1 Monograph

Тодор Йонков
Енергоикономично управление в
интегрирани системи за сградна
автоматизация
Технически Университет - София

Книгата представлява монография, обобщаваща както цитираните в
литературата авторови публикации, така и редица непубликувани
изследвания на автора в тази област. Заедно с това тя се явява и учебник
по дисциплината Сградна автоматизация, задължително избираема за
студентите от факултет Автоматика 4-ти курс. В книгата се разглеждат
обобщено от системна гледна точка основните стъпки за проектиране и
изграждане на енергоикономично управление в интегрираните сградни
системи. В нея са дадени теоретични сведения, примерни решения и
методически указания относно: съставянето на функционални схеми;
анализ на режимите на работа, алгоритми за управление на системи за
отопление, вентилация и климатизация. Демонстрирани са основни
подходи за моделиране в различни софтуерни среди на разглежданите
управляващи енергоикономични системи. Тя може да служи при
изследователската работа, а също и като учебник и водещо учебно
пособие за специалисти в областта на автоматизацията на производството,
а така също и на инженери - магистри и докторанти в други отрасли на
индустрията.
© Тодор Стефанов Йонков

Технически университет - София, 2012
СЪДЪРЖАНИЕ
Предговор 1
1. Tемпературен комфорт 5
1.1 Основни дефиниции и понятия 6
1.2 Дефиниране на условията за температурен комфорт 7
1.3 Температурен дискомфорт 12
2. Психрометричен подход за описание на процесите в системи 15
за климатизация
2.1 Психрометрични параметри 15
2.2 Психрометрична диаграма 17
2.3 Психрометрично описание на основните процеси в СОВК 18
2.4 Психрометрично описание на система за отопление, 38
вентилация и климатизация (СОВК)
3. Моделиране на обекти и процеси в системите за сградна 41
3.1 Термодинамични модели 42
3.1.1 Стайна температура 42
3.1.2 Температура на стените 43
3.1.3 Топлинен поток през стена 44
3.1.4 Моделиране на конструктивни елементи – междинен 58
слой на стена с отчитане на температурата и влажността
3.2 Регресионни модели 63
3.2.1 Описание на алгоритъма за анализ 66
3.2.2 Визуализация на величините, описващи околната среда 67
3.2.3 AR модели 70
3.2.4 ARX модели 72
3.2.5 Сравнителен анализ на методите, базирани на временни 75
редове
3.3 Моделиране в развойна среда (TAC Menta) 77
3.3.1. Създаване на програма за елементи от вентилационна 77
система чрез използване на функционални блокове
3.3.2 Създаване на моделни библиотеки в развойна среда 80
(TAC Menta)
3.3.3 Топлинен модел на нагревател 83
3.3.4 Топлинен модел на стая 86
3.4 Моделни библиотеки в среда SIMULINK 88
3.5 Симулационен анализ в среда simulink 102
3.6 Модели на топлообменници
3.7 Моделиране на многомерни електромеханични системи в 109
интегрирани сградни обекти
3.7.1 Моделиране на постояннотокови ЕМС 110
3.7.2 Нелинейни многомерни електромеханични системи в 113
сградните системи
3.7.3 Моделиране на асинхронни ЕМС в автоматизирани 115
сградни системи
4. Основни управляващи структури в системите за отопление, 123
вентилация и климатизация
4.1 Каскадно управление 123
4.2 Последователно разделено управление 123
4.3 Двупозиционно управление 124
4.4 Основни управлявани величини в системите за отопление, 125
4.4.1 Управление на температура 125
4.4.2 Управление на влажност 125
4.4.3 Управление на статично налягане 126
4.5 Управляващи структури в системи с постоянен и променлив 127
въздушен обем
4.5.1 Управление на системи с постоянен въздушен обем 127
4.5.2 Управление на системи с променлив въздушен обем 132
4.6 Управление на вентилацията в интегрирани сградни системи 134
5. Управляващи енергоикономични стратегии 139
5.1 Системи с обратна връзка по комфорт 139
5.2. Размито управление с енергоспестяващи свойства 141
5.3 Оптимално супервайзорно управление 152
5.4 Системи с оптимални задаващи въздействия 154
5.5 Моделно базирано оптимално управление в интегрирани 165
5.6 Моделно базирано предсказващо управление на топлинния 172
комфорт на интегрирани сградни системи
5.7 Физическо изграждане на моделно базирано предсказващо 181
управление в системи за сградна автоматизация
5.8 Физическо изграждане на моделно базирано предсказващо 187
управление в системи за сградна автоматизация – контролерна
реализация
5.9 Сравнителен анализ на подходите за предсказващо 192
управление
5.10 Локални адаптивни контури за енергоикономично 197
управление.
5.11 Синтез на енергоикономично управление на многомерни 203
сградни нестационарни електромеханични системи
5.11.1 Класическа оптимизация 203
5.11.2 Оптимизация чрез теорията на Ляпунов и Мооre- 209
Penrose - псевдоинверсията
5.12 Оптимално векторно управление с адаптивен модел на 225
обекта (Model reference adaptive system - MRAS)
5.13 Оптимално векторно управление с адаптивен контрол на 236
скоростта
5.14 Енергоспестяващо управление на асинхронни 246
електрозадвижвания в автоматизирани сградни системи
5.14.1 Динамично превключване на алгоритми 251
5.14.2 Приложение на разширен филтър на Калман в 255
системите за индиректно векторно управление в сградни
електрозадвижвания
5.14.3 Енергоикономично управление, базирано на алгоритми 258
за управление на скорост
5.14.3.1 Енергоспестяване чрез регулиране на скорост в 259
5.14.3.2 Оптимизация на загубите в асинхронен двигател с 259
оптимално управление на роторния поток
5.14.4 Минимизация на загубите в електрозадвижвания със 266
скаларно управление
5.14.5 Минимизация на загубите в електрозадвижвания с 274
векторно управление
5.14.6 Симулационни изследвания 280
6. Хибридно моделиране в системите за сградна автоматизация 287
6.1 Хардуерна симулация в системи за климатизация 287
6.2 Модели в средата Simulink и в средата Хардуерно- 293
симулирано управление в реално време
6.3 Анализ на контролерната система с използване на модел в 295
реално време
6.4 Експериментално изследване на електрозадвижвания в 297
системите за сградна автоматизация в реално време
7. Информационно осигуряване на системите за 305
енергоикономично управление
7.1 Сензорни информационни контури 305
7.1.1 Информация за температура 305
7.1.2 Информация за влажност 306
7.2 Наблюдатели в информационните канали 309
7.2.1 Адаптивни наблюдатели за електрозадвижвания в 309
сградни автоматизирани системи
7.2.2 Разширен филтър на Калман за електрозадвижвания в 318
интегрирани сградни системи
8. Оценяване енергийната ефективност на управлението в 329
8.1 Приложение на опитната системата за оценяване качеството 333
на регулиране
8.2 Приложение на опитната системата за оценяване на 335
енергийната ефективност на управляващи алгоритми
8.3 Изграждане на система за енергоикономично адаптивно 339
управлението в сградни системи
8.4 Изграждане на супервайзорно ниво на системата за 347
енергоикономично управление
Литература 351
Предговор
Поддържането на комфортен микроклимат в сградите при въз-

