基于模型预测控制的空气源热泵负荷水温控制方法及系统

摘要

本发明提供了一种基于模型预测控制的空气源热泵负荷水温控制方法，根据获取的各个空气源热泵的状态数据与预设离散状态模型，得到第k+j个时刻的初始室内温度预测值；根据空气源热泵负荷未来出力变化序列用向量，得到室内温度增量在第k+j个时刻的预测值；根据上述数据得到第k+j个时刻的最终室内温度预测值；各个温度控制时刻的室内温度期望值与最终室内温度预测值的差值的二次型函数之和为第一变量，各个出力控制时刻的空气源热泵机组出力变化二次型函数之和为第二变量，以第一变量和第二变量的加和最小为目标，得到各个空气源热泵的功率控制序列；本发明实现了空气源热泵水温的更精密控制，有效的保持了室内温度的稳定。

权利要求

1.一种基于模型预测控制的空气源热泵负荷水温控制方法，其特征在于，包括以下过程：获取第k个采样时刻各个空气源热泵的状态数据，所述状态数据为室内温度、进出水温度和空气源热泵的启停状态；

根据获取的各个空气源热泵的状态数据与预设离散状态模型，得到第k+j个时刻的初始室内温度预测值；

根据空气源热泵负荷未来出力变化序列用向量，得到室内温度增量在第k+j个时刻的预测值；

根据第k+j个时刻的初始室内温度预测值和室内温度增量在第k+j个时刻的预测值，得到第k+j个时刻的最终室内温度预测值；

各个温度控制时刻的室内温度期望值与最终室内温度预测值的差值的二次型函数之和为第一变量，各个出力控制时刻的空气源热泵机组出力变化二次型函数之和为第二变量，以第一变量和第二变量的加和最小为目标，得到各个空气源热泵的功率控制序列。

2.如权利要求1所述的基于模型预测控制的空气源热泵负荷水温控制方法，其特征在于，预设离散状态模型，包括：

第k+1个时刻的状态向量为：第一系数矩阵与第k个采样时刻的状态向量的乘积，再同第二系数矩阵与第k个采样时刻的输入向量的乘积的加和；

第k个采样时刻的室内温度为：第三系数矩阵与第k个采样时刻的状态向量的乘积。

3.如权利要求2所述的基于模型预测控制的空气源热泵负荷水温控制方法，其特征在于，所述状态向量包括室内温度、进出水温度和空气源热泵的启停状态。

4.如权利要求1所述的基于模型预测控制的空气源热泵负荷水温控制方法，其特征在于，待控制时域内，出力控制时刻的数量小于或等于温度控制时刻的数量。

5.如权利要求1所述的基于模型预测控制的空气源热泵负荷水温控制方法，其特征在于，室内温度期望值与最终室内温度预测值的差值的二次型函数为：室内温度期望值与最终室内温度预测值的差值的转置、误差权矩阵以及室内温度期望值与最终室内温度预测值的差值三者的乘积。

6.如权利要求1所述的基于模型预测控制的空气源热泵负荷水温控制方法，其特征在于，空气源热泵机组出力变化二次型函数为：

空气源热泵机组出力变化的转置、控制权系数矩阵以及空气源热泵机组出力变化三者的乘积。

7.如权利要求1所述的基于模型预测控制的空气源热泵负荷水温控制方法，其特征在于，空气源热泵的关停时间大于或等于预设阈值。

8.一种基于模型预测控制的空气源热泵负荷水温控制系统，其特征在于，包括：数据获取模块，被配置为：获取第k个采样时刻各个空气源热泵的状态数据，所述状态数据为室内温度、进出水温度和空气源热泵的启停状态；

第一预测计算模块，被配置为：根据获取的各个空气源热泵的状态数据与预设离散状态模型，得到第k+j个时刻的初始室内温度预测值；

第二预测计算模块，被配置为：根据空气源热泵负荷未来出力变化序列用向量，得到室内温度增量在第k+j个时刻的预测值；

第三预测计算模块，被配置为：根据第k+j个时刻的初始室内温度预测值和室内温度增量在第k+j个时刻的预测值，得到第k+j个时刻的最终室内温度预测值；

热泵控制模块，被配置为：各个温度控制时刻的室内温度期望值与最终室内温度预测值的差值的二次型函数之和为第一变量，各个出力控制时刻的空气源热泵机组出力变化二次型函数之和为第二变量，以第一变量和第二变量的加和最小为目标，得到各个空气源热泵的功率控制序列。

9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1‑7任一项所述的基于模型预测控制的空气源热泵负荷水温控制方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑7任一项所述的基于模型预测控制的空气源热泵负荷水温控制方法中的步骤。

