PID控制系统在暖通空调中的发展与应用

空调系统的出现为人们的生活与工作环境带来了显著的改变，提高了生活与工作的效率和舒适度。然而，在带来了良好的生活环境的同时，空调系统也耗费了巨大的能源。例如，中央空调的能耗一般占据了建筑总能耗的40%~60%^［１］。而作为建筑节能的重要手段之一，自动控制技术的应用在空调领域中的应用极大地方便了系统的管理和试调，使得整个系统运行更加稳定也更节能，因为只有安装了自控系统才能实现很多手动调节下所不能完成的变风量、变水量、多工况的调节过程，整个系统才能始终在高效的运行当中，特别是在部分负荷率的条件下。空调系统的被控对象（空调房间）往往具有大滞后、慢时变、非线性特点，且受各种不确定因素影响。传统的ON/OFF控制往往难于做到精确控制。广泛出现在工业过程控制中的PID 控制技术在空调系统自控中的应用也由来已久，并且针对被控对象本身的特殊性进行了很多改进。

一、 什么是PID控制

PID控制器就是根据系统的误差，利用比例、积分、微分计算出控制量进行控制的。PID控制器（比例-积分-微分控制器）是一个在工业控制应用中常见的反馈回路部件，由比例单元P、积分单元I和微分单元D组成。PID控制的基础是比例控制；积分控制可消除稳态误差，但可能增加超调；微分控制可加快大惯性系统响应速度以及减弱超调趋势。PID 控制机理的核心仍然是反馈，通过反馈反应误差，从而对相关参数进行调整，消除误差

二、　　PID控制器的发展历程

20 世纪80 年代，中央空调设备几乎都是简单的ON /OFF 控制模式，换句话说就是用压力继电器或热继电器等元件监测并控制室温。工业过程控制中最普遍使用的PID 控制器与其改进型控制器，其中使用纯PID 调节器达到了84%，把改进型也包括的话则超过90%^［２］。PID 控制器在日本的使用竟然曾经达到了近84. 5%^［３］。过去结构简单、鲁棒性强的PID 控制器取得了良好的控制效果。随着过程控制要求的提高，对传统PID 控制也提出了更高要求，随之发展出很多先进的计算机算法来改进PID 控制的控制品质。当前，较为热门的PID 算法有模糊PID 控制、神经网络PID控制和自适应PID控制等。

三、 PID控制系统在空调系统中的应用

PID 控制的准确控制往往基于空调系统模型的准确建立，一般在应用中将空调系统被控对象温度等简化为一阶惯性加滞后环节模型^[4]由此很容易建立传递函数，从而根据系统要求对参数进行整定。实际上空调系统是一个多变量、大延迟、非线性的典型系统，利用PID 的这种参数的线性组合去控制自然有自身的缺陷。首先该模型与实际的集中空调系统有很大差异，被控对象本身具有不确定性和非线性，增加了空调系统建模的复杂性和难度；同时系统又受到室外气候、室内环境变化等因素的干扰，这种干扰是多方面的，随时随地的，这就要求控制系统要适应这样的变化，也就是PID 控制的参数需要随时调整，而不是固定不变的。例如, 当夏季室外气温升到39 ℃时, 如果室内仍然维持设定的26 ℃, 一方面会使空调系统的能耗增加;另一方面会使人体有冷的感觉, 容易使人生病。^[5]我们知道空调系统的温度、湿度是相互耦合的关系，各变量之间相互影响，使得传统PID控制的精度和稳定性难以满足实际需要。而模糊PID 控制、神经网络PID控制和自适应PID控制等几种先进PID 控制目前都已经应用到空调系统的控制当中，研究的点在于结合被控对象本身的特点，提出适合的体系和控制算法。空调系统本身是复杂的热力学和传热学的系统，先进PID控制系统的设计要结合空调系统本身的物理特性和规律，才能充分发挥自身的优势和特点。目前，模糊PID控制、神经网络PID控制和自适应PID 控制在AHU、空调房间和空调末端都有应用。

四、 对于PID控制系统的展望

随着计算机和控制理论的发展,新型PID控制器的功能将进一步完善,如可能具有自组织自学习的能力,尤其是人工神经元网络和模糊控制研究的兴起为人工智能开辟了新天地,基于人工神经元网络和模糊控制的方法也为智能自整定控制提供了一个有潜力的发展方向。^[6]由于现在暖通空调控制系统越来越复杂，模型的建立越来越困难，常规基于模型建立的PID 控制技术很难完成控制目标，而并不基于具体控制模型的模糊控制与神经网络具有很大的优势。与此同时中央空调系统是多变量、超滞后性、时变的系统，模糊控制与神经网络在控制超调量方面明显优于传统的PID 控制技术^[7]。但是模糊控制规则其技术参数的确定通常是根据专家经验事先设定好的。由于其参数值是按标准环境设定的，不能很好地考虑空调所在室内环境的差异、季节的变化以及个体舒适度等因素。但是对于神经网络控制，上面因素并不能影响这系列控制器的控制效果。^[8]Brian A .Rock曾在美国10个不同城市的小型写字楼的单区域定风量系统中, 进行了定新风量、按室外空气干球温度改变新风量、按室外空气焓值改变新风量和基于ANN按室内空气CO2 浓度改变新风量的通风方式比较。试验结果表明, 在供暖季节, 神经网络控制能耗小, 运行费用低。^[9]但神经网络控制也具有一些固有的缺陷，比如收敛速度慢且容易陷入局部极小点。常规的模糊变频空调、神经网络控制与传统的空调相比，技术上有了很大的进步。^[10]智能控制与传统PID控制方法之间相互结合的优势是有目共睹的，应该成为现代控制理论发展的总趋势，不同的控制策略之间相互取长补短，以便更好地服务于暖通空调节能控制的要求。