可见，“负荷预测控制”不是被动地跟随偏差信号动作，而是通过负荷预测主动地提前一个时间τ动作，以保证系统供冷与负荷用冷在数量上相等、在时间上同步，从而消除供需之间冷量的数量差与时间差。 USLG G}R
3 空调负荷的动态预测 USLG G}R
应用“负荷预测控制”技术的一个关键就在于空调负荷的准确预测，它决定了控制的效果和品质。 USLG G}R
由于受外部气象参数变化和内部人员流动性等因素的影响，空调负荷总是变化的，为了给系统控制提供依据，就必需对空调系统负荷进行动态预测，或者说对负荷变化进行预测，它是“负荷预测控制”的基本前提条件。 USLG G}R
在控制过程中，主要是预测未来一日或一周内的负荷变化曲线，即短期预测。由于空调负荷受到天气和工作制等周期性变化因素的影响，往往呈现出周期性变化规律，每周的同日之间及每日的同时刻之间的负荷曲线存在很大的相似性。因此，可采用短期动态预测的常用方法，即经典的季节性指数平滑模型或改进型季节性指数平滑模型。 USLG G}R
指数平滑法是根据预测对象本身的历史数据来进行预测的，属于时间序列预测技术范畴，它简单易行，且有较好的预测精度。改进型指数平滑法，是在以上方法的基础上，结合建筑物空调负荷和影响因素之间的关系——空调日负荷和日平均气温之间的强烈相关性，对部分因子进行了修正，可以进一步提高负荷预测的精度，且降低了预测模型的应用难度。 USLG G}R
空调日负荷一般受到建筑物内部和外部两方面因素的影响。建筑物内部的影响来自于内部各种生产工艺设备、电气设备、照明设备、人体等所产生的热、湿量。建筑物外部的影响则来自于太阳辐射进入的热量和室内外空气温差经围护结构传入的热量。在这些影响因素中，内部因素相对而言较为稳定，波动幅度较小，而外部因素是不稳定的，波动幅度较大且随季节而变化。 USLG G}R
空调负荷的动态预测，需要建立一个数据较准确的、内容较丰富的数据库，因此，必须对空调系统的实际运行情况进行大量的数据收集。即通过各种传感器，实时采集空调系统的运行参数(如冷冻水的供水温度、回水温度、流量及压差等)和室外环境温度等。根据这些采集数据，控制系统可以获得空调系统在整个空调季节内每天逐时的实际负荷和每天逐时的实际气温数据，并利用计算机技术和数据库技术进行统计、记录和贮存，以供负荷预测使用。 USLG G}R
空调负荷的动态预测就是根据历史的逐时负荷数据和实际采集的各种数据，必要时，可以参考典型建筑物的逐时负荷系数，估算空调系统未来的逐时负荷和日总负荷。 USLG G}R
利用实测的完整的负荷和气温数据，还可以充分地验证和修正空调负荷动态预测模型，不断提高负荷预测的准确性。由于负荷预测中总有部分不可预见的因素或难以考虑的因素，因此要做到100%的准确度是不现实的，但通过努力做到90%左右的负荷预测精度还是可能的，即负荷的预测值与实测值的偏差可以控制在±10%左右。这样，基本上消除了冷冻水系统变流量控制的盲目性和时滞性，获得了令人满意的控制效果。 USLG G}R
通过对不同地区、不同类型中央空调系统的大量工程项目的数据收集，可以得到适用于宾馆饭店、商场、机场、办公大楼、写字楼、工厂等各种类型中央空调系统负荷动态预测的模型和典型数据库，建立起典型建筑物空调负荷的时间分布曲线，包括日负荷分布曲线与年负荷分布曲线，为“负荷预测控制”这一先进的控制模式的推广应用创造良好的条件。 USLG G}R
4 基于负荷预测的冷冻水流量动态控制技术 USLG G}R
(1)基于负荷预测的冷冻水流量动态控制工作原理 USLG G}R
“负荷预测控制”是一种动态控制，采用PID控制是无法实现的，需要采用新的控制技术——智能模糊控制技术。 USLG G}R
基于负荷预测与智能模糊控制技术的控制系统，其构成原理方框图，如图1所示。 USLG G}R
注意：传感器环境温度Tf 保护限制 TD1min GDmin △P min △P max 模糊控制规则库 复合数据库 负荷预测 模糊化处理 模糊推理(决策) 清晰化处理 USLG G}R
执行器(智能控制柜) 广义对象(冷冻水系统) 信息处理与负荷计算 传感器 供水温度TD1 回水温度TD2 水流量GD 供水温度TD2 供回水压差△P USLG G}R
基于负荷预测的模糊控制，其基本思想就是让计算机模拟人脑的智能决策行为实现冷冻水流量的动态控制，它没有一个事先确定的固定不变的被控参量给定值，而是以负荷预测的输出值作为模糊控制器的控制依据(给定值)。 USLG G}R
基于负荷预测的模糊控制过程如下： USLG G}R
当系统运行时，通过各种传感器采集与控制相关的各运行参量并传送至信息处理器，采集的参量包括从冷水机组蒸发器流出的冷冻水供水温度TD1，从末端换热器流回冷水机组蒸发器的冷冻水回水温度TD2，冷冻水流量GD，冷冻水供回水压差ΔP，室外环境温度Tf等。 USLG G}R
信息处理器完成各种信息的综合处理及当前空调系统负荷Q的计算，并传送至负荷数据库、负荷预测器和比较器。负荷数据库中储存有大量的历史负荷数据，包括近期的和早期的。 USLG G}R
负荷预测器依据系统的历史负荷数据、当前负荷数据和影响负荷的室外环境温度等，根据空调负荷动态预测模型，预测出空调系统未来时刻(如冷冻水循环一周的总时滞时间τ)的负荷(需冷量)QD，传送给模糊控制器。 USLG G}R
模糊控制器通过比较得到被控负荷变量的偏差及偏差变化量，利用模糊控制规则库中的推理规则或规则表，模仿人类下判断时的方法，运用模糊逻辑和模糊推论法进行推论，得到可获得预期冷量QD的系统优化运行参数(如冷冻水流量GD)的模糊控制值。 USLG G}R
推论所得到的优化运行参数模糊控制值，经清晰化(解模糊化)处理转换为精确的控制值，通过执行器(即水泵智能控制柜)去控制被控对象(冷冻水泵)的台数和转速，以调节冷冻水的循环流量，为时间τ以后的时刻提供空调系统所需的冷量QD。 USLG G}R
然后，检测时间τ以后的实际负荷(冷冻水的供冷量)并与预测负荷QD进行比较，对负荷预测控制效果进行评估,并根据比较和评估情况，进行相应的修正调节： USLG G}R
当检测到的实际负荷大于预测负荷时，则提高冷冻水泵的转速，增大冷冻水流量，以增加冷量供应，保证末端对冷量的需要。 USLG G}R
QQ帐号登录
内容互通，快速登录