можно най-ниски експлоатационни разходи е въпрос не само на правилен
подбор на оборудване за климатичната, отоплителната и вентилационната
инсталация, но и на оптималното им управление. Все по-голям брой от
мащабните многофункционални сгради разполагат с управление и контрол
на сградните инсталации – отопление, климатизация, осветление, системи
за сигурност и т.н. Специално в областта на климатизацията на сгради,
автоматизирани платформи позволяват успешно да се поддържат подхо-
дящите параметри на микроклимата, паралелно с постигане на енергийна
ефективност.
Цел на всяка система за сградна автоматизация е да осигури ус-
пешно управление на инсталациите и да оптимизира оперативните разходи
за поддръжка на сградата. Съвременните решения осигуряват непрекъснат
мониторинг на всички параметри в сградата, имащи отношение към ком-
форта и безопасността на обитателите от една страна, и на енергийните
потоци, от друга. Сред най-важните предимства от използването им е ог-
ромната свобода за настройване на параметрите на микроклимата, която
осигуряват.
Сред най-широко използваните платформи за управление и конт-
рол на климатични инсталации са системите за сграден мениджмънт, по-
пулярни у нас с абревиатурата BMS (Building Management System). Извес-
тно е, че те представляват отворени, модулни, йерархични автоматизирани
системи за мониторинг, контрол и управление. В областта на сградната
автоматизация широко се използва и мрежовата платформа LonWorks,
чийто комуникационен протокол е наречен LonTalk и фигурира като един
от физическите слоеве, респективно слоеве за свързване на данни, на про-
токола BACnet. Когато се говори за сградна автоматизация не бива да се
пропуска и стандартът за изграждане на интелигентни комуникационни
1
мрежи European Installation Bus (EIB). Тъй като решенията, базирани на
посочените стандарти, осигуряват автоматизиран контрол и управление на
всяка сградна инсталация, в почти всички случаи климатичната инстала-
ция, макар и само една от всички управлявани подсистеми, се явява основ-
ната от гледна точка на енергийна консумация.
Централизираните климатични системи са сред най-подходящите
решения за климатизация на помещения с големи размери, като театрални
зали, закрити стадиони и други. Представляват комплекс от съоръжения,
чрез които въздухът се пречиства и обработва. Също така се предава и
необходимата енергия за неговото движение. Структурата на централизи-
раните климатични системи се определя в зависимост от конкретните
изисквания за температура и влажност на въздуха. Елементите за обработ-
ка на въздуха конструктивно се оформят във вид на секции и блок-секции,
предназначени за регулиране, нагряване, охлаждане, изсушаване, овлаж-
няване и смесване на въздуха. В тези обекти основно място заемат елект-
ромеханичните системи, задвижващи мощните изпълнителни механизми.
Обикновено пространството в сградата е разделено на по-малки зони, кое-
то позволява подържането на различна температура в тях. Характерно за
днешните ОВиК (отопление, вентилация и климатизация) системи е нали-
чието на управляван поток на топлоносител в тях. Изисква се едновремен-
ното регулиране на температура и поток на въздух и вода през отоплител-
ната и охладителна секции.
В последните години навлезе разбирането за "интегрирани" сис-
теми за сградна автоматизация, като нов, специфичен клас системи за ав-
томатизация. Най-съществените им характеристики са: висока енергоем-
кост; наличие на технологична многосвързаност между термодинамични,
пневматични, хидравлични и електромеханични агрегати, изграждащи
основната система за сградна автоматизация; многосвързаност между раз-
личните по характер обекти, обработващи "общия продукт" - въздух, вода,
топлина, комфорт; паралелното управление на подсистеми със значително
различаващи се динамични свойства - от бързите контури в електрозад-
вижвания до бавните и със закъснения кръгове в топлинните системи. Най-
съществената общност в интегрираните сградни системи е общият и еди-
нен критерий за управление - минимизиране на консумираната електри-
ческа или топлинна енергии.
Настоящата книга представлява една монография, обобщаваща
както цитираните в литературата авторови публикации, така и редица не-
публикувани до момента изследвания на автора в тази област. Заедно с
това книгата се явява и учебник по дисциплината Сградна автоматизация,
задължително избираема за студентите от факултет Автоматика 4-ти курс.
Книгата разглежда обобщено от системна гледна точка основните стъпки
за проектиране и изграждане на енергоикономично управление в интегри-
раните сградни системи: формализирано описание на комфорта и основни-
те управлявани термодинамични и електромеханични структури и процеси
2
в тези системи (глави 1, 2, 3 и 4), начините за синтез на енергоикономично
управление в тях (глава 5), прилагането на съвременни подходи за анализ
и синтез на подобни системи, свързани с изграждането на хибридни моде-
ли (глава 6). Описани са и основните техники за информационното осигу-
ряване и физическо контролерно проектиране на енергоикономичното
управление (глави 7 и 8).
Тази монография е първият опит у нас за обобщаването на разг-
лежданите в нея проблеми. Тя може да служи при изследователската рабо-
та, а също и като учебник и водещо учебно пособие за специалисти в об-
ластта на автоматизацията на производството, а така също и на инженери -
магистри и докторанти в други отрасли на индустрията.
Авторът изказва своята дълбока благодарност на колектива от ка-
тедра АЕЗ, без чиято помощ би било невъзможно въвеждането на тази
нова научна област както в изследователската, така и в учебната ни дей-
ност. Неоценима бе активността на този колектив при изграждането в ка-
тедрата на две нови учебни и изследователски лаборатории по Сградна
автоматизация - "Управляващи устройства" и "Икономия на енергия в
автоматизираните сградни системи", създадени с финансовата подкрепа на
Националния фонд за научни изследвания - МОМН и ШНАЙДЕР ЕЛЕКТ-
РИК - България.
София, 2012 Авторът
3
4
Tемпературен комфорт
Температурен комфорт е термин, въведен от Американското дру-

