线性模型，需要对数据集(包含训练集与验证集)进行预处理：使得输入、输出数据为与选定稳态运行点的差值数据；
S32：使用子空间方法进行系统辨识，首先选择系统阶次，多次调整训练过程的参数，获得具有高拟合度的模型，得到空气源热泵系统的状态空间方程：
其中，u(k)是控制输入量，x(k)为状态变量，y(k)为输出变量，e(k)为系统的扰动项，A、B、C、D、K均为系统矩阵。
本发明的进一步改进在于：S4的具体操作为：
S41：设定经济性预测控制器中的参数，其中，采样时间T,预测时域Np∈R，控制时域Nc∈R，且满足Np≥Nc；
S42：基于辨识的状态空间模型，令当前时刻为k，输出预测方程具有如下形式：
Y(k)＝Fxx(k)+FuU(k)
其中Y(k)＝(yi(k+1),yi(k+2),…,yi(k+Np))T,i＝1,2,3为k+1至k+Np时刻系统输出的预测值，U(k)＝(uj(k+1),uj(k+2),…,uj(k+Nc))T,j＝1,2为k+1至k+Nc时刻系统的控制量，u1压缩机流量，u2为膨胀阀开度，x(k)为系统在当前时刻k的状态向量，Fx,Fu分别代表系统的预测输出矩阵。
分别表示为：
本发明的进一步改进在于：S5中使经济性能指标最小化的多约束优化问题表示为：
εmin≤Troom(t)-Tsp≤εmax
umin≤u(t)≤umax
Δumin≤Δu(t)≤Δumax
其中，当前时刻为k，上式是从t＝k+1时刻计算至未来时刻Np的优化问题，b是权重系数，COP是空气源热泵系统的能效比，是控制输入量u(t)的函数，Troom为房间的实时温度，Tsp为房间温度的设定值，εmin,εmax为容许的房间热舒适温差的下限和上限，umin,umax为控制量的下限和上限，Δumin,Δumax为控制量增量的下限和上限。
本发明的进一步改进在于：在S6中转换的标准线性规划问题表示为：
st.Umin≤Uk≤Umax
其中，为加权矩阵，Wc和Wt分别为对应于输出量的系数矩阵，Uk为最优控制量序列，Umin和Umax分别为控制量的低限和高限矩阵，ΔUmin和ΔUmax分别为控制增量的低限和高限矩阵，S为Uk的系数矩阵，TTmax和TTmin为温度的高限和低限矩阵，Tsp为温度设定参考值，分别有如下形式：
Umin＝[umin…umin]T,Umax＝[umax…umax]T
ΔUmin＝[Δumin…Δumin]T,ΔUmax＝[Δumax…Δumax]T
TTmin＝[εmin…εmin]T,TTmax＝[εmax…εmax]T
求解该问题得最优控制量序列Uk，取第一个量为当前采样时刻最优控制量uk作用于被控对象。
本发明的的有益效果是：综合考虑用户侧扰动的影响，实时控制热泵满足用户热需求，同时热泵运行时的动态能效比COP保持最优值，提高了系统运行时的热舒适性和经济性。
附图说明
图1为本发明具体实施方式中系统的经济模型预测控制架构图。
图2为本发明具体实施方式中空气源热泵向室内供暖(冷)的模型示意图。
图3为本发明具体实施方式中室外环境温度变化示意图。
图4(a)为辨识的状态空间模型与非线性机理模型房间温度的拟合效果图示意图。
图4(b)为辨识的状态空间模型与非线性机理模型压缩机耗功的拟合效果图示意图。
图4(c)为辨识的状态空间模型与非线性机理模型空气源热泵能效比拟合效果示意图。
图5(a)为经济性预测控制器和跟踪性预测控制器对房间温度的控制效果对比示意图。
图5(b)为经济性预测控制器和跟踪性预测控制器对压缩机耗电量的控制效果对比示意图。
图5(c)为经济性预测控制器和跟踪性预测控制器对空气源热泵能效比COP的控制效果对比示意图。
具体实施方式
下面结合附图和具体实施方式对本发明公开的一种室外温度波动条件下的空气源热泵动态能效优化控制方法作进一步介绍。
图1说明了本发明中一种室外温度波动条件下的空气源热泵系统经济模型预测控制架构图，该架构图包含空气源热泵-房间仿真模型，离线系统辨识模块及EMPC控制器模块。
本发明的控制方法具体步骤包括：
S1：建立空气源热泵向室内供暖(冷)的系统动态模型；
S2：确定被控对象的输入量和输出量，对机理模型进行开环激励响应仿真实验，获取训练数据集和测试数据集：
S3：对仿真数据进行预处理，通过子空间辨识方法，建立空气源热泵系统状态空间模型；
S4：初始化预测控制器，设定预测参数，基于辨识的状态空间模型建立系统输出预测方程；
S5：确定系统约束条件，包括控制量约束umin,umax，控制增量约束Δumin,Δumax，房间温度约束εmin,εmax，构建使经济性能指标最小化的多约束优化问题；
S6：从当前采样时刻开始计算至预测时域，将约束优化问题转化为标准线性规划问题进行求解，计算当前时刻最优控制量uk作用于被控对象；
S7：被控对象的实际输出实时反馈到控制器，时间基点由k移至k+1，回到步骤S6，重复执行S6-S7。
S1步骤具体为：如图2所示，建立空气源热泵系统Simscape模型，热泵部分使用两相流体域的管道、可变局部阻力构件、可变质量流量源，分别构建蒸发器、压缩机、冷凝器、膨胀阀四个组件，同时引入R134A工质热物性参数，模拟蒸汽压缩制冷循环；耗热房间部分使用导热、对流等模块，分别模拟墙体、窗户和屋顶形成房间热网。此外，引入室外天气数据(来自专业气象数据网站wunderground.com)作为外部扰动如图3所示，同时加入人员等内部扰动源(Gaussian Random Noise:frequency 0.0001(Sec),Mean:0.5)使得模型更加贴合实际情况。该系统经济性指标由热泵的能效比表征，即：
