摘要：暖通空调是现代建筑中必不可少的一部分，但是它增加了能源的消耗。在我国的建筑中，暖通空调的能源消耗占到了整个建筑的20%以上，而暖通空调的能源消耗中有一半以上是因为制冷系统。文章从暖通空调制冷系统的工作原理入手，首先分析了暖通空调制冷系统的优化控制方法，然后研究了暖通空调制冷系统的最优控制组合。
关键词：暖通空调；制冷系统；优化控制方法
导言
时代在不断发展，社会在不断进步，人们的生活水平在不断提升，人们对于生活、工作环境的要求在不断提高，为了能更好的服务人类，要不断优化空调系统，既减少暖通空调在运作时对能量的消耗情况。研究人员通过加强优化控制制冷机的设计来提升了暖通空调在运作时的节能效果。这对暖通空调的发展与利用有很大帮助。
1暖通空调制冷系统的工作原理
暖通空调的制冷系统是通过制冷剂实现热量的交换，制冷剂在压缩机、冷凝器、蒸发器和节流阀四个元件中不断循环，自身的状态发生变化，进而实现吸收热量与释放热量。制冷剂在蒸发皿中吸收热量，这时的制冷剂由液体变为了低压低温的气体。气化的冷却剂被压缩机吸入，进而压缩成高温高压的气体，这些气体在冷凝器中将自身的热量传递给空气或者水，变为最初的液体状态。这就是一个基本的循环，多次进行这个循环就可以实现热量的交换，达到降温的目的。除了制冷剂循环外，暖通空调还有冷却水循环、冷冻水循环和室内空气循环。这三种循环都直接或者间接与冷却剂发生热量交换，帮助把室内空气的温度降低，实现制冷的效果。从暖通空调制冷系统的工作原理来看，制冷系统是能源消耗最大的部分，对其进行优化控制可以最大限度地降低能量损耗。
2暖通空调制冷系统的优化控制方法
BP神经网络、Matlab语言和自适应模糊控制系统可以在半智能化的系统中承担不同的职责，进而实现信号的及时反馈。
2.1 BP神经网络在暖通空调制冷系统中的应用
BP神经网络是一种多层反馈的网络系统，可以解决多层网络的隐藏单元连接问题。而且BP神经网络在解决非线性的映射问题时，有着不可替代的作用。根据BP神经网络的特性，它主要用在以下三个方面：（1）模式的识别与分类。在计算机的数据中，可以将信息分为文字、图片和语言等类型，BP神经网络可以根据不同数据的特征进行识别，然后把信息针对性的归类，有助于加快信息的处理；（2）函数系统控制。BP神经网络可以利用其自身非线性的特点进行函数建模，建模后的系统就可以广泛应用在工业控制中，如机器人的运动轨迹控制等；（3）压缩数据。BP神经网络可以对数据进行压缩，减少数据所占据的内存空间。另外，BP神经网络还可以对数据的特征进行抽取，方便数据的分析。根据BP神经网络的上述特征，可以将这种神经网络应用在暖通空调的制冷系统中，实现对空调制冷系统中制冷机吸气压力的模拟。因为暖通空调制冷机的能耗有很强的非线性特点，所以在收集其能耗状态时很难保证精确性。基于此，可以发挥BP神经网络的作用，实现对真实数据的模拟。BP神经网络可以模拟任意的连续非线性函数，利用神经网络模型来逼近实际值。BP神经网络在暖通空调中可以实现制冷机状态的监测，方便后续的调整和控制。
2.2 Matlab语言在暖通空调制冷系统中的应用
Matlab语言是一种很强大的工程语言，它可以处理大量的数据，而且处理的效率很高。所以，在控制系统、图像处理和系统仿真中的应用较为广泛。在随后的发展中，Matlab语言更为完善，各个领域的专家根据自身的需求推出了Matlab工具箱，里面有各种训练与设计的子程序，当人们需要的时候就可以直接调取，进而解放了自己的编程。从这方面来讲，Matlab语言实现了模块化的设计与应用，能够简化系统的控制过程。所以，即使不了解算法的本质，人们也可以直接利用函数模块来实现设计目的，方便了建模的过程。BP神经网络是算法的基础，可以实现系统运作的模拟，而Matlab语言是整个系统运作的模块，在一定程度上可以看作是BP神经网络的子系统。如果把BP神经网络应用在暖通空调的制冷系统中，那么就可以用Matlab语言实现模块的设定。这种结合的优势主要体现在以下两点：
（1）简化整个系统的设定。暖通空调的制冷系统受外界环境和室内环境的影响较大，所以其运行会经常性的发生改变，要收集其运行状态的各种参数较为复杂。
期刊文章分类查询,尽在期刊图书馆但是将BP神经网络和Matlab语言结合后，就能够根据模块的特性快速设定程序，简化整个系统的运作；
