考慮土壤蓄熱的間歇空調(diào)最佳啟停時(shí)間預(yù)測(cè)-

1、考慮土壤蓄熱的間歇空調(diào)最佳啟停時(shí)間預(yù)測(cè) 編輯：凌月仙仙 作者：王琴 繆小平 程 出處：中國(guó)論文下載中心 日期：2005-12-9 摘要： 針對(duì)淺埋地下工程，分析在考慮土壤蓄熱作用下的室內(nèi)熱環(huán)境變化，在應(yīng)用CFD軟件的基礎(chǔ)上建立圍護(hù)結(jié)構(gòu)及室內(nèi)空氣的耦合傳熱模型。并將模擬所得結(jié)果進(jìn)一步用來(lái)訓(xùn)練預(yù)測(cè)空調(diào)最佳啟停時(shí)間的人工神經(jīng)網(wǎng)絡(luò)模型。此模型可用于預(yù)測(cè)出各種復(fù)雜的非線性條件下最佳啟停時(shí)間，以降低能耗，節(jié)約能源。 關(guān)鍵詞： 土壤蓄熱 間歇空調(diào) 最佳啟停時(shí)間 MATLAB 1 引言大多數(shù)地面建筑的空調(diào)系統(tǒng)，如商場(chǎng)、寫(xiě)字樓、餐廳等均屬間歇運(yùn)行方式。在許多平戰(zhàn)結(jié)合的人防工程甚至指揮所同樣也存在間歇運(yùn)行系統(tǒng)。非

2、工作時(shí)間空調(diào)系統(tǒng)停機(jī)后，由于室內(nèi)外溫差及圍護(hù)結(jié)構(gòu)散熱導(dǎo)致室溫偏離設(shè)定值，在下一段運(yùn)行前需要提前啟動(dòng)空調(diào)系統(tǒng)進(jìn)行預(yù)冷（熱），使房間在使用時(shí)處于要求的溫度范圍內(nèi)。預(yù)冷過(guò)早會(huì)造成能量浪費(fèi)；預(yù)冷過(guò)晚又達(dá)不到控制所要求的指標(biāo)。同時(shí)空調(diào)的制冷機(jī)組停機(jī)后，其冷卻系統(tǒng)中仍有一部分剩余冷量，可以繼續(xù)利用送風(fēng)機(jī)組將這部分冷量送入房間，從而達(dá)到節(jié)能目的，如圖1所示。從圖1中還可以明顯看出間歇空調(diào)系統(tǒng)運(yùn)行時(shí)間相對(duì)房間使用時(shí)間存在一定的偏移量。因此需要對(duì)這一啟停時(shí)間進(jìn)行預(yù)測(cè)，并保證用最少的能量在使用時(shí)間內(nèi)達(dá)到所要求的參數(shù)范圍。然而，空調(diào)系統(tǒng)的預(yù)冷（熱）啟動(dòng)時(shí)間以及提前停機(jī)時(shí)間是一多輸入單輸出的帶有大滯后環(huán)節(jié)的非線性對(duì)象

3、。其中最佳啟動(dòng)時(shí)間取決于啟動(dòng)前室內(nèi)溫度，室外氣象條件，建筑結(jié)構(gòu)的熱物性及內(nèi)熱源和空調(diào)送冷（熱）量等；最佳提前停機(jī)時(shí)間也受空調(diào)設(shè)備容量及溫差，內(nèi)部照明、辦公設(shè)備及人員散熱等、停機(jī)前室內(nèi)外溫度等諸因素影響，因此系統(tǒng)的建模工作相當(dāng)復(fù)雜。同時(shí)應(yīng)該看到間歇空調(diào)如果沒(méi)有足夠的預(yù)熱（冷）時(shí)間，空調(diào)中的蓄熱負(fù)荷是不容忽視的?！?】尤其對(duì)各種地下建筑而言，土壤的蓄熱作用對(duì)啟動(dòng)和停機(jī)時(shí)間的影響尤為重要。不同熱惰性的土壤對(duì)室內(nèi)外溫度波及熱流波存在不同的延遲和衰減作用。本文主要針對(duì)典型地區(qū)的淺埋平戰(zhàn)結(jié)合的人防工程，分別對(duì)考慮土壤蓄熱作用下的圍護(hù)結(jié)構(gòu)及室內(nèi)空氣建立熱平衡方程，并通過(guò)軟件模擬出室內(nèi)溫度隨時(shí)間的變化情況；并