жество на инженерите по отопление, вентилация и климатизация (ASH-
RAE). Това е състояние на индивида, което изразява задоволство от темпе-
ратурната обстановка на околната среда. Дефинира се в ANSI/ASHRAE
Стандарт. Необходимите изисквания, за да се създаде комфортна обста-
новка, са различни за всеки отделен човек. Базирайки се на обширни лабо-
раторни и полеви данни, предоставящи статистическа информация за ус-
ловията, които определен процент от обитателите на сградата намират за
удовлетворяващи, би могло да се създаде една оптимално комфортна обс-
тановка. За да се дефинират състоянията на температурен комфорт, се
вземат предвид шест основни фактора:
• скорост на метаболизма (М);
• термично съпротивление на облеклото (Icl);
• температура на въздуха (ta);
• температура на излъчване (tr);
• скорост на въздуха (vair);
• влажност въздуха – парциалното налягане на водните пари (pa).
Препоръчителните граници за тези шест параметъра са:
• М: 46 ÷ 232 W/m2 (0,8 ÷ 4 met);
• Icl: 0 ÷ 0,310 K/W (0,2 ÷ 2 clo);
• ta: 10 ÷ 30 °C;
• tr: 10 ÷ 40 °C;
• vair: 0 ÷ 1 m/s;
• pa: 0 ÷ 2700 Pa.
Температурен комфорт се поддържа, когато е позволено да се раз-
сее топлината, генерирана от човешкия метаболизъм, като по този начин
5
се поддържа топлинно равновесие с околната среда. Все пак усещането на
горещо и студено не зависи само от температурата на въздуха. По-
голямата част от наличните данни за температурен комфорт се отнасят за
заседнали или близо до заседнали равнища на физическа активност, ти-
пични за работа в офис. Представените ограничения са предназначени
основно за тези условия, но могат да се използват също и за определяне на
подходящи условия при умерено повишена физическа дейност. Не се при-
лагат при сън или почивка на легло.
1.1 Основни дефиниции и понятия
• Температура на въздуха (ta) – температурата на въздуха, обграждаща
обитателя.
• Средна температура на излъчване (tr) – равномерно разпределена тем-
пература в затворено помещение, в което човешкото тяло обменя лъчиста
топлина, еквивалентно на обмен в реално помещение с неравномерно раз-
пределение на температурата на излъчване.
• Температура на усещане (to) – равномерно разпределена температура
на затворено помещение, в което човешкото тяло обменя лъчиста и кон-
вективна топлина, както в реално помещение с неравномерно разпределе-
ние на температурата на излъчване. Може да бъде изчислена с достатъчна
точност за различни приложения, при скорост на въздуха 0.2 m/s, по фор-
мулата:
to = (ta + tr) / 2, където: to – температура на усещане; ta – температура на
въздуха; tr – средна температура на излъчване.
• Термично съпротивление на облеклото (Icl) – съпротивление на топ-
лопредаване, осигурено от облеклото. Отчита се в clo единици. Icl =
0.155.clo. Отнася се за топлопредаването на цялото тяло, в т.ч. непокрити-
те части от тялото като глава и ръце.
• Термично съпротивление на дрехата (Iclu) – повишаване на съпротив-
лението на топлопредаване при индивидуално добавяне на дреха върху
тялото. Отчита се в clo единици.
• clo – единица за отчитане термично съпротивление на дреха и цяло
облекло; 1 clo = 0,155m2 °C/W.
• Скорост на метаболизма (M) – скоростта на трансформация на биоло-
гичната енергия в топлина и механичната работа чрез действия на метабо-
лизма в един организъм. Отчита се в met единици. M = 58.2.met.
• met – единица за отчитане на енергията, генерирана в човешкото тяло
чрез метаболизъм; 1 met = 58,2 W/m2, което е равно на енергията, произве-
дена за единица площ от индивид в състояние на покой. Средна телесна
повърхност на възрастен индивид – 1.8 m2.
• Течение – нежелано локално охлаждане на тялото, причинено от уско-
рено движение на въздуха.
• Абсолютна влажност на въздуха – масата на водните пари, отнесени
към масата на сухия въздух.
6
• Относителна влажност на въздуха – отношението между количество-
то водна пара, намираща се във въздуха, и максималното количество водна
пара, което въздухът може да поеме при една и съща температура. Изразя-
ва се в проценти.
• Точка на оросяване – температурата, при която въздухът достига състо-
яние на насищане с вода, °C.
• PMV (Предполагаема средностатистическа оценка) – показател, прог-
нозиращ средностатистическата оценка на голяма група от хора, по седем-
точкова температурна скала.
• PPD (Прогнозиран процент на неудовлетворените) – показател за прог-
нозиране на процента от голям брой хора, неудовлетворени от топлинните
условия в дадено помещение. Неговата функционална зависимост от PMV
е установена по аналитичен път, като на всяка точка от скалата на PMV
съответства определена стойност на PPD.
1.2 Дефиниране на условията за температурен комфорт
Температура на усещане
Комфортът може да бъде установен, ако има предоставени данни
за облеклото, относителна влажност и скорост на въздуха, както и ско-
рост на метаболизма. Комфортната зона се определя по отношение на ре-
дица стойности за температурата на усещане, осигуряващи приемливи
температурни условия на околната среда или по отношение комбинации от
температура на въздуха и температура на излъчване на средата, които
хората намират за температурно приемливи. По-долу са представени на-
чините за дефиниране на температурни ограничения за зоната на комфор-
та.
Графичен начин
Приложим е за помещения, където нивото на физическа активност
на обитателите, изразено чрез скоростта на метаболизма, е в границите от
1.0 met до 1.3 met, а облеклото осигурява от 0.5 clo до 1.0 clo термично
съпротивление. За повечето от офис площите се отнасят тези ограничения.
Тези граници на температурата на усещане (фиг. 1.1) са приемливи за 80%
от обитателите. Това се основава на 10% неудовлетвореност от цялостния
(на цялото тяло) температурен комфорт, основаващ се на PMV-PPD, плюс
10% неудовлетвореност, която може да възникне заради температурен
дискомфорт по някоя част от тялото. Фиг. 1.1 специфицира зоната на ком-
форта за среди, отговарящи на по-горните критерии и където скоростта на
въздуха не е по-голяма от 0.20 m/s.
Показани са две зони – една за термично съпротивление на облек-
лото, равно на 0.5 clo, и друга - за 1.0 clo. Диапазонът на температурата на
усещане, ограничаващ стойностите за съпротивление на облеклото, се
определя чрез линейна интерполация между границите за 0.5 clo и 1.0 clo:
Tmin, Icl = [(Icl – 0.5clo)Tmin, 1.0clo + (1.0clo – Icl)Tmin, 0.5clo] / 0.5clo , (1.1)
Tmax, Icl = [(Icl – 0.5clo)Tmax, 1.0clo + (1.0clo – Icl)Tmax, 0.5clo] / 0.5clo , (1.2)
7
където: Tmax, Icl е горна граница на температурата на усещане при термично
съпротивление на облеклото Icl;
Tmin, Icl – долна граница на температурата на усещане при термично съпро-
тивление на облеклото Icl;
Icl – термично съпротивление на облеклото.
Фиг. 1.1 Граници на изменение на температура на усещане и влажност на въздуха
Модел на ASHRAE за дефиниране на температурен комфорт

Скалата на ASHRAE за определяне температурното усещане у хо-
рата има следния вид:
+3 +2 +1 0 -1 -2 -3
сравнително сравнително
горещо топло неутрално хладно студено
топло студено
PMV моделът използва принципите на топлинния баланс на чо-
вешкото тяло, за да се установи връзката между шестте ключови фактора
на температурен комфорт, изброени по-горе, и усещането на хората, отра-
зено по скалата. Чрез този показател може да се прогнозира доколко тем-
пературата в дадено конкретно помещение ще се възприема като „горещо“
или „студено“.
На фиг. 1.2 е показана връзката между показателите PPD и PMV.
Функционалната зависимост на PPD от PMV е установена по аналитичен
път, като на всяка точка от скалата на PMV съответства определена стой-
ност на PPD. PPD е преценка на средностатистическото мнение на голям
брой хора, отчетена по скала за топлинно възприятие. Трябва да се има
предвид, че отделните мнения са безразборно разпръснати около тази
средна величина. Дори когато PMV има нулева стойност, на определен
8
малък брой хора ще им бъде или прекалено топло, или прекалено студено,
а колкото по-далеч от нулата е, толкова по-голям ще бъде процентът на
неудовлетворените. Препоръчителни са границите PPD<10, -0.5 < PMV < +
0.5. Използването на PMV модела се ограничава до стойности за скоростта
на въздуха, не по-големи от 0.20 m/s.
Фиг. 1.2 Прогнозиран процент на неудовлетворените като функция на предполагаемата

