基于物聯網和PLC的公共建筑電氣控制系統設計與應用

摘 要：針對現有電氣控制系統控制能力不足的問題，基于物聯網和PLC（Programmable Logic Controller）技術設計了一種公共建筑電氣控制系統。該系統選用S3C2440A芯片作為中央處理器，通過模糊PID控制方法實現電力設備的能源管理，引入改進粒子群算法優化管理效果；并通過射頻識別（Radio Frequency Identification，RFID）技術進行電氣系統的精準故障分析預測，大幅提高系統預測效率。在實驗中，該控制系統節能效果提高約50%，效率提高約41.18%，預測效率平均提高35.23%。該系統有效提高了對公共建筑中電力設備的控制能力。

關鍵詞：電氣控制；物聯網；PLC；模糊PID控制；射頻識別；能源管理；故障預測

中圖分類號：TP391文獻標識碼：A

Design and Application of Electrical Control System

for Public Buildings Based on Internet of Things and PLC

QIU Xifei

（Shanghai SIPO Polytechnic， Shanghai 200000，China）

Abstract：Aiming at the problem of insufficient control ability of existing electrical control systems， a public building electrical control system based on the internet of things and PLC （Programmable Logic Controller） technology is designed. The system uses S3C2440A chip as the central processor， realizes the energy management of power equipment by fuzzy PID control method， and introduces improved particle swarm optimization algorithm to optimize the management effect. And through radio frequency identification （RFID） technology for accurate fault analysis and prediction of electrical systems， greatly improve the efficiency of system prediction. In the experiment， the energy saving effect of the control system is increased by about 50%， the efficiency is increased by about 41.18%， and the prediction efficiency is increased by 35.23% on average. The system can effectively improve the control ability of power equipment in public buildings.

Key words：electrical control; internet of things; PLC; fuzzy PID control; radio frequency identification; energy management; fault prediction

公共建筑是指辦公建筑、科教文衛建筑、旅游建筑、通信建筑、交通運輸建筑等為民眾提供公共活動場所的建筑。隨著公共建筑規模的擴大，建筑中電力設備越來越多，且電力設備的部署方式也越來越復雜，通過控制系統對其進行相應規劃管理可減少大量的管理控制成本，減少電力設備的維護工作。

對此，文獻[1]對公共建筑內電氣設備按功能進行分類，通過對應的控制系統完成設備控制，并建立相應的網絡模型進行控制信息共享。但該控制方法較為煩瑣，且控制成本較高。

文獻[2]基于PLC技術設計出公共建筑電氣智能化系統，以PLC控制器為系統核心，控制公共建筑中各類電力設備所構成功能模塊的智能運行。但該系統不具備能源管理功能。

文獻[3]通過分析建筑內電力設備的內耗指標，建立耗能最小的目標函數，并基于機會約束構建優化模型，實現電氣系統的能源管理。但該方法不能對電氣系統進行故障分析及預測。

文獻[4]通過智能感知技術，基于神經網絡建立自編碼器參量模型，確定網絡參數后，進行動態特征提取，實現電力設備的故障分析預測。但該方法的預測時間較長。

綜上所述，本次研究基于物聯網和PLC（Programmable Logic Controller）技術設計出電氣控制系統，使用模糊PID控制方法進行能源管理，引入改進粒子群算法優化管理效果；通過射頻識別（Radio Frequency Identification，RFID）技術進行電氣系統的精準故障分析預測。并在實驗中與其他電氣控制系統或方法進行對比，以驗證該系統的可行性。

1 公共建筑電氣控制系統總體設計

針對上述研究存在的技術缺口，本研究設計了公共建筑電氣控制系統。并通過模糊PID控制方法優化電氣系統的可控性，實現更穩定的能源管理，實現能源節約；通過射頻識別技術優化電氣系統的故障分析功能，提高故障預測效率。最后通過實驗驗證本研究的可行性。

本研究有以下2個創新點：

（1）基于模糊PID控制方法實現能源管理。模糊PID控制方法是一種通過控制比例、微分、積分等運算環節的權重比例，實現系統自動化控制的閉環控制方法。通過對該方法進行改進，可以有效提高控制系統的控制能力，從而提升系統的節能效果。

（2）使用射頻識別技術進行故障預測分析。射頻識別技術屬于物聯網技術，通過對特征數據進行標注形成標簽，并由閱讀器向標簽發射射頻信號生成標簽信息，再進行數據分析處理。該方法可以進行精準的電氣系統故障分析，并大幅度提升了預測效率。

