1

第十二章常用的中央空調(diào)節(jié)能優(yōu)化控制技術(shù)12.1優(yōu)化控制算法在中央空調(diào)系統(tǒng)的節(jié)能運(yùn)行與高效控制中，有多種優(yōu)化算法可供選擇。以下是幾種常用的優(yōu)化算法及其特點(diǎn)：（1）模糊控制算法

模糊控制算法基于模糊邏輯理論，通過模擬人類的思維方式和決策過程，能夠處理和控制不確定的、模糊的信息。這種算法適用于復(fù)雜的控制任務(wù)，尤其是在系統(tǒng)模型不明確或不完全的情況下。（2）神經(jīng)網(wǎng)絡(luò)算法

神經(jīng)網(wǎng)絡(luò)算法是一種模擬人腦神經(jīng)元網(wǎng)絡(luò)的結(jié)構(gòu)與功能的計(jì)算模型。它由多個(gè)神經(jīng)元組成，每個(gè)神經(jīng)元接收輸入信號(hào)并輸出處理后的信號(hào)，這些信號(hào)在神經(jīng)元之間傳遞并被處理。通過訓(xùn)練和學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)算法可以改善性能，廣泛應(yīng)用于分類、預(yù)測(cè)和優(yōu)化等多個(gè)任務(wù)。（3）遺傳算法

遺傳算法是一種模擬生物進(jìn)化過程的優(yōu)化算法。通過自然選擇、交叉和變異等操作，遺傳算法能夠在解空間中尋找最優(yōu)解。這種算法特別適合于求解復(fù)雜的優(yōu)化問題，尤其是在搜索空間較大的情況下。12.1.1模糊控制算法1.模糊控制理論模糊邏輯控制(FuzzyLogicControl)簡稱模糊控制(FuzzyControl)，是以模糊集合論、模糊語言變量和模糊邏輯推理為基礎(chǔ)的一種計(jì)算機(jī)數(shù)字控制技術(shù)。模糊控制的一大特點(diǎn)是既有系統(tǒng)化的理論，又有大量的實(shí)際應(yīng)用背景。傳統(tǒng)自動(dòng)控制器的綜合設(shè)計(jì)通常要建立在被控對(duì)象準(zhǔn)確的數(shù)學(xué)模型(即傳遞函數(shù)模型或狀態(tài)空間模型)的基礎(chǔ)上。但是，實(shí)際系統(tǒng)一般會(huì)受到很多因素的影響，很難找出精確的數(shù)學(xué)模型。這種情況下，模糊控制的誕生就顯得意義重大。因?yàn)槟：刂撇挥媒?shù)學(xué)模型，不需要預(yù)先知道過程精確的數(shù)學(xué)模型。12.1優(yōu)化控制算法