средностатистическа оценка
Аналитично определяне на показателя за температурен комфорт

PMV
За да се намери стойността на Предполагаемата средностатисти-
ческа оценка, се използват следните уравнения.
PMV = [0,303 exp(–0,036 M ) + 0,028] .
{(M – W) – 3,05.10-3 [5733 – 6,99(M – W) – pa] – 0,42[(M – W) – 58,15]
–1,7.10-5 M (5867 - pa) – 0,0014M(34 – ta) (1.3)
–3,96.10-8 fcl [(tcl - 273)4 – (tr + 273)4 ] – fcl hc (tcl – ta) }
tcl = 35,7 – 0,028 (M –W)

–Icl .{3,96.10-8 . fcl . [(tcl +273)4 – (tr + 273)4] + fcl . hc . (tcl – ta)} (1.4)
2,38 . |tcl – tcl|0,25 , при 2,38 . |tcl – tcl|0,25 > 12,1 . var
hc = (1.5)
0,25
12,1 . var , при 2,38 . |tcl – tcl| < 12,1 . var
1,00 + 1,290 . Icl , при Icl ≤ 0,078 m2 . K/W

fcl = (1.6)
1,05 + 0,645 . Icl , при Icl > 0,078 m2 . K/W
където:
M е скоростта на метаболизма, W/m2;
W – ефективната механична енергия, W/m2;
9
Icl – термично съпротивление на облеклото, m2 . K/W;
fcl – фактор на облеклото;
ta – температура на въздуха, °C;
tr – средна температура на излъчване, °C;
var – относителна скорост на въздуха, m/s;
pa – парциалното налягане на водните пари, Pa;
hc – конвективен коефициент на топлообмен, W/(m2 . K);
tcl – температурата на повърхността на облеклото, °C.
Граници на влажността
Системите, проектирани за управление на влажността, трябва да
поддържат абсолютната влажност на въздуха по-малка или равна от 0.012,
съответстваща на налягане на водна пара от 1.910 kPa, при стандартно
налягане, или температура на оросяване от 16.8°C. Като цяло долна грани-
ца на влажността не се задава. Но все пак, заради фактори като изсушаване
на кожата, дразнене на лигавиците, сухост на очите и генериране на ста-
тично електричество, могат да се въведат ограничения срещу твърде нис-
кото ниво на влажност.
Относителна влажност на въздуха

Опростеният динамичен модел на количеството водни пари, нами-
ращи се във въздуха на вътрешната среда, се представя с уравненията:
Gdxi/dt = ρΦv(xi – xo) ; (1.7)
Pws = exp(–5800/ta + 1,3914 – 4,8610-6ta + 4,176410-5ta2
– 1,410-8t3a + 6,5459log(ta) ; (1.8)
Pw = xiP/(xi + 0,622) ; (1.9)
RH = Pw/Pws , (1.10)
където: xi е количество водни пари във въздуха на вътрешната среда, g/kg;
xo – количество водни пари във въздуха на външната среда, g/kg; G – тег-
лото на сухия въздух в помещението, kg; Pw – парциално налягане на вод-
ните пари, Pa; Pws – парциално налягане на наситените водни пари, Pa; RH
– относителна влажност на въздуха във вътрешната среда.
Скорост на въздуха
Скоростта на въздуха в дадено помещение влияе върху конвек-
тивния топлообмен между човека и околната среда. Това се отразява и на
температурния комфорт на тялото (загуба на топлина), изразен чрез PMV-
PPD показателя и локалния температурен дискомфорт, причинен от тече-
ние. Увеличената скорост на въздуха може да се използва, за да се намали
усещането за топлина, причинено от увеличена температура. Често ско-
ростта на движение на въздуха се увеличава чрез отваряне на прозорци
или използване на вентилатори, предизвикано от прекалено топлата обста-
новка. В летни условия температурата може да се повиши над допустими-
те нива на комфорта, като може да се регулира с помощта на увеличение в
10
скоростта на въздуха. Нивото, до което може да се увеличи температурата,
е показано на фиг. 1.3. Комбинациите от скорост на въздуха и температу-
ра, определени от линиите на фигурата, завършват с еднаква загуба на
топлина от кожата. Опорната точка на тези линии е горната температурна
граница на комфортната зона (PMV = +0,5) и скорост на въздуха 0.20 m/s.
Тази графика съответства на леко облечен човек (с изолация на облеклото
0.5 ÷ 0.7 clo), който води сравнително заседнала физическа дейност (със
скорост на метаболизма 1.0 ÷ 1.3 met).
Фиг. 1.3. Необходима скорост на въздуха за компенсация на повишената температура

(a – граници за леко облекло и заседнала физическа дейност; b – (tr – ta), °C)
Посоченото увеличение на температурата над 260C се отнася за

средната температура на излъчване, както и за температурата на въздуха.
Когато средната температура на излъчване е ниска, а температурата на
въздуха е висока, повишението в стойностите за скорост на въздуха е по-
малко ефективно за увеличение загубата на топлина. И обратно – увеличе-
нието на скоростта на въздуха е по-ефективно за увеличаване загубата на
топлина, когато средната температура на излъчване е висока, а температу-
рата на въздуха е ниска. Увеличаването на скоростта на въздуха може да се
използва за компенсация на повишението в температурата на въздуха и
средната температура на излъчване, но не с повече от 3.0°C над установе-
ните стойности за зоната на комфорта. Необходимата скорост на въздуха
не трябва да е по-висока от 0.82 m/s. Съществуват множество индивидуал-
ни различия при хората, затова има и различия спрямо нивата в скоростта
на въздуха. Следователно, повишението трябва да се извърши при непос-
редствен контрол от страна на засегнатите от тази промяна, но също така
стойностите да се променят на стъпки, не по-големи от 0.15 m/s. Ползите,
които могат да се извлекат зависят от облеклото и активността на обитате-
лите.
11
1.3 Температурен дискомфорт
Локалният температурен дискомфорт се усеща при нежелано ло-
кално охлаждане или прегряване на отделна част от човешкото тяло. Най-
често дискомфорт се създава от асиметрия на температурата на излъчване,
от течение, причинено от ускорено движение на въздуха, от вертикална
разлика в температурата на въздуха и при контакт с горещ или студен под.
Асиметрия на температурата на излъчване

