摘要：采暖通风空调系统的出现改善了人们的生活舒适度，但是由于节能理念的提出，采暖空调系统（HVAC）逐渐向节能高效的方向发展，近零能源建筑（ZEBs）因此被提出。针对HVAC系统，从建筑节能的角度出发在控制方面展开文献综述，对目前HVAC系统主流控制方法进行汇总整理，主要从常规PID方法、改进PID方法、智能优化算法和MPC控制方法进行分类阐述。
关键词：HVAC系统；PID控制；MPC
随着人民生活水平的提高，对热舒适和空气质量要求逐步上升，因此采暖通风与空调（HVAC）系统应运而生。HVAC系统考虑了热湿环境，空气环境和声环境等综合作用和干扰，保证了建筑环境中人们对舒适供热和良好的空气质量的要求。从控制角度看，HVAC系统是通过调节空间或房间中的温度、湿度、洁净度和空气流动速度以提供足够量的新鲜空气的建筑环境控制系统。但随着当前人民环保意识的提升，空调工程建设在满足基本的供暖需求基础之上，还要注重环保和节能方面的综合设计考量。从上个世纪70年代开始，建筑节能越来越受到重视，这是由于建筑能耗过大，占到全球总能耗的30％～40％，而采暖和空调的能耗占建筑总能耗的55％。为解决能耗问题，近零能源建筑（ZEBs）被提出并不断发展，它是一类尽量不消耗常规能源，完全依赖太阳能和其他可再生能源的建筑。实现ZEBs主要从两个方面优化，一是改进HVAC系统和建筑使用材料，充分高效使用清洁能源和储能与低能耗材料，提高建筑中的能源利用效率，二是改进控制策略，在HVAC系统中采用最优控制策略。目前较普遍的控制方法是PID控制，但面对性能要求越高，控制环境越复杂的系统，PID控制已经无法很好地进行控制，因此先进控制算法在不断地研究中。本文针对目前的HVAC系统的控制方法进行综述。
1HVAC控制方法的发展历程及经典控制方法
传统的HVAC系统主要应用经典PID控制策略，应用在简单建筑系统是可靠的，但是它通常不能处理具有高性能的HVAC系统，因此产生了很多PID改进方法。20世纪80年代以前HVAC系统大多采用继电器来进行室温的调节，调节精度有限，随着直接数字控制器(DDC)的出现，HVAC系统中的模拟调节器逐渐被DDC所取代，从而传统的PID控制在暖通空调领域得到广泛的应用。文献［1］采用PI控制器通过阀门来控制排气温度；文献［2］采用PI对风机的速度进行控制，实验结果表明为了避免系统出现不稳定情况，必须对PI控制器的比例积分系数和采样时间合理整定，之后将PID控制用于压缩机和蒸发器的电机速度调节，以实现制冷去湿，并建立了系统的数值模型以及PID算法三个参数的解析整定方法，同时给出了系统的两种控制策略；文献［3］设计了一种新的具有鲁棒性能的PID控制器，被用于单个房间空间的温度控制系统，隔年，还针对具有时延的变风量空调系统的稳定性进行了分析并提出了种新的PID控制器整定方法，并在此基础上作了仿真研究。近年来，国内针对HVAC系统的PID改进方法也在不断发展，文献［4］研究了单神经元自适应PID控制器在空调系统的应用，仿真结果表明，基于单神经元自适应PID控制器的空调系统，即使环境扰动十分复杂，仍然能够保持快速响应、平稳过渡及无静差、超调小的优良性能；文献［5］也同样提出了神经元自适应PI控制算法，并设计了一种对应的整定规则，利用神经元良好的自学习和自适应能力，通过神经元权值系数的自学习供暖实现PI控制器参数的实时整定，并与常规PI控制器的控制性能进行了比较，结果表明其具有更优异的控制性能，该方法与文献［4］的方法的最大不同之处在于其空调模型是实时在线辨识的。
2基于先进控制方法的HVAC系统综述
2．1基于智能算法的HVAC系统控制方法及其改进