模糊控制實(shí)質(zhì)上是一種非線性控制，就是對(duì)難以用已有規(guī)律描述的復(fù)雜系統(tǒng)，采用自然語言(如大、中、小)加以敘述，借助定性的、不精確的及模糊的條件語句來表達(dá)，從屬于智能控制的范疇。在實(shí)際應(yīng)用中，模糊控制算法基于模糊集合理論、模糊語言變量和模糊邏輯推理，通過總結(jié)現(xiàn)場操作人員的經(jīng)驗(yàn)和系統(tǒng)運(yùn)行數(shù)據(jù)，形成語言控制規(guī)則，進(jìn)而實(shí)現(xiàn)對(duì)控制對(duì)象的控制。模糊控制算法的關(guān)鍵在于論域、隸屬度以及模糊級(jí)別的劃分，這種控制方式尤其適用于多輸入單輸出的控制系統(tǒng)。在中央空調(diào)系統(tǒng)中，模糊控制算法可以通過對(duì)室內(nèi)溫度、濕度、空氣質(zhì)量等參數(shù)的監(jiān)測(cè)和模糊化處理，實(shí)現(xiàn)對(duì)空調(diào)系統(tǒng)的智能控制和調(diào)節(jié)，進(jìn)而提高能源利用效率和空調(diào)區(qū)域的舒適度。12.1優(yōu)化控制算法2.模糊控制算法工作原理模糊控制算法可以概括為以下幾個(gè)步驟：①模糊化輸入變量將精確的輸入量轉(zhuǎn)化為模糊集合，通過確定輸入變量的模糊論域和對(duì)應(yīng)的隸屬度函數(shù)，將輸入變量的精確值映射到模糊集合中。②根據(jù)操作人員的經(jīng)驗(yàn)或?qū)＜业闹R(shí)，建立模糊控制規(guī)則庫。這些規(guī)則通常以模糊條件語句的形式表示，例如“如果室內(nèi)溫度過高，則調(diào)整增加空調(diào)機(jī)組送風(fēng)量”。③基于模糊邏輯理論，通過模糊推理將模糊規(guī)則應(yīng)用于輸入的模糊集合，得到輸出變量的模糊集合。④將輸出變量的模糊集合轉(zhuǎn)化為精確值，通常采用最大值、最小值或中心平均值等方法，得到輸出變量的精確值。⑤控制系統(tǒng)將得到的輸出值轉(zhuǎn)化成控制信號(hào)，如0-10V電壓信號(hào)或4-20mA電流信號(hào)，再輸出到執(zhí)行器上，實(shí)現(xiàn)對(duì)被控對(duì)象的控制。12.1優(yōu)化控制算法圖12-1模糊控制算法的工作原理圖12.1優(yōu)化控制算法12.1.2神經(jīng)網(wǎng)絡(luò)控制算法人工神經(jīng)網(wǎng)絡(luò)由眾多的神經(jīng)元可調(diào)的連接權(quán)值連接而成，具有大規(guī)模并行處理、分布式信息存儲(chǔ)、良好的自組織自學(xué)習(xí)能力等特點(diǎn)。BP（BackPropagation）算法又稱為誤差反向傳播算法，是人工神經(jīng)網(wǎng)絡(luò)中的一種監(jiān)督式的學(xué)習(xí)算法。BP神經(jīng)網(wǎng)絡(luò)算法在理論上可以逼近任意函數(shù)，基本的結(jié)構(gòu)由非線性變化單元組成，具有很強(qiáng)的非線性映射能力。網(wǎng)絡(luò)的中間層數(shù)、各層的處理單元數(shù)及網(wǎng)絡(luò)的學(xué)習(xí)系數(shù)等參數(shù)可根據(jù)具體情況設(shè)定，靈活性很大，在優(yōu)化、信號(hào)處理與模式識(shí)別、智能控制、故障診斷等許多領(lǐng)域都有著廣泛的應(yīng)用前景。神經(jīng)網(wǎng)絡(luò)控制是一種基于神經(jīng)網(wǎng)絡(luò)技術(shù)的控制方法，通過模擬人腦神經(jīng)元網(wǎng)絡(luò)的結(jié)構(gòu)和功能，構(gòu)建一個(gè)具有多個(gè)神經(jīng)元的神經(jīng)網(wǎng)絡(luò)模型，用于處理和優(yōu)化控制系統(tǒng)中的信息。神經(jīng)網(wǎng)絡(luò)控制算法具有自適應(yīng)性、魯棒性和學(xué)習(xí)能力等優(yōu)點(diǎn)，能夠更好地適應(yīng)復(fù)雜多變的控制環(huán)境，提高控制系統(tǒng)的穩(wěn)定性和精確性。神經(jīng)網(wǎng)絡(luò)控制算法的工作原理基于神經(jīng)網(wǎng)絡(luò)模型，通過模擬人腦神經(jīng)元之間的連接和信號(hào)傳遞過程，實(shí)現(xiàn)對(duì)復(fù)雜系統(tǒng)的控制。1.神經(jīng)網(wǎng)絡(luò)控制理論12.1優(yōu)化控制算法2.神經(jīng)網(wǎng)絡(luò)基本要素①神經(jīng)元模型

神經(jīng)網(wǎng)絡(luò)中的基本單元是神經(jīng)元，它具有加權(quán)輸入、激活函數(shù)和非線性特性。通過調(diào)整神經(jīng)元的權(quán)重和閾值，可以改變神經(jīng)元的輸出值。②神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

神經(jīng)網(wǎng)絡(luò)由多個(gè)神經(jīng)元組成，分為輸入層、隱藏層和輸出層，如下圖12-2所示。輸入層接收外部輸入信號(hào)，隱藏層通過神經(jīng)元之間的連接傳遞信號(hào)，輸出層輸出處理后的信號(hào)。③學(xué)習(xí)算法

