MPC在空調(diào)系統(tǒng)中的應(yīng)用綜述

王乘熙 李澤 郝萬(wàn)君

摘? 要：在人們的環(huán)保意識(shí)日漸提升的大環(huán)境下，空調(diào)廠(chǎng)商從研究如何改善空調(diào)系統(tǒng)的制冷效果逐漸轉(zhuǎn)為研發(fā)更加節(jié)能高效的空調(diào)，將MPC算法應(yīng)用于新型空調(diào)中也成了一種趨勢(shì)。本文先總結(jié)了MPC在冰蓄冷空調(diào)和中央空調(diào)中的應(yīng)用研究，然后著重綜述了國(guó)內(nèi)現(xiàn)今MPC在主流的變風(fēng)量空調(diào)中的研究成果。最終決定選取變風(fēng)量空調(diào)的送風(fēng)量故障檢測(cè)作為未來(lái)的研究方向。

關(guān)鍵詞：MPC;變風(fēng)量空調(diào);節(jié)能

中圖分類(lèi)號(hào)：TP301.6;TU831 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2019）21-0043-03

Abstract：In the environment of increasing peoples awareness of environmental protection，air conditioning manufacturers have gradually changed from studying how to improve the refrigeration effect of air conditioning system to studying more energy-saving and efficient air conditioning. It is also a trend to apply MPC algorithm to new air conditioning. This paper first summarizes the application of MPC in ice storage air conditioning and central air conditioning，and then focuses on the domestic research results of MPC in the mainstream VAV air conditioning. Finally，it is decided to select variable air volume air conditioning to detect the fault of air supply as the future research direction.

Keywords：MPC;variable air volume air conditioning;energy saving

0? 引? 言

我國(guó)建筑能耗現(xiàn)今大約占全國(guó)能耗的30%，而建筑能耗中極大的一部分便是空調(diào)的能源浪費(fèi)。雖然已有很多節(jié)能控制技術(shù)運(yùn)用于空調(diào)系統(tǒng)之中，但是仍然在建筑空調(diào)系統(tǒng)中存在著嚴(yán)重的能源浪費(fèi)。

在電力緊張的大環(huán)境下，曾因控制方式存在較多問(wèn)題的冰蓄冷空調(diào)、變風(fēng)量空調(diào)系統(tǒng)在經(jīng)過(guò)一段時(shí)間的蕭條后重新進(jìn)入大眾的視野。冰蓄冷空調(diào)是利用夜間低谷負(fù)荷電力制冰儲(chǔ)存在蓄冰裝置中，白天融冰將所儲(chǔ)存冷量釋放出來(lái)，以減少電網(wǎng)高峰時(shí)段空調(diào)用電負(fù)荷及空調(diào)系統(tǒng)裝機(jī)容量。而變風(fēng)量空調(diào)通過(guò)改變送風(fēng)量來(lái)滿(mǎn)足空調(diào)區(qū)域不斷變化的負(fù)荷要求，總送風(fēng)量較少，運(yùn)行時(shí)大部分時(shí)間都在部分負(fù)荷下，節(jié)能效果極佳。然而變風(fēng)量系統(tǒng)通常由多個(gè)耦合性強(qiáng)的控制回路構(gòu)成，系統(tǒng)復(fù)雜且不穩(wěn)定，要完美實(shí)現(xiàn)節(jié)能控制難度很高。

MPC（模型預(yù)測(cè)控制）正是在這種背景下應(yīng)運(yùn)而生的一類(lèi)優(yōu)化控制算法。它的實(shí)質(zhì)就是將一個(gè)很長(zhǎng)時(shí)間跨度的優(yōu)化控制問(wèn)題分解為若干個(gè)短跨度的最優(yōu)化控制問(wèn)題。

1? MPC在空調(diào)系統(tǒng)中的應(yīng)用

1.1? MPC在冰蓄冷空調(diào)系統(tǒng)中的應(yīng)用研究

冰蓄冷空調(diào)將用電低谷時(shí)過(guò)剩的電能轉(zhuǎn)換為冷能應(yīng)用到峰值用電時(shí)的空調(diào)系統(tǒng)中去，不僅可以緩解電網(wǎng)壓力，還能夠保證制冷機(jī)組滿(mǎn)負(fù)荷高效率進(jìn)行。

