互补供热系统中控制器的改进与分析

摘 要：随着科技的进步，将更加先进的科学技术运用到供热系统中，对提高其热量利用效率、节能减排等都有重要的现实意义，其中供热系统控制器的不断改进在提高热量利用效率方面更是起着重要作用。本文针对互补供热系统传统控制器时变性、非线性、大滞后、强耦合的运行特点，对控制器进行了改进。提高了其在抗干扰性方面，阶跃响应性能指标方面，解耦性方面的性能，进而提高了互补供热系统的热利用效率。

关键词：互补供热;热效率;改进控制器;改进PSO算法

1 绪论

在未来多样化的能源结构中，互补供热技术的应运将愈发普遍，但同时其控制系统的也有复杂、繁琐这样的弊端，让互其热利用效率大打折扣。传统PID控制器的缺陷有如下两方面，首先为不合理的动态参数整定，进而使得控制效果不理想，其热利用效率不高;其次为使用的局限性，对有非线性、高耦合度、时变性特点的不确定模型结构控制效果较差。而若要传统PID控制器在互补供热系统的控制更加精准，则需对其控制算法进行改进，而不是仅对一些参数进行整定。

2 互补供热系统的调控模式

本文是针对互补供热系统的智能控制器进行改进，其智能控制系统可分为四大部分，分别是改进PSO-PID优化控制系统、传感器数据采集系统、GPRS数据传输系统和执行机构控制系统[1]。本文所改进的智能控制器的功能为：调节互补供热系统中热网的供水温度。其工作原理如下图所示。

3 标准PSO算法的基本思想和不足

3.1 标准PSO算法的基本思想

PSO算法的基本思想为假定优化的每一种情况均为一个在n维空间匀速飞行的微粒[2]。其对微粒的优劣判断的依据是适应度函数的不同。其中每个微粒飞行速度调节的重要依据是包括自己在内的所有微粒的飞行经验。当微粒飞向其最佳位置时，那么所得方案即为其所需的最优解决方案。

3.2 标准PSO算法的不足

尽管标准PSO算法为全局随机搜索法，但其仍有收敛速度慢与早熟收敛两项缺点[3]。而收敛速度慢会发生的情况是当后期粒子掉入到局部极小点的同时由于收敛速度较慢而无法逃出。早熟收敛则可能会让粒子群搜索全局最佳位置的难度加大。

4 PSO算法的改进原理

针对上述标准PSO算法的不足，本文从两个方向入手进线对算法进行改进。首先惯性权系数w值需控制在[0.8～1.2]范围内，在算法进行迭代过程中w值若线性减小，那么算法的性能与收敛速度均会有所提升。其次可通过导入变异例子来改善算法，以解决粒子群不能从局部最优位置中摆脱的问题。在导入变异粒子后，粒子群的搜寻能力会更强更多样。由于变异粒子可从局部最优位置内摆脱出来，进入新的领域继续搜寻，因此这种算法有了更高的概率搜寻到全局最佳位置。进而将标准算法中进化停滞、陷入局部最优位置无法摆脱这两个问题解决了。

5 改进控制器在互补供热系统中的应用分析

5.1 抗干扰性分析

改进互补供热系统的控制器后。首先将扰动叠加到燃气热泵侧时，热网侧虽有较短的小波动但仍可迅速回到稳态。而当把扰动叠加到热网侧时，燃气热泵侧虽也有较短的小波动但也可迅速回到稳态。

5.2 阶跃响应性能指标分析

互补供热系统的四种控制方式下，系统反应速度均有明显提升，但也发生了1%～3%的超调。由于互补供热系统对控制条件的要求并不苛刻，因此上述相对较小的超调值是完全可以被接受的。

5.3 解耦性分析

采用传统控制器的互补供热系统在运行中会产生强耦合性的问题。而当互补供热系统各热源间发生的水力耦合现象较严重时，整个供热系统都会产生振荡甚至发散。而在将改进后的控制器应用到互补供热系统中进行模拟后，得出的结果是无论在燃气热泵侧还是热网侧输入设定值r后，输出值y均未受影响。因此在应对系统运行中水力耦合现象的过程中改进控制器发挥了重要作用。

6 结论

针对互补供热系统大滞后、非线性、时变性、强耦合的特点。本文改进了其控制器的算法，进而对互补供热系统的热利用效率的提高发挥了重要作用。而改进后的控制器可在以下三个方面对互补供热系统进行提升。

（1）提高了互补供热系统的抗干扰性。各热源从短暂的小波动到回到稳定状态的速度较快，表现出了收敛速度较快、鲁棒性和自适应性较强的特点。

（2）阶跃控制产生的超调量的值在可接受范围内且数值较小，同时可明显减少了上升时间与调节时间，且明显提升了响应速度。

（3）面对互补供热系统的水力耦合现象，改进控制器的应对更加得当，进而避免了振荡甚至发散情况的出现。

参考文献：

[1]金文兵.由组态软件，智能仪表及PLC等组成的工业控制系统[J].电力自动化设备，2005，25（6）：73-76.Voncuba H L，Steimle F.Heat Pump Technology[M].Butter worths，1981.379.

[2]Khodier M M，Christodoulou C G.Linear array geometry synthesis with minimum sidelobe level and null control using particle swarm optimization[J].Antennas and Propagation，IEEE Transactions on，2005，53（8）：2674-2679.

[3]劉建华.粒子群算法的基本理论及其改进研究[D].中南大学，2009.

作者简介：薛翔远（1989-），男，辽宁沈阳人，硕士，研究方向：建筑环境与设备工程。