基于PMV指标的舒适空调模糊控制系统仿真研究
|
摘要
随着国民经济的发展以及人们生活水平的提高，人们对室内热舒适度的要求也越来越高，而单纯以室内温度为被控参数的传统控制方法(室内设定温度值恒定)显得过于粗糙；且暖通空调系统具有很强的非线性特征，传统的PI、PID等线性控制理论难以获得精确的数学模型。针对这些问题，国内外学者提出根据PMV指标偏差及偏差变化率，应用模糊控制方法实时修正室内设定温度值的方法和基于新有效温度偏差及偏差变化率的模糊控制方法；这些控制方法实际上都属反馈控制方法，系统的控制作用会有滞后，为了改善系统的控制性能，可采用基于扰动的前馈控制(又叫扰动补偿)，但是，一个控制系统不能单纯用前馈控制，因为这要求对系统的所有扰动都要进行控制，这往往是难以做到的。本文将反馈(PMV指标偏差)和前馈结合起来，只对空调系统的主要扰动(室内冷负荷)进行补偿，提出基于PMV指标偏差及室内冷负荷的舒适空调模糊控制方浊，对各种气象条件的仿真结果表明，此方法对空调系统具有良好的控制效果，而且更加节能。
本文通过分析环境因素对PMV指标的影响，得出以下结论：ι_a，ι_r、φ_a升高均将导致PMV指标增大：在ι_a＜人体表面平均温度ι_(cl)时，V_a升高将导致PMV指标减小，在ι_a=ι_(cl)时，V_a对PMV无影响，在ι_a＞ι_(cl)时，V_a升高将导致PMV指标增大，且PMV随V_a变化的变化率不同；V_a＜0.1m／s时风速对PMV几乎无影响，V_a＜0.2m／s时风速对PMV的影响也不大，基本上可忽略，本文提出在现有风速传感器对低风速测量精度不高的实际情况下，对低风速(我国暖通空调设计规范规定：夏季舒适空调风速不应大于0.3m／s)且风速变化不大的舒适空调环境，在计算PMV指标时，完全可将V_a设定为常数0.2m／s。
本文首先建立了气象模型、客流量模型、冷负荷模型、房间模型、表冷器模型及PMV指标预测器，并编制了相应的子程序：之后建立了基于PMV指标偏差及室内冷负荷的模糊控制模型，并编制了基于该控制模型的空调系统仿真主程序，同时也编制了传统的固定温度的PID控制模型和传统的固定温湿度的定风量再热控制模型的空调系统仿真主程序，在MATLAB环境中模拟仿真了三种不同控制方法在各种气象条件下室内环境参数以及系统冷负荷、送风量的动态变化曲线。结果表明，基于PMV指标偏差及室内冷负荷的舒适空调模糊控制方法控制作用及时，可以将PMV指标控制在舒适范围内和最大程度地接近舒适范围的上限，与另两种方法相比，实现了空调系统的节能运行，且具有比于航等人提出的基于新有效温度偏差及偏差变化率的模糊控制方法更高的节能效果。因此本文提出的控制方法具有一定的可行性和实用价值。
With the development of the national economy and increase of people' s life level, people make an request for the high indoor thermal comfort, however, the control project in which the indoor temperature is unique controlled parameter is not enough. The HVAC system has strong non-1 inear characteristic, and it is difficult to gain the preri.se mathematical model by using the traditional linear control theory, such as PI,PID. Aim at these problems, many scholars have put forward to the method that revises indoor set-temperature value with according to the difference of PMV index and the cHange-rate of its difference, applying fuzzy control. These control methods belong to the feedback control method, the control function of system may be delayed. For the sake of improving control function, the feed front control method based on interfered factors can be adopted. But a control system can' t apply the unique feedfront control, because this request that all interfered factors of system, and this is usually difficult. Combining the feedback control with the feedfront control, the paper put forward to the comfortable air-conditioning fuzzy control system in which the difference of PMV index and the indoor cooling load are input parameters. The paper has simulated the change of indoor thermal environmental parameter and the energy consumption of system under the variety weather circumstances. The results show that the air-conditioning system can be effectively control and the energy consumption of system is economical.