Асиметрия на температурата на излъчване ( ∆ tpr) е налице, когато
в дадено помещение от едната страна на обитателя температурата на из-
лъчване е много по-висока, отколкото от другата му страна. За пример
може да се посочи човек, седящ под пряка слънчева светлина или близо до
студен прозорец в една топла стая. Ако асиметрията е много силна, се
наблюдава дискомфорт. Допустимата асиметрия ∆ tpr,°C на температурата
на излъчване е: топъл таван - < 23°C, студени стени - < 15°C, студен таван
- < 15°C, топли стени - < 35°C. Фиг. 1.4 показва предварителния процент
на неудовлетворените обитатели като функция на асиметрията на темпера-
турата на излъчване, предизвикана от топъл таван със студени стени или
обратното – студен таван и топли стени.
Фиг. 1.4 Локален температурен дискомфорт, причинен от асиметрия на температурата

на излъчване (1 – топъл таван; 2 – студени стени; 3 – студен таван; 4 – топли стени)
Течение
Течението е нежелано локално охлаждане на тялото, вследствие
движението на въздуха. Усещането за течение зависи от скоростта на въз-
духа, температурата на въздуха, турбулентна интензивност, физическата
активност и облеклото на обитателите. Най-голяма е чувствителността
там, където кожата не е покрита с дрехи и по-специално главата, врата и
раменете, както и в областта на краката – колената, глезените и ходилата.
Приетите ограничения тук се основават на чувствителността към течение,
като въздушния поток е насочен в задната част на главата.
12
Фиг. 1.5 Максимално позволена средна скорост на въздуха като функция на локалната тем-
пература на въздуха и турбулентна интензивност
Позволената максимална скорост на въздуха е дадена на фиг. 1.5 като фун-

кция на температурата на въздуха и турбулентната интензивност.
Вертикална разлика в температурата на въздуха

Топлинната стратификация може да доведе до дискомфорт. Тук са
представени позволените температурни разлики между нивото на главата
и нивото на глезена. На фиг. 1.6 е показан прогнозирания процент на неу-
довлетворените обитатели като функция на разликата в температурата на
въздуха, където нивото на главата е по-топло от нивото на глезена. Топ-
линна стратификация в обратна посока се среща рядко. Допустимата вер-
тикална разлика в температурата на въздуха ∆ ta,v °C е < 8°C
Фиг. 1.6 Локален дискомфорт, причинен от вертикални температурни разлики.
Температура на пода
Когато даден под е или прекалено топъл, или прекалено хладен,
при контакт с него обитателят може да почувства известно неудобство.
Температурата на пода, а не на подовата настилката, е най-важния фактор
за температурен комфорт за краката на хората. Фиг. 1.7 дава прогнозира-
13
ния процент на неудовлетворени обитатели като функция на подовата
температура. Границите за подова температура tf°C са 19 ÷ 29°C.
Фиг. 1.7 Локален дискомфорт, причинен от висока или ниска температура на пода
Температурни вариации във времето

Флуктуациите в температурата на въздуха и/или в средната темпе-
ратура на излъчване могат да повлияят на температурния комфорт на оби-
тателите. Цикличните вариации са тези ситуации, при които температурата
на усещане нееднократно се покачва или пада, а периодът на тези вариа-
ции е не по-голям от 15 минути. Ако периодът на флуктуационния цикъл е
по-голям от 15 минути, това се третира като дрейф или степен на нараст-
ване в температурата на усещане, като спрямо това се прилагат изисквани-
ята от таблица 1.
Таблица 1 Ограничения в температурните дрейфове и степени на нарастване

Времеви период, час 0.25 0.5 1 2 4
Максимално позволена промяна в
1.1 1.7 2.2 2.8 3.3
температурата на усещане, °C
14
Психрометричен подход за
описание на процесите в
системи за климатизация
Психрометрията е част от термодинамиката, посветена на проуч-

ването на въздуха и смесените водни пари.
2.1 Психрометрични параметри

Параметрите на въздушните и водните пари, които се използват в
системите за отопление, вентилация и климатизация включват следните
компоненти: сух термометър, мокър термометър, температура на точката
на оросяване, относителна влажност на въздуха, съотношение на влаж-
ността, енталпия, плътност и специфичен обем, атмосферно налягане.
Температури
Температурата на сухия термометър се измерва с обикновен тер-
мометър. „Температура”, когато не е посочено друго, означава температу-
ра на сухия термометър. Температурата на мокрия термометър се измерва
с помощта на мокър вълнен плат, увит около термометъра. Изпарението
има охлаждащ ефект, свързан пряко със съдържанието на влага във възду-
ха. По този начин температурата на мокрия термометър ще бъде по ниска
от тази на сухия термометър, освен в случаите когато има високо съдър-
жание на влага във въздуха. Разликата между двете температури се нарича
мокра дисперсия. Точката на оросяване е тази температура, при която
проба от въздуха трябва да бъде охладена до такава температура, че да
започне процес на кондензиране. Когато въздухът е наситен, температура-
та на сухия термометър, мокрия термометър и точката на оросяване са
равни.
Относителна влажност
Относителната влажност изразява отношението между количест-
вото водна пара, намираща се във въздуха, и максималното количество
водна пара, което въздухът може да поеме при една и съща температура.
Изразява се в проценти.
15
Съотношение на влажността
Съотношението на влага понякога се нарича специфична влаж-
ност, означавана със символа “W” - представлява количеството на вода
във въздуха, изразено като съотношение между единица маса на водата
към единица маса на сухия въздух.
Енталпия
Енталпията е мярка за съдържанието на енергия в дадена
термодинамична система. В литературата се обозначава с буквата H (heat
content). Мерната единица е джаул [ J ].
В термодинамиката често се среща изразът U + pV, където U e
вътрешната енергия, p е налягането, V е обемът на термодинамичната сис-
тема. Като по компактно обозначаване на този израз се е наложила ентал-
пията: H = U + pV. Енталпията е свойство на системата, т.е. за всяко
равновесно състояние на конкретната термодинамична система, енталпия-
та има точно определена стойност.
Нека да разгледаме термодинамична трансформация, при която
системата преминава от състояние А в състояние В. Промяната на вътреш-
ната енергия на тялото, според първия принцип на термодинамиката, e
равна на разликата на получената топлина и работата, извършена от сис-
темата:
∆U = U B − U A = Q − W
По време на трансформацията работи единствено налягането:
W = p∆V = p(VB − VA )
Замествайки в горното уравнение:
U B − U A = Q − p∆V = Q − p(VB − VA )
От това уравнение следва, че получената при такава трансформация топ-
лина е равна на:
Q = (U B + pVB ) − (U A + pV A )
Записът значително се улеснява, ако се дефинира функцията енталпия H:
H = U + pV , т.е.
Q = H B − H A = ∆H
Ползата от въвеждането на тази функция е, че енталпията, за раз-
лика от топлината, е функция на състоянието, и описва полученото от
системата количество топлина при постоянно налягане. Ситуациите, в
които налягането е постоянно, са често срещани във физиката, например
при изпарение на течност в съд на открито (т. е. подложен на атмосферно-
то налягане) и др. Стойността на енталпията и изменението ù зависят
единствено от началното и крайното състояние, а не от междинните състо-
яния, през които преминава системата по време на термодинамичния про-
цес.
16
Плътност и специфичен обем
Плътността се отнася за масата на влажен въздух за единица обем.
Специфичният обем е реципрочен на плътността.
Атмосферно налягане
Промяната на атмосферното налягане поради увеличаване или
намаляване на морското равнище оказва влияние върху всички свойства на
процесите. Това е така, защото общото налягане на сместа се изменя с
атмосферното налягане, докато парциалното налягане на водните пари във
въздуха е функция на температурата на сухия термометър.
2.2 Психрометрична диаграма

