一种用于中央空调制冷站静态优化的自抗扰控制系统技术方案

本发明专利技术公开了一种用于中央空调制冷站静态优化的自抗扰控制系统，所述空调负荷预测单元，用于通过BP神经网络进行负荷预测；所述中央空调制冷站模型计算单元，用于执行单模型建模和多模型融合建模两种方式之一；所述系统工作点最优化单元，用于利用优化算法计算系统的最佳工作点；所述中央控制制冷站控制单元，用于采用自抗扰控制器进行跟踪控制。本发明专利技术还公开了一种用于中央空调制冷站静态优化的自抗扰控制方法。该系统和方法通过准确的建立静态模型与预测冷负荷确定了系统最接近于实际值的最佳工作点，并采用自抗扰控制器对系统的最佳工作点进行跟踪控制，实现中央空调制冷站的优化节能。优化节能。优化节能。

【技术实现步骤摘要】
一种用于中央空调制冷站静态优化的自抗扰控制系统


[0001]本专利技术涉及自动控制领域，尤其涉及一种用于中央空调制冷站静态优化的自抗扰控制系统和方法。

技术介绍

[0002]目前，全国范围内各大小城市分布着很多大型商场、购物超市、写字楼等。大型公共建筑作为有区别于其他民用建筑的高能耗建筑，自然也成为了环保部门、电力部门进行节能减排改造的重点项目。在大型公共建筑中，中央空调(HVAC)系统的能量消耗一般占整个建筑能耗的50%以上，而中央空调制冷站的能耗则占中央空调系统的70%以上。目前，我国的暖通空调系统绝大多数处在低效运行状态，造成运行效率低，能源浪费严重。造成这种现象的原因是多方面的，由于中央空调机组大部分时间是在部分负荷下运行，这就导致在大多数中央空调制冷系统中出现大流量、小温差的运行状态，无法使空调处于最佳运行状态，造成能量的巨大损耗；而在控制方面，中央空调的主机和部分末端装置有自动控制装置，但其自动控制的水平偏低，当外界影响因子发生变化时，由于控制系统调节时间过慢而造成了能源的浪费。