The paper analyzed that the environmental factor influences PMV index, and draw these conclusions:ta,tr, a go up that will cause PMV index enlarged; When t, lower human body surface mean temperature, V go up that will cause PMV index reduced; When V, lower 0.1m/s, the wind velocity has no the influence on PMV index. The paper put forward that the influence of the wind velocity to PMV index can be neglected and set up it as a constant (such as 0. 2 m/ s) in the air-conditioning environment with the low wind velocity.
The paper, first, established the weather model, the persons flow rate model, the load model, the room model, the cold-water heat exchanger model etc. Second, established the control model based on the difference of PMV index and the indoor cooling load, and established the simulating main program of air-conditioning system. The results of simulation show this control method is on time, and can control PMV index that is satisfied and realize the more economical energy carry of the air-conditioning system.
This control method has great feasibility and practical value.
本文通过分析环境因素对PMV指标的影响，得出以下结论：ι_a，ι_r、φ_a升高均将导致PMV指标增大：在ι_a＜人体表面平均温度ι_(cl)时，V_a升高将导致PMV指标减小，在ι_a=ι_(cl)时，V_a对PMV无影响，在ι_a＞ι_(cl)时，V_a升高将导致PMV指标增大，且PMV随V_a变化的变化率不同；V_a＜0.1m／s时风速对PMV几乎无影响，V_a＜0.2m／s时风速对PMV的影响也不大，基本上可忽略，本文提出在现有风速传感器对低风速测量精度不高的实际情况下，对低风速(我国暖通空调设计规范规定：夏季舒适空调风速不应大于0.3m／s)且风速变化不大的舒适空调环境，在计算PMV指标时，完全可将V_a设定为常数0.2m／s。
本文首先建立了气象模型、客流量模型、冷负荷模型、房间模型、表冷器模型及PMV指标预测器，并编制了相应的子程序：之后建立了基于PMV指标偏差及室内冷负荷的模糊控制模型，并编制了基于该控制模型的空调系统仿真主程序，同时也编制了传统的固定温度的PID控制模型和传统的固定温湿度的定风量再热控制模型的空调系统仿真主程序，在MATLAB环境中模拟仿真了三种不同控制方法在各种气象条件下室内环境参数以及系统冷负荷、送风量的动态变化曲线。结果表明，基于PMV指标偏差及室内冷负荷的舒适空调模糊控制方法控制作用及时，可以将PMV指标控制在舒适范围内和最大程度地接近舒适范围的上限，与另两种方法相比，实现了空调系统的节能运行，且具有比于航等人提出的基于新有效温度偏差及偏差变化率的模糊控制方法更高的节能效果。因此本文提出的控制方法具有一定的可行性和实用价值。
With the development of the national economy and increase of people' s life level, people make an request for the high indoor thermal comfort, however, the control project in which the indoor temperature is unique controlled parameter is not enough. The HVAC system has strong non-1 inear characteristic, and it is difficult to gain the preri.se mathematical model by using the traditional linear control theory, such as PI,PID. Aim at these problems, many scholars have put forward to the method that revises indoor set-temperature value with according to the difference of PMV index and the cHange-rate of its difference, applying fuzzy control. These control methods belong to the feedback control method, the control function of system may be delayed. For the sake of improving control function, the feed front control method based on interfered factors can be adopted. But a control system can' t apply the unique feedfront control, because this request that all interfered factors of system, and this is usually difficult. Combining the feedback control with the feedfront control, the paper put forward to the comfortable air-conditioning fuzzy control system in which the difference of PMV index and the indoor cooling load are input parameters. The paper has simulated the change of indoor thermal environmental parameter and the energy consumption of system under the variety weather circumstances. The results show that the air-conditioning system can be effectively control and the energy consumption of system is economical.
The paper analyzed that the environmental factor influences PMV index, and draw these conclusions:ta,tr, a go up that will cause PMV index enlarged; When t, lower human body surface mean temperature, V go up that will cause PMV index reduced; When V, lower 0.1m/s, the wind velocity has no the influence on PMV index. The paper put forward that the influence of the wind velocity to PMV index can be neglected and set up it as a constant (such as 0. 2 m/ s) in the air-conditioning environment with the low wind velocity.
