羅昊敏，劉 偉，張潔雄，張 杰

(河北工程大學(xué)能源與環(huán)境工程學(xué)院，河北 邯鄲 056038)

1 引言

社會(huì)的不斷進(jìn)步和發(fā)展，會(huì)消耗大量的能源，因此，能源問(wèn)題引起了相關(guān)人士的廣泛關(guān)注[1]。另外一方面，我國(guó)經(jīng)濟(jì)建設(shè)得到快速發(fā)展，人們對(duì)生活質(zhì)量提出了更高的要求?？照{(diào)作為一種智能制熱制冷設(shè)備被廣泛應(yīng)用于人們的生活中?？照{(diào)在提升人類生活質(zhì)量的同時(shí)也會(huì)消耗大量的能源。目前在我國(guó)城市的中央空調(diào)系統(tǒng)中，主要通過(guò)冷負(fù)荷實(shí)現(xiàn)冷水機(jī)組的選取。在實(shí)際運(yùn)行的過(guò)程中，由于室外環(huán)境以及空調(diào)末端用途的不斷變化，冷水機(jī)組有一半以上的時(shí)間都處于負(fù)荷狀態(tài)，真實(shí)運(yùn)行能效明顯偏低。相關(guān)專家們希望可以通過(guò)較低的能耗完成空調(diào)制冷，確保用戶的舒適度達(dá)到最佳。為此，獲取了一些有關(guān)于空調(diào)冷水溫度優(yōu)化控制方面的研究。例如張帆等人[2]優(yōu)先對(duì)PID控制器進(jìn)行優(yōu)化處理，通過(guò)蟻群算法進(jìn)行優(yōu)化增強(qiáng)全局搜索能力。同時(shí)利用高斯變異對(duì)信息素進(jìn)行調(diào)整，設(shè)定偏差平方和為目標(biāo)函數(shù)，建立空調(diào)冷凍水系統(tǒng)模型，借助模型完成優(yōu)化控制。葉立等人[3]在聯(lián)合仿真的基礎(chǔ)上，構(gòu)建空調(diào)閉環(huán)控制系統(tǒng)，加入粒子群優(yōu)化算法對(duì)控制器參數(shù)進(jìn)行優(yōu)化，同時(shí)針對(duì)風(fēng)機(jī)轉(zhuǎn)速和壓縮機(jī)開(kāi)度進(jìn)行調(diào)控，確保溫度達(dá)到最佳。在上述已有方法的基礎(chǔ)上，提出一種超低能耗建筑暖通空調(diào)冷水溫度優(yōu)化控制方法，仿真結(jié)果表明，所提方法能夠有效降低冷水溫度調(diào)節(jié)時(shí)間和水泵運(yùn)行能耗，獲取更加理想的優(yōu)化控制結(jié)果。

2 暖通空調(diào)冷水溫度優(yōu)化控制方法

2.1 建筑暖通空調(diào)水系統(tǒng)運(yùn)行工況辨識(shí)

神經(jīng)網(wǎng)絡(luò)是由多種不同處理單元組成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)[4，5]，能夠準(zhǔn)確描述人腦的各項(xiàng)結(jié)構(gòu)和主要特征。其中神經(jīng)網(wǎng)絡(luò)中各個(gè)神經(jīng)元的輸入以及輸出關(guān)系能夠表示為

(1)

式中，θ代表閾值；xi代表神經(jīng)元的輸入；ωi代表神經(jīng)元之間的連接強(qiáng)度；f(·)代表激活函數(shù)。

ANN模型是由人工神經(jīng)元通過(guò)任意模式連接組成的[6，7]。其中，模型是由三個(gè)不同的因素決定的。ANN模型的具體操作步驟如下所示：

1)設(shè)定初始權(quán)系數(shù)w、v和連接強(qiáng)度閾值θj。

2)隨機(jī)選取一種模式{Ak，Yk}提供給對(duì)應(yīng)的網(wǎng)絡(luò)。

3)計(jì)算隱含層和輸出層兩者之間的輸出值能夠表示為

(2)

(3)

