MPC在空調系統中的應用綜述

王乘熙 李澤 郝萬君

摘? 要：在人們的環保意識日漸提升的大環境下，空調廠商從研究如何改善空調系統的制冷效果逐漸轉為研發更加節能高效的空調，將MPC算法應用于新型空調中也成了一種趨勢。本文先總結了MPC在冰蓄冷空調和中央空調中的應用研究，然后著重綜述了國內現今MPC在主流的變風量空調中的研究成果。最終決定選取變風量空調的送風量故障檢測作為未來的研究方向。

關鍵詞：MPC;變風量空調;節能

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的能源浪費。雖然已有很多節能控制技術運用于空調系統之中，但是仍然在建筑空調系統中存在著嚴重的能源浪費。

在電力緊張的大環境下，曾因控制方式存在較多問題的冰蓄冷空調、變風量空調系統在經過一段時間的蕭條后重新進入大眾的視野。冰蓄冷空調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，以減少電網高峰時段空調用電負荷及空調系統裝機容量。而變風量空調通過改變送風量來滿足空調區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，節能效果極佳。然而變風量系統通常由多個耦合性強的控制回路構成，系統復雜且不穩定，要完美實現節能控制難度很高。

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

1? MPC在空調系統中的應用

1.1? MPC在冰蓄冷空調系統中的應用研究

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

廣東工業大學的廖勇以外融冰盤管式冰蓄冷空調系統為研究對象，建立了室外溫度預測的神經網絡模型，使得逐時溫度預測平均相對誤差大幅降低。同時在溫度預測模型的基礎上，進一步建立了逐時負荷ANN預測模型，最后根據優化費用最小化策略對模型進行了求解。[1]

華中科技大學的羅啟軍采用神經網絡方法根據氣溫與日照對冷負荷進行預測，然后對冰蓄冷系統進行建模，并運用動態規劃方法對系統進行優化控制，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]

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

1.2? MPC在中央空調系統中的應用研究

城市的快速發展讓使用中央空調的建筑數量也日益增加，雖然中央空調制冷迅速，節省空間，但一般能耗很高，因此有關節能的研究也很多。

武漢科技大學的趙波峰，在對常用的水冷式中央空調系統進行優化控制的研究中，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系統的設備能耗模型，每個模型最終證實都能很好地反應自身能耗變化。[4]

沈陽建筑大學的陳浩，因中央空調系統具有多個變量需要控制，運用RBF神經網絡預測控制器。不僅讓解耦后溫度、濕度的子系統的調試互不影響，而且使達到房間設定溫度的過渡時間極大縮短，在節約大量能源的同時讓使用者的體驗更具舒適性。[5]

浙江工業大學的閔劍青建立了某一次回風中央空調系統的神經網絡預測控制模型，包括交換系統子模型、空調房間子模型、控制器子模型等。仿真結果表明，由于神經網絡具有在線辨識能力，克服了傳統Smith預估對象模型的不足，明顯改善控制效果。[6]

廣州大學的劉漢偉利用新型的網絡控制技術，對參數進行采集后將空調設備末端各種設備所需要的冷量整合起來。而預測方法采用的是改進的動態三次指數平滑模型，相較靜態模型不僅各類誤差都很小，預測效果好，還為中央空調這種大型用電設備提供了一種新的節能方式，即按用戶負荷的需求控制空調主機的運行。[7]

西安建筑科技大學的李明海，提出了空調水系統設備的自適應預測優化控制模型，創新地引入了過程優化的理論。而空調水系統總能耗的全局優化是一個在線優化的過程，運用模擬退火算法優化后，系統的節能效果顯著提升。[8]

1.3? MPC在變風量空調系統中的應用研究

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

上海交通大學的黃孟偉為變風量空調系統的各個部件建立了具有多輸入多輸出功能的狀態空間動態模型，在此模型的基礎上采用廣義預測控制策略，最終達到穩定送風溫度的目的。最終仿真結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]

東北大學的郭曉巖[10]對變風量空調存在的變量多、滯后大和非線性的系統特性，建立了模糊神經網絡與預測控制結合的復合控制器模型，且采用的小波Elman神經網絡預測器具有自學習能力，能使參數根據環境變化適時調整。模糊神經網絡預測控制大大縮短了房間溫度的調節時間，超調量近乎為零，穩態精度也得到了極大改善。[11]

