基于退火算法的醫(yī)院中央空調(diào)優(yōu)化控制研究?

國 堯

（天津市眼科醫(yī)院 天津 300020）

1 引言

中央空調(diào)的優(yōu)化節(jié)能控制不僅對資源匱乏的我國能源戰(zhàn)略方面起到至關(guān)重要的作用，而且在使用過程中為室內(nèi)的溫度實時調(diào)節(jié)提供了新的研究領(lǐng)域［1～3］。中央空調(diào)令人們的生產(chǎn)生活變得更加舒適的同時，高耗能的壓縮機通過冷凍水系統(tǒng)對空氣進(jìn)行壓縮抽取，利用能量轉(zhuǎn)換實現(xiàn)了整個大環(huán)境內(nèi)的溫度的降低［4］。醫(yī)院作為大型的建筑物載體，中央空調(diào)的使用是必不可少的，而面對著不同房間因面積大小與環(huán)境的不同，如何提高中央空調(diào)的節(jié)能率，盡可能地減少電能消耗成為了目前研究領(lǐng)域的重點難題［5～6］。本研究針對醫(yī)院類型的中央空調(diào)系統(tǒng)節(jié)能優(yōu)化控制，設(shè)計了一套從房間內(nèi)的數(shù)據(jù)信息采集到溫控調(diào)節(jié)的優(yōu)化模型，并利用退火算法對設(shè)定參數(shù)預(yù)測模型的預(yù)測值與實際使用的實測值之間實時的計算偏差，將調(diào)控數(shù)據(jù)以控制信號的形式通過總線傳輸?shù)紻DC控制器中，以此完成對中央空調(diào)各個設(shè)備的實時控制。

2 優(yōu)化建模

2.1 基本思路

針對醫(yī)院重要空調(diào)在實際部署中收到工況環(huán)境的條件約束，建立其優(yōu)化控制模型以減少中央空調(diào)電力消耗和管理人員工時操作。本研究以AI/DI傳感器到DDC控制器之間設(shè)計了一套面向醫(yī)院中央空調(diào)的優(yōu)化控制算法模型。具體的優(yōu)化控制建模基本思路如圖1所示。

圖1 中央空調(diào)優(yōu)化控制流程圖

由圖1所示，醫(yī)院中央空調(diào)優(yōu)化控制分為三個階段：采集過程、優(yōu)化過程和控制過程。其中，采集過程所用設(shè)置在醫(yī)院各大廳和具體房間內(nèi)部的溫控傳感器對控制度量進(jìn)行收集。通過總線傳輸?shù)侥茉垂芾砜刂葡到y(tǒng)（EMCS）中［7］，整合傳感器數(shù)據(jù)轉(zhuǎn)化為數(shù)據(jù)信號進(jìn)入系統(tǒng)管理層進(jìn)行識別，結(jié)合PID調(diào)節(jié)器對數(shù)據(jù)參數(shù)完成動態(tài)調(diào)控［8］；優(yōu)化過程通過建立工藝參數(shù)（溫度、濕度和氣壓等）的目標(biāo)函數(shù)計算中央空調(diào)的能耗函數(shù)［9］，根據(jù)操作人員對控制變量組合運用退火算法（SA）構(gòu)建約束條件計算最有控制過程，根據(jù)最優(yōu)設(shè)定值的操作指令通過系統(tǒng)傳輸反饋調(diào)節(jié)（PID調(diào)節(jié)器）輸出控制信號，在EMCS中依據(jù)總線傳輸分散到各個DDC控制器以調(diào)節(jié)各大廳和房間的中央空調(diào)運轉(zhuǎn)。

2.2 數(shù)學(xué)建模

假設(shè)某醫(yī)院中央空調(diào)系統(tǒng)分為n個分散的空調(diào)設(shè)備，若對于第i個空調(diào)設(shè)備，其運行過程中費用開銷為Ji，輸入與輸出變量分別為xi，yi，對于不可控、連續(xù)可控和離散可控變量設(shè)定為 fi，ui和Mi，則中央空調(diào)的費用開銷目標(biāo)函數(shù)為

其中，對于等式與不等式約束條件分別為|g(f，m，u)|=0 和 | h(f，m，u)|≥0。整個醫(yī)院的中央空調(diào)系統(tǒng)中的每一個設(shè)備作為分系統(tǒng)收到控制以減少電能消耗，優(yōu)化的基本原理如圖2所示。

