基于人工智能的中央空调节能技术研究

□□ 李 晶

(山西建筑职业技术学院，山西 晋中 030619)

引言

能源从古至今一直是人类生产、生活的必须品。但近些年，能源消耗不断加速，非可再生能源地消耗也带来了气候变暖等一系列挑战，如何找到发展与节能的平衡点，使人类走上可持续发展的道路，已成为全社会关注和研究的聚焦点。近年来各种建筑节能措施和方法层出不穷，可目前已投入使用的楼宇能源调节系统，准确度不高，调控简单，能耗降低有限，已不能满足节能的需求。

人工神经网络近年来发展迅速，应用领域不断扩大，作为模拟人体大脑及神经运转模式和功能而建立起来的学科，其被用于应对许多复杂场景，在空调能耗调节的复杂多变量非线性系统中，恰能够发挥其优势；而作为应用广泛的PID控制器，经过多年应用实践，已形成了较为合理和完整的体系，因此，常规的PID控制在建筑物节能调控中的作用同样需要引起重视。将人工神经网络与传统PID控制有效地结合起来，将是解决空调节能的关键所在。

1 建筑空调节能控制策略及方案

关于建筑物的电力节能取决于3个方面。首先，优化建筑用电相关系统的设计，以减少电力消耗。其次，精确控制建筑物电气系统实现节能。目前，人工智能和大数据是最为行之有效的方法。另外，优化设备的运行环境，开发利用可再生能源实现节能。空调是现代建筑能源消耗大户，以大型建筑的温度调节系统为例，空调能用消耗占整体能耗的35%～50%，一些具有特殊需求的建筑物能耗则会更高。如今，有多种空调控制的方法，大多数是对空调系统工作过程常规控制的补充，部分控制系统具有节能控制元件，但是由于控制方法地限制，节能效果一般。一些空调系统依靠连续的人工干预来实现某些节能目标，但真正地节能效果并不明显。

随着现代建筑功能的多样化和智能化，人们对房间内部环境的要求更为苛刻，不仅需具有良好的温度要求，湿度也应符合人们的需求。整栋建筑的温度调节是复杂大系统，涵盖各种输入和输出量。多变量控制策略能够在一定程度上解决系统的复杂问题，但对于要求温湿度强烈耦合且风量实时变化来说，变风量空调远远不够。

1.1 空调系统结构

现代大型建筑物的中央空调主要组成有空调机组、空调控制器、送风机组、温湿度传感器等。

中央空调依据布置在房间末端的信号采集装置，获得每个终端的工作状态，以设定的温度为标准，计算得到建筑物各个房间所需的送风量，再通过总风量调节空调变频器，调节风机转速，进而实现为每个房间的温度需求做出差异化的调节，并达到能耗最低的目的。空调系统结构如图1所示。

图1 空调系统结构图

1.2 空调控制系统

随着技术的发展，大型建筑物的各房屋温度调节系统都部署了自动控制功能，除了采用简单的单回路闭环控制以外，现代中央空调根据需求嵌入了比值控制系统、匀速控制系统等，控制的复杂程度也随之上升。

为了方便研究，本文对空调调控的房间面积和控制方式进行重新归类，以集中控制类型为例，如图2所示。从图2可以看出，户外的新鲜空气，先通过防尘网，再到空调箱与二次回风相结合，去一次加热器、二次加热器等。

图2 空气流传图

潮湿与否和温度高低是空气舒适度最为重要的参数，下面以冷热控制为例，说明其结构，如图3所示。

图3 空调控制系统结构图

空调控制系统由风机、空气冷却、风道冷热感应装置TE、冷热调节装置TC01、两通转换阀TV等组成。

温度的控制，首先由风道温度传感器TE测出风道温度值，再将信号传递到温度调节器TC01。温度调节器将人们设定的温度值与温度传感器TE检测值(反馈值)进行比较计算(一般为PID调节)，进而得到控制值，再由制冷装置TV降温，进而完成整个控制过程。通过调节空调新风温度，使得房间内温度恒定的方法，是具有反馈环节的典型闭环系统。

1.3 变频技术的应用

通过控制方法及空调结构分析，减少电力消耗应采用变频技术来实现。当风机通过多频率变化从而改变转速时，风道内的静压力也会改变系统的频率响应，从而形成闭环控制。空调的水泵也采用变频。这样既能够扩大空调能耗的调节范围，还可以保护电网免受空调机器的负荷冲击。空调控制链条如图4所示。

图4 空调控制链条框图

(1)当负荷有所变化时，可以按照预定的次序和时刻启动。

(2)多个风机的启动、停止都能够遵循负荷变化的规律来变化。

(3)当其中某个机器不能正常工作时，其他机器能够马上启动，代替其工作，保障整体工作的稳定。

(4)机组内的每台风机的启动顺序都可以进行重新排列。

当从室外向室内输送冷风时，空调制冷所需总能量按式(1)计算：

Q=c·p·L(tn-is)

(1)

式中:c——空气的比热容，kJ/(kg·℃)；

p——空气密度，kg/m3；

L——机组排风大小，m3；

tn——内部温度，℃；

is——调控温度，℃；

Q——总能量，kJ。

由式(1)可知，假定L不变，可以通过调节送风温度is，来保持Q不变化，这是过去使用最多的空调系统调节模式，即通过调节is，来维持室内空气温度不随着室内其他因素的改变而改变。同样，假定is不变，调节L，以实现室内热流量Q的稳定。

2 基于人工神经网络PID空调控制方法

神经网络是由多个分析单元，以各种形式组成的分析集合。人工神经网络工作时，模仿生物神经传递机制，如分析、理解、分类、储存、检索等。在得到末端数据、调节数据，冷却水温度与流速后，通过仿真计算对情况进行估计，并将结果与目标的差值反馈给判断装置。神经网络在控制调节系统里有多种实现方式，但目前应用效果最显著的是结合传统PID调节的神经网络智能调节方法。神经网络PID调节采用神经网络推理辨识PID的3个变化量值。经典的增量式PID控制算法为：

u(k)=u(k-1)Δu(k)。

三层神经网络的结构如图5所示。

图5 神经网络的结构图

为实现更快速的调节及更好的鲁棒性，应先将各类变量输入到控制器中，再结合人工神经网络、PID控制等手段，在变量不断增加的情况下，依然保持控制的快速性和精确性。整个系统保证了在各种强干扰下整体性能控制的稳定。其结构如图6所示。

图6 模糊神经网络控制器模型

为验证上述分析的准确率，设计了一种同时将PID控制和人工神经网络PID进行模拟计算的方法。仿真框图如图7所示。

图7 仿真框图

仿真结果见表1。

表1 仿真结果对比

从仿真结果可以看出，与传统的PID相比，神经网络PID控制，不仅整个调节时间短，调节过程平稳，能耗还减少了15%。

3 结语

利用人工智能技术将传统的空调能耗调节系统与人工神经网络相结合，提高能源的利用率，提升了空调控制系统的智能水平，也为人们工作、生活营造了更加舒适的条件。随着人工智能技术研究的不断深入，今后智能建筑必将会向着更加智能化、人性化、环保化的方向发展。