Research on the Integrated Control of the Elevator Hybrid Energy－saving System

林　堯1，2　劉艷斌1　陳泰潮2(福州大學(xué)機(jī)械工程及自動(dòng)化學(xué)院1，福建福州　350108;福建省特種設(shè)備檢驗(yàn)研究院2，福建福州　350008)

?

電梯混合能源節(jié)能系統(tǒng)的集成控制研究

第一作者林堯(1971－)，男，現(xiàn)為福州大學(xué)機(jī)械工程及自動(dòng)化學(xué)院在讀博士研究生，高級(jí)工程師;主要研究方向?yàn)殡娞菁捌鹬卦O(shè)備的故障診斷、檢驗(yàn)方法等。

0　引言

電梯在給人們的生活帶來(lái)便利的同時(shí)，其逐年增加的巨大能耗引起了建筑界和節(jié)能領(lǐng)域的關(guān)注［1］。據(jù)清華大學(xué)建筑節(jié)能研究中心的統(tǒng)計(jì)數(shù)據(jù)，電梯的能耗一般占整個(gè)建筑總能耗的5%～15%。與大多數(shù)單純依靠電能、熱能等單一能源作為唯一動(dòng)力源的設(shè)備一樣，傳統(tǒng)電梯主要依靠電網(wǎng)供電運(yùn)行。電梯又因其獨(dú)特的工作特性，在大部分工作時(shí)間內(nèi)并未運(yùn)行在最佳能效模式下，造成自身再生能量的浪費(fèi)［2］。為了減少電梯再生能量的浪費(fèi)及其對(duì)公共電網(wǎng)的依賴，本文提出了一種基于電網(wǎng)、太陽(yáng)能、蓄電池、超級(jí)電容器、回饋能量等混合能源管理的電梯集成控制節(jié)能系統(tǒng)模型和控制策略，運(yùn)用模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制策略，實(shí)現(xiàn)混合能源的合理自動(dòng)調(diào)配和綜合利用，達(dá)到電梯節(jié)能降耗的目的。

1　建立電梯混合能源節(jié)能系統(tǒng)集成控制模型

目前電梯的節(jié)能主要有以下3種方式。一是通過(guò)改變電梯的拖動(dòng)方式，提高電梯的拖動(dòng)效率，如將三相異步電機(jī)齒輪傳動(dòng)改為永磁同步電機(jī)無(wú)齒輪傳動(dòng)，但這種方法成本較高，需要改變電梯的控制系統(tǒng)［3］。二是再生能量的回饋電網(wǎng)，但是直接回饋至電網(wǎng)的再生能量含有諧波，會(huì)污染電網(wǎng)，造成電網(wǎng)波動(dòng)［4］。三是僅用超級(jí)電容實(shí)現(xiàn)再生能量的再利用，此種方法成本較高，且超級(jí)電容能量密度小，不適合存儲(chǔ)電梯產(chǎn)生的穩(wěn)態(tài)能量［5－6］。這三種節(jié)能方式除存在上述不足之外，電梯節(jié)能技術(shù)還需考慮以下兩個(gè)方面的問(wèn)題。一是電梯實(shí)際有效率和能量損耗，即使將電梯發(fā)電的回饋能量全部存儲(chǔ)再利用，也無(wú)法滿足電動(dòng)狀態(tài)所需的能量。二是如何合理控制電梯再生能量的輸出與電梯能量需求在時(shí)間上的匹配、流動(dòng)，解決電梯在實(shí)際運(yùn)行時(shí)存在能量供給和能源消耗不平衡問(wèn)題。

電梯作為現(xiàn)代垂直交通工具，其載荷流(乘坐人員的變化)類似于交通系統(tǒng)中的交通流。如何實(shí)時(shí)準(zhǔn)確地對(duì)電梯載荷流進(jìn)行預(yù)測(cè)，是電梯節(jié)能研究的核心問(wèn)題。即如何有效地利用實(shí)時(shí)載荷數(shù)據(jù)信息去預(yù)測(cè)未來(lái)某一時(shí)刻的電梯載荷狀況［7］，從而控制混合能源管理系統(tǒng)內(nèi)部各能量之間的開(kāi)關(guān)，實(shí)現(xiàn)能量的自動(dòng)調(diào)配與綜合利用，最大程度減少公共電網(wǎng)的支出。為此，在充分利用電梯自身再生能量和綠色能源的基礎(chǔ)上，設(shè)計(jì)了一種基于電網(wǎng)、太陽(yáng)能、蓄電池、超級(jí)電容器、回饋能量等混合能源管理的電梯集成控制節(jié)能系統(tǒng)，其控制模型原理圖如圖1所示。

