專利名稱：一種建筑物獨(dú)立供能溫度非線性預(yù)測控制方法
技術(shù)領(lǐng)域：
本發(fā)明屬于建筑物獨(dú)立冷熱供能技術(shù)領(lǐng)域，具體涉及一種建筑物獨(dú)立供能溫度非線性預(yù)測控制方法。

背景技術(shù)：
建筑物獨(dú)立供能系統(tǒng)是一個(gè)具有諸多優(yōu)點(diǎn)的能量利用系統(tǒng)，其控制特點(diǎn)包括多變量、非線性、強(qiáng)耦合、大延遲、純滯后、時(shí)變等。由于建筑物獨(dú)立供能系統(tǒng)應(yīng)用的地區(qū)和氣候條件復(fù)雜，如果在這個(gè)系統(tǒng)上采用常規(guī)的控制方法如PID控制、模糊控制或者是兩個(gè)方法的簡單組合則無法收到滿意的控制效果。其主要問題在于動(dòng)態(tài)與靜態(tài)性能之間，跟蹤設(shè)定值與抑制擾動(dòng)之間，魯棒性與控制性能之間存在著矛盾。建筑物獨(dú)立供能系統(tǒng)的主要功能是向特定建筑物空間連續(xù)穩(wěn)定高效的提供冷量和熱量。穩(wěn)定的系統(tǒng)出水溫度是功能實(shí)現(xiàn)的重要保證。


發(fā)明內(nèi)容
本發(fā)明的目的是克服現(xiàn)有技術(shù)的上述不足，提供一種為建筑物獨(dú)立供能系統(tǒng)智能控制方法，以實(shí)現(xiàn)功能系統(tǒng)冷、熱的全天候的自動(dòng)聯(lián)供。
為此，本發(fā)明采用如下的技術(shù)方案一種建筑物獨(dú)立供能溫度非線性預(yù)測控制方法，包括PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)和灰色預(yù)測控制器，所述的灰色預(yù)測控制器根據(jù)出水溫度的歷史變化，采用灰色預(yù)測法，得到出水溫度預(yù)測值，再將該出水溫度預(yù)測值與出水溫度設(shè)定值一起被送入PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)，作為其前向網(wǎng)絡(luò)的輸入層；所述的PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)前向網(wǎng)絡(luò)的隱含層含有3個(gè)神經(jīng)元，各神經(jīng)元的輸出函數(shù)分別對應(yīng)于比例、積分、微分3個(gè)部分；網(wǎng)絡(luò)的輸出層進(jìn)行PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)控制量計(jì)算，根據(jù)出水溫度實(shí)際測量值和設(shè)定值之間的誤差信號在線調(diào)整權(quán)重，直至誤差達(dá)到期望要求，從而實(shí)現(xiàn)建筑物獨(dú)立供能溫度非線性預(yù)測控制。
上述建筑物獨(dú)立供能溫度非線性預(yù)測控制方法，在隱含層至輸出層的權(quán)重初值最好設(shè)定為<＝+0.1的小正數(shù)，輸入層至隱層積分單元的權(quán)重值的整個(gè)訓(xùn)練過程中絕對值相等，符號相反?！? 作為優(yōu)選實(shí)施方式，上述的建筑物獨(dú)立供能溫度非線性預(yù)測控制方法，按照下列步驟得到出水溫度預(yù)測值 (1)設(shè)X(0)＝(x(0)(1)，x(0)(2)，…，x(0)(n))為主板換出水溫度序列，設(shè)X(1)＝(x(1)(1)，x(1)(2)，…，x(1)(n))，其中設(shè)，z(1)(k)＝0.5[x(1)(k)+x(1)(k-1)]，k＝1，2，…，n.；則GM(1，1)的灰色微分方程為 x(0)(k)+az(1)(k)＝u，k＝1，2，…，n.， 相應(yīng)的白化方程為其中a發(fā)展系數(shù)，u為黑色作用量； (2)根據(jù)下列公式，利用最小二乘法求得a和u Yn＝[x(0)(2)x(0)(3)…x(0)(n)]T 則白化方程的解為 (3)求取灰色微分方程的時(shí)間響應(yīng)序列 (4)根據(jù)公式計(jì)算出水溫度值預(yù)測序列
