摘 要：本文研究了暖通空調(diào)制冷系統(tǒng)建模和控制策略，降低制冷系統(tǒng)運(yùn)行成本。首先，選擇暖通空調(diào)制冷系統(tǒng)建模參數(shù)，采集室內(nèi)、外環(huán)境狀態(tài)數(shù)據(jù)并進(jìn)行歸一化處理。其次，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)與遺傳算法的神經(jīng)網(wǎng)絡(luò)預(yù)測模型，通過反復(fù)訓(xùn)練獲得空調(diào)第二天所需冷負(fù)荷值，基于預(yù)測結(jié)果設(shè)計(jì)，以系統(tǒng)運(yùn)行費(fèi)用最少為目標(biāo)函數(shù)的優(yōu)化模型，獲得暖通空調(diào)制冷系統(tǒng)的最優(yōu)控制策略。試驗(yàn)表明，該方法能夠根據(jù)預(yù)測結(jié)果提出適合的控制策略，降低實(shí)際運(yùn)行費(fèi)用。

關(guān)鍵詞：空調(diào)制冷系統(tǒng)；控制策略；運(yùn)行成本；建模參數(shù)；歸一化處理；神經(jīng)網(wǎng)絡(luò)

中圖分類號：TP 273" " " " " " 文獻(xiàn)標(biāo)志碼：A

暖通空調(diào)制冷系統(tǒng)經(jīng)常被應(yīng)用于大型商場、飯店、賓館以及醫(yī)院等符合變化較大的場所。該系統(tǒng)可降低裝機(jī)容量，減少制冷主機(jī)與電力的增容費(fèi)用，還能通過控制低谷與高峰期的用電量來降低實(shí)行峰谷電價(jià)城市的運(yùn)行費(fèi)用[1]。暖通空調(diào)制冷系統(tǒng)的設(shè)備比傳統(tǒng)空調(diào)多，系統(tǒng)結(jié)構(gòu)較復(fù)雜，如果運(yùn)行過程中沒有制定好控制策略與控制方法，就無法達(dá)到預(yù)期目標(biāo)[2]。為此本文研究暖通空調(diào)制冷系統(tǒng)建模和控制策略，以降低系統(tǒng)運(yùn)行成本。

1 暖通空調(diào)制冷系統(tǒng)建模和控制策略研究

1.1 暖通空調(diào)制冷系統(tǒng)預(yù)測模型

構(gòu)建BP神經(jīng)網(wǎng)絡(luò)與遺傳算法相結(jié)合的暖通空調(diào)制冷系統(tǒng)預(yù)測模型，構(gòu)建模型前需要選擇建模參數(shù)，將參數(shù)進(jìn)行歸一化處理。

1.1.1 暖通空調(diào)制冷系統(tǒng)建模參數(shù)選擇

暖通空調(diào)制冷系統(tǒng)構(gòu)建模型需要選擇、設(shè)定參數(shù)。由于暖通空調(diào)制冷系統(tǒng)的預(yù)測模型需要對空調(diào)送風(fēng)溫度、送風(fēng)量以及空調(diào)房間內(nèi)的相對濕度與溫度進(jìn)行預(yù)測，因此將制冷系統(tǒng)控制參數(shù)、室內(nèi)狀態(tài)參數(shù)以及室外氣象參數(shù)等作為暖通空調(diào)制冷系統(tǒng)構(gòu)建模型的輸入?yún)?shù)。

將太陽輻射強(qiáng)度、室外相對濕度以及干球溫度作為室外氣象參數(shù)，將人員負(fù)荷率、室內(nèi)溫度與相對濕度作為空調(diào)房間狀態(tài)參數(shù)，將冷水閥門與風(fēng)機(jī)變頻器的控制電壓、除濕器開啟狀態(tài)以及風(fēng)閥控制電壓作為空調(diào)控制參數(shù)，將前一時段的送風(fēng)相對濕度、送風(fēng)量與送風(fēng)溫度作為暖通空調(diào)制冷系統(tǒng)預(yù)測模型的輸出。

1.1.2 神經(jīng)網(wǎng)絡(luò)預(yù)測模型結(jié)構(gòu)