圖2 優(yōu)化原理

本研究以構(gòu)建中央空調(diào)電能消耗為目標(biāo)函數(shù)，以運行過程中盡可能地降低運行成本為約束條件，綜合中央空調(diào)的能源分配方式，假設(shè)空調(diào)設(shè)備的能耗分為外掛機組P1、壓縮機組P2、制冷機組P3、冷卻機組P4、風(fēng)扇機組P5。因此，系統(tǒng)總能耗P優(yōu)化目標(biāo)函數(shù)為

2.3 優(yōu)化預(yù)測

中央空調(diào)設(shè)備節(jié)能的優(yōu)化控制過程依賴參數(shù)設(shè)定，則在優(yōu)化控制前需要預(yù)測判斷結(jié)果是否適應(yīng)條件函數(shù)的約束［10］。因此，我們首先根據(jù)中央空調(diào)使用的環(huán)境，設(shè)定參數(shù)估計模型并對各分系統(tǒng)的空調(diào)設(shè)備進(jìn)行濾定參數(shù)，再由系統(tǒng)建模結(jié)果對各設(shè)備進(jìn)行電能消耗的計算，最終采用本研究的優(yōu)化模型對醫(yī)院中央空調(diào)運行系統(tǒng)進(jìn)行優(yōu)化控制。預(yù)測判斷流程如圖3所示。

圖3 預(yù)測判斷

由圖3的預(yù)測判斷流程，通過建立自適應(yīng)函數(shù)的方式對空調(diào)設(shè)備進(jìn)行系統(tǒng)識別，其具體過程分為兩個方面：

1）根據(jù)傳感器與控制器在每個時刻采集數(shù)據(jù)樣本自適應(yīng)得到模型參數(shù)在系統(tǒng)中參數(shù)濾定，為下一時刻的預(yù)測判斷做準(zhǔn)備；

2）根據(jù)AI/DI傳感器在當(dāng)前時刻探測到的各房間采集樣本測量值與預(yù)測判斷得出的預(yù)測值進(jìn)行偏差計算，并通過系統(tǒng)傳輸?shù)竭^濾器中以判斷下一時刻控制條件的校正參數(shù)。

將數(shù)據(jù)送入優(yōu)化器，進(jìn)行設(shè)備模型的系統(tǒng)辨識和預(yù)測校正，并綜合形成過程模型的輸入數(shù)據(jù)文件［11］。根據(jù)當(dāng)前的過程約束和控制策略，計算優(yōu)化操作工況。對優(yōu)化結(jié)果進(jìn)行合理性判斷，并檢查是否位于操作可行域內(nèi)。在該段時間內(nèi)，操作人員可以采納全部或部分指導(dǎo)信息，也可以完全拒絕。采納時則手動修改控制回路設(shè)定值。優(yōu)化結(jié)果不經(jīng)過人的參與或干預(yù)，直接送至到下層作為控制回路的設(shè)定值，并將約束變量作為控制約束條件，操作人員監(jiān)視過程的變化。

3 退火算法（SA）

3.1 狀態(tài)函數(shù)

由各設(shè)備優(yōu)化控制過程中預(yù)測判斷的各個時刻產(chǎn)生狀態(tài)函數(shù)，考慮到中央空調(diào)在使用過程中隨著外界環(huán)境的不斷變化［12］，狀態(tài)函數(shù)的解空間是隨機產(chǎn)生［13］。候選解的計算結(jié)果由AI/DI傳感器探測到的采集樣本決定，通常當(dāng)前溫度條件緊隨上一時刻的結(jié)果而產(chǎn)生，以不同的接受概率條件給出參數(shù)濾定結(jié)果。具體遵循以下兩個原則：

1）當(dāng)醫(yī)院內(nèi)部溫度在目標(biāo)函數(shù)下降時作為可接受的概率條件時，目標(biāo)函數(shù)值將候選預(yù)測值增加以加大與現(xiàn)實系統(tǒng)測量值之間的誤差，通過過濾器識別參數(shù)為負(fù)值并由總線傳輸?shù)絻?yōu)化控制系統(tǒng)中，系統(tǒng)利用DDC控制器完成升溫的調(diào)節(jié)；

2）當(dāng)醫(yī)院內(nèi)部溫度在目標(biāo)函數(shù)上升時作為可接受的概率條件時，目標(biāo)函數(shù)值將候選預(yù)測值增加以加大與現(xiàn)實系統(tǒng)測量值之間的誤差，通過過濾器識別參數(shù)為正值并由總線傳輸?shù)絻?yōu)化控制系統(tǒng)中，系統(tǒng)利用DDC控制器完成降溫的調(diào)節(jié)；

