冰蓄冷空调系统在用电低谷时期(如24:00—7:00)蓄存冷量,在用电高峰时期(如9:00—18:00)释放所蓄存的冷量,具有良好的“削峰填谷”作用,能够较好地平衡电网负荷,在空调行业的应用十分广泛。冰蓄冷空调系统需要根据第二天的负荷预测值来确定夜间的蓄冷量,以保证所蓄存的冷量得到充分利用并能满足逐时冷负荷的要求。空调系统在实际运行过程中,有80%～90%的时间里实际负荷远小于设计负荷,为了达到舒适节能的目的,空调末端部分需要借助控制技术使房间参数稳定在设定值范围内。 本文介绍了冰蓄冷空调系统的发展现状、未来发展趋势以及蓄冷空调设备的分类、各种蓄冷介质的特点和水或冰蓄冷装置的结构及特点。详细介绍了冰蓄冷空调系统的全负荷和部分负荷蓄冷方式、外融冰和内融冰释冷方式的原理和特点,给出了整个冰蓄冷空调系统的流程图。 准确地进行负荷预测是冰蓄冷空调系统正常运行的前提,本文介绍了BP神经网络模型的构建和训练,推导了BP网络的学习和训练规则,建立了负荷预测模型。结合工程实例,搜集训练BP网络的教师样本,即预测日的室内外空调24小时计算参数以及与此对应的逐时负荷值,应用训练好的BP网络对该模型进行负荷预测,并应用Matlab进行仿真验证。经过对预测曲线和误差的分析表明,人工神经网络非编程、自适应的信息处理方式非常适合空调冷负荷预测这种受多种因素影响的、非线性过程。 对末端空调房间,本文采用多变量前馈—反馈解耦控制技术,根据实际负荷的变化对其空调参数进行调节和控制。鉴于空调房间的各个控制回路相互耦合难以达到稳定控制的状况,采用机理分析和实验分析相结合的方法,建立了空调房间的送风温度、室内温度、室内湿度和送风静压4回路的数学模型。推导了解耦控制器的传递函数矩阵,给出了经过解耦的空调房间的对角传递函数矩阵。结合工程实例,对耦合已经消除的空调房间控制系统,采用常规控制策略、按照单回路控制方式分别进行控制。并应用Matlab进行仿真验证。经过对仿真曲线的分析表明,该解耦控制方法在末端空调控制系统中的应用效果较好,改善和提高了系统的控制品质和性能。为解决多回路之间的耦合,使系统达到稳定运行和精确控制提供了有效的方法。