智能算法在HVAC内的应用主要是为解决HVAC系统的多目标优化问题，优化算法从早期的依赖梯度的寻优方法（如序列二次规划）发展到目前广泛运用的各类智能优化算法如神经网络、遗传算法等，优化参数则涵盖了室内环境的各方面，包括热舒适度、IAQ、湿度、通风率以及空调能耗等。针对HVAC系统的热舒适度和空气质量舒适度多目标优化问题，文献［6］提出了一种基于粒子群法（PSO）的最优控制策略，通过最优化供回流空气体积流量和供气温度来达到控制目的；文献［7］利用遗传算法对变风量空调系统进行控制策略的优化，分别调节新鲜空气供应率和供气温度，优化的目标是最小能耗成本，保持每个区域的温度有可接受的热舒适度和室内空气质量，此方法可保证在夏季对舒适度达到满意。但是寻优算法的不足之处在于其优化参数需要不断测试，也易陷入局部最优，用于实际系统时具有局限性。神经网络模型也广泛地运用于HVAC系统中，香港城市大学的AhertTPSo［8］研究了3层前向神经网络BP算法用于空调系统辨识及控制的情况，并将神经网络控制器的良好性能与常规的PID控制器进行了对比，研究表明，神经网络控制器具有良好的控制效果；文献［9］采用模糊神经网络模型对中央空调系统进行控制，研究表明，建立的模糊神经网络控制模型，不仅有提高中央空调系统工作效率的作用，同时也有降低系统控制误差的效果；文献［10］分析了暖通空调系统的智能解耦策略，由于多设备多控制回路组成的暖通空调系统具有很强的耦合性，为了实现解耦，可以采用通道补偿法来弥补其他路径的干扰问题。选用的方法有神经网络逆解耦和模糊解耦法。
2．2基于MPC方法的HVAC系统综述
已经有很多实践证明，模型预测控制（MPC）是一种能够处理复杂的实时优化控制问题的先进控制策略。MPC是控制流程工业中复杂的相互作用动态系统的一种行之有效的方法，并一直受到建筑控制研究界的广泛关注。VitaliVansovits等人提出了控制集中供热系统的MPC方法，控制目标是室内温度和建筑热舒适度，通过建立集中供热系统的线性状态空间模型作为MPC的控制模型。并将该方法与经典PI控制的效果进行对比，可大幅降低控制误差。目前几乎所有的MPC都是经济MPC（E－MPC）算法，即以成本和节能为目标优化的控制算法。如文献[11]提出了基于经济目标的空调系统MPC方法，以解决由于空调系统运行或控制方式不恰而造成的能源浪费，着重于控制含有制冷剂的空调系统中的蒸汽压缩循环（VCC）问题，因此其通过VCC获得的数据辨识线性模型作为控制模型；文献［12］介绍了一种基于粒子群优化（PSO）的非线性模型预测控制（MPC）算法，它很好地结合了MPC和PSO的优点，因为MPC在选择控制目标为成本最小化问题非常灵活。将MPC与PSO相结合不仅可以灵活地表示经济代价函数，而且可以解决非线性过程的优化问题。仿真结果表明该控制器可以进行有效的节能，并且目前已应用于中国北方的塑料日光温室。但是建筑暖通空调系统的热惯性是较大的，还需要考虑天气预测等扰动，因此EMPC必须考虑相对较长的预测长度，这会导致为实时实施的计算带来困难。为此，文献［13］研究了一种新型的E－MPC分层结构，该结构能保证在很短的时间内选择维持室内温度在一定范围的最快控制方案，并完成了从秒到分钟，分钟到小时，小时到天的动态调度。研究证明了在空调机组中的应用中，闭环性能和能效比传统方法有所改善。同时，很多HVAC系统都会将天气预报作为系统的一部分参与控制，以实现一定的抗外界环境干扰的目的。如文献[14]提出了可以应用于实际建筑物温度控制的MPC方法，它将天气预报和室外温度都作为观测变量用于内部温度控制，这样可以合理利用太阳能并保持最小的能耗水平，同时，此方法具有很好的抗外界干扰能力；文献［15］研究了一种充分考虑房屋当前的热状况和提前24小时的天气预报的MPC方法。
通过充分利用室外条件来调节控制器以保证：①房间温度在舒适范围内；②加热或冷却的耗能最少，并通过仿真实验保证了这两项目标均在满意的范围内；文献［16］介绍了一种能够提高能源效率和满足舒适度的基于天气预报的随机模型预测控制（SMPC）方法，舒适度的目标包括控制供暖，通风和空调、建筑区域的电气照明，以使室内温度、二氧化碳浓度和亮度保持在给定的舒适范围内，该方法可有效地解决外界环境的不确定因素带来的扰动。作者通过在四个具有代表性的不同类型的建筑物和HVAC系统分别研究了SMPC的控制性能，天气预报准确性的影响以及SMPC的可调性，研究结果表明SMPC胜过当前用于HVAC系统的一些控制实践。同样，文献[17]提出了基于气候控制的随机模型预测控制（SMPC）策略，该策略考虑了天气预测以提高能源效率，同时满足了舒适性产生的约束。