廣東工業(yè)大學(xué)的廖勇以外融冰盤(pán)管式冰蓄冷空調(diào)系統(tǒng)為研究對(duì)象，建立了室外溫度預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型，使得逐時(shí)溫度預(yù)測(cè)平均相對(duì)誤差大幅降低。同時(shí)在溫度預(yù)測(cè)模型的基礎(chǔ)上，進(jìn)一步建立了逐時(shí)負(fù)荷ANN預(yù)測(cè)模型，最后根據(jù)優(yōu)化費(fèi)用最小化策略對(duì)模型進(jìn)行了求解。[1]

華中科技大學(xué)的羅啟軍采用神經(jīng)網(wǎng)絡(luò)方法根據(jù)氣溫與日照對(duì)冷負(fù)荷進(jìn)行預(yù)測(cè)，然后對(duì)冰蓄冷系統(tǒng)進(jìn)行建模，并運(yùn)用動(dòng)態(tài)規(guī)劃方法對(duì)系統(tǒng)進(jìn)行優(yōu)化控制，最終獲得運(yùn)行費(fèi)用最小的每小時(shí)制冷機(jī)組制冷量及蓄冰罐的釋冷量。[2]

武漢理工大學(xué)的徐今強(qiáng)、肖睿等人，針對(duì)室外溫度與空調(diào)負(fù)荷存在強(qiáng)相關(guān)的特點(diǎn)，依據(jù)歷史負(fù)荷和次日室外溫度的關(guān)系構(gòu)建了一個(gè)非線(xiàn)性自回歸滑動(dòng)平均模型，依據(jù)劃分后不同的溫度區(qū)間獲得幾組參數(shù)時(shí)變的線(xiàn)性子模型。仿真表明基于溫度的ARMA模型比單一區(qū)間模型預(yù)測(cè)精度高且不需室外溫度的數(shù)據(jù)。[3]

1.2? MPC在中央空調(diào)系統(tǒng)中的應(yīng)用研究

城市的快速發(fā)展讓使用中央空調(diào)的建筑數(shù)量也日益增加，雖然中央空調(diào)制冷迅速，節(jié)省空間，但一般能耗很高，因此有關(guān)節(jié)能的研究也很多。

武漢科技大學(xué)的趙波峰，在對(duì)常用的水冷式中央空調(diào)系統(tǒng)進(jìn)行優(yōu)化控制的研究中，搭建了一種基于簡(jiǎn)單的回歸方法改進(jìn)的冷負(fù)荷預(yù)測(cè)模型，并且由冷負(fù)荷搭建了核心為回歸方法的最小二乘法的中央空調(diào)系統(tǒng)的設(shè)備能耗模型，每個(gè)模型最終證實(shí)都能很好地反應(yīng)自身能耗變化。[4]

沈陽(yáng)建筑大學(xué)的陳浩，因中央空調(diào)系統(tǒng)具有多個(gè)變量需要控制，運(yùn)用RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制器。不僅讓解耦后溫度、濕度的子系統(tǒng)的調(diào)試互不影響，而且使達(dá)到房間設(shè)定溫度的過(guò)渡時(shí)間極大縮短，在節(jié)約大量能源的同時(shí)讓使用者的體驗(yàn)更具舒適性。[5]

浙江工業(yè)大學(xué)的閔劍青建立了某一次回風(fēng)中央空調(diào)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制模型，包括交換系統(tǒng)子模型、空調(diào)房間子模型、控制器子模型等。仿真結(jié)果表明，由于神經(jīng)網(wǎng)絡(luò)具有在線(xiàn)辨識(shí)能力，克服了傳統(tǒng)Smith預(yù)估對(duì)象模型的不足，明顯改善控制效果。[6]

廣州大學(xué)的劉漢偉利用新型的網(wǎng)絡(luò)控制技術(shù)，對(duì)參數(shù)進(jìn)行采集后將空調(diào)設(shè)備末端各種設(shè)備所需要的冷量整合起來(lái)。而預(yù)測(cè)方法采用的是改進(jìn)的動(dòng)態(tài)三次指數(shù)平滑模型，相較靜態(tài)模型不僅各類(lèi)誤差都很小，預(yù)測(cè)效果好，還為中央空調(diào)這種大型用電設(shè)備提供了一種新的節(jié)能方式，即按用戶(hù)負(fù)荷的需求控制空調(diào)主機(jī)的運(yùn)行。[7]

西安建筑科技大學(xué)的李明海，提出了空調(diào)水系統(tǒng)設(shè)備的自適應(yīng)預(yù)測(cè)優(yōu)化控制模型，創(chuàng)新地引入了過(guò)程優(yōu)化的理論。而空調(diào)水系統(tǒng)總能耗的全局優(yōu)化是一個(gè)在線(xiàn)優(yōu)化的過(guò)程，運(yùn)用模擬退火算法優(yōu)化后，系統(tǒng)的節(jié)能效果顯著提升。[8]