Основния инструмент при проектирането на ОВК е психромет-
ричната диаграма. Тази диаграма е графично представяне на описаните по
горе компоненти. Диаграмата на фиг. 2.1 се използва за илюстриране на
регулиращите контури в системите за отопление, вентилация и климатиза-
ция и за откриване на точката на състоянието.
фиг.2.1 Психрометрична диаграма
17
На фигура 2.1 е илюстрирана връзката между различните линии на
графиката (психрометрични компоненти). Основните координати, според
които е оформена класификацията, са енталпия (линии наклонени от ляво
на дясно) и отношението на влажността (хоризонтални линии). Линиите на
температурата на сухия термометър са разположени почти вертикално.
Линиите на температура на мокрия термометър са наклонени от ляво на
дясно и не са успоредни на енталпните или на други. Те не са на еднакво
разстояние, с увеличаване на температурата се увеличава и разстоянието
между тях. Вълнообразните линии представляват относителната влажност
с крива на насищане. Те са почти (но не съвсем) на еднакво разстояние.
Линиите на специфичния постоянен обем са насочени надолу от ляво на
дясно и на еднакво разстояние една от друга.
Точка на състоянието
Всяка точка от графиката може да бъде точка на състоянието. Тя
може да бъде определена и разположена според стойностите на всеки два
процеса/свойства. След като се знае положението на една точка, по оста-
налите компоненти на диаграмата могат да се определят всички останали
свойства на системата.
Фиг.2.2 Отношение на свойствата на психрометричната диаграма
Както на фиг. 2.2 е показано, всяка точка е пресечна точка на

шестте свойства и тяхната стойност може да се прочете чрез интерпола-
ция.
2.3. Психрометрично описание на основните процеси в СОВК

Много от процесите в СОВК могат да бъдат представени като пра-
ви линии, свързващи 2 или 3 точки от психрометричната диаграма.
18
Смесване
Смесването на два въздушни потока може да бъде показано като
права линия, свързваща точките на отделните въздушни потоци. Точката
на насищане на сместа попада върху линията, разделяща въздушните по-
тоци така, че е налице пропорционалност на двата обема въздух. Например
фиг. 2.3 показва смесване на циркулиращ въздух и свеж въздух (от окол-
ната среда) с пропорции 80% циркулиращ и 20% свеж въздух. Точката на
смесване е близо до точката на насищане, представяща най-голям възду-
шен обем. Това е 100%-80% = 20 % от разстоянието от точка 1 до точка 2 и
100%-20% = 80% разстоянието от точка 2 до точка 1. За смесване на 3 или
повече въздушни потоци се използва смесване на 2 точки, след което с
трета точка и така нататък.
Фиг.2.3 Пример за смесване на два въздушни потока
Технически структури, реализиращи смесване на въздушни потоци

Наслагването на рециркулиращия въздух и външния въздух при
смесване води до повишаване на налягането, а от там – и до възможност за
възникване на сериозни проблеми. В най-лошия случай, като на фиг. 2.4,
два въздушни потока няма да се смесят и ще останат успоредни на голямо
разстояние (при преминаването им през филтри, серпентини и центро-
бежни вентилатори). Ако температурата на външния въздух е под нулата,
отделените въздушни потоци може да причинят локално замръзване на
отоплителните или охлаждащите серпентини или да се включи защитата
от ниската температура. Дори да не възникнат повреди или изключване на
системата, лошото смесване винаги създава проблеми за управлението,
защото „смесената” въздушна температура не може да се регистрира дори
от така наречените осредняващи сензори.
19
Фиг.2.4 Потоци без смесване
Смесителната секция и прилежащите и клапи трябва да бъдат про-

ектирани така, че да подпомагат доброто смесване на въздушните потоци.
Един такъв метод е показан на фиг.2.5. Позицията на перата на клапите
трябва да бъдат подредени така, че въздушните потоци да са един срещу
друг.
Фиг.2.5 Въздушните потоци са на 900 за добро смесване
Ако въздушните потоци постъпват от срещуположни страни, фиг.

2.6, се получава добро смесване. Смесването се подобрява значително при
реализацията на високи скорости за управление на клапите.
20
Фиг.2.6 Въздушните потоци са един срещу друг за добро смесване
За съжаление в повечето съществуващи системи скоростта за уп-

равление на клапите е ниска и въздушните потоци на рециркулиращия и
външния въздух не могат да се смесят по подходящ начин, особено при
студено време.
Статични смесители също може да се използват, но за тяхното
правилно функциониране трябва да бъде осигурена секция с достатъчна
дължина след тях, където липсват всякакви вентилационни елементи като
филтър, охладителна серпентина, отоплителна серпентина и т.н.
Друг подход, показан на фиг. 2.7, е да се добави защита (преграда) за по-
добряване на смесването. Опитът показва, че това е най- ефективния метод
за пълно смесване на въздушния поток за сметка на малък допълнителен
спад в налягането на системата.
Фиг.2.7 Отразители за по-добро смесване
Чувствителност при охлаждане и отопление

Терминът „чувствителност” се прилага за отопление и охлаждане
и означава, че не се добавя или премахва влага при увеличаване или нама-
ляване на температурата. Тези процеси са представени на графиката като
21
хоризонтални линии с постоянна стойност на специфичната влажност (W).
(фиг. 2.8)
Фиг.2.8 Чувствителност при охлаждане и отопление
Технически структури, реализиращи отопление

Отоплението в OВК системите обикновено се реализира чрез пар-
ни серпентини или серпентини с гореща вода, захранвани от отдалечени
бойлери. Електрически нагреватели, термопомпи и директни газови-
нагревателни канални също са използват. Отопление се извършва с цел
затоплянето на външен въздух или загряване на смесен въздух, за нагрява-
не на част от въздушния поток, за контрол на влажността или за индивиду-
ален температурен контрол на локална зона.
1. Предварително подгряване
Предварителното подгряването се използва, когато големи коли-
чества от външния въздух могат да причинят замръзване на отоплителните
и охладителните серпентини. Основният проблем на предварителното
подгряване е замръзването на самата серпентината за предварително подг-
ряване. Използват се няколко метода за предотвратяване на това явление.
Фиг. 2.9 показва най-простия подход. Това е клапа с две позиции в
парното захранване или захранването с гореща вода и наличен външен
термостат, който отваря клапата, когато външната температура е под 00С-
50С. (контрол на отворен цикъл.) Тъй като липсва контрол на температура-
та на излизащия въздух, нагряващата серпентина трябва да бъде избрана
внимателно, за да се избегне прегряване.
Преки и странични клапи, добавени към серпентината, се управля-
ват от термостат, разположен след тях Т2, (фиг.2.10) за осигуряване на
контролирана смесена температура. Трудността тук е наслагването на
двете въздушни струи. В някои случаи охладителната серпентина замръз-
ва от преминалата въздушна струя, докато нагревателната серпентина е в
пълна експлоатация.
22
Фиг.2.9 Подгряване и термостат на външния въздух
Фиг.2.10 Преки и байпасни клапи
Добро съществуващо решение е използването на гореща вода с

