復合式地板輻射供暖系統控制方法研究

歐陽思鈺 雷 波

（西南交通大學機械工程學院 成都 610031）

0 引言

川藏鐵路客運站由于其所在地區的特殊氣候條件，空調系統只需冬季供暖，目前工程設計主要采用低溫地板輻射供暖+全空氣系統輔助供暖的復合式空調方式。由于在鐵路客運站的總能耗中，空調/供暖能耗占到了60%～80%，因此空調系統節能研究很有必要，其中運行節能是一項重要的節能措施。

有關地板輻射供暖技術已有很多的研究，例如，Chen Zhang、H Yoshino、O Bozkir 等人[1-3]指出地板輻射供暖的垂直空氣溫度差較低，溫度分布好，相比于對流采暖方式其在熱舒適性方面有著明顯優勢；T Y Chen[4]針對地板輻射供暖系統熱滯后性大的問題，研究了自適應預測控制。而在復合式系統方面，喻李葵[5]研究了鐵路客運站候車廳的冬季供暖系統，指出復合式地板輻射供暖系統對比分層空調能得到更為均勻的溫度場分布，并且供暖能耗可降低20%左右；王康[6]研究了火車站候車大廳夏季與冬季的地板輻射復合式系統，其中全空氣系統在冬季只承擔濕負荷；王勝男[7]針對復合式地板輻射系統的全年工況，研究了遺傳算法優化下的BP 神經網絡控制。目前，很少有針對復合式地板輻射系統供暖工況控制方法的研究。

在目前大多數鐵路客運站的空調系統實際運行中，基本上采用傳統的反饋控制，智能化程度不高。而在已有的研究中，神經網絡預測控制過于依賴數據的準確性與數量，自適應預測控制需要建立準確的模型，因此要應用到鐵路客運站這種大空間建筑中較為困難。本文以川藏線某鐵路客運站為對象，研究確定復合式地板輻射供暖系統的控制策略，提出神經網絡結合模糊控制（神經·模糊控制）的預測控制算法，對系統運行效果進行仿真分析，并與PID 控制的效果進行對比。

1 車站建筑與空調系統

該建筑為川藏線上某座鐵路客運站，共兩層，總面積為14970m2。為了方便分析，取車站的首層作為研究對象，其他區域的模擬情況與該層相似。首層的建筑尺寸為73m×45.3m×8.2m，地板輻射的面積為72.6m×45.3m，北面與南面的窗墻比均為0.475。噴口的設置高度為5m。將此高大建筑2m 以下區域劃分為空調區，2m 以上區域劃分為非空調區。

空調系統采用復合式地板輻射供暖系統，即低溫地板輻射供暖+全空氣系統輔助供暖。機組采用低溫型CO2空氣源熱泵熱水機組，地板輻射設計供水溫度為50℃，設計回水溫度為40℃，其中地板盤管采用DN15 的聚乙烯管材，管間距為200mm，鋪設方式為回折型。全空氣系統采用噴口定風量送風，新風與回風混合后，由空氣處理機組處理至30℃，送入室內。

輻射地板與人體之間的主要傳熱方式是輻射傳熱，對室內熱環境的要求都是以作用溫度為指標[8]，本文將以空調區的作用溫度作為控制指標，作用溫度設定為18℃。

2 控制策略與控制算法

2.1 控制策略

在部分負荷時，供熱量可以由地板輻射或者全空氣系統提供，因此在確定控制方法時，首先需要分析確定兩種供暖方式的優先控制策略。

本文通過EnergyPlus 中的Energy Management System（EMS）模塊對不同控制策略進行仿真。

為了確定復合式地板輻射供暖系統在連續運行工況下的最佳控制策略，選取三種特定的工況進行分析。工況1：噴口優先供暖，指的是首先開啟噴口進行供暖，當噴口系統供熱量達到最大時，再開啟地板輻射進行供暖；工況2：輻射地板供暖能力50%優先+噴口，指的是首先開啟地板輻射進行供暖，當地板輻射的供熱量達到最大供熱量的50%時，同時開啟噴口系統進行供暖；工況3：地板輻射供暖能力100%優先+噴口，指的是首先開啟地板輻射進行供暖，當其供暖能力達到最大時，同時開啟噴口系統。

