王乘熙 李澤 郝萬君

摘? 要：在人們的環(huán)保意識日漸提升的大環(huán)境下，空調(diào)廠商從研究如何改善空調(diào)系統(tǒng)的制冷效果逐漸轉(zhuǎn)為研發(fā)更加節(jié)能高效的空調(diào)，將MPC算法應(yīng)用于新型空調(diào)中也成了一種趨勢。本文先總結(jié)了MPC在冰蓄冷空調(diào)和中央空調(diào)中的應(yīng)用研究，然后著重綜述了國內(nèi)現(xiàn)今MPC在主流的變風量空調(diào)中的研究成果。最終決定選取變風量空調(diào)的送風量故障檢測作為未來的研究方向。

關(guān)鍵詞：MPC;變風量空調(diào);節(jié)能

中圖分類號：TP301.6;TU831 ? ? ?文獻標識碼：A 文章編號：2096-4706（2019）21-0043-03

Abstract：In the environment of increasing peoples awareness of environmental protection，air conditioning manufacturers have gradually changed from studying how to improve the refrigeration effect of air conditioning system to studying more energy-saving and efficient air conditioning. It is also a trend to apply MPC algorithm to new air conditioning. This paper first summarizes the application of MPC in ice storage air conditioning and central air conditioning，and then focuses on the domestic research results of MPC in the mainstream VAV air conditioning. Finally，it is decided to select variable air volume air conditioning to detect the fault of air supply as the future research direction.

Keywords：MPC;variable air volume air conditioning;energy saving

0? 引? 言

我國建筑能耗現(xiàn)今大約占全國能耗的30%，而建筑能耗中極大的一部分便是空調(diào)的能源浪費。雖然已有很多節(jié)能控制技術(shù)運用于空調(diào)系統(tǒng)之中，但是仍然在建筑空調(diào)系統(tǒng)中存在著嚴重的能源浪費。

在電力緊張的大環(huán)境下，曾因控制方式存在較多問題的冰蓄冷空調(diào)、變風量空調(diào)系統(tǒng)在經(jīng)過一段時間的蕭條后重新進入大眾的視野。冰蓄冷空調(diào)是利用夜間低谷負荷電力制冰儲存在蓄冰裝置中，白天融冰將所儲存冷量釋放出來，以減少電網(wǎng)高峰時段空調(diào)用電負荷及空調(diào)系統(tǒng)裝機容量。而變風量空調(diào)通過改變送風量來滿足空調(diào)區(qū)域不斷變化的負荷要求，總送風量較少，運行時大部分時間都在部分負荷下，節(jié)能效果極佳。然而變風量系統(tǒng)通常由多個耦合性強的控制回路構(gòu)成，系統(tǒng)復(fù)雜且不穩(wěn)定，要完美實現(xiàn)節(jié)能控制難度很高。

MPC（模型預(yù)測控制）正是在這種背景下應(yīng)運而生的一類優(yōu)化控制算法。它的實質(zhì)就是將一個很長時間跨度的優(yōu)化控制問題分解為若干個短跨度的最優(yōu)化控制問題。

1? MPC在空調(diào)系統(tǒng)中的應(yīng)用

1.1? MPC在冰蓄冷空調(diào)系統(tǒng)中的應(yīng)用研究

冰蓄冷空調(diào)將用電低谷時過剩的電能轉(zhuǎn)換為冷能應(yīng)用到峰值用電時的空調(diào)系統(tǒng)中去，不僅可以緩解電網(wǎng)壓力，還能夠保證制冷機組滿負荷高效率進行。

廣東工業(yè)大學(xué)的廖勇以外融冰盤管式冰蓄冷空調(diào)系統(tǒng)為研究對象，建立了室外溫度預(yù)測的神經(jīng)網(wǎng)絡(luò)模型，使得逐時溫度預(yù)測平均相對誤差大幅降低。同時在溫度預(yù)測模型的基礎(chǔ)上，進一步建立了逐時負荷ANN預(yù)測模型，最后根據(jù)優(yōu)化費用最小化策略對模型進行了求解。[1]

華中科技大學(xué)的羅啟軍采用神經(jīng)網(wǎng)絡(luò)方法根據(jù)氣溫與日照對冷負荷進行預(yù)測，然后對冰蓄冷系統(tǒng)進行建模，并運用動態(tài)規(guī)劃方法對系統(tǒng)進行優(yōu)化控制，最終獲得運行費用最小的每小時制冷機組制冷量及蓄冰罐的釋冷量。[2]