说明书

基于模型预测控制的空气源热泵负荷水温控制方法及系统

技术领域

[0001] 本发明涉及空气源热泵技术领域，特别涉及一种基于模型预测控制的空气源热泵负荷水温控制方法及系统。

背景技术

[0002] 本部分的陈述仅仅是提供了与本发明相关的背景技术，并不必然构成现有技术。

[0003] 空气源热泵基于逆卡诺原理进行工作，以制热状态的空气源热泵为例分析其基本工作原理。低压气态冷媒吸收空气中低品位热能后，进入压缩机，热泵压缩机把低温低压气态冷媒转换成高压高温气态，与水进行热量交换。高压冷媒在常温下被冷却、冷凝为液态，冷媒放出热能用来进一步与水进行热量交换。高压液态冷媒通过膨胀阀减压，压力下降，回到比外界低的温度，具备吸热蒸发的能力。低温低压的液态冷媒经过蒸发器(空气热交换器)吸收空气中热能自身蒸发，由液态变为气态，回到比外界低温度，再吸收空气中低品位热能后由压缩机吸入进行压缩，如此往复循环，不断地从空气中吸热，而在水侧换热器放热，制取热水。空气能热泵可以把压缩机所消耗的电能变为比电能多4～6倍的热能，即压缩机压缩功能转化的热能与冷媒从空气中吸收的热能之和，用于加热水。

[0004] 发明人发现，现有的空气源热泵先把水制热成50℃/7℃左右的热/冷水，然后通过水泵经水管路输送到各个房间，与室内进行热交换，达到制热/冷目的。但是，室外温度、湿度、风速、光照以及楼宇的保温特性等均影响室内温度变化，通过启停热水泵机组，改变输入的热/冷量而保持室内温度的恒定，需要建立在精确的楼宇热力学模型的基础上，当前对于热泵机组群的控制较为粗放，大多未计及楼宇模型，难以实现对空气源热泵出水温度的精准控制。

发明内容

[0005] 为了解决现有技术的不足，本发明提供了一种基于模型预测控制的空气源热泵负荷水温控制方法及系统，基于模型预测控制，实现了空气源热泵水温的更精密控制，有效的保持了室内温度的稳定。

[0006] 为了实现上述目的，本发明采用如下技术方案：

[0007] 本发明第一方面提供了一种基于模型预测控制的空气源热泵负荷水温控制方法。

[0008] 一种基于模型预测控制的空气源热泵负荷水温控制方法，包括以下过程：

[0009] 获取第k个采样时刻各个空气源热泵的状态数据；

[0010] 根据获取的各个空气源热泵的状态数据与预设离散状态模型，得到第k+j个时刻的初始室内温度预测值；

[0011] 根据空气源热泵负荷未来出力变化序列用向量，得到室内温度增量在第k+j个时刻的预测值；

[0012] 根据第k+j个时刻的初始室内温度预测值和室内温度增量在第k+j个时刻的预测值，得到第k+j个时刻的最终室内温度预测值；

[0013] 各个温度控制时刻的室内温度期望值与最终室内温度预测值的差值的二次型函数之和为第一变量，各个出力控制时刻的空气源热泵机组出力变化二次型函数之和为第二变量，以第一变量和第二变量的加和最小为目标，得到各个空气源热泵的功率控制序列。

[0014] 本发明第二方面提供了一种基于模型预测控制的空气源热泵负荷水温控制系统。

[0015] 一种基于模型预测控制的空气源热泵负荷水温控制系统，包括：

[0016] 数据获取模块，被配置为：获取第k个采样时刻各个空气源热泵的状态数据；

[0017] 第一预测计算模块，被配置为：根据获取的各个空气源热泵的状态数据与预设离散状态模型，得到第k+j个时刻的初始室内温度预测值；

[0018] 第二预测计算模块，被配置为：根据空气源热泵负荷未来出力变化序列用向量，得到室内温度增量在第k+j个时刻的预测值；

[0019] 第三预测计算模块，被配置为：根据第k+j个时刻的初始室内温度预测值和室内温度增量在第k+j个时刻的预测值，得到第k+j个时刻的最终室内温度预测值；

[0020] 热泵控制模块，被配置为：各个温度控制时刻的室内温度期望值与最终室内温度预测值的差值的二次型函数之和为第一变量，各个出力控制时刻的空气源热泵机组出力变化二次型函数之和为第二变量，以第一变量和第二变量的加和最小为目标，得到各个空气源热泵的功率控制序列。

[0021] 本发明第三方面提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方面所述的基于模型预测控制的空气源热泵负荷水温控制方法中的步骤。

[0022] 本发明第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明第一方面所述的基于模型预测控制的空气源热泵负荷水温控制方法中的步骤。

