基于PMV值的变风量空调系统控制策略研究

李红民，曲宗昊，张家瑞，王立新

(山东建筑大学信息与电气工程学院，山东 济南 250101)

0 引言

目前，空调系统比较成熟的控制技术是采用PI、PID 调节器，对设定的温/湿度进行恒温、恒湿控制。通过对空调系统参数的优化，来降低系统能耗。

空调系统的能耗受室外热环境变化和室内热负荷变化影响，常规空调系统由于纯滞后、大惯性、调控周期长等缺点，难以根据负荷的实时变化做出及时调控，使得大功率单元长时间处于运行状态，造成电力损耗，其能源利用率也难以达到最优；同时，空调系统的实际运行效果会影响室内各环境参数变化，常规空调系统对单一环境参数的控制与调节，无法保证调控结果满足人体的热舒适度需求。因此，本文根据空调系统运行中负荷的变化随气象参数的不同而波动的特点，在现有控制策略的基础上引入PMV值作为调控的变量依据，采用模糊自适应PID 算法进行相应的控制运算，通过变风量调节达到调节满足最佳PMV值对应的环境状态及降低能耗的目的。

1 基于PMV值的变风量控制流程

基于PMV 值的变风量控制是根据室内的实时PMV 值变化，通过控制风机转速和风阀开度来调节出风风速（出风量），从而改变室内空气和风机盘管的换热量，调节室内温度、湿度、空气流速等环境参数，使室内的PMV值保持在人体热舒适度的需求范围内。空调系统调控风机的功耗要远远低于调控压缩机等大功率工作单元的功耗，通过变风量控制调节室内各环境参数进而调节室内PMV 值可降低系统的能耗，并且调节周期短，能及时的响应室内负荷进行调节。

布置于室内的各环境参数的传感器会把采集到的实时数据上传到上位机，上位机计算出实时的PMV值并与最优设定值进行比较，将差值作为控制变量。然后采用模糊自适应PID 等控制算法对差值进行处理，根据处理结果对控制系统发出相应的控制指令，调整控制参数对空调系统的风机进行变频调控，调节出风量，使空调房间的室内环境经过不断地反馈调节达到满足人体热舒适度需求。

2 基于PMV值控制策略设计

2.1 PMV热舒适度指标

PMV 热舒适评价模型是Fanger 基于人体热舒适方程提出的，用于评价某环境的热舒适性偏离“热中性”环境舒适性的程度，其偏离程度取决于某环境状态需要调节的人体热负荷大小。在计算人体的热舒适度时，综合考虑了六个因素的影响，包括：空气温度、空气相对湿度、空气流速、平均辐射温度、服装热阻和人体的新陈代谢率。PMV 热舒适度评价模型及人体热负荷计算模型如下：

其中，M 为人体代谢率，W/；W 为人体做功功率，W/；P为环境空气中水蒸气分压力，P；t为人体周围空气温度，℃；t为平均辐射温度，℃；f为服装面积系数；t为服装外表面温度，℃；h为表面传热系数，W/（.℃）。PMV 指标的值在-3～3 之间，将人体舒适度分为七个等级，如表1 所示，每个等级代表不同的热感觉，当PMV 值处于-0.5～0.5 便能满足人体的热舒适度需求，PMV值越接近0，人体热舒适度越好。

表1 PMV指标所对应的冷热感觉表

2.2 环境参数对PMV热舒适度的影响

本文对人体活动情况、着衣情况做近似处理，取人体能量代谢率M=69.7W/m，着衣热阻I=0.094m*℃/W，服装面积系数f=1.1，假定室内温度等于平均辐射温度，研究空气温度、空气相对湿度、空气流速对PMV热舒适度的影响。

图1～图3为室内温度、空气流速、室内湿度各环境参数对PMV 值的影响。如图1、图2，当其他各环境参数一定时，PMV 值的变化与室内温度的变化成正相关，与空气流速的变化成负相关。室内温度、空气流速的变化都会对PMV 值产生显著的影响。而由图3可知，PMV 值的变化与湿度的变化成正相关，但影响作用非常低。对比空气流速与室内温度，相对湿度对PMV值的影响作用可忽略不计。

图1 室内温度与PMV值的关系

图2 空气流速与PMV值的关系

图3 相对湿度与PMV值的关系

2.3 基于PMV值的控制策略方案

由上述环境参数对PMV 热舒适度的影响分析可知，基于PMV值的控制方式主要为室内空气温度与流速两个环境参数的结合。当PMV＞0.5，人体就会感觉偏热，这种情况下，首先增加出风量，提高室内空气流速，调节室内的热舒适度值，在不降低冷媒温度或增加流量的情况下（不增加制冷量），相应地减少了系统能耗。当室内空气流速达到当设定值时，此时增加中央空调的制冷量，通过降低室内温度来调节热舒适度值。当PMV＜-0.5，人体就会感觉偏冷，这种情况下优先提高冷媒的温度或降低流量（降低制冷量），在减少系统能耗的同时提高室内环境温度，及时调节室内环境状态来满足人体的热舒适度需求。当室内环境温度达到设定温度上限而无法继续调节热舒适状态时，此时通过减少出风量，降低室内空气流速来进一步调节热舒适度值。

