任松保喻文娟

1深圳市華之任有限公司

2深圳市環(huán)境工程科學(xué)技術(shù)中心有限公司

0 引言

對中央空調(diào)系統(tǒng)進(jìn)行節(jié)能控制意義重大。由于中央空調(diào)系統(tǒng)具有多變量、強(qiáng)耦合、非線性、時(shí)變性、時(shí)滯性、干擾因素多等強(qiáng)烈動態(tài)特點(diǎn)，使得對其進(jìn)行準(zhǔn)確和實(shí)時(shí)的負(fù)荷預(yù)測和節(jié)能控制一直較為困難[1]。傳統(tǒng)的控制方式有一定的節(jié)能效果，但不能進(jìn)行準(zhǔn)確和實(shí)時(shí)的負(fù)荷預(yù)測和控制。目前出現(xiàn)了基于支持向量機(jī)（SVM）的負(fù)荷預(yù)測方式，該預(yù)測方式準(zhǔn)確度較高，但其使用的訓(xùn)練樣本準(zhǔn)確度不能保證，從而也無法準(zhǔn)確地進(jìn)行預(yù)測。

本文提出了一種基于SVM的中央空調(diào)節(jié)能控制方法。SVM使用傳統(tǒng)的中央空調(diào)節(jié)能控制系統(tǒng)采集的訓(xùn)練樣本數(shù)據(jù)進(jìn)行負(fù)荷預(yù)測，控制系統(tǒng)根據(jù)預(yù)測結(jié)果進(jìn)行控制調(diào)整，SVM根據(jù)調(diào)整結(jié)果增加新的訓(xùn)練樣本、或?qū)τ?xùn)練樣本進(jìn)行修正，進(jìn)而對回歸函數(shù)進(jìn)行修正。重復(fù)該迭代過程，可不斷提高預(yù)測和控制的準(zhǔn)確度和實(shí)時(shí)性，進(jìn)而在保證基本需求（如舒適度）的同時(shí)達(dá)到最佳的節(jié)能效果。

1 傳統(tǒng)中央空調(diào)節(jié)能控制方式存在的問題

傳統(tǒng)的中央空調(diào)節(jié)能控制方式主要以水泵和風(fēng)機(jī)的變頻技術(shù)為核心[6]，常見方式簡述如下。

1）安裝室內(nèi)外溫濕度傳感器。在冷凍水管、冷卻水管的供回水管上安裝溫度傳感器。對冷凍泵、冷卻泵電機(jī)安裝變頻器。

2）室內(nèi)冷負(fù)荷變化時(shí)，冷凍水管中的冷凍的供回水溫隨之發(fā)生變化：冷負(fù)荷升高時(shí)，冷凍水回水溫和供回水溫差升高，反之則降低。

3）控制系統(tǒng)根據(jù)冷凍水供回水溫差的變化調(diào)節(jié)冷凍水泵的頻率，從而保證冷凍水的供回水溫度在設(shè)定的范圍內(nèi)，即保證冷凍水合適的送冷能力：冷凍水供回溫差升高時(shí)，調(diào)高冷凍水泵的頻率，增大冷凍水的流量，反之則調(diào)低冷凍水泵頻率，減小冷凍水流量。

4）控制系統(tǒng)冷凍水供回溫差和流量的變化調(diào)節(jié)冷水機(jī)組供應(yīng)的冷量：冷凍水溫差升高，流量變大時(shí)，調(diào)高冷水機(jī)組供應(yīng)的冷量；反之則降低冷水機(jī)組供應(yīng)的冷量。

5）控制系統(tǒng)根據(jù)冷水機(jī)組的冷量變化和室外溫度的變化調(diào)節(jié)冷卻水泵的頻率，從而保證冷卻水的供回水溫差在設(shè)定的范圍內(nèi)，即保證一定的冷卻能力：冷量變低或（和）室外溫度或（和）室外濕度較低時(shí)，冷卻水供回水溫差降低，則調(diào)低冷卻水泵的頻率，降低冷凍水的流量。反之則升高冷卻水泵的頻率，升高冷凍水的流量。

