基于数据挖掘技术的复叠空调系统监督控制方法—以辐射地板-组合式空调器复叠系统为例

何 磊



基于数据挖掘技术的复叠空调系统监督控制方法—以辐射地板-组合式空调器复叠系统为例

何 磊

（中铁第一勘察设计院集团有限公司 西安 710043）

数据挖掘技术能够通过对数据的逆向分析，揭示出数据各维度之间的潜在关系，从而建立模型进行预测；而监督控制技术能够对多个独立控制器进行控制干预，实现系统级的优化控制。结合数据挖掘技术与监督控制技术优势，提出了一种采用数据挖掘技术建立预测模型，并基于监督控制方法对复叠空调运行策略进行系统级优化的控制算法。该算法能够通过调整系统设定参数，使空调系统以高效的运行状态实现室内热环境控制的目标。通过仿真测试表明，该算法能够有效对系统进行优化，以最低能耗实现室内舒适度的控制目标。

数据挖掘；监督控制；辐射末端；复叠空调

0 引言

监督控制技术能够通过接收到的信息间断的对具有独立控制回路的过程进行操作干预。该方法通常用于控制多个反馈控制循环，既对多个独立控制器进行控制[1-3]；通过监督控制对各独立控制器的间断性干预，可以实现系统级的优化控制目标[4]。然而，监督控制技术需要对其控制对象进行准确预测，为此，就需要能够准确预测系统输出的模型。对于空调系统而言，运行过程中，由于换热器结垢、制冷剂泄漏、设备磨损等问题，通常系统设备存在突变及渐变性，造成基于设备实验数据的机理模型不能反映设备真实特性。为提高监督控制性能，可采用数据挖掘技术分析系统近期运行数据，辨识系统真实特性，建立预测模型，构成系统监督控制算法[5]。因此，本文基于数据挖掘技术建立预测模型，提出一种监督控制算法[4,6]。为便于理解，本文以辐射地板-组合式空调器构成的复叠式系统为例，对控制算法进行介绍并进行模拟验证。

1 系统构成

由于辐射地板热惰性较大，响应速度较慢，而常规空调用翅片换热器，热惰性较小，响应速度较快。这两类设备构成的复叠系统，由于控制系统需要协调不同时间常数的两个子系统运行，因此传统的分散控制技术往往不能跟随负荷变化，实现子系统间的运行协调优化。因此，以该类系统为例对本文提出的监督控制方法进行介绍，系统原理如图1所示。

图1 系统原理图

该系统具有两个末端（盘管换热器、辐射地板），且通过板式换热器复叠。盘管换热器由一次泵提供冷水；辐射地板水循环由二次泵实现；冷源由风冷热泵机组提供。该系统总能耗由冷机能耗、冷冻泵能耗、循环泵能耗、风机能耗构成，如式（1）所示。其中，冷机能耗影响因素为系统冷负荷、冷冻水供水温度、室外干球温度；冷冻水泵与循环泵能耗分别受冷冻水流量、地板水流量影响；风机能耗受风机盘管送风量的影响。如何使运行周期内系统能耗总能耗最小，同时保证室内舒适度的控制要求，即为本文算法所需实现的控制目标。

2 监督控制方法

复叠系统监督控制算法核心原理是跟随外界环境的实时变化，通过优化计算对空调系统各控制器采用不同设定参数产生的系统能耗、被控量进行综合评价，择优确定系统中各独立控制器的设定值，从而达到优化系统运行的目标。

2.1 算法结构

复叠空调系统监督控制[7]方法，主要由预测模型、优化目标、约束条件及优化求解算法构成。室外气象参数经预测校正处理后，与系统运行状态参数、多组控制器设定参数一并输入预测模型中，对系统响应进行预测，预测结果经室内控制目标和系统能耗目标的权衡评价，择优确定一组最佳的设定参数，实时计算出的最佳设定参数便用于校正局部控制器的设定参数，其原理如图2所示。该算法中，气象参数的预测校正采用了卡尔曼滤波模型[8]；并采用RC模型构建了室内负荷及热环境预测模 型[4]。其他设备模型均采用数据挖掘技术确定模型结构。

