人工智能在環控系統中的研究與應用

崔梓華，陳媛媛，原志鋒

（廣東申菱環境系統股份有限公司）

1 研究背景

工業企業建設需要著力解決企業能耗、污染、物料、噪聲等環境問題，真正實現生活、工業生產、交通、環境的融合。

近年來，隨著信息技術的飛速發展，帶動了大數據處理與分析、智能預測與診斷、智能優化與決策等新興領域的蓬勃發展。在這一背景下，需要探索建立環境人工智能（Artificial Intelligence，以下簡稱AI，即環境AI）技術體系，通過環境大數據采集與處理、基于環境大數據的系統診斷與預測、基于事件和預測的動態調度與優化控制、基于計算機視覺的行為和事件智能識別等關鍵技術，研發工業企業智慧環控系統，對客戶產品的使用環境、生產生活所要求的不同室內環境以及固廢氣污染物排放的達標環境進行24 小時實時檢測和智能化調節控制，實現能源的動態管理、生態環境的平衡以及安全運維的保障。

本項目成果具有廣闊的應用空間，可面向多元化用戶（例如，各類型工業企業、園區管理者、運營商、政府部門等）定制推廣，實現其運營全生命周期的能耗、污染、噪聲等環境系統管控。本項目的研究和應用有利于探索和建立自主創新的環境AI 技術體系，為工業企業乃至全國各行業提供可持續發展的有效技術方案，為我國工業企業轉型升級提供堅實的技術力量。

2 人工智能技術應用及內容

環控系統如何有效運行成為研究和應用領域的熱點和目標，圍繞環境AI 技術體系，本項目的研究開發內容主要有以下幾方面內容。

2.1 環境大數據采集與處理

本研究將研發大規模的數據采集中間件，解決大規模數據并發采集的可靠性、及時性及數據標準化的問題[1]。

大數據采集中間件的結構見圖1。

圖1 大數據采集中間件結構示意圖

擬使用OPC UA 標準實現系統內外各服務及組件的信息交互，構建可擴展的數據采集中間件，通過這套按OPC UA標準構建的數據采集中間件，實現了工業企業內部的傳感器及執行器、自動化系統、MES、ERP等各種不同類型及層級的數據源的數據融合及數據交互。另外，為解決對大量數據并發請求的實時性和穩定性問題，擬研究采用Redis 搭建數據緩存。通過各種通信接口協議實現數據接收后，將各系統大量的數據放入redis 供上層系統使用。

2.2 系統診斷和健康預測

系統診斷和健康預測是通過綜合利用產品設備的各類數據信息，如當前的運行數據、狀況數據、當前的環境和工作條件數據、出廠的試驗數據和歷史數據等，并借助如工藝數學模型、大數據分析和人工智能判別等技術，預測關鍵部件或設備系統的未來健康狀態趨勢，以及預估的剩余使用壽命[2‐3]。文章結合相關理論基礎，擬通過對以下AI模型的研究，開發系統診斷和健康預測AI 引擎，實現對設備健康狀態的認知和預測：

1）基于故障狀態信息的故障診斷與預測模型

即通過直接輸入故障事件，并基于此事件與相關參數的關系類比，通過大數據分析技術，預測未來出現同類故障時，其他狀態參數的趨勢或閾值，進而對即將出現的故障進行預判，對整體健康狀態進行識別與評估；

2）基于異常數據的故障診斷與預測模型

收集及記錄設備在非正常工作狀態下的特征數據，如壓力、溫度、振動、電流、功率等的裂變過程數據及故障閾值數據，結合設備的工藝特性對這些數據進行分析實現基于趨勢分析的故障和健康預測；

3）基于使用環境信息的故障預測模型

基于設備設計參數中的環境要求，通過對設備運行環境參數進行數據分析，對設備關鍵部件和系統整體進行故障和健康預測。

擬采用的預測和識別算法包括：

1）概率趨勢分析算法

此算法通過異常現象對應的關鍵參數集，依據歷史數據建立各參數變化與故障損傷的概率模型(退化概率軌跡)，與當前多參數概率狀態空間進行比較，對當前健康狀態判斷與趨勢進行分析。通過當前參數概率空間與已知損傷狀態概率空間的干涉來進行定量的損傷判定，基于既往歷史信息來進行趨勢分析與故障預測（見圖2）[4]；

圖2 概率趨勢分析模型

2）基于工藝模型的趨勢分析算法

此算法利用建立被觀測對象動態響應模型（包括退化過程中的動態響應），針對當前系統的響應輸出，進行參數辨識，對照正常狀態下的參數統計特性，對故障模式進行確認、故障診斷和故障預測（見圖3）[5]。

圖3 基于工藝模型的趨勢分析圖

3）神經網絡分析算法

此算法把以往已監測到的故障現象及相關的故障特征數據作為神經網絡的輸入節點，把可能的故障原因作為輸出節點，利用神經網絡的自我學習能力，通過已記錄的故障特征數據及相應故障原因對神經網絡模型進行“訓練/學習”，然后利用“訓練/學習”后的模型對當前設備進行故障診斷。由于神經網絡具有學習能力及自適應特征，因此比較適合難以建立相對準確數學模型的設備故障診斷。

2.3 能源負荷預測與優化控制

能源負荷預測與優化控制是通過綜合利用室外氣象數據，人員行為識別數據，產品設備運行數據和歷史數據等，并借助工藝數學模型、大數據分析和人工智能判別等技術，對室內環境調節負荷進行預測，進而對系統節能運行進行優化控制。