表1 三種優先工況Table 1 Three preferred conditions

通過模擬計算，得出了供暖季中三個完整月份12月、1月、2月，在三種工況下噴口與地板輻射的總供熱量以及地板輻射的供熱比例，如表2 所示。

表2 供熱量分析Table 2 Analysis of heating load

由表2 可知，工況3 的供熱量最少，為1779.48GJ；工況1、2 的供熱量相差不大，分別為1897.45GJ、1886.64GJ，工況3 與工況1 相比，供熱量降低了6.22%。工況1、2、3 的地板輻射供熱量分別占總供熱量的比例為69.31%、70.14%、79.41%。

通過以上結果分析可知，當地板輻射的供熱比例較高時，在相同的空調區供暖要求的條件下，復合式地板輻射供暖系統的總供熱量較低。這是因為噴口送風時，存在熱空氣上浮的現象，空調送風未能充分發展到人員活動區就已上浮到上部非空調區，造成了熱量的浪費。而地板輻射供暖則是從地面處交換熱量，其送出的熱量會從低到高覆蓋人員活動區，避免了噴口送風形式而造成的熱量浪費。因此，地板輻射供熱比例越高，熱量浪費也就越少，所需的總供熱量就越低。

因此，在連續運行工況下采用輻射地板供暖能力100%優先的控制策略，可以最大程度地提高地板輻射供暖的比例，使復合式地板輻射供暖系統更加節能。

2.2 控制算法

使用Matlab 平臺建立神經·模糊控制算法模型。神經·模糊控制系統的基本結構如圖1 所示。該控制模型為三輸入單輸出，輸入的變量為室外干球溫度、太陽輻射強度[9]、上一時刻地板輻射系統供水流量；輸出變量為此時地板輻射系統供水流量。每個輸入與輸出分別劃分為5 個模糊區間（即每個參數有5 個語言變量），通過EnergyPlus 建立仿真模型來獲得數據。

圖1 神經·模糊控制的基本結構圖Fig.1 The basic structure diagram of Neural fuzzy control

其中第一層為輸入層；第二層的每個節點代表一個輸入參數的語言變量值；第三層的每個節點代表一條模糊規則，它的作用是用來匹配模糊規則的前件；第四層的每個節點代表一個輸出參數的語言變量值；第五層為輸出層。各層的輸入函數f、輸出函數a以及權值如表3 所示[10]。其中mij、ijσ為輸入輸出的隸屬函數的中心與寬度，可由模糊C均值聚類算法得到；下標i表示不同的節點，j表示不同的變量；表示不同網絡層的節點輸入。

輸入參數根據表3 中的輸入輸出函數，逐層地向前傳遞，到達第三層后，按照式（1）對網絡權值進行監督學習，競爭得出模糊規則的結論。

表3 網絡各層輸入、輸出函數以及權值的形式Table 3 The form of input,output functions and weights of each layer of network

向前傳遞一遍后，得到首次的輸出，然后依據誤差評價函數式（2），計算誤差E。若誤差E不滿足要求，則使用誤差反傳算法（BP 算法）對隸屬函數進行優化調整。以此循環，直至達到設定的誤差E。

通過使用EnergyPlus 建立的復合式地板輻射供暖系統模型，得到所需的輸入、輸出數據，選取其中448 組典型數據作為訓練集。對訓練數據進行歸一化處理，并調整BP 算法的學習速率，避免學習速率過大造成學習結果發散或學習速率過小造成學習程度低。選擇12月1日的數據作為驗證集，比較EnergyPlus 模擬得到的理想流量與神經·模糊控制的預測流量，如圖2 所示。

圖2 地板輻射流量對比圖（kg/s）Fig.2 The contrast of radiant floor flow rate(kg/s)

