变风量末端测点优化与智能补偿协调研究

The variable air volume air-conditioning system is a fusion of architecture, environment and information and control technologies, and faces many challenges under certain and uncertain factors. Variable air volume teminal, whose control and energy-saving measures directly influence the operation efficiency of the whole system, is the core part.Taking energy-saving as the objective, human comfort and indoor air quality as guidance, terminal decouping coordination may bring a breakthrough in the research on detection optimization and compensation coordination in air-conditioning terminal system with combining theoretical analysis, simulation and experiment methods. Load prediction model will be studied through particle swarm-support prediction method. Laws of the effects of climate change on the air conditioning system are revealed. And compensation is researched. The optimized indoor temperature detection point will be obtained by simulation and experiment. With interaction prediction balance method, the online hybrid coordination optimal control frame is formed to coordinate and decouple terminal compensation. Then the system works in optimal operational conditions with optimized paratmeters. The research on collaborative optimal scheme with multi-objectives provides theoretical foundation and technical support for improving built environment quality and energy-saving, and has important theoretical meaning and scientific value.

变风量空调系统融合了建筑、环境与信息控制等技术，受确定与不确定性因素影响，面临很多挑战。变风量末端作为核心部分，其控制、节能措施直接影响整个系统运行效果。本项目以空调系统节能降耗为目标，以人体舒适度与室内空气质量为指导，末端解耦协调为突破点，采用理论分析、仿真与实验相结合的方法，对变风量末端测点进行优化与补偿协调研究。采用粒子群—支持向量机模型预测控制方法进行负荷预测模型研究，利用信息融合技术揭示气候变化对空调系统的影响规律，研究补偿措施。仿真模拟与实验结合研究室内最佳温度检测点，利用关联预测平衡协调策略，以在线混合协调优化控制结构为总体框架，协调各末端补偿器，解决房间耦合，优化系统运行工况。研究末端系统多目标协同优化，为提高建筑环境质量和节能降耗提供基础理论与技术支撑，有重要的理论意义和科学价值。

气候变化通过建筑围护结构引起室内热环境动态变化，室内气流组织分布不均匀，房间温控器通常安装在门口附近的墙壁，其测量值不能完全反映工作区环境参数，以此为反馈进行房间温度控制常常无法满足工作区人员舒适度要求，对空气质量与系统能耗有很大影响。研究了基于变速积分PID型迭代学习控制的空调静压动态调控方法。分析了气候变化对空调负荷的影响，探索了不同气候条件下，房间温度与送风温度的关联关系及其对系统性能与运行能耗的影响。研究了室内多测点布置方案，利用信息融合技术，探索了房间温度最佳检测点、基于有效吹风温度的最佳测点和基于有效温度的温湿度最佳测点，构建了变风量末端房间温、湿度联合串级控制系统。研究结果表明：当系统负荷发生变化时变速积分PID型迭代学习控制能使系统快速平稳的从一个状态过渡到另一个状态，跟踪性能良好。当室外温度发生变化时，根据研究的室内温度与送风温度关联关系及时调整送风温度设定值可使系统始终在最小能耗状态下运行。采用了自适应加权数据融合算法、基于修正误差学习的融合算法和基于均值的递推融合方法分别确定了室内温度最佳测点、基于有效吹风温度的最佳测点和基于有效温度的温湿度最佳测点，并初步探索了室内最佳检测点与非最佳检测点的映射关系，表明与非最佳测点相比，最佳测点对室内温度具有更好的控制效果。房间末端控制研究表明：单神经元PID和单纯形增量式PID控制方法分别对房间温度、湿度控制有较好的控制效果，缩短了系统调整时间。采用交叉解耦、PID神经元网络解耦控制对房间温湿度双闭环解耦控制的研究表明，两种方法均能使系统达到良好解耦，PID神经网络解耦比交叉解耦的调节时间快一倍，系统更具节能性。本课题研究改善和提高了建筑室内外动态热环境作用下空调控制系统的室内环境控制效果，对提高建筑环境质量，促进建筑节能有重要的理论意义和实用价值，也可为空调智能化工程应用提供参考。