4、在此基礎(chǔ)上用MATLAB中的人工神經(jīng)網(wǎng)絡(luò)工具箱對(duì)啟動(dòng)和停止時(shí)間進(jìn)行智能控制。2 研究方法圖1 間歇空調(diào)運(yùn)行期間的室內(nèi)溫度典型變化曲線目前，有關(guān)預(yù)測(cè)最佳啟動(dòng)時(shí)間的研究已有靜態(tài)最優(yōu)法、簡(jiǎn)化數(shù)學(xué)模型法、一元回歸分析法、模糊控制等，這些方法各有特點(diǎn)，但由于空調(diào)系統(tǒng)的復(fù)雜性和受傳統(tǒng)算法的限制，預(yù)測(cè)結(jié)果都存在著一定的誤差。同時(shí)關(guān)于最佳停機(jī)時(shí)間的確定，由于停機(jī)過(guò)程尚處在房間使用期間，仍需保證空氣熱舒適性要求，因此在來(lái)自內(nèi)部隨機(jī)變化的較大擾動(dòng)下，預(yù)測(cè)的提前停機(jī)時(shí)間誤差有可能會(huì)更大，至今也沒(méi)有較成功的理論和實(shí)例。文獻(xiàn)【2】【3】曾就建筑物內(nèi)HVAC設(shè)備的衰減時(shí)間用數(shù)學(xué)公式表示，但是由于強(qiáng)烈的非線性以及建筑負(fù)荷響

5、應(yīng)的不斷變化導(dǎo)致結(jié)果誤差較大。金洪文和韋節(jié)廷等在文獻(xiàn)【4】中對(duì)空調(diào)系統(tǒng)間歇運(yùn)行的時(shí)間延遲問(wèn)題的討論時(shí)，分別對(duì)全空氣空調(diào)系統(tǒng)和風(fēng)機(jī)盤管空調(diào)系統(tǒng)進(jìn)行分析。但在建立室內(nèi)空氣熱平衡方程的過(guò)程中，由于對(duì)圍護(hù)結(jié)構(gòu)傳熱存在很大程度上的簡(jiǎn)化，即采用空調(diào)冷負(fù)荷估算指標(biāo)對(duì)傳熱量進(jìn)行計(jì)算，這樣的處理方法不能及時(shí)有效地反映實(shí)際上的強(qiáng)烈非線形復(fù)雜變化，因此精度不能得到有效保證。河北工業(yè)大學(xué)的張雪萍、劉作軍對(duì)智能樓宇定風(fēng)量空調(diào)系統(tǒng)的啟?？刂啤?】提出采用最優(yōu)化方法中的非線性規(guī)劃問(wèn)題解法，即外點(diǎn)罰函數(shù)法。這一方法不但需要系統(tǒng)停止使用前內(nèi)的工程用電量、平均人員數(shù)、室內(nèi)平均溫度和室外平均溫度四個(gè)因素，同時(shí)各系數(shù)必須通過(guò)采集各種

