變風量空調系統靜壓設定值自適應重置方法

代武賀 張吉禮* 趙天怡

大連理工大學建筑能源研究所

變風量空調系統靜壓設定值自適應重置方法

代武賀 張吉禮* 趙天怡

大連理工大學建筑能源研究所

本文提出了變風量空調系統最不利熱力末端和最大閥位末端的概念，研究了基于最大閥位末端目標閥位域的Mamdani模糊參考模型的靜壓設定值自適應重置方法。在大連理工大學空調系統智能控制綜合性能試驗臺上，實現了送風機變靜壓自動控制。通過對比試驗分析得出，此方法與變定靜壓設定值方法相比，靜壓設定值調整的目的性更強，調整到目標閥位域的速度更快，末端阻力損失更小，節能效果明顯。

最不利熱力末端 最大閥位末端 目標閥位域 Mamdani模糊參考模型 靜壓設定值 自適應重置方法

變風量空調系統因其能夠隨著負荷的變化而改變送風量的特點，在降低風機的能耗上有很大的優勢，但在實際的工程應用中，由于送風靜壓參考變量及其控制邏輯復雜等原因，常導致系統穩定性較差，末端風量達不到設定值要求，變風量末端閥門阻力損失大等問題。目前，文獻[1～2]總結了變風量空調系統送風量控制方法，包括定靜壓控制法、變定靜壓控制法、變靜壓控制法、總風量控制法等，每種方法都有各自的優點。其中，變定靜壓控制法在保持系統穩定性的同時又能夠降低風機的能耗，但是此種控制方法的算法復雜，尤其是很難根據系統的負荷需求對靜壓設定值進行重置。因此，到目前為止，仍然缺乏實用且行之有效的方法。本文首先提出了變風量空調系統最不利熱力末端和最大閥位末端的概念，然后，提出了基于最大閥位末端目標閥位域的Mamdani模糊參考模型的靜壓設定值自適應重置方法，最后通過試驗探討了該方法與變定靜壓設定值法的可行性及優越性。

1 最不利熱力末端和最大閥位末端

圖1為典型的某變風量空調系統原理圖，圖中Pset為送風靜壓設定值，Pa；Qseti為末端i的風量設定值，i=1,2,3,…,n，m3/h；Qsensori為末端i的風量測量值，i=1, 2,3,…,n，m3/h，δDmpri為末端i的調節閥閥位，%。圖1中送風靜壓監測點的位置設置在距離送風機出口約2/3管段處，根據壓差傳感器DPT的送風靜壓值P與Pset的偏差通過變頻器VFD來調節風機的轉速，以維持P為設定值。變風量末端i通過調節閥門的開度δDmpri，來使風量測量值Qsensori達到風量設定值Qseti，而風量設定值Qseti由室內溫度值與室內溫度設定值的偏差來確定。

圖1 典型的某變風量空調系統原理圖

在具有n個變風量末端的連續調節的空調系統中，在供熱或供冷工況下的某段時間內，且采用空調系統定送風溫度控制，若第i個末端持續保持如下工況：

1）該末端的調節閥閥位達到全開或者接近全開的位置δDmpriMAXi（可調），即δDmpri=100%或δDmpri=δDmpriMAXi；

2）對于變風量空調系統，該末端的風量測量值Qsensori在該時段持續小于其風量設定值Qseti，導致室內溫度達不到設定值。

則定義末端i為該時段系統的最不利熱力末端。

關于最不利熱力末端的幾點說明：

1）最不利熱力末端表征了變風量空調系統在實際運行中可能出現的一種不利的工況，當前末端的風量已為風閥所能調節到的最大風量，此風量下該末端向房間的供冷量（或供熱量）已經出現或者即將出現無法滿足該末端空調負荷需求的現象，故稱為最不利熱力末端。可見最不利熱力末端應該是系統的調節過程中避免出現的一種情況。

2）最不利熱力末端的出現表明當前送風機的工作狀態已至少不能滿足該末端用戶的風量需求或熱能供應需求，需要及時改變送風機的工作狀態，如提高靜壓設定值，增加風機動力等。