рециркулационна помпа (фиг.2.11. Така винаги може да има пълен поток
през серпентината, като температурата на водата варира в зависимост от
съответните изисквания. При тази реализация е възможен много прецизен
контрол на въздушната температура. Реализира се противоположно дви-
жение на потоците, като горещата вода постъпва от страната на серпенти-
ната, от която излиза въздухът.
23
Фиг.2.11 Нагряване: вторична помпа и троен вентил
2. „Нормално” отопление
„Нормалното” отопление се прилага при серпентини в самостоя-
телна зона или множество зони при входящи температури над 70С до 100С.
За еднозонов участък (фигура 2.12) снабдителната клапа се контролира от
стаен термостат (Т1), като често се добавя и предпазен термостат (Т2).
Фиг.2.12 Отопление на една зона
При други системи задвижващото устройство на изпълнителен

вентил може да бъде контролирано така, че да осигурява необходимата
въздушна температура, по-висока или по-ниска от температурата на зоната
24
(фиг.2.13). Всяка от тези системи може да бъде използвана за охлаждане,
нагряване или комбинация от двете.
Фиг.2.13 Нагревателен еднозонов контрол
Технически структури, реализиращи охлаждане

Охлаждащите серпентини обикновено се използват при работа с
въздух (климатични камери), въпреки че в някои случаи се изисква пов-
торно охлаждане, като например в химическите сушилни. Съществуват
два модела: директно изпаряващи (ДИ) серпентини и такива, които из-
ползват охладена вода или солен разтвор.
1) Директно изпаряващи серпентини

Тази система е често се използвана в малки обекти, където не се
изисква управление на затворената система. Фиг. 2.14 показва типичното
управление на ДИ серпентина. Термостата в стаята отваря автоматичния
вентил с електромагнитно задвижване и позволява на охлаждащата теч-
ност да премине през клапана на серпентината. Разширителния шибър,
според настройките си, се опитва да поддържа минимална температурата
на охлаждане.
Фиг. 2.14 Охлаждане чрез директно изпарение; двупозиционен контрол
25
Максималните гранични нива на байпасните клапи трябва да бъ-
дат заложени така, че системата да реализира адекватен контрол при голе-
ми натоварвания (Фиг 2.15).
Фиг. 2.15 Охлаждане чрез директно изпарение; контрол на лицевите и байпасните клапи
Друг подход е добавянето възвратен клапан във всмукателната

линия за повторно охлаждане, управляван от термостата в стаята (фиг.
2.16). Докато стайната температура намалява, клапанът се затваря.
Фиг. 2.16 Охлаждане чрез директно изпарение; контрол на налягането
2) Серпентини с водно охлаждане

Серпентините с водно охлаждане се управляват по много сходен
начин като отоплителните серпентини - чрез трипътни вентили или ди-
ректно чрез клапа. Реализацията с трипътен вентил и рециркулационна
помпа е показана на фиг. 2.17.
Разполагането на рециркулираща помпа е много използвано в два
случая: (1) при прецизно управление на температурата и (2) с цел да се
избегне замръзването в случаите, когато системата не позволява прилага-
нето на смесен или частично затоплен въздух.
26
Фиг 2.17 Охлаждане; трипътен вентил и циркулираща помпа
Охлаждане и изсушаване
Ако процесът на чувствително охлаждане продължава докато ли-
нията на процеса пресече кривата на насищане, се казва, че въздухът е бил
охладен до точката на оросяване. Всяко следващо охлаждане изисква из-
сушаване. Този процес ще следва кривата на насищане надолу и наляво.
Типичните серпентини не са способни да охладят преминаващия през тях
въздух до кривата на насищане. Някакъв процент от количеството входен
въздух ще премине без да има контакт със серпентината или перката. Това
е известно като байпасен фактор на серпентината и е от 5% до 10%. Този
фактор може да се намали с намаляване разстоянието между лопатките на
перката и увеличаване броя на ребрата на серпентината. Това е показано
на фиг.2.18.
Фиг.2.18. Охлаждане и изсушаване
27
Технически структури, реализиращи изсушаване чрез охлаждане
Ниската температура на охлаждащата серпентина може да се из-
ползва за намаляване на влажността до ниски стойности. Тъй като темпе-
ратурата на повърхността на серпентината може да е под нулата и да се
образува лед, трябва да се използват специални серпентини с широко разс-
тояние между ребрата и да се предвиди размразяване чрез горещ газ, елек-
трически нагревател или топъл въздух. Този подход е неефективен при
много ниска влажност и изисква периодично размразяване или включване
на дублираща серпентина така, че едната да работи докато другата се раз-
мрази. Сравнително добър контрол може да бъде постигнат чрез регула-
тор на влажност, контролиращ възвратния клапан. (фиг. 2.19)
Фиг 2.19 Изсушаване с ниска температура
Химическо изсушаване
Химическо изсушаване се използва за получаването на много нис-
ка влажност. То е процес на адсорбция с помощта на силициев гел или
друг адсорбент. Температурата на въздуха винаги се увеличава (фиг.2.20).
Фиг. 2.20 Химическо изсушаване
28
Технически структури, реализиращи химическо изсушаване
Химическите изсушители използват химически адсорбент, обик-
новено с непрекъснато регенериране, за да се избегне изключване на сис-
темата. Един вид подобни изсушители (фиг. 2.21) използва работно коле-
ло, съдържащо силициев гел, който се върти през първата струя кондицио-
ниран въздух и поглъща влагата.
Ефективността на изсушителите е до голяма степен функция на
температурата на регенеративния поток въздух. Фиг. 2.22 показва структу-
рата на системата. Регулаторът на влажност контролира подгряващата
серпентина в регенертивната въздушна струя. Крайният контрол на темпе-
ратурата в помещението се осъществява чрез термостат в стаята, въздейст-
ващ върху охлаждащата серпентина. Така става възможно достигането до
много ниска влажност. При други системи се използва водоабсорбиращ
течен химически разтвор, който се впръсква над охладителната серпентина
при нормални условия на въздушния поток и по този начин се абсорбира
влагата от въздуха. Контролът на специфичната влажност при напускане
на преработения въздух се осъществява чрез контролиране на температу-
рата.
Фиг 2.21 Химически изсушител
Фиг.2.22 Управление на химически изсушител – структура на системата
29
Овлажняване
Овлажняване на въздуха може да се получи по различни начини,
например чрез изпарение. Процесът на овлажняване чрез парна мрежа е
показан на фиг. 2.23. Линията на процеса е с наклон нагоре (повишаване)
от ляво надясно. Овлажняването с неотопляеми изпарители и пулверизи-
ращи спрейове е същото като изпаряване чрез охлаждане.
Фиг.2.23 Овлажняване
Технически структури, реализиращи контрол на влажността
1) Въздухоовлажнител с подгряване
Контролът, който може да се прилага при обикновения въздухоов-
лажнител е ограничен до включване или изключване впръскването на во-
да. Ако се изисква минимална влажност, то понякога е необходимо подг-
ряване на въздуха до необходимата температура на мокрия термометър.
Такава е системата за контрол, показана на фиг. 2.24. Регулаторът на
влажност чувствително намалява влажността и включва впръскващата
помпа, след което отваря клапите на подгряващата серпентина. Когато
влажността в помещението се увеличава, клапите на подгряващата серпен-
тина първо се затварят, а след това ако продължава да се повишава влаж-
ността, се изключва и впръскването. Окончателният контрол на стайната
температура се поема от подгряващата серпентина. Психрометричната
диаграма е представена на фиг.2.25.
30
Фиг.2.24 Минимално ниво на влажността; влагоовлажнител с предварително затопляне
Фиг.2.25 Психрометрична диаграма
2) Въздухоовлажнител с подгряване и охлаждане