1.3? MPC在變風(fēng)量空調(diào)系統(tǒng)中的應(yīng)用研究

變風(fēng)量空調(diào)系統(tǒng)具有參數(shù)的強(qiáng)耦合性，且多個(gè)控制回路相互作用相互影響，系統(tǒng)的可靠性較差，空調(diào)系統(tǒng)往往不能正常運(yùn)行，因此很多專(zhuān)家學(xué)者在解耦控制方面進(jìn)行了大量的研究。此外，還可從變風(fēng)量系統(tǒng)的送風(fēng)量、末端裝置、風(fēng)機(jī)控制方式進(jìn)行研究。

上海交通大學(xué)的黃孟偉為變風(fēng)量空調(diào)系統(tǒng)的各個(gè)部件建立了具有多輸入多輸出功能的狀態(tài)空間動(dòng)態(tài)模型，在此模型的基礎(chǔ)上采用廣義預(yù)測(cè)控制策略，最終達(dá)到穩(wěn)定送風(fēng)溫度的目的。最終仿真結(jié)果表明能夠有效控制送風(fēng)溫度，并且能夠降低風(fēng)機(jī)的能耗。[9]

東北大學(xué)的郭曉巖[10]對(duì)變風(fēng)量空調(diào)存在的變量多、滯后大和非線(xiàn)性的系統(tǒng)特性，建立了模糊神經(jīng)網(wǎng)絡(luò)與預(yù)測(cè)控制結(jié)合的復(fù)合控制器模型，且采用的小波Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)器具有自學(xué)習(xí)能力，能使參數(shù)根據(jù)環(huán)境變化適時(shí)調(diào)整。模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制大大縮短了房間溫度的調(diào)節(jié)時(shí)間，超調(diào)量近乎為零，穩(wěn)態(tài)精度也得到了極大改善。[11]

西安建筑科技大學(xué)的楊世忠與任慶昌為了克服空調(diào)系統(tǒng)二次泵模型的不確定性來(lái)降低能耗，分別通過(guò)離線(xiàn)與在線(xiàn)運(yùn)算以減少計(jì)算量，尋找最優(yōu)的控制輸出，從而設(shè)計(jì)出基于線(xiàn)性矩陣不等式的魯棒預(yù)測(cè)控制模型，穩(wěn)態(tài)精度高。[12]

北京工業(yè)大學(xué)的楊洪祥以變風(fēng)量空調(diào)系統(tǒng)的末端為研究對(duì)象，考慮到VAV系統(tǒng)非線(xiàn)性的特點(diǎn)，在設(shè)計(jì)廣義預(yù)測(cè)自校正控制器時(shí)加入了時(shí)變遺忘因子。經(jīng)過(guò)對(duì)參數(shù)的在線(xiàn)辨識(shí)后，減少了運(yùn)算量，系統(tǒng)的預(yù)測(cè)精度也優(yōu)于PID控制。[13]

西安建筑科技大學(xué)的王建玉建立了變風(fēng)量空調(diào)的內(nèi)部模型，并分解為共七個(gè)子系統(tǒng)利用MPC優(yōu)化，將每個(gè)子系統(tǒng)的局部?jī)?yōu)化控制目標(biāo)組合成系統(tǒng)級(jí)的目標(biāo)，從而把大規(guī)模的在線(xiàn)優(yōu)化問(wèn)題分散成小規(guī)模的子系統(tǒng)問(wèn)題，充分考慮了各控制變量之間的耦合，在保持系統(tǒng)穩(wěn)定的同時(shí)輸出變量能較好地跟蹤設(shè)定值的變化。[14]

浙江工業(yè)大學(xué)的耿繼樸針對(duì)變風(fēng)量溫濕度控制系統(tǒng)中存在的非重復(fù)性干擾問(wèn)題，將迭代學(xué)習(xí)控制與MPC相結(jié)合得到了迭代預(yù)測(cè)控制算法，迭代預(yù)測(cè)控制既能夠避免重復(fù)干擾性所帶來(lái)的影響，還能獲得良好的控制精度和響應(yīng)速度。[15]

