一种基于模糊控制以及模型预测控制的变风量空调系统的优化控制方法

本申请涉及暖通空调系统优化控制，尤其涉及一种基于模糊控制以及模型预测控制的变风量空调系统的优化控制方法。

背景技术：

1、在变风量空调系统优化控制领域，针对冷源测，工程上通常建立各设备模型以及建立约束，利用遗传算法计算冷源系统各设备优化控制值，进一步下发控制指令驱动设备运行。改变冷源测参数虽然可以起到节能的效果，但是通常会带来系统参数的较大波动，造成末端送风温度、送风量、房间温度难以维持在适宜的值。同时在进行变风量空调系统全局优化时，若采用前馈控制，在模型建立精度较低或者系统参数发生较大变化时，输出参数将难以满足末端负荷要求，且未处于节能区间运行。

技术实现思路

1、本申请提供了一种基于模糊控制以及模型预测控制的变风量空调系统的优化控制方法，其技术目的是既能在不同负荷以及室内外环境参数下智能调控设备参数，降低能耗，又能精准控制送风温度以及室内温度，满足舒适度要求，使得对变风量空调系统的优化控制具有较强的节能性、稳定性与鲁棒性。

2、本申请的上述技术目的是通过以下技术方案得以实现的：

3、一种基于模糊控制以及模型预测控制的变风量空调系统的优化控制方法，该变风量空调系统包括冷源系统、组合式空气处理机组、送风末端、测量系统和控制系统，所述冷源系统包括冷水机组、冷却塔、冷却水泵和冷冻水泵，所述组合式空气处理机组包括表冷段、加湿段和送风机，所述送风末端包括多个变风量末端，所述测量系统包括温度计、流量计、风量计和压力计，所述控制系统包括上位机和plc控制柜，所述上位机与所述plc控制柜连接，所述plc控制柜与所述冷源系统、所述组合式空气处理机组和送风末端均连接，所述冷源系统与所述表冷段连接，该变风量空调系统的优化控制方法包括：

4、根据冷源系统和组合式空气处理机组的设备机理模型构建目标函数以及约束条件；

5、将变风量空调系统的历史运行数据对神经网络进行训练，利用训练完成的神经网络对将来负荷进行预测，得到负荷预测结果；

6、将目标函数以及约束条件、负荷预测结果输入至遗传算法，得到最优控制输出值，所述最优控制输出值包括冷冻水泵频率、冷却水泵频率、组合式空气处理机组频率、冷却塔风机频率和冷冻水出水温度；

7、针对变风量末端设计模型预测控制器，所述模型预测控制器用于对变风量末端风阀开度进行调节；

8、针对组合式空气处理机组设计模糊控制器，将遗传算法输出的组合式空气处理机组频率以及模型预测控制器监测的变风量末端风阀最大阀位作为模糊控制器的输入参数，对模糊规则进行设定，模糊控制器根据模糊规则输出静压设定值；

9、结合静压设定值和组合式空气处理机组频率对组合式空气处理机组风机转速进行优化控制，实现对变风量空调系统的优化控制。

10、本申请的有益效果在于：本申请所述的基于模糊控制以及模型预测控制的变风量空调系统的优化控制方法，将遗传算法与模糊控制和模型预测控制进行结合，实现将前馈控制与反馈控制结合，既可以在不同负荷以及室内外环境参数下智能调控设备参数，降低能耗，又可以精准室内温度，满足舒适度要求，具有较强的节能性、稳定性与鲁棒性。

技术特征：

1.一种基于模糊控制以及模型预测控制的变风量空调系统的优化控制方法，该变风量空调系统包括冷源系统、组合式空气处理机组、送风末端、测量系统和控制系统，所述冷源系统包括冷水机组、冷却塔、冷却水泵和冷冻水泵，所述组合式空气处理机组包括表冷段、加湿段和送风机，所述送风末端包括多个变风量末端，所述测量系统包括温度计、流量计、风量计和压力计，所述控制系统包括上位机和plc控制柜，所述上位机与所述plc控制柜连接，所述plc控制柜与所述冷源系统、所述组合式空气处理机组和送风末端均连接，所述冷源系统与所述表冷段连接，其特征在于，该变风量空调系统的优化控制方法包括：

2.如权利要求1所述的优化控制方法，其特征在于，所述目标函数表示为：

3.如权利要求1所述的优化控制方法，其特征在于，所述模型预测控制器通过室内温度平衡方程构建，并通过拉普拉斯变换形成室内温度对送风量变化的传递函数，该传递函数表示为：

4.如权利要求1所述的优化控制方法，其特征在于，所述模糊原则包括：

5.如权利要求1所述的优化控制方法，其特征在于，所述模糊控制器通过mamdani方法进行设计得到。

6.如权利要求1所述的优化控制方法，其特征在于，所述神经网络为lstm神经网络，所述lstm神经网络包括输入门、遗忘门和输出门。

技术总结本发明公开了一种基于模糊控制以及模型预测控制的变风量空调系统的优化控制方法，涉及暖通空调系统优化控制技术领域，解决了变风量空调系统的控制策略能耗较高且不能精准控制送风温度以及室内温度的技术问题，其技术方案要点是将遗传算法与模糊控制和模型预测控制进行结合，实现将前馈控制与反馈控制结合，既可以在不同负荷以及室内外环境参数下智能调控设备参数，降低能耗，又可以精准室内温度，满足舒适度要求，具有较强的节能性、稳定性与鲁棒性。技术研发人员：陈振乾,王峥洋,许波受保护的技术使用者：东南大学技术研发日：技术公布日：2024/6/30