基于预测控制的变风量空调系统控制性能实验研究

基于变风量空调送风系统运行机理建立了预测控制模型,设计出变风量空调前馈反馈综合控制系统.实验研究表明,该控制系统对变风量空调送风系统的调节及时、准确,系统更加稳定、可靠.     

基于预测控制的变风量空调送风系统控制特性研究

基于通风网络原理建立了变风量空调送风系统的预测控制模型,并对变风量空调送风系统进行预测控制.仿真模拟表明,该预测控制模型对变风量空调送风系统的调节及时、准确,能使该系统更加节能、可靠.     

变风量空调系统送风管道静态压力的预测控制与仿真

变风量空调系统的能耗在智能建筑能耗中占很大部分,将预测控制器应用于该系统来降低能耗,建立基于送风管道静压的广义预测控制模型,并进行仿真研究。结果表明,送风管道静压的预测控制模型输出曲线能够很好地跟踪静压变化曲线,预测控制策略比传统PID控制要好,为变风量空调系统的应用提供了一种新的智能控制方法。     

集中空调变风量系统控制方法分析

分析了集中空调变风量系统的送风控制、新风量控制、送风量匹配控制及室温控制，比较了各种方法的特点，指出了变风量系统存在的三个主要问题，即系统运行不稳定、空调品质欠佳和节能效果不显著。提出要在加强系统稳定性和改变控制方式等方面进行优化。     

PID自整定调节器在VAV 空调系统解耦控制中的应用

通过采用PID自整定调节器以及前馈补偿解耦网络,对变风量(VAV)空调系统中"两个空气处理机组成的耦合系统"和"风系统和水系统耦合系统"进行解耦控制.通过MATLAB仿真研究和在实际系统中的实验研究验证了调节器和解耦网络的可行性和有效性,仿真结果和实验结果令人满意,为变风量空调系统的解耦控制提供了有效的方法,为变风量空调系统的整体稳定运行奠定了基础.     

基于RBF预测的模糊神经变风量空调控制

目的为提高变风量空调系统的动态控制性能,提出基于预测的模糊神经网络控制方法.方法通过模糊神经控制器对输入输出量进行控制,预测器进行控制参数预测,比较实际控制量与预测量来进行实时控制和调整参数,从而达到预期的控制效果.结果仿真试验表明,该方法控制动态响应快,超调小、控制精度高,具有良好的动态性能和稳态性能.结论所提出的控制方法能有效地提高了变风量空调系统的动态性能,并由仿真结果验证了其有效性.     

变风量空调系统温度模糊PID控制

将模糊PID控制应用于变风量空调系统中,任务是将送风温度和空调房间内的温度（回风温度）控制在各自的设定目标值附近。分别设计了变风量空调系统的送风温度模糊PID控制系统和室内温度（视为回风温度）模糊PID控制系统,通过调节冷冻水阀门的开度来控制送风温度,通过调节变频风机的转速来控制室内温度。应用所设计的模糊PID控制器对送风温度和空调房间的温度（即回风温度）进行了实时在线控制,控制结果表明模糊PID控制器设计合理,控制效果良好。     

基于神经网络的变风量空调解耦控制

目的 分析变风量空调运行时各变量之间的耦合关系,针对变风量空调参数多变、强耦合的特点,提出一种变风量空调系统改进型误差反播神经网络解耦控制方法,对变风量空调温湿度控制系统进行解耦.方法 把整个系统的解耦目标分解为N个子目标,每个子目标仅仅对一个回路通道进行解耦,其结构与指标函数简单,易于实现;并将模糊神经网络控制器与解耦控制器有机结合.结果 解耦成功后,控制响应速度快、超调量几乎为零,达到期望温度后温度曲线保持不变,而此过程中湿度值基本没有变化,整个控制过程调节响应快,稳态误差小,解耦效果明显,有很强的控制精度和鲁棒性.结论 BP神经网络解耦控制算法具有很强的自学习功能和自适应解耦能力,能取得良好的解耦控制效果.     

基于METASYS硬软件平台的变风量空调实验系统

变风量(variableairvolume,VAV)空调系统以其巨大的节能潜力逐渐成为国内外空调系统的主流。其设计方案和性能研究受到国内外的广泛重视。本文介绍西安建大采用JohnsonControls自控公司的META SYS硬软件实现的变风量空调实验系统。该实验平台设计合理、功能完备,为变风量空调系统的设计及其解耦与优化控制的研究提供了有力的保证。     

变风量空调系统的协调控制策略研究

阐述了变风量空调系统的基本原理和建筑物自动化系统应用体系结构的特点,从协调控制的角度,对目前变风量空调系统的系统控制方法进行了探讨,基于变风量方式下空调房间的动态数学模型及各控制环节的动态特性,运用MATLAB（SIMULINK）软件对风机总风量控制方法进行了仿真研究,结果表明该控制策略具有调节及时、效果显著等特点,是一种简单、实用、节能的系统协调控制方法。     

建筑机电设备的高精度节能控制及照明系统节能

提高现代建筑的机电设备与照明系统的节能效果,需要对“变风量空调系统较高精度的节能控制”和“照明系统的优化节能控制”进行具体的分析与讨论．使用节能的模型化定量控制方法．可较大幅度地提高楼宇自控系统中变风量空调机组的控制精度和节能水平;通过对照明系统进行优化的控制,可以实现照明系统的节能．     

基于蚁群算法的变风量空调室温控制研究

在变风量空调系统中,采用总风量控制方式改变空调区域送风量以满足人们的舒适性要求.针对常规PID控制参数优化困难的问题,提出了采用蚁群算法对风机变频调速和室内温度控制环节中的PID控制优化,并将常规PID控制和基于蚁群算法的PID控制在MATLAB仿真环境中进行仿真对比.通过对比结果表明,基于蚁群算法的PID控制策略能使系统的动态稳定性得到较大的改善.     