考慮到狀態(tài)函數(shù)的引入是算法實現(xiàn)全局搜索的最關(guān)鍵因素［14］，因此試驗證明狀態(tài)接受函數(shù)的具體形式對算法性能的影響不敏感，算法中通常采用作為狀態(tài)接受函數(shù)。

3.2 溫控調(diào)節(jié)

假設(shè)醫(yī)院室內(nèi)的初始溫度為t0，初溫越大，獲得高質(zhì)量解的幾率也越大，但花費的計算時間將增加。因此，通過設(shè)計的參數(shù)以調(diào)節(jié)初溫改變優(yōu)化質(zhì)量和效率。具體的算法的溫控調(diào)節(jié)步驟如下：

步驟一：均勻抽樣并產(chǎn)生一組狀態(tài)，以各狀態(tài)目標(biāo)值的方差為初溫；

步驟二：隨機產(chǎn)生一組狀態(tài)，確定組內(nèi)兩兩狀態(tài)之間的最大目標(biāo)值 ||Δmax，并依據(jù)差值條件；

步驟三：在外循環(huán)中修改溫度值以更新函數(shù)方式，即下一時刻與上一時刻呈現(xiàn)線性的變化，tk+1=λtt，其中 λ∈(0，1)可以不斷調(diào)整變化。

3.3 算法準(zhǔn)則

通過AI/DI傳感器對初溫的探測傳入系統(tǒng)到計算預(yù)測模型預(yù)測值與現(xiàn)實系統(tǒng)實測值之間的誤差，退火算法對誤差值的計算存在內(nèi)外兩個循環(huán)，具體遵循的準(zhǔn)則分別如下：

1）內(nèi)循環(huán)計算目標(biāo)函數(shù)的均值是否已經(jīng)達(dá)到穩(wěn)定，若連續(xù)的目標(biāo)值變化范圍在可接受的概率條件下，按照隨時刻樣本抽樣的方式判斷中央空調(diào)最終溫度是否穩(wěn)定；

2）外循環(huán)終止準(zhǔn)則也就是算法終止準(zhǔn)則，用于決定算法何時結(jié)束。雖然算法的收斂性理論中要求趨于零，但實際實際中并不這樣執(zhí)行。首先設(shè)置終值溫度閥值和外循環(huán)的迭代次數(shù)，其次，算法搜索到的最優(yōu)值是否已經(jīng)連續(xù)若干步保持不變，最后檢驗系統(tǒng)熵是否已經(jīng)穩(wěn)定。

3.4 算法步驟

針對本研究提出的優(yōu)化控制模擬退火算法的步驟描述如下：

步驟一：給定初溫t=t0，隨機產(chǎn)生初始狀態(tài)s=s0，令 k=0；

步驟二：Repeat：

Repeat：

產(chǎn)生新狀態(tài)sj=Genete(s)；

if min{1，exp[(-C(sj)-

C(s))/tk]}≥random[0，1]s=sj；

until抽樣滿足算法穩(wěn)定準(zhǔn)則；

退溫tk+1=update(tk)并令k=k+1；

步驟三：until滿足算法終止準(zhǔn)則；

步驟四：輸出算法搜索結(jié)果。

4 實驗?zāi)M

針對類似醫(yī)院這類大型的中央空調(diào)使用過程中的優(yōu)化控制，本研究利用模擬退火算法對所構(gòu)建的預(yù)測模型的預(yù)測值與現(xiàn)實系統(tǒng)的測量值之間構(gòu)建了實時調(diào)控的誤差項，用于傳輸?shù)竭^濾器對DDC控制器進(jìn)行動態(tài)溫控的調(diào)整，進(jìn)而計算中央空調(diào)的費用開銷。

4.1 實驗環(huán)境

測試地點為某醫(yī)院中央空調(diào)系統(tǒng)，測試時間是2016年8月15日，實驗對象是中央空調(diào)系統(tǒng)中的外掛機、壓縮機、制冷機、冷卻機和風(fēng)扇機各1組，測試參數(shù)包含室內(nèi)溫度、室內(nèi)相對濕度、外掛機、壓縮機、制冷機、冷卻機和風(fēng)扇機能耗等參數(shù)。依據(jù)本研究所設(shè)計的中央空調(diào)優(yōu)化控制，AI/DI傳感器將采集到的信息通過數(shù)字信號傳輸?shù)较到y(tǒng)進(jìn)行識別。設(shè)定6h內(nèi)以12min為周期的傳感器現(xiàn)場采集操作，從初始時刻到結(jié)束時刻共對采集的參數(shù)信息31次。假設(shè)傳感器儀器與醫(yī)院環(huán)境干擾不足以令實驗測試出現(xiàn)較大誤差項。

