[发明专利]一种风机盘管预测控制方法

说明书

本发明提供了一种风机盘管预测控制方法，其包括：S1、建立预测模型，使用预测模型对室内温度动态过程进行建模、预测；S2、预测控制器采用三层前馈神经网络实现，将当前时刻的室内温度值、以及下一时刻室内温度设定值作为神经网络控制器的输入；神经网络控制器的输出量为能够调节室内温度的控制量；采用变分法对神经网络控制器进行在线滚动优化，寻优目标为使优化目标函数最佳，从而得出最佳控制量；S3、根据寻优后获得的最佳控制量的值，调节室内温度。本发明通过预测控制滚动优化得出最佳控制量来调节室内温度；由于优化目标函数综合考虑了温度误差和能耗两部分的因素，使得系统在使室内温度跟上设定值的同时，还具有节能的效果。

技术领域

本发明涉及一种风机盘管控制技术领域，尤其涉及一种风机盘管系统的预测控制方法。

背景技术

风机盘管是空调系统的末端产品，由小型风机、直流无刷电机和空气换热器等组成，其工作原理是机组内不断的再循环所在房间的空气，使空气通过冷水(热水)盘管后被冷却(加热)，以保持房间温度的恒定。风机盘管由设置在室内的控制器控制，现有的控制方法均采用PID控制，其室内温度难以达到恒温的效果，使得用户在使用的时候，难以体验到舒适、恒温的室内空气环境。

因此，如何提供一种能够维持室内温度或湿度在一定范围之内，创造出适合人体舒适感的室内空气环境的风机盘管控制方法成为了业界需要解决的问题。

发明内容

针对现有技术的缺点，本发明的目的是提供一种风机盘管预测控制方法，其通过预测控制滚动优化得出最佳控制量，从而实时调节控制量，使得室内温度跟上室内温度设定值，使用户体验到舒适、恒温的室内空气环境。

为了实现上述目的，本发明提供了一种风机盘管预测控制方法，其包括以下步骤：

S1、建立预测模型，使用预测模型对室内温度动态过程进行建模、预测；

预测模型采用BP神经网络预测模型；输入参数包括：室外太阳辐射强度X₁(k)、室外温度X₂(k)、送风温度X₃(k)、室内温度X₄(k)、送风机控制量U_fan、阀门控制量U_valve；输出参数为下一时刻的室内温度X₄(k+1)；其中k为当前时刻，k+1表示下一时刻；

对输入参数进行参数在线修正步骤，参数在线修正步骤采用递推最小二乘法进行修正，如下：

S11、H为输入列向量，Z为输出列向量，θ为权值矩阵，L表示有L组数据，令

Z_L＝[z(1),z(2),...,z(L)]^T，

θ＝[w₁,w₂,w₃,…]^T

根据最小二乘法，参数估计值为：

S12、对第L+1组数据计算修正值为：

其中，

P_L+1＝P_L[I-h(L+1)h^T(L+1)P_L(h^T(L+1)P_Lh(L+1))^-1]