人工神經(jīng)網(wǎng)絡(luò)在空調(diào)系統(tǒng)中的應(yīng)用

摘 要 簡要介紹了人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及特點(diǎn)，并且詳細(xì)論述了神經(jīng)網(wǎng)絡(luò)在中央空調(diào)水系統(tǒng)、風(fēng)系統(tǒng)、制冷系統(tǒng)、負(fù)荷預(yù)測、系統(tǒng)的仿真設(shè)計(jì)和建筑運(yùn)行能耗評(píng)價(jià)等方面的應(yīng)用概況， 指出了神經(jīng)網(wǎng)絡(luò)在空調(diào)領(lǐng)域今后的發(fā)展方向。

關(guān)鍵詞 神經(jīng)網(wǎng)絡(luò)；空調(diào)；應(yīng)用

中圖分類號(hào) TP387 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1673-9671-(2012)071-0184-02

中央空調(diào)系統(tǒng)是一個(gè)龐大復(fù)雜的系統(tǒng)，主要包括：空調(diào)冷熱源系統(tǒng)、水或空氣系統(tǒng)、控制系統(tǒng)等，空調(diào)系統(tǒng)能耗與影響因素之間是一種多變量、強(qiáng)耦合、嚴(yán)重非線性的關(guān)系，具有很強(qiáng)的動(dòng)態(tài)性。而人工神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)從輸入到輸出的任意非線性映射，能夠模擬高度非線性系統(tǒng)，具有較強(qiáng)的學(xué)習(xí)能力、自適應(yīng)能力、容錯(cuò)能力和聯(lián)想能力，已成為復(fù)雜的非線性系統(tǒng)建模、仿真、預(yù)測的新型工具，人工神經(jīng)網(wǎng)絡(luò)自20世紀(jì)40年代初被首度提出來以后，經(jīng)過幾十年的發(fā)展，廣泛運(yùn)用于模式識(shí)別和圖像處理、控制與優(yōu)化、人工智能等方面。隨著我國空調(diào)事業(yè)的快速發(fā)展及節(jié)能減排新形下，人工神經(jīng)網(wǎng)絡(luò)在空調(diào)系統(tǒng)中的運(yùn)用越來越受到廣大暖通空調(diào)研究者的關(guān)注。

1 神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)是對(duì)人腦或生物神經(jīng)網(wǎng)絡(luò)的抽象和建模，具有從環(huán)境學(xué)習(xí)的能力，以類似生物的交互方式適應(yīng)環(huán)境。人工神經(jīng)網(wǎng)絡(luò)是一個(gè)由大量簡單的神經(jīng)元廣泛聯(lián)接組成的復(fù)合系統(tǒng)，當(dāng)系統(tǒng)被訓(xùn)練達(dá)到平衡后，由各個(gè)神經(jīng)元的權(quán)值組成的整個(gè)網(wǎng)絡(luò)的分布狀態(tài)，就是所求的結(jié)果。網(wǎng)絡(luò)學(xué)習(xí)的過程也就是各神經(jīng)元權(quán)值的調(diào)整過程。人工神經(jīng)網(wǎng)絡(luò)根據(jù)連接方式不同可以分為兩大類：無反饋的前向神經(jīng)網(wǎng)絡(luò)和相互連接型網(wǎng)絡(luò)（包括反饋網(wǎng)絡(luò)），圖1為BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)簡圖，BP網(wǎng)絡(luò)就是一種誤差反向傳播的前向網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法總體來講可分為有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。人工神經(jīng)網(wǎng)絡(luò)的具有強(qiáng)容錯(cuò)性、冗余性、魯棒性和信息分布式并行處理及快速進(jìn)行大量計(jì)算能力特點(diǎn)， 能適應(yīng)復(fù)雜環(huán)境和進(jìn)行多目標(biāo)控制。

圖1 BP網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)

2 人工神經(jīng)網(wǎng)絡(luò)在空調(diào)系統(tǒng)中的應(yīng)用

2.1 空調(diào)風(fēng)系統(tǒng)方面的應(yīng)用

變風(fēng)量系統(tǒng)（VAV系統(tǒng)）的基本思想是：當(dāng)室內(nèi)負(fù)荷發(fā)生變化時(shí)，改變送入室內(nèi)風(fēng)量，以滿足室內(nèi)人員的舒適性或工藝性要求，實(shí)現(xiàn)送風(fēng)量的自動(dòng)調(diào)節(jié)，最大限度地減少風(fēng)機(jī)動(dòng)力，節(jié)約運(yùn)行能耗。目前對(duì)變風(fēng)量空調(diào)控制方法傳統(tǒng)方法主要有：定靜壓控制、變靜壓控制、總風(fēng)量控制等，但多數(shù)局限于的PID控制理論，對(duì)變風(fēng)量空調(diào)這種非線性系統(tǒng)的控制精度難以保證。朱為明等人在VAV系統(tǒng)中采用神經(jīng)網(wǎng)絡(luò)預(yù)測優(yōu)化算法對(duì)變風(fēng)量空調(diào)進(jìn)行控制，神經(jīng)網(wǎng)絡(luò)預(yù)測優(yōu)化算法控制過程的節(jié)能范圍為：6％-13.5％，與PID控制方法相比，神經(jīng)網(wǎng)絡(luò)預(yù)測優(yōu)化算法的控制量之和減少6%以上，具有較好的節(jié)能效果。