6、歷史數(shù)據(jù)，并應(yīng)用統(tǒng)計(jì)的方法，經(jīng)過(guò)回歸分析運(yùn)算得出。因此這一方法也不是很適用。人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network）具有較強(qiáng)的學(xué)習(xí)和適應(yīng)能力，適于那些具有不確定性或高度非線性的對(duì)象建模及控制。同時(shí)BP算法可以在隱層單元足夠多的時(shí)候逼近任意非線性映射關(guān)系，而且其學(xué)習(xí)算法屬于全局逼近方法，具有較好的泛化能力。本文將用ANN模型來(lái)預(yù)測(cè)考慮土壤蓄熱作用下的間歇空調(diào)最佳啟停時(shí)間，并對(duì)這一模型進(jìn)行優(yōu)化后用于其他各種不同熱特性地下建筑間歇空調(diào)啟停控制，達(dá)到節(jié)能目的。由于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)需要大量正確的實(shí)驗(yàn)數(shù)據(jù)作為訓(xùn)練樣本，在本文的研究過(guò)程中為了彌補(bǔ)有限實(shí)驗(yàn)條件的不足，在做了少量的采樣實(shí)

7、驗(yàn)基礎(chǔ)上采用計(jì)算機(jī)模擬的方法來(lái)獲得各種不同條件下的學(xué)習(xí)樣本。因此還需要結(jié)合CFD數(shù)值模擬軟件對(duì)淺埋地下工程的圍護(hù)結(jié)構(gòu)傳熱情況及其對(duì)室溫變化的影響進(jìn)行模擬，并得出考慮土壤蓄熱作用下的室溫變化情況。之后將各種條件下得出的模擬數(shù)據(jù)輸入到人工神經(jīng)網(wǎng)絡(luò)模型中，不斷進(jìn)行訓(xùn)練并進(jìn)一步優(yōu)化，為最佳啟停時(shí)間的預(yù)測(cè)確定好最優(yōu)模型。2.1 考慮圍護(hù)結(jié)構(gòu)蓄熱的室內(nèi)溫度模型首先需要對(duì)室內(nèi)空氣溫度變化進(jìn)行熱分析，見(jiàn)圖2。由此可以看出室內(nèi)空氣溫度是受各圍護(hù)結(jié)構(gòu)內(nèi)表面與室內(nèi)空氣的換熱，空調(diào)送冷量，排風(fēng)帶走的冷量以及室內(nèi)各種熱量擾動(dòng)因素影響的。這些熱量和冷量共同作用于室內(nèi)空氣，在考慮室內(nèi)空氣的綜合熱容基礎(chǔ)上建立其熱平衡方程；而

8、在這一方程中圍護(hù)結(jié)構(gòu)內(nèi)表面的換熱量計(jì)算尤為重要，因此還需要以圍護(hù)結(jié)構(gòu)內(nèi)表面建立熱平衡方程，并考慮圍護(hù)結(jié)構(gòu)對(duì)內(nèi)擾的蓄熱作用和對(duì)外擾的阻隔作用對(duì)室溫變化造成的影響。CFD數(shù)值模擬使用現(xiàn)有的軟件PHOENICS 3.4，并做如下假設(shè)：1) 各圍護(hù)結(jié)構(gòu)內(nèi)表面之間的輻射不予考慮；2) 室內(nèi)綜合熱源對(duì)室溫的作用只考慮對(duì)流換熱，且其間歇過(guò)程視工程使用情況進(jìn)行簡(jiǎn)化；3) 圍護(hù)結(jié)構(gòu)中均不考慮存在內(nèi)熱源；4) 各圍護(hù)結(jié)構(gòu)之間不存在冷橋作用；5) 假定所研究房間室內(nèi)空氣溫度為均勻的，在每一時(shí)刻保持為一定值；6) 假定同一天的逐時(shí)氣象參數(shù)在計(jì)算過(guò)程中連續(xù)使用一定天數(shù)?？紤]單建式淺埋地下工程在較短的一段時(shí)期（如某一季節(jié)