天津大學(xué)的翟文鵬為應(yīng)對(duì)現(xiàn)有的模型預(yù)測(cè)算法不能有效解決空調(diào)系統(tǒng)中的純滯后特性造成被控量超調(diào)嚴(yán)重的問(wèn)題，利用Smith預(yù)估器作為預(yù)測(cè)模型，并運(yùn)用廣義最小二乘算法對(duì)預(yù)測(cè)模型進(jìn)行在線(xiàn)辨識(shí)，改善算法結(jié)構(gòu)，最終實(shí)驗(yàn)證明改進(jìn)后的模型預(yù)測(cè)算法具有更好的動(dòng)態(tài)特性，且能使系統(tǒng)在最小能耗指標(biāo)下的穩(wěn)定性提高。[16]

青島理工大學(xué)的邢麗娟、楊世忠融合魯棒預(yù)測(cè)控制和PID控制的優(yōu)點(diǎn)，提出魯棒預(yù)測(cè)-PID復(fù)合控制，彌補(bǔ)了PID控制無(wú)法在線(xiàn)調(diào)節(jié)、無(wú)法適應(yīng)對(duì)象模型的局限性，最終仿真結(jié)果表明可以加快動(dòng)態(tài)響應(yīng)速度，魯棒性好。[17]

沈陽(yáng)工業(yè)大學(xué)的吳瑩利用模糊聚類(lèi)算法確定模糊規(guī)則數(shù)和隸屬度函數(shù)，由最小二乘法辨識(shí)T-S模糊模型后件參數(shù)，將基于T-S模糊模型的模糊廣義預(yù)測(cè)控制用于變風(fēng)量空調(diào)的末端系統(tǒng)的調(diào)節(jié)，最終仿真結(jié)果表明能夠很好地提升抗干擾能力。[18]

河海大學(xué)的白建波、王孟等人為了使提供給變風(fēng)量末端的送風(fēng)溫度與設(shè)定值持平，通過(guò)測(cè)試得到表冷器數(shù)學(xué)模型且在此基礎(chǔ)上將廣義預(yù)測(cè)控制算法應(yīng)用于表冷器的出風(fēng)溫度控制，該算法采用CARIMA模型。最終仿真結(jié)果表明該算法能實(shí)時(shí)在線(xiàn)辨識(shí)表冷器模型參數(shù)，克服了系統(tǒng)時(shí)變性的不利影響。[19]

西南交通大學(xué)的何磊基于廣義的MPC概念，建立了輻射末端復(fù)合空調(diào)系統(tǒng)監(jiān)督控制算法。監(jiān)督控制算法采用了系統(tǒng)設(shè)備的數(shù)據(jù)挖掘模型以及混合模型的復(fù)合空調(diào)系統(tǒng)建筑物傳熱模型，實(shí)現(xiàn)了對(duì)輻射末端復(fù)合空調(diào)系統(tǒng)的自適應(yīng)運(yùn)行優(yōu)化。[20]

2? 結(jié)? 論

近階段，空調(diào)的節(jié)能減排已經(jīng)成為了專(zhuān)家、學(xué)者的主流研究方向。MPC在冰蓄冷空調(diào)的應(yīng)用一般都是對(duì)負(fù)荷預(yù)測(cè)的研究，讓空調(diào)的能耗盡可能降低。MPC在變風(fēng)量空調(diào)中的研究就比較多樣。首先為了解決強(qiáng)耦合的問(wèn)題，就有大量基于模型預(yù)測(cè)的解耦控制的研究來(lái)提升VAV系統(tǒng)的可靠性。其次，對(duì)變風(fēng)量空調(diào)送風(fēng)量、末端裝置、風(fēng)機(jī)控制等這些重要部分設(shè)計(jì)MPC控制器，不但改善動(dòng)態(tài)特性、穩(wěn)態(tài)精度，還能減少能耗。此外，還有許多將MPC與新型算法相結(jié)合的研究，能夠進(jìn)一步對(duì)空調(diào)的運(yùn)行優(yōu)化。

可以總結(jié)出，目前對(duì)于變風(fēng)量空調(diào)的研究，目標(biāo)幾乎都是為了節(jié)能和加強(qiáng)控制效果，有關(guān)變風(fēng)量空調(diào)的故障檢測(cè)的研究較少，因此，今后需要展開(kāi)有關(guān)變風(fēng)量空調(diào)送風(fēng)量故障方面的研究。

參考文獻(xiàn)：

[1] 廖勇.基于負(fù)荷預(yù)測(cè)的冰蓄冷空調(diào)系統(tǒng)優(yōu)化控制研究 [D].廣州：廣東工業(yè)大學(xué)，2008.

