CN110288164A 一种建筑空调制冷站系统预测控制方法 （广州市特沃能源管理有限公司）

本发明公开了一种建筑空调制冷站系统预测控制方法，构建了建筑空调系统负荷预测模经网络或者支持向量机来构建建筑空调系统负将优化性能指标取为制冷站能效指标EERr实际或冷却水流量这四个现场控制器被控参数的最21)控制系统的优化层利用神经网络预测控制策略对现场控制层控制器的被控参数设定值进行寻优，优化目标为使冷冻水系统的能效指标EEr达到满足冷量和节能要求的设定4)利用神经网络或支持向量机建立建筑空调其中k为任意时刻，x[k]为k时刻建筑空调制3冷量的推算值；k+1]为k+1时刻预测模型输出，即下8)每个采样周期重复上述操作，分别计算出以后2.根据权利要求1所述的一种建筑空调制冷站系统预测控制方法，其特征在于：所述Ptotal＝Pchiller+Ppump预测模型输入参数有室外温度Tout、室外相对湿度RHout、太阳辐射强度I、室外风速4chwr-Tchws)的能效指标EERr，空调制冷站系统负荷预测模型的输出为下一时刻EERr[k+1]。以上符号运行数据和室外气象参数数据，包括冷冻水供水温度Tchws、冷冻水泵频率fpum或冷冻水流或冷冻水流量、冷却水总回水管回水温度Tcws、冷却水泵频率fpn或冷却水流量、室外温度5是建筑物不可或缺的组成部分之一，其能耗约占建筑能源消耗总量的60空调制冷站系统高能耗已经变成制约建筑向绿色节能发展的最大掣肘。从国内大量的项目数据中发现，[0008]1)控制系统的优化层利用神经网络预测控制策略对现场控制层控制器的被控参数设定值进行寻优，优化目标为使冷冻水系统的能效指标EEr达到满足冷量和节能要求的6[0015]6)确定建筑空调制冷站系统神经网络预测控制器结构为三层神经网络结构，包外温度Tout、室外相对湿度RHout、当前时刻系统冷负荷Q、当前时刻EERr、EERr设定值外温度Tout、室外相对湿度RHout、当前时刻系统冷负荷Q、当前时刻EERr、EERr设定值7[0034]1)针对任意第J个原始采样数据，与前面N-1个原始采样数据和后面N个原始采样8系统未来输出与设定值之间的误差，并能采用滚动优化策略得出当前的最优控制输入序能指标为制冷站系统能效指标EER(EnergyEfficiencyRatio)实际值和期望值之间的偏[0058]图3是建筑空调制冷站单台制冷机、冷冻水泵和冷却水泵运行的系统神经网络预[0059]图4是建筑空调制冷站单台制冷机、冷冻水泵和冷却水泵运行的系统神经网络预9[0083]预测模型输入参数有室外温度Tout([0085]样本数据为制冷季制冷站系统运行数据和室外气象参数数据，包括室外温度Toutppn负荷Q(k)、当前时刻冷冻水系统的能效指标EER(制冷站每单位能耗产生的制冷量)EERrTcws(k)、冷却水泵频率fpn(k)作为控制器输出，传送给现场控制器作为被控参数的设定测控制器权重推算出的控制量，该控制量还未根据当前时刻系统运行状态变量值进行优系统未来输出与设定值之间的误差，并能采用滚动优化策略得出当前的最优控制输入序能指标为制冷站系统能效指标EER(Ener