其中，COPcold和COPheat分别为空气源热泵制冷、制热工况下的能效比，Qeva和Qcon分别为空气源热泵的制冷量、制热量，Pth为空气源热泵压缩机的耗功量，hci和hco分别为冷凝器进口和出口焓值，heo和hei分别为蒸发器出口和进口焓值。注意，本发明重点关注算法的有效性，假设热泵提供的冷/热量全部被房间吸收。
S2具体为：
S21：确定系统输入量和输出量。从控制角度看调节压缩机的质量流量可以改变热泵循提供给用户的制冷(热)量，此外改变膨胀阀的开度会影响蒸发器中的流量分布及系统的循环压差，进而影响热泵的正常运行及制冷(热)量。故系统输入量选择压缩机质量流量和膨胀阀门开度Area(％)，系统输出量选择需要控制的房间温度Troom(k)，及与经济性指标相关的压缩机耗功Pth(w)和热泵能效比COP；
S22：开环激励响应仿真实验，本发明中采用常用的方波信号作为激励信号，频率根据热泵的动态特性设置为1/10000，高低电平根据暖通空调手册中冬/夏工况人体热舒适温度范围，并结合该系统运行特性确定，保证数据集的覆盖性，Area∈(0.1,1.0)，测量数据的采样时间设置为1秒。
S3具体为：
S31：对仿真获取的数据集预处理：假设非线性模型均可抽象成如下表达式，则可将/>在稳态点/>附近一阶泰勒展开得到非线性模型与线性模型输入、输出数据之间的关系：
其中，f(·)为非线性机理模型的函数关系式，x为状态量，u为输入量，为求偏导数算子，/>均为差值量，Jx和Ju分别为关于x和u的雅克比矩阵；因此基于仿真实验数据集辨识系统的线性模型，需要对数据集(包含训练集与验证集)进行预处理：使得输入、输出数据为选定稳态运行点/>的差值数据；
S32：加载预处理过的数据，共包含59000个采样数据，使用前29000个数据作为训练集，后30000作为验证集。打开Matlab的System identification Toolbox导入数据，进行状态空间辨识，选择系统阶次，本发明选择子空间辨识方法中的N4SID(NumericalAlgorithm for Subspace State-space System Identification)和MOSEP(Multivariable Output Error State-space)算法，多次调整训练过程的参数，获得具有较高拟合度的模型，得到空气源热泵系统的状态空间方程：
其中，u(k)是控制输入量，x(k)为状态变量，y(k)为输出变量，e(k)为系统的扰动项，A、B、C、D、K矩阵的具体形式如下：
图4a-4c为本发明中辨识出的状态空间模型和非线性机理模型,各输出量的拟合效果，各输出量均有较好的拟合度，因此该状态空间模型可用来表征系统在选定稳态点附近的动态特性。
S4具体为：
S41：设定经济性预测控制器中的参数：采样时间T＝300s,预测时域Np＝6，控制时域Nc＝5，满足Np≥Nc；
S42：基于所述辨识的状态空间模型，令当前时刻为k，输出预测方程具有如下形式：
Y(k)＝Fxx(k)+FuU(k) (10)
其中，Y(k)＝(yi(k+1),yi(k+2),…,yi(k+Np))T,i＝1,2,3,4为k+1至k+Np时刻系统输出的预测值，U(k)＝(uj(k+1),uj(k+2),…,uj(k+Nc))T,j＝1,2,3为从k时刻开始连续Nc个时刻的控制量，x(k)为系统在当前时刻k的状态向量；
分别代表系统的预测输出矩阵。
S5中经济性能指标最小化的多约束优化问题为：
优化问题约束的参数值如表1所示：
表1优化问题约束的参数值
假设当前时刻为k，上式是从t＝k+1时刻计算至未来时刻Np的优化问题，COP是热泵的能效比，Troom为房间的实时温度，Tsp为房间温度的设定值297.5K。
S6中从当前采样时刻开始计算至预测时域，并将约束优化问题转化为标准线性规划问题，具有如下形式：
其中，为加权矩阵，Wc和Wt分别为对应于输出量的系数矩阵，Uk为最优控制量序列，Umin和Umax分别为控制量的低限和高限矩阵，ΔUmin和ΔUmax分别为控制增量的低限和高限矩阵，S为Uk的系数矩阵，TTmax和TTmin为温度的高限和低限矩阵，Tsp为温度设定参考值。约束条件中各矩阵分别具有如下形式：
Umin＝[umin…umin]T,Umax＝[umax…umax]T (13)
ΔUmin＝[Δumin…Δumin]T,ΔUmax＝[Δumax…Δumax]T (14)
TTmin＝[εmin…εmin]T,TTmax＝[εmax…εmax]T (15)
求解该问题可得最优控制量序列Uk，取第一个量为当前采样时刻的最优控制量uk，作用于被控对象。
S7，被控对象的实际输出实时反馈到控制器，通过Matlab的S-function实现，时间基点由k移至k+1，回到步骤S6，重复执行。
为了更清楚看到本发明方法的控制器在热舒适性、经济性方面的优势，做了跟踪性预测控制器的实验来对比。两种控制器对房间温度的控制效果，分别用如下指标计算：
N为运行时间内采样步数，采样时间为10min，下表中分别计算在四天模拟运行过程中的Integral Absolute error、总耗电量和平均COP值：
表2跟踪性预控制器和经济性预测控制器对比分析
