暖通空调制冷系统的优化控制方法研究

摘要：暖通空调是现代建筑中必不可少的一部分，但是它增加了能源的消耗。在我国的建筑中，暖通空调的能源消耗占到了整个建筑的20%以上，而暖通空调的能源消耗中有一半以上是因为制冷系统。文章从暖通空调制冷系统的工作原理入手，首先分析了暖通空调制冷系统的优化控制方法，然后研究了暖通空调制冷系统的最优控制组合。

关键词：暖通空调；制冷系统；优化控制方法；现代建筑；能源消耗 文献标识码：A

中图分类号：TU96 文章编号：1009-2374（2017）03-0028-02 DOI：10.13535/j.cnki.11-4406/n.2017.03.012

1 暖通空调制冷系统的工作原理

暖通空调的制冷系统是通过制冷剂实现热量的交换，制冷剂在压缩机、冷凝器、蒸发器和节流阀四个元件中不断循环，自身的状态发生变化，进而实现吸收热量与释放热量。制冷剂在蒸发皿中吸收热量，这时的制冷剂由液体变为了低压低温的气体。气化的冷却剂被压缩机吸入，进而压缩成高温高压的气体，这些气体在冷凝器中将自身的热量传递给空气或者水，变为最初的液体状态。这就是一个基本的循环，多次进行这个循环就可以实现热量的交换，达到降温的目的。

除了制冷剂循环外，暖通空调还有冷却水循环、冷冻水循环和室内空气循环。这三种循环都直接或者间接与冷却剂发生热量交换，帮助把室内空气的温度降低，实现制冷的效果。从暖通空调制冷系统的工作原理来看，制冷系统是能源消耗最大的部分，对其进行优化控制可以最大限度地降低能量损耗。

2 暖通空调制冷系统的优化控制方法

暖通空调的制冷系统受室外气象和室内状态的影响较大，所以为了保证制冷的效果，制冷系统会全部运作，这就导致了制冷系统只有部分处于负荷状态，增大了其能耗。基于此，可以从暖通空调部分负荷的状态入手，研究制冷机最佳吸气压力的状态，进而分析其能源节约的问题。

2.1 BP神经网络在暖通空调制冷系统中的应用

BP神经网络是一种多层反馈的网络系统，可以解决多层网络的隐藏单元连接问题。而且BP神经网络在解决非线性的映射问题时，有着不可替代的作用。根据BP神经网络的特性，它主要用在以下三个方面：（1）模式的识别与分类。在计算机的数据中，可以将信息分为文字、图片和语言等类型，BP神经网络可以根据不同数据的特征进行识别，然后把信息针对性的归类，有助于加快信息的处理；（2）函数系统控制。BP神经网络可以利用其自身非线性的特点进行函数建模，建模后的系统就可以广泛应用在工业控制中，如机器人的运动轨迹控制等；（3）压缩数据。BP神经网络可以对数据进行压缩，减少数据所占据的内存空间。另外，BP神经网络还可以对数据的特征进行抽取，方便数据的分析。

根据BP神经网络的上述特征，可以将这种神经网络应用在暖通空调的制冷系统中，实现对空调制冷系统中制冷机吸气压力的模拟。因为暖通空调制冷机的能耗有很强的非线性特点，所以在收集其能耗状态时很难保证精确性。基于此，可以发挥BP神经网络的作用，实现对真实数据的模拟。BP神经网络可以模拟任意的连续非线性函数，利用神经网络模型来逼近实际值。BP神经网络在暖通空调中可以实现制冷机状态的监测，方便后续的调整和控制。

2.2 Matlab语言在暖通空调制冷系统中的应用

Matlab语言是一种很强大的工程语言，它可以处理大量的数据，而且处理的效率很高。所以，在控制系统、图像处理和系统仿真中的应用较为广泛。在随后的发展中，Matlab語言更为完善，各个领域的专家根据自身的需求推出了Matlab工具箱，里面有各种训练与设计的子程序，当人们需要的时候就可以直接调取，进而解放了自己的编程。从这方面来讲，Matlab语言实现了模块化的设计与应用，能够简化系统的控制过程。所以，即使不了解算法的本质，人们也可以直接利用函数模块来实现设计目的，方便了建模的过程。

BP神经网络是算法的基础，可以实现系统运作的模拟，而Matlab语言是整个系统运作的模块，在一定程度上可以看作是BP神经网络的子系统。如果把BP神经网络应用在暖通空调的制冷系统中，那么就可以用Matlab语言实现模块的设定。这种结合的优势主要体现在以下两点：（1）简化整个系统的设定。暖通空调的制冷系统受外界环境和室内环境的影响较大，所以其运行会经常性的发生改变，要收集其运行状态的各种参数较为复杂。但是将BP神经网络和Matlab语言结合后，就能够根据模块的特性快速设定程序，简化整个系统的运作；（2）反馈最接近实际情况的数据。为了降低暖通空调制冷机的能耗，需要确定其最佳吸气压力的状态。制冷剂的状态变化有着明显的非线性关系，寻常的采集方法很难起到较好的效果。但是，BP神经网络能够模拟非线性的映射，而Matlab语言能够快速的处理数据，这就形成了较好的循环，能够最快速地把暖通空调制冷剂的运作状态反馈给系统，方便了调整和控制。

