叶水国彭彦卿杨永通陈李清

    ( 1. 国药控股星鲨制药(厦门)有限公司，福建厦门 361026；2. 厦门理工学院电气工程与自动化学院，福建厦门 361024)

    基于人工智能的中央空调能源管理优化控制系统的设计

    叶水国1彭彦卿2*杨永通2陈李清1

    ( 1. 国药控股星鲨制药(厦门)有限公司，福建厦门 361026；2. 厦门理工学院电气工程与自动化学院，福建厦门 361024)

    基于人工智能的中央空调能源管理优化控制系统是针对中央空调节能所设计的能源管理系统，通过全面的系统参数监测和非线性动态预测人工智能分析判断，预测和推断下一时段系统的冷负荷工况、系统能耗及其能效优化运行控制参量，对系统载冷剂实施调节控制。针对不同地点的空调负荷设置不同的权重，充分利用负荷信息，提高预测精度。系统依据极端天气、季节、生产周期、人员流动等因素导致的系统冷负荷变化而提前实现系统能耗的实时调节，从而实现系统的高效运行，达到节能减排的目的。经过系统长期运行表明，中央空调系统综合利用率达到43.05 %。

    中央空调；节能；非线性动态预测；人工智能

    能源是经济、社会发展和提高人民生活水平的重要物质基础。我国国民经济持续快速发展，带动了能源消费长期高速增长。目前我国能源供给已呈现出紧张局面，大力推进节约降耗，缓解资源瓶颈制约，实现能源环境和经济社会的可持续发展是我国用能工作的核心。中央空调是大厦里的耗电大户，每年的电费中空调耗电占60 %左右，空调系统在运行中需要消耗大量的能量。在世界范围内，自1945年以来，空调所消耗的能量每年平均以4% ～ 5%的速度增长，部分企业用于空调冷冻的用电量占全厂用电量的三分之一，甚至更高[1]。因此在中央空调使用方面有效地利用能源和降低能量的消耗是我们面临的重要任务。

    当今中央空调系统运行的能源管理优化控制技术多采用分区多工况调节方式或者通过变频变压来达到经济运行，此外神经网络或者模糊控制结合PID算法在空调能源管理优化控制系统中得到了广泛的应用[2]。以灰色系统模型GM(1, 1)为基础的各类灰色系统模型得到了广泛的应用，但是单纯的灰色模型GM(1, 1)对空调系统负荷进行灰色预测时，只能给出相应的变化范围，预测精度不高[3]。由于空调负荷受天气、季节、生产周期、人员流动等多因素的影响，因此空调负荷是典型的非线性问题。所以本文运用非线性动态GM(1, 1)模型，即NLDGM(1, 1)模型进行空调负荷的预测。预测结果表明该模型具有较强的应用性和优越性。

    1 中央空调能源管理优化控制系统的总体设计 ......