中央空調(diào)系統(tǒng)優(yōu)化控制與節(jié)能關(guān)鍵技術(shù)研究項(xiàng)目摘要

中央空調(diào)系統(tǒng)是一個(gè)非線性、純滯后、大慣性和大干擾的被控對(duì)象，其用電量在南方地區(qū)占整個(gè)建筑物用電量30%以上，有的高達(dá)60~70%。其優(yōu)化控制和節(jié)能一直是業(yè)界研究的重要課題和難題，本課題研究其優(yōu)化控制與節(jié)能的關(guān)鍵技術(shù)。通過(guò)技術(shù)移植和學(xué)習(xí)交叉，研究適合中央空調(diào)系統(tǒng)的迭代學(xué)習(xí)控制算法，克服非線性、純滯后、大慣性和周期干擾對(duì)控制性能的影響。研究充分利用中央空調(diào)系統(tǒng)中制冷機(jī)組自身的控制系統(tǒng)與迭代學(xué)習(xí)控制相結(jié)合的控制方法，既能保證制冷機(jī)組安全高效地運(yùn)行，又可以低成本地實(shí)現(xiàn)對(duì)整個(gè)中央空調(diào)系統(tǒng)的控制。研究以氣候條件和建筑物使用方式為輸入的基于模式聚類的中央空調(diào)系統(tǒng)工況劃分方法，使迭代學(xué)習(xí)控制算法更加有效。最終得到可以低成本實(shí)現(xiàn)的，并能克服中央空調(diào)系統(tǒng)的非線性、純滯后、大干擾的中央空調(diào)控制系統(tǒng)結(jié)構(gòu)和控制算法，并初步應(yīng)用于實(shí)際。該課題的成果具有良好的社會(huì)效益和可觀的經(jīng)濟(jì)效益大。

隨著我國(guó)城鎮(zhèn)化建設(shè)與人民生活水平的快速發(fā)展，降低建筑能耗、提高室內(nèi)舒適度的需求越來(lái)越高。此背景下，建筑環(huán)境與能量系統(tǒng)的精確建模、控制與優(yōu)化研究尚未實(shí)現(xiàn)建筑、暖通專業(yè)知識(shí)與控制理論的有機(jī)結(jié)合。本項(xiàng)目從控制學(xué)角度圍繞建筑室內(nèi)熱環(huán)境的降階建模與控制、建筑室內(nèi)多環(huán)境參數(shù)優(yōu)化、建筑能量系統(tǒng)性能優(yōu)化、以及建筑電能耗短時(shí)預(yù)測(cè)等四個(gè)方面展開(kāi)研究。首先，針對(duì)建筑熱環(huán)境CFD模型精度與復(fù)雜度之間的矛盾以及由此帶來(lái)的控制器設(shè)計(jì)困難，提出基于本征正交分解思想的室內(nèi)熱環(huán)境快速建模方法。在此基礎(chǔ)上，采用多模型切換控制的思路，通過(guò)離線-在線方式對(duì)室內(nèi)熱環(huán)境實(shí)現(xiàn)高分辨率精確調(diào)節(jié)；其次，針對(duì)目前建筑室內(nèi)環(huán)境的優(yōu)化策略大都忽視環(huán)境參數(shù)空間分布的問(wèn)題，我們采用本征正交分解方法，結(jié)合多維插值和遺傳算法，設(shè)計(jì)一種綜合考慮室內(nèi)熱舒適度、空氣質(zhì)量及空調(diào)能耗的優(yōu)化策略。其中本征正交分解用于重構(gòu)低階的環(huán)境參數(shù)空間，其與多維插值算法的結(jié)合可快速求解目標(biāo)函數(shù)，確保優(yōu)化算法的實(shí)時(shí)性；第三，當(dāng)前建筑能量系統(tǒng)的仿真與優(yōu)化軟件存在算法封閉、擴(kuò)展性差等缺陷?；诖?，我們自主開(kāi)發(fā)一種用于改善建筑能量性能的通用優(yōu)化工具。其特點(diǎn)在于整合多方軟件組成不同模塊，運(yùn)用數(shù)據(jù)交互技術(shù)將建筑能量仿真中的多種分布式參數(shù)直接傳遞給優(yōu)化算法，使得優(yōu)化策略能充分考慮空間分布對(duì)環(huán)境參數(shù)的影響，相對(duì)目前的建筑能量與環(huán)境優(yōu)化策略，具有通用性好、優(yōu)化精度高等優(yōu)點(diǎn)；第四，在前期研究基礎(chǔ)上，我們繼續(xù)開(kāi)展建筑電能耗預(yù)測(cè)模型的研究。通過(guò)引入遺傳操作機(jī)制，將一種改進(jìn)型微粒群算法用于人工神經(jīng)網(wǎng)絡(luò)連接權(quán)值與閾值的優(yōu)化中，提出混合iPSO-ANN建筑電能耗預(yù)測(cè)模型。預(yù)測(cè)實(shí)驗(yàn)證明該方法預(yù)測(cè)精度優(yōu)于廣泛使用的神經(jīng)網(wǎng)絡(luò)模型及其它PSO-ANN混合模型。另外，為了驗(yàn)證POD降階模型對(duì)大空間建筑環(huán)境的逼近能力，我們利用一處1500平方米農(nóng)業(yè)生產(chǎn)型溫室，初步開(kāi)展了實(shí)驗(yàn)方案的設(shè)計(jì)與驗(yàn)證工作。 2100433B