3）在某段時間內，變風量空調系統可能同時出現不止一個最不利熱力末端，且最不利熱力末端所在的位置是隨機變化，可能是傳統的最不利環路即最不利水力環路所在的末端，也可能不是，并且與各個用戶的風量設定值變化情況、管網的水力特性及風機的運行特性相關。

4）當最不利熱力末端不是最不利水力環路所在的末端時，現有的以最不利水力環路末端閥門開度等變量為參考變量的送風機風量控制，對最不利熱力末端來說是沒有意義的，在該種工況下最不利熱力末端的用戶室內溫度無法達到控制要求。因此，應該尋找其他的策略以實現對送風機的控制調節。

5）最不利熱力末端可根據其定義通過某時間段內變風量末端調節閥的閥位、該末端風量測量值以及風量設定值等參數的狀態及變化趨勢來實時判斷。

可見，最不利熱力末端是變風量空調系統運行調節中所不希望發生的一種工況，送風靜壓設定值Pset的取值大小應避免最不利熱力末端的出現。

在具有n個末端的變風量空調系統實際運行過程中，若某時間段內第i個末端調節閥的閥位達到所有末端中的最大值，則該末端為該時間段內變風量空調系統的最大閥位末端。

最大閥位末端是相對于所有末端的調節閥開度而言的，最大閥位末端的調節閥不一定全開。最大閥位末端的定義為預先判斷最不利熱力末端可能出現的位置提供了判定參考。

2 基于最大閥位末端目標閥位域的Mamdani模糊參考模型的靜壓設定值自適應重置方法

2.1 靜壓設定值重置的參考變量

靜壓設定值的確定需要符合以下兩點要求：

1）靜壓設定值能夠滿足系統中所有末端的風量需求，以防止最不利熱力末端的出現。當系統中出現最不利熱力末端時，靜壓設定值能夠及時地做出調整，使最不利熱力末端的風量達到風量設定值要求。

2）由于靜壓設定值的大小對送風機的節能效果影響很大，因此，希望靜壓設定值在滿足各個末端風量要求的情況下能夠盡量小，體現在各個末端上就是盡可能使調節閥處于最大開度，這樣既能節約風機的動力，同時又可以降低末端閥門的噪聲。

綜上選取最大閥位末端調節閥閥位為靜壓設定值重置的參考對象。

2.2 靜壓設定值重置的目標閥位域

在實際的變風量送風量控制系統中，為了保持送風機控制的穩定性靜壓設定值的調整次數不宜過多，因而靜壓設定值無法以某一確定閥位值為目標來進行調整，但是可以選定一個變化范圍來作為目標閥位域。由于變風量末端的閥門屬于等百分比流量特性，閥位越接近于全開，閥位的變化所引起的阻抗變化越小，即閥門對流量的調節作用變化越小，所以可以將具有上述特性的閥位范圍[δDmprMIN，100%]作為靜壓設定值重置的目標閥位域，從而減少靜壓設定值的重置頻率。

2.3 Mamdani模糊參考模型的靜壓設定值自適應重置方法

靜壓設定值的重置目的是使最大閥位末端的閥位δDmprMAX處于目標閥位域內，為了能夠預判出最不利熱力末端出現的可能性，該范圍的上限值應該是接近100%，下限值應該略大于δDmprMIN，因此設滿足該條件的δDmprMAX范圍是[δRSTMIN，δRSTMAX]為目標閥位域。

1）當δDmprMAX＞δRSTMAX時，最大閥位末端具有發展成最不利熱力末端的趨勢，為避免其發展成為最不利熱力末端，此時Pset該有所提升，相應的最大閥位末端的入口靜壓增加，將δDmprMAX降至目標閥位域內。

2）當δDmprMAX＜δRSTMIN時，最大閥位末端具有調節閥位低于目標閥位域的趨勢，為避免閥位減小而導致系統的阻抗增加，此時Pset應該有所降低，將δDmprMAX升至目標閥位域內。

