学海网

基于负荷预测和设定点优化的制冷系统模型预测控制方法研究，博士学位论文，正文共108页。
摘要：在用移动边界法建立的非线性动态数学模型的基础上，进一步考虑制冷系统中蒸发器和冷凝器的空隙率对动态模型中时变参数的影响，对空隙率进行了机理分析及显示计算。以能量及质量守恒定律为约束条件，联合各组件模型构建了非线性、时变参数的14阶系统整体动态数学模型。根据负荷历史数据的周期性特点，以24小时为时间周期单位，提出基于周期时间序列差分的方法，对周期序列去周期化处理。依据AIC准则对历史负荷需求数据进行ARIMA时间序列模型定阶并运用最大似然估计算法对历史负荷需求数据进行ARIMA时间序列模型参数估计，而后对负荷进行基础值预测。传统的负荷预测算法没有充分利用预测误差信息提高预测精度，本文利用前期误差信息进行未来误差的估计，对初始预测值误差进行算术平均值求取，将其作为未来误差估计值，以此为误差预测，将两次预测值进行叠加计算，使得24小时负荷预测值的精度提高了6%。以制冷系统机理模型的特性分析为基础，进一步建立了压缩机、冷冻水泵和冷却水泵等主要设备能耗模型，并以系统总能耗最小为优化目标，对冷凝压力、蒸发压力和最小稳定过热度的系统状态变量进行了设定点优化控制研究；结合外罚函数的模式搜索算法对优化目标进行了求解，有效的解决了非线性能耗目标函数的导数难于表达及计算的问题。引入负荷预测值，在制冷系统工况变化时，在线优化系统各状态变量控制回路的设定值，实际运行结果表明该方法能使系统很好的跟随工况的变化，在变工况的部分负荷情况下，制冷系统平均能耗降低11.8%。针对制冷系统过热度和蒸发温度存在纯滞后特性，传统的模型预测算法不能有效解决由于纯滞后造成的被控变量超调严重的问题。利用SMITH预估器作为模型预测控制算法中的预测模型，并运用广义最小二乘算法对预测模型进行在线辨识，改进模型预测控制算法结构。在反馈环节，根据小增益定理设计低通滤波器，提高了控制系统在预测模型失配情况下的性能鲁棒性。实验结果表明，改进的基于SMITH预估器模型参数在线辨识的模型预测控制算法与传统的模型预测控制算法具有更好的动态控制精度，使得过热度和蒸发温度震荡和超调均大幅减小，使得系统在满足最小能耗指标的前提下稳定性得到提高。
关键词：制冷系统; 数学模型; 变工况; 最小能耗; 预测控制;