可見，神經·模糊控制系統的預測流量變化較為平緩，其趨勢與理想流量大致相同，且差值不大，故可用其進行系統流量控制，并觀察流量變化變得平緩之后的控制效果。

3 控制系統的仿真

3.1 仿真模型

使用Trnsys 與Matlab 建立復合式地板輻射供暖系統的神經·模糊控制仿真模型，利用Trnsys 內部的Type155 模塊將兩者連接起來，仿真模型如圖3 所示。

圖3 神經·模糊控制仿真系統圖Fig.3 Neural fuzzy control simulation system

PID 仿真模型則使用Trnsys 自帶的PID 控制模塊來進行運行控制。兩種方式仿真的時間步長均選擇為15min，控制室內作用溫度為18℃±1℃。

3.2 仿真結果分析

從室內的作用溫度控制情況、能耗以及運行過程對兩種控制方式的仿真結果進行分析。

3.2.1 室內的作用溫度情況分析

神經·模糊控制方式與PID 控制方式1月1日至3月15日的仿真結果如圖4、圖5 所示。

圖4 神經·模糊控制下室內作用溫度變化情況（℃）Fig.4 The indoor operative temperature variation of neural fuzzy control(℃)

圖5 PID 控制下室內作用溫度變化情況（℃）Fig.5 The indoor operative temperature variation of PID control(℃)

由圖4、圖5 可知，兩種控制方式的控制效果基本滿足室內的控制要求。其中在神經·模糊控制方式下，室內作用溫度在區間[17,19]內的時間步占到了總時間步的87.0%；PID 控制方式中，室內作用溫度在區間[17,19]內的時間步占總時間步的90.4%，兩種控制方式在大多數情況下都能使室內的作用溫度維持在要求范圍內。

3.2.2 能耗分析

表4 統計了整個供暖季中兩種控制方式的能耗，以及地板輻射與噴口系統的供熱量。

表4 兩種控制方式供熱量與能耗對比Table 4 The comparison of heating supplied and energy consumption of two control modes

由表4 分析可知，神經·模糊控制方式相比于PID 控制，系統能耗減少了17.9%。

3.2.3 運行過程分析

在系統的運行過程中，流量變化情況是評價復合式地板輻射供暖系統的重要指標。流量變化不平穩，將不利于機組的長期運行。選擇某日數據分析兩種控制方式的流量變化情況，如圖6、圖7 所示。

圖6 PID 控制下的地板輻射流量變化圖（kg/h）Fig.6 The flow rate variation of radiant floor of PID control(kg/h)

圖7 神經·模糊控制下的地板輻射流量變化圖（kg/h）Fig.7 The flow rate variation of radiant floor of neural fuzzy control(kg/h)

由圖6 可以看到，PID 控制的流量變化并不平穩，在仿真步進行到75 步之后可以明顯看到，流量先是達到最大，接著下一步流量為0，然后流量又達到最大。圖7 中，神經·模糊控制下的流量變化則較為平穩，不會突然從最大流量縮小為0，而是會有一到兩個時間步來逐步減小流量。

3.2.4 仿真結果分析總結

兩種控制方式對室內作用溫度的控制效果都能滿足要求。然而在PID 控制中，室內作用溫度的波動情況呈明顯的波浪形，結合圖6 可知，這種溫度的波動是由于PID 控制的流量變化不穩定引起的，而這種不穩定則是由于PID 控制屬于反饋控制，存在滯后性造成的。神經·模糊控制屬于預測控制，其能夠解決地板輻射熱滯后性大的問題，對于復合式地板輻射供暖系統這種非線性系統，其控制過程中的流量變化更為平穩，耗能更低。

4 結論

本文針對復合式地板輻射供暖系統控制的運行控制，提出了控制策略與控制算法，通過對川藏線某鐵路客運站供暖系統的仿真分析，得出以下結論：

（1）對于地板輻射與全空氣供暖相結合的復合式空調系統，最節能的控制策略是地板輻射100%優先供暖；

（2）本文提出的神經·模糊控制算法配合100%地板輻射供暖優先控制策略的控制方法，相比于PID 控制方法，在滿足室內溫度要求的情況下，系統的流量變化更平穩，并且能耗降低了17.9%。