上述的建筑物獨(dú)立供能溫度非線性預(yù)測控制方法，最好還包括下列的前饋預(yù)測控制器以時(shí)間、太陽輻射量、室內(nèi)外空氣的溫濕度、發(fā)動(dòng)機(jī)轉(zhuǎn)速和建筑物獨(dú)立供能系統(tǒng)的供回水溫度為輸入層，以前饋預(yù)測值為輸出層，建立基于神經(jīng)網(wǎng)絡(luò)的前饋預(yù)測控制器，訓(xùn)練神經(jīng)網(wǎng)絡(luò)，根據(jù)期望輸出值與實(shí)際前饋預(yù)測值的之間的誤差信號在線調(diào)整神經(jīng)網(wǎng)絡(luò)，直至誤差達(dá)到期望要求，此時(shí)神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成，網(wǎng)絡(luò)輸出前饋預(yù)測值；實(shí)際前饋預(yù)測值可根據(jù)下述方法在線計(jì)算得出采集時(shí)間、太陽輻射量、室內(nèi)外空氣的溫濕度、發(fā)動(dòng)機(jī)轉(zhuǎn)速和建筑物獨(dú)立供能系統(tǒng)的供回水溫度參數(shù)，根據(jù)建筑物負(fù)荷計(jì)算理論，計(jì)算出建筑物負(fù)荷，然后按比例關(guān)系得出實(shí)際前饋預(yù)測值。
本發(fā)明以供能系統(tǒng)的出水溫度為控制對象，但是其反饋值并不是該溫度，而是經(jīng)過灰色控制算法計(jì)算后的數(shù)值。這個(gè)數(shù)值不但反映了系統(tǒng)輸出溫度的現(xiàn)時(shí)數(shù)值而且反映了這個(gè)數(shù)值的歷史規(guī)律，從而更能適應(yīng)該溫度的變化趨勢。一些參數(shù)的變化，例如氣象參數(shù)的變化不但影響著建筑物空間的負(fù)荷，而且影響著建筑物獨(dú)立供能系統(tǒng)中的空氣源熱泵的運(yùn)行參數(shù)。前饋控制中，僅僅把房間負(fù)荷變化作為前饋值是不全面的。本發(fā)明的前饋控制算法，從眾多參數(shù)變化訓(xùn)練出前饋參數(shù)能夠反映房間負(fù)荷變化和系統(tǒng)運(yùn)行狀態(tài)變化，從而更加有效。
采用該控制方法系統(tǒng)能夠智能判斷各種運(yùn)行工況，智能調(diào)整運(yùn)行參數(shù)，實(shí)現(xiàn)全年各種氣候條件下智能的向用戶提供冷量、熱量和穩(wěn)定高效運(yùn)行。本發(fā)明的控制方法不但具有工作穩(wěn)定，魯棒性強(qiáng)，各參數(shù)物理意義明確和工程上易于實(shí)現(xiàn)等優(yōu)點(diǎn)，又具有并行結(jié)構(gòu)和本質(zhì)學(xué)習(xí)記憶功能及任意函數(shù)逼近的能力，在不同工況下具有廣泛的自適應(yīng)性。



圖1是本發(fā)明實(shí)施例的建筑物獨(dú)立供能系統(tǒng)原理圖； 圖1中 1——熱水儲(chǔ)用裝置 2——流量控制裝置3——缸套換熱器 4——燃?xì)獍l(fā)動(dòng)機(jī)5——排煙換熱器 6——壓縮機(jī) 7——四通閥8——室外換熱器 9——電子膨脹閥控制器 10——電子膨脹閥 11——板式換熱器 12——供水溫度傳感器 13——回水溫度傳感器 14——室內(nèi)換熱器 15——系統(tǒng)總控制器 圖2是神經(jīng)網(wǎng)絡(luò)非線性預(yù)測PID系統(tǒng)控制框圖； 圖3是前饋控制預(yù)測原理圖。

具體實(shí)施例方式 以下結(jié)合附圖和實(shí)施例，對本發(fā)明作詳細(xì)說明 圖1為本實(shí)施例供能系統(tǒng)機(jī)組。本發(fā)明的建筑物獨(dú)立供能系統(tǒng)的全自動(dòng)冷熱聯(lián)供自動(dòng)調(diào)節(jié)與控制系統(tǒng)，包括數(shù)據(jù)采集裝置，控制器(本實(shí)施例采用可編程控制器PLC)，執(zhí)行器。
本發(fā)明的控制對象為系統(tǒng)的出水溫度，但是其反饋值并不是該溫度，而是經(jīng)過灰色控制算法計(jì)算后的數(shù)值。這個(gè)數(shù)值不但反映了系統(tǒng)輸出溫度的現(xiàn)時(shí)數(shù)值而且反映了這個(gè)數(shù)值的歷史規(guī)律，從而更能適應(yīng)該溫度的變化趨勢。一些參數(shù)的變化，例如氣象參數(shù)的變化不但影響著建筑物空間的負(fù)荷，而且影響著建筑物獨(dú)立供能系統(tǒng)中的空氣源熱泵的運(yùn)行參數(shù)。前饋控制中，僅僅把房間負(fù)荷變化作為前饋值是不全面的。本算法從眾多參數(shù)變化訓(xùn)練出前饋參數(shù)能夠反映房間負(fù)荷變化和系統(tǒng)運(yùn)行狀態(tài)變化，從而使控制效果更好。