3 实验及结果分析

3.1 模糊自适应PID控制

本文的模糊控制器采用两输入三输出的结构，输入为环境变量的偏差e 和偏差率ec，输出量为Kp、Ki、Kd。将温度偏差e及温度偏差变化率ec量化在[-3，3]之间，输出△Kp 限定在[-0.3，0.3]，输出△Ki 限定在[-0.3，0.3]，输出△Kd限定在[-3，3]之间。

构建仿真模型如图4 所示，设定房间温度为26℃，冷冻水进口流量为8.3m/s，冷冻水进口温度为7℃，室外空气温度为35℃，仿真时间为1600s，采样间隔为0.1s，比例系数=5，积分系数=0.8，微分系数=0.005，风机的转速为0-1250rpm，并在800s 时设置了3℃的温度干扰。

图4 基于温度的模糊自适应PID控制模型

实验结果如图5 所示，对比传统PID 控制的结果可以明显的看出，模糊自适应PID控制的超调量更小，控制过程更稳定，对于大干扰的恢复时间更短，抗干扰能力更强。模糊自适应PID控制算法在实际的控制过程中，可以使系统更快、更稳定的达到预定控制状态，减小工作单元的实际运行时间，并降低了能耗。

图5 基于温度模糊自适应PID控制运行效果

3.2 基于PMV的变风量控制

如图6 所示为基于PMV 值的PID 与模糊自适应PID 控制模型，空气流速的控制范围取0.1m/s～0.8m/s，室内温度的取值为22℃～28℃，室外温度取值为32℃～36℃，湿度取值范围30%～90%。

图6 基于PMV值的变风量控制模型

如图7(a)、图7(b)、图7(c)所示为温度、风速、PMV值的仿真结果图，按照当前实验参数，基于PMV 值的变风量调控策略最终可以将室内PMV 值稳定在-0.1左右，而室内环境温度最终稳定在了26.8℃左右，空气流速最终稳定在了0.24m/s左右。

图7 基于PMV值的变风量控制运行效果

3.3 实际环境参数测量及能耗结果分析

通过数学模型的实验结果分析可知基于PMV 值的变风量控制系统对于环境参数的控制、人体舒适度的调节具有显著效果。为了进一步验证该控制策略的控制效果及节能优势，通过实际环境参数的测量以及空调系统能耗的采集来进行讨论与分析。取济南某小区内三层别墅内客厅为实验环境，由于实验条件限制，无法对中央空调系统的出风量进行精确的调控，通过将室内中央空调设置为26℃、二档送风风速（常规调控策略）；27℃、三档送风风速（基于PMV值的变风量调控策略）的两种控制方式进行空调变风量控制的模拟，观察实际的运行效果。

在绝大多数的空调房间中，当室内环境处于稳定状态时，室内空气流动会呈现湍流的流动状态，固定点的空气流速会在某一值域内上下波动。图8所示为当室内环境处于稳定状态时，两种不同控制模式下的实测风速对比。从图8(a)、(b)中可以看出，三档送风的测量点平均风速为0.28m/s,二档送风为0.18m/s,在排除外界因素的干扰下，测量点的风速会在对应的平均值上下波动。

图8 测量点实时空气流速

图9 为处于两种控制模式下，室内环境的实测PMV 值。由图可知，当处于实际现场，进行基于PMV值的变风量调控时，提高室内环境温度，相应的提高室内空气流速，将室内环境温度变化产生的负荷变化通过室内空气流速的调节进行补偿，依然可以使室内环境处于人体热舒适度的需求范围内。

图9 测量点实测PMV值

图10 为两种控制模式下，别墅的日用电量对比。由图10 可知，在启用中央空调的时段里，基于PMV 值的变风量调控模式的能耗比常规调控模式的能耗有明显的的减少，能耗的平均节约量在30%～40%。

图10 别墅日用电量

4 结束语

常规的空调系统环境参数设定一般为固定值，是对温度、湿度等环境参数的单一调控，控制方法着力于室内的空气而不是人体的热舒适度，难以保证其调控结果满足人体的热舒适度需求。而基于PMV 值的变风量调控策略，可同时调节室内温度、空气流速、室内相对湿度等多个环境参数，将PMV 值稳定在-0.5～0.5的理想舒适度范围内，使室内环境满足人体的热舒适度需求。同时，基于PMV值的变风量控制策略用空气流速对PMV 值的调节作用代替温度对PMV 值的调节作用，将温度调节转变为风速调节，进而将压缩机、循环水泵调节温度的功耗用风机调节风速的功耗来代替，在满足人体的热舒适度需求的同时可有效的降低能耗。