图2 监督控制算法

2.2 数据挖掘建模

通过上节分析可知，算法中模型的预测准确度，决定了优化求解的有效性。为此，数据挖掘技术[9]用来通过系统历史运行数据的分析，建立预测模型。数据挖掘技术确定模型结构主要是通过分析样本数据间各维度相关性及关系来构建模型，其分析过程详见参考文献[5]。本文案例系统中涉及的设备模型主要有：板式换热器，其模型表达式如式（2）所示；其运行参数有：一次侧供水温度T1、一次侧回水温度T1、一次侧流量1、二次侧供水温度T2、二次侧回水温度T2、二次侧流量2。盘管换热器，其模型表达式如式（3）所示；其运行参数有：冷冻水流量m，空气流量m，回风温度T，送风温度T，盘管供水温度T，盘管回水温度T，回风相对湿度RH，送风相对湿度RH。风机、水泵，其模型如式（4）所示，其运行能耗主要受流量、转速的影响。冷水机组，其模型表达式如式（5）所示，与其性能相关的主要参数为室外干球温度T，冷冻水供水温度T，冷冻水回水温度T，冷冻水流量m。

T1,T2=(1,2,T1,T,2) （2）

T,T,RH=(m,m,T,T,RH) （3）

P=(T,T,T,m) （5）

辐射冷地板的运行参数主要有：冷表面温度T，冷表面输出冷量Q，损失冷量Q，冷冻水供水温度T，水流量m，回水温度T。由于其热惰性较大，需构建一个基于时间序列数据样本的多时间步预测模型（式6）对该设备的样本数据进行挖掘。

通过上述模型及建筑模型的联立求解，便能够预测得到不同外界环境条件下，在不同控制器设定值作用下的系统响应及室内热环境参数。

2.3 优化求解

为了以最小能耗满足室内舒适度的要求，监督控制器需要依据不同系统状态以及室外环境变量，确定各个独立控制器在未来的设定参数序列。为此，就需要对前述章节各预测模型得到的预测结果进行评价，以寻找最优设定参数的时间序列。为实现自动寻优，就需要通过系统分析，构建优化目标函数。此外，保证寻优计算结果可行、有效，还需对系统运行需要满足的物理条件进行分析，结合能量守恒、质量守恒等原则，构建优化问题的约束性条件。

图1复叠系统需要在满足室内环境舒适度标准的同时（式（8）），通过调整子系统运行状态，尽可能降低系统运行能耗（式（7））。因此系统需要满足系统运行能耗尽可能降低的同时，尽可能接近最佳舒适状态点（本文以操作温度T=24.5℃，含湿量φ=10.6g/kg为最舒适点进行计算）这两个目标。同时，为充分利用辐射地板末端的蓄冷能力，监督控制器需要进行多步预测、滚动优化，对未来连续个时间步的设定参数运行效果进行评价，因此，两个控制目标需对多个时间步的结果进行预测评价。

对系统结构进行分析可知，式（7）、（8）的预测结果是由组合变量={T，m，m，T，T，m}的时间序列决定的。求解上述优化问题，即是寻找最为合理的变量组合在预测时间步的时序值。但是，为保障室内操作温度与含湿量接近最佳舒适度，并防止结露等问题，上述优化问题还须考虑设备特性约束与其他舒适度的约束。例如：辐射末端需要温度高于19℃以防止辐射末端表面结露；送风温度高于17℃以防止送风口结露；为保障冷水机组运行稳定性，冷冻水出水温度变化范围需控制在7℃～18℃；当变频器输出频率降至额定输出20%以下后，其功耗不再变化，因此，冷冻水流量变化控制范围为20%～100%；室内操作温度和含湿量需要在舒适度范围内，即室内操作温度T应控制在23℃～26℃范围内。综上分析，将上述优化目标及约束条件进行整理，即可发现，求解如式（9）～（16）所述优化问题，便可得到最佳控制器设定参数。