西安建筑科技大學的楊世忠與任慶昌為了克服空調系統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，尋找最優的控制輸出，從而設計出基于線性矩陣不等式的魯棒預測控制模型，穩態精度高。[12]

北京工業大學的楊洪祥以變風量空調系統的末端為研究對象，考慮到VAV系統非線性的特點，在設計廣義預測自校正控制器時加入了時變遺忘因子。經過對參數的在線辨識后，減少了運算量，系統的預測精度也優于PID控制。[13]

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

浙江工業大學的耿繼樸針對變風量溫濕度控制系統中存在的非重復性干擾問題，將迭代學習控制與MPC相結合得到了迭代預測控制算法，迭代預測控制既能夠避免重復干擾性所帶來的影響，還能獲得良好的控制精度和響應速度。[15]

天津大學的翟文鵬為應對現有的模型預測算法不能有效解決空調系統中的純滯后特性造成被控量超調嚴重的問題，利用Smith預估器作為預測模型，并運用廣義最小二乘算法對預測模型進行在線辨識，改善算法結構，最終實驗證明改進后的模型預測算法具有更好的動態特性，且能使系統在最小能耗指標下的穩定性提高。[16]

青島理工大學的邢麗娟、楊世忠融合魯棒預測控制和PID控制的優點，提出魯棒預測-PID復合控制，彌補了PID控制無法在線調節、無法適應對象模型的局限性，最終仿真結果表明可以加快動態響應速度，魯棒性好。[17]

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

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

西南交通大學的何磊基于廣義的MPC概念，建立了輻射末端復合空調系統監督控制算法。監督控制算法采用了系統設備的數據挖掘模型以及混合模型的復合空調系統建筑物傳熱模型，實現了對輻射末端復合空調系統的自適應運行優化。[20]

2? 結? 論

近階段，空調的節能減排已經成為了專家、學者的主流研究方向。MPC在冰蓄冷空調的應用一般都是對負荷預測的研究，讓空調的能耗盡可能降低。MPC在變風量空調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測的解耦控制的研究來提升VAV系統的可靠性。其次，對變風量空調送風量、末端裝置、風機控制等這些重要部分設計MPC控制器，不但改善動態特性、穩態精度，還能減少能耗。此外，還有許多將MPC與新型算法相結合的研究，能夠進一步對空調的運行優化。

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

參考文獻：

[1] 廖勇.基于負荷預測的冰蓄冷空調系統優化控制研究 [D].廣州：廣東工業大學，2008.

[2] 羅啟軍.基于動態規劃的冰蓄冷空調系統的優化控制 [D].武漢：華中科技大學，2004.

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

[4] 趙波峰.基于負荷預測的中央空調系統自適應優化節能控制 [D].武漢：武漢科技大學，2012.

[5] 陳浩.中央空調多變量控制系統應用研究 [D].沈陽：沈陽建筑大學，2012.

[6] 閔劍青.基于神經網絡的中央空調控制系統的建模與仿真 [D].杭州：浙江工業大學，2005.

[7] 劉漢偉.中央空調動態負荷預測及節能優化控制模式研究 [D].廣州：廣州大學，2012.

[8] 李明海.中央空調水系統的優化控制與節能技術研究 [D].西安：西安建筑科技大學，2011.

[9] 黃孟偉.基于狀態空間的多區域VAV空調系統建模及其優化控制研究 [D].上海：上海交通大學，2014.

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

[11] 郭曉巖.變風量空調系統的模糊神經網絡預測控制 [J].沈陽工業大學學報，2013，35（1）：99-103.

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

[13] 楊洪祥.基于廣義預測控制的變風量空調末端仿真與控制研究 [D].北京：北京工業大學，2009.

[14] 王建玉，任慶昌.基于協調的變風量空調系統分布式預測控制 [J].信息與控制，2010，39（5）：651-656.

[15] 耿繼樸.基于迭代學習與預測控制的變風量空調溫濕度控制研究 [D].杭州：浙江工業大學，2015.

[16] 翟文鵬.基于負荷預測和設定點優化的制冷系統模型預測控制方法研究 [D].天津：天津大學，2012.

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

[18] 吳瑩.VAV中央空調末端控制器的研究 [D].沈陽：沈陽工業大學，2013.

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

[20] 何磊.輻射末端復合空調系統監督控制方法研究 [D].成都：西南交通大學，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：建筑節能控制;郝萬君（1965-），男，漢族，吉林人，教授，博士，研究方向：建筑節能控制。