072 低能耗建筑能源系统的多步预测优化控制

《072 低能耗建筑能源系统的多步预测优化控制》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、低能耗建筑能源系统的多步预测优化控制中国建筑科学研究院空调所于震，王亮，王智超摘要本文介绍并比较两种对低能耗建筑能源系统的多部预测控制。首先介绍了一个示范性的低能耗建筑的能源系统的组成，并在Matlab/Simulink®环境中进行了模拟。本文提出一种基于两层多步动态优化的快速优化算法，用于优化运行策略的寻找。在此基础上，基于模型的预测控制和层次化模糊控制两种方法分别被用于进行该能源系统的在线控制。其中，层次化模糊控制使用一种基于再励学习的方法进行在线学习，用以解决模拟中存在的不确定问题。最后，对两种优化算法的运算量，控制效果和被控建筑的

2、运行成本进行了比较。关键词智能建筑，控制，模糊，在线学习1.介绍通过使用计算机模拟技术，可以获得大量诸如热响应、能源消耗、甚至建筑使用者行为等与建筑性能紧密相关的信息。通过有效地使用这些信息，可以帮助建筑使用者和楼宇自控系统来优化控制决策。比如，计算机模拟程序可以被控制系统在线使用，作为建筑能源系统的在线模型；计算机模拟程序也可被离线使用，模拟结果可以用于生成模糊规则库，而后者则可被在线使用，来进行楼宇控制；模拟程序还可以用来为各种在线学习的优化算法提供次优的初始控制策略。本文讨论了在低能耗建筑能源系统的优化控制问题中，对计算机模拟程序的

3、不同应用方式。首先，对一个示范建筑的低能耗能源系统的组成形式进行了简单介绍。两种应用方式将被应用于本能源系统：基于模型的预测控制和层次化模糊控制。基于模型的预测控制方法在线使用模拟程序作为建筑物的模型。而层次化模糊控制离线使用模拟程序生成模糊规则库。最后，再励学习算法被用来在线整定离线生成的模糊规则库，用来克服模拟程序与实际建筑间不可避免的差异。2.被控系统描述本文以一个位于英国莱斯特郡的一个低能耗示范项目的能源系统为例[1]。该系统包括太阳能热水系统，热水蓄热系统，可通风的与建筑一体的太阳能发电系统，新排风显热回收，生活热水系统和供暖系

4、统。为了使该系统复杂性更高，在模拟中还根据实际情况增加了太阳能热水驱动的吸收式空调，冷却塔和制冷换热器[2]。本建筑有三个功能分区，分别为展厅(217.9m2)，餐饮(74.0m2)和会议室(178.6m2)。图1和图2给出了水系统和风系统的组成。水系统包括锅炉、热水驱动的吸收式制冷机、分层蓄热热水罐、冷却塔、冷却水系统和冷冻水输配系统。风系统包括一个可通风的太阳能发电板（可同时发电和制热）、一个显热回收装置、空调箱、送排风机、风阀以及单设的送排风热回收装置。冷热盘管是风系统和水系统之间的接口。该低能耗建筑的能源系统的计算机模拟是在Mat

5、lab/Simulink®中实现的。建筑模型来自于DeMontfortUniversity提供的现场数据记录和系统辨识结果[1]。主要设备的模型来自于法国CSTB的SIMBAD模拟软件[3]。吸收式制冷机的模型来自冷机厂家提供的数据[4]。而用来作为对比基准的运行策略来自目前该建筑的运行手册[1].图1水系统图2风系统3.多步动态规划多步动态规划非常适用于建筑能源系统的优化控制。预测控制的方法在传统建筑能源系统中已经得到不少的应用[1,5,6,7]。本文引入一种基于动态规划的多步预测控制方法，其中动态规划算法被用来寻找有较长时间常数的建筑

6、级用能优化，被优化的参数包括室内温度设定值、蓄热罐热水温度设定值、建筑能源系统的运行模式（制冷，制热，热回收，蓄热等）。而这些中间变量与当前的环境参数、系统参数一同作为输入，被另一个优化程序用来寻找优化的设备运行模式。图3给出了基于多步动态规划的预测控制系统图.从系统返回控制器的反馈被用来克服计算机模拟程序中存在的不确定因素。在每个时刻，动态规划程序都会寻找出从当前时刻到未来某时刻的一系列决策，而实际上采用的仅为该系列的第一项。图3基于动态规划的预测控制4.层次化模糊控制在基于动态规划的预测控制中，动态规划程序需要在每个时间步运行一次，用

7、来预测未来多步的最优策略。然而，由于变量众多，在线运行该动态规划程序在很多场合很难实现。此外，动态规划需要详细准确的系统模型，这通常需要大量的前期工作才有可能实现，这在工程实践中同样是比较困难的。而模糊控制在处理有大不确定性的问题时有其自有的优势，可以用接近自然语言的方法来表达.，并且在线修改模糊规则库的难度并不见得大于在线辨识模型的难度。由于问题的复杂度，如果直接采用传统的模糊规则库，规则数会依变量增加的速度指数增长，使得整个规则库难以生成、维护和理解。在本问题中，模糊规则库的输入变量包括当前和将来的系统状态、当前的环境参数以及预测的未

8、来环境参数。重要参数包括时间、室外干湿球温度、太阳辐射、室内温度、蓄热水罐温度、墙体温度等。优化程序根据不同输入情况进行优化的结果被用来生成模糊规则。理想情况下，输入情况的所有组合都应该在规则