暖通空調(diào)制冷系統(tǒng)建模及控制策略研究

摘 要：本文研究了暖通空調(diào)制冷系統(tǒng)建模和控制策略，降低制冷系統(tǒng)運行成本。首先，選擇暖通空調(diào)制冷系統(tǒng)建模參數(shù)，采集室內(nèi)、外環(huán)境狀態(tài)數(shù)據(jù)并進行歸一化處理。其次，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)與遺傳算法的神經(jīng)網(wǎng)絡(luò)預(yù)測模型，通過反復(fù)訓(xùn)練獲得空調(diào)第二天所需冷負(fù)荷值，基于預(yù)測結(jié)果設(shè)計，以系統(tǒng)運行費用最少為目標(biāo)函數(shù)的優(yōu)化模型，獲得暖通空調(diào)制冷系統(tǒng)的最優(yōu)控制策略。試驗表明，該方法能夠根據(jù)預(yù)測結(jié)果提出適合的控制策略，降低實際運行費用。

關(guān)鍵詞：空調(diào)制冷系統(tǒng)；控制策略；運行成本；建模參數(shù)；歸一化處理；神經(jīng)網(wǎng)絡(luò)

中圖分類號：TP 273" " " " " " 文獻(xiàn)標(biāo)志碼：A

暖通空調(diào)制冷系統(tǒng)經(jīng)常被應(yīng)用于大型商場、飯店、賓館以及醫(yī)院等符合變化較大的場所。該系統(tǒng)可降低裝機容量，減少制冷主機與電力的增容費用，還能通過控制低谷與高峰期的用電量來降低實行峰谷電價城市的運行費用[1]。暖通空調(diào)制冷系統(tǒng)的設(shè)備比傳統(tǒng)空調(diào)多，系統(tǒng)結(jié)構(gòu)較復(fù)雜，如果運行過程中沒有制定好控制策略與控制方法，就無法達(dá)到預(yù)期目標(biāo)[2]。為此本文研究暖通空調(diào)制冷系統(tǒng)建模和控制策略，以降低系統(tǒng)運行成本。

1 暖通空調(diào)制冷系統(tǒng)建模和控制策略研究

1.1 暖通空調(diào)制冷系統(tǒng)預(yù)測模型

構(gòu)建BP神經(jīng)網(wǎng)絡(luò)與遺傳算法相結(jié)合的暖通空調(diào)制冷系統(tǒng)預(yù)測模型，構(gòu)建模型前需要選擇建模參數(shù)，將參數(shù)進行歸一化處理。

1.1.1 暖通空調(diào)制冷系統(tǒng)建模參數(shù)選擇

暖通空調(diào)制冷系統(tǒng)構(gòu)建模型需要選擇、設(shè)定參數(shù)。由于暖通空調(diào)制冷系統(tǒng)的預(yù)測模型需要對空調(diào)送風(fēng)溫度、送風(fēng)量以及空調(diào)房間內(nèi)的相對濕度與溫度進行預(yù)測，因此將制冷系統(tǒng)控制參數(shù)、室內(nèi)狀態(tài)參數(shù)以及室外氣象參數(shù)等作為暖通空調(diào)制冷系統(tǒng)構(gòu)建模型的輸入?yún)?shù)。

將太陽輻射強度、室外相對濕度以及干球溫度作為室外氣象參數(shù)，將人員負(fù)荷率、室內(nèi)溫度與相對濕度作為空調(diào)房間狀態(tài)參數(shù)，將冷水閥門與風(fēng)機變頻器的控制電壓、除濕器開啟狀態(tài)以及風(fēng)閥控制電壓作為空調(diào)控制參數(shù)，將前一時段的送風(fēng)相對濕度、送風(fēng)量與送風(fēng)溫度作為暖通空調(diào)制冷系統(tǒng)預(yù)測模型的輸出。

1.1.2 神經(jīng)網(wǎng)絡(luò)預(yù)測模型結(jié)構(gòu)

基于神經(jīng)網(wǎng)絡(luò)的暖通空調(diào)制冷系統(tǒng)預(yù)測模型的結(jié)構(gòu)有3層，即輸入層、輸出層以及隱含層。通過公式（1）確定預(yù)測模型最佳隱層節(jié)點數(shù)目。

（1）

式中；m、n、l分別代表隱含層、輸入層以及輸出層的節(jié)點數(shù)量；a代表＞1且＜10的任意常數(shù)。

此處輸入層節(jié)點數(shù)n為13，輸出層節(jié)點數(shù)為4，由此可知m的取值范圍為6≤m≤14。通過試湊法獲得暖通空調(diào)制冷系統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測模型，如圖1所示。

1.1.3 數(shù)據(jù)采集

采集人員采集負(fù)荷率、太陽輻射強度、室內(nèi)/外溫度/濕度等室內(nèi)/外環(huán)境狀態(tài)數(shù)據(jù)，與此同時還需要獲取送風(fēng)機控制電壓、風(fēng)閥控制電壓、除濕機開啟狀態(tài)以及冷水閥門控制電壓等暖通空調(diào)制冷系統(tǒng)的狀態(tài)數(shù)據(jù)。