本發(fā)明的神經(jīng)網(wǎng)絡(luò)非線性預(yù)測PID系統(tǒng)控制框圖如圖2所示，整個(gè)控制過程分為三個(gè)控制部分，灰色預(yù)測控制器(算法)、PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)控制算法和前饋預(yù)測控制器(算法)三個(gè)部分。PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)控制算法的基本控制思想已經(jīng)在現(xiàn)有技術(shù)中有所體現(xiàn)，它與灰色預(yù)測控制部分融合在一起，已經(jīng)可以完成本發(fā)明的主體控制過程。作為優(yōu)選實(shí)施例，本發(fā)明還添加了前饋預(yù)測控制部分。下面分別對這幾個(gè)控制器進(jìn)行詳細(xì)描述。
1、灰色預(yù)測 GM(1，N)模型是包含N個(gè)變量的一階微分方程，N不同表示模型的意義、用途以及數(shù)據(jù)處理方式不同。GM(1，1)表示模型的因變量只受一個(gè)自變量的影響，GM(1，N)表示模型的因變量受N個(gè)自變量的影響。本控制方法應(yīng)用GM(1，1)模型來預(yù)測主板換的出水溫度。該模型由一個(gè)單變量一階微分方程構(gòu)成。
X(0)為原始非負(fù)數(shù)據(jù)序列 X(0)＝(x(0)(1)，x(0)(2)，…，x(0)(n)) 本數(shù)據(jù)序列為主板換出水溫度的一系列值，對X(0)進(jìn)行一次累加生成操作，取得序列X(1)＝(x(1)(1)，x(1)(2)，…，x(1)(n))，其中 對X(1)序列進(jìn)行緊鄰均值生成操作，得到X(1)的緊鄰均值生成序列Z(1)，其中z(1)(k)＝0.5[x(1)(k)+x(1)(k-1)]，k＝1，2，…，n. 可得GM(1，1)的灰色微分方程 x(0)(k)+az(1)(k)＝u，k＝1，2，…，n. 相應(yīng)的白化方程為 其中a發(fā)展系數(shù)，u為黑色作用量。a和u可用最小二乘法求得 Yn＝[x(0)(2)x(0)(3)…x(0)(n)]T 白化方程的解為 相應(yīng)的灰色微分方程的時(shí)間響應(yīng)序列為 對序列

進(jìn)行累減生成操作，即累加生成的逆運(yùn)算，可得預(yù)測序列

其中 這樣即可求得下一時(shí)刻的主板換出水溫度預(yù)測值。將這個(gè)值和主板換出水溫度設(shè)定值一起送入PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)進(jìn)行運(yùn)算。
2、PID神經(jīng)元神經(jīng)網(wǎng)絡(luò) PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)PIDNN是3層前向網(wǎng)絡(luò)，包括輸入層、隱含層、輸出層，其結(jié)構(gòu)為2-3-1，網(wǎng)絡(luò)的輸入層有兩個(gè)神經(jīng)元構(gòu)成，分別輸入控制系統(tǒng)的主板換出水溫度的給定值r和被控對象主板換出水溫度灰色預(yù)測后的輸出值Y；隱含層有3個(gè)神經(jīng)元，各神經(jīng)元的輸出函數(shù)互不相同，分別對應(yīng)于比例(P)、積分(I)、微分(O)3個(gè)部分；網(wǎng)絡(luò)的輸出層完成PIDNN控制規(guī)律的綜合。網(wǎng)絡(luò)的前向計(jì)算實(shí)現(xiàn)PIDNN控制規(guī)律，網(wǎng)絡(luò)的反向算法實(shí)現(xiàn)PIDNN參數(shù)的自適應(yīng)調(diào)整。