圖1　基于混合能源電梯集成控制節(jié)能系統(tǒng)原理圖Fig.1　Principle of the elevator integrated control energy－saving system based on hybrid energy

通過(guò)對(duì)電梯載荷流特性分析研究，依據(jù)電梯載荷流變化情況，以及電網(wǎng)、太陽(yáng)能、蓄電池、超級(jí)電容和回饋能量等各種能量的存儲(chǔ)狀態(tài)，運(yùn)用基于混沌系統(tǒng)的模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制策略，對(duì)混合能源管理系統(tǒng)中電網(wǎng)、太陽(yáng)能、蓄電池、超級(jí)電容器和回饋能量間的DC/DC控制模塊開(kāi)關(guān)變量參數(shù)進(jìn)行預(yù)測(cè)控制。該方法實(shí)現(xiàn)了電網(wǎng)、太陽(yáng)能、蓄電池、超級(jí)電容和回饋能量等混合能量之間合理自動(dòng)調(diào)配和綜合利用，從而實(shí)現(xiàn)電梯最大程度的節(jié)能。

2　模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制系統(tǒng)模型

電梯作為一個(gè)多變量、強(qiáng)耦合的非線性系統(tǒng)，其運(yùn)行負(fù)載與電梯垂直運(yùn)動(dòng)具有無(wú)規(guī)則及不確定性。因此，電梯可認(rèn)為是一種混沌系統(tǒng)。近年來(lái)，模糊神經(jīng)網(wǎng)絡(luò)在智能控制、模糊決策、專家系統(tǒng)、模式識(shí)別等領(lǐng)域發(fā)揮了重要作用，其理論、模型、算法和應(yīng)用技術(shù)一直是這些領(lǐng)域的重要研究課題［8］。能量控制流程圖如圖2所示。

圖2　電梯混沌系統(tǒng)的能量控制流程圖Fig.2 Energy control flowchart of elevator hybrid energy management system

根據(jù)電梯混合能源管理系統(tǒng)集成控制的特點(diǎn)，應(yīng)建立一種預(yù)測(cè)控制系統(tǒng)模型［9］，對(duì)系統(tǒng)的運(yùn)行情況進(jìn)行預(yù)測(cè)，便于分析系統(tǒng)的目標(biāo)動(dòng)態(tài)變化。結(jié)合模糊神經(jīng)網(wǎng)絡(luò)在混沌系統(tǒng)智能控制方面的優(yōu)點(diǎn)，本文建立了基于模糊神經(jīng)網(wǎng)絡(luò)的電梯混沌系統(tǒng)預(yù)測(cè)控制模型。

對(duì)圖2中的模糊處理及神經(jīng)網(wǎng)絡(luò)模塊，采用神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)0階Takagi－Sugeno模糊系統(tǒng)，使得該系統(tǒng)具有自適應(yīng)學(xué)習(xí)能力。為此，構(gòu)建一個(gè)具有6個(gè)輸入變量以及4個(gè)輸出變量。輸入變量x = (x1，x2，x3，x4，x5，x6)，各變量分別為電梯運(yùn)行時(shí)刻、電梯所需能量、超級(jí)電容電量、蓄電池能量、太陽(yáng)能光伏電量以及電網(wǎng)獲取的能量。輸出變量y = (α，β，γ，δ)，各變量分別為超級(jí)電容與蓄電池的DC/DC控制開(kāi)關(guān)變量α、超級(jí)電容與變頻器的DC/DC控制開(kāi)關(guān)變量β、太陽(yáng)能與蓄電池的DC/ DC控制開(kāi)關(guān)變量γ以及蓄電池與控制電路的DC/AC控制開(kāi)關(guān)變量δ。4層模糊神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖3所示。

