建筑空调负荷预测及水蓄冷空调系统控制技术研究

《建筑空调负荷预测及水蓄冷空调系统控制技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中文图书分类号：TP18密级：公开UDC：621.3学校代码：10016论文题目：建筑空调负荷预测及水蓄冷空调系统控制技术研究论文作者：刘坤学科：控制科学与工程指导教师：魏东论文提交日期：2018年6月19日学位论文建筑空调负荷预测及水蓄冷空调系统控制技术研究Coolingloadforecastingandcontrolstrategyforwaterstoragesystems刘坤指导教师姓名魏东教授北京建筑大学申请学位级别硕士学位类别工学硕士所属学科控制科学与工程年级2015级全日制学号2

2、108110015002论文答辩时间2018年6月答辩委员会主席史运涛教授论文评阅人赵春晓教授王旭高工北京建筑大学硕士学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含本人或他人为获得北京建筑大学或其它教育机构的学位或学历证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。若有不实之处，本人愿意承担

3、相关法律责任。学位论文作者签字：日期：年月日北京建筑大学硕士学位论文版权使用授权书本人完全了解学校有关学位论文知识产权的规定，在校攻读学位期间论文工作的知识产权属于北京建筑大学，允许论文被查阅和借阅。学校有权保留论文并向国家有关部门或机构送交论文纸质版和电子版，可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印、或扫描等复制手段保存和汇编学位论文。保密学位论文在解密后的使用授权同上。学位论文作者签名：校内导师签名：年月日年月日校外导师签名：年月日I摘要随着经济的发展与生活

4、水平的提高，空调的使用越来越广泛，随之而来的是耗电量的不断增多，一线城市的空调用电量已占其高峰用电量的25%以上，而且空调与工业生产用电都集中于白天，造成电力系统的峰谷负荷差加大。蓄冷空调可以将空调用电量从白天转移到晚上，晚上通过冷机制冷将冷量存储，并在电力高峰期间释冷。国家出台相关政策鼓励蓄冷技术的应用实施，以达到电力“移峰填谷”效果。但是目前实际工程项目当中的蓄冷空调系统的运行效果并不理想，经过对深圳市现有蓄冷项目的调查研究发现，大多数系统的控制依靠的是工作人员实际积累的经验，而非系统科学的

5、控制策略，因此造成蓄冷项目达不到充分利用蓄冷降低运行费用的目的。蓄冷空调系统具有大滞后、非线性、强耦合的特性，而传统PID控制很难处理各变量间复杂的耦合关系，且不能实现系统的节能和优化控制。预测控制算法对模型要求不高，能处理约束、耦合和滞后问题，适用于水蓄冷空调系统控制。预测控制本质上就是对系统运行状态的最优控制，可以提前预测下一时刻目标值，从而求得系统的目标函数的最小值，进而达到对蓄冷系统运行的最优控制，且预测控制算法对模型要求较低，易于工程实现。另一方面，准确的建筑空调冷负荷预测对水蓄冷空调

6、系统来说是一个基础型性前提条件。只有知道了建筑物次日的负荷需求，才可以以此决定蓄水槽夜间需要蓄存的冷量，这样可以使蓄存的冷量在白天充足应用又不至于浪费。并且在次日蓄冷系统运行时，预测控制策略将根据逐时负荷需求来确定当前时刻冷机与水槽需要承担的负荷，以使系统达到节能和冷量匹配的目的。但是，目前水蓄冷空调系统预测控制研究存在两方面的困难，一是蓄冷空调蓄冷设备多，回路复杂，机理建模困难；且现有的暖通空调仿真平台（如TRNSYS、EnergyPlus等）缺少水槽、板式换热器等模块的动态模型，现有的非动态

7、模型不适用于控制系统的仿真，需要开发动态模块与TRNSYS仿真软件中水泵、管道等模块搭配共同搭建蓄冷系统的仿真平台。二是传统预测控制算法计算量大，在实际工程项目中难以实现。当前利用预测控制算法来进行非线性控制系统求解时，使用率最高的方法就是动态规划（Hamilton-Jacobi-Bellman，HJB）和欧拉方程（Euler-Lagrange，EL），但两者均存在缺点。HJB方程易造成“维数灾”问题，而EL方程只能对特定初始状态下的最优控制向量序列进行求解，且没有反馈功能。本论文以深圳国银大厦

8、水蓄冷空调系统为研究对象，进行负荷预测和控制策略研究。本论文首先利用实际工程中安装的传感器收集到空调季的实际数据，然后采用BP神经网络建立了蓄冷系统的负荷预测模型；为提高网络泛化能力，采用改进的贝叶斯正规化方法对网络模型训练；并利用部分样本数据对已建立的模型进行测试，利用一周的数据测试时只有1.21%的误差，表明该模型可以达到的精度可以满足实际要求，可以用I于实际工程项目。本论文研究了神经网络预测控制策略，该策略结合HJB及EL方程的优点，利用控制器对系统寻求使目标函数达到最优的反馈控制量，并且