一种基于负荷动态变化的冷库温度前馈-模糊控制系统及控制方法与流程

本发明涉及一种中央空调的控制技术，具体是一种基于负荷预测的中央空调冷冻水的模糊pid控制系统。

背景技术：

我随着我国城市化的进一步推进，我国的能源消耗总能也呈逐年增长的的趋势，根据当前相关调查显示，我国建筑能耗占到了总能源消耗的30％，而公共建筑的能耗是住宅能耗的5-15倍。此外，相比民用住宅，公共建筑中中央空调系统的能耗占据了45-70％的总能耗。建筑能源消费已经开始制约我国经济的发展了，因此对建筑中央空调系统采取相应的节能措施，可以大大缓解当下能源紧张的现状。

目前对建筑中央空调的节能主要有几种，最根本的方法就是改变建筑的围护结构，通过围护改造改善建筑的保温性能从而使建筑的能耗得以下降；其次是通过采用高效、节能的空调系统来对建筑进行空气调节，例如使用地源热泵系统，有效利用储藏在地下的地热来提高中央空调系统的整体效益。然而在实际应用过程中，能源消费水平较高并不是由于建筑结构的缺陷或是空调主机老旧，而是由于控制不当引起了能源浪费，空气调节也达不到预期的效果。公共建筑由于结构复杂，空调系统既要满足所有区域的冷暖需求，又要做到尽可能地降低能源消费，一直一来都是人们研究的重点。

目前最常用的节能控制方式是对空调冷冻水的控制，通常采用恒温差控制或是恒压差控制，然而在其所采用的pid算法中，通常因为空调系统的大时滞性和纯滞后的特性，常常使得控制效果不佳。

考虑到传统算法无法将室外参数，通勤效应等因素作为控制的一环，本发明提出了基于负荷预测的中央空调冷冻水模糊pid控制系统。

技术实现要素：

本发明所要解决的技术问题是针对上述现有技术存在的不足，而提供一种基于负荷预测的中央空调冷冻水模糊pid控制系统，以克服现有中央空调冷冻水控制系统中的几个问题：一是传统控制系统不能提前预知下一时刻建筑所需负荷的大小，未能将用户实际需求制冷量考虑在内；二是解决传统pid应用于空调系统控制中所出现的准确性较差及控制滞后等现象。

技术方案：本发明主要通过以下途径实现：

一种中央空调冷冻水的节能控制系统，包括负荷预测模块、模糊pid控制模块、执行器、被控对象及传感器。

所述负荷预测模块由三个负荷预测单元组成，分别为中期负荷预测单元、短期负荷预测单元及流量预测单元。

中期负荷预测单元由历史运行数据及节假日效应及修正系数计算出当日平均负荷，短期负荷预测单元由冷负荷分布系数计算出当日各个小时负荷的分布特点，流量预测单元根据计算得到的负荷逐时预测值，将其换算成所需空调冷冻水的流量。

所述模糊控制pid模块由模糊推理单元和pid控制器共同组成，pid控制器的三个参数kp，ki及kd三个参数的整定可通过现场试凑法、衰减曲线法、临界比例带法获得。

其pid控制算法为增量式，并通过模糊推理机对pid算法的系数进行修正。

其控制流程为：

1)中期负荷预测单元根据天气预报的室外平均温度，从历史数据拟合出空调总负荷与室外环境的关系，对往后一天的空调总负荷进行预测。其次，根据预测日期的节假日效应，对空调总负荷进行修正。最后考虑前几日运行数据的残差修正，具体计算方法如下：

其中q’为中期预测负荷，tin为室内设计负荷，tout为室外环境温度，y为节假日效应，a1，a2，a3，a4为回归系数，ζi为预测前i天的残差，βi为修正系数。

2)短期负荷预测单元用于预测下一小时的空调负荷，其原理是根据负荷分布系数法，利用公共建筑日负荷分布变化较为规律的特性，将影响负荷的因素构成一个日特征向量。实际预测时，确定预测当天的情景模式，确定各时间段的负荷分布系数，再根据预测总负荷求得当日平均负荷，最后利用两者共同求得各时间段负荷分布值，从而预测当天各个小时的负荷分布规律。

