建筑节能中的热环境建模与优化控制问题

With the rapid development of economy, energy consumption in China is considerable. Building energy consumption has accounted for more than a quarter of the total social energy consumption and the ratio is still in increase year by year. Against this background, research on modeling and optimal control problems for thermal environment in building energy efficiency area is of great practical significance and applications. The complicated dynamics of building thermal environment result in the contradiction between modeling accuracy and rapidity, which further brings difficulty to thermal environment controller design. In this project, model reduction technique and multi-model method are employed for fast and accurate modeling of complicated thermal environment characterized by the distributed parameter system. Further, considering indoor thermal comfort and building energy consumption simultaneously, an optimal control scheme is designed. By combining CFD simulation with model reduction and by extending nonlinear system's linearization method to complicated distributed parameter system, indoor thermal environment is constructed in linear, extremely low-order and multi-model form, which is the main innovation of this project. On this basis, through research on optimization of the number/location of temperature sensors and integration of thermal environment model with building energy consumption model, a pratical and energy-efficient control strategy for building thermal environment is finally set up, which will promote the further development and applications of building energy efficiency technologies.

我国是能源消耗大国，其中建筑能耗约占我国社会总能耗的25%，且比例仍在逐年提升。在此背景下，对建筑节能中的热环境建模和优化控制问题展开研究具有重要现实意义和实际应用价值。本项目针对当前建筑热环境模型精度与复杂度之间的矛盾以及由此带来的热环境控制器设计的困难，致力于运用模型降阶和多模型的思路对复杂分布式参数的建筑热环境进行快速精确建模，并设计出综合考虑建筑室内热舒适度和建筑能耗水平的热环境优化控制方案。本项目的创新之处在于将CFD仿真与模型降阶技术结合，并将非线性系统在平衡点线性化展开的思路扩展到复杂分布式参数系统，建立低阶的、多模型形式的室内热环境数学模型。在此基础上，通过温度传感器数目与位置的优化、热环境模型与建筑能耗模型的融合，最终，本项目旨在为暖通空调系统提供一种实用、节能的热环境控制策略，促进建筑节能技术的进一步发展和和应用。

随着我国城镇化建设与人民生活水平的快速发展，降低建筑能耗、提高室内舒适度的需求越来越高。此背景下，建筑环境与能量系统的精确建模、控制与优化研究尚未实现建筑、暖通专业知识与控制理论的有机结合。本项目从控制学角度围绕建筑室内热环境的降阶建模与控制、建筑室内多环境参数优化、建筑能量系统性能优化、以及建筑电能耗短时预测等四个方面展开研究。首先，针对建筑热环境CFD模型精度与复杂度之间的矛盾以及由此带来的控制器设计困难，提出基于本征正交分解思想的室内热环境快速建模方法。在此基础上，采用多模型切换控制的思路，通过离线-在线方式对室内热环境实现高分辨率精确调节；其次，针对目前建筑室内环境的优化策略大都忽视环境参数空间分布的问题，我们采用本征正交分解方法，结合多维插值和遗传算法，设计一种综合考虑室内热舒适度、空气质量及空调能耗的优化策略。其中本征正交分解用于重构低阶的环境参数空间，其与多维插值算法的结合可快速求解目标函数，确保优化算法的实时性；第三，当前建筑能量系统的仿真与优化软件存在算法封闭、扩展性差等缺陷。基于此，我们自主开发一种用于改善建筑能量性能的通用优化工具。其特点在于整合多方软件组成不同模块，运用数据交互技术将建筑能量仿真中的多种分布式参数直接传递给优化算法，使得优化策略能充分考虑空间分布对环境参数的影响，相对目前的建筑能量与环境优化策略，具有通用性好、优化精度高等优点；第四，在前期研究基础上，我们继续开展建筑电能耗预测模型的研究。通过引入遗传操作机制，将一种改进型微粒群算法用于人工神经网络连接权值与阈值的优化中，提出混合iPSO-ANN建筑电能耗预测模型。预测实验证明该方法预测精度优于广泛使用的神经网络模型及其它PSO-ANN混合模型。另外，为了验证POD降阶模型对大空间建筑环境的逼近能力，我们利用一处1500平方米农业生产型温室，初步开展了实验方案的设计与验证工作。

内容获取失败，请点击重试