式中，bf和Ct分別代表隱含層和輸出層對(duì)應(yīng)的輸出值；ωij代表神經(jīng)元i和j間的連接強(qiáng)度；υij代表神經(jīng)元i和j之間的權(quán)值系數(shù)；ai和bj代表學(xué)習(xí)率；θj代表神經(jīng)元的連接強(qiáng)度閾值；γi代表神經(jīng)元i的閾值。

(4)

5)對(duì)輸出層和隱含層的權(quán)系數(shù)和閾值進(jìn)行調(diào)整。

6)將任意一種學(xué)習(xí)模式直接傳輸至網(wǎng)絡(luò)中，跳轉(zhuǎn)至步驟3)重復(fù)上述操作過(guò)程，直至誤差函數(shù)小于設(shè)定的誤差函數(shù)最小值。

7)停止學(xué)習(xí)。

遺傳算法(GA)是一種隨機(jī)搜索算法[8，9]。標(biāo)準(zhǔn)GA的優(yōu)化流程如圖1所示。

圖1 基本遺傳算法的操作流程圖

神經(jīng)網(wǎng)絡(luò)的整體結(jié)構(gòu)設(shè)計(jì)和對(duì)應(yīng)權(quán)值訓(xùn)練是目前比較重要的問(wèn)題，目前已有方法主要通過(guò)相關(guān)的先驗(yàn)知識(shí)或者啟發(fā)等完成網(wǎng)絡(luò)設(shè)計(jì)，但是整體性能并不是十分理想。為了更好實(shí)現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)和權(quán)值訓(xùn)練，主要采用遺傳算法對(duì)結(jié)構(gòu)進(jìn)行優(yōu)化，得到全新的訓(xùn)練途徑，即基于GA的神經(jīng)網(wǎng)絡(luò)。以下給出GA學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)的詳細(xì)步驟：

1)將種群進(jìn)行初始化處理，設(shè)定不同參數(shù)的取值范圍。另外，在實(shí)際編碼的過(guò)程中，主要通過(guò)實(shí)數(shù)進(jìn)行編碼。

2)分別計(jì)算不同個(gè)體的適應(yīng)度，同時(shí)將其進(jìn)行排序，通過(guò)式(5)選取不同的網(wǎng)絡(luò)個(gè)體

(5)

式中，ps代表不同個(gè)體的概率值；N代表個(gè)體的總數(shù)；fi代表個(gè)體的適應(yīng)度取值，能夠通過(guò)誤差平方和E來(lái)衡量，具體的計(jì)算式為

(6)

式中，Ei代表個(gè)體的誤差平方和；Y代表學(xué)習(xí)樣本數(shù)量。

3)通過(guò)概率pc對(duì)不同個(gè)體進(jìn)行交叉操作，形成全新的個(gè)體，剩余沒(méi)有進(jìn)行交叉操作的個(gè)體直接進(jìn)行復(fù)制。

4)通過(guò)概率pm突變形成全新的個(gè)體。

5)將獲取的全新個(gè)體直接放置到種群P中，計(jì)算對(duì)應(yīng)的評(píng)價(jià)函數(shù)。

6)計(jì)算ANN的誤差平方和，假設(shè)達(dá)到設(shè)定值，則跳轉(zhuǎn)至步驟7)；反之，則跳轉(zhuǎn)至步驟3)，繼續(xù)進(jìn)行遺傳操作。

7)將GA的初始優(yōu)化值設(shè)定為權(quán)值，借助BP神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行訓(xùn)練，直至滿足系統(tǒng)設(shè)定的精度條件。

超低能耗建筑暖通空調(diào)系統(tǒng)的年運(yùn)行能耗總量和冷水機(jī)組兩者之間存在十分密切的聯(lián)系。由于暖通空調(diào)系統(tǒng)對(duì)應(yīng)的冷負(fù)荷會(huì)受氣象參數(shù)和室外環(huán)境等多方面因素的影響。其中冷水機(jī)組在運(yùn)行過(guò)程中，一部分時(shí)間為負(fù)荷狀態(tài)。因此，冷水機(jī)組的負(fù)荷是導(dǎo)致運(yùn)行能耗增加的主要因素。