The paper, first, established the weather model, the persons flow rate model, the load model, the room model, the cold-water heat exchanger model etc. Second, established the control model based on the difference of PMV index and the indoor cooling load, and established the simulating main program of air-conditioning system. The results of simulation show this control method is on time, and can control PMV index that is satisfied and realize the more economical energy carry of the air-conditioning system.
This control method has great feasibility and practical value.
引文
[1] D．A．McIntyre，龙惟定等译．室内气候．上海：上海科学技术出版社，1988
[2] 贾衡 主编．人与建筑环境．北京工业大学出版社，2001
[3] 龙惟定，潘毅群，白玮．智能建筑的室内生态环境．暖通空调，2001，31(4)：75-78
[4] 魏庆芃，谭刚，王鹏．建筑生态环境与节能效果综合评价．清华同方技术通讯，2000，10
[5] 郭维钧等．建筑智能化技术基础．北京：中国计量出版社，2001
[6] 祝敬国．空调节能与建筑智能．中国制冷空调网
[7] 革非．智能化民用建筑集中空调系统的工艺设计．硕士学位论文．成都：西南交通大学，2001
[8] 张国强．模糊控制在日本制冷空调中的应用．暖通空调，1992(4)：28-31
[9] 龙惟定．发展燃气空调的必要性．2003年全国空调技术交流会学术报告
[10] 汪训昌．合理用能—空调冷、热源之能源利用分析．2003年全国空调技术交流会学术报告
[11] 付祥钊 主编．夏热冬冷地区建筑节能技术．中国建筑工业出版社，2002
[12] 付祥钊．长江流域住宅热环境质量标准．住宅科技，1998，9：6-9
[13] 钱以明．高层建筑空调与节能．上海：同济大学出版社，1992
[14] 廖传善 等．编著．空调设备与系统的节能控制．北京：中国建筑工业出版社，1984
[15] 汪善国．美国的空调程控节能系统．暖通空调，1997，27增刊：31-36
[16] 庄春龙等．智能建筑中央空调系统的设计与节能．重庆大学学报，2002(8)：108-110
[17] 江大勇．人工神经网络在暖通空调系统中的应用．暖通空调，2000(6)：39-41
[18] 陈焕新．智能建筑中暖通空调系统控制方法初探．暖通空调，2003(3)：30-32
[19] 谭良才．空调负荷的神经计算法．暖通空调，1997(5)：71-75
[20] 张锦松．PMV图算法探讨[J]．暖通空调，2002(1)：37-39
[21] 石磊等．应用人工神经网络预测PMV指标．西安建筑科技大学，2002(4)：80-83
[22] 高立新。室内热舒适度智能预测器的研究．计算机测量与控制，2002(8)：519-526
[23] 王瑞．我国南方低能耗住宅夏季室内热环境指标的选择与评价．四川建筑科学研究院，2002(1)：74-75，83
[24] 王昭俊等．热舒适评价指标及冬季室内计算温度探讨．暖通空调，2002(2)：26-28
[25] 凌人杰．房间PMV控制器[J]．家用电器，1990(9)：3-3
[26] 于航等．以PMV为基础的模糊控制器在VAV空调系统中的应用．节能，2001(4)：3-6
[27] 张良杰等．基于神经网络与模糊逻辑控制技术的“舒逸”智能空调控制器．制冷学报，1994，3：54-57
[28] 殷平．室内空气计算参数对空调系统经济性的影响．暖通空调，2002，32(2)：21-25
[29] 杨春敏．房间温度控制系统及仿真．能源技术，2003(3)：97-99
[30] 黄国辉，赵文敏．直流型变频空调器的智能模糊控制．暖通空调，2002(4)：56-59
[31] 王如竹，丁国良等著．最新制冷空调技术．北京：科学出版社，2002
[32] 殷平，龙惟定．表冷器的计算机模拟研究．1987年建筑设备学术讨论会 上海方面论文汇编集．
[33] 周兴禧．变频空调系统特性的仿真研究．流体机械，2000，Vol．28(2)：43-47
[34] 松岡文雄．冷凍．空调分野Fuzzy技术．日本冷冻协会论文集，Vol8，No．1，1991
[35] 加藤忠広．理论空调制御开発．冷冻，Vol．65．1990
[36] 山田富美夫，米沢憲造．快適性指標型空调制御実用技术．电学论D，119卷11号平成11年
