歐陽思鈺 雷 波

（西南交通大學(xué)機(jī)械工程學(xué)院 成都 610031）

0 引言

川藏鐵路客運(yùn)站由于其所在地區(qū)的特殊氣候條件，空調(diào)系統(tǒng)只需冬季供暖，目前工程設(shè)計(jì)主要采用低溫地板輻射供暖+全空氣系統(tǒng)輔助供暖的復(fù)合式空調(diào)方式。由于在鐵路客運(yùn)站的總能耗中，空調(diào)/供暖能耗占到了60%～80%，因此空調(diào)系統(tǒng)節(jié)能研究很有必要，其中運(yùn)行節(jié)能是一項(xiàng)重要的節(jié)能措施。

有關(guān)地板輻射供暖技術(shù)已有很多的研究，例如，Chen Zhang、H Yoshino、O Bozkir 等人[1-3]指出地板輻射供暖的垂直空氣溫度差較低，溫度分布好，相比于對流采暖方式其在熱舒適性方面有著明顯優(yōu)勢；T Y Chen[4]針對地板輻射供暖系統(tǒng)熱滯后性大的問題，研究了自適應(yīng)預(yù)測控制。而在復(fù)合式系統(tǒng)方面，喻李葵[5]研究了鐵路客運(yùn)站候車廳的冬季供暖系統(tǒng)，指出復(fù)合式地板輻射供暖系統(tǒng)對比分層空調(diào)能得到更為均勻的溫度場分布，并且供暖能耗可降低20%左右；王康[6]研究了火車站候車大廳夏季與冬季的地板輻射復(fù)合式系統(tǒng)，其中全空氣系統(tǒng)在冬季只承擔(dān)濕負(fù)荷；王勝男[7]針對復(fù)合式地板輻射系統(tǒng)的全年工況，研究了遺傳算法優(yōu)化下的BP 神經(jīng)網(wǎng)絡(luò)控制。目前，很少有針對復(fù)合式地板輻射系統(tǒng)供暖工況控制方法的研究。

在目前大多數(shù)鐵路客運(yùn)站的空調(diào)系統(tǒng)實(shí)際運(yùn)行中，基本上采用傳統(tǒng)的反饋控制，智能化程度不高。而在已有的研究中，神經(jīng)網(wǎng)絡(luò)預(yù)測控制過于依賴數(shù)據(jù)的準(zhǔn)確性與數(shù)量，自適應(yīng)預(yù)測控制需要建立準(zhǔn)確的模型，因此要應(yīng)用到鐵路客運(yùn)站這種大空間建筑中較為困難。本文以川藏線某鐵路客運(yùn)站為對象，研究確定復(fù)合式地板輻射供暖系統(tǒng)的控制策略，提出神經(jīng)網(wǎng)絡(luò)結(jié)合模糊控制（神經(jīng)·模糊控制）的預(yù)測控制算法，對系統(tǒng)運(yùn)行效果進(jìn)行仿真分析，并與PID 控制的效果進(jìn)行對比。

1 車站建筑與空調(diào)系統(tǒng)

該建筑為川藏線上某座鐵路客運(yùn)站，共兩層，總面積為14970m2。為了方便分析，取車站的首層作為研究對象，其他區(qū)域的模擬情況與該層相似。首層的建筑尺寸為73m×45.3m×8.2m，地板輻射的面積為72.6m×45.3m，北面與南面的窗墻比均為0.475。噴口的設(shè)置高度為5m。將此高大建筑2m 以下區(qū)域劃分為空調(diào)區(qū)，2m 以上區(qū)域劃分為非空調(diào)區(qū)。

空調(diào)系統(tǒng)采用復(fù)合式地板輻射供暖系統(tǒng)，即低溫地板輻射供暖+全空氣系統(tǒng)輔助供暖。機(jī)組采用低溫型CO2空氣源熱泵熱水機(jī)組，地板輻射設(shè)計(jì)供水溫度為50℃，設(shè)計(jì)回水溫度為40℃，其中地板盤管采用DN15 的聚乙烯管材，管間距為200mm，鋪設(shè)方式為回折型。全空氣系統(tǒng)采用噴口定風(fēng)量送風(fēng)，新風(fēng)與回風(fēng)混合后，由空氣處理機(jī)組處理至30℃，送入室內(nèi)。

