葉水國彭彥卿楊永通陳李清

（ 1. 國藥控股星鯊制藥（廈門）有限公司，福建廈門 361026；2. 廈門理工學院電氣工程與自動化學院，福建廈門 361024）

基于人工智能的中央空調(diào)能源管理優(yōu)化控制系統(tǒng)的設(shè)計

葉水國1彭彥卿2*楊永通2陳李清1

（ 1. 國藥控股星鯊制藥（廈門）有限公司，福建廈門 361026；2. 廈門理工學院電氣工程與自動化學院，福建廈門 361024）

基于人工智能的中央空調(diào)能源管理優(yōu)化控制系統(tǒng)是針對中央空調(diào)節(jié)能所設(shè)計的能源管理系統(tǒng)，通過全面的系統(tǒng)參數(shù)監(jiān)測和非線性動態(tài)預(yù)測人工智能分析判斷，預(yù)測和推斷下一時段系統(tǒng)的冷負荷工況、系統(tǒng)能耗及其能效優(yōu)化運行控制參量，對系統(tǒng)載冷劑實施調(diào)節(jié)控制。針對不同地點的空調(diào)負荷設(shè)置不同的權(quán)重，充分利用負荷信息，提高預(yù)測精度。系統(tǒng)依據(jù)極端天氣、季節(jié)、生產(chǎn)周期、人員流動等因素導(dǎo)致的系統(tǒng)冷負荷變化而提前實現(xiàn)系統(tǒng)能耗的實時調(diào)節(jié)，從而實現(xiàn)系統(tǒng)的高效運行，達到節(jié)能減排的目的。經(jīng)過系統(tǒng)長期運行表明，中央空調(diào)系統(tǒng)綜合利用率達到43.05 %。

中央空調(diào)；節(jié)能；非線性動態(tài)預(yù)測；人工智能

能源是經(jīng)濟、社會發(fā)展和提高人民生活水平的重要物質(zhì)基礎(chǔ)。我國國民經(jīng)濟持續(xù)快速發(fā)展，帶動了能源消費長期高速增長。目前我國能源供給已呈現(xiàn)出緊張局面，大力推進節(jié)約降耗，緩解資源瓶頸制約，實現(xiàn)能源環(huán)境和經(jīng)濟社會的可持續(xù)發(fā)展是我國用能工作的核心。中央空調(diào)是大廈里的耗電大戶，每年的電費中空調(diào)耗電占60 %左右，空調(diào)系統(tǒng)在運行中需要消耗大量的能量。在世界范圍內(nèi)，自1945年以來，空調(diào)所消耗的能量每年平均以4% ～ 5%的速度增長，部分企業(yè)用于空調(diào)冷凍的用電量占全廠用電量的三分之一，甚至更高[1]。因此在中央空調(diào)使用方面有效地利用能源和降低能量的消耗是我們面臨的重要任務(wù)。

當今中央空調(diào)系統(tǒng)運行的能源管理優(yōu)化控制技術(shù)多采用分區(qū)多工況調(diào)節(jié)方式或者通過變頻變壓來達到經(jīng)濟運行，此外神經(jīng)網(wǎng)絡(luò)或者模糊控制結(jié)合PID算法在空調(diào)能源管理優(yōu)化控制系統(tǒng)中得到了廣泛的應(yīng)用[2]。以灰色系統(tǒng)模型GM（1, 1）為基礎(chǔ)的各類灰色系統(tǒng)模型得到了廣泛的應(yīng)用，但是單純的灰色模型GM（1, 1）對空調(diào)系統(tǒng)負荷進行灰色預(yù)測時，只能給出相應(yīng)的變化范圍，預(yù)測精度不高[3]。由于空調(diào)負荷受天氣、季節(jié)、生產(chǎn)周期、人員流動等多因素的影響，因此空調(diào)負荷是典型的非線性問題。所以本文運用非線性動態(tài)GM（1, 1）模型，即NLDGM（1, 1）模型進行空調(diào)負荷的預(yù)測。預(yù)測結(jié)果表明該模型具有較強的應(yīng)用性和優(yōu)越性。