對(duì)電梯節(jié)能系統(tǒng)各能量模塊，采用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行模擬預(yù)測(cè)。首先對(duì)輸入單元進(jìn)行模糊處理，其次對(duì)神經(jīng)網(wǎng)絡(luò)中各層神經(jīng)元之間的連接權(quán)值進(jìn)行初始化，最后根據(jù)輸入輸出對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。以某寫(xiě)字樓一臺(tái)曳引式客梯為例，客梯額定載質(zhì)量為800 kg，10層10站，額定速度為1.0 m/s，提升高度為30 m，平衡系數(shù)為45%。模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制電梯節(jié)能裝置中超級(jí)電容采用兩組并聯(lián)，每組160個(gè)串聯(lián)的方式，每個(gè)超級(jí)電容為2.7 V，1 000 F。超級(jí)電容整體容量為12.5 F。蓄電池由4個(gè)串聯(lián)而成，每個(gè)蓄電池容量為20 V、100 Ah。為了方便分析，設(shè)定該寫(xiě)字樓的電梯只?？康讓雍晚攲觾烧?，中間不?？?，在10樓有50人辦公。具體實(shí)現(xiàn)過(guò)程如下。

(1)訓(xùn)練樣本。以早晨7:00為初始值，1 min為時(shí)間步長(zhǎng)，到晚上20:00為止。本文根據(jù)該臺(tái)電梯每時(shí)刻的負(fù)載序列，共采集了一個(gè)上班周期5天的數(shù)據(jù)樣本，每天分為上班高峰期、上班期間、下班高峰期、下班期間4種工況。表1為某一天上班高峰期的部分樣本數(shù)據(jù)。

表1　上班高峰期工況時(shí)的節(jié)能系統(tǒng)能量分布Tab.1 Energy distribution of energy－saving system during rush hour conditions

從表1可以看出，在上班高峰期，電梯運(yùn)行在電動(dòng)狀態(tài)的時(shí)間遠(yuǎn)大于發(fā)電狀態(tài)的時(shí)間。此時(shí)模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制系統(tǒng)不斷將蓄電池中的能量轉(zhuǎn)移到超級(jí)電容中，供電梯使用。

(2)對(duì)輸入神經(jīng)元的模糊化處理。第一個(gè)輸入神經(jīng)元，是一個(gè)時(shí)間值，其上下班高峰期為早上7點(diǎn)到8點(diǎn)之間、中午12點(diǎn)到13點(diǎn)之間、下午18點(diǎn)到19點(diǎn)之間，在這些時(shí)間段內(nèi)電梯的使用頻率較高;而上午10點(diǎn)和下午16點(diǎn)是電梯使用比較空閑的時(shí)刻。如果僅僅采用時(shí)間值輸入就難以充分挖掘電梯使用頻率低、較低、高、較高等信息，最好采用0到1的數(shù)值來(lái)表示電梯的使用頻率，從0到1表示使用頻率越來(lái)越高。而引用模糊集的概念就能很好地解決這個(gè)問(wèn)題。構(gòu)建高斯函數(shù)隸屬關(guān)系，對(duì)其進(jìn)行模糊處理。每個(gè)特征參數(shù)隸屬都采用φ(h，m )函數(shù)來(lái)確定。該函數(shù)定義如下:

式(1)中需要將小時(shí)轉(zhuǎn)化為分鐘，因此k1值為60; c1和c2分別為不同時(shí)間段內(nèi)的中心，電梯的乘客人數(shù)在各個(gè)時(shí)間段內(nèi)呈高斯分布，其中c1= 10，c2= 16 ; m為某一時(shí)間的分鐘數(shù);φ(h，m )取值范圍為(0，1］，其值越高，說(shuō)明此時(shí)的電梯使用頻率越高。電梯的使用繁忙程度與時(shí)間的關(guān)系如圖4所示。比如，在8點(diǎn)左右上班高峰期的某一時(shí)刻8: 15，此時(shí)h = 8，m = 15;代入公式，可計(jì)算得到φ(h，m )值為0.92°，在10點(diǎn)左右某一時(shí)刻10:15，此時(shí)h =10，m =15;代入公式，計(jì)算得到的φ(h，m )值為0.61。

圖4　電梯使用的繁忙程度與時(shí)間的關(guān)系Fig4　Relationship between how busy the elevator in use and time