與水泵和風(fēng)機(jī)電機(jī)定頻運(yùn)行、通過冷凍水供回旁通閥進(jìn)行冷凍水送冷量調(diào)節(jié)的控制方式相比，該種節(jié)能控制方式可根據(jù)實(shí)際冷負(fù)荷的變化調(diào)節(jié)水泵、風(fēng)機(jī)和制冷機(jī)的功率，從而有效的降低了能耗。同時(shí)，變頻技術(shù)的使用改善了系統(tǒng)啟動時(shí)對配電系統(tǒng)的沖擊，也緩解了負(fù)荷調(diào)節(jié)過程中室溫忽高忽低的問題，從而改善了舒適度。

由于以上優(yōu)點(diǎn)且實(shí)現(xiàn)相對簡單等原因，該控制方式等到了非常廣泛的應(yīng)用，已經(jīng)成為主流。但是，該控制方式依然存在著諸多問題。

1）中央空調(diào)系統(tǒng)運(yùn)行有著多變量、強(qiáng)非線性、強(qiáng)耦合性等特點(diǎn)，無法通過準(zhǔn)確的計(jì)算得出應(yīng)供應(yīng)的冷量，控制系統(tǒng)的具體控制邏輯嚴(yán)重依賴于設(shè)計(jì)人員的經(jīng)驗(yàn)。因此，控制系統(tǒng)的準(zhǔn)確度很難得到保證，也無法判斷出系統(tǒng)是否已達(dá)到最優(yōu)的節(jié)能效果。

2）中央空調(diào)有著大時(shí)滯性的特點(diǎn)，系統(tǒng)需要很長時(shí)間才能達(dá)到設(shè)定的冷量輸出，而控制系統(tǒng)主要是基于當(dāng)前時(shí)點(diǎn)的影響參數(shù)并根據(jù)經(jīng)驗(yàn)進(jìn)行調(diào)節(jié)。在達(dá)到設(shè)定的冷量輸出時(shí)，系統(tǒng)的影響參數(shù)很可能發(fā)生了較大的變化，從而實(shí)際需冷量也發(fā)生了變化，并不一定等于此時(shí)系統(tǒng)的供冷量。也就是說，控制系統(tǒng)不具備準(zhǔn)確的負(fù)荷預(yù)測，供冷量與實(shí)際需冷量的實(shí)時(shí)匹配能力。

2 基于支持向量機(jī)（SVM）的中央空調(diào)負(fù)荷預(yù)測及存在的問題

隨著大數(shù)據(jù)處理技術(shù)的發(fā)展，開始嘗試將SVM用于進(jìn)行中央空調(diào)的負(fù)荷預(yù)測。SVM是在統(tǒng)計(jì)學(xué)習(xí)理論上發(fā)展而來的一種預(yù)測模型，可根據(jù)已知的一些數(shù)據(jù)樣本（稱為訓(xùn)練樣本，每個樣本包括若干輸入特征和一個輸出結(jié)果，各輸入特征形成輸入向量），得出決策函數(shù)（或回歸函數(shù)）。預(yù)測時(shí)，將獲得的輸入向量代入決策函數(shù)（或回歸函數(shù)），即可求出預(yù)測結(jié)果[6]。SVM可用于分類和回歸預(yù)測中，具有自學(xué)習(xí)的特點(diǎn)。

中央空調(diào)的負(fù)荷預(yù)測屬于回歸問題。SVM的回歸函數(shù)基于對大量數(shù)據(jù)的統(tǒng)計(jì)分析得出，會根據(jù)大量樣本數(shù)據(jù)的變化進(jìn)行動態(tài)調(diào)整。使用SVM進(jìn)行建模會進(jìn)行復(fù)雜的矩陣計(jì)算，因而計(jì)算時(shí)間較長，占用的存儲空間較大。