1 中央空調(diào)能源管理優(yōu)化控制系統(tǒng)的總體設(shè)計

本文來源于某公司軟膠囊車間及液體制劑車間中央空調(diào)的改造設(shè)計，由于生產(chǎn)車間的溫濕度對軟膠囊藥丸的生產(chǎn)質(zhì)量有重要的影響，因此人工智能的能源管理優(yōu)化控制系統(tǒng)的設(shè)計關(guān)鍵在于能源管理優(yōu)化的基礎(chǔ)上保證車間溫濕度的精確度。通過表1分析可以看出，魚肝油大樓生產(chǎn)用“冷凍及空調(diào)”用電量占整個生產(chǎn)的電量的約64 %，是全公司的用電大戶。目前空調(diào)系統(tǒng)是定流量系統(tǒng)，完全靠人工操作，不能隨負荷變化而自動調(diào)節(jié)，造成能源不能充分利用而浪費，節(jié)能改造意義重大。

基于人工智能的中央空調(diào)能源管理優(yōu)化控制系統(tǒng)，通過全面的系統(tǒng)參數(shù)監(jiān)測和非線性動態(tài)預(yù)測分析判斷，預(yù)測和推斷下一時段系統(tǒng)的冷負荷工況、系統(tǒng)能耗及其能效優(yōu)化運行控制參量，對系統(tǒng)載冷劑實施調(diào)節(jié)控制。同時針對不同地點的空調(diào)負荷設(shè)置不同的權(quán)重，充分利用負荷信息，提高預(yù)測精度，以求系統(tǒng)依據(jù)極端天氣、季節(jié)、生產(chǎn)周期、人員流動等因素導(dǎo)致的系統(tǒng)冷負荷變化而提前實現(xiàn)系統(tǒng)能耗的實時調(diào)節(jié)，從而實現(xiàn)系統(tǒng)的高效運行，達到節(jié)能減排的目的。影響中央空調(diào)系統(tǒng)能耗的因素有多種，而且每日都會不斷變化，但系統(tǒng)運行之前可以確定的因素有室內(nèi)外溫度、濕度條件和每個房間的負荷情況，包括設(shè)備使用情況、照明和人員的數(shù)量。將無法確定的因素作為計算條件單獨設(shè)置，由操作人員隨時調(diào)整，例如節(jié)假日或者臨時安排導(dǎo)致空調(diào)負荷變化比較大的因素。

通過對系統(tǒng)多過程參量（壓力、壓差、溫度、溫差、流量、環(huán)境溫濕度、二氧化碳含量、電壓、電流、頻率、功率因數(shù)及設(shè)備能耗等）的監(jiān)測，采用人工智能非線性動態(tài)預(yù)測提前主動產(chǎn)生控制信號對載冷劑實施調(diào)節(jié)，實現(xiàn)系統(tǒng)高效運行。中央空調(diào)制冷站節(jié)能控制系統(tǒng)原理如圖1所示。

表1 公司用電量情況統(tǒng)計Tab.1 The Statistics of electricity situation in the company

圖1 中央空調(diào)制冷站節(jié)能控制系統(tǒng)Fig. 1 The schematic of energy saving control system of central air-conditioning refrigeration station

中央空調(diào)能源管理優(yōu)化控制系統(tǒng)通過對多過程參量的實時采集，根據(jù)預(yù)測的負荷情況變化，實時調(diào)節(jié)冷凍水循環(huán)系統(tǒng)、冷卻水循環(huán)系統(tǒng)以及冷卻塔的風量。

（1）對冷凍水循環(huán)系統(tǒng)的控制

中央控制系統(tǒng)采用了非線性動態(tài)預(yù)測NLDGM（1, 1）算法，當外界環(huán)境溫度或者空調(diào)末端負荷發(fā)生變化時，將導(dǎo)致冷凍水各個回路的供回水溫度、壓力、溫差、壓差和流量隨之變化，各傳感器將采集到的實時數(shù)據(jù)傳送至數(shù)據(jù)采集模塊，中央控制系統(tǒng)依據(jù)這些實時數(shù)據(jù)和系統(tǒng)運行的歷史數(shù)據(jù)進行實時預(yù)測計算，根據(jù)實時預(yù)測的末端空調(diào)負荷所需的制冷量，以及各路冷凍水供回水溫度、溫差、壓差和流量的最佳值，并以此調(diào)節(jié)各變頻器的輸出頻率，從而控制冷凍水泵的轉(zhuǎn)速，改變其流量，使冷凍水系統(tǒng)的供回水溫度、溫差、壓差和流量運行在最優(yōu)值。

