基于负荷预测的地铁车站空调系统模糊控制研究

摘要

国内都市轨道交通发展迅猛，各地均新增大量地铁车站。在都市轨道交通车站建筑中，通风空调系统是其中的能耗大户。从我国目前运营中的地铁线路实际状况来看，很多车站的空调系统运行能耗均偏高，因此降低通风空调系统能耗对城市轨道交通系统车站建筑节能具有重要意义。　　本文以成都地区某地铁车站公共区域空调系统为研究对象，对车站空调负荷构成、计算方法及特点进行了系统性分析。建立了车站热环境计算模型对站内热环境进行了模拟，并利用极差分析、方差分析法对各个负荷影响因素的显著性大小进行了研究。通过分析各种常用负荷预测方法的特点，选取了适合本文研究实际的神经网络法，用于预测地铁车站公共区域冷负荷，并以对负荷具有显著性影响的因素作为输入参数、地铁车站空调负荷为输出参数，设计了基于Elman神经网络的负荷预测模型。通过改变环境因素测试负荷预测模型，结果显示：绝大多数预测值与实际值相对误差分别在5%、10%以内，且均满足CVRMSE≤30%，验证了该预测模型的准确性。　　根据地铁车站空调系统具有多干扰、大滞后、非线性和时变性等特点，在传统以温度及其偏差变化率为输入的模糊控制器的基础上，提出以负荷偏差和负荷偏差变化率为输入参数、风机转速和水泵转速为输出参数的优化方式。负荷值由神经网络负荷预测模型根据外界环境因素改变逐时输出，利用双输入双输出的模糊控制器对风系统、水系统联合控制。在Trnsys和MATLAB软件中搭建了地铁车站公共区域空调系统仿真平台，分别对夏季、室外气温最高日、全模拟时长下的站内温湿度及空调系统能耗进行了模拟，对比分析了预测控制策略和传统控制策略下站内温湿度情况和能耗变化。　　仿真结果表明，基于负荷预测的模糊控制策略适用于地铁车站空调系统。预测控制策略下的站内温湿度，在室外温度最高日的极限工况下亦在设计范围内。预测控制策略在满足站内温湿度要求的同时，风机、水泵、冷水机组能耗均有不同程度降低，其中风机节能效果最为显著，其次为水泵和冷水机组。相较于传统控制，夏季总能耗降低了8.06%，全模拟时长下总能耗降低了7.13%。

目录

声明

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 空调系统节能控制策略

1.2.2 空调系统控制参数

1.2.3 智能控制方法的应用

1.2.4 存在的问题

1.3 本文主要研究内容

1.4 研究方法与技术路线

第2章地铁车站空调系统负荷及影响因素研究

2.1 地铁车站空调系统负荷构成及计算方法

2.1.1 地铁车站空调系统负荷构成

2.1.2 地铁车站空调系统负荷计算方法

2.2 地铁车站热环境仿真分析

2.2.1 地铁车站工程概况

2.2.2 Trnsys仿真软件简介

2.2.3 仿真模型的建立

2.3 地铁车站空调系统负荷影响因素分析

2.3.1 正交试验方案设计

2.3.2 变工况计算结果

2.3.3 显著性分析

2.4 小结

第3章 基于神经网络理论的地铁车站空调系统负荷预测

3.1 空调负荷预测方法

3.2 人工神经网络概述

3.2.1 人工神经元模型

3.2.2 人工神经网络特点

3.2.3 人工神经网络分类

3.3 地铁车站空调系统负荷预测

3.3.1 Elman 神经网络结构设计

3.3.2 训练样本选取及预处理

3.3.3 负荷预测结果及分析

3.4 小结

第4章基于负荷预测的地铁车站空调系统模糊控制研究

4.1 地铁车站空调系统仿真模型的建立

4.1.1 地铁车站空调系统概况

4.1.2 地铁车站空调系统数学模型

4.1.3 通风系统的建立

4.1.4 空调系统的建立

4.2 基于负荷预测的模糊控制策略研究

4.2.1 模糊控制理论简介

4.2.2 控制变量的选择

4.2.3 模糊控制器设计

4.3 预测控制策略与传统控制策略下的能耗对比

4.3.1 预测负荷结果

4.3.2 夏季模拟结果

4.3.3 室外温度最高日模拟结果

4.3.4 全模拟时长总能耗对比

4.3.5 负荷预测出现偏差时模拟结果

4.4 小结

第5章 结论与展望

5.1 结论

5.2 展望

致 谢

参考文献

攻读硕士期间的科研成果