CN1811306A - 燃气机热泵的容量自动调节与控制方法 - Google Patents

Abstract

本发明涉及一种燃气机热泵的容量自动调节与控制方法，属于燃气机热泵的容量调节技术。该调节与控制方法包括：宏观以燃气机转速为调控对象，以燃气机进气阀门为执行机构，以建筑物负荷预测值为主要前馈参数，以建筑物室内温度为控制反馈参数的多种控制策略相结合的混合控制系统进行调控；微观以电子膨胀阀开度为调控对象，以其步进电机为执行机构，以燃气机转速为前馈参数，以系统过热度为反馈参数，提出与变发动机转速容量控制类似的混合控制系统进行调控。本发明的有益效果是：实现热泵机组全年全天候自动运行的容量连续调节和全自动运行控制，维持室内温度稳定，使热泵机组的一次能源利用率在整个运行期间保持在较高水平。

Description

燃气机热泵的容量自动调节与控制方法

                            技术领域

本发明专利涉及一种以天然气或沼气等多种可选择性洁净燃料为驱动能源的建筑环境冷热联供总能系统的容量自动调节与控制方法，更具体地说，是燃气机热泵系统实现在夏季制冷和供热水、冬季制热和供热水全年运行的容量自动调节与控制方法。

                            背景技术

近年来我国很多地区夏季缺电严重，据专家预测，若干年内夏季缺电情况不会得到有效缓解。电力空调是形成夏季尖峰负荷的主要原因，以燃气发动机驱动的冷热联供机组，基本不需电力负荷，可在夏季替代电力驱动的空调系统，削减夏季电力波峰，有效解决驱动能源选择中所面临的费用、环境等压力。

燃气机热泵与电动热泵相比还有以下优势：

(1)使用天然气作为一次能源，燃气机热泵的环境性能优于电动热泵；

(2)回收发动机余热，燃气机热泵的供暖性能、除霜性能优于电动热泵；

(3)变转速调节容量方式，季节能效比优于变频电动热泵；

若使用燃气机热泵对建筑物供冷供热，就需要燃气机热泵的制冷供热容量与建筑物冷热负荷相等。众所周知，建筑物冷热负荷受环境温度变化、人员进出等因素的影响波动范围较大。而燃气机热泵系统是由燃气机的热力学正向循环和热泵机组的热力学逆向循环组成的联合循环，本身是一个复杂综合的能量系统，存在非线性、时变、纯滞后和强耦合等因素。可见，由于燃气机热泵装置的复杂性，导致不可能建立精确的数学模型，使得经典控制理论或者现代控制理论缺乏最根本的基础，难以实现有效的控制。虽然自适应、自校正控制理论可以对缺乏数学模型的被控对象进行在线辨识，但是这种递推算法负责、实时性差。所以，以语言规则模型为基础的模糊控制理论与具有自学习和任意逼近非线性映射能力的神经网络理论相结合，配合以适当的经典控制方法就成为解决上述问题的有效途径。

因此在构成燃气机热泵系统各部件已经十分成熟的前提下，制约燃气机热泵系统在国内实现自主知识产权和商品化生产的决定性因素就是容量的自动调节与控制方法。

                            发明内容

本发明的目的在于提供一种燃气机热泵的容量自动调节与控制方法，该方法具有采用的调控系统结构简单、操作方便、控制精度高和运行安全可靠的特点。

本发明是通过下述技术方案加以实现的，一种燃气机热泵的容量调节与控制的方法，所述的燃气机热泵系统，包括燃气发动机1，它的燃气进气阀门2，它的缸套换热器3，它的排烟换热器4；燃气机的传动轴5通过电磁离合器6拖动压缩机7工作，压缩机进出口分别与蒸发器8和冷凝器9连接，在蒸发器与冷凝器之间设置电子膨胀阀10，由压缩机、蒸发器、冷凝器及电子膨胀阀组成制冷系统。

