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

1、在用移動邊界法建立的非線性動態(tài)數學模型的基礎上，進一步考慮制冷系統(tǒng)中蒸發(fā)器和冷凝器的空隙率對動態(tài)模型中時變參數的影響，對空隙率進行了機理分析及顯示計算。以能量及質量守恒定律為約束條件，聯合各組件模型構建了非線性、時變參數的14階系統(tǒng)整體動態(tài)數學模型。
　　根據負荷歷史數據的周期性特點，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AIC準則對歷史負荷需求數據進行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荷需求數據進行ARIMA時間序列模型參數估計，而后對負荷進行基礎值預測。傳統(tǒng)的負荷預測算法沒有充分利用預測誤差信息提高預測精度，本文利用前期誤差信息進行未來誤差的估計，對初始預測值誤差進行算術平均值求取，將其作為未來誤差估計值，以此為誤差預測，將兩次預測值進行疊加計算，使得24小時負荷預測值的精度提高了6％。
　　以制冷系統(tǒng)機理模型的特性分析為基礎，進一步建立了壓縮機、冷凍水泵和冷卻水泵等主要設備能耗模型

3、，并以系統(tǒng)總能耗最小為優(yōu)化目標，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)變量進行了設定點優(yōu)化控制研究；結合外罰函數的模式搜索算法對優(yōu)化目標進行了求解，有效的解決了非線性能耗目標函數的導數難于表達及計算的問題。引入負荷預測值，在制冷系統(tǒng)工況變化時，在線優(yōu)化系統(tǒng)各狀態(tài)變量控制回路的設定值，實際運行結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)的模型預測算法不能有效解決由于純滯后造成的被控變量超調嚴重的問題。利用SMITH預估器作為模型預測控制算法中的預測模型，并運用廣義最小二乘算法對預測模型進行在線辨識，改進模型預測控制算法結構。在反饋環(huán)節(jié)，根據小增益定理設計低通濾波器，提高了控制系統(tǒng)在預測模型失配情況下的性能魯棒性。實驗結果表明，改進的基于SMITH預估器模型參數在線辨識的模型預測控制算法與傳統(tǒng)的模型預測控制算法具有更好的動態(tài)控制精度，使得過熱度和蒸