[37] Kaya, A.,C.S. Chen, S. Raina, and S.J. Alexander. Optimum control policies to minimize energy use in HVAC systems. ASHRAE Transactions, 88(2):235-248
[38] K. H. Yang, C. H. Su. An approach to building energy savings using the PMV index. Building and Environment, 1997, Vol. 32, No. 1, pp. 25-30
[39] Sunao Funakoshi and Kazuya Matsuo. PMV-Based Train
Air-conditioning Control System[J].ASHRAE Transactions, 1995,101(1): 423-430
[40] MacArthur, J.W. 1986. Humidity and predictcd-mean-vote based(PMV based) comfort control. ASHRAE Transactions. 1986,92(1B):5-17
[41] Simmonds P. Thermal comfort and optimal cnergy use. ASHRAE Transactions, 1993,99(1):1037-1048
[42] Henderson, H. I. K. Rengarajan, and D. B. Shirley. 1992. The impact of comfort control on air conditioner energy use in humid climates. ASHRAE Transactions, 1992,98(2):104-113
[43] Kalman I. Krakow, Sui Lin, and Zhao-Shu Zeng. Temperature and Humidity Control During Cooling and Dehumidifying by Compressor and Evaporator Fan Speed Variation. ASHRAE Trans. 1995,101(1):292-304
[44] D. G. Scheatzle, Arch. D., P.E.,AIA. The Development of PMV-Based Control for a Residence in a Hot Arid Climate. ASHRAE Transactions.1991.97(2):1002-1019
[45] J. Xia, H. Yu, X. Jin, G. Huang. A PMV-based controller for VAV applications. Proc. of ACHRB'2000, Shanghai
[46] Wai L. Tse, Albert T. P. So, and C. Eng..Implementation of Comfort-Based Air-Handing Unit Control Algorithms. ASHRAE Trans. 2000,106(1):29-44
[47] Curtiss PS. Experimental results from a network-assisted PID controller. ASHRAE Tran, 1993,99(1):496-504
[48] RC Miller. Comparison of artificial neural networks with traditional methods of predicting return time from night or weekend setback. ASHRAE Tran, 1991,97(1):500-508
[49] 陆耀庆 主编．实用供热空调手册．中国建筑工业出版社．
[50] 曹叔维．房间热过程和空调负荷．上海：上海科学技术出版社，1991
[51] 清华大学等，编．空气调节(第2版)．北京：中国建筑工业出版社，1986
[52] 何天祺．空气调节．重庆：重庆大学出版社．1995
[53] 黄绪镜．百货商场空调设计．北京：中国建筑工业出版社，1992
[54] 蔡敬琅．变风量空调设计．北京：中国建筑工业出版社，1999
[55] 邱信立．工程热力学(第三版)．北京：中国建筑工业出版社
[56] 刘朝贤．夏季新风“逐时”冷负荷计算方法的探讨．暖通空调，1999(6)：65-67
[57] 刘朝贤．夏季新风湿球温度日变化规律的探讨．四川制冷，1997，(2)
[58] 刘朝贤．夏季新风“逐时焓值”冷负荷计算法与新风“常量焓值”冷负荷计算法的比较．四川制冷，1997，(3)
[59] 余庄等．智能建筑中暖通空调和照明系统的计算机控制系统与策略．暖通空调，1999，29(5)：38-40
[60] 张子慧．热工测量与自动控制．北京：中国建筑工业出版社，1999
