暖通空调制冷系统的优化控制研究

2022-02-06尹丽媛

产业与科技论坛 2022年14期

□尹丽媛

新时期背景下，我国提倡并坚持可持续发展战略，在发展的同时兼顾能源紧缺问题，但从暖通空调制冷系统实际情况来看，依旧有很大的改进与提升空间，需要对制冷系统能源消耗大的问题进行分析与探究，缓解能源消耗压力。可见暖通空调制冷系统优化控制工作急需解决。相关工作人员要坚持可持续发展理念对暖通空调制冷系统工作原理进行深入分析与探究，采取相应的对策优化制冷系统，在满足民众生活工作需求的同时，提升空调的运行效率。

一、暖通空调工程的价值分析

现代建筑工程修建中，暖通空调工程是其中非常重要的一部分，也是当前公共建筑与高层民用建筑的必要设施之一。暖通空调能够满足不同季节人们对室内环境的要求，提升人体的体感舒适度，是现代化建筑必不可少的组成部分。此外，为满足当前建筑自动化、智能化发展需求，势必要安装暖通空调系统，通过终端控制设备能够调节建筑整体环境，实现建筑集成化管理，远远超越了以往以制冷模式为主的空调模式，能够有效降低对能源消耗量，同时更加切合现代化生活需求。可见，安装暖通空调工程是当前建筑行业发展的大势所趋，其具有较高的应用价值。有必要对其制冷系统能耗问题进行进一步探究，提出相应的优化控制对策，提升其节能性与环保性，从而有效提升建筑工程的综合效益[1]。

二、当前暖通空调制冷系统的状况

当前我国暖通空调制冷系统最常用的制冷剂是氟利昂化合物，其不具毒害性、不易燃且性能相对稳定，我国暖通空调制冷主要应用制冷剂实现对温度的控制与调节，其发挥出的热力性能十分令人满意，能够发挥出优质的制冷效果，因此，各种大型制冷设备都应用制冷剂实现制冷作业。但并不是说此种制冷系统毫无缺点，其缺点是会在空气中散播较长的时间，并且会漂流到大气层中，形成温室效应造成臭氧空洞现象。当前世界各国逐渐对制冷剂造成的大气污染现象愈发关注，并且有些国家已经禁止应用制冷剂。在可持续发展背景下，有必要探究新冷媒，选择更加有效与实用的新冷媒。当前我国大多数暖通空调制冷系统应用的制冷剂都是R410A制冷剂，与传统制冷剂相比，此种制冷剂更具清洁性与环保性，其主要组成元素有氟、氢及碳元素，不具毒害性并且相对稳定，而且其中没有氯元素，因此不会造成温室效应与臭氧空洞的现象，这种制冷剂当前逐渐在世界各地受到广泛应用[2]。

三、暖通空调制冷系统的优化控制方法

室外气象条件与室内环境状况都会对方暖通空调制冷系统造成一定的影响，为了达到理想的制冷效果，制冷系统会全面运行启动，造成制冷系统只有部分处于负荷状态，大幅度提升了耗能。因此，可以从暖通空调部门负荷状态为着手点，分析制冷系统最佳的吸气压力状态，探究能源节约问题。

(一)BP神经网络在暖通空调制冷系统中的应用。BP神经网络的特点之一信息反馈不局限于单层，能够处理多层单元连接，尤其是在非线性映射方面的优势是其他系统不具备的。以其自身特点，在诸多领域受到欢迎与应用。一是能够针对模式做出识别反应并根据具体的情况分类。以多样化的计算机语言形式展现出来。即使是面对多种多样的类型，依旧具备识别能力，将同一类型的信息归结在一起，有利于提升信息处理效率。二是函数系统控制。BP神经网络自身具备的非线性特点支持函数建模，并以此广泛应用到工业领域控制中。三是数据压缩。BP神经网络具备数据压缩能力，能够有效释放占据的空间内存。此外，BP神经网络可以对数据进行特征分析。综合以上特点，可以尝试在暖通空调制冷系统中应用此技术，从而模拟制冷剂吸气压力模式。难以精准掌握暖通空调制冷机的能耗情况，能耗具有不稳定性。而应用BP神经网络能够模拟真实的数据消耗情况，可以应用在任意一种连续非线性函数中，进行模拟操作，距离真实数据十分接近。应用此技术监测制冷机运行情况，便于开展调控工作[3]。