[0023] 与现有技术相比，本发明的有益效果是：

[0024] 1、本发明所述的方法、系统、介质或电子设备，基于模型预测控制，各个温度控制时刻的室内温度期望值与最终室内温度预测值的差值的二次型函数之和为第一变量，各个出力控制时刻的空气源热泵机组出力变化二次型函数之和为第二变量，以第一变量和第二变量的加和最小为目标，得到各个空气源热泵的功率控制序列，实现了空气源热泵水温的更精密控制，有效的保持了室内温度的稳定。

[0025] 2、本发明所述的方法、系统、介质或电子设备，分析了空气源热泵负荷和空气源热泵机组群供暖/冷工作原理，并建立了空气源热泵负荷用电模型，能够准确描述空气源负荷电功率与所属建筑物楼宇室内温度之间定量关系；建立了空气源热泵负荷水温控制的模型预测控制模型，实现了水温的精准控制，减少了运行成本，提高了用户的舒适度。

[0026] 本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

[0027] 构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

[0028] 图1为本发明实施例1提供的空气源热泵机组群工作原理示意图。

[0029] 图2为本发明实施例1提供的基于模型预测控制的空气源热泵负荷水温控制构架示意图。

[0030] 图3为本发明实施例1提供的基于模型预测的空气源热泵负荷室内温度控制原理示意图。

具体实施方式

[0031] 下面结合附图与实施例对本发明作进一步说明。

[0032] 应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

[0033] 需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

[0034] 在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

[0035] 实施例1：

[0036] 本发明实施例1提供了一种基于模型预测控制的空气源热泵负荷水温控制方法，本实施例所述的空气源热泵机组群工作原理如图1所示，其负荷模型如下：

[0037] 空气源热泵j的制热/冷效率，即空气源热泵电功率与制热/冷量之间关系，可表示为：

[0038] Qej＝copjQHPj   (1)

[0039] 式中：Qej和QHPj分别表示空气源热泵j的电功率和制热/冷量；copj为制热/冷能效比，表示空气源热泵负荷j单位功率下的制热/冷量。

[0040] 根据热力学第一定律，空气源热泵出水温度随时间t的变化可表示为：

[0041]

[0042] 式中：Te表示空气源热泵出水温度(℃)；Ce表示空气源热泵出水热容(J/℃)；Kw＝cv是热/冷冻水的热导(W/℃)；c是热/冷冻水的比热容(J/℃·kg)；v是热/冷冻水的流量(kg/s)；sj表示热泵j的启停状态：开启时为1，关闭时为0；N表示非变频热泵机组的台数。

[0043] 根据热力学第一定律，空气源热泵回水温度随时间t的变化可表示为：

[0044]

[0045] 式中：Tb表示空气源热泵回水温度(℃)；Cb表示空气源热泵回水热容(J/℃)；Qex是热/冷冻水与房间的热交换功率(W)。

[0046] 热/冷冻水与末端房间的冷冻水与室内热量交换满足：

[0047] Qex＝Kair‑water(Ti‑Te)  (4)

[0048] 式中：Ti是室内平均温度(℃)；Kair‑water是热交换热导(W/℃)。

[0049] 室内平均温度变化可以用热空间模型描述：

[0050]

[0051] 式中：Kair和Cair分别末端房间的热导(W/℃)和热容(J/℃)；To是室外温度(℃)。

[0052] 所述空气源热泵负荷水温控制方法，如图2和图3所示，具体为：

[0053] 获取第k个采样时刻各个空气源热泵的状态数据；

[0054] 根据获取的各个空气源热泵的状态数据与预设离散状态模型，得到第k+j个时刻的初始室内温度预测值；

[0055] 根据空气源热泵负荷未来出力变化序列用向量，得到室内温度增量在第k+j个时刻的预测值；

[0056] 根据第k+j个时刻的初始室内温度预测值和室内温度增量在第k+j个时刻的预测值，得到第k+j个时刻的最终室内温度预测值；

[0057] 各个温度控制时刻的室内温度期望值与最终室内温度预测值的差值的二次型函数之和为第一变量，各个出力控制时刻的空气源热泵机组出力变化二次型函数之和为第二变量，以第一变量和第二变量的加和最小为目标，得到各个空气源热泵的功率控制序列。

[0058] 更详细的，包括以下内容：

[0059] 采集样本空气源热泵负荷所属楼宇的运行状态信息，包括室内温度、进出水温度和空气源热泵的启停状态等数据，输入到水温控制器，优化得到各热泵机组的控制信号，实现水温的精准控制，采用模型预测控制(MPC)方法进行控制器设计，便于计及空气源热泵最小启停时间等约束，实现优化控制。