輻射地板與人體之間的主要傳熱方式是輻射傳熱，對室內(nèi)熱環(huán)境的要求都是以作用溫度為指標(biāo)[8]，本文將以空調(diào)區(qū)的作用溫度作為控制指標(biāo)，作用溫度設(shè)定為18℃。

2 控制策略與控制算法

2.1 控制策略

在部分負(fù)荷時(shí)，供熱量可以由地板輻射或者全空氣系統(tǒng)提供，因此在確定控制方法時(shí)，首先需要分析確定兩種供暖方式的優(yōu)先控制策略。

本文通過EnergyPlus 中的Energy Management System（EMS）模塊對不同控制策略進(jìn)行仿真。

為了確定復(fù)合式地板輻射供暖系統(tǒng)在連續(xù)運(yùn)行工況下的最佳控制策略，選取三種特定的工況進(jìn)行分析。工況1：噴口優(yōu)先供暖，指的是首先開啟噴口進(jìn)行供暖，當(dāng)噴口系統(tǒng)供熱量達(dá)到最大時(shí)，再開啟地板輻射進(jìn)行供暖；工況2：輻射地板供暖能力50%優(yōu)先+噴口，指的是首先開啟地板輻射進(jìn)行供暖，當(dāng)?shù)匕遢椛涞墓崃窟_(dá)到最大供熱量的50%時(shí)，同時(shí)開啟噴口系統(tǒng)進(jìn)行供暖；工況3：地板輻射供暖能力100%優(yōu)先+噴口，指的是首先開啟地板輻射進(jìn)行供暖，當(dāng)其供暖能力達(dá)到最大時(shí)，同時(shí)開啟噴口系統(tǒng)。

表1 三種優(yōu)先工況Table 1 Three preferred conditions

通過模擬計(jì)算，得出了供暖季中三個(gè)完整月份12月、1月、2月，在三種工況下噴口與地板輻射的總供熱量以及地板輻射的供熱比例，如表2 所示。

表2 供熱量分析Table 2 Analysis of heating load

由表2 可知，工況3 的供熱量最少，為1779.48GJ；工況1、2 的供熱量相差不大，分別為1897.45GJ、1886.64GJ，工況3 與工況1 相比，供熱量降低了6.22%。工況1、2、3 的地板輻射供熱量分別占總供熱量的比例為69.31%、70.14%、79.41%。

通過以上結(jié)果分析可知，當(dāng)?shù)匕遢椛涞墓岜壤^高時(shí)，在相同的空調(diào)區(qū)供暖要求的條件下，復(fù)合式地板輻射供暖系統(tǒng)的總供熱量較低。這是因?yàn)閲娍谒惋L(fēng)時(shí)，存在熱空氣上浮的現(xiàn)象，空調(diào)送風(fēng)未能充分發(fā)展到人員活動(dòng)區(qū)就已上浮到上部非空調(diào)區(qū)，造成了熱量的浪費(fèi)。而地板輻射供暖則是從地面處交換熱量，其送出的熱量會(huì)從低到高覆蓋人員活動(dòng)區(qū)，避免了噴口送風(fēng)形式而造成的熱量浪費(fèi)。因此，地板輻射供熱比例越高，熱量浪費(fèi)也就越少，所需的總供熱量就越低。

因此，在連續(xù)運(yùn)行工況下采用輻射地板供暖能力100%優(yōu)先的控制策略，可以最大程度地提高地板輻射供暖的比例，使復(fù)合式地板輻射供暖系統(tǒng)更加節(jié)能。

2.2 控制算法

使用Matlab 平臺建立神經(jīng)·模糊控制算法模型。神經(jīng)·模糊控制系統(tǒng)的基本結(jié)構(gòu)如圖1 所示。該控制模型為三輸入單輸出，輸入的變量為室外干球溫度、太陽輻射強(qiáng)度[9]、上一時(shí)刻地板輻射系統(tǒng)供水流量；輸出變量為此時(shí)地板輻射系統(tǒng)供水流量。每個(gè)輸入與輸出分別劃分為5 個(gè)模糊區(qū)間（即每個(gè)參數(shù)有5 個(gè)語言變量），通過EnergyPlus 建立仿真模型來獲得數(shù)據(jù)。