该燃气机热泵的调控系统包括：温度、压力和转速的传感器的数据采集系统，控制器11及电子膨胀阀的步进电机13和燃气进气阀门步进电机12执行机构，采用上述的调控系统对燃气机热泵的容量调节与控制方法，其特征在于包括以下过程：

1、宏观以燃气机转速为调控对象，以燃气机的进气阀门步进电机为执行机构，以建筑物负荷的预测值为主要参数的控制前馈信息，以建筑物室内温度为控制反馈信息，实现调控燃气机热泵容量过程包括：

1)在改进最近邻聚类学习算法的基础上，提出加权动态RBF预测网络模型，并以建筑物所在地全年逐时气温、太阳辐射、建筑物历史负荷参数作为神经网络模型的训练样本，预测下一时刻建筑物所需冷热负荷，该负荷作为系统的前馈输入参数。

其算法和模型如下：

①RBF神经网络：

RBF径向基神经网络是一种前向神经网络，包括一个隐层，其数学模型为：

$y=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w}_{i}g\left(\right||x-c_i{\left|\right|}_{R^n}/{\mathrm{\σ}}_i)$

其中x∈Rⁿ为神经网络输入；

    w_i为RBF输出层权重；

    g为径向基函数；

    c_i为径向基函数的中心；

    σ_i为径向基函数感受野(敏感域)，σ_i越大，感受野越大；

    ‖‖Rⁿ为x与c_i之间的距离。

②改进的最近邻聚类算法

a.选择一个适当的半径r，定义一个矢量A_u用于存放属于各类的输出矢量之和，定义一个计数器B_u用于统计属于各类的样本个数。

b.从第一个数据对(x₁，y₁)开始，在x₁上建立一个聚类中心，令

$\left\{\begin{array}{c}{c}_1=x_1\\ A_1=y_1\\ B_1=1\end{array}\right.$

该隐单元到输出层的权矢量为

                        x₁＝A₁/B₁

c.假设考虑第k个样本数据对(x_k，y_k)时，k＝2，3...，N存在M个聚类中心，其中心点分别为c₁，c₂...，c_M。然后分别求出到这M个聚类中心的距离|x_k-c_j|，i＝1，2，3...，M，设|x_k-c_j|为这些距离中的最小距离，即c_j为x_k的最近邻聚类，则：

如果|x_k-c_j|＞r，则将x_k作为一个新聚类中心，并令

$\left\{\begin{array}{c}{c}_{M+1}=x_k\\ M=M+1\\ A_M{=y}_k\\ B_m=1\end{array}\right.$

且保持A_i，B_i的值不变，i＝1，2，3...，M-1。

如果|x_k-c_j|≤r，作如下计算：

$\left\{\begin{array}{c}{A}_j=A_j+y_k\\ B_j=B_j+1\end{array}\right.$

当i≠j时，i＝1，2，3...，M，且保持A_i，B_i的值不变。隐单元到输出层的权矢量为：

                            w_i＝A_i/B_i，i＝1，2，3，...，M

③加权RBF神经网络

根据上述规则建立的加权RBF网络，其输出应为：

$f\left(x\right)=\frac{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{w}_i\·\exp (-\frac{|x-c_i{|}^2}{{\mathrm{\σ}}^2})}{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\exp (-\frac{|x-c_i{|}^2}{{\mathrm{\σ}}^2})}$

其中，σ为基函数感受野宽度，可以取σ＝r，这比同时确定隐单元的个数和一个合适的范数要方便的多。同时由于每一个输入输出数据对都能产生一个新的聚类，因此这样动态自适应RBF网络实际上进行参数和结构两个过程的自适应调整。

