光伏能源驱动冰蓄冷空调能量转换过程自适应控制技术.pdf

第 卷第 期 年 月新余学院学报 ，光伏能源驱动冰蓄冷空调能量转换过程自适应控制技术 庄燕如（闽南理工学院土木工程学院，福建石狮 櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆）摘要：为降低电高峰时段的用电负担，提升光伏能源利用效率，对光伏能源驱动冰蓄冷空调能量转换过程的自适应控制技术进行研究。以光伏能源驱动冰蓄冷空调运行原理为基础，分析空调运行过程中光 电能量转换传递特性以及流情况，计算光伏组件损结果；计算损结果的误差和误差变化率，并将结果作为改进的模糊 神经网络 控制器的输入参数，通过参数自适应调整实现能量转换过程自适应控制。测试结果显示：空调能量转换效率均在 以上、效率均在 以上、空调制冰过程中能量的利用率 以上，可显著提升能量转换效率以及能量利用水平；空调运行消耗的电能均在 以下；负荷功率明显下降，均在 的范围内变化。关键词：光伏能源驱动；冰蓄冷空调；能量转换过程；自适应控制中图分类号：文献标志码：文章编号：（）櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆 收稿日期：基金项目：福建省高校工程研究中心项目“绿色建筑施工与管理工程研究”（闽教科 号）。作者简介：庄燕如（），女，福建石狮人，讲师。空调使用量的不断增加，显著增加了电高峰时段的用电负荷，空调能耗问题也已成为当下待解决的重要问题 。在此情况下，为保证电能供应平稳，提升电能的有效利用率，冰蓄冷空调被大量研究和推广使用。该类空调能够在夜间低谷负荷时，完成制冰和存储，在白天高峰负荷时释放冷量，以此降低用电高峰时段的用电负荷。为降低电能供应负担，光伏制冷在农业生产日用电器设备中被大量应用 。该类空调虽然具备显著的节能和环保优势，但在实际应用过程中，需先将光伏能源转换成电能，在该转换过程中，会导致光伏能量消散到大气环境中，降低光伏的利用率。为减少能量转换的消散程度，需实现能量转换过程的自适应控制。为实现优化控制，杨世忠等 通过混沌搜索对萤火虫算法进行优化，以此获取优化控制结果。但是该方法在应用过程中，在不确定性较为明显的情况下，控制精度下降。为实现优化控制，杨世忠等 通过改进遗传算法对运行控制进行优化，提升整体运行性能。但是该方法在应用过程中，如果存在明显能量耦合问题，则会导致控制偏差较大。为实现光伏能源驱动冰蓄冷空调能量转换过程的自适应控制，本文以光伏能源驱动冰蓄冷空调运行原理为基础，基于径向基（，）模糊神经网络技术，对比例积分微分（，）控制参数进行优化，从而实现空调能量转换过程的自适应控制。能量转换过程自适应控制 光伏能源驱动冰蓄冷空调结构为实现光伏能源驱动冰蓄冷空调能量转换过程第 期庄燕如：光伏能源驱动冰蓄冷空调能量转换过程自适应控制技术 的自适应控制，需先分析光伏能源驱动冰蓄冷空调的运行原理。该空调整体由光伏能源系统、制冰蓄冷系统、供冷系统三个部分组成，光伏能源驱动冰蓄冷空调结构如图 所示。图 光伏能源驱动冰蓄冷空调结构图光伏能源系统包括光伏组件阵列 、控制器、蓄电池组等部分。制冰蓄冷系统包括压缩机、冷凝器、储液器等多个部分。供冷系统通过能量转换形成的电能驱动管道泵，再通过单向阀和比例阀的调节后，向用户提供冷量。通过上述分析可知：光伏能源驱动冰蓄冷空调在运行过程中，光伏能源系统的能量转换过程对于能量转换结果和质量尤为重要。因此，需先确定光 电能量转化传递特性。光 电能量转换传递特性以及流分析光 电能量在转换过程中，能量平衡方程公式为：，（）式中，和 ，分别表示光伏组件在单位时间内产生的太阳能以及转换的电能，光 电能量转换时在单位时间内的损耗能量用 ，表示。用 表示光伏组件面积，该组件的透射率和电池吸收率表之间的乘积用 表示，则该组件在单位时间内获取的太阳辐射能 ，的计算公式为：，（）式中，表示太阳辐射能。，表示光伏组件的辐射热损，单位时间下 ，计算公式为：，（），()（），()（）式中，和 ，分别表示光伏组件在单位时间内对地面和对天空的辐射热损，表示常数，和 均表示透明因子；、和 均表示发射功率，三者依次分别对应光伏组件 、地面和天空；为光伏组件的工作温度，和 分别表示天空和地面的温度。