采集人員在8：00～17：00，每3分鐘對室內(nèi)外環(huán)境狀態(tài)數(shù)據(jù)進行一次數(shù)據(jù)采集，共采集18天。由于夏季天氣炎熱，空調(diào)使用率較高，因此集中在夏季進行采集，每組采樣溫度區(qū)間從32℃降至26℃停止。

1.1.4 數(shù)據(jù)歸一化處理

由于暖通空調(diào)制冷系統(tǒng)數(shù)據(jù)集特征間的度量尺度不同，因此需要進行歸一化處理，即將采集的暖通空調(diào)制冷系統(tǒng)數(shù)據(jù)轉(zhuǎn)化為[0，1]的數(shù)值，具體轉(zhuǎn)變方法如公式（2）所示。

（2）

式中：代表暖通空調(diào)制冷系統(tǒng)數(shù)據(jù)轉(zhuǎn)化后的采樣值；xi代表輸入的原始暖通空調(diào)制冷系統(tǒng)數(shù)據(jù)；xmin代表采樣區(qū)間內(nèi)的最小值；xmax代表采樣區(qū)間內(nèi)的最大值，在本文預(yù)測模型中將xmin設(shè)置為0。

由于隱含層內(nèi)激發(fā)函數(shù)的取值范圍為（0，1），無法獲得函數(shù)的最小值與最大值，導(dǎo)致預(yù)測模型不能獲得暖通空調(diào)制冷系統(tǒng)的輸出極值，易出現(xiàn)局部麻痹情況，影響預(yù)測網(wǎng)絡(luò)的收斂速度，因此將數(shù)據(jù)歸一化公式轉(zhuǎn)變?yōu)楣剑?）。

（3）

通過公式（3）可壓縮暖通空調(diào)制冷系統(tǒng)預(yù)測模型輸入?yún)?shù)的歸一化值，避免訓(xùn)練過程中出現(xiàn)局部麻痹的現(xiàn)象。

經(jīng)過訓(xùn)練后獲得暖通空調(diào)制冷系統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測模型的輸出值op，取值區(qū)間為（0，1），需要將輸出值轉(zhuǎn)化為實際值，如公式（4）所示。

ypo=op（ymax-ymin）+ymin " （4）

式中：ypo代表輸出值歸一化后的實際值；ymin、ymax分別代表預(yù)測模型所輸出的最小值與最大值。

1.1.5 基于BP神經(jīng)網(wǎng)絡(luò)與遺傳算法的神經(jīng)網(wǎng)絡(luò)預(yù)測模型

本文在暖通空調(diào)制冷系統(tǒng)預(yù)測模型構(gòu)建過程中引入遺傳算法，通過遺傳算法對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，通過遺傳算法的全局搜索優(yōu)勢消除BP神經(jīng)網(wǎng)絡(luò)算法陷入局部解的弊端。通過選擇、交叉以及變異等遺傳操作模擬生物進化過程，獲得最優(yōu)閾值與權(quán)值。將獲得的閾值與權(quán)值輸入BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型中進行運算，充分發(fā)揮BP神經(jīng)網(wǎng)絡(luò)與遺傳算法的優(yōu)點，提高神經(jīng)網(wǎng)絡(luò)的收斂速度和預(yù)測模型輸出結(jié)果的準(zhǔn)確性。神經(jīng)網(wǎng)絡(luò)預(yù)測模型流程圖如圖2所示。

在基于遺傳算法與BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中，將初始種群數(shù)設(shè)置為30，交叉概率大約為0.08，任意生成初始父代群體，適應(yīng)度函數(shù)的具體計算過程如公式（5）所示。

（5）

式中：dk代表第k個模型輸出值與期望輸出值間的差值。

經(jīng)預(yù)測計算獲得第二天所需冷負(fù)荷值，基于預(yù)測結(jié)果設(shè)計優(yōu)化運行策略。

1.2 暖通空調(diào)制冷系統(tǒng)優(yōu)化模型

1.2.1 優(yōu)化目標(biāo)

在確保暖通空調(diào)制冷系統(tǒng)安全運行并滿足冷負(fù)荷需求的情況下，對各制冷機組與蓄冰槽的逐日供冷量進行優(yōu)化，降低系統(tǒng)的運行成本。構(gòu)建以單日系統(tǒng)運行費M最小值為優(yōu)化目標(biāo)的目標(biāo)函數(shù)，如公式（6）所示。

（6）

式中：qrk代表k時暖通空調(diào)制冷系統(tǒng)輸出的冷量；P（qrk）代表暖通空調(diào)制冷系統(tǒng)k時的所消耗的電量；ek代表空調(diào)系統(tǒng)工作k時共花費的電價；b代表蓄冰槽提供1kW·h冷量所花費的電價；EIR代表系統(tǒng)單位制冷量負(fù)荷率與耗電量間的函數(shù)；qik代表k時內(nèi)蓄冰槽輸出的冷量。