武漢理工大學(xué)的徐今強、肖睿等人，針對室外溫度與空調(diào)負荷存在強相關(guān)的特點，依據(jù)歷史負荷和次日室外溫度的關(guān)系構(gòu)建了一個非線性自回歸滑動平均模型，依據(jù)劃分后不同的溫度區(qū)間獲得幾組參數(shù)時變的線性子模型。仿真表明基于溫度的ARMA模型比單一區(qū)間模型預(yù)測精度高且不需室外溫度的數(shù)據(jù)。[3]

1.2? MPC在中央空調(diào)系統(tǒng)中的應(yīng)用研究

城市的快速發(fā)展讓使用中央空調(diào)的建筑數(shù)量也日益增加，雖然中央空調(diào)制冷迅速，節(jié)省空間，但一般能耗很高，因此有關(guān)節(jié)能的研究也很多。

武漢科技大學(xué)的趙波峰，在對常用的水冷式中央空調(diào)系統(tǒng)進行優(yōu)化控制的研究中，搭建了一種基于簡單的回歸方法改進的冷負荷預(yù)測模型，并且由冷負荷搭建了核心為回歸方法的最小二乘法的中央空調(diào)系統(tǒng)的設(shè)備能耗模型，每個模型最終證實都能很好地反應(yīng)自身能耗變化。[4]

沈陽建筑大學(xué)的陳浩，因中央空調(diào)系統(tǒng)具有多個變量需要控制，運用RBF神經(jīng)網(wǎng)絡(luò)預(yù)測控制器。不僅讓解耦后溫度、濕度的子系統(tǒng)的調(diào)試互不影響，而且使達到房間設(shè)定溫度的過渡時間極大縮短，在節(jié)約大量能源的同時讓使用者的體驗更具舒適性。[5]

浙江工業(yè)大學(xué)的閔劍青建立了某一次回風中央空調(diào)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測控制模型，包括交換系統(tǒng)子模型、空調(diào)房間子模型、控制器子模型等。仿真結(jié)果表明，由于神經(jīng)網(wǎng)絡(luò)具有在線辨識能力，克服了傳統(tǒng)Smith預(yù)估對象模型的不足，明顯改善控制效果。[6]

廣州大學(xué)的劉漢偉利用新型的網(wǎng)絡(luò)控制技術(shù)，對參數(shù)進行采集后將空調(diào)設(shè)備末端各種設(shè)備所需要的冷量整合起來。而預(yù)測方法采用的是改進的動態(tài)三次指數(shù)平滑模型，相較靜態(tài)模型不僅各類誤差都很小，預(yù)測效果好，還為中央空調(diào)這種大型用電設(shè)備提供了一種新的節(jié)能方式，即按用戶負荷的需求控制空調(diào)主機的運行。[7]

西安建筑科技大學(xué)的李明海，提出了空調(diào)水系統(tǒng)設(shè)備的自適應(yīng)預(yù)測優(yōu)化控制模型，創(chuàng)新地引入了過程優(yōu)化的理論。而空調(diào)水系統(tǒng)總能耗的全局優(yōu)化是一個在線優(yōu)化的過程，運用模擬退火算法優(yōu)化后，系統(tǒng)的節(jié)能效果顯著提升。[8]

1.3? MPC在變風量空調(diào)系統(tǒng)中的應(yīng)用研究

變風量空調(diào)系統(tǒng)具有參數(shù)的強耦合性，且多個控制回路相互作用相互影響，系統(tǒng)的可靠性較差，空調(diào)系統(tǒng)往往不能正常運行，因此很多專家學(xué)者在解耦控制方面進行了大量的研究。此外，還可從變風量系統(tǒng)的送風量、末端裝置、風機控制方式進行研究。

上海交通大學(xué)的黃孟偉為變風量空調(diào)系統(tǒng)的各個部件建立了具有多輸入多輸出功能的狀態(tài)空間動態(tài)模型，在此模型的基礎(chǔ)上采用廣義預(yù)測控制策略，最終達到穩(wěn)定送風溫度的目的。最終仿真結(jié)果表明能夠有效控制送風溫度，并且能夠降低風機的能耗。[9]

東北大學(xué)的郭曉巖[10]對變風量空調(diào)存在的變量多、滯后大和非線性的系統(tǒng)特性，建立了模糊神經(jīng)網(wǎng)絡(luò)與預(yù)測控制結(jié)合的復(fù)合控制器模型，且采用的小波Elman神經(jīng)網(wǎng)絡(luò)預(yù)測器具有自學(xué)習(xí)能力，能使參數(shù)根據(jù)環(huán)境變化適時調(diào)整。模糊神經(jīng)網(wǎng)絡(luò)預(yù)測控制大大縮短了房間溫度的調(diào)節(jié)時間，超調(diào)量近乎為零，穩(wěn)態(tài)精度也得到了極大改善。[11]