(二)在暖通空调制冷系统中应用MatIab语言。MatIab这种工程语言在数据处理方面十分强大，处理效率是其他工程语言难以匹敌的。因此，此种工程语言常被应用到在计算机系统中，使得Matlab语言的实用性不断提升，在广泛应用的过程中，Matlab工具箱被开发出来，便于进行不同模式的训练，提供了丰富的子程序，更加迎合应用者的使用需求，有效减轻编程作业压力。可见，Matlab语言在模块设计方面与实际应用方面更具优势，降低了以往系统控制操作的难度。因此，即便是不具备计算能力，同样在进行模块设计作业时，函数模块能够发挥出有效的支持作用。作为基础算法，能够对系统运作进行镜像模拟，而Matlab语言复杂支持整个系统运行，可以将其视为BP神经网络的子系统。若在暖通空调的制冷系统中应用BP神经网络，就可以应用Matlab语言实现模块设定的目的。通过这种组合方式能够发挥出如下优势：一是使整个系统设定的复杂性大幅度降低。受外界气象与室内环境极其容易对暖通空调的制冷系统造成影响，因此在运行过程中容易出现不稳定的现象，若想将其运行过程中的各项数据搜集起来，则具有一定的复杂性。但将BP神经网络与Matlab语言二者一同应用，能够根据实际情况与具体的程序，使整个系统变得更加简单。二是最终得到的数据反馈信息更具真实性。为了实现可持续发展战略目标，降低暖通空调制冷机在运行过程中的能量消耗，就要掌握其在最佳吸气压力状态下的实际情况。制冷剂的状态变化具有十分显著的非线性关系，在常规采集方式下，无法达到理想的目标。而发挥出BP神经网络的模拟映射能力，有助于Matlab语言在第一时间内对数据进行处理，从而构建良好的循环作业状态，便于系统在第一时间内掌握暖通空调制冷剂的运作状态，有利于后续调控操作[4]。

(三)应用自适应模糊控制系统。BP神经网络与Matlab语言存在一定的共性，在制冷系统体系中都担任了重要的角色，在数据采集与反馈方面具有显著的优势，但并不具备控制系统。为了实现智能化暖通空调系统操控，实现资源能耗降低的目标，尝试应用自适应模糊控制系统。此系统根据反馈情况进行调整，并具备模仿功能，在逻辑系统的支持下对参数进行调整。在暖通空调中应用自适应模糊控制系统应用，其功能优势主要表现在如下几方面：一是对系统性能进行整体优化。暖通空调的制冷系统需要众多子系统组合而成，综合在一起共同形成有机的整体，如果只是不针对某一元件进行升级优化，势必会造成整体不协调的现象。而自适应模糊控制系统是以整个制冷机作为优化控制的对象，因此在能耗降低方面有显著的优势，从而达到对系统整体优化的目的。二是可以对制冷机功率消耗进行控制。应用自适应模糊控制系统能够达到最佳的冷却水温度状态，保证冷却水系统与环境条件之间的协调，主要是由于其具备对反馈的数据进行逻辑处理的能力。因此，在制冷机作业运行时，能够通过最低能耗的运行模式实现热传递，便于整个暖通空调系统对制冷机消耗功率进行有效控制。三是调节功能十分强。自适应模糊控制系统在学习能力和调节能力方面具备不可替代的优势，制冷机运行时，如果出现了十分明显的参数变化，此时自适应模糊控制系统便可发挥出自控调节功能，对模块运行进行进一步改进与优化，以此提升控制过程的精准性与有效性。可以将以上三种方法视为一个系统的整体，只有在三者有机协调配合的状态下，方可实现最大程度的降低制冷机能量消耗。同时，在暖通空调的制冷系统控制中，如果采用其他的神经网络和算法来替代，同样可以达到理想的效果。但殊途同归，对暖通空调制冷机能量消耗控制工作都是从实时监测为切入点，通过数据搜集反馈到控制系统，然后再对系统运行参数进行调整，最终实现降低能源消耗的效果[5]。

(四)暖通空调制冷系统降耗的实施方案。暖通空调系统相对简单，但拥有较多的子系统，因此会在数据反馈时出现不及时的现象。若想降低整个暖通空调在制冷过程中的能源消耗量，要将智能化控制网络应用其中。BP神经网络、Matlab语言与自适应模糊控制系统能够支持智能化网络系统构建，三者在其中发挥的功能作用各不相同，共同支持对信号的及时反馈。在实践应用中，BP神经网络是整个控制系统的架构；Matlab语言模块发挥出数据收集的作用；自适应模糊控制系统在其中发挥出核心处理器的作用。三者的结合作业构成了独立的系统。在三者共同作业下方可协调好制冷机的运作状态，在达到使用标准的基础上，有效降低能源消耗。要以BP神经网络的特点为基准建立输入量，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。BP神经网络与Matlab的语言模块以输入输出操作为基础，能够同时运行完成数据汇总操作，然后进行信息传递作业，为自适应模糊控制系统提供数据[6]。