[61] [美]D. Hanselman, B. Littlefield著．精通MATLAB6．张航，黄攀译．北京：清华大学出版社，2002
[62] 楼顺天等．基于MATLAB的系统分析与设计—模糊系统．西安：西安电子科技大学，2001
[63] 楼顺天等．基于MATLAB的系统分析与设计—神经网络．西安：西安电子科技大学，1999
[64] 闻新，周露等编著．MATLAB模糊逻辑工具箱的分析与应用．北京：科学出版社，2001
[65] 众爽．神经网络、模糊系统及其在运动控制中的应用．合肥：中国科学技术大学，2001
[66] 刘曙光等．模糊控制技术．北京：中国纺织出版社，2001
[2] 贾衡 主编．人与建筑环境．北京工业大学出版社，2001
[3] 龙惟定，潘毅群，白玮．智能建筑的室内生态环境．暖通空调，2001，31(4)：75-78
[4] 魏庆芃，谭刚，王鹏．建筑生态环境与节能效果综合评价．清华同方技术通讯，2000，10
[5] 郭维钧等．建筑智能化技术基础．北京：中国计量出版社，2001
[6] 祝敬国．空调节能与建筑智能．中国制冷空调网
[7] 革非．智能化民用建筑集中空调系统的工艺设计．硕士学位论文．成都：西南交通大学，2001
[8] 张国强．模糊控制在日本制冷空调中的应用．暖通空调，1992(4)：28-31
[9] 龙惟定．发展燃气空调的必要性．2003年全国空调技术交流会学术报告
[10] 汪训昌．合理用能—空调冷、热源之能源利用分析．2003年全国空调技术交流会学术报告
[11] 付祥钊 主编．夏热冬冷地区建筑节能技术．中国建筑工业出版社，2002
[12] 付祥钊．长江流域住宅热环境质量标准．住宅科技，1998，9：6-9
[13] 钱以明．高层建筑空调与节能．上海：同济大学出版社，1992
[14] 廖传善 等．编著．空调设备与系统的节能控制．北京：中国建筑工业出版社，1984
[15] 汪善国．美国的空调程控节能系统．暖通空调，1997，27增刊：31-36
[16] 庄春龙等．智能建筑中央空调系统的设计与节能．重庆大学学报，2002(8)：108-110
[17] 江大勇．人工神经网络在暖通空调系统中的应用．暖通空调，2000(6)：39-41
[18] 陈焕新．智能建筑中暖通空调系统控制方法初探．暖通空调，2003(3)：30-32
[19] 谭良才．空调负荷的神经计算法．暖通空调，1997(5)：71-75
[20] 张锦松．PMV图算法探讨[J]．暖通空调，2002(1)：37-39
[21] 石磊等．应用人工神经网络预测PMV指标．西安建筑科技大学，2002(4)：80-83
[22] 高立新。室内热舒适度智能预测器的研究．计算机测量与控制，2002(8)：519-526
[23] 王瑞．我国南方低能耗住宅夏季室内热环境指标的选择与评价．四川建筑科学研究院，2002(1)：74-75，83
[24] 王昭俊等．热舒适评价指标及冬季室内计算温度探讨．暖通空调，2002(2)：26-28
[25] 凌人杰．房间PMV控制器[J]．家用电器，1990(9)：3-3
[26] 于航等．以PMV为基础的模糊控制器在VAV空调系统中的应用．节能，2001(4)：3-6
[27] 张良杰等．基于神经网络与模糊逻辑控制技术的“舒逸”智能空调控制器．制冷学报，1994，3：54-57
[28] 殷平．室内空气计算参数对空调系统经济性的影响．暖通空调，2002，32(2)：21-25
[29] 杨春敏．房间温度控制系统及仿真．能源技术，2003(3)：97-99
[30] 黄国辉，赵文敏．直流型变频空调器的智能模糊控制．暖通空调，2002(4)：56-59
[31] 王如竹，丁国良等著．最新制冷空调技术．北京：科学出版社，2002
[32] 殷平，龙惟定．表冷器的计算机模拟研究．1987年建筑设备学术讨论会 上海方面论文汇编集．
[33] 周兴禧．变频空调系统特性的仿真研究．流体机械，2000，Vol．28(2)：43-47
[34] 松岡文雄．冷凍．空调分野Fuzzy技术．日本冷冻协会论文集，Vol8，No．1，1991
[35] 加藤忠広．理论空调制御开発．冷冻，Vol．65．1990
[36] 山田富美夫，米沢憲造．快適性指標型空调制御実用技术．电学论D，119卷11号平成11年
[37] Kaya, A.,C.S. Chen, S. Raina, and S.J. Alexander. Optimum control policies to minimize energy use in HVAC systems. ASHRAE Transactions, 88(2):235-248
[38] K. H. Yang, C. H. Su. An approach to building energy savings using the PMV index. Building and Environment, 1997, Vol. 32, No. 1, pp. 25-30
[39] Sunao Funakoshi and Kazuya Matsuo. PMV-Based Train