..T≥19 （10）

T≥17 （11）

7≤T≤18 （12）

m,min≤m≤m,max（13）

23≤T≤26 （14）

45＜φ＜70 （15）

ΔT≤52.8 （16）

图3 优化求解流程图

为求解上述优化问题，本算法采用搜索空间限定法和罚函数法对上述优化问题进行处理。由于约束条件（10）～（13）是对优化参数的限制，因此可通过限制优化搜索空间，来提高求解速度。而约束条件（14）～（16）中约束参数T、φ、ΔT不是变量组合中的待求解变量，需经模型预测计算才能获得，因此采用罚函数法进行处理。优化求解器采用不依赖函数梯度的遗传算法进行求解。该优化问题的求解流程如图3所示。通过该优化问题求解，即可得到各局部控制器所需的设定参数序列。

3 仿真测试

为验证本文监督控制在实际工程中的应用效果，本文以某铁路车站为研究对象，采用能耗模拟软件TRNSYS[10]与MATLAB联合仿真对监督控制效果进行分析。为验证监督控制算法的有效性，本文选取一种辐射地板采用涓流控制的控制策略进行对比。该控制策略经文献[11-13]研究，表明是各类控制策略中最为适应辐射地板末端的控制策略。

3.1 测试系统

仿真测试所采用的复叠系统为一座火车站空调系统，其车站公共区域采用的复叠末端空调系统原理如图1所示。所有潜热负荷及部分显热负荷由全空气系统承担，辐射地板承担一部分显热负荷。全空气系统采用一次回风组合式空调机组，空调机组的回水通过板式换热器与地板侧的水系统连接；板式换热器与各个区域的地板分集水器间通过一台地板循环水泵将冷量输送至各个地板末端。系统主要设备如表1所示。

表1 复叠末端空调系统主要设备表

车站维护结构热工参数如表2所示，车站内最大照明负荷为10W/m2，最大设备负荷为15W/m2；最大人员数量为0.3人/m2，散热、散湿量按站立轻度劳动人员确定，分别为108W、61g/h[14]；新风量为15m3/(h·人)，车站全天内热源、湿负荷变化情况按照某铁路客站设置[15]。灯光、设备和人员的全天运行时间规律如图4所示。

表2 维护结构导热系数

图4 内热源变化规律

3.2 仿真结果

图5给出了被测系统分别采用监督控制与分散控制（涓流控制策略）的室内温、湿度。由图可知，采用涓流控制策略与监督控制策略的复叠系统，全天室内操作温度均能够保持在23℃～26℃之间，相对湿度在49%～67%之间波动，均符合舒适度要求。然而，监督控制程序作用下的复叠系统，室内操作温度较分散控制提高了约0.5℃，室内相对湿度提高了约3%～6%。由此可见，相比于分散控制，采用监督控制的室内舒适度略有所降低。

表3给出了被测系统分别采用监督控制策略与涓流控制策略两种模式下，系统各设备的运行能耗。由表可知，系统在监督控制模式下，通过提高室内操作温度，优化系统运行参数，使复合系统能耗降低了24.88%。对比各分项能耗可知，复叠末端系统中，冷冻水泵能耗是复叠系统中节能量最大的设备；末端动力设备中，风机能耗降低了12.36%，地板循环泵能耗增加了8.51%。可见，监督控制策略通过增加辐射地板运行时间，减少了组合式空调器的运行时间，因而提升了冷水机组冷冻水出水温度，使得冷水机组能耗降低了16.34%，最终使系统运行能耗降低了24.88%。

图5 候车室操作温度与相对湿度

表3 能耗计算结果

通过舒适度与系统能耗两方面的综合比较可知，本文提出的监督控制方法，能够通过平衡室内舒适度与系统运行能耗间的关系，在保证系统、满足舒适度要求的同时，以最低的系统能耗实现对室内温湿度的控制。

