基于Multi?Agent協同測控模型新能源集熱系統研究

摘 要： 提出一種新能源烘房及其溫度測控系統。新能源烘房采用太陽能協調儲能的供熱方式，改進了傳統PID控制方式，提出基于Multi?Agent協同通信技術的模糊PID控制系統。新能源烘房及其溫度控制系統不但有效減少了能源消耗和二氧化碳排放，還解決了烘房控制系統中各個子系統之間的協調問題。通過Simulink仿真表明改進后的烘房系統具有調整時間短、能耗低、智能化和可靠性高等優點。

關鍵詞： 新能源； 測控模型； 模糊PID； Multi?Agent通信

中圖分類號： TN911?34 文獻標識碼： A 文章編號： 1004?373X（2016）02?0151?04

Research on new heat energy collecting system based on Multi?Agent collaborative measurement and control model

BAI Haitao

（Xi’an Innovation College， Yan’an University， Xi’an 710100， China）

Abstract： A new energy oasthouse and its temperature measurement and control system are proposed. The heat supply pattern of solar energy harmonizing storage is adopted in the new energy oasthouse. The fuzzy PID control system based on Multi?Agent collaborative communication is put forward by improving the traditional PID control method. The new energy oasthouse and its temperature control system can efficiently reduce the energy consumption and CO2 emission， and solve the coordination problems among all the subsystems in oasthouse control system. The Simulink simulation results show that the improved oasthouse system has the advantages of short setting time， low energy consumption and high reliability.

Keywords： new energy； measurement and control model； fuzzy PID； Multi?Agent communication

0 引 言

伴隨控制技術的快速進步和企業信息化的建設，將現代Web技術與傳統過程控制技術相融合的方式，已經成為目前遠程控制系統開發和研究的熱點，于是，構建基于Web技術的控制模型成為控制領域發展的重要方向之一。文獻[1]實現了基于物聯網（IOT）的機房節能測控系統設計，達到節能減排、降低成本的目的。文獻[2]設計了一種基于智能控制技術結合有線和無線傳輸方式的新型智能太陽能自動控制系統，實現提高城市居住環境，降低CO2排放。與此同時，在降低工業事故風險，方便員工操作等方面，對遠程控制系統的研究都具有十分重要的意義。

在傳統過程控制領域中就計算性而言，已經逐漸利用計算機替代控制系統的計算任務，但就其控制策略而言，目前占主導地位的依然是傳統PID算法，如此并沒有充分利用計算機的長處，依此來提升工程控制的整體水平[3]。Agent系統能夠認為是一種在分布式系統或協作系統中，可以發揮自主作用的計算實體，具體代表可以自主感知所在環境的變化，并能影響所處環境的軟硬件集合，具有主動性、反應性、交互性和自主性等特征[4]。本文依托新能源協調儲能供熱，通過改進傳統PID控制方式，將模糊控制PID融入到單Agent中，然后將Multi?Agent技術融入到控制系統中。根據工廠烘房系統的實際任務需求，將復雜的烘房系統劃分為小的、彼此相互協調通信、且能連接到Web網絡的Multi?Agent控制系統，是設計和實現烘房新型能源集熱控制系統的新途徑。

1 應用結構模型

本文設計的烘房系統是由空氣加熱系統、熱氣循環系統、能量儲存系統、測控系統等子系統組成。結合實際工廠方案，簡化系統整體結構模型如圖1所示。

在上述模型中，通過實時監測太陽能集熱器和烘房中的溫度，設置控制器1～3的控制系數，使烘房的溫度穩定在一定范圍之內。控制器1主要利用變頻器控制高低壓風機8，9的風速；當控制器1監測到集熱器內溫度相當高時，它會告知控制器2通過變頻器控制風機10，進行抽風儲能；當控制器1監測到集熱器內溫度低于烘房設置溫度時，它會告知控制器3通過市電加熱系統升溫烘房內溫度。控制器1～3相互通信，并將數據通過物聯網傳遞至工作人員手持終端中。

圖1 太陽能烘房供熱結構模型

2 測控模型與仿真

2.1 模糊PID控制系統設計

PID控制指的是擁有比例、加積分、加微分控制規律的成為比例積分微分控制系統，PID控制器輸出信號為：

[ut=KPet+KPTI0tetdt+KPτdetdt] （1）

式中：[KP]為比例系數；[TI]成為積分時間常數；[τ]為微分時間常數。以上三個參數都是可調參數[5]。因為PID控制具有結構簡單、PID參數和控制過程關系明確等特點，于是PID控制策略被廣泛應用于工業控制。如果涉及復雜的非線性控制系統，傳統PID控制很難建立一個精確的數學模型，并且不能達到理想的效果。建立基于傳統PID控制仿真模型，設烘房控制系統的傳遞函數為：[Gs=25s+110s+1e-1.5s]。烘房溫度設為80 ℃，并假設控制系統受幅值±5的隨機干擾。PID的參數整定采用Ziegler?Nichols整定法、臨界比例度法、衰減曲線法三種方法對比仿真如圖2所示。

由圖2可知，一段時間后，三種PID參數整定方法都能使控制趨于平穩，但初始階段擺動較大，即便衰減曲線法擺動幅度相對較小，但是也不能達到理想效果。

在某些控制器中，模糊控制被認為是有效解決方案之一。模糊控制不需要嚴格的數學模型，并且在處理非線性系統時，有不錯的控制效果[6?7]。但是，也有一些不足之處，如模糊控制的穩態誤差和動態不穩定。 于是，在一些工業控制領域，將PID控制和模糊控制組合成為Fuzzy?PID控制器。Fuzzy?PID控制器不僅繼承了它們各自的優點，而且彌補了它們的缺點以達到最優的控制策略。Fuzzy?PID控制器結構如圖3所示。

圖2 傳統PID控制仿真圖

圖3 Fuzzy?PID控制器結構

圖3中：[rt]為烘房溫度設定值；[yt]為實際的溫度輸出。模糊控制器的輸入為誤差[et]和它的變化率[dedt]，輸出為[KP]，[KI]，[KD]的變化量。這三個PID參數根據在線模糊邏輯規則自我調節，并且PID參數調整為：

[KP=KP0+ΔKPKI=KI0+ΔKIKD=KD0+ΔKD] （2）

式中：[KP]，[KI]和[KD]指PID變化后的參數值；[KP0]，[KI0]和[KD0]為參數初始值。被控制對象為變頻器，變頻器以PID控制器的輸出作為輸入電壓，它的輸出將控制風機轉速，以便使烘房維持固定溫度。

同樣設置溫度為80 ℃，系統傳遞函數和傳統PID模擬相同?；贔uzzy?PID控制與傳統PID衰減法控制對比仿真如圖4所示。對比傳統PID控制，自調整參數模糊PID控制器具有較小的超調量的特征，響應時間更短，這證明了Fuzzy?PID控制比傳統PID控制性能更好，并且參數的軌跡也更快、更準確性。

2.2 Multi?Agent協同通信控制

在人工智能領域，最早于20世紀70年代Agent技術出現，其最大優勢是擁有良好的堅定性和靈活性以及一定的智能性，如此特性使其特別適合對復雜、協同和難以預測的問題進行處理[8]。基于Multi?Agent的烘房控制系統中各個Agent要具有自主性和適應能力。本文結合Multi?Agent的分層結構、聯邦結構和分布自治結構等特點，依據烘房控制系統的要求，設計了一種分布式且多總線控制系統的Multi?Agent結構[9]。Multi?Agent系統要在限定的時間內和資源約束的條件下，迅速解決動作協調和任務調配，以及有效化解沖突等協調性問題，Multi?Agent體系結構如圖5所示。