(3)初始化神經(jīng)網(wǎng)絡(luò)權(quán)值矩陣。在對(duì)神經(jīng)元進(jìn)行模糊處理后，構(gòu)建各個(gè)神經(jīng)元之間的連接權(quán)值，組成神經(jīng)網(wǎng)絡(luò)權(quán)值矩陣，并對(duì)神經(jīng)網(wǎng)絡(luò)權(quán)值矩陣進(jìn)行初始化。

(4)訓(xùn)練神經(jīng)網(wǎng)絡(luò)。本文采用Matlab的神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行神經(jīng)網(wǎng)絡(luò)的構(gòu)建［10］，將樣本輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

圖5給出了神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型訓(xùn)練過(guò)程中誤差的變化曲線，從訓(xùn)練結(jié)果顯示經(jīng)過(guò)有限次數(shù)循環(huán)訓(xùn)練后都達(dá)到了給定的目標(biāo)精度0.002。

圖5　基于trainlm訓(xùn)練的誤差變化曲線圖Fig.5　Error change curve based on the trainlm training

3　仿真實(shí)驗(yàn)與分析

為了驗(yàn)證所訓(xùn)練的模糊神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度，現(xiàn)將一組新的樣本作為檢測(cè)樣本。其輸入分別為電梯運(yùn)行時(shí)刻、電梯所需能量、超級(jí)電容電量、蓄電池能量、太陽(yáng)能光伏電量以及電網(wǎng)獲取的能量，根據(jù)6個(gè)輸入變量預(yù)測(cè)4個(gè)輸出變量，其第五天樣本部分的數(shù)據(jù)如表2所示。

對(duì)于電梯控制而言，最主要的開(kāi)關(guān)變量為超級(jí)電容與蓄電池的DC/DC控制開(kāi)關(guān)變量α和超級(jí)電容與變頻器的DC/DC控制開(kāi)關(guān)變量β，因此通過(guò)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)得到的兩個(gè)輸出變量與實(shí)際得到的數(shù)據(jù)相對(duì)比，分別如圖6和圖7所示。

通過(guò)圖6和圖7可知，α和β兩個(gè)開(kāi)關(guān)變量的預(yù)測(cè)值與實(shí)際測(cè)量得到的樣本值幾乎吻合。最終預(yù)測(cè)結(jié)果表明，這種方法能夠很好地根據(jù)電梯的輸入能量對(duì)各開(kāi)關(guān)變量的變化進(jìn)行預(yù)測(cè)。因此，可認(rèn)為基于混沌系統(tǒng)的模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制模型可靠、預(yù)測(cè)精度高。

表2　第五天樣本部分輸入與輸出Tab.2 Partial inputs and outputs on the fifth day

圖6　開(kāi)關(guān)變量α預(yù)測(cè)值與樣本值比較圖Fig.6　Comparison chart of the predicted value of variable α and sample value comparison chart

圖7　開(kāi)關(guān)變量β預(yù)測(cè)值與樣本值比較圖Fig.7　Comparison chart of the predicted value of variable β and sample value

4　結(jié)束語(yǔ)

本文根據(jù)能量在系統(tǒng)內(nèi)部轉(zhuǎn)換的規(guī)律和工作模式轉(zhuǎn)換條件，建立了電梯混合能源節(jié)能系統(tǒng)集成控制模型，提出了一種基于混沌系統(tǒng)的模糊神經(jīng)預(yù)測(cè)控制策略，實(shí)現(xiàn)混合能源的合理自動(dòng)調(diào)配和綜合利用。同時(shí)以電梯上班高峰期工況為例，運(yùn)用Matlab軟件對(duì)模糊神經(jīng)預(yù)測(cè)控制算法進(jìn)行仿真。仿真結(jié)果表明，該算法跟蹤性能優(yōu)良、預(yù)測(cè)精度更高、穩(wěn)定性更好，可應(yīng)用于電梯混沌系統(tǒng)，能夠滿足電梯混合能源管理集成控制系統(tǒng)中高精度的控制要求，為電梯提供新的能量。同時(shí)，又能在電梯處于發(fā)電狀態(tài)時(shí)吸收并存儲(chǔ)再生能量供電梯重新使用，以達(dá)到提高電梯的整體運(yùn)行效率、節(jié)能降耗的目的。

參考文獻(xiàn)

［1］王倩，萬(wàn)蒞新.電梯能耗檢測(cè)系統(tǒng)設(shè)計(jì)［D］.合肥:中國(guó)科學(xué)技術(shù)大學(xué)，2011.