該目標(biāo)函數(shù)的約束條件如公式（7）～公式（10）所示。

qrk+qik=qk （7）

kW （8）

kW （9）

（10）

式中：Qxb代表蓄冰槽輸出的總冷量；qk一般為已知量，代表任意時刻的負(fù)荷；Qz代表白天空調(diào)總冷負(fù)荷。

1.2.2 優(yōu)化控制策略

為使暖風(fēng)空調(diào)制冷系統(tǒng)移峰填谷能力最大化，徹底解決空調(diào)系統(tǒng)蓄冰量過多或過少的問題，采用以下控制策略優(yōu)化暖風(fēng)空調(diào)制冷系統(tǒng)。1）在一個制冰周期內(nèi)，蓄冰設(shè)備需要進行蓄冰和融冰，確保制冰主機能夠在用電低谷期將制冰工作全部完成，以便在用電高峰期滿足全部供冷需求。2）暖風(fēng)空調(diào)制冷系統(tǒng)供冷時優(yōu)先開啟基載主機，再開啟雙工況主機，最后開啟三工況主機，確保每個主機都能高效工作，避免頻繁啟停。

2 試驗結(jié)果

試驗通過MATLAB對某機場的暖風(fēng)空調(diào)制冷系統(tǒng)進行建模，其中L1～L4代表雙工況主機，L5、L6分別代表三工況主機，L7～L9代表基載主機。結(jié)合神經(jīng)網(wǎng)絡(luò)預(yù)測模型對系統(tǒng)符合進行預(yù)測，最終基于預(yù)測結(jié)果求解最優(yōu)控制數(shù)學(xué)模型，獲得不同負(fù)荷率情況下暖風(fēng)空調(diào)制冷系統(tǒng)的優(yōu)化控制策略。

將空調(diào)系統(tǒng)分為4個用電階段，用電低谷時段是23：00—次日07：00和12：00—18：00，用電量較多的時間段是08：00—11：00與19：00—22：00，被稱為用電高峰期。結(jié)果表明，23：00～次日06：00，雙工況主機與三工況主機均處于滿負(fù)荷制冰狀態(tài)，只開啟基載主機就能滿足該時段的供冷需求。負(fù)荷率為100%時，在白天用電低谷時段，將雙工況與三工況主機作為主要供冷設(shè)備，在夜晚用電高峰時段，將蓄冷設(shè)備作為主要供冷設(shè)備，在白天用電低谷時段將電能進行存儲；負(fù)荷率為75%時，在上午與夜晚的用電高峰時期采用冰蓄冷設(shè)備進行滿負(fù)荷供冷，在下午用電低谷時期，通過雙工況主機與三工況主機進行供冷，并將機組供冷不足部分進行補充；負(fù)荷率為50%時，在白天與夜晚的用電高峰時期也使用冰蓄冷設(shè)備進行滿負(fù)荷供冷，在下午用電低谷時期，通過雙工況主機與基載主機進行供冷，補充供冷不足部分；負(fù)荷率為25%時，由于此時負(fù)荷率過小，均通過冰蓄冷設(shè)備進行滿負(fù)荷供冷，只在部分用電低谷時期采用冰蓄冷設(shè)備與基載主機聯(lián)合供冷的方式。不同負(fù)荷率情況下，暖風(fēng)空調(diào)制冷系統(tǒng)的運行策略見表1。

試驗計算全年采用優(yōu)化策略與未采用優(yōu)化策略的單位冷量平均電費、實際運行電費，具體見表2。

根據(jù)表2可知，采取優(yōu)化策略后，暖風(fēng)空調(diào)制冷系統(tǒng)的單位冷量平均電費降低了6.19%，實際運行電費節(jié)省約35.6萬元。本文方法能夠?qū)崿F(xiàn)暖通空調(diào)制冷系統(tǒng)運行費用最少的目標(biāo)，可降低系統(tǒng)的運行成本。

3 結(jié)論

大型暖風(fēng)空調(diào)制冷系統(tǒng)的控制過程非常復(fù)雜，控制參數(shù)與運行數(shù)據(jù)較復(fù)雜，傳統(tǒng)的控制方法不能達(dá)到理想效果。本文結(jié)合BP神經(jīng)網(wǎng)絡(luò)與遺傳算法，提出暖風(fēng)空調(diào)制冷系統(tǒng)的預(yù)測模型，對暖風(fēng)空調(diào)制冷系統(tǒng)的用電量、負(fù)荷量等進行預(yù)測，最終以預(yù)測結(jié)果為基礎(chǔ)構(gòu)建目標(biāo)函數(shù)，提出相關(guān)控制策略，降低了暖風(fēng)空調(diào)制冷系統(tǒng)的總用電量和運行成本。

參考文獻(xiàn)

[1]張磊，韓云龍，紀(jì)杰，等.紡紗空調(diào)系統(tǒng)制冷控制策略優(yōu)化研究[J].棉紡織技術(shù)，2022，50（10）：7-10.

[2]徐科，徐晶，李娟，等.基于暖通負(fù)荷集群響應(yīng)能力的電力系統(tǒng)頻率控制策略[J].電力系統(tǒng)及其自動化學(xué)報，2022，34（3）：37-44.