光伏组件对流换热热损用 ，表示，在单位时间内 ，的计算公式为：，()（）式中，表示对流换热系数，为光伏组件对流换热过程中的温度。如果电池片面积为，表示光伏组件发电功率 ，其计算公式为：，（）式中，表示光 电能量转换效率。的计算公式为：()（）式中，表示在正常温度下的光伏组件的光 电能量转换效率，表示参考温度，表示迁移因子。在上述公式的基础上，计算光伏组件损 结果，其计算公式为：，()()（）新余学院学报 年式中，和 均表示电流，前者对应短路情况，后者对应最大功率情况；和 均表示电压，前者对应开路状态，后者对应最大功率。通过上述计算公式可知，的值和 ，存在直接关联，因此，影响 ，的水平。因此，为实现光伏能源驱动冰蓄冷空调能量转换过程自适应控制，本文将 的误差和误差变化率作为控制变量，实现能量转换过程自适应控制。能量转换自适应控制在完成 的计算和分析后，便可进行光伏能源驱动冰蓄冷空调能量转换过程自适应控制的设计。由于光伏组件阵列具有显著的随机性、扰动性等特点 ，本文结合空调的运行原理和转换特性，在 控制器的基础上，利用 模糊神经网络和海鸥算法对光伏组件阵列进行联合优化，前者用于第一次优化，后者用于参数二次整定，以此实现 控制参数的优化以及控制器的自适应能力，获取最优的控制结果。优化后的模糊 神经网络 控制系统如图 所示。图 优化后的 模糊神经网络 控制系统优化后的 模糊神经网络 控制系统能提高 控制的自适应性和鲁棒性，并且可以通过离线或在线学习的方式来优化 控制器的参数，使其能够更好地适应系统的特性和变化。因此，将 的误差 和误差变化率 作为图 中 控制器的输入参数，再依据控制参数完成空调能量转换过程控制。模糊 神经网络输入层中的节点数量为，分别对应 和 ，则该层输出结果的计算公式为：()（）式中，表示该层中的第 个输入节点。输入层处理完成后，则进行模糊化处理，通过模糊化层获取 和 的 个模糊子集，分别为负大、负中、零、正中、正大，个模糊子集也对应 个节点。为实现 和 的模糊化处理，依据确定后的子集确定隶属度函数，本文选择高斯函数，该层的输出结果计算公式为：，()()()()（）式中，、分别表示隶属度函数的均值和标准差，表示第 个模糊集合。通过上述步骤可获取 ，()结果，模糊推理层对其进行处理，该处理主要依据推理规则完成，通过该规则实现模糊量组合的匹配，并获取输出强度结果，各节点 的输出计算公式为：()，()，（）式中，表示输入层节点数量，表示隶属度函数数量。对获取的输出结果进行去模糊化处理，获取该层的输出结果，其计算公式为：第 期庄燕如：光伏能源驱动冰蓄冷空调能量转换过程自适应控制技术()，()()（）式中，()表示连接权值矩阵，其中 为第 个输出结果。网络性能指标函数用 表示，其计算公式为：()()（）式中，()和()分别表示在 时刻下的光伏组件阵列 的实际输出结果和网络计算输出结果。通过上述步骤即可完成 控制器参数的优化，优化后的 控制参数分别用 、表示，在此基础上通过海鸥算法进行控制器参数二次整定，提升控制器的自适应能力。通过海鸥算法进行二次整定后，控制器三个控制参数的增益参数分别用、表示，则二次整定后，控制器的输出结果计算公式为：()()()()（）式中，()表示 时刻的误差。二次整定后的 控制参数的计算公式为：（）通过上述 控制器参数的二次整定，使 控制器具有较好的自适应调整能力，可随着光伏的变化自动完成参数调整，保证光 电能量转换过程控制效果，降低光伏能量损耗。测试分析为验证本文控制技术在光伏能源驱动冰蓄冷空调能量转换过程自适应控制中的应用效果，以冷功率为 光伏能源驱动冰蓄冷空调作为测试对象，该空调的光伏阵列是由多硅晶光伏组件组成，空调组成参数如表 所示。目前，该空调在使用过程中，光伏阵列的能量转换效率均在 以下，效率均在 以下，空调制冰过程中能量的利用率在 以下。因此，能量转换过程中存在显著的能量损耗以及能量利用水平较低等问题，导致空调的电能消耗较大，增加了用电高峰时段的用电负担，并且负荷功率变化均在 以上。