3）當δDmprMAX∈[δRSTMIN，δDmprMAX]時，δDmprMAX處于較理想的范圍之內，既避免了最不利熱力末端的出現，又使得最大閥位末端具有較低的阻抗水平，且系統在低阻抗的情況下運行，此時Pset即為理想的靜壓設定值。

當系統的靜壓值需要重置時，最關鍵的就是確定此時需要的靜壓增加值△PIn或者減少值△PDe。因此，這里使用Mamdani模糊模型[3]作為模糊規則，結合作用模糊子集推理的方法[4,5]實現△PIn和△PDe的自適應調整，稱之為參考M模型的靜壓設定值自適應重置方法。

M模型結構為雙輸入，單輸出，對于輸入量a與b，M模型的輸出量c可以表示為c=M(a,b)。根據M模型進行△PIn和△PDe的自適應調整，如式（1）和式（2）。圖2為參考M模型自適應重置方法的示意圖。

圖2 參考M模型自適應重置方法示意圖

式（1）中：δDmprMAX為最大閥位末端閥位值，%；QBOXMAX為最大閥位末端對應風量值，若系統中同時存在多個最大閥位末端，取這些末端中風量的最小值，m3/h；δD為目標閥位域的寬度，%；δRST為目標閥位域的中心，%；eδDmprMAX為δDmprMAX的偏差，即eδDmprMAX= δDmprMAX-δRST，%；ecδDmprMAX為δDmprMAX的偏差變化，當前采樣時刻的eδDmprMAX與上一采樣時刻eδDmprMAX的差值，%；eQBOXMAX為QBOXMAX偏差，即eQBOXMAX=QBOXSETQBOXMAX，m3/h；ecQBOXMAX為eQBOXMAX的偏差變化，即當前采樣時刻的eQBOXMAX與上一采樣時刻eQBOXMAX差值，m3/h。

式（2）為靜壓重置變化值△PIn和△PDe。

圖2中，加粗實線和虛線表明了Preset的重置值所在的區域，其中加粗虛線表示△PIn和△PDe分別根據M模型、當前工況下的δDmprMAX和QBOXMAX的偏差及偏差變化對靜壓設定值進行自適應重置的過程。

不同形式的空調系統需要根據其負荷變化的特性對重置方法中的參數，如eδDmprMAX，ecδDmprMAX，eQBOXMAX，ecQBOXMAX，的實際論域進行優化選取。

3 靜壓設定值重置方法試驗研究

3.1 試驗系統概況

本試驗平臺隸屬于大連理工大學中央空調智能試驗系統，包括變風量空調系統的相關設備和自動控制系統。空調系統的設備包括，一臺變頻調速控制的離心式送風機、送回風孔板流量計、電動新風閥、電動回風閥、電動排風閥、加熱盤管、三個壓力無關型末端和若干不同量程和精度的壓差傳感器。試驗臺自動控制系統的硬件使用1臺霍尼韋爾XL100和1臺帶若干擴展模塊XCL8010A控制器，使用霍尼韋爾care軟件實現自動控制系統的通信和控制程序。

試驗原理：試驗過程中關閉排風閥，送風孔板流量計和回風孔板流量計測得送風量和回風量，兩者差值可以得到新風量，采用新風段靜壓控制法[6]控制新風量；采用壓力無關型控制末端對室內溫度進行控制，末端的風量和閥位信息可以通過控制器實時采集；送風機的控制首先利用采集到的末端閥位信息和風量信息確定靜壓設定值，然后與靜壓監測值比較，最后通過變頻器調節風機的頻率；通過調節電動連續調節閥控制進入加熱盤管的水量，進而實現對送風溫度的控制，試驗臺簡化后的原理圖如圖3所示。

圖3 參考M模型的靜壓設定值重置方法研究試驗臺原理圖

3.2 靜壓設定值重置方法的試驗程序模塊

表1為程序模塊采用的模糊規則表。偏差e、偏差變化ec、控制量輸出u的模糊論域均取[-2，2]，e與ec的論域可以劃分為5個模糊等級包括“負大”、“負小”、“零”、“正小”、“正大”，分別用NB，NS，ZE，PS，PB來表示，采用的隸屬函數如圖4所示。圖4中所列出的隸屬度函數的線性表達式對應了e與ec的6個模糊子論域，模塊將Fe與Fec（e與ec的模糊值）代入以上這9組線性表達式中，計算隸屬度。對于一組Fe與Fec的值，模塊可以計算各個作用模糊子集下的Fe與Fec的隸屬度，從而實現作用模糊子集推理的方法，最后得出u對應的模糊值Fu，通過重心法反模糊化，求得u。