圖4 傳統PID和模糊PID控制比較

圖5 MAS體系結構

圖5中主控節點是系統的決策核心，但其中各個Agent也具有自主決策的能力，每個Agent又組成了各自的控制節點。各控制Agent不僅能彼此通信，還可以接收來自物聯網應用層次的命令?？刂乒濣c與主控節點以采用RS 485通信為主，因RS 485接口具有良好的抗噪聲干擾性，長的傳輸距離和多站能力等優點，于是成為工業中串口通信的首選。RS 485接口組成的半雙工網絡一般只需兩根連線，所以RS 485接口均采用屏蔽雙絞線傳輸；又考慮到信號全覆蓋和有些地方不易布線等因素，設計了WiFi無線通信模式。每個控制節點之間主要采用一種基于消息的KQML通信協議，同時本身也是一種獨立的信息交換和協議語言，KQML通信協議能達到Agent協同通信的標準。圖6主要描述Agent1與其他Agent之間工作流程圖。當運用Fuzzy?PID控制在系統較為復雜的烘房系統中時，由于需要建立多個測控節點，如果它們之間獨立運作，并在全天內持續工作，會發現其效果并不理想。對于控制器1，運用Fuzzy?PID模型建立全天仿真如圖7所示。

圖6 Multi?Agent系統工作流程

圖7 全天Fuzzy?PID控制仿真

通過Multi?Agent協調通信的接入，當Agent1檢測到烘房內溫度、集熱器溫度都較低時，其將通知Agent2，進行市電空氣能加熱；當檢測到集熱器溫度較高，并且烘房內溫度較為穩定時，通知Agent3進行儲能控制。再次建立全天仿真如圖8所示。

圖8 全天Multi?Agent協調通信控制仿真

從圖7、圖8不難發現， 當集熱器內溫度低于80 ℃時，采用Fuzzy?PID控制系統方式，烘房內的溫度不能很好的維持在80 ℃。而基于Multi?Agent協調通信的模糊PID控制系統在長時間工作時，不但能使烘房長期穩定在設置溫度80 ℃，而且能夠通過儲能裝置節約能源，達到了設計目的，滿足了實際需求。

3 結 語

本文設計的烘房控制系統是個復雜的物理過程，其中控制系統具有大的延時，并且輸入、輸出的耦合關系十分復雜。傳統PID控制結構簡單，滿足工業需求，對非線性系統卻無能無力。Fuzzy?PID控制能有效解決非線性問題，但運用在烘房多控制系統中效果并不理想。本文提出一種基于Multi?Agent協調通信Fuzzy?PID控制系統，并在此基礎上，構建了遠程終端平臺，并利用仿真工具和實際工業操作進行多次試驗，驗證了所提模型的可行性。

參考文獻

[1] 謝偉，楊斌.基于物聯網的機房節能測控系統設計[J].技術與市場，2011（7）：30?32.

[2] WANG Rongcun， TANG Xiang， XU Kaisheng. The research and design of a new type smart solar automatic control system [C]// Proceedings of 2011 IEEE International Conference on Computer Science and Automation Engineering. Shanghai， China： IEEE， 2011， 2： 450?455.

[3] YANG Jun， WANG Jinliang， WANG Lili. Self?tuning?parameter fuzzy PID control in fresh air system [C]// Proceedings of 2010 IEEE International Conference on Intelligent Control and Information Processing. [S.l.]： IEEE， 2010： 566?569.

[4] FORTINO G， GUERRIERI A， RUSSO W， et al. Integration of agent?based and cloud computing for the smart objects?oriented IoT. Proceedings of 2014 18th IEEE International Conference on Computer Supported Cooperative Work in Design. Hsinchu， China： IEEE， 2014： 493?498.

[5] QU Shilin， MA Fei. Experimental performance analysis on solar?water compound source heat pump for radiant floor heating system [C]// 2010 IEEE Asia?Pacific Power and Energy Engineering Conference. Chengdu， China： IEEE， 2010： 1?4.

[6] JIANG Juyuan， ZHOU Haoyuan. A study of solar energy collector system based on fuzzy logic control for seawater desalination [C]// Proceedings of 2010 Third International Workshop on Advanced Computational Intelligence. Suzhou， China： IEEE， 2010： 220?222.

[7] 趙龍文，侯義斌.Agent的概念模型及其應用技術[J].計算機工程與科學，2000，22（6）：75?79.

[8] 孟安波，殷豪.基于多Agent的遺傳算法在PID調速器中的優化[J].電力自動化設備，2012，32（9）：128?133.

[9] 方義，熊璋，王劍昆.智能控制中的多Agent系統[J].控制理論與技術，2006，23（5）：810?814.