神經(jīng)網(wǎng)絡(luò)通過學(xué)習(xí)算法不斷調(diào)整神經(jīng)元之間的權(quán)重和閾值，使得輸出結(jié)果逐漸接近期望值。常見的學(xué)習(xí)算法包括梯度下降法、反向傳播算法等。

④控制策略

神經(jīng)網(wǎng)絡(luò)控制算法將控制策略與神經(jīng)網(wǎng)絡(luò)相結(jié)合，通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)來尋找最優(yōu)的控制策略，實(shí)現(xiàn)對(duì)被控對(duì)象的智能控制。12.1優(yōu)化控制算法圖12-2神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)圖12.1優(yōu)化控制算法3.神經(jīng)網(wǎng)絡(luò)控制算法的工作流程①數(shù)據(jù)采集

收集被控系統(tǒng)的輸入信號(hào)和輸出信號(hào)，作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。②數(shù)據(jù)預(yù)處理

對(duì)采集的數(shù)據(jù)進(jìn)行預(yù)處理，包括數(shù)據(jù)清洗、歸一化處理等，以消除噪聲和異常值，提高數(shù)據(jù)質(zhì)量。③神經(jīng)網(wǎng)絡(luò)構(gòu)建

根據(jù)被控系統(tǒng)的特性和要求，設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，包括輸入層、隱藏層和輸出層的神經(jīng)元數(shù)目、連接權(quán)重等。④訓(xùn)練神經(jīng)網(wǎng)絡(luò)

使用歷史數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過調(diào)整權(quán)重和閾值，使得神經(jīng)網(wǎng)絡(luò)的輸出逐漸接近期望值。⑤測(cè)試和驗(yàn)證

使用新的數(shù)據(jù)對(duì)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)試和驗(yàn)證，評(píng)估其性能和準(zhǔn)確性。⑥控制決策

根據(jù)神經(jīng)網(wǎng)絡(luò)的輸出，結(jié)合控制策略和控制目標(biāo)，制定控制決策，對(duì)被控系統(tǒng)進(jìn)行實(shí)時(shí)控制。⑦反饋和調(diào)整

將神經(jīng)網(wǎng)絡(luò)的輸出與期望值進(jìn)行比較，通過誤差反向傳播算法調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)重和閾值，不斷優(yōu)化控制效果。12.1優(yōu)化控制算法4.神經(jīng)網(wǎng)絡(luò)控制算法主要優(yōu)點(diǎn)①具有強(qiáng)大出色的學(xué)習(xí)能力

通過大量的訓(xùn)練數(shù)據(jù)，神經(jīng)網(wǎng)絡(luò)可以自動(dòng)學(xué)習(xí)數(shù)據(jù)中的模式和關(guān)聯(lián)性。這使得它能夠適應(yīng)各種復(fù)雜的任務(wù)，如圖像識(shí)別、語音識(shí)別、自然語言處理等。神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力使得它成為解決許多實(shí)際問題的有力工具。②具有非線性建模能力

與傳統(tǒng)的線性模型相比，神經(jīng)網(wǎng)絡(luò)具有更強(qiáng)大的非線性建模能力。它可以捕捉到數(shù)據(jù)中更復(fù)雜的模式和關(guān)系，從而提高預(yù)測(cè)和分類的準(zhǔn)確性。這意味著神經(jīng)網(wǎng)絡(luò)可以更好地處理具有非線性特征的問題，并在許多領(lǐng)域中取得更好的性能。③具有并行處理的能力

神經(jīng)網(wǎng)絡(luò)算法可以利用并行處理的特點(diǎn)，加快計(jì)算速度。神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元和連接可以同時(shí)進(jìn)行計(jì)算，使得數(shù)據(jù)處理變得更高效。這在大規(guī)模數(shù)據(jù)集和復(fù)雜模型的情況下尤為重要，能夠提高算法的訓(xùn)練和推理速度。

④具有魯棒性和泛化能力

神經(jīng)網(wǎng)絡(luò)算法對(duì)噪聲和不完整樣本具有較好的魯棒性。它能夠從有噪音和不完整的數(shù)據(jù)中提取有用的信息，并做出準(zhǔn)確的預(yù)測(cè)。此外，神經(jīng)網(wǎng)絡(luò)還具有良好的泛化能力，即可以從之前未見過的數(shù)據(jù)中進(jìn)行準(zhǔn)確的預(yù)測(cè)。這使得神經(jīng)網(wǎng)絡(luò)在真實(shí)世界的應(yīng)用中表現(xiàn)出色。12.1優(yōu)化控制算法5.神經(jīng)網(wǎng)絡(luò)控制算法的主要缺點(diǎn)①數(shù)據(jù)需求量大

