中央空调电气节能智能控制研究
2023-11-27刘金瑶
刘金瑶
(沈阳万宸建筑规划设计有限公司,辽宁 沈阳 110000)
在全球气候变暖和城市热岛效应的影响下,城市温度不断升高。为了满足基本的生活和办公需求,城市居民小区和商业办公区大都会选择中央空调,以降低夏季的高温影响[1]。但从另一个角度看,中央空调的使用会加剧电能的消耗,进而引起各种形式的能源消耗。为了有效降低中央空调的能源消耗,必须采取有效的节能控制措施,使中央空调在满足人们使用需求的前提下,尽可能消耗更少的能源[2]。目前,对中央空调进行节能控制一般可以从硬件和软件2个维度进行。在硬件维度上,主要针对电气控制系统进行合理设计,在保证控制和运行功能的前提下,尽可能降低能源消耗。在软件维度上,主要通过采用各种算法提高能量利用率,降低无效能耗[3]。该文将从电气结构设计和智能算法设计2个方面入手,对中央空调进行节能控制并加以试验验证。
1 中央空调的各部分构成和节能思路
中央空调的组成结构示意图如图1所示。
图1 中央空调的组成结构
根据循环物质类型的划分,中央空调可以划分为2该文单元组,即水物质单元组和风物质单元组。其中,水物质单元组主要负责水物质的处理和传送,包括制冷机组模块、冷冻模块和冷却模块。风物质单元组主要负责风的产生和传送。
在中央空调的整体结构中,制冷机组模块是核心部分,负责制冷并产生冷气向外传送。从制冷机组模块的构成看,它又包括压缩机、蒸发器、冷凝器、风机及其盘管组件,负责将制冷的空气和室内进行交换,真正达到调节室温的目的。
水物质单元完成相应的工作,需要通过制冷机组模块、冷却塔模块、循环泵模块等协同配合,其整体能源消耗也与每个模块的能源消耗有关。为了达到节能的目的,就需要在这些设备中对相应的控制电机进行调整,其中主要调整的参数就是频率。水物质单元中关键模块的电机运行规律如公式(1)所示。
式中:n为水物质单元关键模块的电机转速大小;f为水物质单元模块的电机定子频率;p为水物质单元关键模块的电机磁极对数。
进一步可知,作为关键模块之一,水物质处理单元中水泵的功率消耗与其控制电机的转速密切相关,与相应的频率也呈线性关系,据此可以得到公式(2)和公式(3)。
式中:G1为水物质处理单元中水泵模块的额定流量;G为水物质处理单元中水泵模块的工作流量;n1为水物质处理单元中水泵模块控制电机的额定转速;n为水物质处理单元中水泵模块控制电机的工作转速。
式中:P1为水物质处理单元中水泵模块的额定功率;P为水物质处理单元中水泵模块的工作功率;n1为水物质处理单元中水泵模块控制电机的额定转速;n为水物质处理单元中水泵模块控制电机的工作转速。
从上述关系可知,在满足用户制冷需求的情况下,如果能有效控制电机的频率、降低电机的转速,就可以减少电机功率的浪费,从而达到节能的目的。
冷却塔也是中央空调制冷过程中的重要组件,其完成热量交换的数学描述如公式(4)所示。
式中:Q为冷却塔工作过程中完成的换热量;M为冷却塔工作过程中的换热风量;H1为冷却塔工作过程中出风口的空气焓值;H2为冷却塔工作过程中进风口的空气焓值。
作为中央空调制冷效果实现的重要单元,某个时间段内风机组件的总送风量如公式(5)所示。
式中:F为某个时间段内风机组件的总送风量;PF为为了完成送风量,F风机需要做出的功率;tN为统计时间段的终止时间;t0为统计时间段的起始时间。
2 中央空调的电气节能结构与智能算法设计
完成中央空调制冷任务的过程相当于一个集散系统的控制执行过程。集散系统要实现最小的功率消耗,就需要将总体任务合理分配到每个终端上,使各个终端均衡工作,避免能量的过度消耗。对中央空调系统而言,也是同样的道理。如果能将全部用户形成的制冷负荷合理地分配到每个终端制冷通风单元上,就可以有效降低能源消耗,达到节能的控制目标。中央空调节能控制电气结构总体框图如图2所示。
图2 中央空调节能控制电气结构总体框图