表1 程序模塊所采用的模糊規則表

圖4 程序模塊所采用的隸屬函數

3.3 試驗內容

3.3.1 試驗相關參數選定

1）確定450m3/h新風量對應的新風閥開度為36%（100%對應閥門全開），新風閥前后的靜壓差為115Pa，試驗中保持新風閥開度不變，采用PI控制調節回風閥開度，維持靜壓差恒定，整定后P值為-200，I值為16。

2）試驗中調節電動連續調節閥的開度，改變進入加熱盤管的水量，維持送風溫度26℃不變，當送風溫度大于26℃時，關小水閥開度，當送風溫度小于26℃時，開大水閥開度，試驗中PI控制的P值為100，I值為16。

3）本試驗中靜壓設定值Pset的初值設為170Pa，為了維持系統的穩定，結合送風量的變化要求以及傳感器的量程靜壓設定值的下限值為80Pa，上限值為240Pa，目標閥位域為[75%，95%]，δD=10%，δRST=85%，QD=50m3/h，程序中相關參數的論域是eQ∈[25，150]，ecQ∈[-100，100]，eP∈[-42%，-10%]，ecP∈[-10%，-10%]，△PIn∈[10，30]，△PDe∈[-30，-10]。

3.3.2 對比試驗設計

為了比較參考M模型的靜壓設定值自適應重置方法（以下簡稱M模型重置法）和變定靜壓設定值的方法，其中變定靜壓設定值法的變化步長取為10Pa，設計一組室內溫度設定值變化的試驗。假定室內溫度值為19℃恒定，按照一定順序每10min改變一個末端對應的室內溫度設定值為20℃或18℃，來體現不室內不同區域負荷變化的差異性，室內溫度設定值改變規則如表2。

表2 不同末端BOX室內溫度設定值表

3.3.3 參考M模型的靜壓設定值自適應重置方法隨實際室內負荷變化試驗

試驗前將試驗房間的門窗敞開2h，使室內溫度降低到與室外溫度相近水平，然后關閉門窗。試驗從早8:00開始進行2h，初始時給定3個末端的溫度設定值，空調系統運行近1h改變一次各個末端的溫度設定值（表3）。

表3 各末端室內設定值

3.4 試驗結果

如圖5所示，兩種不同靜壓設定值重置方法的靜壓設定值變化情況。圖5中可以看出在控制目標相同的情況下，M模型重置法的靜壓設定值改變次數為19次，平均值為137.2Pa，階躍變化絕對值平均量（每兩次采樣值的差的絕對值之和/采樣值改變次數）為1.66Pa/次，變定靜壓設定值法靜壓設定值改變次數為45次，平均值為151.2Pa，階躍變化絕對值平均量為2.35Pa/次。M模型重置法的靜壓設定值更小，送風機的能耗就會更低，同時階躍變化絕對值平均量也小，表示該控制方法的穩定性更好。

圖5 M模型重置法和變定靜壓法的靜壓設定值變化情況

圖6表示試驗中風機消耗電功率情況，其中時間是按電功率值由小到大的采樣時間次序排列。試驗中在大部分采樣時間內M模型重置法的功率值均小于變定靜壓法的功率值，且這部分時間均為系統處于部分負荷狀態。M模型重置法電功率的平均值為0.338kW，總能耗為0.555kWh，變定靜壓法的電功率平均值為0.343kW，總能耗為0.562kWh。圖7表示，M模型重置法和變定靜壓法的末端最大閥位和最小閥位情況。