使用SVM對中央空調(diào)進(jìn)行負(fù)荷預(yù)測的方法簡述如下[6]（實(shí)際過程是非常復(fù)雜的）。

1）確定對中央空調(diào)負(fù)荷（供冷量）有一定影響的n個影響參數(shù)作為輸入向量的特征元素，這些影響因素包括運(yùn)行時(shí)點(diǎn)、室外參數(shù)（如室外溫濕度、風(fēng)速、太陽輻射強(qiáng)度等）、室內(nèi)參數(shù)（如室內(nèi)溫濕度、人流量、發(fā)熱設(shè)備功率等）、中央空調(diào)系統(tǒng)自身狀態(tài)（如冷凍水和冷卻水的流量和供回溫度、制冷機(jī)的輸出功率、水泵頻率、水流量等）。其中數(shù)據(jù)可按0.5 h的間隔進(jìn)行采集，在一個供冷周期開始時(shí)，時(shí)點(diǎn)k=0。

2）取影響參數(shù)向量Xs(k)={xs,1(k),xs,2(k),…,xs,n(k)}為樣本的輸入向量，其中xs,1(k),xs,2(k),…,xs,n(k)依次對應(yīng)于上述k時(shí)點(diǎn)的n個影響因素，取ys(k+1)為向量X(k)對應(yīng)的樣本結(jié)果值（即時(shí)點(diǎn)k+1的供冷量）。其中，下標(biāo)s則代表樣本數(shù)據(jù)。

3）將以上述形式表示的時(shí)點(diǎn)k采集的數(shù)據(jù){Xs(k),ys(k+1)}做為訓(xùn)練樣本，并采集足夠多的訓(xùn)練樣本組成訓(xùn)練樣本組。

4）針對以上訓(xùn)練樣本組，使用SVM回歸機(jī)（SVR）建模，求出回歸函數(shù)y(k+1)=f(X(k))。

5）在中央空調(diào)運(yùn)行過程中，將時(shí)點(diǎn)k采集的輸入向量Xr(k)代入上述回歸函數(shù)中，即可預(yù)測出時(shí)點(diǎn)k+1時(shí)的供冷量yp(k+1)=f(Xr(k))。其中，下標(biāo)r代表求得回歸函數(shù)后的實(shí)際運(yùn)行數(shù)據(jù)，下標(biāo)p代表根據(jù)回歸函數(shù)求得的預(yù)測值。

根據(jù)已有的研究成果，SVM可根據(jù)現(xiàn)有的訓(xùn)練樣本求出回歸函數(shù)，根據(jù)該回歸函數(shù)對測試樣本數(shù)據(jù)進(jìn)行預(yù)測和對照，結(jié)果表明：預(yù)測值和對照值非常接近，因此SVM回歸函數(shù)可相當(dāng)準(zhǔn)確的進(jìn)行預(yù)測[6]。

可看出：使用SVM對中央空調(diào)系統(tǒng)進(jìn)行負(fù)荷預(yù)測時(shí)，不用考慮系統(tǒng)的強(qiáng)烈動態(tài)特點(diǎn)即可得出回歸模型，且可根據(jù)當(dāng)前時(shí)點(diǎn)的影響參數(shù)比較準(zhǔn)確的預(yù)測出下一個時(shí)點(diǎn)的供冷量。

但是，現(xiàn)有的SVM預(yù)測模型只能使用已知的運(yùn)行數(shù)據(jù)作為訓(xùn)練樣本建立，而目前的控制方式并未解決中央空調(diào)系統(tǒng)的時(shí)滯性問題。即對于時(shí)點(diǎn)k而言，用于預(yù)測的供冷量ys(k+1)只是實(shí)際中央空調(diào)系統(tǒng)在下一個時(shí)點(diǎn)k+1時(shí)的采集的實(shí)際供冷量，而非時(shí)點(diǎn)k+1時(shí)的實(shí)際需冷量。而某些SVM預(yù)測模型使用模擬軟件等計(jì)算出需冷量做為ys(k+1)，考慮到了供冷量和需冷量的偏差，但由于模擬軟件的局限性，也是不準(zhǔn)確的[6]。因此，由于做為預(yù)測用的訓(xùn)練樣本不準(zhǔn)確，現(xiàn)有的SVM預(yù)測方法無法做到準(zhǔn)確預(yù)測，因而并不實(shí)用。