PIDNN的輸入層和輸出層與一般多層前向神經(jīng)網(wǎng)絡(luò)類似。根據(jù)控制系統(tǒng)主板換出水溫度給定值和主板換出水溫度灰色預(yù)測后的輸出值，就有 x1＝r(k) x2＝y(tǒng)(k) 隱含層各神經(jīng)元的輸入函數(shù)為j＝1，2，3 隱含層的輸出函數(shù)各不相同，分為比例、積分、微分函數(shù)，考慮到在實(shí)際控制系統(tǒng)中，控制器輸出能量為有限值，因此此處對PIDNN輸出進(jìn)行了上下限幅處理，為防止過飽和，對積分單元也進(jìn)行了限幅處理。
比例元的狀態(tài)為 積分元狀態(tài) 微分元的狀態(tài)為 輸出層神經(jīng)元的輸出為 j＝1，2，3 其中wij為輸入層至隱含層，隱含層至輸出層的連接權(quán)值，k為采樣時(shí)刻，i＝1，2為PIDNN中輸入層神經(jīng)元序號，j＝1，2，3為PIDNN中隱含層神經(jīng)元序號。
PIDNN控制系統(tǒng)的反傳算法完成網(wǎng)絡(luò)權(quán)值的修改，完成神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和記憶功能。學(xué)習(xí)的目標(biāo)是使 為最小，式中r為系統(tǒng)的給定值，y為系統(tǒng)的輸出值，m為每批采樣點(diǎn)數(shù)。
按梯度法調(diào)節(jié)PIDNN權(quán)值，設(shè)學(xué)習(xí)步長，經(jīng)過n步訓(xùn)練后，隱含層至輸出層的權(quán)重值為 上式中的 其中 x＂(k)為輸出層神經(jīng)元的輸出值。
使用

代替

以解決對象參數(shù)未知而造成的困難，該項(xiàng)為其中的一個(gè)相乘因子，該項(xiàng)的正負(fù)決定收斂方向，其中大小只約定收斂的速度。
輸入層對隱含層的權(quán)重值為 同理 其中， 選擇合適的網(wǎng)絡(luò)權(quán)重初值，可以加快學(xué)習(xí)和收斂速度，PIDNN的權(quán)重初值按PID控制規(guī)律的特點(diǎn)選取。輸入層至隱含層權(quán)重初值滿足(r，y)e映射的要求

隱層 w1j(0)＝+1

隱層 w2j(0)＝-1 隱層至輸出層的權(quán)重初值在無先驗(yàn)經(jīng)驗(yàn)的情況下設(shè)定為小正數(shù)，取wj1＝+0.1。同時(shí)，為了保證系統(tǒng)調(diào)節(jié)無靜差，輸入層至隱層積分單元的權(quán)重值應(yīng)滿足(r，y)e的無畸變性。所以，

至隱層積分單元的權(quán)重值w12、w22的絕對值在整個(gè)過程中相等，符號相反。學(xué)習(xí)結(jié)束條件計(jì)算每個(gè)TP時(shí)間內(nèi)m個(gè)采樣點(diǎn)的對象輸出和系統(tǒng)給定值的誤差平方均值，當(dāng)本次TP時(shí)間內(nèi)的誤差平方均值小于設(shè)定允許誤差時(shí)停止學(xué)習(xí)。
將計(jì)算結(jié)果輸出后與前饋預(yù)測值相加后來控制主板換的出水溫度。
3、前饋預(yù)測算法 系統(tǒng)采集時(shí)間、太陽輻射量、室內(nèi)外空氣的溫濕度、發(fā)動(dòng)機(jī)轉(zhuǎn)速和建筑物獨(dú)立供能系統(tǒng)的供回水溫度等參數(shù)，送入神經(jīng)網(wǎng)絡(luò)的輸入層，信息正向傳播。給出的輸入信息通過輸入層經(jīng)隱含層處理，并計(jì)算每個(gè)單元的實(shí)際輸出值。
共有1層和n個(gè)節(jié)點(diǎn)(或稱單元)的一個(gè)任意網(wǎng)絡(luò)，每層單元只接受前一層的輸出信息并輸出給下一層各個(gè)節(jié)點(diǎn)，各節(jié)點(diǎn)的特性為連續(xù)可微函數(shù)。設(shè)給定S個(gè)樣本(xk，dk)(k＝1，2，…，S)，任一節(jié)點(diǎn)i的輸出為Oi，對某一個(gè)樣本k，其輸入向量為xk(n維)，網(wǎng)絡(luò)的輸出向量為dk(m維)。現(xiàn)在研究第1層的第j個(gè)單元，當(dāng)輸入第k個(gè)樣本時(shí)，節(jié)點(diǎn)j的輸入值為 式中k為樣本序號；1，1—1為網(wǎng)絡(luò)層號；i為對應(yīng)于節(jié)點(diǎn)j的前一層的某一個(gè)節(jié)點(diǎn)(該層總節(jié)點(diǎn)數(shù)為n1)；Oik為節(jié)點(diǎn)i對某一個(gè)樣本k的輸出值；wij為從節(jié)點(diǎn)i到節(jié)點(diǎn)j的連接權(quán)值。