由上表计算可知：在运行时间内，两种方案热舒适度较接近，耗电量降低了将近42.5％，能效比提升了近39.8％，这是由于能耗的降低和COP的提升属于同一方向的优化，从步骤S1的公式中可分析得：对于同一负荷需求的系统，即制冷/热负荷一定时，系统的运行能耗越低，则系统的COP值越高，正如仿真实验结果图5a-5c所示。综上所述,本发明中的经济性模型预测控制器较好的实现了温度控制的热舒适性目标和节能降耗的经济性目标。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰。这些改进和润饰也视为本发明的保护范围。
Claims (7)
1.室外温度扰动条件下的空气源热泵动态能效优化控制方法，其特征在于：具体步骤如下：
S1：建立空气源热泵调节室内温度的动态系统模型；
S2：确定被控对象的输入量和输出量，对机理模型进行开环激励响应仿真实验，获取训练数据集和测试数据集：
S3：对仿真数据进行预处理，通过子空间辨识方法，建立空气源热泵系统状态空间模型；
S4：初始化预测控制器，设定预测参数，基于辨识的状态空间模型建立系统输出预测方程；
S5：确定系统约束条件，包括控制量约束umin,umax，控制增量约束Δumin,Δumax，房间温度约束εmin,εmax，构建使经济性能指标最小化的多约束优化问题；
S6：从当前采样时刻开始计算至预测时域，将约束优化问题转化为标准线性规划问题进行求解，计算当前时刻最优控制量uk作用于被控对象；
S7：被控对象的实际输出实时反馈到控制器，时间基点由k移至k+1，回到步骤S6，重复执行S6-S7。
2.根据权利要求1所述室外温度扰动条件下的空气源热泵动态能效优化控制方法，其特征在于：在S1中建立的动态模型为非线性机理模型，在模型中同时引入外部扰动和内部扰动源，其中外部扰动为室外天气数据，内部扰动源包括加入人员，经济性指标由热泵的能效比表征，即：
其中，COPcold和COPheat分别为空气源热泵制冷、制热工况下的能效比，Qeva和Qcon分别为空气源热泵的制冷量、制热量，Pth为空气源热泵压缩机的耗功量，hci和hco分别为冷凝器进口和出口焓值，heo和hei分别为蒸发器出口和进口焓值。
3.根据权利要求1所述室外温度扰动条件下的空气源热泵动态能效优化控制方法，其特征在于：S2中，输入量为压缩机质量流量和膨胀阀门开度，输出量为需要控制的房间温度及与经济性指标相关的压缩机耗功和热泵能效比，采用方波信号作为激励信号，进行开环激励响应仿真，测量数据的采样时间设置为1秒。
4.根据权利要求2所述室外温度扰动条件下的空气源热泵动态能效优化控制方法，其特征在于：S3的具体操作为：
S31：将非线性机理模型在稳态点(x0,u0)附近一阶泰勒展开可得到非线性模型与线性模型输入、输出数据之间的关系，/>表达式如下：
其中，f(·)为非线性机理模型的函数关系式，x为状态量，u为输入量，/>为求偏导数算子，/>均为差值量，Jx和Ju分别为关于x和u的雅克比矩阵；
S32：使用子空间方法进行系统辨识，首先选择系统阶次，多次调整训练过程的参数，获得具有高拟合度的模型，得到空气源热泵系统的状态空间方程：
其中，u(k)是控制输入量，x(k)为状态变量，y(k)为输出变量，e(k)为系统的扰动项，A、B、C、D、K均为系统矩阵。
5.根据权利要求4所述室外温度扰动条件下的空气源热泵动态能效优化控制方法，其特征在于：S4的具体操作为：
S41：设定经济性预测控制器中的参数，其中，采样时间T,预测时域Np∈R，控制时域Nc∈R，且满足Np≥Nc；
S42：基于辨识的状态空间模型，令当前时刻为k，输出预测方程具有如下形式：
Y(k)＝Fxx(k)+FuU(k)
其中Y(k)＝(yi(k+1),yi(k+2),…,yi(k+Np))T,i＝1,2,3为k+1至k+Np时刻系统输出的预测值，U(k)＝(uj(k+1),uj(k+2),…,uj(k+Nc))T,j＝1,2为k+1至k+Nc时刻系统的控制量，u1压缩机流量，u2为膨胀阀开度，x(k)为系统在当前时刻k的状态向量，Fx,Fu分别代表系统的预测输出矩阵。
6.根据权利要求5所述室外温度扰动条件下的空气源热泵动态能效优化控制方法，其特征在于：S5中使经济性能指标最小化的多约束优化问题表示为：
εmin≤Troom(t)-Tsp≤εmax
umin≤u(t)≤umax
Δumin≤Δu(t)≤Δumax
其中，当前时刻为k，上式是从t＝k+1时刻计算至未来时刻Np的优化问题，b为权重系数，COP是空气源热泵系统的能效比，它是控制输入量u(t)的函数，Troom为房间的实时温度，Tsp为房间温度的设定值，εmin,εmax为容许的房间热舒适温差的下限和上限，umin,umax为控制量的下限和上限，Δumin,Δumax为控制量增量的下限和上限。
7.根据权利要求6所述室外温度扰动条件下的空气源热泵动态能效优化控制方法，其特征在于：在S6中转换的标准线性规划问题表示为：
st.Umin≤Uk≤Umax