表 光伏能源驱动冰蓄冷空调参数参数名称数值参数名称数值光伏阵列峰值功率 逆变器的逆变功率 光伏阵列组件数量块蓄冰槽容积 光伏阵列面积 工质泵额定电压 蓄电池组容量 风机盘管风机功率 蓄电池组电压 风机盘运行转速 空调的控制器电压 风机盘翅片数量 片空调允许的最大负载电流 风机盘电流 逆变器输出频率 管盘 组逆变器的逆变功率 参数设定：，、，、，海鸥算法的种群规模为 ，迭代次数为 ，搜索空间上下限范围 ，。为进一步验证本文控制技术的控制效果，在光伏能源发生不同程度波动下，分别对一次优化和参数二次整定两种情况下的能量转换的控制响应情况（图 ）做分析。新余学院学报 年图 不同程度波动下的控制响应结果对图测试结果进行分析后得出：本文控制技术在参数优化和参数二次整定两种情况下，能量转换的自适应控制效果存在一定差异。其中，参数优化后，在 之间，出现一次较大幅度波动；在 之间，出现 次左右的小幅度波动；参数二次整定后，仅在 之间，出现一次较大幅度波动，后续功率偏差几乎为 。综上可知，参数优化和参数二次整定这两者的控制响应情况差异较小，但是控制稳定性存在一定差异。参数优化后在光伏能源波动情况下控制稳定性存在明显变化，在参数二次整定后，控制结果更为稳定。为验证本文控制技术的应用效果，对采取本文控制技术应用后的相关参数 光伏阵列的能量转换效率（期望标准达到 ）和效率（期望标准达到 ）、空调制冰过程中能量的利用率（期望标准达到 ）做了测试，测试结果见表 。表 控制技术的应用效果测试结果接受太阳辐射功率 能量转换效率 效率 能量的利用率 对表测试结果进行分析后得出：随着光伏组件接受太阳辐射功率逐渐增加，采用本文控制技术进行自适应控制后，光伏阵列的能量转换效率均在 以上，效率均在 以上，空调制冰过程中能量的利用率在 以上。因此，本文控制技术具有较好的效果，对光伏能源驱动冰蓄冷空调能量转换过程进行自适应控制后，可显著提升能量转换效率以及能量利用水平。为进一步验证本文控制技术的应用效果，分别获取不采用本文控制技术与采用本文控制技术后的不同运行时间段内的空调能量损耗以及电能消耗情况，将它们进行对比，结果如表 所示。第 期庄燕如：光伏能源驱动冰蓄冷空调能量转换过程自适应控制技术 表 空调的能量损耗结果以及消耗的电能情况运行时段 空调能量损耗 电能消耗 控制前控制后控制前控制后 ：对表测试结果进行分析后得出：光伏能源驱动冰蓄冷空调能量转换控制前，空调能量损耗最高达到 ，空调运行消耗的电能均在 以上；采用本文控制技术后，空调能量损耗最高为 ，空调运行消耗的电能均在 以下。采用本文控制技术后，空调在不同制冷量下，高峰时刻的电力负荷功率的变化情况如图 所示。图 电力负荷功率的变化情况对图测试结果进行分析后得出：随着制冷量的逐渐增加，采用本文控制技术后，负荷功率明显下降，均在 的范围内变化，并且负荷功率不存在显著的波动变化，相对较为稳定。因此，本文控制技术可实现光伏能源驱动冰蓄冷空调能量转换过程自适应控制，可在保证空调制冷量的前提下，降低电力负荷功率。结语为降低光伏能源驱动冰蓄冷空调的电能损耗，本文提出了一种改进的 模糊神经网络 控制自适应控制技术。该技术在 控制器的基础上，通过 模糊神经网络和海鸥算法对光伏组件阵列进行联合优化和参数二次整定，提高控制器的自适应能力，进而提升光伏阵列的能量转换效率以及能量利用率，降低能量损耗，有效实现电力负荷功率的稳定调节。将本文自适应控制技术应用于空调能量转换过程，能够实时监测和调节系统的运行状态，以最优化的方式提供能量供给。这种自适应能力使得 新余学院学报 年系统能够更好地适应光伏能源的变化，充分利用太阳能的能量，减少能量浪费，突显了在可再生能源驱动空调系统中应用自适应控制技术的价值和潜力，为提高能源利用效率和推动可持续发展提供参考和指导。参考文献：孙轶恺，漆淘懿，张利军，等 市场环境下含冰蓄冷空调的综合能源系统优化运行 南方电网技术，（）：杨旭，赵旭磊，涂壤，等 基于改进粒子群寻优的数据中心精密空调无模型自适应预测控制 北京工业大学学报，（）：杨世忠，逄铄 基于改进自适应萤火虫群算法的空调送风温度优化控制 低温与超导，（）：杨世忠，李善伟，孙崇国 前馈补偿和自适应遗传算法的空调系统优化 计算机仿真，（）：赵慧玲 基于 控制技术的变风量空调系统多变量解耦回路控制 电子器件，（）：，（）：，（）：，：，（）：，（）：（责任编校：任华）（，）：，；，；，：；