神經(jīng)網(wǎng)絡(luò)算法通常需要大量的訓(xùn)練數(shù)據(jù)，為了取得好的性能，神經(jīng)網(wǎng)絡(luò)需要從足夠多的樣本中學(xué)習(xí)。如果數(shù)據(jù)集過小，或者訓(xùn)練數(shù)據(jù)不具有代表性，神經(jīng)網(wǎng)絡(luò)的性能可能會(huì)大打折扣。②模型解釋性差

神經(jīng)網(wǎng)絡(luò)算法通常被認(rèn)為是一種黑盒模型，即很難解釋其內(nèi)部運(yùn)行的具體機(jī)制。它可以通過大量的計(jì)算得出準(zhǔn)確的結(jié)果，但不能提供對(duì)決策的解釋或推理的過程。在需要解釋性強(qiáng)的應(yīng)用領(lǐng)域，如醫(yī)療診斷、空調(diào)系統(tǒng)故障診斷中，存在較大不足。③參數(shù)選擇和調(diào)整困難

神經(jīng)網(wǎng)絡(luò)模型中有許多參數(shù)需要選擇和調(diào)整，如網(wǎng)絡(luò)的層數(shù)、神經(jīng)元的個(gè)數(shù)、權(quán)重和偏置的初始值等。這些參數(shù)的選擇和調(diào)整需要經(jīng)驗(yàn)和專業(yè)知識(shí)，有時(shí)候需要通過反復(fù)嘗試和實(shí)驗(yàn)來獲得最佳結(jié)果。參數(shù)選擇和調(diào)整的困難使得神經(jīng)網(wǎng)絡(luò)算法的使用對(duì)于非專業(yè)人士有一定的門檻。④過擬合風(fēng)險(xiǎn)

神經(jīng)網(wǎng)絡(luò)的非線性建模能力較強(qiáng)，很容易出現(xiàn)過擬合風(fēng)險(xiǎn)。過擬合是指模型在訓(xùn)練時(shí)過度學(xué)習(xí)了訓(xùn)練數(shù)據(jù)的特征和噪音，導(dǎo)致對(duì)新數(shù)據(jù)的泛化能力下降。為了避免過擬合，需要采取合適的正則化方法和數(shù)據(jù)集劃分策略。12.1優(yōu)化控制算法12.1.3遺傳控制算法遺傳算法是一種模擬生物遺傳和進(jìn)化的優(yōu)化算法。它基于達(dá)爾文的進(jìn)化論理論，模擬了生物進(jìn)化的基本原理，包括選擇、交叉和變異等過程。通過模仿自然選擇和繁殖的過程，遺傳算法可以用于解決搜索、優(yōu)化和學(xué)習(xí)等問題。遺傳算法類似于自然進(jìn)化，可以克服傳統(tǒng)搜索和優(yōu)化算法遇到的一些障礙，尤其適用于處理具有大量參數(shù)和復(fù)雜數(shù)學(xué)表示形式的問題。遺傳算法理論假設(shè)針對(duì)當(dāng)前問題的最佳解是由多個(gè)要素組成的，當(dāng)更多此類要素組合在一起時(shí)，將更接近于問題的最優(yōu)解。種群中的個(gè)體包含一些最優(yōu)解所需的要素，重復(fù)選擇和交叉過程將這些要素傳達(dá)給下一代，同時(shí)可能將它們與其他最優(yōu)解的基本要素結(jié)合起來，產(chǎn)生遺傳壓力，從而引導(dǎo)種群中越來越多的個(gè)體包含構(gòu)成最佳解決方案的要素。12.1優(yōu)化控制算法1.遺傳算法的步驟圖12-3遺傳算法的工作流程12.1優(yōu)化控制算法①初始化

隨機(jī)生成一些解作為初始種群。在初始化過程中，種群中的每個(gè)個(gè)體通常被表示為固定長度的二進(jìn)制字符串，這些字符串中的每一位都代表一個(gè)基因。②評(píng)估

