本书从两方面对空调系统的能耗优化控制问题展开研究，一方面采用仿真和现场实验相结合，以提高模型的精度；另一方面采用模型预测控制方法，以容忍一定程度的模型误差，实现优化控制。

前 言 近年来，空调系统的能耗优化控制问题成为建筑节能领域的研究热点。空调设备的模型大多具有非线性、纯滞后、时变的特性，致使一些仿真研究成果在实际空调设备运行过程中无法获得满意的结果。本书对空调系统的能耗优化问题的研究归纳如下。 （1）在一个典型的中央空调系统中，对系统的各个主要部件（区域热响应、冷水机组、冷却塔、水泵、风机、盘管等）建立了相应的简化模型，并运用模型预测控制（Model Predictive Control，MPC）方法对该系统进行了仿真研究。实验结果表明，使用模型预测控制可以节省空调系统的运行费用，并可以通过时间常数判断热质量的大小，从而获知被动式蓄能的节省费用的潜力。 （2）当空调负荷受到一些随机量（如室外温度、太阳辐射强度等）的影响时，采用功率谱密度法对建筑物室内空调负荷在室外温度和太阳辐射强度两种随机量作用下的传递函数进行辨识，并将辨识得到的传递函数模型应用于一个使用模型预测控制的加热器，以实现对室内温度的优化控制。 （3）针对某银行大楼的冰蓄冷空调系统，提出了使用季节模型和人工神经网络模型的组合模型预测空调负荷。首先通过平稳性检验、模型定阶、参数估计及模型检验确定季节模型；接着针对单纯季节模型只能对线性系统建模而无法解决系统非线性的问题，采用人工神经网络对季节模型预测结果的残差进行建模，以预测残差值。实验结果表明，采用本书提出的组合模型，提高了需要多步预测场合的空调负荷预测精度，验证了该空调负荷预测方法可应用于冰蓄冷空调系统。 （4）针对一个实际运营的商业建筑物的空调水系统，在不改变原有的控制系统前提下，提出了应用带前馈结构的模型预测控制方法，并以冷冻水旁通阀开度为控制目标。该方法是将旁通阀开度控制在一个较小的接近零的值上，从而迫使原有的控制系统提高冷冻水供水温度而实现冷水机组的节能。实验结果表明，该方法有效提高了冷冻水出水温度，不但显著节省了电能，而且确保了室内舒适性。 （5）针对变风量空调系统有多个空调区域与空气处理单元之间存在耦合的问题，提出了一个一步分布式模型预测控制方法，简化了空调区域（房间）之间的热传导，进一步简化了优化控制的约束条件，显著减少了控制算法的计算量和控制器之间的通信量，为应用现场实现分布式模型预测控制创造了条件。实验结果表明，该方法可将每个空调区域温度控制在舒适性温度范围内，并使最不理想空调区域一直保持在舒适性温度范围的上限温度以下，从而实现空调系统能耗的最小化。 （6）针对空调系统中设备模型的非线性问题，构建了基于人工神经网络的控制器模型，解决了采用普通模型预测控制方法不能实现优化控制的问题。实验结果表明，基于人工神经网络的优化控制系统可以有效地实现优化控制，即在满足室内舒适性和系统工艺要求前提下实现变风量空调系统的节能运行。 著 者

目 录 第1章 绪论 1 1.1 研究背景及意义 2 1.2 空调系统的优化控制研究现状 2 1.2.1 空调系统控制技术的分类 2 1.2.2 模型预测控制 4 1.3 国内外空调系统建模研究现状 7 1.3.1 数据驱动模型 8 1.3.2 物理模型 11 1.3.3 灰箱模型 11 1.4 主要研究内容 11 1.5 本章小结 12 第2章 空调系统的模型预测优化控制仿真研究 13 2.1 引言 14 2.2 空调系统简介 14 2.2.1 水系统 14 2.2.2 风系统 14 2.3 水系统主要部件建模 16 2.3.1 冷负荷建模 16 2.3.2 冷水机组建模 17 2.3.3 冷却塔建模 18 2.3.4 水泵建模 19 2.4 风系统主要部件建模 19 2.4.1 空调区域温度动态 19 2.4.2 房间热响应动态模型 20 2.4.3 风机建模 21 2.4.4 冷却盘管和加热盘管建模 21 2.5 模型预测控制系统实验 22 2.5.1 被动式蓄能控制策略 22 2.5.2 模型预测控制器的设计 22 2.5.3 仿真实验 23 2.5.4 结果讨论 26 2.6 本章小结 26 第3章 建筑物空调系统的能耗建模方法 27 3.1 引言 28 3.2 基于功率谱密度法的建筑物能耗系统辨识 30 3.2.1 功率谱密度法简介 30 3.2.2 功率谱密度法用于建筑物空调系统的能耗建模 31 3.3 基于功率谱密度法的实验结果分析 33 3.3.1 传递函数的确定 33 3.3.2 室内温度预测的结果 34 3.3.3 模型的应用 36 3.4 基于季节模型和人工神经网络模型的组合模型 36 3.4.1 季节模型 37 3.4.2 人工神经网络模型 37 3.4.3 组合模型 38 3.4.4 空调负荷预测模型的构建 39 3.4.5 基于季节模型和神经网络模型的组合模型预测空调负荷 43 3.5 本章小结 44 第4章 空调冷冻水系统带前馈结构的模型预测优化控制 45 4.1 引言 46 4.2 实验平台 47 4.2.1 建筑物简介 47 4.2.2 中央空调系统简介 48 4.3 建模过程 50 4.3.1 输入量和输出量的选择 50 4.3.2 建立系统模型 51 4.4 带前馈结构的模型预测控制设计 52 4.4.1 带前馈结构的模型预测控制原理 52 4.4.2 被控量的进一步讨论 54 4.4.3 确定控制系统结构 54 4.5 仿真及实验结果分析 55 4.5.1 仿真及现场实验 55 4.5.2 实验结果分析 56 4.6 本章小结 57 第5章 变风量空调系统的分布式模型预测优化控制 58 5.1 引言 59 5.2 模型概要 60 5.3 分布式模型预测控制器 61 5.3.1 变风量空调系统的模型预测控制 61 5.3.2 分布式模型预测控制器的设计 62 5.3.3 一步分布式模型预测控制算法的设计 66 5.4 实验结果分析 66 5.5 本章小结 68 第6章 基于人工神经网络的变风量空调系统优化控制 69 6.1 引言 70 6.2 实验平台介绍和建模 70 6.2.1 两区域变风量空调系统实验平台 70 6.2.2 两区域变风量空调系统模型 72 6.2.3 水冷蒸汽压缩式冷水机组模型 75 6.2.4 整个系统模型 79 6.3 优化控制策略 80 6.3.1 变风量空调系统优化问题描述 80 6.3.2 基于人工神经网络的优化控制 81 6.3.3 人工神经网络结构 82 6.4 实验结果分析 83 6.5 本章小结 85 第7章 总结与展望 86 7.1 研究总结 87 7.2 下一步研究展望 88 参考文献 89