一种恒温恒湿空调系统预测优化控制算法及装置制造方法及图纸

本发明专利技术提供一种恒温恒湿空调系统预测优化控制算法及装置，包括：控制模块、空气处理机组、温湿度传感器、太阳辐射传感器、水阀开度采集器、风机频率采集器、第一水阀控制器、第二水阀控制器、风机变频器、初效过滤过滤器；控制模块包括存储单元、CPU、信号输入接口、RS485通讯接口；控制模块内存储着一种恒温恒湿空调系统预测优化控制算法程序，该算法使用小国内互相学习、国与国之间相互学习的方式实现智能寻优，通过选择优秀学习对象的方法，使得样本能向较优群体学习，避免了陷入局部最优的问题。本发明专利技术能实现恒温恒湿空调系统温度和湿度的高精度控制，同时还实现恒温恒湿空调系统最大化的节能效果。化的节能效果。化的节能效果。

【技术实现步骤摘要】
一种恒温恒湿空调系统预测优化控制算法及装置


[0001]本专利技术涉及人工智能
，具体为一种恒温恒湿空调系统预测优化控制算法及装置。

技术介绍

[0002]在实际生产生活中，许多场所对环境的温度和湿度有着非常高的要求，需要严格控制温度和湿度的波动范围，恒温恒湿空调系统被广泛应用在这类场所中。
[0003]在传统的控制方法中，恒温恒湿空调系统通常定风量运行，而在定风量系统中，送风量以最大负荷计算，当系统处于部分负荷工况下，必然导致送风温度过低，因此需要额外对空气进行加热，造成不必要的能耗。而变风量系统虽然可以克服上述问题，但是对于非线性、温湿度高度耦合的恒温恒湿空调系统而言，仅使用传统控制方法不能满足室内的温湿度要求，因此需要找到更优的控制方法满足变风量恒温恒湿空调系统的要求。
[0004]目前常用的控制方法有PID控制和智能控制，智能控制包括神经网络控制、遗传算法控制、模型预测控制等。采用PID控制策略，通过PID控制器比较室内的温度和湿度与目标设定值的偏差，输出控制信号调节冷水阀、热水阀及加湿阀，使得室内温湿度保持在设定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种恒温恒湿空调系统预测优化控制装置，其特征在于，包括：控制模块、空气处理机组、温湿度传感器、太阳辐射传感器、水阀开度采集器、风机频率采集器、第一水阀控制器、第二水阀控制器、风机变频器、初效过滤过滤器；其中，控制模块包括存储单元、CPU、信号输入接口、RS485通讯接口；空气处理机组包括：表冷器、再热器、变频风机、初效过滤器；控制模块内存储着一种恒温恒湿空调系统预测优化控制算法程序；在室外放置温湿度传感器和太阳辐射传感器，采集室外空气干球温度、室外空气相对湿度和太阳辐射照度；在送风口处放置温湿度传感器，采集送风干球温度、送风相对湿度；在室内放置温湿度传感器，采集室内空气干球温度、室内空气相对湿度；在表冷器和再热器的盘管水阀处放置水阀开度采集器，获得冷盘管水阀开度、热盘管水阀开度；在风机变频器内放置风机频率采集器，获得风机频率；所有采集的数据由信号输入接口传入到存储单元中；经过控制模块的优化计算后，将控制信号由RS485通讯接口输送到第一水阀控制器和第二水阀控制器中，由第一水阀控制器调节冷盘管水阀开度，第二水阀控制器调节热盘管水阀开度，由风机变频器调节风机频率。2.一种恒温恒湿空调系统预测优化控制算法，其特征在于，控制如权利要求1所述的一种恒温恒湿空调系统预测优化控制装置，包括：采集获取数据，将采集的数据输入到神经网络模型中，训练神经网络系统预测模型；设计滚动优化器，确定系统预测模型控制器的预测域和控制域，设置目标函数；控制模块通过各传感器获得系统运行时的预测模型输入参数，输入神经网络系统预测模型，通过基于国家演变过程的智能优化算法调整控制参数、最小化目标函数，输出最优控制参数；控制模块将输出的最优控制参数以数字信号的形式传入表冷器水阀控制器、再热器水阀控制器和风机变频器，从而实现风机频率和冷水流量、热水流量的调节，改变送风量、送风温度及送风湿度。3.根据权利要求2所述的一种恒温恒湿空调系统预测优化控制算法，其特征在于，所述预测模型输入参数，包括：当前时刻室内空气温度T
z
(k)、室内空气含湿量W
z
(k)、送风温度T
sa
(k)、送风含湿量W
sa
(k)、房间冷负荷和房间湿负荷上一时刻的风机频率f(k
‑
1)、冷盘管水阀开度L
cc
(k
‑
1)、热盘管水阀开度L
hc
(k
‑
1)。4.根据权利要求3所述的一种恒温恒湿空调系统预测优化控制算法，其特征在于，所述采集获取数据，包括：室外空气温度及含湿量、送风温度及含湿量、室内空气温度及含湿量、风机频率、冷盘管水阀开度、热盘管水阀开度、房间冷负荷、房间湿负荷；获取数据中的房间冷负荷和房间湿负荷可由下式计算得到，其中太阳辐射照度由太阳辐射传感器采集获得；辐射传感器采集获得；辐射传感器采集获得；
式中：表示房间冷负荷，W；G
sa
表示送风量，kg/s；c
a
表示空气的比热容，J/(kg