2 基于物聯網和PLC的電氣控制系統設計

在電氣控制系統中，常通過若干電器元件互相配合，實現對某電力設備的自動控制、遠程監控和預測分析等。但控制能力有待提升。

物聯網是一種能夠實現萬物聯網的信息交換和通信技術，通過射頻識別、全球定位系統（GPS）和激光傳感器等傳感器件，使不同類型的物體能夠進行通信[5]。而可編程邏輯控制器是由中央處理器、電源、通模數轉換元件等構成的一種可編譯的運算控制器[6]，也廣泛應用于自動控制領域。

現基于物聯網技術和PLC技術設計公共建筑電氣控制系統，系統主要結構圖如圖1所示。

由圖1可知，該電氣控制系統主要由中央處理器模塊、數據存儲模塊、數據分析模塊、通信模塊以及數據采集設備、執行設備、顯示設備構成，中央處理器控制采集設備進行電力數據的采集，由通信單元發送至上位機于遠程控制服務器進行數據存儲及分析處理，實現電力設備能源管理和故障預測分析，并通過顯示屏顯示數據實現數據可視化。分析后做出的電力設備管理決策再由通信單元重新反饋至中央處理器，通過執行單元進行電力設備控制。

在電氣控制系統中，核心元件為中央處理器，本次研究選用S3C2440A芯片作為中央處理器，通過該芯片控制各個模塊，可實現數據收集、數據分析、數據存儲、系統能源控制、設備故障預測等功能。

通信模塊能夠將數據采集模塊和數據處理模塊進行銜接。在本研究中采用RS485標準通信接口進行數據信息傳輸，并選用MAX13485E通信驅動芯片進行通信模塊的控制。該芯片的通信模式簡單，采取半雙工的形式進行通信，不容易出現數據干擾現象[7]。芯片的數據接收與發送由高低電平控制DE和RE引腳來實現，當輸入高電平時，則表示允許發送和接收數據；反之，則不可進行數據發送和接收操作[8]。

遠程控制服務器收到由通信模塊傳輸的電力數據后，在服務器中進行存儲，并與服務器中的信息數據庫數據進行對比分析，實現公共建筑電氣系統的能源管理與故障預測分析。本研究主要針對電氣系統的數據分析模塊進行改進。

3 公共建筑電氣系統能源管理與故障分析

3.1 基于模糊閉環控制的能源管理

閉環控制是一種進行控制后的輸出量重新回到控制系統的輸入端，成為輸入端控制因素的一部分的反饋控制方式[9]。模糊PID控制是一種通過比例（Proportional，P）、積分（Integral，I）、微分（Derivative，D）各環節之間權重的控制，從而實現各類系統的自動控制管理的閉環控制方法[10]。

由于建筑電氣設備所包含的控制變量較多，且模糊PID控制并不需要確切的被控對象，故本研究在傳統的模糊PID控制方法的基礎上進行改進，用于公共建筑電氣系統的能源管理優化。主要包括誤差參數ke、誤差變化參數kec、比例參數kpu、積分參數kiu和微分參數kdu這5個控制參數，以控制參數偏差值為目標，建立的函數模型為：

式中，t是采樣的瞬時時間值，W是輸入數據值和輸出數據值的相對差值。

現引入粒子群算法提高模糊PID控制方法的控制能力[11]，式（1）即為尋優函數模型，相對差值W就是尋優的對象，設算法中粒子的初始速度和位置分別為vi和xi，則粒子的速度和位置變化更新可表示為：

vn+1i=φvni+λ1r1pni－xni+λ2r2qni－xnixn+1i=xni+vn+1i（2）

式中，i代表某一類控制參數，n是粒子更新的次數，φ是算法中的慣性參數，λ1和λ2是算法中的學習因子，r1和r2是兩個不相等的隨機數，pi和qi分別為部分最優解和整體最優解。且慣性參數的取值與控制參數的適應度有關，當第i類控制參數的適應度比平均適應度小或與平均適應度相等時，φ=φmin －φmax －φmin μi－μmin －μmin ；反之，φ=φmax 。μi是第i類控制參數的適應度，是平均適應度，φmax 和φmin 是慣性參數的最大值和最小值。