節(jié)點(diǎn)j的輸出值為 式中

為節(jié)點(diǎn)的輸入信息；f(x)為節(jié)點(diǎn)的激活函數(shù)；1表示網(wǎng)絡(luò)層號。
若在輸出層未能得到期望的輸出值，則逐層遞歸地計(jì)算實(shí)際輸出值與期望輸出值之差值即誤差，以便根據(jù)誤差調(diào)節(jié)權(quán)值。
定義網(wǎng)絡(luò)的期望輸出值dk與實(shí)際輸出值

的誤差平方和為目標(biāo)函數(shù)，即 式中djk為節(jié)點(diǎn)j對樣本k的期望輸出值；

為節(jié)點(diǎn)j對樣本k的實(shí)際輸出值，即利用采集到的時(shí)間、太陽輻射量、室內(nèi)外空氣的溫濕度、發(fā)動(dòng)機(jī)轉(zhuǎn)速和建筑物獨(dú)立供能系統(tǒng)的供回水溫度等參數(shù)值，通過傳熱學(xué)公式計(jì)算出建筑物的負(fù)荷，然后按比例關(guān)系得出實(shí)際前饋預(yù)測值。該比例關(guān)系，可以通過試驗(yàn)或者經(jīng)驗(yàn)來確定?，F(xiàn)有技術(shù)中，已有了一些計(jì)算建筑物負(fù)荷的文獻(xiàn)記載，詳細(xì)可參見曹叔維編著的《房間熱過程和空調(diào)負(fù)荷》(上?？茖W(xué)技術(shù)文獻(xiàn)出版社/1991.10，ISBN號7-80513-837-0/TU831.8)一書。
上式中，m為輸出層的神經(jīng)元個(gè)數(shù)。如果只有一個(gè)輸出單元(m＝1，j＝1)，則有 S個(gè)樣本的總誤差定義為 這樣，網(wǎng)絡(luò)的學(xué)習(xí)問題就等價(jià)于無約束最優(yōu)化問題，E(w)＝min。
通過調(diào)整權(quán)值w，使總誤差E極小。權(quán)值調(diào)整式為 式中t為迭代次數(shù)；μ為步長； S為樣本個(gè)數(shù)；wij是從節(jié)點(diǎn)i到節(jié)點(diǎn)j的連接權(quán)值。
這兩個(gè)過程的反復(fù)作用，使得誤差逐步減小，最后，當(dāng)誤差達(dá)到所期望的要求時(shí)，網(wǎng)絡(luò)的學(xué)習(xí)過程結(jié)束，網(wǎng)絡(luò)輸出前饋預(yù)測值。
本實(shí)施例全年工作過程描述如下建筑物獨(dú)立供能系統(tǒng)全年不間斷運(yùn)行，其運(yùn)行模式按照四季劃分春季運(yùn)行模式、夏季運(yùn)行模式、秋季運(yùn)行模式和冬季運(yùn)行模式。本控制系統(tǒng)實(shí)現(xiàn)該系統(tǒng)的全年控制?？刂葡到y(tǒng)以候溫判斷季節(jié)更替，室外溫度低于10℃，采用冬季運(yùn)行模式，室外溫度在10～20℃之間為春季和秋季運(yùn)行模式，室外溫度在22℃以上為夏季運(yùn)行模式。
當(dāng)系統(tǒng)進(jìn)入春季運(yùn)行模式，建筑物采用全新風(fēng)通風(fēng)，不需要向其提供冷量或者熱量，所以系統(tǒng)出于停機(jī)狀態(tài)。當(dāng)然，在春季的某一天或者某時(shí)刻，溫度會(huì)低于10℃或者高于20℃，但是控制系統(tǒng)依然實(shí)現(xiàn)停機(jī)控制，這樣可以避免機(jī)組錯(cuò)誤起機(jī)，造成能源浪費(fèi)。當(dāng)室外溫度高于20℃，控制系統(tǒng)控制供能系統(tǒng)進(jìn)入夏季的制冷運(yùn)行模式。夏季，當(dāng)室外溫度低于室內(nèi)夏季設(shè)計(jì)溫度，則不需要啟動(dòng)機(jī)組，而多使用自然通風(fēng)。當(dāng)室外溫度高于室內(nèi)夏季設(shè)計(jì)溫度，應(yīng)啟動(dòng)機(jī)組制冷運(yùn)行。由于控制內(nèi)采用前饋預(yù)測，即使室外溫度沒有高于室內(nèi)設(shè)計(jì)溫度，而有高于的趨勢，系統(tǒng)能搞判斷而提前開機(jī)。