基于蚁群算法的变风量空调室温控制研究

李肇蕙

（北方机电工业学校，河北 张家口075000）

0 引 言

变风量空调系统（Variable Air Volume Air Condition System，简称VAV系统），是通过改变风量而不是送风温度来调节空调区域温度的一种典型的全空气空调系统［1］.随着人们日常生活的不断发展，变风量空调系统根据建筑室内的负荷转变或不同工作人员对工作环境舒适度要求进行了相对调节.但是，生活中的变风量空调系统作为一种复杂系统，其在温度、相对湿度、新风量、送风量等匹配控制中突显出了大惯性、大滞后、非线性及干扰性强、PID控制参数难以进行优化调节等问题.蚁群算法具有系统性、分布式计算、自组织性和正反馈性等优良特点［2］［3］.将蚁群算法应用到VAV空调系统中的PID参数整定过程中能使变风量空调系统的控制效果得到更好地改善.

1 系统控制方式

变风量空调系统的室温控制主要是由变风量末端装置对风量的控制并结合改变送风机转速的方法来实现，主要包括定静压法、变静压法和总风量控制法.总风量的控制系统结构较静压法的构造简单，该控制系统主要具有快速、稳定的特性，同时也消除了系统中检测压力点的装置.因此，本文通过总风量的控制方法对变频调速风机进行控制.

1.1 总风量控制风机的基本原理

当房间内变风量空调系统的末端装置风阀处于全部展开状态时，对送风机实施转速调节控制，同时依照控制系统以模拟变风量空调系统送风量与风机转速的比例关系图（如图1所示），从而得到送风量和风机转速的关系式，如公式（1）所示.

图1 系统模拟送风量与风机转速的比例关系图

针对系统舒适性空调采用变频调速技术，控制系统中设定一个用以表示系统各末端装置不均衡性的系统安全系数Gs参数，从而实现系统变频调速的工作过程.其中，设定Gs的基本公式如下［4］：

式中，Gs－每个末端装置定义的相对设定风量；

Gs·i－第i个末端装置设定的风量值；

Gd·i－第i个末端装置设计的最大风量值.

依照有关理论依据，通过公式（3）、（4）、（5）推导出控制系统所需风量与风机所需转速的关系式.

上述各式中，Gi－各末端装置的相对设定风量；

G－各末端装置相对风量的平均值；

σ－所有末端装置相对设定风量的均方差；

n－自适应的征订系数，缺少值为1.0；

Ns－运行工况下风机设定的转速；

Nd－设计工况下风机的设计转速；

（1＋σK）－对风管阻力曲线变化的修正.

1.2 室温控制的总风量法

根据系统的结构图（如图2），通过设定各房间的温度值，计算每个房间所需的送风量值，并对所有房间的变风量末端装置需求的送风量总和作为控制系统设定的总风量值，因而对变频风机转速进行相应调节.同时，依照所设定的房间温度，对各个房间末端风阀的开启角度进行依次调节，从而满足房间室内温度的调节要求.图3为总风量控制环节流程图.

图2 系统结构图

图3 总风量控制环节流程图

1.3 传统PID控制下的室内温度

传统PID控制器控制过程简单、可靠，但对于复杂的非线性、滞后性空调系统不能达到良好的控制效果.图4为变风量室内温度PID控制环节结构图.

图4 变风量室内温度PID控制环节结构图

1.4 基于蚁群算法的PID控制

蚁群算法具有很好的寻优能力，通过对蚁群算法与传统PID控制的结合，以建立基于蚁群算法的PID控制系统环节，图5为基于蚁群算法的PID控制结构图.

图5 基于蚁群算法的PID控制结构图

2 基于蚁群算法的PID参数优化

针对室内温度调节的控制过程，设定蚂蚁数量m＝20.定义每只蚂蚁的爬行路线，运用path＝｛O，Knot（x1，y1，j），Knot（x2，y2，j），…，Knot（x15，y15，j）｝即可表示，其中Pathk表示第k只蚂蚁所走的路径；将图6中各节点的初始信息都设定为0值，运用公式（8）计算出该15只人工蚁在线段Li上每个节点处移动的概率值，根据求得的最大概率值将15只蚂蚁移动到最大概率节点处；根据各节点处的概率确定人工蚁的爬行路径，依据公式（6）计算第k只蚂蚁所对应的PID参数Kp、Ti、Td；对三个参数进行仿真训练并利用公式（7）得出相应的目标函数Fk，同时记录下本次循环过程的最优路径；通过对路径信息进行更新，并再次循环，当20只蚂蚁都收敛到同一路径上时表明该算法结束，同时输出最优路径中所对应的PID优化参数.

3 系统实验仿真

设定该系统冬季室内初始温度为13℃，房间室内设定温度值为18℃，室内基准温度值为13℃，PID参数初始值为Kp＝20，Ti＝2，Td＝3；同时，根据建筑系统的实际要求，在模拟系统中设定有五个末端装置，风量分别设定为0.6、0.5、0.25、0.5、0.4kg／s，各房间根据其功能设计风量依次为0.42、0.83、0.6、0.83、0.6kg／s，系统初始运行状态下，风机初始转速为25r／s，总风量值约为16000m3／h，室内负荷依次为1KW，5KW，5KW，1KW，3KW.

3.1 系统变频风机调速仿真比较图

依照上述设定，风机总风量控制下转速的调节曲线如图6所示.

图6 风机总风量控制下常规PID与蚁群算法PID阶跃响应比较

通过图6，常规PID控制下风机达到最佳转速的上升时间为tr＝50.2s，调整时间ts＝185s，超调量σ＝20.6%；经蚁群算法改进后上升时间tr＝60s，调整时间ts＝92s，超调量σ＝1.6%.因此，蚁群算法使得送风机的变频转速过程稳定性提升.

3.2 室内温度控制环节仿真分析

如下图（图7）所示，为室内温度变化增量与基准温度值的比值称为相对温度值.

通过图7仿真结果，常规PID阶跃响应的动态指标为：tr＝50s，ts＝326s，σ＝15.4%；经过蚁群优化的PID阶跃响应 的 动 态 指 标 为：tr＝112.5s，ts＝200.5s，σ＝2.5%.

4 结 语

通过蚁群算法初步对变风量空调系统的变频风机、室内温度调节进行优化控制，因而为优化后的整个系统温度、相对湿度和CO2三个参量综合调节奠定基础以解决系统各控制环节中调节要求及相互协调性.同时，随着蚁群算法在空调系统中的应用与改进，参照此次蚁群算法优化PID控制中对控制系统动态性能的改善具有一定的应用价值和指导意义.

图7 常规PID与蚁群算法PID阶跃响应比较

［1］霍小平.中央空调自控系统设计［M］.北京：中国电力出版社，2004

［2］李士勇.蚁群算法及其应用［M］.哈尔滨：哈尔滨工业大学出版社，2004

［3］段海滨.蚁群算法及其应用［M］.北京：科学出版社，2005

［4］戴斌文，狄洪发，江亿.变风量空调系统总风量控制方法［J］.暖通空调，1999（3）：1～6

［5］段海滨，王道波.一种快速全局优化的改进蚁群算法及仿真［J］.信息与控制，2004，33（2）：241～244

［6］Astrom KJ，Hagglund T.Automatic tuning of simple regulatoswitch specifications on phase and amplitude margins［J］