随着经济的发展,城市规模不断扩大,能耗需求也日益增多。以北京地区为例,近年来为满足日益增长的能源消耗需求,北京周边地区新建了多座火力发电厂,新增发电装机容量加大了电网峰谷差,造成能源浪费;同时火力发电厂燃煤也恶化了北京地区雾霾天气。为了节约能源和改善环境,国家多次出台相关政策鼓励蓄能设备发展,实现调节峰谷差,达到节能减排的目的。在政府引导下,北京地区多个大型建筑安装了冰蓄冷空调系统,以此希望通过减少火力发电厂数量,改善北京的环境状况。但是,课题组前期对北京市冰蓄冷空调系统运行情况进行了调研,发现目前冰蓄冷空调系统普遍存在控制性能不佳的问题,未实现在不同负荷下进行蓄冷和释冷优化控制,大多数情况下操作人员凭借个人经验运行系统,造成整个冰蓄冷空调系统达不到设计指标,未发挥出冰蓄冷空调系统移峰填谷的作用和节能潜力。预测控制是一种优化控制策略,能够通过求解性能指标的最优值,实现冰蓄冷空调系统的优化控制,不仅能够实现优化控制,实现节能,而且对模型要求低,因此本课题采用预测控制实现冰蓄冷系统的优化控制。目前冰蓄冷系统预测优化控制策略的研究工作存在两方面困难,一是缺乏验证控制策略的仿真平台,由于冰蓄冷空调系统设备、回路众多、机理复杂,不便于直接采用MATLAB建模,为控制系统仿真带来了困难;而传统的暖通空调系统仿真平台(例如TRNSYS、Energy Plus等)存在大量非标准化的非动态模型,如冰蓄冷系统的非动态冰槽模型等,不适合用于控制系统仿真,需要针对实际工程建立冰槽模型,与TRNSYS仿真平台的制冷机、水泵等设备配合,进行冰蓄冷系统模拟仿真;二是现有预测控制优化算法计算量大,编程繁琐,不易于工程实现。为解决上述问题,本论文通过TRNSYS(Transient System Simulation Program,瞬态系统仿真程序)软件的模块快速开发和程序调用功能,构建了MATLAB软件和TRNSYS软件的联合仿真平台,并在平台中开发了冰槽模块模型,同时建立了板式换热器的动态模型。在此基础上,利用所开发的动态模型构建了冰蓄冷空调控制系统仿真平台,以达到能够验证基于MATLAB开发的控制策略目的。基于联合仿真平台,本论文建立了北京某大型建筑冰蓄冷空调系统的动态模型。在该冰蓄冷空调系统中,冷冻水经过双工况冷机和冰槽的双重作用,形成了冷冻水回水由13.2℃到出水2.2℃的大温差系统。对于实际工程,稳定低温小量的冷冻水可实现空调水系统和风系统泵的节能控制,因此研究低温大温差冰蓄冷系统预测优化控制策略具有重要意义。现有预测控制优化算法在控制非线性系统时,求解最优解通常可以采用动态规划法和欧拉方程法,但是两者均有不可克服的缺点,本论文研究了神经网络预测控制策略,该策略基于Hamilton-Jacobi-Bellman(HJB)及Euler-Lagrange(EL)方程,通过神经网络求解,该算法具有计算量小、易于工程实现的特点。为了对算法进行验证,本论文采用该算法对所建立的冰蓄冷系统模型进行了控制中,通过神经网络预测控制策略求解冰蓄冷空调系统的优化反馈解。算法的多步预测滚动优化增强控制器的抗干扰能力,同时可以对冰蓄冷系统多个性能指标优化处理。在联合仿真平台中验证神经网络预测控制算法,结果表明神经网络预测控制算法可以在强负荷下,在180s内使被控变量达到设定值,而采用PID控制算法,在参数设置合理的情况,系统会波动20min才能达到稳定。由此验证了,本论文所提出的神经网络预测控制策略能够实现对冰蓄冷空调系统的冷冻水温度优化控制,不仅能使冷冻水出口温度在负荷变化情况下稳定在2.2℃,而且通过在优化性能指标中加入对冰槽融冰速率的约束,能够使蓄冷空调不仅节约电费,而且更加节能。