尤其在機(jī)組運(yùn)行過程中，該控制系統(tǒng)更能體現(xiàn)出優(yōu)勢。以夏季某天為例(制冷模式下，系統(tǒng)出水溫度為7℃)，早上室外溫度從30℃開始升高，建筑物獨(dú)立供能系統(tǒng)初始轉(zhuǎn)速為2000r/min。當(dāng)室外溫度升高，室內(nèi)負(fù)荷將增加。由于存在建筑物圍護(hù)結(jié)構(gòu)，負(fù)荷增加存在延遲，獨(dú)立供能系統(tǒng)的水溫反應(yīng)相應(yīng)延遲。本控制系統(tǒng)的前饋預(yù)測直接采集當(dāng)前室外溫度等各種變化經(jīng)過計(jì)算，得出前饋數(shù)值，送入控制器，使其提前動(dòng)作。這樣室外溫度一增加，控制系統(tǒng)控制供能系統(tǒng)隨之增加制冷量。制冷量的增加和房間負(fù)荷的增加同步，而不會(huì)存在延遲，保證系統(tǒng)運(yùn)行更佳平穩(wěn)、安全。早上至中午的溫度持續(xù)上升，灰色預(yù)測能夠采集連續(xù)的溫度變化，得出這一系列溫度的變化幅度與變化速率。經(jīng)過計(jì)算得出結(jié)果。系統(tǒng)把這個(gè)能夠反映溫度變化規(guī)律的結(jié)果當(dāng)作控制系統(tǒng)的反饋值參與系統(tǒng)控制，也就是說本控制器輸出的控制量反映了本次變化幅度、歷史變化幅度和速度，預(yù)測出未來變化幅度和速度，有利于準(zhǔn)確控制。室外溫度從30℃增加到31℃，前饋預(yù)測模型根據(jù)這一溫度變化，經(jīng)過計(jì)算預(yù)測出前饋數(shù)值為400(控制器輸出模擬量-3200～3200)，由于存在著圍護(hù)結(jié)構(gòu)等的延遲，房間負(fù)荷還沒有發(fā)生大的變化，當(dāng)前供水溫度也就還沒有發(fā)生大的變化，只為7.06℃?；疑A(yù)測模型采集本次7.06℃和前幾次的回水溫度值組成回水溫度系列{7.01℃、7.02℃、7.035℃、7.06℃}。經(jīng)過計(jì)算，回水溫度為7.08℃。將7.08℃代替7.06℃當(dāng)作反饋溫度，而送入控制器內(nèi)?？刂破鞑杉O(shè)定溫度7℃和反饋溫度7.08℃，送入PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)進(jìn)行計(jì)算。計(jì)算得出控制量為500。加上前饋預(yù)測的400，那么控制器的總輸出量為900。線性化后，得出供能系統(tǒng)應(yīng)該提高到1800r/min。如此運(yùn)行，系統(tǒng)的出水溫度基本穩(wěn)定在7℃±2％。當(dāng)時(shí)間進(jìn)入下午降溫時(shí)段，室外溫度從35℃降低到34℃，前饋預(yù)測模型根據(jù)這一溫度變化，經(jīng)過計(jì)算預(yù)測出前饋數(shù)值為300，由于存在著圍護(hù)結(jié)構(gòu)等的延遲，房間負(fù)荷還沒有發(fā)生大的變化，當(dāng)前供水溫度也就還沒有發(fā)生大的變化，只為6.95℃?；疑A(yù)測模型采集本次6.95℃和前幾次的回水溫度值組成回水溫度系列{7.01℃、7℃、6.98℃、6.95℃}。經(jīng)過計(jì)算，回水溫度為6.93℃。將6.93℃代替6.95℃當(dāng)作反饋溫度，而送入控制器內(nèi)?？刂破鞑杉O(shè)定溫度7℃和反饋溫度6.93℃，送入PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)進(jìn)行計(jì)算。計(jì)算得出控制量為400。加上前饋預(yù)測的300，那么控制器的總輸出量為700。線性化后，得出供能系統(tǒng)應(yīng)該降低到2300r/min。如此運(yùn)行，系統(tǒng)的出水溫度基本穩(wěn)定在7℃±2％。當(dāng)候溫降至20℃～10℃，系統(tǒng)進(jìn)入秋季運(yùn)行，其控制方式與春季基本相同，不再贅述。當(dāng)候溫降至10℃及以下，控制器進(jìn)入冬季運(yùn)行模式?？刂破鞫具\(yùn)行模式與夏季運(yùn)行模式相似。以冬季某天為例(制熱模式下，系統(tǒng)出水溫度為60℃)，早上室外溫度從-5℃開始升高，建筑物獨(dú)立供能系統(tǒng)初始轉(zhuǎn)速為2400r/min。
