發布時間：所屬分類：工程師職稱論文瀏覽：1次
摘 要： 摘要: 介紹分析了自動控制技術在暖通空調工程中的應用與發展趨勢重點介紹和總結了 PID 控制、模糊控制、神經網絡控制、遺傳算法等現代控制算法在空調領域的應用情況比較了這些自動控制技術的優缺點提出空調自動化控制對于節能的研究方向 關鍵詞: 自動控制 暖通空調 應
摘要: 介紹分析了自動控制技術在暖通空調工程中的應用與發展趨勢ꎬ重點介紹和總結了 PID 控制、模糊控制、神經網絡控制、遺傳算法等現代控制算法在空調領域的應用情況ꎬ比較了這些自動控制技術的優缺點ꎬ提出空調自動化控制對于節能的研究方向ꎮ
關鍵詞: 自動控制ꎻ 暖通空調ꎻ 應用與發展ꎻ 展望
0 引言
暖通空調系統在為居民提供良好舒適的環境的同時ꎬ也耗費了巨大的能源ꎮ 以中央空調為例ꎬ一般認為其能耗占到了建筑總能耗的 40% ~60% [1] ꎬ而整個建筑的能耗則占到了全社會總能耗的 27 5%ꎮ 中國的能源利用率較低ꎬ加強節能工作和可持續發展已成為我國經濟結構轉型的主要目標之一ꎬ在暖通空調行業開展節能降耗已成為我國節能減排的重要組成部分ꎮ
優化設計和自動控制是提高暖通空調節能的重要手段ꎮ 例如ꎬ國內早期大部分通過優化空調主機的運行工況來達到節約能源的目的ꎬ 其節能限度在10%~30%ꎮ 由文獻[2] 可知水泵轉速在電機轉差率大致不變的情況下與電機的運行頻率成正比ꎬ通過改變變頻器的輸出頻率可以改變水泵的轉速ꎬ這樣可以較大限度地減少能源的浪費ꎬ從而通過優化自控系統達到節能的目的ꎮ 本文總結了智能控制理論在暖通空調領域的應用與發展ꎬ提出了暖通空調自控系統在節能方面的研究方向ꎮ
1 自動控制理論在暖通空調的發展及特征
隨著自動化控制理論的發展ꎬ空調自動化控制也得到了革命性的發展ꎮ 該發展進程可分為 3 個階段:
(1)20 世紀 80 年代ꎬ中央空調設備幾乎都是簡單的 ON / OFF 控制模式ꎬ換句話說就是用壓力繼電器或熱繼電器等元件監測并控制室溫ꎮ
(2)工業過程控制中最普遍使用的 PID 控制器與其改進型控制器ꎬ 其中使用純 PID 調節器達到了84%ꎬ把改進型也包括的話則超過 90% [3] ꎮ PID 控制器在日本的使用竟然曾經達到了近 84 5% [4] ꎮ 過去結構簡單、魯棒性強的 PID 控制器取得了良好的控制效果ꎮ
(3)目前新發展的智能控制理論開始應用于暖通空調領域ꎮ 包括模糊控制、神經網絡控制、遺傳算法ꎮ目前開發出來的應用于 HVAC 系統的自動控制優缺點如表 1 所示ꎮ
2 自動控制理論在 HVAC 的應用
2 1 基于模糊控制的暖通空調自控系統的應用
(1)文獻[5] ~[9]通過對空調房的溫度變化規律進行了仿真對比ꎬ設計出了基于模糊邏輯的控制系統ꎬ研究表明該控制器效果顯著ꎬ而且魯棒性、系統的動態穩態性都相比傳統 PID 控制好ꎮ
(2)文獻[10]以漢口火車站中央空調系統為例ꎬ計算了 3 種在不同控制模式下的暖通空調系統的全年能耗ꎬ通過在 5 個站口模糊控制運行 15 年的凈收益比傳統 PID 控制 15 年凈收益多出 6% ~50%ꎮ 得出模糊控制比傳統 PID 節能效果好ꎮ
(3)文獻[11] 二次回風空調系統也應用了模糊控制技術ꎮ 新風閥、冷水閥和二次回風閥等都使用模糊控制器ꎮ 無論在室溫、空氣質量還是人體舒適性等方面都取得了不錯的效果ꎮ
模糊控制應用于暖通空調無論是節能性還是舒適性能均優于傳統 PID 控制ꎮ 但是ꎬ常規模糊變頻空調由于事先已經確定了控制規則ꎬ當環境溫度變化幅度較大時ꎬ就會出現控制突變的情況(忽上忽下)ꎬ不僅浪費了能量ꎬ還會使人感到不舒適ꎮ