（2）反馈最接近实际情况的数据。为了降低暖通空调制冷机的能耗，需要确定其最佳吸气压力的状态。制冷剂的状态变化有着明显的非线性关系，寻常的采集方法很难起到较好的效果。但是，BP神经网络能够模拟非线性的映射，而Matlab语言能够快速的处理数据，这就形成了较好的循环，能够最快速地把暖通空调制冷剂的运作状态反馈给系统，方便了调整和控制。
3暖通空调制冷系统降耗的具体方案
3.1制冷机的工况
COP由于时代在不断进步，科技也在不断的发展，所以对于暖通空调控制制冷机的研究也在不断地进行，以便于能够更好地服务于人们，满足人们的需求。COP指的是制冷机系统中制冷剂的温度与吸气压力的关系值。COP值会在一定的负荷下达到最优，因为在制冷机制冷时，制冷机系统的冷凝力不会随着暖通空调的其他作用系统或者是其它参数而改变，在制冷机系统单位制冷能力越高的状况下，制冷机系统的吸气压力也能够得到相应的提升。所以，制冷系统对于吸入的冷气的制冷量就会因为制冷机系统吸入的室内高压气体而增加制冷量，这样就会提高暖通空调的制冷效果，从而满足了生产厂商的研究要求。
3.2 CFD技术
3.2.1 CFD技术因为可以形成暖通空调中数据动量、能量、质量守恒方程的建模及其复杂的计算，被研究人员合理的运用于暖通空调的制冷技术中，这极大地帮助了研究人员对于暖通空调制冷技术的研究效率，对于研究具有很大的帮助，并且它节省了工作人员的研究时间和财力。
3.2.2它能够对于大量的数据根据自身严格的计算程序一步一步的完成数据的处理以及计算，而这些经过CFD技术处理过的庞大数据十分准确，能够很好地被研究人员利用于之后对于暖通空调的控制制冷系统的研究。这些被视化的庞大数据是之后研究的关键，对这些数据进行评估后，才能合理的被研究人员运用到实际的生产中。是研究暖通空调制冷技术的最基础的一步。所以CFD技术可以通过缩短研究人员对于数据的处理及将这些数据用于主要生产研究的过程的时间，为暖通空调的控制制冷系统的研究起到了实质的优化作用。
3.2.3当然，在使用CFD技术之前，需要研究人员把制冷机系统中的压缩机在实际投入使用时的工作状况，其处于工作状态时转动频率，从室内吸收冷气时的压力等参数确认下来，然后研究人员根据这些参数来对控制制冷系统进行优化。利用CFD技术将暖通空调投入使用后，利用之前预先设置的数据和将暖通空调投入使用后制冷机系统在实际工作时收集的数据相互比较。然后利用制冷机实际工作时获得的数据形成BP神经网络模型。
3.2.4在BP神经网络模型中，输入量与制冷机中制冷剂的温度和制冷系统中压缩机的工作状况有关，而控制制冷系统中的压缩机工作状况与利用自身出入口负荷值的测量值有关，制冷机系统的吸气压力是BP神经网络模型的输出值。由制冷机的工况COP可知，制冷机系统中制冷剂的温度与其吸气压力之间是正向相关的关系。
3.2.5研究显示暖通空调处于不同状况下时，其负荷会有一定的变化，这样制冷机系统的吸气压力也会有所不同，通过一系列的活动后得到的参数也就不同，这些参数同时代表着制冷系统的工作状况，从这些数据中进行筛选与总结就会获得制冷机系统处于最优工作状态下的参数，然后在生产暖通空调的时候可以直接根据最优状态下的参数进行设定，这样就可以让暖通空调得到优化了。在实际过程中一般通过调控制冷系统压缩机的工作频率的方法，来优化暖通空调的制冷系统。
结语
随着社会的发展，人们对生活质量的要求越来越高，暖通空调已经成为建筑物中不可缺少的一部分。但是由于暖通空调的制冷剂运作问题，其能耗一直较高，进一步恶化了我国能源的供求关系，不满足可持续发展的战略。而暖通空调中能耗最大的就是制冷系统，对其进行优化的控制有着重要意义。
参考文献：
[1]祝用华.VRF与VAV复合空调系统及其协调优化控制方法研究[D].上海交通大学，2015.
[2]刘明众.地源热泵特性分析及可行性研究[D].安徽理工大学，2015.
[3]吴海峰.空调系统夏季集中运行调节及自动控制方法研究[D].太原理工大学，2015.
[4]齐东昇.江水源热泵用于区域供冷供热系统中的节能运行研究[D].东南大学，2015.
论文作者:赵飞飞
论文发表刊物:《基层建设》2017年第21期
论文发表时间:2017/11/1
标签：制冷机论文; 神经网络论文; 暖通空调论文; 制冷系统论文; 系统论文; 数据论文; 制冷剂论文; 《基层建设》2017年第21期论文;