2.2 空調(diào)水系統(tǒng)方面的應(yīng)用

中央空調(diào)水系統(tǒng)主要包括冷卻水和冷凍水系統(tǒng)，對(duì)于大型系統(tǒng)，管道長，系統(tǒng)熱容量大、慣性大，被控系統(tǒng)水溫和流速變化速度較慢，滯后現(xiàn)象嚴(yán)重，是一種典型的大滯后系統(tǒng)，對(duì)于過程純滯后非線性特性，目前過程控制傳統(tǒng)算法不具備克服滯后影響的能力，在穩(wěn)定性和響應(yīng)速度上都難以達(dá)到較好的性能指標(biāo)。周洪煜等人利用了神經(jīng)網(wǎng)絡(luò)的非線性逼近特性、自學(xué)習(xí)、自組織的能力以及預(yù)測控制的滾動(dòng)優(yōu)化和反饋校正的特性，建立起的中央空調(diào)水系統(tǒng)的動(dòng)態(tài)模型，作為預(yù)測控制器的預(yù)測模型，不需要對(duì)被控對(duì)象進(jìn)行精確的辨識(shí)， 提出的多變量神經(jīng)網(wǎng)絡(luò)預(yù)測控制系統(tǒng)具有優(yōu)良的控制效果，實(shí)現(xiàn)了空調(diào)水系統(tǒng)的自適應(yīng)控制。何厚鍵等人在中央空調(diào)水系統(tǒng)的建模與優(yōu)化研究中，利用前饋型網(wǎng)絡(luò)結(jié)合BP算法建立了冷卻塔和制冷機(jī)的神經(jīng)網(wǎng)絡(luò)模型，解決的具有高度非線性的中央空調(diào)水系統(tǒng)設(shè)備的建模問題。

2.3 制冷系統(tǒng)方面的應(yīng)用

神經(jīng)網(wǎng)絡(luò)在空調(diào)中的制冷系統(tǒng)應(yīng)用，主要體現(xiàn)在制冷機(jī)組優(yōu)化控制和制冷系統(tǒng)的故障診斷兩方面。在中央空調(diào)系統(tǒng)中制冷機(jī)組是能耗最大的設(shè)備，對(duì)制冷機(jī)組進(jìn)行優(yōu)化控制，提高其運(yùn)行效率，是空調(diào)系統(tǒng)節(jié)能的重要途徑之一。趙健等人在分析了影響壓縮機(jī)運(yùn)行效率的主要因素基礎(chǔ)上，建立了以壓縮機(jī)入口制冷劑溫度、壓縮機(jī)出口制冷劑溫度和負(fù)荷為輸入量，最佳吸氣壓力輸出為輸出量的BP神經(jīng)網(wǎng)絡(luò)模型。通過在線修正制冷機(jī)的吸氣壓力工作點(diǎn)，解決變負(fù)荷下，制冷機(jī)優(yōu)化控制問題，大幅度提高制冷性能參數(shù)COP的值，降低了制冷機(jī)的運(yùn)行能耗，與采用額定工況相比，采用神經(jīng)網(wǎng)絡(luò)優(yōu)化控制方法的制冷機(jī)節(jié)能量約為44.8%。

故障診斷是一種了解和掌握設(shè)備在使用過程中的技術(shù)，確定其整體或局部是否正常，早期發(fā)現(xiàn)故障及其原因并能預(yù)報(bào)故障發(fā)展趨勢的技術(shù)。在制冷系統(tǒng)的故障診斷方面，神經(jīng)網(wǎng)絡(luò)也發(fā)揮著重要作用，隨著我國空調(diào)制冷事的蓬勃發(fā)展，制冷系統(tǒng)越來越復(fù)雜，故障的潛在發(fā)生點(diǎn)也越來越多，制冷設(shè)備的故障檢測與診斷越來越受到人們的重視。胡正定等人在分析制冷系統(tǒng)常見故障特征的基礎(chǔ)上，建立以壓縮機(jī)進(jìn)口溫度、蒸發(fā)器進(jìn)口溫度、冷媒水進(jìn)口溫度、冷媒水出口溫度、壓縮機(jī)排氣壓力、壓縮機(jī)吸氣壓力、壓縮機(jī)出口溫度、冷凝器出口溫度等8特征征參數(shù)作為輸入量，故障模式作為輸出量的補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)模型。仿真結(jié)果表明，系統(tǒng)的診斷結(jié)果且有較高的準(zhǔn)確率。李中領(lǐng)等人在空調(diào)系統(tǒng)故障診斷中利用神經(jīng)網(wǎng)絡(luò)建立了三層BP網(wǎng)絡(luò)模型，輸入層節(jié)點(diǎn)個(gè)數(shù)為4，對(duì)應(yīng)于4種故障現(xiàn)象，隱含層單元個(gè)數(shù)為4，輸出層節(jié)點(diǎn)個(gè)數(shù)為12，對(duì)應(yīng)于12種故障原因，輸出節(jié)點(diǎn)值的大小反映了故障出現(xiàn)的可能性。