2 2 基于神經網絡控制的暖通空調自控系統的應用
神經網絡控制已應用于 HVAC 領域[12 - 13] ꎮ
(1)風機盤管熱水系統的電熱鍋爐分為 4 個功率級別ꎬ并具有超滯后、大慣性的特點ꎮ 文獻[14]把神經網絡預測控制器應用到該系統時發現神經網絡預測控制器能夠把熱水溫度精確地控制在 ± 0 056 ℃ꎬ但經典PID 控制器只可控制在 ± 1 1 ℃ꎮ 由此表明神經網絡預測控制器能降低對象系統的超調量ꎬ減少能量波動ꎬ達到空調的節能ꎮ
(2)文獻[15] 進行神經網絡自適應控制器性能測試時發現其性能比常規的 PID 控制器強ꎮ
(3)文獻[16]、[17]采用自適應神經網絡預測控制技術ꎬ把環境和系統擾動量的變化反饋給神經網絡控制器ꎬ實時改變控制器的控制策略ꎬ控制器再通過預測溫度變化調整風機轉速ꎬ使空調輸出的能量即為系統需要的能量ꎬ所供即所需ꎬ節能效果顯著ꎮ
綜上所述ꎬ神經網絡在控制精度上優于傳統的PID 控制ꎬ能夠跟模糊控制一樣明顯降低系統的超調量ꎬ達到節能與舒適的目的ꎮ 但是人工神經網絡控制在暖通領域應用于實際工程的例子很少ꎬ還有待于進一步的研究ꎮ2
3 基于遺傳算法的暖空調自控系統的應用
遺傳算法(GAs)出現于 20 世紀 60 年代ꎬ由美國密歇根大學的 Holland 教授提出ꎮ Holland 教授深受達爾文進化論的影響ꎬ他一直致力于探索一種不依賴問題的數學模型并且具有強大的空間動態搜索能力的隨機化搜索方法ꎮ
文獻[18] 在 對 變 風 量 空 調 系 統 進 行 設 計 和MATLAB 仿真的 PID 控制系統中引進了遺傳算法ꎮ結果發現遺傳算法的 PID 控制效果非常好ꎬ它比常規的 PID 控制的輸出反應更快ꎬ過渡時間更短更平穩且無超調量ꎮ
文獻[19]、[20]空調系統在遺傳算法與模糊控制相結合的情況下可以進行自動尋優控制從而實現變頻空調自適應智能控制ꎮ 文獻[21] ~ [23] 在空調模糊控制系統中引用遺傳算法進行優化ꎬ自動尋優設計隸屬函數和控制規則ꎬ并與普通的模糊控制進行仿真對比ꎮ 結果表面ꎬ當遺傳算法應用于模糊控制系統中時ꎬ整個系統相比于單純的模糊控制系統反應速度要快ꎬ超調量要低ꎮ
相關知識推薦：暖通專業職稱評審論文好發表嗎
文獻[24]在 BP 神經網絡的框架下ꎬ首先用灰色神經網絡模型對訓練數據進行弱化ꎬ然后通過遺傳算法的強大全局搜索能力對灰色神經網絡的參數進行優化ꎬ這樣遺傳算法的預測效果明顯要優于未優化的灰色神經網絡ꎮ 新型、實用、精度高的 GA - GNN 算法適于空調訂單預測ꎮ
遺傳算法作用于智能控制算法當中ꎬ能夠明顯提高控制速度與效率ꎮ 這塊應當作為重點研究方向ꎮ
2 4 常見控制方法在暖通空調自控系統的結合應用
由于暖通空調系統的高度非線性與控制參數多耦合關系ꎬ于是對控制方法提出了更高的要求[25] ꎮ人們通過對現有的幾種控制方法進行結合ꎬ取長補短ꎬ形成了以下幾種控制方法ꎮ
(1 ) 模 糊 控 制 與 普 通 PID 控 制 相 結 合ꎮ 文獻[26] ~[28]在模糊控制與普通 PID 控制相結合的暖通空調控制系統中ꎬ其控制的精確性、超調量、魯棒性都明顯優于常規的 PID 控制ꎬ滿足了人們對空調舒適性的要求ꎬ同時還能提高使用效率達到節能的效果ꎮ 文獻[29] 藥廠凈化空調監控系統中應用模糊PID 控制時發現控制效果非常好ꎬ該系統相對于普通PID 控 制 超 調 量 降 低 了 9 1%ꎬ 調 節 時 間 減 少 了13 2%ꎮ 文獻[30] 大型購物娛樂中心的中央空調系統使用改進了的模糊 PID 控制ꎬ跟普通的 PID 控制相比ꎬ其能耗降低了 10%以上ꎮ