其中，为加权矩阵，Wc和Wt分别为对应于输出量的系数矩阵，Uk为最优控制量序列，Umin和Umax分别为控制量的低限和高限矩阵，ΔUmin和ΔUmax分别为控制增量的低限和高限矩阵，S为Uk的系数矩阵，TTmax和TTmin为温度的高限和低限矩阵，Tsp为温度设定参考值矩阵，求解该问题得最优控制量序列Uk，取第一个量为当前采样时刻最优控制量uk作用于被控对象。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210439033.0A CN114740727B (zh) | 2022-04-25 | 2022-04-25 | 室外温度扰动条件下的空气源热泵动态能效优化控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210439033.0A CN114740727B (zh) | 2022-04-25 | 2022-04-25 | 室外温度扰动条件下的空气源热泵动态能效优化控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114740727A CN114740727A (zh) | 2022-07-12 |
| CN114740727B true CN114740727B (zh) | 2024-05-17 |
Family
ID=82282975
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210439033.0A Active CN114740727B (zh) | 2022-04-25 | 2022-04-25 | 室外温度扰动条件下的空气源热泵动态能效优化控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114740727B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115660325B (zh) * | 2022-10-08 | 2023-05-30 | 国网山东省电力公司威海供电公司 | 一种电网调峰能力量化方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019200662A1 (zh) * | 2018-04-20 | 2019-10-24 | 东北大学 | 电-热-气综合能源系统的稳定评估与静态控制方法 |
| CN111336683A (zh) * | 2020-03-10 | 2020-06-26 | 南通大学 | 空气源热泵温度控制系统mpc-pid串级控制方法 |
| CN113093536A (zh) * | 2021-03-23 | 2021-07-09 | 南京航空航天大学 | 非线性系统执行器故障的自适应增量优化容错控制方法 |
| CN113899125A (zh) * | 2021-11-19 | 2022-01-07 | 云南电网有限责任公司电力科学研究院 | 一种基于经济预测控制的高温蒸汽热泵控制方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11327449B2 (en) * | 2020-05-29 | 2022-05-10 | Mitsubishi Electric Research Laboratories, Inc. | Nonlinear optimization for stochastic predictive vehicle control |
-
2022
- 2022-04-25 CN CN202210439033.0A patent/CN114740727B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019200662A1 (zh) * | 2018-04-20 | 2019-10-24 | 东北大学 | 电-热-气综合能源系统的稳定评估与静态控制方法 |
| CN111336683A (zh) * | 2020-03-10 | 2020-06-26 | 南通大学 | 空气源热泵温度控制系统mpc-pid串级控制方法 |
| CN113093536A (zh) * | 2021-03-23 | 2021-07-09 | 南京航空航天大学 | 非线性系统执行器故障的自适应增量优化容错控制方法 |
| CN113899125A (zh) * | 2021-11-19 | 2022-01-07 | 云南电网有限责任公司电力科学研究院 | 一种基于经济预测控制的高温蒸汽热泵控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 改进的煤气发电锅炉耗差分析模型;郝勇生;殷捷;王培红;赵刚;;热力发电;20180801(第08期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114740727A (zh) | 2022-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Madani et al. | Capacity control in ground source heat pump systems part II: Comparative analysis between on/off controlled and variable capacity systems | |