并研究了随机不确定性下的双线性模型以及在不同建筑物体和不同天气条件下的控制性能。研究结果表明SMPC方法比当前的控制方法更有效。很多方法或文献的研究对象都是线性HVAC系统，但其实非线性HVAC系统才是更贴于实际的系统，除了非线性系统之外，约束条件和不确定性也是HVAC系统研究的难点。为此，文献［18］针对非线性HVAC系统以室内温度和室内相对湿度为控制目标提出了支持向量回归的MPC方法，仿真结果表明该方法能够使室内温度和相对湿度快速达到设定值，具有良好的跟踪能力。同样，为处理在供热系统中的非线性，不确定性和约束条件，文献［19］设计了一种鲁棒MPC控制策略来解决系统的两个约束过程：带输入输出双线性和不确定性的区域温度过程以及具有增益非线性的阻尼过程。解决的方法是为室内温度设计双线性预测控制器，为阻尼器过程设计增益调度鲁棒预测控制器为区域温度过程设计。并与抗积分饱和的PI控制器控制效果比较，可以得出该方法具有跟踪性能好、超调小、响应快速的优点；文献［20］研究了基于建筑物负荷和天气情况的MPC算法。通过建立系统的简化混合模型，并将周期性鲁棒不变集作为终端约束以及使用移动窗口策略来解决MPC方案的实时实施和可行性问题。该方案在加州大学默塞德分校进行了实验验证。实验表明，该方案能够使电力成本有所下降，效率也有所提高。由于在控制过程存在天气预测和模型建立与实际有较大偏差的情况可能会造成控制系统不稳定，文献［21］提出的实时校正的MPC控制算法包括实时校正的短期预报天气和在线校准的热存储模型，以方便下一周期的使用，以及可获得当前执行的最优控制；文献［22］设计了一种鲁棒MPC方法以解决噪声和扰动对系统带来的不确定影响，相比于传统的MPC，在面对各种不确定因素的情况下可以保证系统更稳定运行。
2．3其他方法
文献［16］提供了用于解决供热系统的未知但有界（UBB）方法，只要实际的热成本保持在下限和上限之间的预定范围内，应用该方法就可以保证舒适度得以维持，UBB方法还可以处理不可预测的扰动变化，此方法不仅适用于HVAC系统在其他领域同样有效，关键在于确定变量的界限；文献［3］采用具有前馈补偿的预测控制来实现一个最佳控制策略，并与普通LQG控制比较，得出预测控制具有良好的鲁棒和跟踪性能。针对空调系统非线性系统建模困难及难以控制的特点，文献［23］研究了一种基于模糊模型预测控制策略，该方法首先通过对模糊模型进行解析分析，建立非线性系统的型模糊预测模型，然后基于模糊线性化预测模型进行常规预测控制器设计，从而给出了实现该非线性系统模糊模型预测控制方法，仿真实验结果表明了该算法是一种鲁棒性强的有效控制方法，与常规的动态矩阵控制（DMC）相比，该方法具有超调量小，调整时间短等优良的动态性能。针对空调对象由于纯延迟的存在导致控制性能下降的缺点，文献［5］提出了一种自校正Smith预估控制器，在此基础上采用Smith预估控制器对空调系统纯延迟进行精确补偿，达到提高控制性能的目的，并将该自校正Smith预估控制器和经过整定的PID控制器在空调系统的控制性能进行了比较，结果表明该自校正控制算法具有优良的控制性能。
3结束语
本文针对HVAC系统的控制方法方案进行综述。目前HVAC系统的发展趋势主要是将其与清洁能源和高效材料相结合，并将节能作为HVAC系统控制目标之一。关于HVAC系统的控制方法，本文从经典控制方法、智能控制方法、先进控制方法以及其他方法进行综述，经典控制方法如PID在简单HVAC系统上是可靠有效的，但并不能处理具有高性能的复杂HVAC系统，很多文献对PID方法进行改进，或与其他方法相结合并做了相关仿真实验；智能控制方法是解决多目标优化问题的有效途径之一，但是其参数需要不断测试优化，与实际的结合仍在探索之中；先进控制算法（主要阐述了MPC、HMPC等预测控制方法）是目前应用效果较好的一类方法，它可以解决离散和连续参数共存的混合动态逻辑模型，可以实现高性能的HVAC系统的控制。还有一些针对不同系统的控制方法，均对其系统具有良好的控制性能。
作者：唐炜洁 王海涛 单位：中国能源建设集团江苏省电力设计院有限公司
