浅谈暖通空调优化控制技术分析

　　摘要：当前我国的暖通空调控制技术主要存在能源消耗高和空调环境质量低的问题，造成问题的主要原因在于暖通空调系统设控制技术还存在缺陷。文章在简要解释暖通空调存在的问题及产生问题的原因和基础上，介绍了暖通空调控制系统的设计以及暖通空调优化控制技术未来发展的方向。
　　关键词：暖通空调优化控制系统设计发展趋势
　　中图分类号：TM925.1 文献标识码：A 文章编号：1672-3791（2014）05（c）-0087-02
　　在我国城市化水平不断提高和城市建筑行业不断发展的背景下，人们的生活水平显著提高，人们对室内环境质量的要求也越来越高。因此，在人们越来越重视暖通空调技术的发展的基础上，我国的暖通空调控制技术也获得了很大的提升。但是，我国的暖通空调控制技术也存在一些问题，尤其是暖通空调系统的能源消耗过高不符合我国可持续发展战略，而且在我国能源日益紧张的环境下，高能耗问题更加突出。因此，加强暖通空调优化控制技术的研究成为每个暖通空调设计人员的首要任务，设计人员必须抓住问题能耗高的根本原因，不断的优化暖通空调控制技术，提高暖通空调使用能源的效率，提高暖通空调的运行质量。
　　1 暖通空调控制技术存在的问题
　　暖通空调控制技术主要存在两个问题。一是暖通空调系统能耗严重。随着人们生活水平的提高，空调的使用范围更广，使用更频繁。在大型建筑中，中央空调系统的能耗占整个建筑能耗的一半以上[1]。造成这种情况主要和空调系统的设计有关，根据对当前空调运行的实际情况研究，空调系统不是按照满足正常要求的来设计，而是按照满足客户最大需求标准来设计，空调系统日常运行超出了需求范围，空调系统而处于低负荷状态下运行；二是空调系统运行质量不高。当前许多人对当前空调环境的满意程度不高，据新加坡某大学对新加坡部分商用大楼的暖通空调系统运行情况调查表明，超过25%的大楼CO2，10%左右的大楼甲醛超标和湿度过大，超过半数的大楼温度过低，这些情况会降低大楼的舒适度，对人体健康造成损害，影响人们的工作效率。
　　造成暖通空调能耗大且空调环境低的原因主要有两个：首先，暖通空调系统的设计采用最大负荷计算法和定工作点的运行方式，暖通空调真正处于最大负荷运行的情况少，更多的是处于轻载环境下运行。与此同时，受外部环境的湿度和光照的影响，暖通空调系统运行环境不断变化，定工作点控制方式降低了传热的效率，而导致能量的浪费。其次，控制器设计存在缺陷。当传统的控制器采用的是干空气线性系统设计。然而，在实际运行中，空气处理机存在非线性环节，空调运行的外部环境条件也在不断的发生变化。当外部环境发生变化时，传统的控制器难以准确的调节室内温度，而造成能源的浪费[2]。
　　2 暖通空调技术发展现状
　　由于暖通空调系统的控制系统的设计存在问题，暖通空调的能耗在整个建筑的能耗中建有很大的比重，不论是定送风量、确定温度以及确定压力的控制系统，还是变风量的控制系统，在多变的运行环境下，都难以有效地控制暖通系统而导致巨大的能源消耗。从20世纪80年代采用的PID控制系统，这种控制系统具有一定的滞后性和和大惯性，需要更长的时间调整参数，也造成较大的能源消。后来虽然经过不断的技术改造，控制系统能够抑制较的影响空调系统运行因素，与其他的技术相比存在一定的优势，但是控制器参数的准确性和合理性依然不高，控制效果依旧不明显。当前的暖通空调不仅具有较强的非线性和时变性，也具有大惯性、大滞后和强干扰的特性，要获得较好的控制效果的同时达到一定的节能，还存在许多技术问题。
　　3 暖通空调控制系统的设计
　　暖通空调控制器的设立要建立在合理设定房间温度的基础上，空调系统才能快速准确将房间温度调节到事先设定的温度值，并采取一定的措施降低外部环境对室内温度的影响，降低空调系统的能耗。由于暖通空调在运行时有一定是时间延迟，控制信号难以及时传达至控制系统。采用广义预测控制可以有效的解决控制信号延迟问题，提高系统输出的效率。同时暖通空调运行的环境也处于不断变化和发展中，对空调系统的运行会产生一定的影响，可以将网络神经技术来减少空调系统受外部环境的变化而产生的不良影响[3]。所以，将广义的预测控制的基础上，结合神经网络技术，可以对暖通空调的控制起到优化的效果。
　　3.1 暖通空调广义预测控制结构
　　当前，我国的暖通空调系统采用基于RBF模糊神经网络空调广义预测控制系统。这种系统的结构主要由三部分组成。要实现预测，必须准确预测出空调的输出，并在此基础上形成暖通空调的优化策略，同时建立有效的反馈校正。结合梯度下降计算方法，修正RBF模糊神经网，并掌握最优的空调控制规律。
　　3.2 控制器的在线滚动优化
　　主要指利用模型分辨某一组成方面提供的预测输出信息，根据相关的方法实行滚动优化，再找出科学的暖通空调控制规律；充分考虑优化计算量，最终实现对空调系统的滚动优化控制。
　　3.3 广义预测反馈校正
　　当系统处于滚动优化时，优化的基点不能偏离系统实际情况，必须与系统实际相同。由于影响系统运行的因素较多，辨识模型会失配，这种预测方式与实际空气处理单元很难达到完全一致。因此，预测模型需要适当采用其他的预测手段来弥补预测模型中存在的缺陷，或者直接在线校正基础模型的相关数据或标准。采用梯度下降法来调整优化RBF模糊神经网络各个隐藏的权值，做好每一步的实际输出和预测器输出之间的误差监测[4]，若误差值超出预定值，再采用修正法修正各项参数，再做误差比较，直到误差值在预测值范围内。
　　4 暖通空调系统控制技术未来发展趋势
　　4.1 寻找设备的最佳设定值
　　定工作点的方式是当前暖通空调系统的主要控制方式，以定工作的方式来达到对设备在运行时的温度、流量等参数的控制的目的。虽然不同的设备在不同的条件下有最佳设定点，但是这种方式并不能让暖通空调系统处于最佳的运行状态，暖通空调系统不能在不同环境条件下一直处于最节能的运行状态。因此，在不同的运行环境下，应该以暖通空调系统能耗最低作为寻找设备或缓解的最佳设定值为指标，这是暖通空调系统优化控制研究的重要内容，也是降低暖通空调系统运行能耗的关键[5]。