④负荷预测网络模型

依据建筑物所处地的温度、太阳辐射、湿度、风速、地表温度以及建筑物的结构特性、地理位置建立负荷预测网络模型。

2)中心控制环节采用模糊控制系统和PID双模并联控制方式，并在模糊PID基础上，引入Smith预估补偿器。

其算法和模型如下：

①模糊控制器：

它具有三个特征：

a.模糊化：把精确输入量转化为模糊输入量；

b.模糊推理：根据控制规则和输入的模糊量，得出模糊控制量；

c.去模糊化：把模糊输出量转化为精确输出量；

②PID控制系统：

在PID控制器作用下，分别对建筑物室内温度的误差信号e(t)进行比例、积分和微分运算，其结果的加权和构成系统的控制信号u(t)，输送给执行机构燃气进气阀门步进电机加以控制。PID控制器的数学描述为：

$u\left(t\right)=K_p[e\left(t\right)+\frac{1}{T_i}{\∫}_0^{t}e\left(\mathrm{\τ}\right)\mathrm{d\τ}+T_d\frac{\mathrm{de}\left(t\right)}{\mathrm{dt}}]$

③模糊-PID控制器

采用双模控制器，当建筑物室内温度的偏差较大时，超过某一阈值则采用模糊控制器，当建筑物室内温度的偏差较小时，小于该阈值则切换至PID控制器，从而使得这种双模控制器具有模糊控制器响应快和PID控制器稳态精度高的双重特点；

④Smith预估器

将模糊控制器引入Smith预估控制系统中，构成Smith模糊控制系统。

3)比较反馈信息与设定信息：当建筑物室内温度高于设定室内温度时，控制器通过控制算法计算发出指令，使步进电机正向转动特定步数，加大燃气机进气阀门开度，增加燃气进气量，提高燃气机转速，加速压缩机转动，使每循环制冷剂流量增加，热泵总制冷量增加，使室内温度逐渐降低，向设定温度靠近。当建筑物室内温度低于设定室内温度时，控制器通过控制算法计算发出指令，使步进电机反向转动特定步数，减小燃气机进气阀门开度，减少燃气进气量，减慢燃气机转速，减速压缩机转动，使每循环制冷剂流量减少，热泵总制冷量减少，使室内温度逐渐降低，向设定温度靠近。

2、微观以电子膨胀阀的开度为调控对象，以电子膨胀阀的步进电机为执行机构，以燃气机转速为前馈信息，以系统过热度为反馈信息，提出与变发动机转速容量控制类似的多种控制策略相结合的混合控制系统包括：

1)前馈部分利用发动机转速作为主要输入参数；

2)反馈部分采用模糊控制系统和PID双模并联控制方式，并在模糊PID基础上，引入Smith预估补偿器；反馈环节将实际过热度与设定过热度构成偏差，采用双模控制器，当过热度偏差较大时，超过某一阈值则采用模糊控制器，当过热度偏差较小时，小于该阈值则切换至PID控制器，输出控制量到电子膨胀阀步进电机，使系统实际过热度不断逼近设定过热度，即当系统实际过热度偏高时，使之不断降低，逼近设定过热度；反之使之不断升高，逼近设定过热度。