室外溫度從-5℃增加到-2℃，前饋預(yù)測模型根據(jù)這一溫度變化，經(jīng)過計(jì)算預(yù)測出前饋數(shù)值為-600(控制器輸出模擬量-3200～3200)，由于存在著圍護(hù)結(jié)構(gòu)等的延遲，房間負(fù)荷還沒有發(fā)生大的變化，當(dāng)前供水溫度也就還沒有發(fā)生大的變化，只為61℃?；疑A(yù)測模型采集本次和前幾次的回水溫度值組成回水溫度系列{60℃、60.2℃、60.5℃、61℃}。經(jīng)過計(jì)算，輸出結(jié)果為61.8℃。將61.8℃代替61℃當(dāng)作反饋溫度，而送入控制器內(nèi)?？刂破鞑杉O(shè)定溫度60℃和反饋溫度61.8℃，送入PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)進(jìn)行計(jì)算。計(jì)算得出控制量為-700。加上前饋預(yù)測的-600，那么控制器的總輸出量為-1300。線性化后，得出供能系統(tǒng)應(yīng)該降低到1700r/min。如此運(yùn)行，系統(tǒng)的出水溫度穩(wěn)定在60℃±2％。當(dāng)時(shí)間進(jìn)入下午降溫時(shí)段，室外溫度從0℃降低到-3℃，前饋預(yù)測模型根據(jù)這一溫度變化，經(jīng)過計(jì)算預(yù)測出前饋數(shù)值為300，由于存在著圍護(hù)結(jié)構(gòu)等的延遲，房間負(fù)荷還沒有發(fā)生大的變化，當(dāng)前供水溫度也就還沒有發(fā)生大的變化，只為59℃?；疑A(yù)測模型采集本次59℃和前幾次的回水溫度值組成回水溫度系列{60.2℃、59.9℃、59.5℃、59℃}。經(jīng)過計(jì)算，回水溫度為58.5℃。將58.5℃代替59℃當(dāng)作反饋溫度，而送入控制器內(nèi)?？刂破鞑杉O(shè)定溫度60℃和反饋溫度58.5℃，送入PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)進(jìn)行計(jì)算。計(jì)算得出控制量為400。加上前饋預(yù)測的300，那么控制器的總輸出量為700。線性化后，得出供能系統(tǒng)應(yīng)該升高到2300r/min。如此運(yùn)行，系統(tǒng)的出水溫度基本穩(wěn)定在60℃±2％。當(dāng)候溫升至10℃～20℃，系統(tǒng)進(jìn)入又一次進(jìn)入春季運(yùn)行，重復(fù)另一個(gè)循環(huán)。
權(quán)利要求
1.一種建筑物獨(dú)立供能溫度非線性預(yù)測控制方法，包括PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)和灰色預(yù)測控制器，所述的灰色預(yù)測控制器根據(jù)出水溫度的歷史變化，采用灰色預(yù)測法，得到出水溫度預(yù)測值，再將該出水溫度預(yù)測值與出水溫度設(shè)定值一起被送入PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)，作為其前向網(wǎng)絡(luò)的輸入層；所述的PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)前向網(wǎng)絡(luò)的隱含層含有3個(gè)神經(jīng)元，各神經(jīng)元的輸出函數(shù)分別對應(yīng)于比例、積分、微分3個(gè)部分；網(wǎng)絡(luò)的輸出層進(jìn)行PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)控制量計(jì)算，根據(jù)出水溫度實(shí)際測量值和設(shè)定值之間的誤差信號在線調(diào)整權(quán)重，直至誤差達(dá)到期望要求，從而實(shí)現(xiàn)建筑物獨(dú)立供能溫度非線性預(yù)測控制。
2.根據(jù)權(quán)利要求1所述的建筑物獨(dú)立供能溫度非線性預(yù)測控制方法，其特征在于，在隱含層至輸出層的權(quán)重初值設(shè)定為<＝+0.1的小正數(shù)，輸入層至隱層積分單元的權(quán)重值的整個(gè)訓(xùn)
程中絕對值相等，符號相反。
