智能建筑暖通空調系統(tǒng)的優(yōu)化方法研究

1、智能建筑暖通空調系統(tǒng)的優(yōu)化方法研究摘要：根據暖通空調非線性、時變性等特點，對空調 的溫度控制進行預測分析，包括多影響因素分析與 PMW 指 標預測。 基于 RBF 模糊神經網絡， 對暖通空調控制系統(tǒng)的控 制方法進行了優(yōu)化，在反響校正的根底上實現(xiàn)了控制優(yōu)越 性。關鍵詞：暖通空調； RBF 模糊神經網絡；控制系統(tǒng)；優(yōu) 化由影響傳熱效率的因素可知，當外部環(huán)境的條件，如溫 度，濕度，光照強度以及內部條件，如內部的負荷大小等關 鍵性變量的變化會在傳熱環(huán)節(jié)對傳熱效率造成一定的負面 影響，使系統(tǒng)的不必要能源損耗增加，進而使系統(tǒng)的效率降 低1 。影響能源的浪費的因素不僅僅在于外部和內部的物理 條件的變換，更在

2、于本身暖通空調的初期根本設計，假設本身 暖通空調的控制設計沒有充分考慮到內部運行的條件變化 現(xiàn)象，那么在空氣處理機的熱交換環(huán)節(jié)處所隱藏的潛熱交換 現(xiàn)象那么會大大增加系統(tǒng)的不必要能量損耗。1 溫度控制預測1.1 多影響因素分析 人體的熱舒適度一直以來都是作為空調房間最正確溫度 設定的重要影響因素之一，其原因在于人體的熱舒適度不僅 僅是一種受房間內的濕度，房間內空氣的流速等多種因素影 響的結果，更在人體的熱舒適度是作為最終設計目標而提出 的關鍵指標 2 。對于多種影響因素，文中分析如下：1空氣溫度?？諝鉁囟鹊母径x是指室內空氣的 干球溫度，作為主要影響人體熱舒適度的因素，空氣溫度主 要通過以下兩

3、個方面對人體舒適度進行影響，一是影響了依 賴于空氣對流和空氣熱輻射的人體熱量的熱交換過程，二是 在保證水蒸分壓力值保持不變的條件下，通過空氣溫度的提 升，從而導致人體熱量的散出降低，進而會提高人體皮膚溫 度的升高。2空氣流速。氣流流速會影響人體的舒適性感覺， 空氣流速的主要作用在于影響人體的對流散熱和蒸發(fā)散熱。 具體表現(xiàn)為空氣與皮膚的接觸散熱過程中，人體的對流散熱 受空氣流速的直接影響，而人體的蒸發(fā)散熱過程因空氣流速 制約著空氣蒸發(fā)力的原因從而受到間接影響，當空氣溫度高 于或低于皮膚溫度時，流速的增加都會引起空氣蒸發(fā)散熱的 效率增加。前者是因為流速增加后會產生較高的對流換熱， 人體被動受熱，進

4、而提高散熱效率。后者是因為當流速增加 時，直接帶動散熱過程，使散熱效果加強，直接增強了散熱 效率。3平均輻射溫度。平均輻射溫度的根本定義是包括 室內環(huán)境中的墻壁和設備等物體所產生的平均輻射溫度。平 均輻射溫度受圍護結構外表溫度的影響，主要作為人體處于 室內環(huán)境條件下的人體熱輻射的受影響參考值，即人體熱輻 射受室內環(huán)境條件影響大小的標量。4相對濕度。相對濕度對人體舒適度起間接影響的 作用，由人體生理調節(jié)常識可知，人體皮膚外表的蒸發(fā)散熱 率主要受人體皮膚外表的汗液分泌速率限制影響。但是當人 體皮膚處于較為潮濕的條件下時，人體的蒸發(fā)散熱將不會受 限于人體的汗液分泌速率，而主要受環(huán)境空氣濕度的影響。1

5、.2 PMV 指標預測PMV 指標是一種范圍指標， 具體定義為在同一室內環(huán)境 條件下的大多數(shù)一般人的人體舒適感覺，其包含了本文前部 所表達的六種因素對人體熱舒適度的影響。與此相對應的是 PPD,即由于人與人之間的生理性差異存在，從而導致一部 分少數(shù)人會對該室內環(huán)境的熱舒適度表示具有差異性。以 PDD 指標來代表少數(shù)人的對該熱環(huán)境的不滿所占的總數(shù)的 百分比。本文基于 Fnager 提出的 PMV-PDD 評價方法推導了 PMV 指標表達式，即參考熱平衡方程的根底 3 。由于 PMV 指標描述人體的熱舒適度，所以本文會以 PMV 作為參考量去設定房間的適宜溫度。 而根據影響熱舒適 度因素的其余 5