Air-conditioning Control System[J].ASHRAE Transactions, 1995,101(1): 423-430
[40] MacArthur, J.W. 1986. Humidity and predictcd-mean-vote based(PMV based) comfort control. ASHRAE Transactions. 1986,92(1B):5-17
[41] Simmonds P. Thermal comfort and optimal cnergy use. ASHRAE Transactions, 1993,99(1):1037-1048
[42] Henderson, H. I. K. Rengarajan, and D. B. Shirley. 1992. The impact of comfort control on air conditioner energy use in humid climates. ASHRAE Transactions, 1992,98(2):104-113
[43] Kalman I. Krakow, Sui Lin, and Zhao-Shu Zeng. Temperature and Humidity Control During Cooling and Dehumidifying by Compressor and Evaporator Fan Speed Variation. ASHRAE Trans. 1995,101(1):292-304
[44] D. G. Scheatzle, Arch. D., P.E.,AIA. The Development of PMV-Based Control for a Residence in a Hot Arid Climate. ASHRAE Transactions.1991.97(2):1002-1019
[45] J. Xia, H. Yu, X. Jin, G. Huang. A PMV-based controller for VAV applications. Proc. of ACHRB'2000, Shanghai
[46] Wai L. Tse, Albert T. P. So, and C. Eng..Implementation of Comfort-Based Air-Handing Unit Control Algorithms. ASHRAE Trans. 2000,106(1):29-44
[47] Curtiss PS. Experimental results from a network-assisted PID controller. ASHRAE Tran, 1993,99(1):496-504
[48] RC Miller. Comparison of artificial neural networks with traditional methods of predicting return time from night or weekend setback. ASHRAE Tran, 1991,97(1):500-508
[49] 陆耀庆 主编．实用供热空调手册．中国建筑工业出版社．
[50] 曹叔维．房间热过程和空调负荷．上海：上海科学技术出版社，1991
[51] 清华大学等，编．空气调节(第2版)．北京：中国建筑工业出版社，1986
[52] 何天祺．空气调节．重庆：重庆大学出版社．1995
[53] 黄绪镜．百货商场空调设计．北京：中国建筑工业出版社，1992
[54] 蔡敬琅．变风量空调设计．北京：中国建筑工业出版社，1999
[55] 邱信立．工程热力学(第三版)．北京：中国建筑工业出版社
[56] 刘朝贤．夏季新风“逐时”冷负荷计算方法的探讨．暖通空调，1999(6)：65-67
[57] 刘朝贤．夏季新风湿球温度日变化规律的探讨．四川制冷，1997，(2)
[58] 刘朝贤．夏季新风“逐时焓值”冷负荷计算法与新风“常量焓值”冷负荷计算法的比较．四川制冷，1997，(3)
[59] 余庄等．智能建筑中暖通空调和照明系统的计算机控制系统与策略．暖通空调，1999，29(5)：38-40
[60] 张子慧．热工测量与自动控制．北京：中国建筑工业出版社，1999
[61] [美]D. Hanselman, B. Littlefield著．精通MATLAB6．张航，黄攀译．北京：清华大学出版社，2002
[62] 楼顺天等．基于MATLAB的系统分析与设计—模糊系统．西安：西安电子科技大学，2001
[63] 楼顺天等．基于MATLAB的系统分析与设计—神经网络．西安：西安电子科技大学，1999
[64] 闻新，周露等编著．MATLAB模糊逻辑工具箱的分析与应用．北京：科学出版社，2001
[65] 众爽．神经网络、模糊系统及其在运动控制中的应用．合肥：中国科学技术大学，2001
[66] 刘曙光等．模糊控制技术．北京：中国纺织出版社，2001
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |