变风量空调系统的优缺点.docVIP

在各种空调方式中,VAV 空调系统有其自身的优点: 1、由于空调系统大部分时间在部分负荷下运行,所以风量的减少带来了风机能 耗的降低和末端设备里的再加热器能耗的降低; 2、能实现局部区域的灵活控制; 3、利用系统多样性,可使中央系统的初始成本低; 4、同样,由于可利用系统的多样性,今后扩展的成本大大降低; 5、系统是自平衡的(Self2balancing) ,等等。 因此,国外智能大厦的空调系统多采用VAV 空调系统, 或与CAV 空调系统、FCU 空调系统相结合的方式。 虽然VAV 空调系统具有上述优点,但是它的控制却最复杂。目前,VAV 空调系统的控制方式基本上采用多个回路的PID控制。在系统模型参数变化不大的情况下,PID 控制效果良好。但是,VAV 空调系统是一个干扰大的、高度非线性的、不确定性系统,这是由于: 1、外界气候和空调区域里的人员活动的变化很大,对系统形成很大的干扰; 2、空气调节过程是高度非线性的;各执行器的运行特性也是非线性的; 3、各个控制回路之间耦合强烈,完全解耦是不可能的; 4、随着时间的推移,设备会老化和更换,从而造成系统参数的变化。 5、在许多系统里,系统的数学模型很难建立。 所以, PID 控制的效果很糟糕。在HVAC 控制领域,许多新的控制方法不断 出现,如MacArthur 和Grald采用自适应控制方法,Dexter 和Haves运用自调节预测控制器。但是,在将现代控制理论和大系统理论,运用到VAV 空调系统中时,由于它们的分析、综合和设计都是建立在严格和精确的数字模型之上的,所以同样遇到这样的问题。而智能控制理论正是针对被控对象及其环境和任务的不确定性提出来的,在VAV 空调系统的控制领域应当具有广阔的前景。目前,智能控制理论主要有三大方向,即,神经网络控制,模糊控制和专家系统。它们在VAV 空调系统中主要用于诊断异常、预测能耗。对于VAV 空调系统的控制,神经网络控制和模糊控制的研究都已经开始,而专家系统由于其知识库庞大,设计十分困难,目前尚难以应用过来。下面,针对模糊控制、神经网络控制在VAV 空调系统中的应用作一点探讨。 二、模糊控制 模糊控制是基于规则的智能控制,以模糊数学为基础。系统的基本结构如图1所示。控制器由四个基本部件组成,即模糊化接口、知识库、决策逻辑单元、去模糊接口。 图1 　模糊控制系统的基本结构 　在过去的几年里,有一些应用于暖通空调系统的模糊逻辑控制,S. Huang 和R. M. Nelson〔7〕将PFC ( PID 和模糊控制相结合) 介绍进HVAC 控制领域并针对单元的二阶传函进行了仿真。这两位作者又在〔8〕中介绍了一种模糊控制规则的调整方法,在〔9〕中应用于HVAC 系统的控制,用来控制一个热交换器的气动阀,将回风温度作为输入,实验结果显示该控制方案大大优于PID 控制。这些控制思想同样可用于VAV 空调系统的控制。Robert N.Lea 和Edgar Dohmann〔10〕应用模糊控制器控制压缩机、风机,输入是温度相对湿度和设定点,对6 个区域进行调节。So et al . 在〔11〕中推出了一种基于模糊逻辑的控制器,四个单元状态参数(供风风门后的压力,室内温度,室内相对湿度和供风温度) 靠调节五个执行命令(供风风机速度,供风风门角度,制冷水流速,再加热器的功率和加湿器的湿度比) 来控制。模糊控制器的控制思路是将VAV 空调系统的状态参数作为输入,输出是VAV空调系统的执行命令。一个简单的VAV空调系统的FLCD的方框图如图2 所示状态参数需要根据不同的控制方案来选取。 常规的模糊控制器,有许多不足之处,比如系统的上升特性不理想,超调大,调节时间长,甚至产生振荡,抗干扰能力差,稳态误差大,产生这些缺点的主要原因是常规的模糊控制器在结构上过于简单,在设计过程中也有许多主观因素,而且一旦模糊规则确定就不再变化等。我们希望模糊控制器能够动态地调整自身,具有自学习能力,以达到预定的控制品质,现在模糊控制的一个重要研究方向是自适应模糊控制,主要有两种,模型参考自适应模糊控制(图3 a) 和自校正模糊控制(图3 b) 。模糊控制器可调整部分主要有:控制规则、隶属函数和规范化因子。 图2 　模糊控制系统方框图 图3 a 　模型参考自适应模糊控制 图3 b 　自校正模糊控制器 　各种智能控制方法之间的结合可以取长补短,如模糊神经网络控制,就是利用神经网络的自学习能力,还有与专家系统的结合,或者与经典控制方法、现代控制方法的相互结合,这些都是控制领域研究的前沿课题,需要控制人员深入研究,并尽快应用到VAV 空调系统中来。 三、神经网络控制 　　神经网络在HVAC 控制领域里的研究和应用更多。Curtiss et al .〔12〕首先将其应用于热水盘管的热水阀的预