圖1 神經(jīng)·模糊控制的基本結(jié)構(gòu)圖Fig.1 The basic structure diagram of Neural fuzzy control

其中第一層為輸入層；第二層的每個(gè)節(jié)點(diǎn)代表一個(gè)輸入?yún)?shù)的語言變量值；第三層的每個(gè)節(jié)點(diǎn)代表一條模糊規(guī)則，它的作用是用來匹配模糊規(guī)則的前件；第四層的每個(gè)節(jié)點(diǎn)代表一個(gè)輸出參數(shù)的語言變量值；第五層為輸出層。各層的輸入函數(shù)f、輸出函數(shù)a以及權(quán)值如表3 所示[10]。其中mij、ijσ為輸入輸出的隸屬函數(shù)的中心與寬度，可由模糊C均值聚類算法得到；下標(biāo)i表示不同的節(jié)點(diǎn)，j表示不同的變量；表示不同網(wǎng)絡(luò)層的節(jié)點(diǎn)輸入。

輸入?yún)?shù)根據(jù)表3 中的輸入輸出函數(shù)，逐層地向前傳遞，到達(dá)第三層后，按照式（1）對網(wǎng)絡(luò)權(quán)值進(jìn)行監(jiān)督學(xué)習(xí)，競爭得出模糊規(guī)則的結(jié)論。

表3 網(wǎng)絡(luò)各層輸入、輸出函數(shù)以及權(quán)值的形式Table 3 The form of input,output functions and weights of each layer of network

向前傳遞一遍后，得到首次的輸出，然后依據(jù)誤差評價(jià)函數(shù)式（2），計(jì)算誤差E。若誤差E不滿足要求，則使用誤差反傳算法（BP 算法）對隸屬函數(shù)進(jìn)行優(yōu)化調(diào)整。以此循環(huán)，直至達(dá)到設(shè)定的誤差E。

通過使用EnergyPlus 建立的復(fù)合式地板輻射供暖系統(tǒng)模型，得到所需的輸入、輸出數(shù)據(jù)，選取其中448 組典型數(shù)據(jù)作為訓(xùn)練集。對訓(xùn)練數(shù)據(jù)進(jìn)行歸一化處理，并調(diào)整BP 算法的學(xué)習(xí)速率，避免學(xué)習(xí)速率過大造成學(xué)習(xí)結(jié)果發(fā)散或?qū)W習(xí)速率過小造成學(xué)習(xí)程度低。選擇12月1日的數(shù)據(jù)作為驗(yàn)證集，比較EnergyPlus 模擬得到的理想流量與神經(jīng)·模糊控制的預(yù)測流量，如圖2 所示。

圖2 地板輻射流量對比圖（kg/s）Fig.2 The contrast of radiant floor flow rate(kg/s)

可見，神經(jīng)·模糊控制系統(tǒng)的預(yù)測流量變化較為平緩，其趨勢與理想流量大致相同，且差值不大，故可用其進(jìn)行系統(tǒng)流量控制，并觀察流量變化變得平緩之后的控制效果。

3 控制系統(tǒng)的仿真

3.1 仿真模型

使用Trnsys 與Matlab 建立復(fù)合式地板輻射供暖系統(tǒng)的神經(jīng)·模糊控制仿真模型，利用Trnsys 內(nèi)部的Type155 模塊將兩者連接起來，仿真模型如圖3 所示。

圖3 神經(jīng)·模糊控制仿真系統(tǒng)圖Fig.3 Neural fuzzy control simulation system

PID 仿真模型則使用Trnsys 自帶的PID 控制模塊來進(jìn)行運(yùn)行控制。兩種方式仿真的時(shí)間步長均選擇為15min，控制室內(nèi)作用溫度為18℃±1℃。

3.2 仿真結(jié)果分析

從室內(nèi)的作用溫度控制情況、能耗以及運(yùn)行過程對兩種控制方式的仿真結(jié)果進(jìn)行分析。

3.2.1 室內(nèi)的作用溫度情況分析

神經(jīng)·模糊控制方式與PID 控制方式1月1日至3月15日的仿真結(jié)果如圖4、圖5 所示。

圖4 神經(jīng)·模糊控制下室內(nèi)作用溫度變化情況（℃）Fig.4 The indoor operative temperature variation of neural fuzzy control(℃)