現對傳統的粒子群算法進行改進，引入動態學習因子，構造λ1為單調遞增函數，λ2為單調遞減函數：

λ1=2sin2πn2nlimit

λ2=2sin2π21－nnlimit（3）

式中，nlimit是最大限制更新次數，函數圖像如圖2所示。

該方法使得初期時能在較短時間內快速搜索到最優解，將最優解賦予模糊PID控制系統中的對應參數，即可完成建筑電氣控制系統的能源優化管理。

3.2 基于射頻識別技術的故障分析

射頻識別技術是一種可進行自動識別的物聯網技術，該技術對典型數據進行標簽操作，閱讀器發射射頻信號至標簽，標簽接收后由感應電流主動生成標簽信息，遞交至數據分析處理單元進行信息處理[12]。

在本研究中，公共建筑電氣設備系統中發生故障的位置信息為x，y，第i個閱讀器的位置信息為Xi，Yi，且閱讀器的總數為N，則公共建筑系統中電氣設備的運行誤差函數模型為：

φ=T－Laz0a≈cR02κ2，1cR03κ3，1cR0NκN，1（4）

式中，T為時間參數，La是閱讀器常量，za是電氣設備未來數據量，za=zp，R1T，R0i是包含故障信息的數據標簽，則故障數據標簽于閱讀器之間的位置差距可用Ri，1表示。c為誤差因子，κ是誤差因子模型。

通過式（4）計算電氣設備發生故障的位置信息初始值x0，y0，由此可計算出故障信息的預計位置差異為：

LTtΣ－1Lt－1LTtΣ－1Tt=ΔxΔyΔxΔy=R′i=Xi－x02+Yi－y02（5）

式中，Lt是閱讀器權重系數矩陣，Σ是數據信息的協方差矩陣，Tt是時間參數的權重矩陣，Ri′是第i個包含故障信息的數據標簽。且位置差異的約束條件為：

Δx+Δylt;α （6）

式中，Δx和Δy分別為x方向和y方向的位置絕對差異，α是約束門限值。

閱讀器再根據標簽信息獲取算術平均值后，進行故障預測分析：

X=x1+x2+…+xnnY=y1+y2+…+ynn （7）

式中，n是故障分析次數，X和Y是最終的故障預測分析結果。

為使故障預測分析結果更加精確，現基于標準分數方法對數據篩選處理：

xtm=xtm，1－amsm（8）

式中，xtm是篩選后電氣系統中的設備數據，m是數據總數，xtm，1是在t時刻設備數據的特征向量Xt，1中的元素，且Xt，1=［xt1，1，xt2，1，…，xtn，1］，am是數據的算術平均值，sm是數據的標準差。

通過上述方法可以有效完成公共建筑電氣系統故障分析預測。

4 實驗分析

為測試電氣控制系統的能源管理和故障分析預測性能，現在某小型辦公大樓內進行實驗測試，且經人工檢驗，該建筑內的電氣設備，即照明系統、通風系統、消防系統等電氣設備均正常運行，保證測試環境條件一致。現將本研究所設計的改進型模糊PID控制方法與經典PID控制方法進行對比，從而驗證本文所設計的控制方法的可行性。將目標參數控制量設為10，兩種控制方法的控制結如圖3所示：

由圖3可知，本研究所設計的改進模糊PID控制方法比經典PID控制方法更容易實現對目標參數的控制，穩定性更好。且使用經典PID控制方法使控制參數達到穩定的時間為96 s，而本研究所設計的控制方法僅需68 s，控制效率提升約41.18%。

接著將本研究所使用的能源管理方法與文獻[3]控制方法進行對比。在該辦公大樓內，使用上述兩個電氣控制系統進行同時間段內的電氣設備能源優化管理，并進行不同數量設備的分組實驗，電氣設備節能情況統計如表1所示：

表1中，所節約能耗的單位為千瓦，且隨著電氣設備的增多，節能效果越好，與文獻[3]相比，設備平均能耗節約50%。

現進行電氣設備的故障預測分析實驗。在辦公大樓電氣設備運行時，可通過射頻識別技術對電力設備設置不同的預測標簽，通過對電力設備運行情況進行綜合評分，再轉化為電力設備的故障預測值。設備運行狀況綜合評分模型為：