负荷分布系数定义如下：

其中fj为负荷分布系数，qj为j时刻的逐时负荷，为当日平均负荷。

根据负荷分布的特点，可以将整个空调制冷季分为几种情景模式：(1)时段，分为炎热季，热季，过渡季。(2)日类型，分为工作日、周末及节假日。系统根据情景模式记录负荷分布系数的分布规律，应用时调用负荷分布系数分布表，利用平均负荷求得各时段的逐时负荷预测值。

例如利用统计数据得到全天各时段负荷分布系数分别为fj(j＝0,1,2…..23)，那么可以得到预测的逐时负荷为：

3)流量预测单元根据短期负荷预测单元计算所得到的负荷值，计算空调冷冻水路所需要的实际流量，其计算方法如下：

其中qm为预测流量，qfo为预测的逐时负荷，cw为水的比热容，δt为设定供回水温差。

4)pid控制模块计算预测流量与实际流量的差值e，将其送至pid控制器、模糊推理机及微分器。

5)微分器对差值e的变化快慢进行计算，得到差值变化率ec，将其作为第二个输入量输入至模糊推理机。

6)模糊推理机首先将输入量e和ec进行a/d转换并做模糊化处理。首先将e和ec将论域转换为模糊控制器的输入论域范围，再设计模糊隶属函数，将精确值转换为模糊量，模糊隶属函数的形状可以是三角型隶属度函数、高斯型隶属函数等。模糊输入量根据离线设计好的模糊推理规则，转化为三个相应的模糊输入量，再被还原为用于修正pid控制器参数的三个系数δkp,，δki，δkd，输入至pid控制器。

7)pid控制器初始参数kp，ki及kd分别与模糊推理器的的三个输出δkp,，δki，δkd进行累加，得到新的控制参数kp’,，ki’，kd’，pid控制器根据新的控制参数对被控参数e进行调节，得到控制信号，输送给执行器。因为加入了模糊控制，通过三个参数δkp,，δki，δkd用于对pid的三个变量kp，ki及kd进行修正，因此可以实现pid参数的实时自适应，从而使系统尽快消除偏差并且提高了系统控制的精度。在完成计算后，pid控制器将计算得到的信号传递给执行器。

本发明中的执行器为水泵变频器，通过输送过来的转速信号对水泵转速进行调节冷冻水流量，传感器测得实际流量，将其送至模糊pid控制模块完成反馈操作。

为了完成上述方法，本发明所采用的装置包括负荷预测模块、模糊pid控制模块、执行器、被控对象及传感器。由负荷预测模块和模糊pid控制模块共同构成控制器，可使用plc、ddc或是单片机作为控制器的硬件构成，控制器结构应包括：控制处理器电路、网络通讯接口电路、模拟量输入电路、模拟量输出电路、电源电路、存储器电路等,并允许接入传感器(例如温度传感器、电磁流量计)。执行器采用水泵变频器，通过改变电机工作电源的频率方式来控制被控对象(水泵)的转速。在水泵出口处安装流量计，在旁通管上安装流量计，流量计通过信号线与控制器进行连接，以用于测量实际流量值。

与现有技术相比，本发明采用负荷预测模块，分为中期负荷预测单元、短期负荷预测单元和流量预测单元，通过对室外环境的监测、历史运行数据的拟合以及建筑物用能特性的分析，可以更加准确地预测系统所需的实际冷冻水流量，并且预测量能够实时更新。采用模糊pid控制技术，相比传统pid控制技术可以实时更新pid控制器的参数，结合了现场和专家的经验，可以使空调冷冻水控制效果得到进一步地提升，控制精度也能比常规pid控制更加准确。

附图说明

图1是本发明系统结构示意图；

图2是控制器控制流程图；

图3是前馈控制与模糊控制的控制系统方框图；

图4是本发明智能模糊pid控制与常规pid控制的控制效果对比图。

具体实施方式

下面结合附图和具体实施例对本发明的技术方案进行详细的描述。

如图1所示一种基于负荷预测的中央空调冷冻水控制系统，其控制模块包括:包括负荷预测模块、模糊pid控制模块、执行器、被控对象及传感器。负荷模块通过室外环境参数、历史数据计算出建筑物的逐时负荷，并换算成预测流量送入模糊pid控制器。模糊pid控制器对预测流量和实际流量的差值e进行计算，并通过模糊推理器和pid控制器对差值e进行计算，输出频率信号至执行器，执行器根据输出信号对水泵频率进行控制，从而完成流量的动态调整。