(2)普通 PID 控制與神經網絡控制相結合ꎮ 文獻[31]電視臺大型演播室溫度控制與電子計算機仿真相結合ꎬ 實驗發現神經網絡 PID 控制在大型空間的恒溫空調系統中比一般的神經網絡控制不僅反應快而且超調量低ꎮ 文獻[32] 在 BP 神經網絡的 PID控制器的基礎上ꎬ提出了常規 PID 控制和神經網絡相結合的設計方法ꎬ該設計方法在應用到地源熱泵空調系統時發現ꎬ系統的動態性有了顯著增強并且控制的精確度得到明顯提高ꎬ與此同時 PID 控制參數能在線動態調整ꎬ這些都足以證明神經網絡 PID 控制效果顯著ꎮ 文獻[33]神經網絡 PID 控制器應用到中央空調系統中控制溫度ꎬ發現神經網絡 PID 控制器一旦經過優化升級后其魯棒性就更強ꎮ
(3)模糊控制與神經網絡控制相結合ꎮ 文獻[34] 在對PID 控制、模糊控制以及神經網絡理論進行研究時ꎬ發現模糊控制與神經網絡理論相結合可以創建變頻空調智能控制系統ꎬ設計出了模糊神經網絡控制的變頻空調智能系統ꎮ 大量的實驗表明了該智能變頻空調控制系統可以在線動態調整壓縮機的轉動速度使室溫平穩舒適ꎮ
以上可以看出ꎬ將控制方法相互結合ꎬ取長補短ꎬ能達到暖通空調自動控制的理想效果ꎬ是目前其發展的趨勢所在ꎮ
3 結語與展望
本文重點介紹了傳統 PID 控制、模糊控制、神經網絡控制與遺傳算法等自動控制技術在暖通空調領域的應用及特點ꎬ從而我們可以得出以下結論ꎮ
(1)由于現在暖通空調控制系統越來越復雜ꎬ模型的建立越來越困難ꎬ常規基于模型建立的 PID 控制技術很難完成控制目標ꎬ而不基于具體控制模型的模糊控制與神經網絡具有很大的優勢ꎮ
(2)中央空調系統是多變量、超滯后性、時變的系統ꎬ模糊控制與神經網絡在控制超調量方面明顯優于傳統的 PID 控制技術ꎮ
(3)但是模糊控制規則其技術參數的確定通常是根據專家經驗事先設定好的ꎮ 由于其參數值是按標準環境設定的ꎬ不能很好地考慮空調所在室內環境的差異、季節的變化以及個體舒適度等因素ꎮ 但是對于神經網絡控制ꎬ上面因素并不能影響這系列控制器的控制效果ꎮ 它也具有一些固有的缺陷ꎬ比如收斂速度慢容易陷入局部極小點ꎮ
常規模糊變頻空調、神經網絡控制與傳統的空調相比ꎬ技術上有了很大的進步ꎮ 智能控制與傳統 PID控制方法之間相互結合的優勢是有目共睹的ꎬ應該成為現代控制理論發展的總趨勢ꎬ 不同的控制策略之間相互取長補短ꎬ 以便更好地服務于暖通空調節能控制的要求ꎮ——論文作者：劉秋瓊ꎬ 李志生
參考文獻:
[1]薛志峰ꎬ江億. 北京市大型公共建筑用能現狀與節能潛力分析[ J]. 暖通空調ꎬ2004ꎬ(9):8 - 10.
[2]徐杰. 地鐵車站中央空調系統節能控制[D]. 合肥:合肥工業大學ꎬ2013.
[3]Johansson K HꎬJames J BꎬBryant G Fꎬet al. Multivariable controllertuning[ C] / / The 17th American Control Conferenceꎬ Philadelphiaꎬ PAꎬ1997.
[4]倪忠遠ꎬ趙耿. PID - ATC 的現狀[ J]. 工業儀表與自動化裝置ꎬ1996ꎬ(6):13 - 19.
[5]李峰ꎬ李萍ꎬ趙虎ꎬ等. 變風量空調系統的模糊控制[ J]. 儀器儀表學報ꎬ2004ꎬ(S2):261 - 263.
[6]王成立ꎬ盧建剛. 變風量空調系統末端變論域模糊控制[ J]. 計算機應用ꎬ2011ꎬ(2):470 - 472.