（2）對冷卻水循環(huán)系統(tǒng)及冷卻塔風量的控制

當外界環(huán)境溫度或者空調(diào)末端負荷發(fā)生變化時，導(dǎo)致中央空調(diào)主機的負荷率將隨之變化，進而系統(tǒng)的最佳轉(zhuǎn)換效率也隨之變化?？刂茊卧趧討B(tài)預(yù)測控制冷媒循環(huán)的前提下，依據(jù)各類傳感器所采集的空調(diào)系統(tǒng)實時數(shù)據(jù)及系統(tǒng)的運行歷史數(shù)據(jù)，實時預(yù)測計算出冷卻水最佳進口和出口溫度，并與檢測到的實際溫度進行比較，動態(tài)調(diào)節(jié)冷卻水的流量和冷卻塔風量，使系統(tǒng)轉(zhuǎn)換效率逼進不同負荷狀態(tài)下的最佳值，保證中央空調(diào)系統(tǒng)在各種負荷條件下，均處于最佳工作狀態(tài)，從而實現(xiàn)最大限度地降低中央空調(diào)系統(tǒng)的能耗。

2 中央空調(diào)能源管理優(yōu)化控制系統(tǒng)的硬件設(shè)計

此中央空調(diào)系統(tǒng)原本為定流量系統(tǒng)，通過對冷卻水泵及冷凍水泵加變頻器，末端加溫度、壓力傳感器和電動調(diào)節(jié)閥，冷水主管加流量計，同時增設(shè)一套中央控制系統(tǒng)等措施，實現(xiàn)對多過程參量（壓力、壓差、溫度、溫差、流量、室溫、頻率等）的實時監(jiān)測和處理，采用人工智能非線性動態(tài)預(yù)測提前主動產(chǎn)生控制信號對載冷劑實施調(diào)節(jié)，實現(xiàn)系統(tǒng)的高效運行，達到節(jié)能減排的目的。

車間中央空調(diào)主要配置如表2所示。

表2 車間中央空調(diào)主要配置Tab.2 The main conf i guration of central air-conditioning in workshop

中央空調(diào)能源管理優(yōu)化控制系統(tǒng)主要由水泵機組、變頻器、可編程邏輯控制器PLC、切換控制器和機械連鎖控制器等組成。設(shè)定冷凍水出水溫度為7 ℃、回水溫度12 ℃，設(shè)定溫差是回水溫度與出水溫度之差即5 ℃，PLC檢測實際溫度差與設(shè)定溫差做比較進行PID控制，經(jīng)D / A模塊輸出電流信號控制變頻器的頻率，使冷卻水泵或者冷凍水泵中的任一電機處于變頻工作狀態(tài)下，來控制變頻和工頻的組合達到節(jié)能的目的。當實際溫差大于系統(tǒng)設(shè)定誤差時，表明實際的供冷量不能滿足空調(diào)房間的需要，需要增加冷量。由于檢測的實際溫差在信號傳輸時存在滯后性，因此非線性動態(tài)預(yù)測的輸出結(jié)果提前調(diào)節(jié)電動調(diào)節(jié)閥的開度，使系統(tǒng)趨于最優(yōu)值狀態(tài)下工作，隨后PLC輸出信號使D / A模塊輸出的電流信號增加，增加變頻器的輸出頻率，從而提高了冷凍泵的轉(zhuǎn)速，增加了實際供冷量。如果先啟動的1號泵已經(jīng)達到額定功率時，供冷量還達不到系統(tǒng)要求，則啟動2號泵變頻運行，增加供冷量以達到系統(tǒng)的要求。當實際溫差小于設(shè)定溫差時，表明系統(tǒng)供冷量已經(jīng)出現(xiàn)富余的現(xiàn)象，需要減少制冷量，由于檢測的實際溫差在信號傳輸時存在滯后性，因此非線性動態(tài)預(yù)測的輸出結(jié)果提前調(diào)節(jié)電動調(diào)節(jié)閥的開度，使系統(tǒng)趨于最優(yōu)值狀態(tài)下工作，PLC輸出信號使D / A模塊輸出的電流信號減小，減少變頻器的輸出頻率，從而降低了冷凍泵的轉(zhuǎn)速，減小了實際的供冷量。如果2號泵的頻率已經(jīng)降低至下限頻率仍達不到系統(tǒng)要求，則使2號泵停止，1號泵仍處于變頻運行，最終實現(xiàn)系統(tǒng)的控制要求。水泵機組在變頻器的作用下可以實現(xiàn)軟啟動，減小了啟動電流，轉(zhuǎn)速緩慢上升有效的減少了水泵機組的機械磨損。中央空調(diào)能源管理優(yōu)化控制系統(tǒng)的硬件構(gòu)成如圖2所示。

