暖通空调制冷系统优化控制方法探究.docVIP

暖通空调制冷系统优化控制方法探究 　　摘要：暖通空调是现代建筑中必不可少的一部分，但是它增加了能源的消耗。在我国的建筑中，暖通空调的能源消耗占到了整个建筑的20%以上，而暖通空调的能源消耗中有一半以上是因为制冷系统。文章从暖通空调制冷系统的工作原理入手，首先分析了暖通空调制冷系统的优化控制方法，然后研究了暖通空调制冷系统的最优控制组合 关键词：暖通空调；制冷系统；优化控制方法；现代建筑；能源消耗 文献标识码：A 中图分类号：TU96 文章编号：1009-2374（2017）03-0028-02 DOI：10.13535/j.cnki.11-4406/n.2017.03.012 1 暖通空调制冷系统的工作原理 暖通空调的制冷系统是通过制冷剂实现热量的交换，制冷剂在压缩机、冷凝器、蒸发器和节流阀四个元件中不断循环，自身的状态发生变化，进而实现吸收热量与释放热量。制冷剂在蒸发皿中吸收热量，这时的制冷剂由液体变为了低压低温的气体。气化的冷却剂被压缩机吸入，进而压缩成高温高压的气体，这些气体在冷凝器中将自身的热量传递给空气或者水，变为最初的液体状态。这就是一个基本的循环，多次进行这个循环就可以实现热量的交换，达到降温的目的 除了制冷剂循环外，暖通空调还有冷却水循环、冷冻水循环和室内空气循环。这三种循环都直接或者间接与冷却剂发生热量交换，帮助把室内空气的温度降低，实现制冷的效果。从暖通空调制冷系统的工作原理来看，制冷系统是能源消耗最大的部分，对其进行优化控制可以最大限度地降低能量损耗 2 暖通空调制冷系统的优化控制方法 暖通空调的制冷系统受室外气象和室内状态的影响较大，所以为了保证制冷的效果，制冷系统会全部运作，这就导致了制冷系统只有部分处于负荷状态，增大了其能耗。基于此，可以从暖通空调部分负荷的状态入手，研究制冷机最佳吸气压力的状态，进而分析其能源节约的问题 2.1 BP神经网络在暖通空调制冷系统中的应用 BP神经网络是一种多层反馈的网络系统，可以解决多层网络的隐藏单元连接问题。而且BP神经网络在解决非线性的映射问题时，有着不可替代的作用。根据BP神经网络的特性，它主要用在以下三个方面：（1）模式的识别与分类。在计算机的数据中，可以将信息分为文字、图片和语言等类型，BP神经网络可以根据不同数据的特征进行识别，然后把信息针对性的归类，有助于加快信息的处理；（2）函数系统控制。BP神经网络可以利用其自身非线性的特点进行函数建模，建模后的系统就可以广泛应用在工业控制中，如机器人的运动轨迹控制等；（3）压缩数据。BP神经网络可以对数据进行压缩，减少数据所占据的内存空间。另外，BP神经网络还可以对数据的特征进行抽取，方便数据的分析 根据BP神经网络的上述特征，可以将这种神经网络应用在暖通空调的制冷系统中，实现对空调制冷系统中制冷机吸气压力的模拟。因为暖通空调制冷机的能耗有很强的非线性特点，所以在收集其能耗状态时很难保证精确性。基于此，可以发挥BP神经网络的作用，实现对真实数据的模拟。BP神经网络可以模拟任意的连续非线性函数，利用神经网络模型来逼近实际值。BP神经网络在暖通空调中可以实现制冷机状态的监测，方便后续的调整和控制 2.2 Matlab语言在暖通空调制冷系统中的应用 Matlab语言是一种很强大的工程语言，它可以处理大量的数据，而且处理的效率很高。所以，在控制系统、图像处理和系统仿真中的应用较为广泛。在随后的发展中，Matlab?Z言更为完善，各个领域的专家根据自身的需求推出了Matlab工具箱，里面有各种训练与设计的子程序，当人们需要的时候就可以直接调取，进而解放了自己的编程。从这方面来讲，Matlab语言实现了模块化的设计与应用，能够简化系统的控制过程。所以，即使不了解算法的本质，人们也可以直接利用函数模块来实现设计目的，方便了建模的过程 BP神经网络是算法的基础，可以实现系统运作的模拟，而Matlab语言是整个系统运作的模块，在一定程度上可以看作是BP神经网络的子系统。如果把BP神经网络应用在暖通空调的制冷系统中，那么就可以用Matlab语言实现模块的设定。这种结合的优势主要体现在以下两点：（1）简化整个系统的设定。暖通空调的制冷系统受外界环境和室内环境的影响较大，所以其运行会经常性的发生改变，要收集其运行状态的各种参数较为复杂。但是将BP神经网络和Matlab语言结合后，就能够根据模块的特性快速设定程序，简化整个系统的运作；（2）反馈最接近实际情况的数据。为了降低暖通空调制冷机的能耗，需要确定其最佳吸气压力的状态。制冷剂的状态变化有着明显的非线性关系，寻常的采集方法很难起到较好的效果。但是，BP神经网络能够模拟非线性的映射，而Matlab语言能够快速的处理数据，这就形