| Madani et al. | A descriptive and comparative analysis of three common control techniques for an on/off controlled Ground Source Heat Pump (GSHP) system | |
| Madani et al. | Capacity control in ground source heat pump systems: Part I: modeling and simulation | |
| Verhelst et al. | Study of the optimal control problem formulation for modulating air-to-water heat pumps connected to a residential floor heating system | |
| CN106979641B (zh) | 基于改进mfac的制冷系统数据驱动节能控制系统及方法 | |
| CN108489013A (zh) | 基于遗传算法和负荷在线修正的中央空调控制方法及装置 | |
| CN112503746B (zh) | 基于机器学习与粒子群算法的动力站房冷源系统的控制方法 | |
| CN110107989A (zh) | 基于冷冻水回水温度最佳设定点的小型定频冷水机组变水温控制方法 | |
| Zhao et al. | An adaptive PID control method to improve the power tracking performance of solar photovoltaic air-conditioning systems | |
| Gao et al. | An optimization strategy for the control of small capacity heat pump integrated air-conditioning system | |
| Huchtemann et al. | Simulation study on supply temperature optimization in domestic heat pump systems | |
| Alimohammadisagvand et al. | The potential of predictive control in minimizing the electricity cost in a heat-pump heated residential house | |
| EP4089619A1 (en) | Building equipment energy management control system and control method therefor | |
| CN114740727B (zh) | 室外温度扰动条件下的空气源热泵动态能效优化控制方法 | |
| Yuan et al. | Optimizing energy consumption of a water-loop variable-speed heat pump system | |
| 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 | |
| CN114543274B (zh) | 一种建筑中央空调温湿度优化控制方法及系统 | |
| Ma et al. | Heat-pump control design performance evaluation using load-based testing | |
| Souayfane et al. | A weather-clustering and energy-thermal comfort optimization methodology for indoor cooling in subtropical desert climates | |
| Kim et al. | Application of artificial neural network model for optimized control of condenser water temperature set-point in a chilled water system | |
| Zhu et al. | Model predictive control of chilled water temperature for centrialized HVAC systems | |
| Sánta et al. | The Advantages of Fuzzy Control for Heat Pumps Systems | |
| CN116045461B (zh) | 一种基于给回水温度调节的风冷空调节能控制方法及装置 | |
| Hu et al. | Model-based optimal load control of inverter-driven air conditioners responding to dynamic electricity pricing | |
| CN220044029U (zh) | 一种基于大数据分析的水冷能源站节能系统 |
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 |