對(duì)每個(gè)解的適應(yīng)度進(jìn)行評(píng)估。適應(yīng)度函數(shù)用于衡量解的優(yōu)劣，通常基于問題的目標(biāo)函數(shù)來確定。適應(yīng)度高的解具有更好的進(jìn)化前景。③選擇

根據(jù)適應(yīng)度的高低，選擇一部分解作為父代個(gè)體。選擇操作的目標(biāo)是從當(dāng)前種群中選擇出適應(yīng)度較高的個(gè)體，以產(chǎn)生下一代種群。④交叉通過隨機(jī)配對(duì)的方式將父代個(gè)體的基因進(jìn)行交換，形成新的后代。交叉操作能夠產(chǎn)生具有新穎性狀的個(gè)體，有助于增加種群的多樣性。⑤變異

對(duì)后代個(gè)體的基因進(jìn)行隨機(jī)的改變，以增加種群的多樣性。變異操作通常是對(duì)個(gè)體的某一位或幾位基因進(jìn)行反轉(zhuǎn)或隨機(jī)賦值。⑥替代

在每一代的結(jié)束，用新的解替換適應(yīng)度較低的解。替代操作的目標(biāo)是逐步淘汰適應(yīng)度較低的個(gè)體，保留和繁衍適應(yīng)度較高的個(gè)體。⑦迭代

重復(fù)上述步驟，直到達(dá)到某個(gè)停止條件為止。停止條件可以是達(dá)到預(yù)設(shè)的最大迭代次數(shù)、解的適應(yīng)度達(dá)到預(yù)設(shè)閾值或解的改變小于某個(gè)微小值等。12.1優(yōu)化控制算法2.遺傳控制算法在實(shí)際應(yīng)用中的優(yōu)點(diǎn)①全局最優(yōu)

在許多情況下，優(yōu)化問題具有局部最大值和最小值。這些值代表的解比周圍的解要好，但并不是最佳的解。大多數(shù)傳統(tǒng)的搜索和優(yōu)化算法，尤其是基于梯度的搜索和優(yōu)化算法，很容易陷入局部最大值，而不是找到全局最大值。遺傳算法更有可能找到全局最大值。這是由于使用了一組候選解，而不是一個(gè)候選解，而且在許多情況下，交叉和變異操作將導(dǎo)致候選解與之前的解有所不同。只要設(shè)法維持種群的多樣性并避免過早趨同(prematureconvergence)，就可能產(chǎn)生全局最優(yōu)解。②處理復(fù)雜問題

由于遺傳算法僅需要每個(gè)個(gè)體的適應(yīng)度函數(shù)得分，而與適應(yīng)度函數(shù)的其他方面(例如導(dǎo)數(shù))無關(guān)，因此它們可用于解決具有復(fù)雜數(shù)學(xué)表示、難以或無法求導(dǎo)的函數(shù)問題。12.1優(yōu)化控制算法③處理缺乏數(shù)學(xué)表達(dá)的問題

遺傳算法的適應(yīng)度是人為設(shè)計(jì)的，可用于完全缺乏數(shù)學(xué)表示的問題。使用基于意見的得分作為適應(yīng)度函數(shù)應(yīng)用遺傳算法搜索最佳得分組合。即使適應(yīng)度函數(shù)缺乏數(shù)學(xué)表示，并且無法直接從給定的場景中計(jì)算分?jǐn)?shù)，但仍可以運(yùn)行遺傳算法。只要能夠比較兩個(gè)個(gè)體并確定其中哪個(gè)更好，遺傳算法甚至可以處理無法獲得每個(gè)個(gè)體適應(yīng)度的情況。例如，利用機(jī)器學(xué)習(xí)算法在模擬比賽中駕駛汽車，然后利用基于遺傳算法的搜索可以通過讓機(jī)器學(xué)習(xí)算法的不同版本相互競爭來確定哪個(gè)版本更好，從而優(yōu)化和調(diào)整機(jī)器學(xué)習(xí)算法。12.1優(yōu)化控制算法④耐噪音