3 基于SVM的中央空調(diào)節(jié)能控制方法

通過以上分析，本文提出了一種基于SVM的中央空調(diào)節(jié)能控制方法。具體流程描述如下（流程圖見圖1）：

1）建立樣本數(shù)據(jù){Xs(k),ys(k+1),yrs(k+1)},其中{Xs(k),ys(k+1)}為訓(xùn)練樣本；各時(shí)點(diǎn)的樣本數(shù)據(jù)形成樣本數(shù)據(jù)組和訓(xùn)練樣本組。下標(biāo)rs代表在樣本數(shù)據(jù)組中存儲的實(shí)際運(yùn)行值。SVM回歸模型可使用ε-SVR模型，核函數(shù)選用泛化能力和學(xué)習(xí)能力較強(qiáng)的高斯徑向基（RBF）核函數(shù)[6]。選擇適當(dāng)?shù)木圈?0、懲罰參數(shù)C>0、高斯徑向基核函數(shù)寬度系數(shù)σ、室內(nèi)干球溫度控制精度ΔtN、樣本替換最大允許距離偏差Δ|X|>0、結(jié)果值（即供冷量）最大允許偏差Δ|y|>0。注意：為突出本文重點(diǎn)，此處暫只考慮對室內(nèi)溫度tN進(jìn)行控制。

2）運(yùn)行控制系統(tǒng)，按常規(guī)（即SVM不介入時(shí)）的控制速度進(jìn)行控制，根據(jù)一定的時(shí)間間隔采集各時(shí)點(diǎn)相應(yīng)的輸入向量和結(jié)果值，運(yùn)行一段時(shí)間（如一個供冷周期）后獲得足夠多的各時(shí)點(diǎn)的數(shù)據(jù){Xr(k),yr(k+1)}，并使得{Xs(k)=Xr(k),ys(k+1)=yr(k+1),yrs(k+1)=yr(k+1)}，從而形成初始樣本數(shù)據(jù)組和初始訓(xùn)練樣本組。

3）SVM開始介入，根據(jù)訓(xùn)練樣本組求出回歸函數(shù)y(k+1)=f(X(k))。

4）在時(shí)點(diǎn)k時(shí)，采集實(shí)際的運(yùn)行影響參數(shù)向量Xr(k)，根據(jù)上述回歸函數(shù)預(yù)測yp(k+1)=f(Xr(k))。

5）找出 Xs(q)=arg m inΔX=arg min(||Xr(k)-Xs(q)||2)≤Δ|X|（即滿足ΔX≤Δ|X|的最小的Xs(q)），判斷是否存在這樣的Xrs(q)。

6）若存在這樣的Xrs(q)，時(shí)間段k～k+1的控制速度可參考{Xrs(q),ys(q+1),yrs(q+1),}進(jìn)行調(diào)整：計(jì)算結(jié)果值偏差Δy=yp(k+1)-yrs(q+1)，若 Δy>Δ|y|，說明按照原有控制調(diào)節(jié)速度在時(shí)點(diǎn)k+1時(shí)的供冷量將過小，需要加速調(diào)節(jié)。若Δy<-Δ|y|，則需要減速調(diào)節(jié)。其他情況說明原調(diào)節(jié)速度合適。若不存在這樣的Xrs(q)，則說明出現(xiàn)了新的影響情況，時(shí)間段k～k+1可仍保持原控制調(diào)節(jié)速度。

7）在時(shí)點(diǎn) k+1 時(shí)，判斷 |tN(k+1)-tN|≤ΔtN和 |yp(k+1)-yr(k+1)|≤Δ|y|是否同時(shí)成立。