如图2所示，所述负荷预测模块包括中期负荷预测单元、短期负荷预测单元及流量预测单元，开始控制时，负荷预测模块通过安装在室外的温度传感器对室外环境进行测量，中期负荷预测单元根据天气预报的室外平均温度，从历史数据拟合出空调总负荷与室外环境的关系，对往后一天的空调总负荷进行预测。其次，根据预测日期的节假日效应，对空调总负荷进行修正。最后考虑前几日运行数据的残差修正，具体计算方法如下：

其中q’为中期预测负荷，tin为室内设计负荷，tout为室外环境温度，b为节假日效应，a1，a2，a3，a4为回归系数，ζi为预测前i天的残差，βi为修正系数。

其中a1、a2、a3、a4，应根据具体建筑的实测数据分析确定；而b的取值方法为：工作日为1，周末为0.5，节假日取0.25。而残差ζi则是通过采集前几天的实测负荷和预测负荷的差值来计算得到，例如上前i天的预测值为q’i,，实测值为qi，残差ξi＝qi-为q’i,；βi的取值方法是，以过去的前五天参考，上一天βi取1，以后四天的βi取值分为为0.8、0.6、0.3、0.3，为的是平衡预测误差，使整体控制效果得到最佳。

短期负荷预测单元用于预测下一小时的空调负荷，其原理是根据负荷分布系数法，利用公共建筑日负荷分布变化较为规律的特性，将影响负荷的因素构成一个日特征向量。实际预测时，确定预测当天的情景模式，确定各时间段的负荷分布系数，再根据预测总负荷求得当日平均负荷，最后利用两者共同求得各时间段负荷分布值，从而预测当天各个小时的负荷分布规律。

负荷分布系数定义如下：

其中fi为负荷分布系数，qi为i时刻的逐时负荷，为当日平均负荷。

根据负荷分布的特点，可以将整个空调制冷季分为几种情景模式：(1)时段，分为炎热季，热季，过渡季。(2)日类型，分为工作日、周末及节假日。系统根据情景模式记录负荷分布系数的分布规律，应用时调用负荷分布系数分布表，利用平均负荷求得各时段的逐时负荷预测值。

例如利用统计数据得到全天各时段负荷分布系数分别为fj(j＝0,1,2…..23)，那么可以得到预测的逐时负荷为：

下列以一组数据为例，说明负荷预测计算过程，例如在数据库内记录有以下一组数据：

历史数据库计量数据

利用matlab或者excel为工具，对过去的空调运行数据进行拟合，以室内外温差为自变量、建筑负荷为因变量进行三次多项式拟合，拟合结果为：

q＝-0.1053(tin-tout)³+11.912(tin-tout)²-3.8982(tin-tout)-0.1551(4)

其中q为拟合预测，经计算，拟合的复相关系数为0.9264，可认为拟合结果准确。在当前预测周期，若室外温度探头监测到室外温度为32.5℃，而室内设计温度为25℃，将其代入公式(4)，可得q为596.2kw。对于节假日效应，假定该预测周期在工作日，则b＝1。

在对预测负荷进行残差修正时，可取前五个预测周期的预测差值为参考，例如对于前5个周期，其实际负荷与预测负荷的差值分别为50.28、-89.38、23.31、82.82、-12.33。那么计算结果为21.2。

将计算后的结果带入公式(4)，可以算得最终的预测负荷为617.4kw，则可以进行下一步计算。

流量预测单元根据短期负荷预测单元计算所得到的负荷值，计算空调冷冻水路所需要的实际流量，其计算方法如下：

其中qm为预测流量，qfo为预测的逐时负荷，cw为水的比热容，δt为设定供回水温差。

如图3所示，模糊pid控制器由三部分组成，模糊控制器、pid控制器及减法器。首先模糊pid控制器通过减法器对预测流量和实测流量的差值e进行计算并将其分别送至模糊控制器和pid控制器。

模糊控制器内的微分器对输入差值e进行处理，得到差值e的变化速率ec。差值e和ec在模糊接口经过a/d转换为模糊控制器的输入论域范围，再设计模糊隶属函数，将精确值转换为模糊量，得到模糊输入量e和ec，模糊隶属函数的形状可以是三角型隶属度函数、高斯型隶属函数等。