9、）的室內(nèi)溫度隨圍護(hù)結(jié)構(gòu)特性、空調(diào)參數(shù)及室外氣象參數(shù)的變化情況。由于短時(shí)期內(nèi)室外氣象參數(shù)具有一定的變化規(guī)律且可以穩(wěn)定地近似成為余弦變化，考慮土壤對(duì)地表溫度波的衰減和延遲后，受地表氣溫影響的地層溫度周期性變化的幅值隨地層深度的增加按自然指數(shù)的規(guī)律減小。因此地層溫度隨深度和時(shí)間變化的關(guān)系如下：（1）同時(shí)考慮簡(jiǎn)化室內(nèi)間歇過(guò)程，將人員、照明和其他等室內(nèi)熱源綜合成一均值表示。根據(jù)工作班制，考慮熱源在及這兩個(gè)時(shí)間段開(kāi)啟。模型分別針對(duì)不同熱工特性的圍護(hù)結(jié)構(gòu)以及間歇工作機(jī)制進(jìn)行模擬，考慮土壤蓄熱作用影響下的室內(nèi)溫度分布情況。對(duì)于圍護(hù)結(jié)構(gòu)傳熱部分，PHOENICS中是將室內(nèi)空氣和圍護(hù)結(jié)構(gòu)視為整體來(lái)求解的，即采用整

10、場(chǎng)求解方法【6】。下圖3顯示了室內(nèi)空氣溫度在試驗(yàn)的兩個(gè)工作日中隨時(shí)間變化的情況，圖4顯示了圍護(hù)結(jié)構(gòu)內(nèi)表面在這兩個(gè)試驗(yàn)工作日中的溫度變化情況以及與實(shí)測(cè)數(shù)據(jù)的比較。圖3 室內(nèi)空氣溫度隨時(shí)間變化情況（兩個(gè)工作日）圖4土壤壁面溫度隨時(shí)間的變化曲線（兩個(gè)工作日）以上誤差分析是針對(duì)土壤壁面的溫度進(jìn)行的，原因之一是因?yàn)槭覂?nèi)氣溫變化比較突兀，對(duì)誤差分析不利；同時(shí)由于圍護(hù)結(jié)構(gòu)內(nèi)表面的溫度直接影響到室內(nèi)輻射平均溫度，因此有必要對(duì)土壤壁面的溫度進(jìn)行研究。經(jīng)過(guò)誤差分析比較得出，程序模擬結(jié)果與實(shí)測(cè)數(shù)據(jù)的均方差在允許范圍之內(nèi)，故可以證明所研究的簡(jiǎn)化模型對(duì)于大部分情況是適用的。同時(shí)將模擬得出的數(shù)據(jù)用于下文建立的關(guān)于最佳啟停

11、時(shí)間預(yù)測(cè)的人工神經(jīng)網(wǎng)絡(luò)模型中，同樣也存在可靠性和合理性。這些模擬數(shù)據(jù)不僅能為ANN提供大量真實(shí)可靠的訓(xùn)練數(shù)據(jù)，也可為進(jìn)一步優(yōu)化此模型提供先決條件。2.2 空調(diào)最佳啟停時(shí)間預(yù)測(cè)的ANN優(yōu)化模型考慮影響空調(diào)最佳啟停時(shí)間的因素歸結(jié)為室內(nèi)空氣溫度，室內(nèi)空氣溫度變化率以及室外氣象參數(shù)和室外氣溫變化率，因此可以分別用，和表示為神經(jīng)元網(wǎng)絡(luò)的輸入量，輸出量只有一個(gè)，即為最佳啟動(dòng)或停機(jī)時(shí)間（圖5），則有：（2）圖5 預(yù)測(cè)最佳啟停時(shí)間的ANN模型圖中為隱層各神經(jīng)元的輸出閾值，為相應(yīng)輸入層各變量到隱層的連接權(quán)值，為輸出層神經(jīng)元的輸出閾值（此處僅有一個(gè)單元），為相應(yīng)隱層各變量到輸出層的連接權(quán)值，這里是指輸入變量的個(gè)數(shù)