[2] 羅啟軍.基于動(dòng)態(tài)規(guī)劃的冰蓄冷空調(diào)系統(tǒng)的優(yōu)化控制 [D].武漢：華中科技大學(xué)，2004.

[3] 徐今強(qiáng)，肖睿，黃沖，等.基于溫度區(qū)間的蓄冰空調(diào)負(fù)荷ARMAX模型 [J].武漢理工大學(xué)學(xué)報(bào)，2009，31（10）：109-112.

[4] 趙波峰.基于負(fù)荷預(yù)測(cè)的中央空調(diào)系統(tǒng)自適應(yīng)優(yōu)化節(jié)能控制 [D].武漢：武漢科技大學(xué)，2012.

[5] 陳浩.中央空調(diào)多變量控制系統(tǒng)應(yīng)用研究 [D].沈陽(yáng)：沈陽(yáng)建筑大學(xué)，2012.

[6] 閔劍青.基于神經(jīng)網(wǎng)絡(luò)的中央空調(diào)控制系統(tǒng)的建模與仿真 [D].杭州：浙江工業(yè)大學(xué)，2005.

[7] 劉漢偉.中央空調(diào)動(dòng)態(tài)負(fù)荷預(yù)測(cè)及節(jié)能優(yōu)化控制模式研究 [D].廣州：廣州大學(xué)，2012.

[8] 李明海.中央空調(diào)水系統(tǒng)的優(yōu)化控制與節(jié)能技術(shù)研究 [D].西安：西安建筑科技大學(xué)，2011.

[9] 黃孟偉.基于狀態(tài)空間的多區(qū)域VAV空調(diào)系統(tǒng)建模及其優(yōu)化控制研究 [D].上海：上海交通大學(xué)，2014.

[10] 孫寧，李吉生，彥啟森.變風(fēng)量空調(diào)系統(tǒng)設(shè)計(jì)淺談 [J].暖通空調(diào)，1997，27（5）：53-59.

[11] 郭曉巖.變風(fēng)量空調(diào)系統(tǒng)的模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制 [J].沈陽(yáng)工業(yè)大學(xué)學(xué)報(bào)，2013，35（1）：99-103.

[12] 楊世忠，任慶昌.魯棒模型預(yù)測(cè)控制在變風(fēng)量空調(diào)系統(tǒng)中的應(yīng)用 [J].計(jì)算機(jī)工程與應(yīng)用，2013，49（6）：8-11+104.

[13] 楊洪祥.基于廣義預(yù)測(cè)控制的變風(fēng)量空調(diào)末端仿真與控制研究 [D].北京：北京工業(yè)大學(xué)，2009.

[14] 王建玉，任慶昌.基于協(xié)調(diào)的變風(fēng)量空調(diào)系統(tǒng)分布式預(yù)測(cè)控制 [J].信息與控制，2010，39（5）：651-656.

[15] 耿繼樸.基于迭代學(xué)習(xí)與預(yù)測(cè)控制的變風(fēng)量空調(diào)溫濕度控制研究 [D].杭州：浙江工業(yè)大學(xué)，2015.

[16] 翟文鵬.基于負(fù)荷預(yù)測(cè)和設(shè)定點(diǎn)優(yōu)化的制冷系統(tǒng)模型預(yù)測(cè)控制方法研究 [D].天津：天津大學(xué)，2012.

[17] 邢麗娟，楊世忠.變風(fēng)量空調(diào)系統(tǒng)的建模與控制 [J].暖通空調(diào)，2007，37（11）：115-117.

[18] 吳瑩.VAV中央空調(diào)末端控制器的研究 [D].沈陽(yáng)：沈陽(yáng)工業(yè)大學(xué)，2013.

[19] 白建波，王孟，苗國(guó)廠(chǎng)，等.基于廣義預(yù)測(cè)控制算法的表冷器出風(fēng)溫度控制 [J].制冷與空調(diào)（四川），2015，29（1）：78-82.

[20] 何磊.輻射末端復(fù)合空調(diào)系統(tǒng)監(jiān)督控制方法研究 [D].成都：西南交通大學(xué)，2016.

作者簡(jiǎn)介：王乘熙（1997-），男，漢族，江蘇江陰人，本科，研究方向：建筑節(jié)能控制;李澤（1983-），女，漢族，山西太原人，副教授，博士，研究方向：建筑節(jié)能控制;郝萬(wàn)君（1965-），男，漢族，吉林人，教授，博士，研究方向：建筑節(jié)能控制。