本模糊推理机为双输入三输出模糊控制器，为了保证控制算法的精确度同时考虑算法的易实现，输入量e和ec的模糊论域设置[-6,6]，分别对应模糊集合e和ec，设定7个模糊子集，分别为{nb,nm,ns,z,ps,pm,pb}，集合e对应流量模糊差值的模糊概念：非常大，大，略大，几乎相等，略小，小，非常小。集合ec对应流量差值的变化率的模糊概念：迅速上升，上升，略有上升，几乎不变，略有下降，下降，迅速下降。输出量δkp,，δki，δkd的模糊论域同样设置在[-6,6]，分别对应模糊集合kp,ki,kd，设定7个模糊子集，分别为{nb,nm,ns,z,ps,pm,pb}，集合kp,ki,kd对应流量模糊差值的模糊概念：非常大，大，略大，几乎相等，略小，小，非常小。

模糊控制的原则是在已知pid控制器的参数下，通过模糊推理，对pid控制器的三个参数进行修正，从而使控制效果更加快速及准确。因此在设计模糊推理规则时，修正参数δkp,，δki，δkd的作用应当是对kp，ki及kd三个参数进行修正，并使其保持在一定的范围之内。因此本发明中δkp,，δki，δkd的论域分别为[-2kp,2kp]，[-0.4ki,0.4ki]，[-0.018kd,0.018kd]。

pid控制器的控制由kp，ki及kd三个参数设定，并用δkp,，δki，δkd进行整定，整定后参数kp’＝kp+δkp，ki’＝ki+δki及kd’＝kd+δkd。pid算法采用位置式方法，控制器增量输出δu(n)可表达为：

最终通过模糊pid控制器得到频率变化信号u(n)，将其送至执行器进行水泵变频，从而最终实现对中央空调系统冷冻水的流量控制。

综上所述，本发明将负荷预测与模糊pid控制进行了结合，不再是用简单的温差控制或者是压差控制来对空调冷冻水流量进行变频控制，它将现代电子技术结合在了一起，通过精确预测建筑中央空调冷负荷，超前控制系统中的冷冻水流量，采取变频的措施使整个空调系统的能耗得到了下降。

对空调智能控制系统进行仿真前，需要对控制环节中许多控制参数、对象参数进行确定。根据苏州市某医院的实际运行状况及空调冷冻水与冷却水对各类型变量的关系进行基本论域的设定，流量偏差e的基本论域设定在[-15,15]，那么流量偏差变化率ec的基本论域即为[-30,30]。根据实验测定，pid控制器的初始参数分别为：kp＝0.15,ki＝0.0015,kd＝2。可知δkp的基本论域为[-0.3,+0.3]，δki的基本论域在[-0.0006,0.0006]，δk的基本论域在[-0.3，0.3]。

本发明给出的模糊控制规则是依据现场的基本情况及实际调整需要而制定出的控制规则。制定的基本原理是：当差值e很大时，系统需要设定合理的参数，加速减少这个差值；而当差值e很小时，系统要调整控制的参数，避免系统出现超调或者震荡等现象。如下表给出了δkp,，δki，δkd三个参数的控制规则表。

δkp模糊控制规则表

δki模糊控制规则表

δkd模糊控制规则表

由于冷冻水系统具有复杂的结构，各个结构在传递信号时也有较强的时间滞后性，因此很难对其进行数学模型的建立，因此在实际控制计算中，常常利用空调系统中各个环节的传递函数以及实验数据的测量，利用带延迟的二阶传递函数来模拟中央空调系统的冷水数学模型：

根据上述分析中确定的参数，对中央空调冷冻水控制系统的数字仿真分析，仿真结果如图4所示。可以发现，对比普通的pid控制，本发明所使用的智能模糊pid控制系统可以使冷冻水系统的响应速度更快，根据数据模拟数据显示，系统达到5％误差时，使用模糊pid进行控制需要183s，而使用普通pid控制需要228s，不考虑纯滞后的35s，则控制时间可减少23％；而系统达到1％误差时，使用模糊pid进行控制需要262s，而使用普通pid控制需要425s，不考虑纯滞后的35s，则控制时间可减少42％，从而使冷水系统对参数的变化更为敏感，从而节约运行费用，达到节能的目的。