本发明专利的有益效果是：实现热泵机组全年全天候自动运行的容量连续调节和全自动运行控制，维持室内温度稳定，使热泵机组的一次能源利用率在整个运行期间保持在较高水平。

                            附图说明

图1是径向基神经网络模型结构图；

图2是负荷预测网络模型框图；

图3是二维模糊控制系统原理框图；

图4是带有控制点的燃气机热泵系统框图；

图中：

1——燃气机              2——节气门           3——缸套换热器

4——排烟换热器          5——传动轴           6——离合器

7——压缩机              8——蒸发器           9——冷凝器

10——电子膨胀阀         11——控制器          12——节气门步进电机      13——电子膨胀阀步进电机

图5是变发动机转速容量控制原理框图；

图6是模糊PID的双模控制系统结构框图；

图7是Smith模糊PID控制系统结构框图；

图8是电子膨胀阀容量调节控制原理框图。

                            具体实施方式

以下结合附图4，对本发明的实施作如下说明：

本实施例为燃气机热泵的冷热水机组运行情况，容量调节方式为固定供水流量改变供水温度。本实施例的工作过程如下：

1)冬季运行

以冬季某一天工作的情况为例，早上开机，此时室外温度为0℃，首先根据加权动态RBF神经网络预测下一时刻建筑物所需热负荷为40kW，该负荷作为前馈输入。然后，温度传感器15检测热泵机组出水温度，假设当前为20℃。则该温度20℃与机组设定出水温度(制热模式运行时，设定出水温度为60℃)构成偏差-40℃，而后在控制器11中根据偏差值的大小判断采用PID控制器还是模糊控制器，此时偏差大于判断阈值采用模糊控制器，首先将温度值和温度偏差值转化为模糊输入量，而后根据模糊控制规则进行计算得出发动机转速的模糊控制量，接着把模糊量变为精确量输出，最终得到发动机转速需要增大，并且增加量为500转/分，该增加量首先换算成燃气机进气阀门开度的增加量，然后换算成进气阀门步进电机正向转动步数，该步数为100步。则具体操作过程为：燃气机进气阀门步进电机12正向转动100步，增大进气阀门2开度进而使燃气机1进气量增加，最终使燃气机1转速增加500转/分；该转速的增加通过传动轴5、离合器6传送到压缩机7上，使制冷剂循环流量也随之增大，则热泵机组的制热量增加，使热泵机组的出水温度从20℃开始逐渐升高。

同时，检测系统过热度(即蒸发器8制冷剂出口温度16与蒸发器入口制冷剂温度17的差值)，假设该过热度为12℃与设定过热度8℃构成偏差4℃，而后在控制器11中根据偏差值的大小判断采用PID控制器还是模糊控制器，此时偏差大于判断阈值采用模糊控制器，首先将过热度值和过热度偏差值转化为模糊输入量，而后根据模糊控制规则进行计算得出电子膨胀阀开度的模糊控制量，接着把模糊量变为精确量输出，最终得到输出量，即电子膨胀阀10开度增加量，并控制电子膨胀阀步进电机13正向转动10步，增大电子膨胀阀10的开度，使之满足由于压缩机6转速增加引起的循环制冷剂流量的增加，使过热度从12℃逐渐降低向设定过热度8℃逼近，则可保证蒸发器8始终在设定过热度下稳定工作，大大改善系统变负荷的动态特性。

随着时间的推移，系统逐渐进入稳定状态，此时热泵机组出水温度达到设定的60℃，过热度也达到设定的8℃。此时，若室外开始降温，假设从开始的0℃降到-10℃，则随着天气变冷建筑物所需热负荷也开始增加，这时热泵机组出水温度已经不能维持在60℃了，开始逐渐降低到50℃，则室内温度也随之降低，此时必须增加系统制热量满足建筑物热负荷增加的需求，否则不能维持室内温度的稳定，影响人们的正常工作、学习和生活。

增加系统制热量是由控制器11负责的，其具体实现方式为：控制器11由加权动态RBF神经网络预测得到的建筑物所需热负荷50kW和当前的出水温度偏差-10℃(50℃-60℃)，而后在控制器11中根据偏差值的大小判断采用PID控制器还是模糊控制器，此时偏差小于于判断阈值采用PID控制器，根据公式 $u\left(t\right)=K_p[e\left(t\right)+\frac{1}{T_i}{\∫}_0^{t}e\left(\mathrm{\τ}\right)\mathrm{d\τ}+T_d\frac{\mathrm{de}\left(t\right)}{\mathrm{dt}}$ 计算得到发动机转速需要的增加量为100转/分，该增加量换算成进气阀门步进电机正向转动步数为20步。则进气阀门步进电机12正向转动20步，增大进气阀门2开度进而使燃气机1进气量增加，最终使燃气机1转速增加100转/分，从而使制冷剂循环流量也随之增大，则热泵机组的制热量增加，使热泵机组的出水温度从50℃开始逐渐升高，最终达到设定的60℃，并运行在一个新的稳定状态下。(变转速调节过程中自始至终伴随着电子膨胀阀的容量调节，其调节过程同上所述。)

