研究暖通空調制冷系統的優化控制

趙新榮

摘 要：基于暖通空調制冷系統基本原理，對BP神經網絡、Matlab和自適應模糊控制在制冷系統中的具體應用進行深入分析，為系統控制的優化改進提供理論參考。

關鍵詞：暖通空調 制冷系統 系統優化控制

目前，空調系統能耗在建筑總能耗中占據的比例越來越大，為降低系統能耗，使系統始終處在最佳運行狀態，需要進行優化控制，這就要用到一系列先進技術，提高系統整體控制水平。

1暖通空調制冷系統基本原理

對于暖通空調，其制冷系統主要利用制冷劑來完成熱量交換，無論是壓縮機，還是蒸發器，都會有制冷劑持續循環，其自身所處狀態將不斷發生變化，最終實現吸熱和放熱。蒸發皿當中，制冷劑可以吸收大量熱量，此時制冷劑將從液態變成氣態。制冷劑氣化后，將進入壓縮機，通過壓縮變成溫度和壓力均較高的氣體，于冷凝器當中向水或空氣不斷傳熱，最后變成液態。以上為基本循環過程，重復多次即可完成熱量交換，實現降溫目標[1]。

除制冷劑的反復循環以外，在暖通空調當中，還包括空氣、冷卻水和冷凍水的循環。以上循環均會與制冷劑產生熱量交換，降低空氣實際溫度，達到預期制冷目的。根據上述原理可以看出，對于制冷系統，它是主要耗能部分，通過優化控制，能有效減少能量的損耗。

2暖通空調制冷系統優化控制

制冷系統直接受氣候條件與室內實際情況影響，為達到預期的制冷效果，系統將全部投入運行，使系統僅有一部分進入負荷狀態，使能耗增加。對此，建議從負荷方面著手，對制冷系統的吸氣狀態進行研究，最終實現系統的節能控制。

2.1系統對BP神經網絡的具體應用

對于BP神經網絡，它屬于多層反饋網絡，能解決隱藏單元之間的連接問題。同時，在非線性方面，還有重要作用。按期基本特性，可用于下列幾個方面：其一，模式識別和分類，針對計算機數據，能將信息分成多種類型，如語言、文字與圖片，以數據特征為依據進行識別，再對信息進行歸類，為信息處理創造便利；其二，函數系統控制，借助自身具有的非線性特征完成函數建模，完成建模以后，系統可用于現代工業控制，比如對工業機器人進行運動軌跡自動控制；其三，數據壓縮，利用BP神經網絡，能對數據實施壓縮處理，避免數據占用太大的內存。除此之外，還可按照特性實現有針對性的數據抽取，為數據分析及使用提供便利。

鑒于以上特征，制冷系統同樣可以應用神經網絡，完成對吸氣壓力等參數的模擬。這是因為制冷系統實際能耗具有非線性特征，在對其能耗狀態進行收集時，無法保證真實性與時效性。對此，通過對神經網絡的引入，能實現真實的實時模擬。在神經網絡的支持下，能對所有形式的非線性函數進行模擬，從而無限逼近真實值。另外，還可在狀態監測過程中應用，以便進行調整與控制[2]。

2.2系統對Matlab的具體應用

Matlab，為工程語言，用于處理海量數據，具有極高的處理效率，在當前的控制系統及仿真中得到廣泛應用。隨著技術快速發展，當前的Matlab已經十分完善，不同領域的專家均可以自身要求為依據使用專門的工具箱，包含與訓練和設計有關的子程序，在需要時可直接進行調取。在這一方面，它能使設計和應用實現模塊化，對系統控制整個過程予以簡化。因此，即便沒有掌握算法本質，也能通過對函數模塊的合理應用來完成設計目標，為建模過程創造必要的條件。

對于算法，一般建立在神經網絡基礎上，能對系統實際運作過程進行模擬，其中，Matlab只是一個運行模塊，可將其看做一個子系統。若在制冷系統當中運用神經網絡，則可利用Matlab進行模塊設定。此做法具有以下優勢：其一，對系統設定予以簡化，制冷系統直接受環境影響，其實際運行會多次出現變化，需要收集的參數十分復雜。而通過對神經網絡與Matlab的充分結合，能以模塊特性為依據進行程序設定，使系統運行得以簡化。其二，反饋與實際最為接近的相關數據，為有效減少系統能耗，應確定系統最佳吸氣壓力。如前所述，制冷劑實際狀態的變化具有非線性特征，普通采集方式難以達到預期效果。然而，神經網絡可對非線性映射予以模擬，同時利用Matlab還能對數據進行快速處理，形成良好動態循環，以最快的速度向系統做出反饋，為調整及控制提供

方便。

2.3系統對自適應模糊控制的具體應用

以上兩種優化控制方法都屬于系統組成部分，盡管可以對數據進行采集與反饋，但沒有專門的控制系統。對此，為進一步提高智能化水平，并減少能耗，需要采用自適應模糊控制。通過對自適應模糊控制的合理引入，能以反饋數據各項特征為依據完成自適應學習，再通過邏輯系統完成參數調整。通過對這一技術的應用，能發揮以下作用：其一，對系統性能予以整體優化，制冷系統由若干子系統構成，是有機整體，如果只對其中某個元件進行優化，則會產生協調方面的問題。而自適應模糊控制可將整個制冷系統作為對象進行優化，可將實際能耗降至最低，達到整體優化目標。其二，可對制冷系統功耗予以有效控制，以反饋數據為依據完成邏輯處理，確定冷卻水實際溫度，協調環境和冷卻水系統之間的關系。在系統正常運行過程中，熱傳遞按最低能耗運行，為系統控制提供便利。其三，提供調節功能，該具有具有良好調節與學習能力，系統運行時，如果參數發生顯著變化，則可自動進行調整，對模塊實際運行予以改進與優化[3]。

以上方法實際上是一個有機整體，其配合可以降低系統能耗。需要注意的是，在某些系統的設計過程中，會用到其它算法進行替代，這樣也可以起到相同的作用。然而，從本質上講，系統控制需要從實時監測角度著手，再將相關數據反饋至控制系統，位系統參數設置及調整提供依據，最終實現降耗目標。

3結束語

綜上所述，空調作為當代建筑必不可少的組成部分，其能耗問題得到越來越多人的關注。為降低系統能耗，需要在設計中做好優化控制，采用神經網絡、Matlab與自適應模糊控制等技術，提高優化控制水平，實現預期的節能控制目標。

參考文獻：

[1] 呂龍.優化控制制冷機在暖通空調中的作用[J].黑龍江科技信息，2017（08）：43.

[2] 張媛.暖通空調制冷系統的優化控制方法研究[J].中國高新技術企業，2017（03）：28-29.

[3] 夏毓，孫罡.暖通空調制冷系統的優化控制研究[J].民營科技，2016（05）：41+238.