基于Elman的空调预冷时间的预测系统计建惠王可崇哈尔滨工业大学摘要:介绍了一种基于智能家庭控制系统的空调预冷时间的预测系统。该系统在不增加硬件设施的条件下,通过对空调房间系统模型的动态辨识,利用Elman神经网络预测空调系统的最佳预冷时间,并保存为神经网络的学习样本。关键词:智能家庭控制系统Elman神经网络动态辨识预冷时间TimeForecastforAir-conditiontoPrecoolBasedontheElman-NNJiJianhuiWangKechongAbstract:Inthispaper,asystemwhichisusedtoforecastthetimeforair-conditiontoprecoolisintroduced,basedonthecontrolsystemofintelligentbuilding.ByElman-NN,withoutextrahardware,thesystemcanforecastthebesttimeforair-conditiontoprecoolandmemorizeit.Keywords:intelligentbuildingsystemelman-NNdynamicdiscriminationprecool1引言随着建筑业的兴起,建筑物的能耗越来越大,欧美国家的建筑物能耗都已占全国总能耗的30%左右。而在建筑物能耗中空调的能耗约占到65%左右[1],节能问题更加突出,对于能耗大户的建筑空调设备运行的节能更为人们所关注。从当今世界空调节能技术的发展状况来看,主要是通过以下几种途径来达到空调建筑节能的目的:1)选择合适的冷热源;2)蓄冷空调的使用与电力调峰;3)从空调系统的运行入手,采用节能运行,以达到节能的目的[2]。而对于目前大部分建筑的空调系统来说,最简便的途径是合理安排空调的运行管理,比如说在提前进行预冷和楼宇结束使用前提前关闭空调系统。本文介绍的空调预冷时间的预测系统是智能家庭控制系统的一部分,智能家庭控制系统的示意图如图1所示。该系统是以电力线为信号传输介质的智能住宅控制系统,同时也可通过电话进行远程控制,核心部分是位于上层的主控制器,由电话通信接口、电力线通信接口、人机接口等几个部分组成;底层的功能模块包括电力线通信接口和智能控制模块,主要负责控制特定的电器的运行。该系统主要完成对自控、监护系统、保安防盗、报警等子系统的远程控制,还可以根据用户的使用习惯执行对空调或热水器等其他需要提前运行的家用电器的预测控制,使得管理更加协调方便。以空调为例,该系统可以实现空调系统的最佳起停控制,即在房间快要结束使用时提前关闭空调,或在房间使用前提前打开空调,下面以提前打开空调为例,描述该系统的工作过程。2空调房间模型的建立在实际生活中,由于空调室的温度受室外温度、太阳辐射、室内设备、照明、人员的散热以及换气次数等的影响,使得整个房间成为一个非常复杂的热力系统,很难用精确的数学模型来描述这一系统,因此,为了能用数学语言来描述,对空调房间作少量的简化:1)把整个房间看成是个单容的对象,房间1内部处处温度分布均匀;图1智能家庭控制器原理框图2)房间内部的各种电器都处于关闭状态,即忽略电器设备的蓄热;3)不考虑太阳辐射对室内温度的影响(窗户有窗帘)。可以得到空调房间的数学模型为式中为空调的额定制冷量,为室外温度,为相邻房间的温度。显然,问题的关键在于参数、和的确定。通过在线采集和的值(空调开机时取1,否则取0),根据这些量按确定性等价原理,应用递推最小二乘法可以算出空调对象的参数估计,根据这些参数估计按改进的Ziegler-Nichols方法可以计算出和的值[3]。实际上该过程就是用一个结构已知而参数未知的系统模型来描述空调系统的动态特性,并通过现场采集的数据来求得参数值,以求最大程度表现出空调系统的动态特性。3基于Elman神经网络的预测算法目前,对于空调的预冷时间,传统的做法是根据经验,设定一个较长的固定值,如1h或30min,以能量的耗费求得满意的制冷效果,但这种方法在一定程度上造成了巨大的电能浪费。虽然目前也有一些关于空调预冷时间的预测的研究,如静态最优法、简化数学模型法、一元回归分析法等,这些方法虽各有特点,但由于空调系统的复杂性和高时滞性的限制,使预测结果都存在有一定的误差。本文所研究的空调系统的预冷时间的影响因素有以下几个:房间的体积、围护结构、空调类型、设定温度、室外温度和室内温度。显然,对某一特定的房间对象,体积、围护结构、空调类型都...