2)夏季运行

以夏季某一天工作的情况为例，早上开机，此时室外温度为35℃，首先根据加权动态RBF神经网络预测下一时刻建筑物所需冷负荷为50kW，该负荷作为前馈输入。然后，温度传感器15检测热泵机组出水温度，假设当前为20℃。则该温度20℃与机组设定出水温度(制冷模式运行时，设定出水温度为7℃)构成偏差13℃，而后在控制器11中根据偏差值的大小判断采用PID控制器还是模糊控制器，此时偏差小于于判断阈值采用PID控制器，根据公式 $u\left(t\right)=K_p[e\left(t\right)+\frac{1}{T_i}{\∫}_0^{t}e\left(\mathrm{\τ}\right)\mathrm{d\τ}+T_d\frac{\mathrm{de}\left(t\right)}{\mathrm{dt}}]$ 计算发动机转速需要增大，并且增加量为200转/分，该增加量首先换算成燃气机进气阀门开度的增加量，然后换算成进气阀门步进电机正向转动步数，该步数为40步。则具体操作过程为：燃气机进气阀门步进电机12正向转动40步，增大进气阀门2开度进而使燃气机1进气量增加，最终使燃气机1转速增加200转/分；该转速的增加通过传动轴5、离合器6传送到压缩机7上，使制冷剂循环流量也随之增大，则热泵机组的制冷量增加，使热泵机组的出水温度从20开始逐渐降低。

同时，检测系统过热度(即蒸发器8制冷剂出口温度16与蒸发器入口制冷剂温度17的差值)，假设该过热度为5℃与设定过热度8℃构成偏差-3℃，而后在控制器11中根据偏差值的大小判断采用PID控制器还是模糊控制器，此时偏差小于判断阈值采用PID控制器，根据公式 $u\left(t\right)=K_p[e\left(t\right)+\frac{1}{T_i}{\∫}_0^{t}e\left(\mathrm{\τ}\right)\mathrm{d\τ}+T_d\frac{\mathrm{de}\left(t\right)}{\mathrm{dt}}]$ 计算得到输出量，即电子膨胀阀10开度减小量，并控制电子膨胀阀步进电机13逆向转动8步，减小电子膨胀阀10的开度，使之满足由于压缩机6转速增加引起的循环制冷剂流量的增加，使过热度从5℃逐渐升高向设定过热度8℃逼近，则可保证蒸发器8始终在设定过热度下稳定工作，大大改善系统变负荷的动态特性。

随着时间的推移，系统逐渐进入稳定状态，此时热泵机组出水温度达到设定的7℃，过热度也达到设定的8℃。此时，若室外开始降温，假设从开始的35℃降到30℃，则随着天气变凉建筑物所需冷负荷也开始减少，这时热泵机组出水温度也开始逐渐降低到5℃，则室内温度也随之降低，此时必须减少系统制冷量满足建筑物冷负荷的减少的需求，否则不能维持室内温度的稳定，影响人们的正常工作、学习和生活。

减少系统制冷量是由控制器11负责的，其具体实现方式为：控制器11由加权动态RBF神经网络预测得到的建筑物所需冷负荷45kW和当前的出水温度偏差-2℃(5℃-7℃)，而后在控制器11中根据偏差值的大小判断采用PID控制器还是模糊控制器，此时偏差小于于判断阈值采用PID控制器，根据公式 $u\left(t\right)=K_p[e\left(t\right)+\frac{1}{T_i}{\∫}_0^{t}e\left(\mathrm{\τ}\right)\mathrm{d\τ}+T_d\frac{\mathrm{de}\left(t\right)}{\mathrm{dt}}]$ 计算得到发动机转速需要的减少量为30转/分，该增加量换算成进气阀门步进电机逆向转动步数为5步。则进气阀门步进电机12逆向转动20步，减小进气阀门2开度进而使燃气机1进气量减小，最终使燃气机1转速减少30转/分，从而使制冷剂循环流量也随之减小，则热泵机组的制冷量减少，使热泵机组的出水温度从5℃开始逐渐升高，最终达到设定的7℃，并运行在一个新的稳定状态下。(变转速调节过程中自始至终伴随着电子膨胀阀的容量调节，其调节过程同上所述。)

