探讨智能建筑中常用的优化控制方法

cicro11

在智能建筑中的优化控制方法可以分为四类：基于模型的优化控制、混合优化控制方法、基于性能特征图的优化控制方法和无模型优化控制方法。这样的分类可能并不十分恰当，因为在这些控制方法之间没有明显的边界。但是，它提供了一个十分有用的基础，用来比较不同控制方法的优点和缺点。另外，它对鉴别每一个控制方法的优点和缺点以及分析它们在线应用的可行性也很有帮助。使用物理模型、灰箱模型和黑箱模型的控制方法可以归为基于模型方法的分类，而使用专家系统和纯学习方法的控制方法归为无模型分类。

（1）无模型优化控制方法
无模型优化控制方法不需要任何目标系统的模型。可以利用专家系统和强化学习方法来设计无模型优化控制方法。当专家系统作为优化控制器时，它能够根据给定的工作状况为HVAC系统的优化控制确定节能或节省费用的控制设置。结合知识库汇总定义的规则和来自于楼宇自动化系统（BAS）的信息，用以识别这些节能控制设置。专家系统中的知识库来自于一个或多个人类专家的特定知识。专家系统可以根据知识库模拟人类对给定的工作状况进行论证并作出决策。它还可以根据不完全的数据得出一些合理的解决方法。专家系统容易编程，也容易管理。然而，专家系统的应用受知识库的富裕度影响很大，因为这些规则是静态的，在超出专家知识以外的部分可能会导致严重的错误。

强化学习控制是无模型优化控制的另一个例子。这种方法可以描述为一个学习范例，在其中，控制系统在不需要环境模型或动作结果的情况下可以尝试改善它对上一行为结果的动作。这个方法可以在没有任何预先环境知识的情况下为控制问题找到最优的或接近最优的方法。但是，控制器的学习总是需要花费很长的时间。控制器的性能对许多因素比较敏感。

（2）基于模型的优化控制方法
在基于模型的优化控制中，执行优化控制所需的工具是系统或部件模型以及优化技术。模型的主要功能是预测系统的能活或费用、环境性能以及系统对控制设置变化的反应。所有的模型都与能耗和运行费用直接相关。优化技术首要的功能是寻找节能和节约费用的设置（即运行模式和设定值），以使系统在能源输入或运行费用最小的情况下，依然能保持令人满意的控制变量。在采样时刻，优化技术应用这些模型来确定按照模型的描述使能源消耗和运行费用最小化的控制设定值。以这种方式确定的控制策略对于内部和外部条件的快速变化能做出迅速反应。根据用来设计模型的系统知识，基于模型的优化控制可以进一步分为基于物理模型的优化控制、基于灰箱模型的优化控制以及基于黑箱模型的优化控制。

（3）混合优化控制方法
在混合优化控制中，不同类型的模型或基于模型的控制方法以及无模型的控制方法被结合在一起，构成了优化控制策略。比如，有些混合优化控制方法利用混合的物理/灰箱/黑箱模型来设计控制系统，在其中有些不见模型是物理模型，而其他的是灰箱和黑箱模型。有些混合优化控制方法同时用基于模型的方法和无模型的方法（比如强化学习方法）来构建优化控制方法。在其中，基于模型的方法的特点和无模型的方法的特点被结合在一起，共同达到了一个更高的控制性能。如果控制器设计合理，用这种方法构成的优化控制方法可以提供良好的控制性能。

（4）基于性能特征图的优化控制方法
与前面提供能够的三种方法相比，基于性能特征图的优化控制方法有一些不同。这种方法经常使用由目标系统在期望运行条件范围内的详细仿真（或实验测试）产生的结果来绘制性能特征图，然后用这些性能特征图对系统进行优化控制。比如冷负荷、环境温度、制冷机的运行台数、水泵的运行台数以及冷却塔的运行台数和他们各自的风机运转的不同组合可以作用无蓄热电驱动制冷系统仿真平台的输入。在每一个运行条件下，对所有的组合都可以计算出电能消耗或性能数据，因而就可以确定最小能耗或最佳性能的控制设备。然后，用这些从系统全部运行条件中得出的基于最小能耗或最佳性能的组合就可以绘制性能特征图，他可以进步被用于智能建筑的优化控制。

本文来源：时光·协同