2.3 自适应模糊控制系统的应用

无论是BP神经网络还是Matlab语言，其本质上都是整个制冷系统中的一部分，虽然能够实现数据的采集和反馈，但是缺少控制系统。因此，为了提升暖通空调的智能化程度，同时降低制冷机的能耗，还可以引入自适应模糊控制系统。自适应模糊控制系统能够根据反馈数据的特征进行适应性学习，然后利用逻辑系统进行参数的调整。将自适应模糊控制系统应用在暖通空调中，其主要的作用如下：（1）整体优化系统的性能。暖通空调的制冷系统是由多个子系统组成的，它们是一个有机的整体，若单纯地从某个元件进行优化，就会存在协调的问题。但是自适应模糊控制系统是将整个制冷机作为系统进行优化控制的，所以能够将能耗降到最低，进而实现整体系统的优化；（2）能够控制制冷机的消耗功率。自适应模糊控制系统可以根据反馈的数据进行逻辑处理，进而寻找到最佳的冷却水温度，可以实现冷却水系统与环境条件之间的协调。所以，在制冷机运行的过程中，其热传递是以最低能耗的形式运行的，方便了整个暖通空调系统对制冷机消耗功率的控制；（3）有较强的调节功能。自适应模糊控制系统有极强的学习能力和调节能力，在制冷机运行的过程中，若参数发生了较明显的变化，自适应模糊控制系统就可以自主调整，把模块的运行进行完善和改进，这就保证了控制过程的准确与有效。

上述三种方法在某种程度上是一个整体，它们的配合才能够最大程度降低制冷机的能耗。当然，在一些暖通空调的制冷系统控制中，采用了其他的神经网络和算法来替代，也能够起到相应的效果。但是从本质而言，对暖通空调制冷机能耗的控制都是从实时监测入手的，然后把收集的数据反馈到控制系统，之后再进行系统运行参数的调整，进而达到降低能耗的目的。

3 暖通空调制冷系统降耗的具体方案

暖通空调的系统并不复杂，但是子系统较多，在数据反馈时存在延后的特性。所以，要降低整个暖通空调的制冷能耗，需要建立半智能化的控制网络。BP神经网络、Matlab语言和自适应模糊控制系统可以在半智能化的系统中承担不同的职责，进而实现信号的及时反馈。

在具体的使用中，BP神经网络是整个控制系统的骨架，Matlab语言模块为数据的收集装置，自适应模糊控制系统是中央处理器，三者形成一个独立的系统。只有把三者有机的结合起来才能协调好制冷机的运作状态，在满足使用需求的前提下降低其能耗。要根据BP神经网络的特点建立输入量，在暖通空调的制冷系统中，输入量为压缩机入口的制冷剂温度和压缩机出口的制冷剂温度，而最佳吸气压力为输出的变量。建立好这样的输入与输出模型后，BP神经网络就可以利用Matlab的语言模块进行数据的汇总，之后将信息传递给自适应模糊控制系统。自适应模糊控制系统能够以压缩机的最佳吸气压力为变量，以此调节压缩机的工作频率，当制冷系统的制冷量和负荷量达到平衡时，制冷机的工作能耗为

最低。

4 结语

随着社会的发展，人们对生活質量的要求越来越高，暖通空调已经成为建筑物中不可缺少的一部分。但是由于暖通空调的制冷剂运作问题，其能耗一直较高，进一步恶化了我国能源的供求关系，不满足可持续发展的战略。而暖通空调中能耗最大的就是制冷系统，对其进行优化的控制有着重要意义。本文以BP神经网络、Matlab语言和自适应模糊控制系统三方面为主，分析现代化技术在暖通空调制冷机控制中的应用，希望可以给相关的研究提供一定的参考意见。

参考文献

[1] 刘雪峰.中央空调冷源系统变负荷运行控制机理与应

用研究[D].华南理工大学，2012.

[2] 毕崇宁.暖通空调水系统效率优化策略研究[D].山东

大学，2008.

[3] 夏毓，孙罡.暖通空调制冷系统的优化控制研究[J].

民营科技，2016，（5）.

[4] 杨秀峰.如何优化控制制冷机在暖通空调中的作用

[J].中国新技术新产品，2011，（13）.

作者简介：张媛（1974-），女，天津人，中国天辰工程有限公司高级工程师，研究方向：化工厂暖通。

（责任编辑：蒋建华）