[发明专利]一种用于跨临界CO2

权利要求书

1.一种用于跨临界CO₂空调系统的控制方法，其特征在于，

所述跨临界CO₂空调系统包括：压缩机、室外换热器、第二风机、电子膨胀阀、中间换热器、室内换热器、第一风机和气液分离器；其中，所述压缩机的出口经所述室外换热器的第一换热通道、所述中间换热器的第一换热通道、电子膨胀阀、所述室内换热器的第一换热通道与所述气液分离器的进口相连通；所述气液分离器的气体出口经所述中间换热器的第二换热通道与所述压缩机的进口相连通；循环中采用的工质为CO₂；所述室外换热器的第二换热通道用于通过所述第二风机鼓入室外空气；所述室内换热器设置于风道内，所述风道设置有送风口、新风口和回风口；所述回风口用于通过所述第一风机鼓入室内空气，所述新风口和回风口处设置有风门；所述新风口和回风口经所述室内换热器的第二换热通道与所述送风口相连通；

所述用于跨临界CO₂空调系统的控制方法具体包括以下步骤：

步骤1，获取所述室外换热器的第二换热通道进口的空气温度作为环境温度；获取所述室内换热器的第二换热通道出口的空气流量；获取所述室内换热器第二换热通道进口的空气温度作为室内温度；获取所述室内换热器第二换热通道出口的空气温度作为送风温度；获取新风比、太阳辐射量、室外空气流速、压缩机功耗、压缩机转速以及压缩机排气压力；

步骤2，将步骤1获取的所有参数输入预先设计的模型预测控制器中，通过所述模型预测控制器输出控制量，基于所述控制量实现所述跨临界CO₂空调系统的控制；

其中，所述模型预测控制器用于预测所述跨临界CO₂空调系统的性能变化趋势和室内温度变化趋势，通过调整控制参数使得空调系统朝着控制目标运行；所述控制参数包括压缩机转速设定值、第一风机风量设定值和压缩机排气压力设定值；所述控制目标为压缩机功耗预测值和第一风机功耗预测值和最小，且室内温度达到预设要求；

所述预设计的模型预测控制器包括：

神经网络模型，用于输入环境温度、送风温度预测值以及压缩机排气压力动作值，预测输出所述跨临界CO₂空调系统的性能预测值，获得所述神经网络模型的预测结果；

物理模型，用于输入所述环境温度、室内换热器的第二换热通道出口的空气流量、室内温度、送风温度、太阳辐射量、室外空气流速、新风比、压缩机功耗、压缩机转速和制冷量，获得室内换热器的第二换热通道出口的空气温度预测值、室内温度预测值、压缩机功耗预测值以及第一风机功耗预测值，获得所述物理模的预测结果；其中，制冷量Q_c的计算表达式为，式中，t_air为环境温度、为室内换热器的第二换热通道出口的空气流量、t_supply为送风温度、t_cabin为室内温度、β为新风比，C_p为空气比热容；

优化求解模块，用于基于神经网络模型和物理模型的预测结果，将控制目标实现转化为求解关于压缩机转速动作值、第一风机风量动作值、压缩机排气压力动作值的序列的多变量函数的极小值问题；将求解得到的压缩机转速动作值、第一风机风量动作值、压缩机排气压力动作值的序列的第一个值作为当前控制信号输出；其中，压缩机排气压力动作值传递给局部的PID控制器，采用电子膨胀阀开度反馈控制压缩机排气压力。

2.根据权利要求1所述的一种用于跨临界CO₂空调系统的控制方法，其特征在于，所述神经网络模型为前向反馈神经网络，包括输入层、隐含层以及输出层；

其中，所述输入层包括3个神经元，分别对应环境温度、送风温度预测值和压缩机排气压力动作值；

所述隐含层的激励函数采用Sigmoid函数；

所述输出层包括1个神经元，对应跨临界CO₂空调系统的性能预测值。