3.根據(jù)權(quán)利要求1所述的建筑物獨(dú)立供能溫度非線性預(yù)測控制方法，其特征在于，按照下列步驟得到出水溫度預(yù)測值
(1)設(shè)X(0)＝(x(0)(1)，x(0)(2)，…，x(0)(n))為主板換出水溫度序列，設(shè)X(1)＝(x(1)(1)，x(1)(2)，…，x(1)(n))，其中
設(shè)，z(1)(k)＝0.5[x(1)(k)+x(1)(k-1)]，k＝1，2，…，n.；則GM(1，1)的灰色微分方程為
x(0)(k)+αz(1)(k)＝u，k＝1，2，…，n.，
相應(yīng)的白化方程為k＝1，2，…，n.其中a發(fā)展系數(shù)，u為黑色作用量；
(2)根據(jù)下列公式，利用最小二乘法求得a和u
Yn＝[x(0)(2)x(0)(3)…x(0)(n)]T
則白化方程的解為
(3)求取灰色微分方程的時(shí)間響應(yīng)序列
(4)根據(jù)公式k＝1，2，…，n.計(jì)算出水溫度值預(yù)測序列
4.根據(jù)權(quán)利要求1所述的建筑物獨(dú)立供能溫度非線性預(yù)測控制方法，其特征在于，所述建筑物獨(dú)立供能溫度非線性預(yù)測控制方法還包括下列的前饋預(yù)測控制器以時(shí)間、太陽輻射量、室內(nèi)外空氣的溫濕度、發(fā)動(dòng)機(jī)轉(zhuǎn)速和建筑物獨(dú)立供能系統(tǒng)的供回水溫度為輸入層，以前饋預(yù)測值為輸出層，建立基于神經(jīng)網(wǎng)絡(luò)的前饋預(yù)測控制器，訓(xùn)練神經(jīng)網(wǎng)絡(luò)，根據(jù)期望輸出值與實(shí)際前饋預(yù)測值的之間的誤差信號在線調(diào)整神經(jīng)網(wǎng)絡(luò)，直至誤差達(dá)到期望要求，此時(shí)神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成，網(wǎng)絡(luò)輸出前饋預(yù)測值。
5.根據(jù)權(quán)利要求4所述的建筑物獨(dú)立供能溫度非線性預(yù)測控制方法，其特征在于，實(shí)際前饋預(yù)測值根據(jù)下述方法在線計(jì)算得出采集時(shí)間、太陽輻射量、室內(nèi)外空氣的溫濕度、發(fā)動(dòng)機(jī)轉(zhuǎn)速和建筑物獨(dú)立供能系統(tǒng)的供回水溫度參數(shù)，根據(jù)建筑物負(fù)荷計(jì)算理論，計(jì)算出建筑物負(fù)荷，然后按比例關(guān)系得出實(shí)際前饋預(yù)測值。
全文摘要
本發(fā)明屬于建筑物獨(dú)立冷熱供能技術(shù)領(lǐng)域，涉及建筑物獨(dú)立供能溫度非線性預(yù)測控制方法，包括PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)和灰色預(yù)測控制器，所述的灰色預(yù)測控制器根據(jù)出水溫度的歷史變化，采用灰色預(yù)測法，得到出水溫度預(yù)測值，再將該出水溫度預(yù)測值與出水溫度設(shè)定值一起被送入PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)，作為其前向網(wǎng)絡(luò)的輸入層；所述的PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)前向網(wǎng)絡(luò)的隱含層含有3個(gè)神經(jīng)元，各神經(jīng)元的輸出函數(shù)分別對應(yīng)于比例、積分、微分3個(gè)部分；網(wǎng)絡(luò)的輸出層進(jìn)行PID神經(jīng)元神經(jīng)網(wǎng)絡(luò)控制量計(jì)算，根據(jù)出水溫度實(shí)際測量值和設(shè)定值之間的誤差信號在線調(diào)整權(quán)重。采用本方法能夠智能調(diào)整運(yùn)行參數(shù)，實(shí)現(xiàn)各種氣候條件下智能供冷熱和穩(wěn)定高效運(yùn)行。
文檔編號F24D19/00GK101392939SQ200810153140
公開日2009年3月25日 申請日期2008年11月18日 優(yōu)先權(quán)日2008年11月18日
發(fā)明者昭 楊, 徐振軍 申請人:天津大學(xué)