[0060] 空气源热泵负荷室内温度控制的离散状态方程：

[0061]

[0062] 式中：x(k)和u(k)分别为空气源热泵负荷在第k个采样时刻的状态向量[Te(k),T TTb(k),Ti(k)] 和输入向量[PHP1(k),…,PHPn(k)] ，Te(k)为空气源热泵负荷的出水温度，Tb(k)为空气源热泵负荷的回水温度，Ti(k)为空气源热泵负荷的室内温度；n表示空气源热泵台数，y(k)为在第k个采样时刻的楼宇内温度(即室内温度)，A、B、C为系数矩阵。

[0063] 基于模型预测的空气源热泵负荷室内温度控制原理如图3所示。保持前一个控制时域输入不变，根据式(6)求取预测时域[tk,tk+PT]内楼宇内温度的轨迹y0(k+j)|k(j＝1,2,…,P)，其中T为采样周期，P为预测周期数。将空气源热泵负荷未来出力变化序列用向量ΔU(k+j)(j＝1,2,…,M)表示，M为控制周期数。

[0064] ΔU(k+M)＝[ΔPHP1(1)|k,…,ΔPHPn(1)|k,…,ΔPHP1(M)|k,…,ΔPHPn(M)|k]  (7)[0065] 式中：ΔPHPi(j)|k表示第k个采样时刻空气源热泵i在k+j时刻的功率出力变化量，空气源热泵有两个压缩机，每个压缩机启动时为满功率，关闭时功率为零，如式(8)所示：

[0066]

[0067] 式中：Pei为空气源热泵i的额定电功率。

[0068] 令Δy(k+j)|k(j＝1,2,…,P)表示第k个采样时刻室内温度增量在未来各步的预测值，其大小由向量ΔU(k+j)(j＝1,2,…,M)决定，温度的预测输出y(k+j)|k(j＝1,2,…,P)可由下式表示：

[0069] y(k+j)|k＝y0(k+j)|k+Δy(k+j)|k  (9)

[0070] MPC通过优化计算，使目标函数最小得到最优控制序列。只考虑系统未来P步内的优化控制问题，由室内温度期望输出yr(k+j)|k(j＝1,2,…,P)与温度预测输出y(k+j)|k(j＝1,2,…,P)之差及未来M步的空气源热泵机组出力变化序列ΔU(k+j)(j＝1,2,…,M)的二次型函数作为系统未来P步内的系统性能指标，目标函数通常用如下形式表示：

[0071]

[0072] 式中：Q和R分别为误差和控制对角权系数矩阵，为防止空气源热泵频繁启停造成机组损坏，需要有最小关停时间TiSmin约束：

[0073] TiSmin≤TiS  (11)

[0074] 式中，TiS为空气源热泵i的关停时间。

[0075] MPC在每一采样时刻，得到的是一组最优控制序列，但只把序列中的第一个控制作用到对象上去，算法的核心是：不断滚动进行局部优化并滚动实施控制作用。

[0076] 实施例2：

[0077] 本发明实施例2提供了一种基于模型预测控制的空气源热泵负荷水温控制系统，包括：

[0078] 数据获取模块，被配置为：获取第k个采样时刻各个空气源热泵的状态数据；

[0079] 第一预测计算模块，被配置为：根据获取的各个空气源热泵的状态数据与预设离散状态模型，得到第k+j个时刻的初始室内温度预测值；

[0080] 第二预测计算模块，被配置为：根据空气源热泵负荷未来出力变化序列用向量，得到室内温度增量在第k+j个时刻的预测值；

[0081] 第三预测计算模块，被配置为：根据第k+j个时刻的初始室内温度预测值和室内温度增量在第k+j个时刻的预测值，得到第k+j个时刻的最终室内温度预测值；

[0082] 热泵控制模块，被配置为：各个温度控制时刻的室内温度期望值与最终室内温度预测值的差值的二次型函数之和为第一变量，各个出力控制时刻的空气源热泵机组出力变化二次型函数之和为第二变量，以第一变量和第二变量的加和最小为目标，得到各个空气源热泵的功率控制序列。

[0083] 所述系统的工作方法与实施例1提供的基于模型预测控制的空气源热泵负荷水温控制方法相同，这里不再赘述。

[0084] 实施例3：

[0085] 本发明实施例3提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明实施例1所述的基于模型预测控制的空气源热泵负荷水温控制方法中的步骤。

[0086] 实施例4：

[0087] 本发明实施例4提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明实施例1所述的基于模型预测控制的空气源热泵负荷水温控制方法中的步骤。

[0088] 本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

[0089] 本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

[0090] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

[0091] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

[0092] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read‑Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

[0093] 以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。