當(dāng)空調(diào)系統(tǒng)處于負(fù)荷狀態(tài)時(shí)，根據(jù)調(diào)節(jié)相關(guān)的運(yùn)行參數(shù)，促使空調(diào)水系統(tǒng)的運(yùn)行效率一直處于最優(yōu)狀態(tài)。對(duì)制冷系統(tǒng)的運(yùn)行效率產(chǎn)生影響的因素主要包含冷卻水溫以及冷水水流量等多個(gè)不同的方面。

為了獲取系統(tǒng)模型，優(yōu)先采集大量的暖通空調(diào)冷水機(jī)組運(yùn)行數(shù)據(jù)，通過(guò)人工神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練。當(dāng)數(shù)據(jù)總數(shù)沒(méi)有滿足要求時(shí)，會(huì)導(dǎo)致算法無(wú)法實(shí)現(xiàn)收斂。一般情況下，網(wǎng)絡(luò)的內(nèi)在規(guī)律主要是通過(guò)訓(xùn)練結(jié)果的準(zhǔn)確性進(jìn)行描述的，準(zhǔn)確性越高，獲取的內(nèi)在規(guī)律越詳細(xì)。

為了促使空調(diào)水系統(tǒng)在運(yùn)行過(guò)程中能耗達(dá)到最佳，不僅需要考慮機(jī)組效率，同時(shí)還需要考慮水泵的效率。用戶在使用暖通空調(diào)系統(tǒng)進(jìn)行制冷的過(guò)程中，不僅關(guān)注能耗的多少，更加關(guān)注運(yùn)行費(fèi)用。

對(duì)比兩種不同矛盾結(jié)果對(duì)空調(diào)水系統(tǒng)的影響，設(shè)定冷水機(jī)組的綜合能耗COPS為

(7)

式中，W1和W2分別代表電機(jī)和泵的輸入功率；Q代表數(shù)據(jù)組的預(yù)測(cè)值。

在上述分析的基礎(chǔ)上，對(duì)建立的建筑暖通空調(diào)水系統(tǒng)的運(yùn)行工況進(jìn)行辨識(shí)，實(shí)時(shí)掌握空調(diào)水系統(tǒng)的運(yùn)行狀態(tài)。

2.2 超低能耗建筑暖通空調(diào)冷水溫度優(yōu)化控制

為了調(diào)節(jié)出舒適的房間溫度，需要對(duì)建筑暖通空調(diào)冷水溫度進(jìn)行優(yōu)化控制。房間溫度優(yōu)先需要考慮人體的熱舒適度，除了和室內(nèi)外空氣溫度存在關(guān)聯(lián)外，同時(shí)還和空氣濕度以及空氣流動(dòng)速度存在密切關(guān)聯(lián)。PMV指標(biāo)表示相同室內(nèi)環(huán)境下大部分人的熱舒適度，同時(shí)全面考慮了不同因素對(duì)熱舒適度產(chǎn)生的影響。由于不同人體之間本身存在差異性，其中部分用戶對(duì)熱環(huán)境的滿意度偏低，即利用PPD表示用戶對(duì)熱環(huán)境不滿意的百分比。

由于PMV指標(biāo)更加重視用戶對(duì)熱舒適度的滿意度，所以房間溫度的設(shè)定更需要考慮PMV指標(biāo)，同時(shí)借助剩余的影響因素和PMV指標(biāo)對(duì)房間溫度進(jìn)行設(shè)定。由于兩者之間存在比較復(fù)雜的線性關(guān)系，需要對(duì)房間內(nèi)的相對(duì)濕度以及空氣流動(dòng)速度等相關(guān)參數(shù)進(jìn)行測(cè)量，以此為依據(jù)進(jìn)行迭代計(jì)算，獲取房間最佳溫度。房間溫度設(shè)定模型通過(guò)三層人工神經(jīng)網(wǎng)絡(luò)進(jìn)行構(gòu)建，設(shè)定輸入節(jié)點(diǎn)數(shù)量為6個(gè)，其中對(duì)應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

