摘要： 针对浅埋地下工程，分析在考虑土壤蓄热作用下的室内热环境变化，在应用CFD软件的基础上建立围护结构及室内空气的耦合传热模型。并将模拟所得结果进一步用来训练预测空调最佳启停时间的人工神经网络模型。此模型可用于预测出各种复杂的非线性条件下最佳启停时间，以降低能耗，节约能源。

关键词： 土壤蓄热 间歇空调 最佳启停时间 MATLAB

1 引言
大多数地面建筑的空调系统，如商场、写字楼、餐厅等均属间歇运行方式。在许多平战结合的人防工程甚至指挥所同样也存在间歇运行系统。非工作时间空调系统停机后，由于室内外温差及围护结构散热导致室温偏离设定值，在下一段运行前需要提前启动空调系统进行预冷（热），使房间在使用时处于要求的温度范围内。预冷过早会造成能量浪费；预冷过晚又达不到控制所要求的指标。同时空调的制冷机组停机后，其冷却系统中仍有一部分剩余冷量，可以继续利用送风机组将这部分冷量送入房间，从而达到节能目的，如图1所示。从图1中还可以明显看出间歇空调系统运行时间相对房间使用时间存在一定的偏移量。因此需要对这一启停时间进行预测，并保证用最少的能量在使用时间内达到所要求的参数范围。然而，空调系统的预冷（热）启动时间以及提前停机时间是一多输入单输出的带有大滞后环节的非线性对象。其中最佳启动时间取决于启动前室内温度，室外气象条件，建筑结构的热物性及内热源和空调送冷（热）量等；最佳提前停机时间也受空调设备容量及温差，内部照明、办公设备及人员散热等、停机前室内外温度等诸因素影响，因此系统的建模工作相当复杂。

同时应该看到间歇空调如果没有足够的预热（冷）时间，空调中的蓄热负荷是不容忽视的。【1】尤其对各种地下建筑而言，土壤的蓄热作用对启动和停机时间的影响尤为重要。不同热惰性的土壤对室内外温度波及热流波存在不同的延迟和衰减作用。本文主要针对典型地区的浅埋平战结合的人防工程，分别对考虑土壤蓄热作用下的围护结构及室内空气建立热平衡方程，并通过软件模拟出室内温度随时间的变化情况；并在此基础上用MATLAB中的人工神经网络工具箱对启动和停止时间进行智能控制。

2 研究方法

图1 间歇空调运行期间的室内温度典型变化曲线

目前，有关预测最佳启动时间的研究已有静态最优法、简化数学模型法、一元回归分析法、模糊控制等，这些方法各有特点，但由于空调系统的复杂性和受传统算法的限制，预测结果都存在着一定的误差。同时关于最佳停机时间的确定，由于停机过程尚处在房间使用期间，仍需保证空气热舒适性要求，因此在来自内部随机变化的较大扰动下，预测的提前停机时间误差有可能会更大，至今也没有较成功的理论和实例。文献^{【2】【3】}曾就建筑物内HVAC设备的衰减时间用数学公式表示，但是由于强烈的非线性以及建筑负荷响应的不断变化导致结果误差较大。金洪文和韦节廷等在文献^【4】中对空调系统间歇运行的时间延迟问题的讨论时，分别对全空气空调系统和风机盘管空调系统进行分析。但在建立室内空气热平衡方程的过程中，由于对围护结构传热存在很大程度上的简化，即采用空调冷负荷估算指标对传热量进行计算，这样的处理方法不能及时有效地反映实际上的强烈非线形复杂变化，因此精度不能得到有效保证。河北工业大学的张雪萍、刘作军对智能楼宇定风量空调系统的启停控制^【5】提出采用最优化方法中的非线性规划问题解法，即外点罚函数法。这一方法不但需要系统停止使用前内的工程用电量、平均人员数、室内平均温度和室外平均温度四个因素，同时各系数必须通过采集各种历史数据，并应用统计的方法，经过回归分析运算得出。因此这一方法也不是很适用。

人工神经网络（Artificial Neural Network）具有较强的学习和适应能力，适于那些具有不确定性或高度非线性的对象建模及控制。同时BP算法可以在隐层单元足够多的时候逼近任意非线性映射关系，而且其学习算法属于全局逼近方法，具有较好的泛化能力。本文将用ANN模型来预测考虑土壤蓄热作用下的间歇空调最佳启停时间，并对这一模型进行优化后用于其他各种不同热特性地下建筑间歇空调启停控制，达到节能目的。由于神经网络的学习需要大量正确的实验数据作为训练样本，在本文的研究过程中为了弥补有限实验条件的不足，在做了少量的采样实验基础上采用计算机模拟的方法

[1] [2] [3] [4] [5] 下一页

相关文章：