图2中,中央空调负责为多个用户进行制冷气体输送,包括用户1、用户2、用户3、用户4、用户5等多个用户。将这些用户的制冷需求统一纳入控制器上的制冷负荷模块参与计算。在该过程中,电气控制系统通过各种传感器完成数据采集工作,并进行进一步的数据分析和整理,将相应结果纳入一个优化算法。再由优化算法结合制冷负荷需求和数据采集结果进行功率优化,从而达到整体节能的目的。
其中,优化算法是一个非常关键的核心部分。也可以采用比较传统的PID一类的控制算法,但为了达成更好的功率优化效果,该文采用粒子群控制算法。该算法是一种智能控制算法,对于重要空调的控制任务,也具有更好的对应性,其执行过程如图3所示。
图3 中央空调节能控制的粒子群算法
比较图2和图3可知,粒子群优化控制算法和中央空调的节能控制具有非常好的对应性。粒子群算法的总体优化目标对应中央空调的总体节能控制目标,如果中央空调负责多个用户的制冷控制,那么粒子群算法就对应设置多个粒子,每个粒子对应一个用户的制冷节能控制任务。中央空调节能控制的负荷计算就对应于粒子群优化算法中的适应度函数设计和适应度计算。而各个用户节点的数据采集和数据整理分析可以对应于粒子群算法中每个粒子的位置计算和速度计算,最终将这些位置计算、速度计算的结果纳入适应度函数中参与进一步的适应度优化,从而实现粒子对应位置和速度的更新。当整个粒子群达到最优状态时,将确定的粒子位置和粒子速度反馈给各个粒子,就完成了粒子群的优化。当粒子群优化完成时,中央空调各个用户终端的制冷功率、相应的电机频率和转速也都确定下来,至此即完成中央空调的节能控制优化。
3 中央空调的节能控制试验
在上述研究工作中,针对中央空调所发挥的作用、其组成结构、运行原理以及电气控制下各组成成分的节能过程进行了详细分析和数学形式推导。并在该基础上给出了中央空调电气控制节能优化的系统框图。然后选择粒子群算法作为智能优化算法的代表,对应中央空调电气控制节能的具体结构,设计了基于粒子群算法的节能优化控制方案。
在接下来的工作中,该文将通过具体的试验工作,对粒子群优化算法取得的节能效果进行分析和检验,以确定其在中央空调制冷过程中节能控制的有效性。试验分别针对中央空调中的水处理单元和风处理单元,观察上述2个单元在优化节能前、后的功率满载率的情况。
首先来观察中央空调水处理单元。在执行粒子群优化算法前、后,其功率满载率的变化情况如图4所示。
图4 中央空调水处理单元功率满载率变化
在图4中,横坐标代表不同的用户,中央空调控制下的用户一共包括5户,分别是用户1、用户2、用户3、用户4和用户5。纵坐标代表中央空调水处理单元功率满载率变化,单位是%。白色矩形代表优化前中央空调水处理单元功率满载,带剖面线的矩形代表执行粒子群优化后中央空调水处理单元功率满载。
从图4可以看出,在优化前用户1的水处理单元功率满载率接近90%,经过粒子群优化后,水处理单元功率满载率降至70%以下。在优化前用户2的水处理单元功率满载率超过90%,经过粒子群优化后,水处理单元功率满载率降至70%。其中,降低幅度最明显的是用户5,优化前水处理单元功率满载率为90%,经过粒子群优化后,水处理单元功率满载率降至60%。
其次来观察中央空调风处理单元。在执行粒子群优化算法前、后,其功率满载率的变化情况如图5所示。
图5 中央空调风处理单元功率满载率变化
从图5可以看出,在优化前用户1的风处理单元功率满载率超过90%,经过粒子群优化后,风处理单元功率满载率降至65%左右。在优化前的风处理单元功率满载率接近95%,经过粒子群优化后,风处理单元功率满载率降至68%。其中,降低幅度最明显的是用户4,优化前风处理单元功率满载率为88%,经过粒子群优化后,风处理单元功率满载率降至63%。
4 结论
空调是夏季降温消暑调节室温的重要工具,是人们日常生活不可或缺的重要设备。通常负荷分配不合理会导致很多用户(包括商业用户)使用的中央空调产生更多的能源消耗。对此,该文进行了中央空调的节能控制研究。首先,对中央空调进行了组成结构分析和节能途径分析。其次,在电气控制结构的框架下,以粒子群算法为智能优化算法对中央空调进行节能控制。试验结果表明,在粒子群算法的优化控制下,各用户终端的负荷得到了合理分配,中央空调的功率被有效利用,取得了较好的节能效果。