西安建筑科技大學(xué)的楊世忠與任慶昌為了克服空調(diào)系統(tǒng)二次泵模型的不確定性來降低能耗，分別通過離線與在線運算以減少計算量，尋找最優(yōu)的控制輸出，從而設(shè)計出基于線性矩陣不等式的魯棒預(yù)測控制模型，穩(wěn)態(tài)精度高。[12]

北京工業(yè)大學(xué)的楊洪祥以變風量空調(diào)系統(tǒng)的末端為研究對象，考慮到VAV系統(tǒng)非線性的特點，在設(shè)計廣義預(yù)測自校正控制器時加入了時變遺忘因子。經(jīng)過對參數(shù)的在線辨識后，減少了運算量，系統(tǒng)的預(yù)測精度也優(yōu)于PID控制。[13]

西安建筑科技大學(xué)的王建玉建立了變風量空調(diào)的內(nèi)部模型，并分解為共七個子系統(tǒng)利用MPC優(yōu)化，將每個子系統(tǒng)的局部優(yōu)化控制目標組合成系統(tǒng)級的目標，從而把大規(guī)模的在線優(yōu)化問題分散成小規(guī)模的子系統(tǒng)問題，充分考慮了各控制變量之間的耦合，在保持系統(tǒng)穩(wěn)定的同時輸出變量能較好地跟蹤設(shè)定值的變化。[14]

浙江工業(yè)大學(xué)的耿繼樸針對變風量溫濕度控制系統(tǒng)中存在的非重復(fù)性干擾問題，將迭代學(xué)習(xí)控制與MPC相結(jié)合得到了迭代預(yù)測控制算法，迭代預(yù)測控制既能夠避免重復(fù)干擾性所帶來的影響，還能獲得良好的控制精度和響應(yīng)速度。[15]

天津大學(xué)的翟文鵬為應(yīng)對現(xiàn)有的模型預(yù)測算法不能有效解決空調(diào)系統(tǒng)中的純滯后特性造成被控量超調(diào)嚴重的問題，利用Smith預(yù)估器作為預(yù)測模型，并運用廣義最小二乘算法對預(yù)測模型進行在線辨識，改善算法結(jié)構(gòu)，最終實驗證明改進后的模型預(yù)測算法具有更好的動態(tài)特性，且能使系統(tǒng)在最小能耗指標下的穩(wěn)定性提高。[16]

青島理工大學(xué)的邢麗娟、楊世忠融合魯棒預(yù)測控制和PID控制的優(yōu)點，提出魯棒預(yù)測-PID復(fù)合控制，彌補了PID控制無法在線調(diào)節(jié)、無法適應(yīng)對象模型的局限性，最終仿真結(jié)果表明可以加快動態(tài)響應(yīng)速度，魯棒性好。[17]

沈陽工業(yè)大學(xué)的吳瑩利用模糊聚類算法確定模糊規(guī)則數(shù)和隸屬度函數(shù)，由最小二乘法辨識T-S模糊模型后件參數(shù)，將基于T-S模糊模型的模糊廣義預(yù)測控制用于變風量空調(diào)的末端系統(tǒng)的調(diào)節(jié)，最終仿真結(jié)果表明能夠很好地提升抗干擾能力。[18]

河海大學(xué)的白建波、王孟等人為了使提供給變風量末端的送風溫度與設(shè)定值持平，通過測試得到表冷器數(shù)學(xué)模型且在此基礎(chǔ)上將廣義預(yù)測控制算法應(yīng)用于表冷器的出風溫度控制，該算法采用CARIMA模型。最終仿真結(jié)果表明該算法能實時在線辨識表冷器模型參數(shù)，克服了系統(tǒng)時變性的不利影響。[19]

西南交通大學(xué)的何磊基于廣義的MPC概念，建立了輻射末端復(fù)合空調(diào)系統(tǒng)監(jiān)督控制算法。監(jiān)督控制算法采用了系統(tǒng)設(shè)備的數(shù)據(jù)挖掘模型以及混合模型的復(fù)合空調(diào)系統(tǒng)建筑物傳熱模型，實現(xiàn)了對輻射末端復(fù)合空調(diào)系統(tǒng)的自適應(yīng)運行優(yōu)化。[20]

2? 結(jié)? 論

近階段，空調(diào)的節(jié)能減排已經(jīng)成為了專家、學(xué)者的主流研究方向。MPC在冰蓄冷空調(diào)的應(yīng)用一般都是對負荷預(yù)測的研究，讓空調(diào)的能耗盡可能降低。MPC在變風量空調(diào)中的研究就比較多樣。首先為了解決強耦合的問題，就有大量基于模型預(yù)測的解耦控制的研究來提升VAV系統(tǒng)的可靠性。其次，對變風量空調(diào)送風量、末端裝置、風機控制等這些重要部分設(shè)計MPC控制器，不但改善動態(tài)特性、穩(wěn)態(tài)精度，還能減少能耗。此外，還有許多將MPC與新型算法相結(jié)合的研究，能夠進一步對空調(diào)的運行優(yōu)化。

可以總結(jié)出，目前對于變風量空調(diào)的研究，目標幾乎都是為了節(jié)能和加強控制效果，有關(guān)變風量空調(diào)的故障檢測的研究較少，因此，今后需要展開有關(guān)變風量空調(diào)送風量故障方面的研究。

參考文獻：

[1] 廖勇.基于負荷預(yù)測的冰蓄冷空調(diào)系統(tǒng)優(yōu)化控制研究 [D].廣州：廣東工業(yè)大學(xué)，2008.

