曹玨末
(上海市住安建設發展股份有限公司,上海200437)
在我國大部分建筑高層建筑內,暖通空調制冷系統每年運行過程中產生的能耗占到建筑總體的1/3~1/2,其用電花費的資金也非常多。鑒于此,相關部門必須進一步加強對暖通空調制冷系統的優化與控制,使其逐漸向低能耗運行方式轉變,為人們提供舒適、潔凈的生活以及工作氛圍,提高人們的生活質量。在暖通空調的運行過程中,核心元件是暖通空調的制冷系統,該部分也是耗能量最大的部分。本文結合實際工作經驗,對相關內容展開論述。
圖1為暖通空調的制冷系統。在暖通空調制冷系統的運行過程中,主要是利用制冷劑完成熱量的交換工作,并使制冷劑在相關設備的作用下,使自身的狀態產生一定的變化,最終實現熱量的吸收與釋放,為暖通空調制冷系統提供助力。一般情況下,制冷劑使用過程中涉及的設備包括壓縮機、冷凝器、蒸發器與節流閥4個部分[1]。其中,制冷劑在蒸發皿中會吸收大量的熱量并由液體變為氣體。氣體狀態的制冷劑會被壓縮機吸入,并被壓縮為高溫高壓狀態下的氣體,該氣體會進入冷凝器中,并在這一過程中將自身的熱量傳輸到空氣或水中,從而形成最原始的液體形態。

圖1 暖通空調的制冷系統
在暖通空調的運行過程中,其制冷系統的工作狀態會受到室外自然環境與室內狀況的影響。因此,為了確保暖通空調的制冷效果,其制冷系統通常會全部投入運行狀態中,使部分制冷系統的運作處于超負荷狀況,能源消耗較大。鑒于此,在對暖通空調制冷系統的優化控制方法進行研究的過程中,可以從其負荷狀態入手,研究該系統最佳狀態時的吸氣壓力,從而制定有效的能源節約方案。
BP神經網絡是暖通空調制冷系統中一種常見的網絡系統,能夠進行多層反饋,解決多層網絡結構中隱藏的相關問題,如圖2所示。同時,其對解決非線性的映射問題有非常重要的作用。根據BP神經網絡的實際運用效果,其主要應用在以下幾個方面:首先,BP神經網絡能夠對文字、圖片及語言等信息進行識別,根據數據信息的特點進行準確的識別與分類,幫助工作人員快速地完成信息的處理工作[2];其次,BP神經網絡能可以對函數系統進行有效的控制。利用BP神經網絡結構,能夠根據非線性的特點建設函數模型,并將其應用于工業化的控制系統中,從而操控機械的運行方式。

圖2 BP神經網絡示意圖
根據以上論述的BP神經網絡的特征,將其應用于暖通空調制冷系統中,可以模擬該系統中制冷機的吸氣壓力情況。同時,由于暖通空調制冷機的能耗具有一定的非線性特征,在分析其能耗狀況的過程中存在一定的困難。鑒于此,利用BP神經網絡可以對系統運行過程中產生的真實數據進行模擬,為有關技術人員提供準確的參考。此外,還可以利用BP神經網絡模擬非線性函數的特點,建立與實際情況相同的網絡模型為暖通空調運行過程中,調整與控制器制冷系統的狀態提供有價值的參考。
Matlab語言是一種功能性很強的程序語言,該語言可以處理數量龐大的數據,其處理效率非常高,處理結果的準確性也能得到保證。因此,Matlab語言在控制系統、圖像處理及仿真系統等領域的應用也比較普遍。隨著科學技術水平的不斷提升,Matlab語言的應用體系也更加完善,各領域的技術人員也根據自身的實際需要,制造出了Matlab工具箱,其中包括各種樣式的子程序,方便人們的及時調取,并在此基礎上完成自己的編程工作[3]。換言之,Matlab語言的應用實現了模塊化的應用方式,并簡化了整個系統的控制流程。
在暖通空調制冷系統的運行過程中,Matlab語言可以結合BP神經網絡一起應用,其優化與技術控制方式為:2種方式結合后,可以使制冷系統根據模塊的特征設定相關程度,簡化了整個系統的運行流程。實際上,在暖通空調運行的過程中,系統的運行狀態會受到外界環境與室內環境的影響。因此,系統的運行狀況也時常發生改變。而采用上述2種方式結合的辦法,可以更加快速地收集相關數據,簡化不必要的系統運作流程,提高系統運行效率。
自適應模糊控制系統也是暖通空調制冷系統中常見的一種優化控制方式。自適應模糊控制系統主要是對整個制冷系統進行優化,其最終的目的是降低能耗。自適應模糊控制系統在運行過程中,可以根據數據反饋的情況展開適應性的學習,并結合相關邏輯關系對參數進行調整[4]。同時,自適應模糊控制系統的應用可以有效控制制冷機消耗的實際功率,并通過分析相關數據得出冷卻水最佳的溫度,在此基礎上對水溫進行調節,增強冷卻水系統與外界環境之間的協調性。
隨著經濟社會的高速發展,人們的生活水平不斷提高,對涉及生活質量的各個方面都提出了更高的要求。同時,在現代建筑的建設過程中,暖通空調已成為不可或缺的重要部分,對人們的生活和工作環境有重要的影響。但是,在暖通空調制冷系統的運行過程中,通常會消耗較高的能源,不符合我國經濟社會的可持續發展理念,同時對環境也產生了不良的影響。鑒于此,相關領域的科研人員必須進一步優化暖通空調制冷系統,加強對該系統的有效控制。