Claims (1)

1.一种燃气机热泵的容量调节与控制的方法，所述的燃气机热泵系统，包括燃气发动机(1)，它的燃气进气阀门(2)，它的缸套换热器(3)，它的排烟换热器(4)；燃气机的传动轴(5)通过电磁离合器(6)拖动压缩机(7)工作，压缩机进出口分别与蒸发器(8)和冷凝器(9)连接，在蒸发器与冷凝器之间设置电子膨胀阀(10)，由压缩机、蒸发器、冷凝器及电子膨胀阀组成制冷系统；该燃气机热泵的调控系统包括：温度、压力和转速的传感器的数据采集系统，控制器(11)及电子膨胀阀的步进电机(13)和燃气进气阀门步进电机(12)执行机构，采用上述的调控系统对燃气机热泵的容量调节与控制方法，其特征在于包括以下过程：

1)宏观以燃气机转速为调控对象，以燃气机的进气阀门步进电机为执行机构，以建筑物负荷的预测值为主要参数的控制前馈信息，以建筑物室内温度为控制反馈信息，实现调控燃气机热泵容量过程包括：

(1)在改进最近邻聚类学习算法的基础上，提出加权动态RBF预测网络模型，并以建筑物所在地全年逐时气温、太阳辐射、建筑物历史负荷参数作为神经网络模型的训练样本，预测下一时刻建筑物所需冷热负荷，该负荷作为系统的前馈输入参数；

其算法和模型如下：

①RBF神经网络：

RBF径向基神经网络是一种前向神经网络，包括一个隐层，其数学模型为：

$y=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w}_{i}g\left(\right||x-c_i{\left|\right|}_{R^n}/{\mathrm{\σ}}_i)$

其中x∈Rⁿ为神经网络输入；

w_i为RBF输出层权重；

g为径向基函数；

c_i为径向基函数的中心；

σ_i为径向基函数感受野，σ_i越大，感受野越大；

‖‖_Rn为x与c_i之间的距离；

②改进的最近邻聚类算法：

a.选择一个适当的半径r，定义一个矢量A_u用于存放属于各类的输出矢量之和，定义一个计数器B_u用于统计属于各类的样本个数；

b.从第一个数据对(x₁，y₁)开始，在x₁上建立一个聚类中心，令

$\left\{\begin{array}{c}{c}_1=x_1\\ A_1=y_1\\ B_1=1\end{array}\right.$

该隐单元到输出层的权矢量为

                         x₁＝A₁/B₁

c.假设考虑第k个样本数据对(x_k，y_k)时，k＝2，3…，N存在M个聚类中心，其中心点分别为c₁，c₂，...，c_M，然后分别求出到M个聚类中心的距离|x_k-c_j|，i＝1，2，3，...，M，设|x_k-c_j|为这些距离中的最小距离，即c_j为x_k的最近邻聚类，则：

如果|x_k-c_j|＞r，则将x_k作为一个新聚类中心，并令

$\left\{\begin{array}{c}{c}_{M+1}=x_k\\ M=M+1\\ A_M=y_k\\ B_M=1\end{array}\right.$