S=∑j=1ajbj（9）

式中，S是電力設備運行狀態的綜合評分，aj是電力設備相關數據，bj是綜合評分指標。電力設備在k時刻的綜合評分為：

Sk=Stek+te （10）

式中，Sk是k時刻的綜合評分，Ste是綜合評分的估計值，te是預期還可運行的時間。

建立電力設備相關運行數據的概率分布函數模型：

Fq=min ∑Kk=1Dfq（t）‖fkq（t） （11）

式中，Dfq（t）‖fkq（t）是在概率分布中各數據的信任程度，fq（t）是數據的概率密度函數，fkq（t）是交叉熵參數。

在該辦公大樓中電氣設備最終故障預測模型為：

S=∑Ki=1pkSkH=fq（t）·fkq（t）pkFq·S（12）

式中，pk為k時刻數據信息的權重指標，H是電力設備運行時間預測模型。

由上述模型即可完成公共建筑電氣系統故障分析預測。

現驗證本研究所設計方法的故障預測準確度和效率。在辦公大樓中人為制造若干電力設備運行故障，記錄故障運行原因，并通過本文所設計方法對故障進行預測分析，結果如表2所示。

由表2可知，本研究方法所預測的故障類型與實際故障原因一致，表明本研究所設計的故障預測分析方法可以完成公共建筑電氣系統的故障預測分析。

現將本文方法與文獻[4]中故障預測方法進行對比。分別設置數據標簽個數不同的5個實驗對照組，并監測其進行故障預測分析所需要的時間，結果如圖4所示：

圖4中，本文所設計的方法相較于文獻[4]中的方法預測時間更短，效率更高，且效率平均提高了35.23%。由上述實驗可證明本文所設計的電氣控制系統能夠有效提高電力設備的控制能力。

5 結 論

本研究基于模糊PID控制方法和射頻識別技術設計出新型公共建筑電氣控制系統，并通過實驗，驗證了系統在能源管理和故障預測中的可行性。

本研究的創新之處在于：引入改進粒子群算法提高模糊PID控制方法的控制能力，通過動態學習因子提高系統的尋優能力，從而提高能源管理能力，使系統的節能效果提高50%，效率提高約41.18%；通過射頻識別技術實現系統的故障預測分析，使預測效率平均提高35.23%。有效提高了公共建筑電氣控制系統的控制能力。

本研究所設計系統可以有效提高公共建筑中的電氣設備的控制能力，但射頻識別技術的成熟度不高，技術標準沒有統一，且該技術所需的建設成本較高，在一定程度上降低了該系統的市場積極性，使得該系統存在一定的局限性。

參考文獻

［１］ 吳英夫.基于以太環網的智能建筑電氣設備控制系統研究[J].電工技術，2020（6）：8-11+21.

[2] 徐啟，楊世品.基于PLC的大型公共建筑電氣智能化系統設計[J].現代電子技術，2021，44（6）：111-114.

[3] 王曉晶，陳星鶯，余昆，等.保障舒適度的城市建筑電力節能優化[J].現代電力，2019，36（4）：38-47.

[4] 趙仕策，趙洪山，壽佩瑤.智能電力設備關鍵技術及運維探討[J].電力系統自動化，2020，44（20）：1-10.

[5] LIN W M，ZHANG X Y，QI L Y，et al. Location aware service recommendations with privacy preservation in the Internet of Things[J].IEEE Transactions on Computational Social Systems，2021，8（1）：227-235.

[6] 李鷹.PLC自動控制技術在電力系統中的應用[J].電子技術，2023，52（8）：142-144.

[7] 吳興校，王零超，蔡華祥，等.基于MODBUS RS485多路集成系統的快速通信[J].現代機械，2020（3）：12-16.

[8] 任瑤瑤，馬金平.基于RS485的多主機對等通信系統的設計與實現[J].山東大學學報（工學版），2023，53（5）：156-164.

[9] 劉俊磊，錢峰，王峰，等.基于閉環控制的兩相電源直流輸電系統線路穩態電壓協控方法[J].電源學報，2022，20（4）：138-145.

[10]PHU N D，HUNG N N，AHMADIAN A，et al.A new fuzzy PID control system based on fuzzy PiD controller and fuzzy control process[J].International Journal of Fuzzy Systems，2020，22（7）：2163-2187.

[11]朱文琦.基于PLC和粒子群算法的采摘機械手電氣控制系統[J].農機化研究，2021，43（12）：238-241+246.

[12]陳海寧，沈潔，馬福龍等.基于射頻識別技術的電能質量計量評估模型[J].電子測量與儀器學報，2020，34（6）：25-31.