中央控制系統(tǒng)的數(shù)據(jù)采集模塊通過溫度傳感器、壓力傳感器和流量計等對各回路的供回水溫度、壓力及流量進行實時采集，同時對末端室內(nèi)溫度和室外溫度進行精確采集，然后通過A / D模塊將溫度、壓力模擬量轉(zhuǎn)換為數(shù)字量送入PLC，PLC的輸入信號有運行方式選擇信號，冷凍泵和冷卻泵的起、停信號和冷卻塔和主機的起、停信號等。輸入信號經(jīng)過中央控制系統(tǒng)的計算，并對系統(tǒng)歷史運行數(shù)據(jù)進行分析，根據(jù)對空調(diào)負荷的預(yù)測，發(fā)出相應(yīng)的動作信號，通過D / A模塊將PLC輸出的開關(guān)量轉(zhuǎn)換為模擬量，以控制變頻器根據(jù)負荷情況的變化進行調(diào)速。實現(xiàn)并對空調(diào)負荷的實時調(diào)節(jié)。中央控制系統(tǒng)的數(shù)據(jù)采集及控制單元功能如圖3所示。

3 中央空調(diào)能源管理優(yōu)化控制系統(tǒng)的軟件設(shè)計

常規(guī)PID控制器在純滯后系統(tǒng)中有一定的限制，控制效果不理想，中央空調(diào)具有一定的時滯性，反饋量不能及時反應(yīng)對象模型的變化。此外PID控制器只有在系統(tǒng)模型參數(shù)不隨時間變化的情況下才能達到最佳的運行狀態(tài)，在應(yīng)用于時變的參數(shù)模型時，系統(tǒng)的控制效果就不會理想，穩(wěn)定性下降。而空調(diào)系統(tǒng)的高度非線性以及受外界因素影響比較大，使得常規(guī)的PID控制器在空調(diào)系統(tǒng)上應(yīng)用范圍受到限制。采用非線性動態(tài)GM（1, 1）模型，即NLDGM（1, 1）模型進行空調(diào)負荷的預(yù)測，結(jié)合PID控制器預(yù)測和推斷下一時段系統(tǒng)的冷負荷工況、系統(tǒng)能耗及其能效優(yōu)化運行控制參量，反饋量實時反應(yīng)對象模型的變化，對系統(tǒng)載冷劑提前實施調(diào)節(jié)控制，在控制性能上不受外界因素變化的影響，從而實現(xiàn)系統(tǒng)的高效運行，達到節(jié)能減排的目的。

非線性動態(tài)預(yù)測NLDGM（1, 1）模型是在灰色模型GM（1, 1）基礎(chǔ)上建立起來的，灰色模型就是將無規(guī)律、信息不完全的原始數(shù)據(jù)序列變換成一種有規(guī)律數(shù)列的指數(shù)模型。從預(yù)測方面看，模型擬合值實質(zhì)上為一等比級數(shù)（從第二個擬合值開始），在進行長期預(yù)測時預(yù)測結(jié)果往往與實際情況差異很大。

已知原始數(shù)據(jù)序列x(0)= {x(0)(1)，x(0)(2)，…，x(0)(n-1)，x(0)(n)}，對x(0)進行一次累加得到序列

圖2 中央空調(diào)能源管理優(yōu)化控制系統(tǒng)Fig. 2 The hardware conf i guration ofcentral air-conditioning energy management optimization control system

圖3 中央控制系統(tǒng)的數(shù)據(jù)采集及控制單元功能Fig. 3 Data acquisition and control unit function of the central control system

