论文部分内容阅读
现今,中央空调系统在现代化建筑中越来越多的被采用,其智能模糊控制器可以针对中央空调系统的非线性及时滞特性,自动调整系统参数,确保空调系统处于最佳运行状态,已成为节能控制产品的核心。但智能模糊控制器仍然存在一些缺陷,在控制中央空调系统变风量和室内温度有一定的滞后和稳态误差,难以在周围环境的多变负荷条件下节能高效的运作。改革开放以来,人民物质生活水平不断提高,对工作生活环境的舒服程度提出了更高的要求,以热舒适度PMV作为变风量中央空调系统的控制目标,不仅可以大大提高室内体感舒适度,还可以实现节能的目的,所以越来越受到研发人员们的追捧。首先,在绪论中介绍了变风量中央空调控制技术和热舒适度指标及控制方面的国内外研究现状;简单的说明了传统以温度作为控制参数的空调系统控制方法存在响应慢、不舒适、耗能大的一些缺点,而当把热舒适度PMV作为空调系统的控制目标,因为考虑了热环境对人体的综合效果,不仅可以使室内环境更适宜人们活动,还能降低不必要的能源消耗,已成为近几年的热点研究方向。其次,建立热舒适度指标影响因素决定的预测模型,而BP神经网络有学习和预测能力,可以用于PMV指标预测模型建立。但BP神经网络存在冗余、收敛不够快等缺陷。本文引入改进的蚁群优化算法(ACO)对BP神经网络预测模型进行优化,很好的解决了 BP神经网络在选择权重参数时的盲目性,减少了算法收敛时间和预测精度。再次,运用已经建立的热舒适度PMV预测模型和实际测得的室内热舒适度PMV值求差值作为反馈变量,建立基于热舒适度PMV的模糊控制器,进行仿真,并和传统的PID控制进行了对比,仿真结果表明基于热舒适度PMV的模糊控制器具有舒适性好,超调小,响应速度快等优点。最后,采用DesignBuilder软件对丹东皇冠酒店侧楼进行建模,并对其中几间办公室作为空调末端控制对象建模。在冬季典型工况,结合当地气象数据,对控制对象进行耗能仿真,综合各种情况得出结论。虽然PMV=-0.5时的定PMV控制方式对单个办公室来讲,相对于温度控制耗能更多一些,但是从宏观层面,定PMV控制对整栋楼宇的中央空调系统的总能耗会大大减少。基于热舒适度PMV中央空调系统具有节能且舒适的优点。