［2］Attainaese C，Nardi V.Virtual testing of high speed elevators using supercapactor recovery system［C］/ / IEEE International Conference on Industrial Technology，2004.

［3］黃娟麗，萬(wàn)杰，李少綱.電梯節(jié)能技術(shù)綜述［J］.能源與環(huán)境，2010，1(1):30－31.

［4］張小鳳，田聯(lián)房.電梯能饋系統(tǒng)及其電能質(zhì)量控制方法研究［D］.廣州:華南理工大學(xué)，2012.

［5］米運(yùn)洪，郭健.基于超級(jí)電容的電梯節(jié)能技術(shù)研究與實(shí)現(xiàn)［D］.廣州:華南理工大學(xué)，2012.

［6］Tominaga S，Suga I，Araki H，et al.Development of energysaving elevator using regenerated power storage system［C］/ /Power Conversion Conference，2002 PCC Osaka 2002 Proceedings of the.2002:890－895.

［7］劉靜，關(guān)偉.交通流預(yù)測(cè)方法綜述［J］.公路交通科技，2004，121(13):82－85.

［8］譚文，王耀南，雷曉峰.用神經(jīng)網(wǎng)絡(luò)控制非線性系統(tǒng)的混沌運(yùn)動(dòng)［J］.湖南大學(xué)學(xué)報(bào)，2002，29(3):49－52.

［9］劉斌.非線性系統(tǒng)建模及預(yù)測(cè)控制若干問(wèn)題研究［D］.杭州:浙江大學(xué)，2004.

［10］叢爽.面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用［M］.合肥:中國(guó)科學(xué)技術(shù)大學(xué)出版社，2009.

Research on the Integrated Control of the Elevator Hybrid Energy－saving System

林堯1，2劉艷斌1陳泰潮2
(福州大學(xué)機(jī)械工程及自動(dòng)化學(xué)院1，福建福州350108;福建省特種設(shè)備檢驗(yàn)研究院2，福建福州350008)

摘要:為了實(shí)現(xiàn)電梯最大程度的節(jié)能，建立了一種基于電網(wǎng)、太陽(yáng)能、蓄電池、超級(jí)電容器、回饋能量等混合能源管理的電梯集成控制節(jié)能系統(tǒng)模型。運(yùn)用基于混沌系統(tǒng)的模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制策略，對(duì)節(jié)能系統(tǒng)中各能量間的DC/DC控制模塊開(kāi)關(guān)變量參數(shù)進(jìn)行預(yù)測(cè)控制，實(shí)現(xiàn)混合能源的合理自動(dòng)調(diào)配和綜合利用。在典型工況下，運(yùn)用Matlab軟件對(duì)模糊神經(jīng)預(yù)測(cè)控制算法進(jìn)行仿真。仿真結(jié)果表明，該控制策略能夠滿足電梯混合能源節(jié)能系統(tǒng)集成控制要求，達(dá)到節(jié)能降耗的目的。

關(guān)鍵詞:混合能源電梯節(jié)能系統(tǒng)集成控制模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制Matlab

Abstract:In order to realize the greatest degree of energy saving for elevators，the model of elevator integrated control energy saving system is established based on hybrid energy management，including power grid，solar energy，storage battery，super capacitor and feedback energy，etc.By using fuzzy neural network predictive control strategy based on chaotic system，the predictive control for discrete variable parameters of DC/DC control modules of various energies in energy saving system is conducted，to implement reasonable automatic allocation and comprehensive utilization.The results of simulation show that this control strategy satisfies the requirements of elevator hybrid energy integrated control systems，reaches the purpose of energy saving and reducing energy consumption.

Keywords:Hybrid energy Elevator energy－saving systemIntegrated control Fuzzy neural network Predictive control Matlab

中圖分類號(hào):TH211; TP2

文獻(xiàn)標(biāo)志碼:A

DOI:10.16086/j.cnki.issn1000－0380.201603022

修改稿收到日期:2015－05－26。