一些問題中可能存在噪聲現(xiàn)象。這意味著，即使對(duì)于相似的輸入值，每次得到的輸出值也可能有所不同。例如，當(dāng)傳感器產(chǎn)生異常數(shù)據(jù)時(shí)，或者在得分基于人的觀點(diǎn)的情況下，就會(huì)發(fā)生這種情況。盡管這種行為可以干擾許多傳統(tǒng)的搜索算法，但是遺傳算法通常對(duì)此具有魯棒性，這要?dú)w功于反復(fù)交叉和重新評(píng)估個(gè)體的操作。⑤并行性

遺傳算法非常適合并行化和分布式處理。適應(yīng)度是針對(duì)每個(gè)個(gè)體獨(dú)立計(jì)算的，這意味著可以同時(shí)評(píng)估種群中的所有個(gè)體。另外，選擇、交叉和突變的操作可以分別在種群中的個(gè)體和個(gè)體對(duì)上同時(shí)進(jìn)行。⑥持續(xù)學(xué)習(xí)

進(jìn)化永無止境，隨著環(huán)境條件的變化，種群逐漸適應(yīng)它們。遺傳算法可以在不斷變化的環(huán)境中連續(xù)運(yùn)行，并且可以在任何時(shí)間點(diǎn)獲取和使用當(dāng)前最佳的解。但是需要環(huán)境的變化速度相對(duì)于遺傳算法的搜索速度慢。12.1優(yōu)化控制算法3.遺傳控制算法在實(shí)際應(yīng)用中的局限性①需要特殊定義

將遺傳算法應(yīng)用于給定問題時(shí)，需要為它們創(chuàng)建合適的表示形式，即定義適應(yīng)度函數(shù)和染色體結(jié)構(gòu)，以及適用于該問題的選擇、交叉和變異算子。②超參數(shù)調(diào)整

遺傳算法的行為由一組超參數(shù)控制，例如，種群大小和突變率等。將遺傳算法應(yīng)用于特定問題時(shí)，沒有標(biāo)準(zhǔn)的超參數(shù)設(shè)定規(guī)則。③計(jì)算密集

種群規(guī)模較大時(shí)可能需要大量計(jì)算，在達(dá)到良好結(jié)果之前會(huì)非常耗時(shí)。需要通過選擇超參數(shù)、并行處理以及在某些情況下緩存中間結(jié)果來緩解這些問題。④過早趨同

如果一個(gè)個(gè)體的適應(yīng)能力比種群的其他個(gè)體的適應(yīng)能力高得多，那么它的重復(fù)性可能足以覆蓋整個(gè)種群。這可能導(dǎo)致遺傳算法過早地陷入局部最大值，而不是全局最大值。為了防止這種情況的發(fā)生，需要保證物種的多樣性。⑤無法保證解的質(zhì)量

遺傳算法的使用并不能保證找到當(dāng)前問題的全局最大值，除非是針對(duì)特定類型問題的解析解，當(dāng)然這也是所有的搜索和優(yōu)化算法都存在的問題。12.1優(yōu)化控制算法12.2中央空調(diào)系統(tǒng)節(jié)能優(yōu)化策略12.2.1制冷機(jī)組優(yōu)化序列控制1.制冷機(jī)組優(yōu)化序列控制的依據(jù)制冷機(jī)組優(yōu)化序列控制實(shí)質(zhì)上就是依據(jù)實(shí)際負(fù)荷大小對(duì)制冷機(jī)組運(yùn)行臺(tái)數(shù)和搭配進(jìn)行優(yōu)化的過程。制冷機(jī)組的能效隨主機(jī)負(fù)載率和外部環(huán)境的變化差異較大，不同型號(hào)和類型的制冷機(jī)組的能效曲線也會(huì)存在很大差異。當(dāng)空調(diào)冷負(fù)荷不斷變化時(shí)，制冷機(jī)組的壓縮機(jī)的負(fù)載率也不斷變化，實(shí)際運(yùn)行時(shí)每臺(tái)制冷機(jī)組均會(huì)存在一個(gè)高效區(qū)，通常在65%至85%的負(fù)載率范圍，如圖12-4所示。當(dāng)然不同制冷機(jī)組型號(hào)高效區(qū)會(huì)存在差異，如定頻離心式制冷機(jī)組的高效區(qū)一般處在80%-90%的高負(fù)載區(qū)，而變頻離心式制冷機(jī)組的高效區(qū)則通常處在40%-60%的低負(fù)載區(qū)。圖12-4常見制冷機(jī)組的性能曲線12.2中央空調(diào)系統(tǒng)節(jié)能優(yōu)化策略2.優(yōu)化序列控制的控制方法優(yōu)化序列控制的目的是通過制冷機(jī)組的臺(tái)數(shù)及搭配控制，在滿足建筑冷負(fù)荷要求的前提下，盡可能的讓每臺(tái)制冷機(jī)組運(yùn)行在高效區(qū)，使得制冷機(jī)組的總能耗最低。圖12-5為常用的制冷機(jī)組優(yōu)化序列控制方法原理圖。優(yōu)化序列控制方法類似于基本的冷量控制法，需要獲取空調(diào)系統(tǒng)的實(shí)際供冷量Q，作為建筑冷負(fù)荷。圖12-5制冷機(jī)組優(yōu)化序列控制原理圖12.2中央空調(diào)系統(tǒng)節(jié)能優(yōu)化策略3.優(yōu)化序列控制方法的執(zhí)行過程（1）劃分最佳負(fù)荷區(qū)間