圖5 PID 控制下室內(nèi)作用溫度變化情況（℃）Fig.5 The indoor operative temperature variation of PID control(℃)

由圖4、圖5 可知，兩種控制方式的控制效果基本滿足室內(nèi)的控制要求。其中在神經(jīng)·模糊控制方式下，室內(nèi)作用溫度在區(qū)間[17,19]內(nèi)的時(shí)間步占到了總時(shí)間步的87.0%；PID 控制方式中，室內(nèi)作用溫度在區(qū)間[17,19]內(nèi)的時(shí)間步占總時(shí)間步的90.4%，兩種控制方式在大多數(shù)情況下都能使室內(nèi)的作用溫度維持在要求范圍內(nèi)。

3.2.2 能耗分析

表4 統(tǒng)計(jì)了整個(gè)供暖季中兩種控制方式的能耗，以及地板輻射與噴口系統(tǒng)的供熱量。

表4 兩種控制方式供熱量與能耗對比Table 4 The comparison of heating supplied and energy consumption of two control modes

由表4 分析可知，神經(jīng)·模糊控制方式相比于PID 控制，系統(tǒng)能耗減少了17.9%。

3.2.3 運(yùn)行過程分析

在系統(tǒng)的運(yùn)行過程中，流量變化情況是評價(jià)復(fù)合式地板輻射供暖系統(tǒng)的重要指標(biāo)。流量變化不平穩(wěn)，將不利于機(jī)組的長期運(yùn)行。選擇某日數(shù)據(jù)分析兩種控制方式的流量變化情況，如圖6、圖7 所示。

圖6 PID 控制下的地板輻射流量變化圖（kg/h）Fig.6 The flow rate variation of radiant floor of PID control(kg/h)

圖7 神經(jīng)·模糊控制下的地板輻射流量變化圖（kg/h）Fig.7 The flow rate variation of radiant floor of neural fuzzy control(kg/h)

由圖6 可以看到，PID 控制的流量變化并不平穩(wěn)，在仿真步進(jìn)行到75 步之后可以明顯看到，流量先是達(dá)到最大，接著下一步流量為0，然后流量又達(dá)到最大。圖7 中，神經(jīng)·模糊控制下的流量變化則較為平穩(wěn)，不會(huì)突然從最大流量縮小為0，而是會(huì)有一到兩個(gè)時(shí)間步來逐步減小流量。

3.2.4 仿真結(jié)果分析總結(jié)

兩種控制方式對室內(nèi)作用溫度的控制效果都能滿足要求。然而在PID 控制中，室內(nèi)作用溫度的波動(dòng)情況呈明顯的波浪形，結(jié)合圖6 可知，這種溫度的波動(dòng)是由于PID 控制的流量變化不穩(wěn)定引起的，而這種不穩(wěn)定則是由于PID 控制屬于反饋控制，存在滯后性造成的。神經(jīng)·模糊控制屬于預(yù)測控制，其能夠解決地板輻射熱滯后性大的問題，對于復(fù)合式地板輻射供暖系統(tǒng)這種非線性系統(tǒng)，其控制過程中的流量變化更為平穩(wěn)，耗能更低。

4 結(jié)論

本文針對復(fù)合式地板輻射供暖系統(tǒng)控制的運(yùn)行控制，提出了控制策略與控制算法，通過對川藏線某鐵路客運(yùn)站供暖系統(tǒng)的仿真分析，得出以下結(jié)論：

（1）對于地板輻射與全空氣供暖相結(jié)合的復(fù)合式空調(diào)系統(tǒng)，最節(jié)能的控制策略是地板輻射100%優(yōu)先供暖；

（2）本文提出的神經(jīng)·模糊控制算法配合100%地板輻射供暖優(yōu)先控制策略的控制方法，相比于PID 控制方法，在滿足室內(nèi)溫度要求的情況下，系統(tǒng)的流量變化更平穩(wěn)，并且能耗降低了17.9%。