基于神經(jīng)網(wǎng)絡(luò)的暖通空調(diào)制冷系統(tǒng)預(yù)測模型的結(jié)構(gòu)有3層，即輸入層、輸出層以及隱含層。通過公式（1）確定預(yù)測模型最佳隱層節(jié)點(diǎn)數(shù)目。

（1）

式中；m、n、l分別代表隱含層、輸入層以及輸出層的節(jié)點(diǎn)數(shù)量；a代表＞1且＜10的任意常數(shù)。

此處輸入層節(jié)點(diǎn)數(shù)n為13，輸出層節(jié)點(diǎn)數(shù)為4，由此可知m的取值范圍為6≤m≤14。通過試湊法獲得暖通空調(diào)制冷系統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測模型，如圖1所示。

1.1.3 數(shù)據(jù)采集

采集人員采集負(fù)荷率、太陽輻射強(qiáng)度、室內(nèi)/外溫度/濕度等室內(nèi)/外環(huán)境狀態(tài)數(shù)據(jù)，與此同時還需要獲取送風(fēng)機(jī)控制電壓、風(fēng)閥控制電壓、除濕機(jī)開啟狀態(tài)以及冷水閥門控制電壓等暖通空調(diào)制冷系統(tǒng)的狀態(tài)數(shù)據(jù)。

采集人員在8：00～17：00，每3分鐘對室內(nèi)外環(huán)境狀態(tài)數(shù)據(jù)進(jìn)行一次數(shù)據(jù)采集，共采集18天。由于夏季天氣炎熱，空調(diào)使用率較高，因此集中在夏季進(jìn)行采集，每組采樣溫度區(qū)間從32℃降至26℃停止。

1.1.4 數(shù)據(jù)歸一化處理

由于暖通空調(diào)制冷系統(tǒng)數(shù)據(jù)集特征間的度量尺度不同，因此需要進(jìn)行歸一化處理，即將采集的暖通空調(diào)制冷系統(tǒng)數(shù)據(jù)轉(zhuǎn)化為[0，1]的數(shù)值，具體轉(zhuǎn)變方法如公式（2）所示。

（2）

式中：代表暖通空調(diào)制冷系統(tǒng)數(shù)據(jù)轉(zhuǎn)化后的采樣值；xi代表輸入的原始暖通空調(diào)制冷系統(tǒng)數(shù)據(jù)；xmin代表采樣區(qū)間內(nèi)的最小值；xmax代表采樣區(qū)間內(nèi)的最大值，在本文預(yù)測模型中將xmin設(shè)置為0。

由于隱含層內(nèi)激發(fā)函數(shù)的取值范圍為（0，1），無法獲得函數(shù)的最小值與最大值，導(dǎo)致預(yù)測模型不能獲得暖通空調(diào)制冷系統(tǒng)的輸出極值，易出現(xiàn)局部麻痹情況，影響預(yù)測網(wǎng)絡(luò)的收斂速度，因此將數(shù)據(jù)歸一化公式轉(zhuǎn)變?yōu)楣剑?）。

（3）

通過公式（3）可壓縮暖通空調(diào)制冷系統(tǒng)預(yù)測模型輸入?yún)?shù)的歸一化值，避免訓(xùn)練過程中出現(xiàn)局部麻痹的現(xiàn)象。

經(jīng)過訓(xùn)練后獲得暖通空調(diào)制冷系統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測模型的輸出值op，取值區(qū)間為（0，1），需要將輸出值轉(zhuǎn)化為實(shí)際值，如公式（4）所示。