經(jīng)過累加的作用，弱化了原始數(shù)據(jù)的隨機性，使原始數(shù)據(jù)呈現(xiàn)出一定的規(guī)律[4]。

非線性預(yù)測NLDGM ( 1， 1 )模型就是在GM ( 1， 1 )模型的基礎(chǔ)上加入了灰元S使擬合值的變化呈非線性，從而取得較高的擬合精度和預(yù)測效果。它是一個包含單變量的一階非線性常微分方程構(gòu)成的模型，其表達式為：

設(shè)原式序列為x(0)= {x(0)(1)，x(0)(2)，…，x(0)(n-1)，x(0)(n)}，對x(0)進行一次累加得到序列x(1)= {x(1)(1)，x(1)(2)，…，x(1)(n-1)，x(1)(n)}，以此類推直至x(n)= {x(n)(1)，

由最小二乘法可得

其中，

非線性動態(tài)預(yù)測NLDGM ( 1， 1 )模型就是將NLDGM ( 1， 1 )模型預(yù)測的一個值補充到原始數(shù)列后，同時去掉最早的一個原始數(shù)據(jù)，保持數(shù)列等維，即在不斷補充新信息的同時，去掉意義不大的舊信息，再建立新的NLDGM ( 1， 1 )模型并預(yù)測下一個值，進一步更新原始數(shù)據(jù)， 這樣循環(huán)下去直到獲得所需要的預(yù)測結(jié)果，實現(xiàn)了原始數(shù)據(jù)的不斷更新，使得預(yù)測結(jié)果更加精確[5]。

為了充分利用負荷信息，在其他影響因素不變的基礎(chǔ)上分別對各房間的負荷設(shè)置權(quán)重，不同的權(quán)重對預(yù)測結(jié)果有不同的影響。例如針對生產(chǎn)車間設(shè)置的權(quán)重要比辦公室的大，表明預(yù)測結(jié)果受生產(chǎn)車間負荷的影響比較大，提高了非線性動態(tài)預(yù)測的精度，充分保障了重要生產(chǎn)車間有適宜的溫濕度。

中央空調(diào)能源管理優(yōu)化控制系統(tǒng)軟件設(shè)計與實時顯示各過程參量的上位機采用C語言和3D MAX發(fā)出操控命令，下位機采用 PLC獲取設(shè)備狀況，控制軟件基于VB組態(tài)軟件和PLC語言進行設(shè)計。主機自動記錄運行時間，實現(xiàn)多臺主機群控，延長機組群使用壽命。運行數(shù)據(jù)自動存儲，實現(xiàn)打印報表，減輕操作人員工作強度，提高工作效率。系統(tǒng)分為兩級工作站，操作員級工作站獨立完成空調(diào)系統(tǒng)數(shù)據(jù)采集、后臺數(shù)據(jù)分析與數(shù)學模型尋優(yōu)、遠程控制等工作，以完成對現(xiàn)場設(shè)備的控制；數(shù)臺操作員級工作站由網(wǎng)絡(luò)交換機連接成工業(yè)以太網(wǎng)，由工程師級工作站對所有操作員級工作站以Web站點訪問的方式進行遠程監(jiān)控和數(shù)據(jù)共享。在局域網(wǎng)外圍接入路由器可將控制系統(tǒng)與internet廣域網(wǎng)連接，實現(xiàn)局域網(wǎng)以外的遠程監(jiān)控和數(shù)據(jù)共享。

4 中央空調(diào)能源管理優(yōu)化控制系統(tǒng)運行后節(jié)能分析

中央空調(diào)系統(tǒng)控制的軟膠囊劑車間及液體制劑車間，生產(chǎn)區(qū)域面積約5 400 m2，此中央空調(diào)系統(tǒng)原本為定流量系統(tǒng)，經(jīng)過改造，增設(shè)一套中央控制系統(tǒng)，冷水泵及冷凍水泵加變頻器，末端加溫度、壓力傳感器、電動調(diào)節(jié)閥以及冷水主管加流量計。經(jīng)測試，日節(jié)電約1 100 kWh，以年運行300天計算，年節(jié)電約3.3×105kWh，折標準煤約40.557 t。電費按0.85元 / kWh計算，年節(jié)約人民幣28萬元，該項目總投資80萬元，3年內(nèi)能收回全部投資。在系統(tǒng)運行后分別在工頻和節(jié)能工況下共18天的運行耗能情況。如表3項目實施前、后能源消耗情況所示。

