基于負(fù)荷預(yù)測和設(shè)定點優(yōu)化的制冷系統(tǒng)模型預(yù)測控制方法研究.pdf

1、在用移動邊界法建立的非線性動態(tài)數(shù)學(xué)模型的基礎(chǔ)上，進(jìn)一步考慮制冷系統(tǒng)中蒸發(fā)器和冷凝器的空隙率對動態(tài)模型中時變參數(shù)的影響，對空隙率進(jìn)行了機(jī)理分析及顯示計算。以能量及質(zhì)量守恒定律為約束條件，聯(lián)合各組件模型構(gòu)建了非線性、時變參數(shù)的14階系統(tǒng)整體動態(tài)數(shù)學(xué)模型。
　　根據(jù)負(fù)荷歷史數(shù)據(jù)的周期性特點，以24小時為時間周期單位，提出基于周期時間序列差分的方法，對周期序列去周期化處理。依據(jù)AIC準(zhǔn)則對歷史負(fù)荷需求數(shù)據(jù)進(jìn)行ARIMA時間序列模型定階并運

2、用最大似然估計算法對歷史負(fù)荷需求數(shù)據(jù)進(jìn)行ARIMA時間序列模型參數(shù)估計，而后對負(fù)荷進(jìn)行基礎(chǔ)值預(yù)測。傳統(tǒng)的負(fù)荷預(yù)測算法沒有充分利用預(yù)測誤差信息提高預(yù)測精度，本文利用前期誤差信息進(jìn)行未來誤差的估計，對初始預(yù)測值誤差進(jìn)行算術(shù)平均值求取，將其作為未來誤差估計值，以此為誤差預(yù)測，將兩次預(yù)測值進(jìn)行疊加計算，使得24小時負(fù)荷預(yù)測值的精度提高了6％。
　　以制冷系統(tǒng)機(jī)理模型的特性分析為基礎(chǔ)，進(jìn)一步建立了壓縮機(jī)、冷凍水泵和冷卻水泵等主要設(shè)備能耗模型

3、，并以系統(tǒng)總能耗最小為優(yōu)化目標(biāo)，對冷凝壓力、蒸發(fā)壓力和最小穩(wěn)定過熱度的系統(tǒng)狀態(tài)變量進(jìn)行了設(shè)定點優(yōu)化控制研究；結(jié)合外罰函數(shù)的模式搜索算法對優(yōu)化目標(biāo)進(jìn)行了求解，有效的解決了非線性能耗目標(biāo)函數(shù)的導(dǎo)數(shù)難于表達(dá)及計算的問題。引入負(fù)荷預(yù)測值，在制冷系統(tǒng)工況變化時，在線優(yōu)化系統(tǒng)各狀態(tài)變量控制回路的設(shè)定值，實際運行結(jié)果表明該方法能使系統(tǒng)很好的跟隨工況的變化，在變工況的部分負(fù)荷情況下，制冷系統(tǒng)平均能耗降低11.8%。
　　針對制冷系統(tǒng)過熱度和蒸發(fā)溫

4、度存在純滯后特性，傳統(tǒng)的模型預(yù)測算法不能有效解決由于純滯后造成的被控變量超調(diào)嚴(yán)重的問題。利用SMITH預(yù)估器作為模型預(yù)測控制算法中的預(yù)測模型，并運用廣義最小二乘算法對預(yù)測模型進(jìn)行在線辨識，改進(jìn)模型預(yù)測控制算法結(jié)構(gòu)。在反饋環(huán)節(jié)，根據(jù)小增益定理設(shè)計低通濾波器，提高了控制系統(tǒng)在預(yù)測模型失配情況下的性能魯棒性。實驗結(jié)果表明，改進(jìn)的基于SMITH預(yù)估器模型參數(shù)在線辨識的模型預(yù)測控制算法與傳統(tǒng)的模型預(yù)測控制算法具有更好的動態(tài)控制精度，使得過熱度和蒸