ypo=op（ymax-ymin）+ymin " （4）

式中：ypo代表輸出值歸一化后的實(shí)際值；ymin、ymax分別代表預(yù)測模型所輸出的最小值與最大值。

1.1.5 基于BP神經(jīng)網(wǎng)絡(luò)與遺傳算法的神經(jīng)網(wǎng)絡(luò)預(yù)測模型

本文在暖通空調(diào)制冷系統(tǒng)預(yù)測模型構(gòu)建過程中引入遺傳算法，通過遺傳算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過遺傳算法的全局搜索優(yōu)勢消除BP神經(jīng)網(wǎng)絡(luò)算法陷入局部解的弊端。通過選擇、交叉以及變異等遺傳操作模擬生物進(jìn)化過程，獲得最優(yōu)閾值與權(quán)值。將獲得的閾值與權(quán)值輸入BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型中進(jìn)行運(yùn)算，充分發(fā)揮BP神經(jīng)網(wǎng)絡(luò)與遺傳算法的優(yōu)點(diǎn)，提高神經(jīng)網(wǎng)絡(luò)的收斂速度和預(yù)測模型輸出結(jié)果的準(zhǔn)確性。神經(jīng)網(wǎng)絡(luò)預(yù)測模型流程圖如圖2所示。

在基于遺傳算法與BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中，將初始種群數(shù)設(shè)置為30，交叉概率大約為0.08，任意生成初始父代群體，適應(yīng)度函數(shù)的具體計(jì)算過程如公式（5）所示。

（5）

式中：dk代表第k個模型輸出值與期望輸出值間的差值。

經(jīng)預(yù)測計(jì)算獲得第二天所需冷負(fù)荷值，基于預(yù)測結(jié)果設(shè)計(jì)優(yōu)化運(yùn)行策略。

1.2 暖通空調(diào)制冷系統(tǒng)優(yōu)化模型

1.2.1 優(yōu)化目標(biāo)

在確保暖通空調(diào)制冷系統(tǒng)安全運(yùn)行并滿足冷負(fù)荷需求的情況下，對各制冷機(jī)組與蓄冰槽的逐日供冷量進(jìn)行優(yōu)化，降低系統(tǒng)的運(yùn)行成本。構(gòu)建以單日系統(tǒng)運(yùn)行費(fèi)M最小值為優(yōu)化目標(biāo)的目標(biāo)函數(shù)，如公式（6）所示。

（6）

式中：qrk代表k時暖通空調(diào)制冷系統(tǒng)輸出的冷量；P（qrk）代表暖通空調(diào)制冷系統(tǒng)k時的所消耗的電量；ek代表空調(diào)系統(tǒng)工作k時共花費(fèi)的電價(jià)；b代表蓄冰槽提供1kW·h冷量所花費(fèi)的電價(jià)；EIR代表系統(tǒng)單位制冷量負(fù)荷率與耗電量間的函數(shù)；qik代表k時內(nèi)蓄冰槽輸出的冷量。

該目標(biāo)函數(shù)的約束條件如公式（7）～公式（10）所示。

qrk+qik=qk （7）

kW （8）

kW （9）

（10）

式中：Qxb代表蓄冰槽輸出的總冷量；qk一般為已知量，代表任意時刻的負(fù)荷；Qz代表白天空調(diào)總冷負(fù)荷。

1.2.2 優(yōu)化控制策略

為使暖風(fēng)空調(diào)制冷系統(tǒng)移峰填谷能力最大化，徹底解決空調(diào)系統(tǒng)蓄冰量過多或過少的問題，采用以下控制策略優(yōu)化暖風(fēng)空調(diào)制冷系統(tǒng)。1）在一個制冰周期內(nèi)，蓄冰設(shè)備需要進(jìn)行蓄冰和融冰，確保制冰主機(jī)能夠在用電低谷期將制冰工作全部完成，以便在用電高峰期滿足全部供冷需求。2）暖風(fēng)空調(diào)制冷系統(tǒng)供冷時優(yōu)先開啟基載主機(jī)，再開啟雙工況主機(jī)，最后開啟三工況主機(jī)，確保每個主機(jī)都能高效工作，避免頻繁啟停。

2 試驗(yàn)結(jié)果

試驗(yàn)通過MATLAB對某機(jī)場的暖風(fēng)空調(diào)制冷系統(tǒng)進(jìn)行建模，其中L1～L4代表雙工況主機(jī)，L5、L6分別代表三工況主機(jī)，L7～L9代表基載主機(jī)。結(jié)合神經(jīng)網(wǎng)絡(luò)預(yù)測模型對系統(tǒng)符合進(jìn)行預(yù)測，最終基于預(yù)測結(jié)果求解最優(yōu)控制數(shù)學(xué)模型，獲得不同負(fù)荷率情況下暖風(fēng)空調(diào)制冷系統(tǒng)的優(yōu)化控制策略。

