模型预测控制在暖通空调系统智能PID自整定中的应用实现了超低能耗建筑的自适应节能

《Scientific Reports》：Model predictive control for intelligent PID self-tuning in HVAC systems achieves adaptable energy savings in ultra-low energy buildings

　　

摘要

在超低能耗建筑中，如何在动态运行条件下维持暖通空调（HVAC）系统的效率仍然是一个关键挑战，尤其是采用固定参数的传统比例-积分-微分（PID）控制器，其无法自适应地应对系统非线性及可变的气象负荷。针对这一问题，本研究开发并对比评估了两种面向模型预测控制（MPC）的策略——基于神经网络的方法和基于模糊逻辑的方法（简称NN-MPC和FLC-MPC），用于超低能耗建筑中地源热泵系统PID参数的实时自整定。其核心创新在于FLC-MPC基于规则的架构，在适应系统非线性和运行不确定性方面优于传统的数据驱动方法。基于校准TRNSYS模型的仿真结果表明，本研究的贡献在于直接且定量地展示了这种自适应能力：NN-MPC在两个测试日内平均节能1.72%，而FLC-MPC则实现了更高的平均节能率5.55%，并在8月10日达到峰值16.46%，同时保持室内温度在仿真中指定的固定舒适设定值。此外，所提出的数据驱动MPC框架具有显著的应用潜力——通过集成到现有楼宇管理系统中，无需更换硬件即可实现基于数据的PID参数调优。这推动了自适应HVAC控制，在多种气象条件下有效平衡能效与热舒适度，表明其在下一代低能耗建筑运行中具有潜在的应用价值。