8）上兩式同時(shí)成立，說明預(yù)測和控制調(diào)節(jié)均準(zhǔn)確，將{Xr(k),yr(k+1)}做為新的訓(xùn)練樣本加入訓(xùn)練樣本組，即將{Xs(k)=Xr(k),ys(k+1)=yr(k+1),yrs(k+1)=yr(k+1)}加入樣本數(shù)據(jù)組，轉(zhuǎn)入步驟（13）。

9）上兩式若不同時(shí)成立，說明預(yù)測和（或）控制調(diào)節(jié)不正確。估算冷量偏差Δy(k+1)，并使yc(k+1)=yr(k+1)+Δy(k+1)，其中下標(biāo)c代表修正值。

10）若存在步驟（5）中的Xs(q)，找出ys(k+1)=arg max|Δy|=arg max(|yr(k+1)-ys(q+1)|)（即使得 Δ|y|最大的ys(q+1)）。

11）若 |Δy|=|yr(k+1)-ys(q+1)|≥Δ|y|，說明該樣本最不準(zhǔn)確，需要修正，使用{Xs(k)=Xr(k),ys(k+1)|=yc(k+1)|,yrs(k+1)=yr(k+1)}替換{Xs(q),ys(q+1),yrs(q+1)}；否則將{Xs(k)=Xr(k),ys(k+1)=yc(k+1),yrs(k+1)=yr(k+1)}加入樣本數(shù)據(jù)組。轉(zhuǎn)入步驟（13）。

12）若不存在這樣的Xs(q)，說明出現(xiàn)了新的影響情況，將{Xs(k)=Xr(k),ys(k+1)=yc(k+1),yrs(k+1)=yr(k+1)}加入樣本數(shù)據(jù)組。

13）若到達(dá)供冷周期最后一個時(shí)點(diǎn)，則進(jìn)入下一個時(shí)點(diǎn)，并轉(zhuǎn)向下一步，否則轉(zhuǎn)向步驟（3）。

14）若本時(shí)點(diǎn)開始了新的供冷周期，則k=0，轉(zhuǎn)向步驟（3），否則本流程結(jié)束。

上述流程需要注意下述幾點(diǎn)：

1）ε-SVR模型的計(jì)算方法非常復(fù)雜，但比較成熟，具體可見文獻(xiàn)[6]等，本文不再具體介紹。

2）若影響向量X(k)和X(q)接近（即影響中央空調(diào)負(fù)荷的因素接近），則結(jié)果值（供冷量）y(k+1)和y(q+1)也應(yīng)該接近。影響向量的接近程度可用兩者的距離表示，可取向量(X(k)-X(q))的 2-范數(shù) ΔX=||X(k)-X(q)||2=(Σ(xl(k)-xl(q))2)1/2(l=0,1,2,…,n)，或根據(jù)不同影響參數(shù)對結(jié)果的不同重要性進(jìn)行加權(quán)，即 ΔX=(Σ(αl(xl(k)-xl(q))))2)1/2(l=0,1,2,…,n),αl為權(quán)值。ΔX越小意味著兩者越接近，則兩者的結(jié)果值也應(yīng)越接近，即偏差 Δy=y(k+1)-y(q+1)也越小。

3）冷量偏差Δy(k+1)的估算方法是能否盡快迭代到需要精確度的關(guān)鍵，也是預(yù)測的供冷量是否接近實(shí)際需冷量的關(guān)鍵。作為一種可考慮的簡單方法，可取Δy(k+1)=(tN(k+1)-tN)×V×cv，其中 V 為房間體積，cv為空氣的體積比熱。