4 结论

基于广义监督控制概念，本文介绍了一种平衡室内舒适度与复叠系统能耗的多目标监督控制算法。该算法能够实现对不同时间常数末端设备构成的复叠空调系统运行参数的多步滚动优化，具有自动调节系统达到节能运行的能力。通过MATLAB-TRNSYS联合仿真结果表明，本文提出的监督控制算法与分散控制方法相比，具有良好的节能效果。

[1] Lin S, Chiu S, Chen W. Simple automatic supervisory control system for office building based on energy-saving decoupling indoor comfort control[J]. Energy and Buildings, 2015,86:7-15.

[2] Liu X, Dexter A. Fault-tolerant supervisory control of VAV air-conditioning systems[J]. Energy and Buildings, 2001,33(4):379-389.

[3] Shengwei W, Zhenjun M. Supervisory and optimal control of building HVAC systems: a review[J]. HVAC&R RESEARCH, 2008,14(1):3-32.

[4] He L, Lei B, Bi H, et al. Simplified building thermal model used for optimal control of radiant cooling system[J].Mathematical Problems in Engineering, 2016,(2016):1-15.

[5] 何磊,雷波,毕海权,等.基于数据挖掘模型的冷却水温度监督控制[J].计算机仿真,2015,(7):439-443.

[6] 何磊,雷波,毕海权,等.基于数据挖掘技术的冷水机组与冷却塔模型辨识方法[J].建筑科学,2015,(2):92-96.

[7] 王盛卫.智能建筑与楼宇自动化[M].北京:中国建筑工业出版社,2010.

[8] 李日华,李刚.Kalman滤波在气象预报中的应用[J].数学的实践与认识,2003,(10):88-92.

[9] Zeng Y, Zhang Z, Kusiak A. Predictive modeling and optimization of a multi-zone HVAC system with data mining and firefly algorithms[J]. Energy, 2015,86:393-402.

[10]杨敏.基于TRNSYS的太阳能-热泵联合供热水系统运行性能研究[J].制冷与空调,2017(5):500-505.

[11] J T D, W G N, M G, et al. Control of concrete-core conditioning systems[C]. Lausanne: 2005.

[12]何磊.辐射末端复合空调系统监督控制方法研究[D].西南交通大学,2016.

[13] Sh C, M Z. Temperature regulation of radiant floor heating system using two parameter on-off control:an experimental study[J]. ASHRAE Trans, 1997(1): 966-980.

[14]陆亚俊.暖通空调（第二版）[M].北京:中国建筑出版社,2007:21.

[15]李传成.大空间建筑通风节能策略[M].北京:中国建筑工业出版社,2011:83.

The Supervisory Control Algorithm Based on the Data Mining Models for Series Air-conditioning Systems–Take the Radiation Floor Auxiliary with Air-conditioning Unit as an Example

He Lei

( China Railway First Survey and Design Institute Group Co., Ltd, Xi’an, 710043 )

The data mining technology can reveal the information in the data. In this paper, it is applied to identify the facility models. The supervisory controller is used to optimize the system operation by setting the operation parameters of every independent controller. In this paper, the data mining models and generalized model predictive control method are used for developing the supervisory controller. The model predictive controller with a dynamic multi-variable energy objective function is formulated for the supervisory controller. In order to show the algorithm, an online supervisory controller for the hybrid system combined radiant floor with air system is developed in this paper. The controller can change the system set points to trade balance between the indoor thermal comfortable and the system energy consumption according the cooling load. As shown in the results of simulation, the supervisory controller can effectively adjust hybrid system to keep the indoor thermal comfortable with high energy efficiency.

Data mining; Supervisory control; Radiant terminal; Hybrid air-conditioning

TU831.3

A

1671-6612（2018）02-113-06

何 磊（1987.08-），男，博士，工程师，E-mail：swjtuhl822@126.com

2018-01-09