多区域变风量空调系统神经网络预测控制研究

　　引 言

　　变风量(variable air volume, VAV)空调系统具有突出的节能优势，并且有舒适灵活、装机容量小的特点，保守估计比定风量(CAV)空调系统节能 30%，已成为美国、日本等发达国家空调系统的主流。但是在变风量空调系统的运行中，控制一直是难点，这不仅关系着系统节能优势能否发挥，而且涉及到系统的稳定性问题。系统具有多变量、强耦合、非线性、强扰动的特点。工程中显示单纯控制一个环节并不难，系统可靠运行的关键是其联动调节。本文从一个二层办公环境入手，以机理分析法建立表冷器和三个房间的动态数学模型，采用总风量控制法，分别设计应用了 PID 控制器和神经网络预测控制器。Matlab 仿真结果表明系统动态性能优良，可以很好地跟踪设定值，并具有很强的抗扰动能力。

　　1 背景概述

　　本文虚拟一个位处北京的典型两层办公楼环境，长42m，宽 24m;层高 3.5m;夏季室外计算干球温度 33.2℃;相对湿度 64%;夏季室内设计温度 24~26℃;相对湿度50~60%。人员密度为 0.125 ，劳动强度为办公室轻度劳动，同时使用系数为 0.85。经过负荷计算，可得总送风量。3G = 50000 m /h。采用露点温度送风法求得送风温度[1]。在求得新风量后便可得混风空气状态点，即表冷器处理前空气状态，由效率系数法[2]，对表冷器选型。易可求得空调系统其他参数。空调系统如图 1 所示。

　　图 1 多区域变风量空调系统示意图

　　VAV 空调系统是通过改变送入室内的送风量来实现对室内温度调节的空调系统，因此风量控制是 VAV 系统控制的关键环节，它关系着整个系统的能耗情况和系统的稳定性和可靠性。目前总送风量的控制方法主要有：定静压(CPT)控制法、变静压(VPT)控制法、总风量控制法。总风量控制法由清华大学戴斌文[3]通过对压力无关型变风量末端的分析得出，通过分析末端控制环路得到各个末端的设定风量，所有末端设定风量之和显然是系统当前要求的总风量。它的特点是：在控制系统形式上避免使用压力测量装置，减少了一个风机的闭环控制环节，提高了控制系统的可靠性;它是直接根据设定风量计算出要求的总风量，具有某种程度上的前馈控制含义。这种方法的缺点是：总风量控制法的风机和末端之间耦合度相对较大，即当房间负荷发生变化后，风机和该房间的末端风阀同时调节，系统的阻力特性变化较大，流量调节的波动性也较大，致使末端频繁动作，造成系统的不稳定。此外系统的通信量较大，控制作用也较为复杂，其技术实现具有一定的难度，因此该方法目前还处于研究完善阶段。本文由于对末端装置采用神经网络预测控制，具有很强的抗扰动能力，实现快速调节，保证了系统的稳定性。