12、，是指隱層的變量個(gè)數(shù)。利用目標(biāo)向量以及網(wǎng)絡(luò)的實(shí)際輸出計(jì)算得神經(jīng)網(wǎng)絡(luò)樣本學(xué)習(xí)的總誤差為（式中為樣本數(shù)）：（3）隱層與輸出層之間權(quán)重以及輸出層的輸出閾值的修正值采用梯度法求得：（4）（5）式中為學(xué)習(xí)步長(zhǎng)。輸入層與隱層之間權(quán)重以及隱層的輸出閾值修正如下：（6）（7）式中；學(xué)習(xí)步長(zhǎng)。結(jié)合上述BP算法，通過(guò)MATLAB中的人工神經(jīng)網(wǎng)絡(luò)工具箱（ANN Toolbox），構(gòu)造一個(gè)前向神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型，并設(shè)置一個(gè)循環(huán)對(duì)中間層上的單元個(gè)數(shù)進(jìn)行最優(yōu)控制，其主要程序如下：%循環(huán)語(yǔ)句s=4:12;res=1:9;for i=1:9%構(gòu)造一個(gè)前向BP網(wǎng)絡(luò)net=newff(minmax(p), s(i),1,tansi

13、g,purelin,trainrp,learngd,msereg);%設(shè)置訓(xùn)練參數(shù)net.trainparam.show=500;net.trainparam.epochs=2500;net.trainparam.goal=0.01;%訓(xùn)練網(wǎng)絡(luò)net=train(net,p,t)%仿真y=sim(net,p);%誤差向量error=y-tres(i)=norm(error)%設(shè)置性能參數(shù)net.performparam.ratio=20/(20+1);%網(wǎng)絡(luò)性能評(píng)估perf=msereg(error,net)end通過(guò)不斷對(duì)網(wǎng)絡(luò)的性能進(jìn)行評(píng)價(jià)得出的perf值對(duì)模型結(jié)構(gòu)進(jìn)行尋優(yōu)。經(jīng)過(guò)分析對(duì)比，確

14、定模型采用三層網(wǎng)絡(luò)結(jié)構(gòu)，中間層采用5個(gè)神經(jīng)元最優(yōu)，此時(shí)的誤差的范數(shù)norm(error)最小，網(wǎng)絡(luò)性能最好，如圖6所示；第一個(gè)傳遞函數(shù)采用sigmoid型正切函數(shù)，第二個(gè)傳遞函數(shù)采用sigmoid型線性函數(shù)，這樣可以將無(wú)限的輸入映射到有限的輸出；訓(xùn)練采用有彈回的BP算法，可以消除梯度模值對(duì)網(wǎng)絡(luò)訓(xùn)練帶來(lái)的影響，在與其他的訓(xùn)練函數(shù)進(jìn)行比較的過(guò)程中得出trainrp函數(shù)最適用。這里的網(wǎng)絡(luò)盡管沒(méi)有達(dá)到0.01的目標(biāo)，但是其MSEREG已經(jīng)達(dá)到0.011441，因此可以認(rèn)為已經(jīng)接近網(wǎng)絡(luò)目標(biāo)。圖6 ANN模型的性能曲線3 模型驗(yàn)證采用一個(gè)小型的系統(tǒng)模型實(shí)驗(yàn)對(duì)上述ANN模型的有效性及正確性進(jìn)行驗(yàn)證。實(shí)驗(yàn)在埋