6、 個因素均具有在不同環(huán)境條件下對舒適度的 影響不同的特點，從而可以將上影響因素相互結合并包含PMV 指標來協(xié)助對房間溫度設定的矯正， 具體實現(xiàn)過程是以 解決 PMV 指標的復雜非線性關系和影響熱舒適度因素之間 的變量方程為目標的。首先檢測房間內空氣濕度，流動速度 等相關參數(shù)和滿意的 PMV 指標。進而通過繁瑣的迭代運算 求得房間最適宜溫度，一般的迭代運算的計算速度慢，且需 要存放中間數(shù)據，占且用較大的儲存空間。故借鑒人工神經 網絡的優(yōu)點，利用其強大的學習功能和聯(lián)想記憶，信息并行 分布處理等功能。所以可嘗試結合人工神經網絡建立溫度設 定的神經網絡設定模型。2 控制系統(tǒng)的優(yōu)化2.1 控制方案 首先

7、將房間的溫度進行合理的設置，以降低房間內部和 外部的干擾作為考慮目標，降低其對房間溫度影響，并且充 分考慮到暖通空調的非必要能源消耗的影響，以此為根底建 立適宜的暖通控制器，從而實現(xiàn)暖通空調系統(tǒng)的快速準確化 調解，從而能保證房間溫度能在較短時間內回歸初設的房間 最正確溫度并在最正確值附近波動。由于時滯和大慣性一直是暖 通空調的特點，所以在信號傳遞中所出現(xiàn)的控制信號延遲現(xiàn) 象較為明顯，具體表現(xiàn)為控制信號的調節(jié)出作用的反響時間 較長 4。結合 RBF 的模糊神經網絡的暖通空調廣義預測的主要 控制局部是整個神經網路的關鍵局部，為實現(xiàn)暖通空調的廣 義控制，首要問題是解決能否及時的對暖通空調的輸出做出

8、準確地預測，然后以前者作為后續(xù)的計算根底，建立快速化 計算處理的在線優(yōu)化策略模型，并且能夠得出有效的反響校 正。2.2 控制優(yōu)化 暖通空調廣義預測控制的在線滾動優(yōu)化是一種特殊的 滾動優(yōu)化，其中模型的辨識局部精度決定于系統(tǒng)所提供的預 測信息的準確度，優(yōu)化的目標函數(shù)和選定的優(yōu)化方法那么是決 定了滾動在線優(yōu)化的運算速度的關鍵因素，考慮到了以上的 因素便可得出較為合理的控制規(guī)律，因為在線優(yōu)化的計算量 較大，故在本文中利用 RBF 模糊神經網絡完成廣義優(yōu)化計算 能夠較為合理的解決問題。在每一個周期內，通過上述 RBF 模糊神經網絡應用和修正方法，以前期預測的系統(tǒng)變量作為 初始目標函數(shù)的計算初量，結合暖通

9、空調的預測模型可以得 出對冷凍水調節(jié)閥的準確的電壓變化控制，從而實現(xiàn)了廣義 預測控制的在線滾動優(yōu)化，并且能得到暖通空調的一般合理 控制規(guī)律。預測控制算法的優(yōu)化基點應在滾動優(yōu)化時保持與實際 系統(tǒng)中的優(yōu)化基點一致。由于暖通空調的系統(tǒng)中變量較多， 其系統(tǒng)的干擾變量有數(shù)目較大，難以估測影響的特點，因此 在本文中要實現(xiàn)模型與實際完全相符的不變 RBF 模糊神經 網絡預測是比擬困難的，系統(tǒng)模型中的空氣處理單元的數(shù)值 模擬應與實際值有一定差距。因干擾的存在會使系統(tǒng)的區(qū)分 模型的失配現(xiàn)象有一定幾率發(fā)生。故采用額外輔助手段來降 低或防止失配現(xiàn)象的發(fā)生，為了表達本文中所述的預測系統(tǒng) 的優(yōu)越性，可采用對根底模型的線性分析修正的方法，進一 步使?jié)L動優(yōu)化具有較好的反響校正的特征。3 結語 整個暖通空調的控制系統(tǒng)在不確定因素的前提下能保 證良好的系統(tǒng)性能，文中對于暖通空調的控制方法展開了研 究，通過 RBF 模糊神經網絡預測， 采用補充模型， 預測信息 等手段來彌補系統(tǒng)中存在的干擾影響， 結合 RBF 的模糊神經 網絡的暖通空調控制模型作為暖通空調的系統(tǒng)和算法優(yōu)化 模型，必然成為未來行業(yè)的開展中能夠更好的滿足客戶的需 要。參考文獻1 馬丙場，倪國宗 .參數(shù)自調整模糊控制器在中央空調 控制系統(tǒng)中的應用 J. 控制理論與應用， 2003.2