技术实现思路

[0003]为解决以上问题，本专利技术的目的是通过以下技术方案实现的。
[0004]本专利技术提供一种用于中央空调制冷站静态优化的自抗扰控制系统，包括：空调负荷预测单元、中央空调制冷站模型计算单元、系统工作点最优化单元、中央控制制冷站控制单元和中央空调制冷站这五个部分；所述空调负荷预测单元，用于通过BP神经网络进行负荷预测；所述中央空调制冷站模型计算单元，用于执行单模型建模和多模型融合建模两种方式之一；所述系统工作点最优化单元，用于利用优化算法计算系统的最佳工作点；所述中央控制制冷站控制单元，用于采用自抗扰控制器进行跟踪控制。
[0005]优选的，中央空调制冷站包括四个子系统，具体为冷冻水系统、制冷机组、冷却水系统、冷却塔。
[0006]优选的，所述中央空调制冷站模型计算单元对于非线性较强的制冷机组，采用加权多模型融合建模建立系统的静态能耗模型；对于冷冻水系统、冷却水系统和冷却塔，采用单模型建模方式。
[0007]优选的，所述中央空调制冷站模型计算单元执行的所述制冷机组多模型融合模型的建模过程具体为：（1）制冷机组样本工作点划分；（2）建立制冷机组子模型；（3）子模型加权融合。
[0008]优选的，所示制冷机组样本工作点划分具体为：选用k
‑
means算法对建模数据进行聚类，将建模数据分为3组，随机选取3个对象作为初始的聚类中心，然后计算每个对象与各个子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。
[0009]优选的，所述中央空调制冷站模型计算单元对于非线性较强的制冷机组的具体处理为：采用加权多模型融合建模建立系统的静态能耗模型，并依据负荷预测所得的制冷量Q、以制冷机组能耗最小为目标，利用优化算法计算出冷冻水出水温度、及冷却水出水温度的取值。
[0010]优选的，不同于传统的动态优化系统，所述用于中央空调制冷站静态优化的自抗扰控制系统，每隔较长时间进行一次数据采集和优化计算处理，无需实时处理。
[0011]本专利技术还提供一种用于中央空调制冷站静态优化的自抗扰控制方法，该方法具体包括：步骤1、通过BP神经网络预测中央空调准确的负荷预测所得的制冷量Q，根据负荷预测所得的制冷量Q控制制冷机组产生足够的冷量；步骤2、针对不同的设备或者系统使用不同的模型进行变量参数的计算，并且对于非线性较强的制冷机组，采用加权多模型融合建模建立系统的静态能耗模型；步骤3、对于冷冻水系统和冷却水系统，采用单模型建模方式进行变量计算；步骤4、对于冷却塔，采用单模型建模方式进行变量计算；步骤5、根据目标函数以及约束条件对步骤2
‑
4得到的多个变量进行验证，最终得到计算最佳工作点；步骤6、采用自抗扰控制器来跟踪控制系统的最佳工作点。
[0012]由于采用以上所述的技术方案，本专利技术可以达到以下有益效果：该系统和方法通过准确的建立静态模型与预测冷负荷确定了系统最接近于实际值的最佳工作点，并采用自抗扰控制器对系统的最佳工作点进行跟踪控制，实现中央空调制冷站的优化节能。该系统和方法大大降低了处理器的工作量，而且使用的优化方法相对简单，计算量小，很大程度上降低的系统的负荷，提高了处理速度和使用效率。
附图说明
[0013]图1是自抗扰控制系统示意图；图2是空调水循环系统工作示意图；图3是中央空调制冷系统最佳工作点的优化控制结构图；图4是被测建筑冷负荷神经网络预测值
‑
实际值对比图；图5是k
‑
means算法对建模数据进行聚类的散点图；图6是自抗扰控制方法流程图。
[0014]图7是自抗扰控制过程的结构框图这些附图和文字描述并不旨在以任何方式限制本专利技术的构思范围，而是通过参考特定实施例为本领域技术人员说明本专利技术的概念。
具体实施方式
[0015]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0016]本专利技术实施例提供了一种用于中央空调制冷站静态优化的自抗扰控制系统，如图1所示，该系统包括：空调负荷预测单元、中央空调制冷站模型计算单元、系统工作点最优化单元、中央控制制冷站控制单元和中央空调制冷站这五个部分。其中，中央空调制冷站包括四个子系统，具体为冷冻水系统、制冷机组、冷却水系统、冷却塔。
[0017]所述空调负荷预测单元，用于通过BP神经网络进行负荷预测。
[0018]所述中央空调制冷站模型计算单元，用于执行单模型建模和多模型融合建模两种方式之一；对于非线性较强的制冷机组，采用加权多模型融合建模建立系统的静态能耗模型；对于冷冻水系统、冷却水系统和冷却塔，采用单模型建模方式。
[0019]所述系统工作点最优化单元，用于利用优化算法计算系统的最佳工作点。
[0020]所述中央控制制冷站控制单元，用于采用自抗扰控制器进行跟踪控制。
[0021]如图2所示，制冷机组、冷冻水泵、冷却水泵、冷却塔等组成的空调水循环系统。制冷机组的主要作用是产生冷量，通过冷媒的吸热/放热作用为冷冻水提供冷量供给空调末端、对冷却水释放热量并由冷却塔进行散热。
[0022]冷冻水与制冷机组的制冷剂在蒸发器中通过换热器交换热量。
[0023]冷却水与制冷机组的制冷剂在冷凝器中通过换热器交换热量。
[0024]冷却水通过冷却塔的风扇将热量散发至大气中。
[0025]制冷剂在制冷机组的蒸发器中气化吸收冷冻水的热量，从而使冷冻水的温度降低，通过冷冻水泵循环，使冷冻水在空调末端吸热，并流回蒸发器放热，实现冷量从制冷机组向空调末端的传送。
[0026]在蒸发器内被气化的制冷剂经过制冷机组的压缩机时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于中央空调制冷站静态优化的自抗扰控制系统，包括：空调负荷预测单元、中央空调制冷站模型计算单元、系统工作点最优化单元、中央控制制冷站控制单元和中央空调制冷站这五个部分；所述空调负荷预测单元，用于通过BP神经网络进行负荷预测；所述中央空调制冷站模型计算单元，用于执行单模型建模和多模型融合建模两种方式之一；所述系统工作点最优化单元，用于利用优化算法计算系统的最佳工作点；所述中央控制制冷站控制单元，用于采用自抗扰控制器进行跟踪控制。2.如权利要求1所述的系统，其特征在于，所述中央空调制冷站模型计算单元对于非线性较强的制冷机组，采用加权多模型融合建模建立系统的静态能耗模型；对于冷冻水系统、冷却水系统和冷却塔，采用单模型建模方式。3.如权利要求2所述的系统，其特征在于，所述中央空调制冷站模型计算单元执行的所述制冷机组多模型融合模型的建模过程具体为：（1）制冷机组样本工作点划分；（2）建立制冷机组子模型；（3）子模型加权融合。4.如权利要求3所述的系统，其特征在于，所示制冷机组样本工作点划分具体为：选用k
‑
means算法对建模数据进行聚类，将建模数据分为3组，随机选取3个对象作为初始的聚类中心，然后计算每个对象与各个子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心，聚类中心以及分配给它们的对象就代表一个聚类。5.如权利要求2所述的系统，其特征在于，所述中央空调制冷站模型计算单元对于非线性较强的制冷机组的具体处理为：采用加权多模型融合建模建立系统的静态能耗模型，并依据负荷预测所得的制冷量Q、以制冷机组能耗〖 P〗_(Chiller
‑
s)最小为目标，利用优化算法计算出冷冻水出水温度T_wo、及冷却水出水温度T_co的取值。6.如权利要求2所述的系统，其特征在于，其中步骤（3）具体包括：对于冷冻水系统，冷冻水系统...

【专利技术属性】
技术研发人员：李壮举，郭虹，
申请(专利权)人：郭虹，
类型：发明
国别省市：