[2] 羅啟軍.基于動態(tài)規(guī)劃的冰蓄冷空調(diào)系統(tǒng)的優(yōu)化控制 [D].武漢：華中科技大學(xué)，2004.

[3] 徐今強，肖睿，黃沖，等.基于溫度區(qū)間的蓄冰空調(diào)負荷ARMAX模型 [J].武漢理工大學(xué)學(xué)報，2009，31（10）：109-112.

[4] 趙波峰.基于負荷預(yù)測的中央空調(diào)系統(tǒng)自適應(yīng)優(yōu)化節(jié)能控制 [D].武漢：武漢科技大學(xué)，2012.

[5] 陳浩.中央空調(diào)多變量控制系統(tǒng)應(yīng)用研究 [D].沈陽：沈陽建筑大學(xué)，2012.

[6] 閔劍青.基于神經(jīng)網(wǎng)絡(luò)的中央空調(diào)控制系統(tǒng)的建模與仿真 [D].杭州：浙江工業(yè)大學(xué)，2005.

[7] 劉漢偉.中央空調(diào)動態(tài)負荷預(yù)測及節(jié)能優(yōu)化控制模式研究 [D].廣州：廣州大學(xué)，2012.

[8] 李明海.中央空調(diào)水系統(tǒng)的優(yōu)化控制與節(jié)能技術(shù)研究 [D].西安：西安建筑科技大學(xué)，2011.

[9] 黃孟偉.基于狀態(tài)空間的多區(qū)域VAV空調(diào)系統(tǒng)建模及其優(yōu)化控制研究 [D].上海：上海交通大學(xué)，2014.

[10] 孫寧，李吉生，彥啟森.變風量空調(diào)系統(tǒng)設(shè)計淺談 [J].暖通空調(diào)，1997，27（5）：53-59.

[11] 郭曉巖.變風量空調(diào)系統(tǒng)的模糊神經(jīng)網(wǎng)絡(luò)預(yù)測控制 [J].沈陽工業(yè)大學(xué)學(xué)報，2013，35（1）：99-103.

[12] 楊世忠，任慶昌.魯棒模型預(yù)測控制在變風量空調(diào)系統(tǒng)中的應(yīng)用 [J].計算機工程與應(yīng)用，2013，49（6）：8-11+104.

[13] 楊洪祥.基于廣義預(yù)測控制的變風量空調(diào)末端仿真與控制研究 [D].北京：北京工業(yè)大學(xué)，2009.

[14] 王建玉，任慶昌.基于協(xié)調(diào)的變風量空調(diào)系統(tǒng)分布式預(yù)測控制 [J].信息與控制，2010，39（5）：651-656.

[15] 耿繼樸.基于迭代學(xué)習(xí)與預(yù)測控制的變風量空調(diào)溫濕度控制研究 [D].杭州：浙江工業(yè)大學(xué)，2015.

[16] 翟文鵬.基于負荷預(yù)測和設(shè)定點優(yōu)化的制冷系統(tǒng)模型預(yù)測控制方法研究 [D].天津：天津大學(xué)，2012.

[17] 邢麗娟，楊世忠.變風量空調(diào)系統(tǒng)的建模與控制 [J].暖通空調(diào)，2007，37（11）：115-117.

[18] 吳瑩.VAV中央空調(diào)末端控制器的研究 [D].沈陽：沈陽工業(yè)大學(xué)，2013.

[19] 白建波，王孟，苗國廠，等.基于廣義預(yù)測控制算法的表冷器出風溫度控制 [J].制冷與空調(diào)（四川），2015，29（1）：78-82.

[20] 何磊.輻射末端復(fù)合空調(diào)系統(tǒng)監(jiān)督控制方法研究 [D].成都：西南交通大學(xué)，2016.

作者簡介：王乘熙（1997-），男，漢族，江蘇江陰人，本科，研究方向：建筑節(jié)能控制;李澤（1983-），女，漢族，山西太原人，副教授，博士，研究方向：建筑節(jié)能控制;郝萬君（1965-），男，漢族，吉林人，教授，博士，研究方向：建筑節(jié)能控制。