根據(jù)每臺(tái)制冷機(jī)組的性能曲線計(jì)算出不同機(jī)組臺(tái)數(shù)及搭配組合運(yùn)行在高效區(qū)時(shí)對(duì)應(yīng)的負(fù)荷區(qū)間，并按照負(fù)荷區(qū)間序列進(jìn)行整合重組，如區(qū)間近似的進(jìn)行合并。（2）執(zhí)行加機(jī)和減機(jī)

當(dāng)檢測(cè)到的系統(tǒng)負(fù)荷從一個(gè)區(qū)間進(jìn)入另一個(gè)區(qū)間時(shí)，則進(jìn)行相應(yīng)的加機(jī)或減機(jī)，使系統(tǒng)以最佳的制冷機(jī)組組合方式運(yùn)行。當(dāng)檢測(cè)到的系統(tǒng)負(fù)荷低于Q1時(shí)，則僅運(yùn)行一臺(tái)機(jī)組；當(dāng)檢測(cè)到的系統(tǒng)負(fù)荷高于Q1時(shí)，則加開一臺(tái)機(jī)組，運(yùn)行兩臺(tái)機(jī)組；當(dāng)檢測(cè)到的系統(tǒng)負(fù)荷高于Q2時(shí)，則再加開一臺(tái)機(jī)組，運(yùn)行三臺(tái)機(jī)組。相反，當(dāng)負(fù)荷由高向低下降時(shí)，則對(duì)應(yīng)關(guān)閉機(jī)組。12.2中央空調(diào)系統(tǒng)節(jié)能優(yōu)化策略值得注意的是，在實(shí)際應(yīng)用中，為了避免系統(tǒng)在臨界負(fù)荷點(diǎn)上頻繁加機(jī)減機(jī)，通常會(huì)在每個(gè)臨界負(fù)荷點(diǎn)設(shè)置負(fù)荷死區(qū)ΔQ，即當(dāng)實(shí)際負(fù)荷大于臨界負(fù)荷點(diǎn)加ΔQ/2時(shí)，自控系統(tǒng)才執(zhí)行加機(jī)；當(dāng)實(shí)際負(fù)荷小于臨界負(fù)荷點(diǎn)減ΔQ/2時(shí)，自控系統(tǒng)才執(zhí)行減機(jī)；當(dāng)實(shí)際負(fù)荷處在臨界負(fù)荷點(diǎn)死區(qū)范圍內(nèi)時(shí)，自控系統(tǒng)維持既有狀態(tài)不動(dòng)作。12.2中央空調(diào)系統(tǒng)節(jié)能優(yōu)化策略12.2.2冷凍水出水溫度優(yōu)化控制1.冷凍水出水溫度優(yōu)化控制的節(jié)能原理冷凍水出水溫度優(yōu)化控制是降低制冷機(jī)組能耗的有效途徑，也是最常用的一種方法。當(dāng)建筑空調(diào)負(fù)荷不變時(shí)，升高冷凍水出水溫度，制冷機(jī)組的功耗將減少。冷凍水出水溫度每升高1℃，制冷機(jī)組的COP可提升2%～3％。制冷機(jī)組冷凍水出水溫度的控制可通過更改設(shè)定值實(shí)現(xiàn)。因此，根據(jù)建筑空調(diào)負(fù)荷的變化，調(diào)整冷凍水出水溫度設(shè)定值，可有效提高制冷機(jī)組運(yùn)行效率，降低機(jī)組運(yùn)行能耗。12.2中央空調(diào)系統(tǒng)節(jié)能優(yōu)化策略2.冷凍水出水溫度優(yōu)化控制方法