圖2 房間溫度設(shè)定值神經(jīng)網(wǎng)絡(luò)

完成對(duì)房間溫度的合理設(shè)定后，組建建筑暖通空調(diào)冷水溫度優(yōu)化控制器，采用RBF神經(jīng)網(wǎng)絡(luò)在線對(duì)設(shè)計(jì)的控制器參數(shù)進(jìn)行優(yōu)化[10，11]，獲取房間預(yù)測(cè)溫度輸出，同時(shí)還能夠降低暖通空調(diào)系統(tǒng)的能量消耗。

由于暖通空調(diào)具有時(shí)滯性，現(xiàn)階段已有的控制信號(hào)需要等待比較長(zhǎng)的時(shí)間才能夠通過(guò)系統(tǒng)輸出最終的結(jié)果。其中，廣義預(yù)測(cè)控制可以通過(guò)現(xiàn)有時(shí)刻的控制變量確保在設(shè)定時(shí)間段內(nèi)的輸出和期望輸出保持一致。由于暖通空間的運(yùn)行狀態(tài)是不斷變化的，同時(shí)在運(yùn)行過(guò)程中還會(huì)受到各種外界因素的干擾，以下主要借助人工網(wǎng)絡(luò)的強(qiáng)學(xué)習(xí)降低影響。

暖通空調(diào)冷水溫度預(yù)測(cè)控制需要借助系統(tǒng)模型對(duì)冷水機(jī)組的運(yùn)行狀態(tài)進(jìn)行辨識(shí)，進(jìn)而獲取對(duì)應(yīng)的輸入信息，同時(shí)對(duì)設(shè)定的目標(biāo)函數(shù)進(jìn)行優(yōu)化，獲取冷水溫度的變化規(guī)律。

由于在線優(yōu)化會(huì)導(dǎo)致計(jì)算量增加，為了更好解決上述問(wèn)題，通過(guò)RBF模糊神經(jīng)網(wǎng)絡(luò)對(duì)冷水溫度預(yù)測(cè)進(jìn)行在線優(yōu)化。其中，模糊神經(jīng)網(wǎng)絡(luò)的輸出即為超低能耗建筑暖通空調(diào)冷水調(diào)節(jié)電壓u(k+N)，可以通過(guò)式(8)進(jìn)行計(jì)算

(8)

式中，SjN代表空調(diào)系統(tǒng)的預(yù)測(cè)輸出；zi代表測(cè)試房間未來(lái)預(yù)測(cè)溫度輸出；cij代表房間的溫度差值變化；ρi代表空調(diào)調(diào)節(jié)閥電壓取值。

設(shè)定控制目標(biāo)函數(shù)J為

(9)

式中，y(k+i)代表測(cè)試房間的期望溫度；λ(k+i)代表測(cè)試房間的實(shí)際溫度；yr(k+i)代表房間最高溫度和最低溫度的差值。

采用優(yōu)化方法對(duì)性能進(jìn)行優(yōu)化，獲取未來(lái)控制時(shí)長(zhǎng)內(nèi)暖通空調(diào)系統(tǒng)中冷凍水泵的調(diào)節(jié)電壓。為了降低超低能耗建筑暖通空調(diào)冷水溫度優(yōu)化控制過(guò)程的繁瑣性，借助梯度下降方法對(duì)目標(biāo)進(jìn)行優(yōu)化，確保暖通空調(diào)內(nèi)各項(xiàng)指標(biāo)的性能達(dá)到最佳狀態(tài)，同時(shí)也能夠更好地完成RBF模糊神經(jīng)網(wǎng)絡(luò)參數(shù)的調(diào)節(jié)和控制[12]。

其中，RBF模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行控制參數(shù)調(diào)節(jié)和修正的過(guò)程如以下公式所示

(10)

式中，aj，N(k)、cj，N(k)和ρj，N(k)代表未進(jìn)行調(diào)整和修正前的控制參數(shù)；aj，N(k+1)、cj，N(k+1)和ρj，N(k+1)代表經(jīng)過(guò)調(diào)整和修正后的控制參數(shù)。

