模糊神经网络控制在中央空调中的研究

　　0 引 言

　　能源是国民经济要素。空调能耗在建筑能耗中比例日益上升，约占建筑总能耗的 65% 以上，成为建筑中的能耗大户，其节能问题受到普遍关注。我国是能源短缺国家，节能是暖通空调界的永久课题。

　　中央空调系统的控制大多采用传统的单参数控制，为提高运行效率，本文为建筑物建立冷量需求[1]模型，根据末端在一定时间内冷量需求总量或冷量需求变化率，控制空调系统的冷量输出，以实现节能。

　　1 模型分析

　　传统的中央空调通常基于定流量运行和传输能量的原理，采用传统的工程设计方法，按照最大负荷量进行冷热负荷计算和设备选型的。但大型建筑物( 诸如商场) 对冷热负荷的需求随人员流动情况，用电设备使用情况等的变化而变化，对中央空调能量负荷的需求也是动态变化。有关统计资料[2]表明，中央空调系统至少存在 30%以上节能空间。

　　模糊神经网络( Fuzzy-Neural Network，FNN) 是模糊理论同神经网络相结合的产物，汇聚神经网络与模糊理论的优点，集学习、联想、识别、信息处理于一体[3]。本文采用改进的负荷随动跟踪方法，根据水泵负载的变化变频器调整水泵电机的转速，实现流量控制，达到节约冷冻水和减少冷却水泵能耗，降低主机能耗的目的。

　　2 模型基础

　　本文以商场的中央空调作为研究对象。根据文献[4]对大型商场的调查结果，把每个时间段( 每小时) 商场内人数作为一个总体，服从正态分布。文献[4]的验证结果得出正态分布的均值为 0. 6，方差为0. 2。即可预测每个时段的人流量( 人 / m2) 。

　　冷量的计算公式[5]为:

　　式中 Qk为空调所产生的冷负荷( kW/h) ，L 为冷水机组回水流量( m3/ h) ，T1 为冷水机组供水管温度，T2为冷水机组回水管温度，c1 为温度为 T1 时的比热容，c2 为温度为 T2 时的比热容。

　　根据冷量公式和文献[4]统计的空调数据，可以得到每小时冷负荷和水泵流量。为建立模型，需计算出冷冻水循环计算流速、实际流速数据。

　　3 建模、求解和控制策略

　　为了同时获得具有最优结构和参数的模糊神经网络，使用自组织竞争神经网络 ( Self-organizationCompetition Neural Network，SCNN ) 来优化网络结构[6-7]。FNN 控制器的设计如下。

　　3.1 模糊控制器输入输出变量的确定

　　如图1 所示，FNN 控制器具有7 个模糊标记，即具有49 个控制规则。该网络是包含输入层、中间层和输出层的三层神经网络。其节点功能对应于模糊逻辑控制的模糊化、规则推理和逆模糊[8]3 个步骤。