圖6 M模型重置法和變定靜壓法的風機消耗電功率情況

圖7 M模型重置法和變定靜壓法的末端最大和最小閥位情況

圖7中M模型重置法的最大閥位平均值為86.11%，最小閥位平均值為44.50%，變定靜壓法的最大閥位平均值為82.31%，最小閥位的平均值為44.78%，綜上M模型重置法在末端閥門上的阻力損失小于變定靜壓法。圖8為M模型重置法隨實際負荷變化試驗靜壓設定值和功率值變化情況。

圖8 M模型重置法隨實際負荷變化試驗靜壓設定值和電功率值變化情況

圖8表示了室內溫度首先達到初始設定溫度和運行1小時后改變溫度設定值的靜壓設定值和功率值變化情況。初始時由于負荷最大，靜壓設定值維持初始值170Pa，隨著室內負荷減少，靜壓設定值降低到下限值80Pa，此時各個末端達到初始室溫設定值，第二次改變室內溫度設定值之后，靜壓設定值開始增加，當再次達到室溫設定值時，靜壓設定值又維持在80Pa的穩定狀態。試驗過程中靜壓設定值的平均值為158.5Pa，階躍變化絕對值平均量為1.62Pa/次，風機消耗電功率的平均值為0.374kW，能耗為0.749kWh。

4 結論

1）最不利熱力末端是變風量空調系統中應該避免出現的不利工況，其定義對靜壓設定值進行合理的重置有重要的意義。

2）最大閥位末端是預先判定最不利熱力末端可能出現位置的重要參考依據，本文提出了基于最大閥位末端目標閥位域的Mamdani模糊參考模型的方法進行靜壓設定值的重置，在避免了最不利熱力末端出現的同時獲得理想的節能效果。

3）Mamdani模糊參考模型的靜壓設定值自適應重置方法與變定靜壓法相比，可以避免其變化步長，靜壓監測點和靜壓設定初始值選取困難的問題，使靜壓設定值的重置有明確目的性和良好的適應性，調整更為迅速，控制系統更加穩定。實際工程中只要確定靜壓監測點，然后通過對論域進行合理的調整，便能實現靜壓設定值進行自適應重置。

[1]葉大法,楊國榮.變風量空調系統設計[M].北京:中國建筑工業出版社,2007

[2]楊國榮.變風量空調系統控制[J].暖通空調,2012,42(11):15-19

[3]E H Mamdani.Application of fuzzy algorithm for simple dynamic plant[J].Proc.IEEE.,1974,121(12):1585-1588

[4]歐進萍,張吉禮.作用模糊子集推理方法的研究與應用[J].模糊系統與數學,2000,14(3):58-65

[5]趙天怡.空調冷凍水變壓差設定值優化控制方法[D].哈爾濱:哈爾濱工業大學,2010

[6]袁自遠.變風量空調系統新風量控制方法試驗研究[D].大連:大連理工大學,2013

Study on Sta tic Pre s s ure Ada ptive Re s e t Me thod of VAV Sys te m

DAI Wu-he,ZHANG Ji-li*,ZHAO Tian-yi
Institute of Building Energy,Dalian University of Technology

Two concepts including most unfavorable thermodynamic VAV terminal and maximum valve VAV terminal related to VAV system were introduce,and static pressure value adaptive reset method of Mamdani fuzzy reference model based on target domain of valve position of maximum valve VAV terminal was studied.Variable static pressure automatic control to the supply fan on the air conditioning system intelligent control comprehensive performance test platform of DLUT was accomplished,and the test results show that this method provides greater purpose,quick adjustment to the target domain,small resistance loss to VAV terminal and obvious energy saving effect compared with previous variable static pressure value method.

most unfavorable thermodynamic VAV terminal,maximum valve VAV terminal,target domain of valve position,Mamdani fuzzy reference model,static pressure value,adaptive reset method

1003-0344（2015）05-013-6

2014-3-24

張吉禮（1969～），男，博士，教授；大連市甘井子區凌工路2號大連理工大學建設工程學部3號實驗樓417房間（116024）；0411-84707735；E-mail:zjldlut@dlut.edu.cn

國家自然科學基金資助項目（No.51078053）；國家自然科學基金面上項目（No.51378005）