2.4 負(fù)荷預(yù)測方面的應(yīng)用

空調(diào)系統(tǒng)逐時(shí)負(fù)荷的準(zhǔn)確預(yù)測是實(shí)現(xiàn)現(xiàn)代控制的前提之一，準(zhǔn)確預(yù)測空調(diào)負(fù)荷對(duì)空調(diào)高效節(jié)能運(yùn)行具有重大意義，影響空調(diào)負(fù)荷的因素有空氣溫度、濕度、太陽輻射強(qiáng)度、人員、設(shè)備運(yùn)行情況等，空調(diào)負(fù)荷與影響因素之間是嚴(yán)重非線性的關(guān)系，具有動(dòng)態(tài)性。

2.5 空調(diào)制冷系統(tǒng)的仿真設(shè)計(jì)方面的應(yīng)用

制冷空調(diào)產(chǎn)品設(shè)計(jì)中，大量地依賴樣機(jī)的反復(fù)制作與調(diào)試，使得產(chǎn)品的設(shè)計(jì)周期延長，并影響性能優(yōu)化，用計(jì)算機(jī)仿真代替樣機(jī)試驗(yàn)，在計(jì)算機(jī)上面實(shí)現(xiàn)優(yōu)化設(shè)計(jì)，使得制冷空調(diào)裝置仿真技術(shù)近年來得到了迅速發(fā)展 。

2.6 大型建筑運(yùn)行能耗的評(píng)價(jià)方面的應(yīng)用

大型公共建筑指非住宅的民用建筑，包括辦公樓、商場、賓館、醫(yī)院、學(xué)校等，大型公共建筑用能特點(diǎn)是單位面積耗能非常高，為每年100 kW/m2-300 kW/m2，而且我國大型公共建筑能源系統(tǒng)效率較低，浪費(fèi)嚴(yán)重，其電耗超過公共建筑節(jié)能設(shè)計(jì)標(biāo)準(zhǔn)規(guī)定指標(biāo)的10倍以上。大型公共建筑中央空調(diào)系統(tǒng)運(yùn)行能耗的科學(xué)評(píng)價(jià)是對(duì)大型公共建筑進(jìn)行用能科學(xué)管理的重要基礎(chǔ)，趙靖等人基于BP人工神經(jīng)網(wǎng)絡(luò)，將冷水機(jī)組、冷凍水泵、冷卻水泵、冷卻塔、其它設(shè)備月平均功率、運(yùn)行時(shí)間和氣象特征共七個(gè)作為預(yù)測因子，空調(diào)系統(tǒng)總能耗為輸出量，建立了大型公共建筑系統(tǒng)運(yùn)行能耗的預(yù)測評(píng)價(jià)模型，仿真結(jié)果表明，網(wǎng)絡(luò)的平均預(yù)測誤差輸出值約為3.3E-014，可以滿足實(shí)際應(yīng)用的要求。

3 發(fā)展方向

人工神經(jīng)網(wǎng)絡(luò)基于較強(qiáng)的學(xué)習(xí)能力、自適應(yīng)能力、容錯(cuò)能力和聯(lián)想能力，在暖通空調(diào)領(lǐng)域中的應(yīng)用已經(jīng)取得了突破性的進(jìn)展。今后的發(fā)展方向主要有兩個(gè)方面，首先，不斷改進(jìn)神經(jīng)網(wǎng)絡(luò)性能，提高其預(yù)測和控制精確度；另外，逐步使神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)由軟件實(shí)現(xiàn)過渡到硬件實(shí)現(xiàn)，擴(kuò)大其在空調(diào)領(lǐng)域的應(yīng)用范圍，也是今后的研究方向之一。

參考文獻(xiàn)

[1]胡守仁.神經(jīng)網(wǎng)絡(luò)導(dǎo)論[M].北京:國防科技大學(xué)出版社，1999.

[2]候媛彬，杜京義，汪梅.神經(jīng)網(wǎng)絡(luò)[M].西安電子科技大學(xué)出版社，2007.

[3]朱為明.基于神經(jīng)網(wǎng)絡(luò)的變風(fēng)量空調(diào)智能控制系統(tǒng)研究[D].北京建筑工程學(xué)院，碩士學(xué)位論文，2008.

[4]周洪煜，王照陽.神經(jīng)網(wǎng)絡(luò)預(yù)測控制在中央空調(diào)水系統(tǒng)控制中的應(yīng)用[J].計(jì)算機(jī)測量與控制，2009，17(7):1279-1281.