随着暖通空调日益普及,暖通空调系统的能量消耗一般占整个建筑耗电量的50%以上,但目前实际情况:绝大多数空调处在低效下运行,能源浪费严重。造成这种现象的主要原因是由于空调系统一般都按最大负荷计算,同时对暖通空调非线性、时变性、大滞后、大惯性系统采用定工作点和定控制器参数设计。 根据暖通空调非线性、时变性等特点,本文采用基于RBF模糊神经网络的暖通空调建模方法,使建立的暖通空调动态模型能适应工况环境的变化和干扰的作用,为暖通空调的高级控制算法、系统优化提供了准确的模型;结合PMV指标,利用BP神经网络对房间的最佳温度进行最佳设定,设定的最佳温度为暖通空调广义预测控制系统提供温度期望轨迹;为了暖通空调能调节出满意的房间环境和节省能量的消耗,结合暖通空调强非线性、时变性、大滞后、大惯性等特点,设计了基于RBF模糊神经网络的暖通空调广义预测控制器,利用RBF模糊神经网络通过不断的反馈修正为在线优化控制器提供准确的房间温度预测输出,为了减少广义预测控制的计算量,广义预测控制的在线优化采用RBF模糊神经网完成,它利用模型预测网络所提供的预测信息和所设定的目标函数,不断的进行在线修正,以得到最佳暖通空调冷冻水调节阀的电压。 通过试验和仿真验证,基于RBF模糊神经网络的建模算法可以对暖通空调准确建模;选用的BP神经网络对房间温度的最佳设定满足人体舒适度的要求;同时设计的模糊神经网络广义预测控制系统能在工况环境变化、干扰作用等情况下,使被控房间的温度快速准确跟踪BP神经网络所设定的最佳房间温度,从而在调节出舒适房间温度的同时,减少暖通空调能量的消耗。