·
℃)；T
sa
表示送风温度，℃；k
wall
表示墙体的传热系数，W/(m2·
℃)；A
wall
表示墙体的面积，m2；T
oa
表示室外空气温度，℃；A
e
表示建筑的有效面积，m2；I表示太阳辐射照度，W/m2；表示房间内人员单位时间内形成的冷负荷，W；表示房间内其他因素形成的冷负荷，如灯具、设备等，W；W表示含湿量，kg/(kg dryair)；表示相对湿度，％；P
q,b
表示饱和水蒸气压力，Pa；B表示大气压力，Pa；表示房间湿负荷，kg/s；W
sa
表示送风含湿量，kg/(kg dryair)；表示房间内人员的湿负荷，kg/s；在所述神经网络的训练过程中，采用均方误差(MSE)评估训练效果：式中：表示目标输出参数；表示实际输出参数；N表示样本数。5.根据权利要求4所述的一种恒温恒湿空调系统预测优化控制算法，其特征在于，所述设计滚动优化器，确定系统预测模型控制器的预测域和控制域，设置目标函数，包括：所述目标函数由预测室内空气温度和室内空气含湿量的跟踪误差、设备能耗构成，其中，设备能耗由风机能耗、表冷器电耗、再热器电耗组成；中，设备能耗由风机能耗、表冷器电耗、再热器电耗组成；中，设备能耗由风机能耗、表冷器电耗、再热器电耗组成；F3＝P
fan
+P
cc
+P
hc
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)f
min
＜f＜f
max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)L
cc,min
＜L
cc
＜L
cc,max
ꢀꢀꢀꢀꢀꢀꢀꢀ
(10)L
hc,min
＜L
hc
＜L
hc,max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)式中：N
p
表示预测域；w
i
表示权值，i＝1,2,3；F1表示预测室内空气温度的跟踪误差；F2表示预测室内空气含湿量的跟踪误差；表示模型预测的室内空气温度，℃；T
z,r
(k+i)表示室内空气温度的参考轨迹，℃；表示模型预测的室内空气含湿量，kg/(kg dryair)；W
z,r
(k+i)表示室内空气含湿量的参考轨迹，kg/(kg dryair)；下标fan表示风机，cc表示冷盘管，hc表示热盘管，min表示最小值，max表示最大值；P表示设备能耗，W；f表示风机频率，Hz；L表示水阀的开度，％；所述恒温恒湿空调系统，采用全新风工况，送风量和风机频率之间、水流量和水阀开度之间均为线性关系；所述目标函数中，冷盘管的当量能耗由下式表示，即通过调节冷水阀门开度，调节冷冻水流量，从而改变经过冷盘管处理后空气的焓值，调节冷盘管当量能耗；
s.t.T
ca
＝f
coil
(T
oa
,W
oa
,G
sa
,G
cw
)＝T
oa
+G
cw
[β1T
oa
+β2W
oa
+β3G
sa
+β4G
cw
+β5+β6T
oa2
+β7W
oa2
++β8G
sa2
+β9G
cw2
+β
10
T
oa
W
oa
+β
11
W
oa
G
sa
+β
12
G
sa
G
cw
+β
13
G
cw
T
oa
+β
14
T
oa
G
sa
+β
15
W
oa
G
cw
]
ꢀꢀꢀꢀꢀꢀꢀ
(13)W
ca
＝g
coil
(T
oa
,W
oa
,G
sa
,G
cw
)＝W
oa
+G
cw
[γ1T
oa
+γ2W
oa
+γ3G
sa
+γ4G
cw
+γ5+γ6T
oa2
+γ7W
oa2
++γ8G
sa2
+γ9G
cw2
+γ
10
T
oa
W
oa
+γ
11
W
oa
G
sa
+γ
12
G
sa
G
cw
+γ
13
G
cw
T
oa
+γ
14
T
oa
G
sa
+γ
15
W
oa
G
cw
]
ꢀꢀꢀꢀꢀꢀ
(14)h
ca
＝1.01T
ca
+W
ca
(2501+1.84T
ca
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)式中：下标cc表示冷盘管，sa表示送风空气，oa表示室外空气，ca表示经过冷盘管处理后的空气，cw表示经过冷盘管的冷冻水；h
oa
表示室外空气的焓值，当工况为回风工况时，此项为新风与回风混合后的空气焓值，J；h
ca
表示经过冷盘管处理后空气的焓值，J；T
ca
表示经过冷盘管处理后空气的温度，℃；W
ca
表示经过冷盘管处理后空气的含湿量，kg/(kg dryair)；W
oa
表示室外空气的含湿量，kg/(kg dryair)；η
cc
表示冷盘管的效率；COP
c
表示冷水机组的性能系数；G
cw
...

【专利技术属性】
技术研发人员：姚晔，洪小淅，陈婉婷，张福清，熊磊，苗雨润，李燕，王忠，
申请(专利权)人：上海源控智慧能源科技有限公司，
类型：发明
国别省市：