將空調(diào)系統(tǒng)分為4個用電階段，用電低谷時段是23：00—次日07：00和12：00—18：00，用電量較多的時間段是08：00—11：00與19：00—22：00，被稱為用電高峰期。結(jié)果表明，23：00～次日06：00，雙工況主機(jī)與三工況主機(jī)均處于滿負(fù)荷制冰狀態(tài)，只開啟基載主機(jī)就能滿足該時段的供冷需求。負(fù)荷率為100%時，在白天用電低谷時段，將雙工況與三工況主機(jī)作為主要供冷設(shè)備，在夜晚用電高峰時段，將蓄冷設(shè)備作為主要供冷設(shè)備，在白天用電低谷時段將電能進(jìn)行存儲；負(fù)荷率為75%時，在上午與夜晚的用電高峰時期采用冰蓄冷設(shè)備進(jìn)行滿負(fù)荷供冷，在下午用電低谷時期，通過雙工況主機(jī)與三工況主機(jī)進(jìn)行供冷，并將機(jī)組供冷不足部分進(jìn)行補(bǔ)充；負(fù)荷率為50%時，在白天與夜晚的用電高峰時期也使用冰蓄冷設(shè)備進(jìn)行滿負(fù)荷供冷，在下午用電低谷時期，通過雙工況主機(jī)與基載主機(jī)進(jìn)行供冷，補(bǔ)充供冷不足部分；負(fù)荷率為25%時，由于此時負(fù)荷率過小，均通過冰蓄冷設(shè)備進(jìn)行滿負(fù)荷供冷，只在部分用電低谷時期采用冰蓄冷設(shè)備與基載主機(jī)聯(lián)合供冷的方式。不同負(fù)荷率情況下，暖風(fēng)空調(diào)制冷系統(tǒng)的運(yùn)行策略見表1。

試驗(yàn)計(jì)算全年采用優(yōu)化策略與未采用優(yōu)化策略的單位冷量平均電費(fèi)、實(shí)際運(yùn)行電費(fèi)，具體見表2。

根據(jù)表2可知，采取優(yōu)化策略后，暖風(fēng)空調(diào)制冷系統(tǒng)的單位冷量平均電費(fèi)降低了6.19%，實(shí)際運(yùn)行電費(fèi)節(jié)省約35.6萬元。本文方法能夠?qū)崿F(xiàn)暖通空調(diào)制冷系統(tǒng)運(yùn)行費(fèi)用最少的目標(biāo)，可降低系統(tǒng)的運(yùn)行成本。

3 結(jié)論

大型暖風(fēng)空調(diào)制冷系統(tǒng)的控制過程非常復(fù)雜，控制參數(shù)與運(yùn)行數(shù)據(jù)較復(fù)雜，傳統(tǒng)的控制方法不能達(dá)到理想效果。本文結(jié)合BP神經(jīng)網(wǎng)絡(luò)與遺傳算法，提出暖風(fēng)空調(diào)制冷系統(tǒng)的預(yù)測模型，對暖風(fēng)空調(diào)制冷系統(tǒng)的用電量、負(fù)荷量等進(jìn)行預(yù)測，最終以預(yù)測結(jié)果為基礎(chǔ)構(gòu)建目標(biāo)函數(shù)，提出相關(guān)控制策略，降低了暖風(fēng)空調(diào)制冷系統(tǒng)的總用電量和運(yùn)行成本。

參考文獻(xiàn)

[1]張磊，韓云龍，紀(jì)杰，等.紡紗空調(diào)系統(tǒng)制冷控制策略優(yōu)化研究[J].棉紡織技術(shù)，2022，50（10）：7-10.

[2]徐科，徐晶，李娟，等.基于暖通負(fù)荷集群響應(yīng)能力的電力系統(tǒng)頻率控制策略[J].電力系統(tǒng)及其自動化學(xué)報(bào)，2022，34（3）：37-44.