15、深為的南京地區(qū)某淺埋地下工程中進(jìn)行，對(duì)其中一的房間采用一臺(tái)容量為的空調(diào)器，綜合擾動(dòng)源采用一臺(tái)間歇開(kāi)關(guān)的電加熱器。實(shí)驗(yàn)控制室內(nèi)溫度在范圍內(nèi)，對(duì)這一房間采用ANN控制其空調(diào)系統(tǒng)最佳啟停時(shí)間。實(shí)驗(yàn)結(jié)果表明，應(yīng)用本文的控制方法，控制精度較普通控制方法有很大提高，舒適性使用要求也比較容易滿足；同時(shí)系統(tǒng)耗電量與普通情況相比節(jié)約以上，其節(jié)能效果顯著。尤其對(duì)一些熱惰性很大的圍護(hù)結(jié)構(gòu)而言，在強(qiáng)蓄熱作用下空調(diào)啟停時(shí)間的最優(yōu)控制將會(huì)顯得更加重要。4 結(jié)論本文針對(duì)考慮圍護(hù)結(jié)構(gòu)蓄熱作用下的室內(nèi)溫度變化對(duì)空調(diào)啟動(dòng)和停止時(shí)間造成的影響進(jìn)行耦合傳熱分析以及最佳時(shí)間預(yù)測(cè)的。淺埋地下工程室內(nèi)空氣與圍護(hù)結(jié)構(gòu)之間耦合傳熱模型的建立，

16、是為預(yù)測(cè)最佳啟停時(shí)間的人工神經(jīng)網(wǎng)絡(luò)模型提供各種可能的樣本數(shù)據(jù)，因此是神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的關(guān)鍵。本文在簡(jiǎn)化假定的基礎(chǔ)上建立兩者之間的耦合傳熱簡(jiǎn)化模型，并通過(guò)實(shí)測(cè)分析比較得出模型的適用性?；谝陨夏M得出的各種條件下室溫變化率的樣本數(shù)據(jù)，不斷訓(xùn)練建立的人工神經(jīng)網(wǎng)絡(luò)，并最終確定最優(yōu)的ANN模型。模型對(duì)實(shí)際情況下空調(diào)啟動(dòng)和停機(jī)時(shí)間的最優(yōu)控制通過(guò)一個(gè)小型的模型實(shí)驗(yàn)得到進(jìn)一步驗(yàn)證。實(shí)驗(yàn)同時(shí)也分析了本文控制方法在節(jié)能效果上較普通控制要顯著。此外由于淺埋地下工程巖土耦合傳熱模型需要進(jìn)一步考慮全年氣象參數(shù)變化以及復(fù)雜室內(nèi)綜合熱源的隨機(jī)性，故耦合傳熱模型的進(jìn)一步完善將是下一步研究的重點(diǎn)。參考文獻(xiàn)1. 黃晨，李美玲，鄒志

17、軍等，大空間建筑冬季室內(nèi)熱環(huán)境現(xiàn)場(chǎng)測(cè)試及能耗分析，暖通空調(diào)，2002.32 (2)；2. Park，Cheol，An optimal start/stop algorithm for heating and cooling systems in buildings. National Bureau of Standards, U.S. Department of Commerce, May 1983；3. Korea Institute of Construction Technology, A study on the HVAC system and lighting control con

18、ditions for building automation，December 1987:53；4. 金洪文，韋節(jié)廷，張曉燕，空調(diào)系統(tǒng)間歇運(yùn)行的時(shí)間延遲，長(zhǎng)春工程學(xué)院學(xué)報(bào)（自然科學(xué)版），2000.1 (1)，pp39-42；5. 張雪萍，劉作軍，李練兵，智能樓宇定風(fēng)量空調(diào)系統(tǒng)的啟停控制，河北工業(yè)大學(xué)學(xué)報(bào)，2001.30 (6) ，pp98-101；6. 王琴，間歇加熱時(shí)深埋地下工程內(nèi)部環(huán)境與巖石耦合傳熱的動(dòng)態(tài)模擬【碩士學(xué)位論文】，解放軍理工大學(xué)，2004，pp7-8；7. Ho Yang, Kwang-Woo Kim，Prediction of the time of room air temperature descending for heating systems in buildings，Building and Environment 39(2004)，pp19-29；8. Jun Tanimoto，Aya Hagishima，State transition probability f