基于PID神经网络的多变量解耦技术在变风量空调中的应用

本文分析了空调控制系统、变风量空调系统特点及目前存在的控制问题,提出了空调控制系统引入智能控制方案的可行性与必要性,针对变风量空调系统的特点和要求,提出变风量空调系统的控制方案。控制回路由冷水流量一送风温度控制、风机转速一静压点静压控制、送风量一室内温度控制、新风量一二氧化碳浓度控制四个控制回路组成,建立了一种新的多层神经网络,实现了神经网络和PID控制规律的本质结合,在变风量空调控制系统中表现出很强的学习和自适应解耦能力,MATLAB仿真试验说明了系统设计的有效性。     

智能大厦中央空调系统的最优能量管理

从系统工程的角度分析了智能大厦中央空调系统在运行过程中的能耗问题,建立了中央空调系统能耗模型,提出了中央空调系统的优化运行与节能管理方法.通过离线预测和在线优化计算,得到机组次日优化运行策略,包括机组负荷在一天内各个时段的最优分配、最优蓄冷量、最佳释冷时间等.在最优策略指导下进行在线控制,通过在线实时采集数据,利用基于遗传算法的周期自回归模型(PARM)进行动态短期空调冷负荷预测;利用改进随机编码遗传算法实现中央空调日运行模型的求解,得出中央空调设备优化运行策略.实例计算结果表明:用此方法可使中央空调系统节能达24.5%左右.     

变风量空调系统末端的模糊神经网络控制研究

针对目前传统PID控制对模型依赖性强,难以在线调整,对具有非线性和不确定性的变风量(VAV)空调系统的控制动态性能差的特点,提出将模糊神经网络应用于该系统.建立了模糊神经网络控制器,基于变风量空调系统末端装置的数学模型进行了仿真研究.结果表明,该控制策略比传统PID控制更适合于VAV系统,控制系统具有更好的鲁棒性和自适应能力,可以取得更优的动态性能.     

用参数自整定模型在线检测空气处理机组故障

大型现代建筑大都安装了能源管理与控制系统（EMCS）,EMCS系统储存的大量监控数据为空调系统的在线故障检测与诊断提供了方便。提出了一种利用参数自整定空调部件模型在线检测变风量空气处理机组故障的方法。利用遗传算法优化模型参数使模型预测数据与实测值数据的残差最小,因此空调部件模型有较高的预测精度。若模型预测数据与实测数据的残差超出了预先设定的阈值,就意味着变风量空气处理机组可能存在故障。针对在实际应用时确定故障检测阈值的困难,给出了用统计方法确定阈值的方法。故障检测方法在真实建筑中进行了应用和验证,结果表明该故障检测方法可以结合EMCS系统准确有效的检测变风量空气处理机组故障。     

不同控制策略下变风量空调系统夏季运行工况

针对变风量空调实际运行中出现的冷热不均问题,通过运行两种变静压、一种定静压控制策略下的变风量系统,对比分析室温、风量、风机频率、最大阀位、设定静压值与风机能耗的关系。结果表明：变风量箱在设计控制阀门的算法中除设定温度之外还需要考虑IAQ、相对湿度等因素;使用变风量空调之前应将室温降至设定温度后再打开自动控制系统,避免受到算法的延迟影响;定静压输送单位冷负荷需要消耗的电量,比测点靠近风机的变静压控制策略多7.8%,且降温效果较差;外界环境几乎相同的情况下,变静压策略中,静压基础点远离风机的控制策略较靠近风机的控制策略降温效果好,速度至少快14%,消耗电量几乎相同。     

VAV空气处理机组故障检测与诊断方法及应用

针对变风量空气处理机组故障,考虑到变风量空调系统的动态性,给出了一种变风量空气处理机组故障检测与诊断方法.残差累积和(cumlative sum,CUSUM)控制图被用于检测空气处理机组故障,残差CUSUM控制图不仅可很好地适应变风量空调系统的动态性,还可消除数据自相关性对控制图性能的不利影响,有助于提高故障检测的准确性.根据质量守恒、能量守恒和控制原理,设计了3个基于规则的故障分类器,可用于寻找故障源.该故障检测与诊断方法在实际建筑中进行了在线应用,利用多种变风量空气处理机组故障验证了故障诊断方法的有效性和可靠性.     

变风量空调系统的模糊神经网络预测控制

针对变风量中央空调系统具有多变量、大滞后和非线性的系统特性及常规控制算法系统响应慢、控制精度不高等问题,提出了模糊神经网络预测控制策略.该方法将模糊神经网络控制与预测控制技术相结合,建立了模糊神经网络与预测控制结合的复合控制器模型,通过优化变风量控制方式,有效地实现了中央空调系统的预测控制.结果表明,该控制方法能使系统具有良好的动态性能和稳态性能,控制精度高,节能效果显著,具有广泛的应用前景.     

基于蚁群算法的变风量空调控制的仿真

针对VAV空调系统中PID参数优化困难的问题,在变风量(VAV)空调系统房间数学模型的基础上,提出了基于蚁群算法PID控制策略,并将常规PID控制策略和基于蚁群算法的PID控制策略在MATLAB/Simulink仿真环境中进行数字仿真对比.结果表明,基于蚁群算法PID控制策略可使系统动态特性得到较大改善.