結(jié)合上述分析，使用預(yù)測(cè)信息和設(shè)定的目標(biāo)函數(shù)進(jìn)行在線校正，得到暖通空調(diào)冷水最佳溫度，最終實(shí)現(xiàn)超低能耗建筑暖通空調(diào)冷水溫度優(yōu)化控制。

3 仿真研究

為了驗(yàn)證所提超低能耗建筑暖通空調(diào)冷水溫度優(yōu)化控制方法的有效性，將建筑暖通空調(diào)系統(tǒng)作為研究對(duì)象，利用圖3給出系統(tǒng)的具體組成結(jié)構(gòu)。

圖3 建筑暖通空調(diào)結(jié)構(gòu)圖

1)暖通空調(diào)冷水溫度優(yōu)化控制效果分析：

在夏季運(yùn)行工況下采集300組測(cè)試數(shù)據(jù)，其中包含各個(gè)時(shí)刻的冷水溫度。分別對(duì)比所提方法、文獻(xiàn)[2]方法和文獻(xiàn)[3]方法優(yōu)化后的暖通空調(diào)冷水溫度優(yōu)化控制效果，如圖4所示。

圖4 暖通空調(diào)冷水溫度優(yōu)化控制效果對(duì)比分析

分析圖4中的實(shí)驗(yàn)數(shù)據(jù)可知，所提方法經(jīng)過(guò)優(yōu)化控制后冷水溫度和最佳冷水溫度更加接近，而另外兩種方法則處于忽高忽低的狀態(tài)，由此可見(jiàn)所提方法的優(yōu)化控制結(jié)果更好。

2)冷水溫度調(diào)節(jié)時(shí)間分析：

為了進(jìn)一步驗(yàn)證所提方法的控制性能，實(shí)驗(yàn)選取冷水溫度調(diào)節(jié)時(shí)間作為測(cè)試指標(biāo)，選取15組數(shù)據(jù)作為測(cè)試對(duì)象，具體實(shí)驗(yàn)結(jié)果如表1所示。

表1 不同方法的冷水溫度調(diào)節(jié)時(shí)間對(duì)比結(jié)果

分析表1中的實(shí)驗(yàn)可知，相比文獻(xiàn)[2]方法和文獻(xiàn)[3]方法，所提方法能夠以更快的速度完成冷水溫度調(diào)節(jié)。

3)水泵運(yùn)行能耗分析：

分析經(jīng)過(guò)各個(gè)方法進(jìn)行暖通空調(diào)冷水溫度優(yōu)化控制后，建筑暖通空調(diào)中的水泵運(yùn)行能耗變化結(jié)果如圖5所示。

圖5 不同方法的水泵運(yùn)行能耗對(duì)比結(jié)果

分析圖5中的實(shí)驗(yàn)數(shù)據(jù)可知，由于所提方法對(duì)建筑暖通空調(diào)水系統(tǒng)的運(yùn)行工況進(jìn)行了辨識(shí)，全面掌握系統(tǒng)的運(yùn)行情況，進(jìn)而制定相應(yīng)的控制器，有效簡(jiǎn)化了操作流程，使所提方法的水泵運(yùn)行能耗得到有效降低，且明顯低于另外兩種方法，充分證明所提優(yōu)化控制方法的優(yōu)越性。

4 結(jié)束語(yǔ)

為了使房間溫度在低能耗情況下達(dá)到最佳狀態(tài)，提出一種超低能耗建筑暖通空調(diào)冷水溫度優(yōu)化控制方法。經(jīng)實(shí)驗(yàn)測(cè)試證明，所提方法能夠在較短的冷水溫度調(diào)節(jié)時(shí)間和水泵運(yùn)行能耗下完成優(yōu)化控制，同時(shí)控制結(jié)果達(dá)到理想狀態(tài)。但是所提方法在研究過(guò)程中沒(méi)有考慮滾動(dòng)優(yōu)化對(duì)控制系統(tǒng)產(chǎn)生的影響，后續(xù)還將進(jìn)一步和各種優(yōu)化算法相結(jié)合，進(jìn)一步提升算法的控制性能。