在項目中，結合相關理論基礎，擬通過負荷預測、系統優化控制以及能源與室內環境節能優化三大AI 模型進行研究，開發能源負荷預測與優化控制AI 引擎，實現環控系統用能的智慧化管理。

1）負荷預測

影響日逐時冷負荷的因素很多，包括室外氣象參數、室內人員數量、人員行為（通過行為和事件智能識別AI 引擎的識別結果輸入）、建筑結構、室內設備以及系統工作方式等，其中氣象參數中就有干球溫度、相對濕度、風力大小、太陽輻射量等。逐時負荷的大小與上述各種影響因素之間是一種多變量、多耦合、非線性的映射關系[6]。

優先考慮采用整體收斂性和準確性更高的小波神經網絡建立冷負荷預測模型，負荷預測控制主要包括預測模型、滾動優化以及反饋校正。預測模型結合三基地建筑主體信息，佛山市氣象參數，功能分區等信息篩選確定7 大主要模型輸入參數，則設計預測模型結構見圖4。

圖4 負荷預測神經網絡結構圖

由于系統首次運行缺少數據，對于前面兩個月的負荷預測，擬采用移動平均法，在樣本數據積累一年之后，則由AI系統記錄到的數據作為輸入層逐時參數，對系統實時冷負荷進行預測輸出。

2）系統優化控制

搭建空調系統的仿真模擬平臺，對系統正常運行的所有工況和所有故障進行動態模擬，同步采集相應動態數據，篩選分析出有效樣本數據并考慮特殊事件影響因子，進而實現對系統模型的準確辨識。

同時，基于預測的建筑空調負荷數據，通過迷糊神經網絡控制器模型對下一時刻的控制參數（流量和溫度）進行預測，最終根據下一時刻控制參數（出口流量和出口溫度）與其影響因素之間的關系，用于預測系統運行的控制策略。

仿真平臺的數據采集模型運行仿真步長設置為5s，數據采集時間間隔取1min，動態采集夏季，過渡季及冬季相系統運行數據。

3）能源與空調節能優化

目前，園區用能系統主要包括天然氣、太陽能、余熱利用、暖通用能等四大板塊系統，未來還可以進行用能系統的擴展。

搭建覆蓋各用能板塊設備的動態聯合仿真平臺，用該仿真平臺對用能板塊設備運行數據進行采集，并基于已建立的園區能源系統節能評價系統對設計及運行參數進行對比分析，通過對比平臺內部嵌入的能效和最優運行參數數據庫，對各大系統及相應設備進行優化分析和能效評價，并通過自動尋優反饋到用能設備，以達到最佳節能效果下的各項數據，作為園區能源系統運行控制的技術和數據沉淀（見圖5）。

圖5 能源系統節能評價結構圖

2.4 固廢氣處理預測與達標控制

固廢氣處理預測與達標控制是通過綜合利用固廢氣達標排放數據，產品設備運行數據和歷史數據等，并借助工藝數學模型、大數據分析和人工智能判別等技術，對固廢氣進行處理預測，達標處理優化以及自動監測。

在項目中，結合相關理論基礎，擬通過固廢氣處理預測模型、達標控制模型以及自動監測系統進行研究，開發固廢氣處理預測與達標控制AI 引擎，在保障固廢氣達標排放的基礎上，通過優化控制以及利用谷電等措施進一步降低固廢氣處理能耗，從而在規避用能高峰的同時實現與整個工業廠區的能源轉化的整體協調。

1）處理控制

固廢氣處理過程是一個強非線性系統，設計采用自組織模糊神經網絡建立固廢氣處理過程的非線性預測模型，基于預測模型實現固廢氣達標參數的精確控制，除了保障固廢氣處理過程的穩定可靠外，需要盡可能降低固廢氣系統運行能耗，設計一種針對固廢氣處理過程多種非線性耦合達標控制的模型預測控制方法，該模型可以根據嵌入的各種處理過程運行參數數據庫，實時矯正調優控制變量，以保證固廢氣處理達標和用能最優。

該系統需要建立可靠的模型，設計采用自組織模糊神經網絡預測模型（見圖6）。

圖6 自組織模糊神經網絡預測模型結構圖

2）達標控制

采用BP神經網絡構建固廢氣處理過程預測模型，包括輸入層參數和輸出層控制變量，模型預測數據將同步至控制器進行動態達標調節。

以污水處理達標控制為例，其污水處理預測和控制系統的結構圖如圖7所示。

圖7 污水處理預測和控制系統結構圖

模型的輸入參數取園區近一至兩周的真實水質采樣，包括考慮天氣，降水等環境影響因子，采樣時間間隔取10min，控制變量主要有氨氮（以N計）（mg/L），總磷（以P 計）（mg/L），需 氧 量（COD 和BOD5）和懸浮物（SS），控制對象為溶解氧和硝態氮（見圖7）。

3）自動監測

在對固廢氣處理預測和達標控制的基礎上，設計固廢氣系統的監測系統，以廢氣自動監測系統為例（見圖8）。

圖8 廢氣自動監測系統圖

3 結語

人工智能技術方面有技術創新和突破在工業企業環控系統中應用中有技術創新和突破，一方面提高工業企業環控水平，降低能耗和運行成本，將有效解決傳統工業企業環控系統存在的行業痛點；同時，項目的智慧環控系統助力工業企業實現固廢氣的達標排放，降低對環境的影響，推動生產與生活的融合；降低能耗，降低能耗峰值，實現節能減排和用能均衡性。因此，環境AI 技術及智慧環控平臺的發展能帶動上下游發展和產業升級。