4.2 優(yōu)化控制

利用本研究設(shè)計的中央空調(diào)優(yōu)化系統(tǒng)，對預(yù)測值與測量值之間的偏差進(jìn)行退火算法的模擬計算，以外掛機設(shè)備在電能消耗過程中的溫度為空調(diào)設(shè)備的測試對象，系統(tǒng)優(yōu)化前后的采樣數(shù)據(jù)如表1所示。

表1 系統(tǒng)優(yōu)化前后采樣數(shù)據(jù)對比

由表1可見，中央空調(diào)系統(tǒng)在優(yōu)化前后的外掛機設(shè)備溫度差異較大，這主要是由于過多的電能消耗為熱量表現(xiàn)。運用退火算法可對中央空調(diào)系統(tǒng)進(jìn)行實時的數(shù)據(jù)采集以及時刻的模擬計算調(diào)節(jié)系統(tǒng)的控制信號反饋給DDC控制器。在以整個中央空調(diào)系統(tǒng)的能耗與節(jié)約用電角度分析，選擇8：00～10：00h內(nèi)的11次優(yōu)化前后用電能耗進(jìn)行實測，具體的優(yōu)化前后能耗對比與節(jié)能率如圖4所示。

圖4 能耗對比與節(jié)能率

從圖4可見，（a）中給出了優(yōu)化后的中央空調(diào)各設(shè)備的總能耗明顯低于優(yōu)化前的情況，即采用退火算法對中央空調(diào)預(yù)測值與測量值之間搭建的偏差數(shù)值的實時計算可及時地調(diào)節(jié)中央空調(diào)系統(tǒng)的電能消耗，降低整個系統(tǒng)的能耗且提高綜合利用率。由（b）所示，整個中央空調(diào)系統(tǒng)的各個設(shè)備可節(jié)省能耗最大值為86kW，節(jié)能率為16.24%，2h內(nèi)的平均節(jié)能率為9.12%。若全天24h使用中央空調(diào)可節(jié)省電能1257.6kW/h，按照每度電價格0.56元計算，共可節(jié)省電費704.26元。通過中央空調(diào)的整體優(yōu)化調(diào)控可有效地降低電能的浪費，最終達(dá)到節(jié)能的目的。

5 結(jié)語

本文根據(jù)目前醫(yī)院中央空調(diào)系統(tǒng)在使用過程中的存在能量消耗過大的問題，從AI/DI傳感器到DDC控制器之間設(shè)計了一套面向醫(yī)院中央空調(diào)的優(yōu)化控制系統(tǒng)，該系統(tǒng)中首先將采集到的參數(shù)信息以數(shù)字信號的形式傳輸?shù)较到y(tǒng)中已備識別，通過建立各空調(diào)設(shè)備費用開銷與總能耗的目標(biāo)函數(shù)，利用退火算法對模型的樣本測量值與預(yù)測值之間進(jìn)行實時的偏差計算以調(diào)節(jié)最優(yōu)設(shè)定值操作，解決了大型的中央空調(diào)設(shè)備能耗浪費的問題，實現(xiàn)了對建筑物室內(nèi)問題的統(tǒng)一化管理。通過實驗測試與分析結(jié)果表明，退火算法對采集信息的快速計算為中央空調(diào)系統(tǒng)的實時優(yōu)化調(diào)控提供了最優(yōu)參數(shù)保證。當(dāng)然該優(yōu)化控制還存在一些不足，在今后的工作中還將繼續(xù)研究改進(jìn)。最后，希望本研究對醫(yī)院中央空調(diào)的優(yōu)化控制工作提供一些借鑒。

［1］吳俊峰，張秀平，張朝暉.中央空調(diào)系統(tǒng)節(jié)能改造方案的節(jié)能量測量及驗證方法初探［J］.制冷與空調(diào)，2013，13（9）：78-83.

WU Junfeng，ZHANG Xiuping，ZHANG Chaohui.Energy Saving Measurement and Verification Method of Energy Saving Reconstruction Scheme for Central Air-condition?ing System［J］.Refrigeration and Air Conditioning，2013，13（9）：78-83.

［2］戚野白，王丹，賈宏杰.基于局部終端溫度調(diào)節(jié)的中央空調(diào)需求響應(yīng)控制策略［J］.電力系統(tǒng)自動化，2015（17）：82-88.

QI Yebai，WANG Dan，JIA Hongjie.Central air condition?ing demand response control strategy based on local termi?nal temperature regulation［J］.Automation of Electric Pow?er Systems，2015（17）：82-88.