且保持A_i，B_i的值不变，i＝1，2，3，...，M-1；

如果|x_k-c_j|≤r，作如下计算：

$\left\{\begin{array}{c}{A}_j=A_j+y_k\\ B_j=B_j+1\end{array}\right.$

当i≠j时，i＝1，2，3，...，M，且保持A_i，B_i的值不变，隐单元到输出层的权矢量为：

                              wi＝Ai/Bi，i＝1，2，3，...，M

③加权RBF神经网络：

根据上述规则建立的加权RBF网络，其输出应为：

$f\left(x\right)=\frac{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{w}_i\·\exp (-\frac{|x-c_i{|}^2}{{\mathrm{\σ}}^2})}{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\exp (-\frac{|x-c_i{|}^2}{{\mathrm{\σ}}^2})}$

其中，σ为基函数感受野宽度，可以取σ＝r，这比同时确定隐单元的个数和一个合适的范数要方便的多，同时由于每一个输入输出数据对都能产生一个新的聚类，因此这样动态自适应RBF网络实际上进行参数和结构两个过程的自适应调整；

④负荷预测网络模型：

依据建筑物所处地的温度、太阳辐射、湿度、风速、地表温度以及建筑物的结构特性、地理位置建立负荷预测网络模型；

(2)中心控制环节采用模糊控制系统和PID双模并联控制方式，并在模糊PID基础上，引入Smith预估补偿器；

其算法和模型如下：

①模糊控制器：

它具有三个特征：

a.模糊化：把精确输入量转化为模糊输入量；

b.模糊推理：根据控制规则和输入的模糊量，得出模糊控制量；

c.去模糊化：把模糊输出量转化为精确输出量；

②PID控制系统：

在PID控制器作用下，分别对建筑物室内温度的误差信号e(t)进行比例、积分和微分运算，其结果的加权和构成系统的控制信号u(t)，输送给执行机构燃气进气阀门步进电机加以控制，PID控制器的数学描述为：

$u\left(t\right)=K_p[e\left(t\right)+\frac{1}{T_i}{\∫}_0^{t}e\left(\mathrm{\τ}\right)\mathrm{d\τ}+T_d\frac{\mathrm{de}\left(t\right)}{\mathrm{dt}}]$

③模糊-PID控制器：

采用双模控制器，当建筑物室内温度的偏差较大时，超过某一阈值则采用模糊控制器，当建筑物室内温度的偏差较小时，小于该阈值则切换至PID控制器，从而使得这种双模控制器具有模糊控制器响应快和PID控制器稳态精度高的双重特点；

④Smith预估器：

将模糊控制器引入Smith预估控制系统中，构成Smith模糊控制系统；

(3)比较反馈信息与设定信息：当建筑物室内温度高于设定室内温度时，控制器通过控制算法计算发出指令，使步进电机正向转动特定步数，加大燃气机进气阀门开度，增加燃气进气量，提高燃气机转速，加速压缩机转动，使每循环制冷剂流量增加，热泵总制冷量增加，使室内温度逐渐降低，向设定温度靠近；当建筑物室内温度低于设定室内温度时，控制器通过控制算法计算发出指令，使步进电机反向转动特定步数，减小燃气机进气阀门开度，减少燃气进气量，减慢燃气机转速，减速压缩机转动，使每循环制冷剂流量减少，热泵总制冷量减少，使室内温度逐渐降低，向设定温度靠近；

2)微观以电子膨胀阀的开度为调控对象，以电子膨胀阀的步进电机为执行机构，以燃气机转速为前馈信息，以系统过热度为反馈信息，提出与变发动机转速容量控制类似的多种控制策略相结合的混合控制系统包括：

(1)前馈部分利用发动机转速作为主要输入参数；

(2)反馈部分采用模糊控制系统和PID双模并联控制方式，并在模糊PID基础上，引入Smith预估补偿器；反馈环节将实际过热度与设定过热度构成偏差，采用双模控制器，当过热度偏差较大时，超过某一阈值则采用模糊控制器，当过热度偏差较小时，小于该阈值则切换至PID控制器，输出控制量到电子膨胀阀步进电机，使系统实际过热度不断逼近设定过热度，即当系统实际过热度偏高时，使之不断降低，逼近设定过热度；反之使之不断升高，逼近设定过热度。

Images