在實(shí)際工程應(yīng)用中，通常以室外溫度作為調(diào)整制冷機(jī)組冷凍水出水溫度的依據(jù)，兩者之間的對(duì)應(yīng)關(guān)系如圖12-6所示。具體的節(jié)點(diǎn)限值可根據(jù)實(shí)際需要調(diào)整。

當(dāng)室外溫度升高時(shí)，建筑的冷負(fù)荷將會(huì)增加，在冷凍水循環(huán)水量不變的情況下，降低冷凍水出水溫度可提高系統(tǒng)供冷量，以滿足建筑冷量需求，此時(shí)冷凍水出水溫度設(shè)定值應(yīng)隨室外溫度的升高而降低。

當(dāng)室外溫度降低時(shí)，建筑的冷負(fù)荷將會(huì)減少，在冷凍水循環(huán)水量不變的情況下，提高冷凍水出水溫度可降低系統(tǒng)供冷量，以適應(yīng)建筑冷量需求的變化，另外還可提高制冷機(jī)組運(yùn)行效率，此時(shí)冷凍水出水溫度設(shè)定值應(yīng)隨室外溫度的降低而升高，以實(shí)現(xiàn)減少制冷機(jī)組運(yùn)行能耗的目的12.2中央空調(diào)系統(tǒng)節(jié)能優(yōu)化策略圖12-6室外溫度與供水溫度設(shè)定值關(guān)系示意圖12.2中央空調(diào)系統(tǒng)節(jié)能優(yōu)化策略

最佳的冷凍水出水溫度與室外溫度的關(guān)系可以根據(jù)系統(tǒng)的實(shí)際運(yùn)行數(shù)據(jù)進(jìn)行整定。值得注意的是，當(dāng)末端空調(diào)器未作控制或者建筑空調(diào)負(fù)荷主要為室內(nèi)設(shè)備負(fù)荷時(shí)，在進(jìn)行冷凍水出水溫度調(diào)控時(shí)還需考慮室內(nèi)溫度。此時(shí)可以同時(shí)將室外溫度、室內(nèi)溫度等參數(shù)作為輸入條件，并利用模糊控制算法、神經(jīng)網(wǎng)絡(luò)控制算法或者遺傳算法等智能控制算法對(duì)最佳的冷凍水出水溫度進(jìn)行在線尋優(yōu)。在利用智能控制算法時(shí)，需要注意約束條件的設(shè)置，確?？刂葡到y(tǒng)穩(wěn)定可靠。12.2中央空調(diào)系統(tǒng)節(jié)能優(yōu)化策略12.2.3冷卻水回水溫度優(yōu)化控制1.冷卻水回水溫度優(yōu)化控制的節(jié)能原理冷卻水回水溫度（冷卻塔出口水溫）優(yōu)化控制同樣是實(shí)際工程中常采用的降低制冷機(jī)組和冷卻塔風(fēng)機(jī)能耗的有效方法。當(dāng)空調(diào)冷負(fù)荷不變時(shí)，系統(tǒng)需要的排熱量不變。如圖12-7所示。當(dāng)增大冷卻塔風(fēng)機(jī)風(fēng)量時(shí)，冷卻水回水溫度將降低，此時(shí)制冷機(jī)組的效率提升，功耗降低，但冷卻塔風(fēng)機(jī)的能耗增加。當(dāng)降低冷卻塔風(fēng)機(jī)風(fēng)量時(shí)，冷卻水回水溫度將升高，此時(shí)制冷機(jī)組效率降低，能耗增加，但冷卻塔能耗降低。因此就存在一個(gè)最佳的冷卻水回水溫度，使得制冷機(jī)組與冷卻塔風(fēng)機(jī)的總功耗最小。一般將這個(gè)最佳的冷卻水回水溫度作為冷卻水系統(tǒng)回水溫度設(shè)定值。但隨著室外溫濕度及制冷機(jī)組負(fù)載率的不斷變化，這個(gè)最佳的冷卻水回水溫度