圖1 基于SVM的中央空調(diào)節(jié)能控制流程示意圖

由圖可看出：以上基于SVM的中央空調(diào)控制方法不需要人為選擇訓(xùn)練樣本，而是使用控制系統(tǒng)在運(yùn)行過程中不斷采集并進(jìn)行適當(dāng)修正的運(yùn)行數(shù)據(jù)作為訓(xùn)練樣本，從而不斷的提高預(yù)測和控制精度。該方法有效的避免了目前采用的SVM預(yù)測方法不準(zhǔn)確的缺陷。也有效的避免了因中央空調(diào)系統(tǒng)各種強(qiáng)烈動態(tài)特性帶來的無法準(zhǔn)確建模，進(jìn)而無法精確和實(shí)時(shí)進(jìn)行冷量（溫度）控制的問題。也因此可使得系統(tǒng)的供冷量盡量接近實(shí)際需冷量，從而在保證舒適度的情況下最大程度的節(jié)約了能源。

為了解決SVM計(jì)算對計(jì)算速度和存儲空間要求比較高的問題，可將SVM的建模，訓(xùn)練和樣本和回歸函數(shù)修正等工作通過物聯(lián)網(wǎng)在云計(jì)算端進(jìn)行。同時(shí)，為了降低對物聯(lián)網(wǎng)數(shù)據(jù)通道的使用，也可在進(jìn)行一段時(shí)間后（如每天的夜間），將運(yùn)行采集的數(shù)據(jù)集中傳輸?shù)皆贫?，并在云端進(jìn)行調(diào)整計(jì)算新的回歸模型后將相關(guān)控制參數(shù)回傳到控制系統(tǒng)使用，而非每個時(shí)點(diǎn)都進(jìn)行調(diào)整。

4 結(jié)語

本文提出的基于SVM的中央空調(diào)節(jié)能控制方法，綜合考慮了傳統(tǒng)中央空調(diào)控制的簡單成熟和有節(jié)能效果的優(yōu)點(diǎn)，以及SVM負(fù)荷預(yù)測的不用考慮中央空調(diào)各種強(qiáng)烈動態(tài)特性即可進(jìn)行負(fù)荷預(yù)測，且只要訓(xùn)練數(shù)據(jù)準(zhǔn)確則預(yù)測結(jié)果就相當(dāng)準(zhǔn)確的優(yōu)點(diǎn)，從而克服了傳統(tǒng)的中央空調(diào)控制無法達(dá)到最大程度節(jié)能和現(xiàn)有SVM預(yù)測的方法中訓(xùn)練樣本不準(zhǔn)確的問題，滿足了預(yù)測和控制的精確度和實(shí)時(shí)性要求，因而值得進(jìn)一步研究。下一步需要對SVM對控制系調(diào)節(jié)速度的調(diào)整（加快、減慢、不變），預(yù)測的供冷量與實(shí)際需冷量偏差對樣本結(jié)果值的修正，空調(diào)設(shè)備的最小能耗預(yù)測和控制等方法進(jìn)行重點(diǎn)研究。

[1] 張杰.中央空調(diào)水系統(tǒng)節(jié)能控制研究[D].合肥:中國科學(xué)技術(shù)大學(xué),2011

[2] 溫志英,黃冠明,畢南楠.變頻技術(shù)在中央空調(diào)節(jié)能控制中的應(yīng)用[J].自動化技術(shù)與應(yīng)用,2005,26(2):80-83

[3] 鄧乃揚(yáng),田英杰.支持向量機(jī):理論、算法與拓展[M].北京:科學(xué)出版社,2009

[4] 唐莉,唐中華,靳俊杰.最小二乘法支持向量機(jī)(LS-SVM)在短期空調(diào)負(fù)荷預(yù)測中的應(yīng)用[J].建筑節(jié)能,2013,41(2):56-58

[5] 李瓊,孟慶林,吉野博.基于支持向量機(jī)的建筑物空調(diào)負(fù)荷預(yù)測模型[J].暖通空調(diào),2008,38(1):14-17

[6] 王東,史曉霞,尹交英.不同核函數(shù)的支持向量機(jī)用于空調(diào)負(fù)荷預(yù)測的對比研究[J].電工技術(shù)學(xué)報(bào),2015,30(S1):531-535