［3］王蓓蓓，朱峰，嵇文路.中央空調(diào)降負(fù)荷潛力建模及影響因素分析［J］.電力系統(tǒng)自動化，2016，40（19）：44-52.

WANG Peipei，ZHU Feng，JI Wenlu.Modeling of Central Air Conditioning Load Drop Potential and Analysis of In?fluencing Factors［J］.Power System Automatic.2016，40（19）：44-52.

［4］沈?qū)m新，李云明，劉其和.中央空調(diào)仿真培訓(xùn)系統(tǒng)的設(shè)計與實現(xiàn)［J］.計算機測量與控制，2014，22（5）：1623-1625.

SHEN Gongxin，LI Yunming，LIU Qihe.Design and Real?ization of Simulation Training System for Central Air Con?ditioning［J］.Computer Measurement&Control.2014，22（5）：1623-1625.

［5］王文謙.論物聯(lián)網(wǎng)與云計算在中央空調(diào)行業(yè)方面的應(yīng)用［J］.電子技術(shù)與軟件工程，2015（13）：12-13.

WANG Wenqian.Application of Internet of Things and Cloud Computing in Central Air-conditioning Industry［J］.Electronic Technology and Software Engineering.2015（13）：12-13.

［6］張過有.基于物聯(lián)網(wǎng)技術(shù)的建筑電氣節(jié)能應(yīng)用研究［J］.通訊世界，2016（16）：20-21.

ZHANG Guoyou.Application of Building Electrical Ener?gy-saving Based on Internet of Things［J］.Communica?tion World，2016（16）：20-21.

［7］陶維成.面向上下文圖形可視化挖掘網(wǎng)絡(luò)行為與管理［J］.計算機與現(xiàn)代化，2012（3）：143-146.

TAO Weicheng.Context-oriented graph visualization min?ing network behavior and management［J］.Computer and Modernization，2012（3）：143-146.

［8］劉曉東，韋燚.基于PID調(diào)節(jié)器的Buck電路的系統(tǒng)設(shè)計與仿真［J］.新型工業(yè)化，2015（11）：27-33.

LIU Xiaodong，WEI Yi.System Design and Simulation of Buck Circuit Based on PID Regulator［J］.New Type of In?dustrialization.2015（11）：27-33.

［9］羅亮，吳文峻，張飛.面向云計算數(shù)據(jù)中心的能耗建模方法［J］.軟件學(xué)報，2014（7）：1371-1387.

LUO Liang，WU Wenjun，ZHANG Fei.Modeling Method for Energy Consumption in Cloud Computing Data Center［J］.Journal of Software，2014（7）：1371-1387.

［10］張法.網(wǎng)絡(luò)能耗系統(tǒng)模型及能效算法［J］.計算機學(xué)報，2012，35（3）：603-615.

ZHANG Fa.twork energy consumption system model and energy efficiency［J］.Chinese Journal of Computers，2012，35（3）：603-615.

［11］陳友明，張楠.基于能耗目標(biāo)函數(shù)的空調(diào)新風(fēng)量尋優(yōu)控制研究［J］.湖南大學(xué)學(xué)報（自然科學(xué)版），2012，39（2）：25-29.

CHEN Youming，ZHANG Nan.Study on Optimal Con?trol of Fresh Air Volume Based on Energy Consumption Objective Function［J］.Journal of Hunan University（Natural Sciences），2012，39（2）：25-29.

［12］朱美強，程玉虎，李明.一類基于譜方法的強化學(xué)習(xí)混合 遷 移 算 法［J］.自 動 化 學(xué) 報 ，2012，38（11）：1765-1776.

ZHU Meiqiang，CHENG Yuhu，LI Ming.A Hybrid Learn?ing Algorithm Based on Spectral Method［J］.Journal of Automation，2012，38（11）：1765-1776.

［13］賴雄鳴，張勇，王成.基于OELM重構(gòu)極限狀態(tài)函數(shù)的可靠度計算方法［J］.浙江大學(xué)學(xué)報（工學(xué)版），2015，49（4）：692-698.

LAI Xiongming，ZHANG Yong，WANG Cheng.Reliabil?ity calculation method based on oelm reconstruction limit state function［J］.Journal of Zhejiang University（Engi?neering Science），2015，49（4）：692-698.

［14］鄭毅，鄭蘋.基于模糊熵和模擬退火算法的雙閾值圖像分割［J］.電子測量與儀器學(xué)報，2014，28（4）：360-367.

ZHENG Yi，ZHENG Ping.Double threshold image seg?mentation based on fuzzy entropy and simulated anneal?ing algorithm［J］.Journal of Electronic Measurement and Instrument，2014，28（4）：360-367.