表3 項目實施前、后能源消耗情況Tab.3 The statistics of energy consumption before and after the project

表3列出了在系統(tǒng)運行后前2天的的功耗情況，剩下16天的實耗電量如表4所示。

表4 后16天實耗電量Tab.4 The statistics of energy consumption 16 days after

節(jié)能率計算如下：

改造前工況下耗電量為：

4 300+4 633+5 141+5 136+4 699+5 177+5 987+ 5 064+5 857 = 45 994 kWh

改造后工況下耗電量為：

2 140+1 519+2 823+2 775+3 264+3 778+3 505+ 3 270+3 120 = 26 194 kWh

改造前后兩工況耗電量差值為：45 994 -26 194 = 19 800 kWh

節(jié)能率為：19 800÷45 994×100 % = 43.05 %

基于人工智能的中央空調(diào)能源管理優(yōu)化控制系統(tǒng)的節(jié)能率為43.05 %。

5 結(jié)論

基于人工智能的中央空調(diào)能源管理優(yōu)化控制系統(tǒng)通過全面的系統(tǒng)參數(shù)監(jiān)測和非線性動態(tài)預(yù)測人工智能分析判斷，使系統(tǒng)工作在最優(yōu)化的狀態(tài)下，實現(xiàn)系統(tǒng)的高效運行，達到節(jié)能減排的目的。該系統(tǒng)大大減輕了中央空調(diào)系統(tǒng)操作人員勞動強度，提高了機組管理水平，節(jié)約人力開支。此外，此項目還可以推廣到不同的工業(yè)企業(yè)、大樓空調(diào)等相關(guān)領(lǐng)域的節(jié)能技術(shù)改造項目，經(jīng)濟效益和社會效益都十分可觀。

[1]李令言.中央空調(diào)節(jié)能控制系統(tǒng)的研究與開發(fā)[D].安徽：中國科學技術(shù)大學，2011.1-22.

[2]高尚飛，沙立民，林天柱.神經(jīng)網(wǎng)絡(luò)算法在中央空調(diào)控制系統(tǒng)中的應(yīng)用[J].儀表技術(shù)，2011，39（2）：52-56.

[3]王四清，王先民，李元旦，等.系統(tǒng)負荷的灰色區(qū)間預(yù)測[J].系統(tǒng)工程，1999，17（3）：60-65.

[4] 許宏赟，王慧.非線性模型在交通量數(shù)據(jù)分析中的應(yīng)用[J].工程與建設(shè)，2007，21（4）：514-515.

[5]江偉民，徐得潛.非線性動態(tài)模型在電力負荷預(yù)測中的應(yīng)用[J].浙江電力，2007，28（3）：5-8.

Design of Optimum Control System Based on Artif i cial Intelligence for Managing Central Air Conditioning System

Ye Shuiguo, Peng Yanqing, Yang Yongtong, Chen Liqing
（SINOPHARM Xingsha Pharmaceutical (Xiamen) Co., Ltd, Xiamen 361026）

Artif i cial intelligence based central air conditioning optimum energy management control system is an energy management system designed for central air conditioning system with good characteristics of energy saving. In this system, through system parameters monitoring and nonlinear dynamic analysis using artificial intelligence, the cold load in next stage, energy consume in system and optimum control parameters were forecasted, and the adjustment of refrigerant was then carried out. With respect to different zones, different weights were set to loads in air conditioning system, so that load information can be fully utilized and forecast can be more precisely. Based on the factors of seasons, production period and person flowing which may affect the change in cold load, real adjustment for energy consumption in the system can be realized. Then the objectives of effective performance of the system with energy saving and emission reduction can be reached. After long term operation of this system, the comprehensive utilization of central air conditioning system has reached 43.05 %.

central air conditioning system; energy saving; nonlinear dynamic forecast; artif i cial intelligence

TU 831.3

A

2095-817X（2017）01-0048-006

2016-06-27

葉水國（1972—），男，工程師，主要研究方向：醫(yī)藥工程。