При тези системи регулаторът на влажност управлява захранва-
щия вентил на топлообменника. Така се реализира контрол на влагата с
висока точност (фиг. 2.26). На фиг. 2.27 е показана психрометрична диаг-
рама на процеса.
31
Фиг. 2.26 Контрол на влажността чрез впръскване на топла или студена вода
Добавяне на охлаждаща серпентина в системата създава възмож-

ност системата да се използва освен за овлажняване, така и за изсушаване
(фиг.2.28). Добавянето на охлаждаща серпентина повишава ефективността
между 95% и 98% . Фиг. 2.29 показва психрометричната диаграма. Орося-
ващият термостат реагира на понижаването на температурата на премина-
лия през серпентината въздух и изключва потока на охладена вода през
серпентината, допълнително отваря клапите на подгряващата серпентина.
Фиг. 2.30 е психрометрична диаграма, показваща какво се случва при
висока температура на външната среда.
32
Фиг.2.28 Контрол на влажността; впръскване и предварително затопляне
Фиг.2.29 Психрометрична диаграма (зима)
33
Фиг.2.30 Психрометрична диаграма (лято)
3) Овлажнител за въздух със смесен въздух и предварително ох-

лаждане
Смесеният въздух може да се използва като 100% външен въздух,
ако системата за управление е променена, както е показано на фиг. 2.31 и
фиг. 2.32. Когато клапите за външния въздух са напълно отворени темпе-
ратурата на въздуха, преминал през серпентината се повишава над зада-
дената от Т1, тогава започва да се използва повторно охлаждане.
Фиг.2.31 Контрол на влажността; впръскване през охлаждащата серпентина
34
Охлаждане чрез изпаряване

Охлаждане чрез изпаряване е процес, в която водни пари се доба-
вят към въздушния поток от адиабатно изпарение. По този начин не се
добавя или отнема топлина от системата. Топлината, необходима за да се
изпари водата (латентна топлина), е получена чрез охлаждане на въздуха.
На диаграмата (фиг.2.33) се показва като константа температурата на про-
цеса на сухия термометър с наклон нагоре от дясно на ляво. Ако изпари-
телно охлаждащата система е 100% ефективна, крайната точка ще бъде по
кривата на насищане. На практика ефективността е между 80% и 90 % .
Фиг.2.33 Директно охлаждане с изпаряване
Технически структури, реализиращи охлаждане чрез изпаряване

1) Въздухоовлажнител
Често се прилага овлажнителя за въздух, показан на фиг.2.34, из-
вестен и като охлаждащ изпарител. Системите за овлажняване в жилищни
сгради и такива за големи индустриални цехове със сложна система от
впръскване и преградни филтри работят като всички въздушни овлажни-
тели на принципа на адиабатно охлаждане. Охлаждането се извършва с
помощта на подходящо подгряване на въздуха, за да се изпари водата. По-
35
този начин въздухът, преминаващ през овлажнителя, променя условията
заедно с тези на мокрия термометър. Това е показано на психрометричната
диаграма на фиг. 2.35
Фиг 2.34 Охлаждане чрез изпарение
2) Второ ниво на охлаждане чрез изпарение

Второ ниво на охлаждане чрез изпарение може да бъде използвано
като алтернативно механично охлаждане, когато външната среда позволя-
ва това. Тази система предоставя по ниски температура на сухия термоме-
тър и по-ниска относителна влажност, отколкото е възможно да се да се
постигне с обикновено охлаждане чрез изпарение. Фиг. 2.36 показва по-
добна система. На фиг. 2.37 е показана психрометричната диаграма на
процесите.
36
Фиг.2.36 Охлаждане чрез изпарение с две степени
Охладителната кула и предварително охлаждащата серпентина са

първата степен. Това охлаждане чувствително намалява двете температури
на сухия и мокрия термометър, така че във второ ниво може да бъде полу-
чена по-ниска температурата на сухия термометър. Управляемостта на
системата зависи от състоянието на външния въздух.
37
2.4. Психрометрично описание на система за отопление, вен-
тилация и климатизация (СОВК)
Пълният цикъл на ОВК включва някои процеси, описани по горе.
Типичния охлаждащ цикъл е показан на фигура 2.38. Състоянието на въз-
духа в стаята се определя от различни критерии. Приема се, че температу-
рата на циркулиращия въздух е равна на тази в стаята. Смесеното състоя-
ние на въздуха изисква минимално внасяне на въздух от околната среда.
Точка Е представлява условие за напускане на охладителя и се определя от
желаното състояние, обема на въздух и чувствителността при охлаждащия
товар. От точка Е до F се представя интервала за предварително подгрява-
не. Точка F е състоянието на влизащия въздух.
фиг. 2.38 Пълен цикъл на охлаждане
Типичен цикъл на отопление с контрол на влажността е показан на

фиг. 2.39.
фиг. 2.39 Пълен цикъл на отопление
Графиката на фиг. 2.40 е полезна за изследване на междинни със-

тояния. На нея е показано състоянието на външния въздух с температура
38
около 20 °С с висока влажност. Това показва, че смесеният въздух е почти
100% , но за част от охлаждането е необходимо да се осигури изсушаване,
също така се получава и значително преотопляване.
Фиг.2.40 Междинен цикъл
39
40
Моделиране на обекти и
процеси в системите за
сградна автоматизация
Математичното описание на термалното поведение на сградните

системи е комплекс от заместващи модели на няколко взаимосвързани
подсистеми, всяка една от които съдържа големи времеконстанти, нели-
нейности, неизвестни коефициенти - конвекция, материали и т.н. Освен
това са налице външни непредсказуеми смущения, външни времеви (тем-
пература, влажност) смущения, температура на почвата, радиационни
ефекти и други източници на енергия, както и човекът - осветяване, обо-
рудване и др.
Някои подходи, свързани със сградното моделиране, включват
анализ на термалния комфорт и енергийната консумация. Известни са
програмни среди за сградни симулации, например: DOE-2, BLAST,
EnergyPlus, Genopt, SPARK, Energy-10. Значителното подобряване на ком-
пютърните възможности през последното десетилетие правят възможна
употребата на математичните пакети в Matlab/Simulink като един добре
развит симулационно базиран инструмент за сграден термоанализ. В до-
пълнение Simulink представлява потребителски ориентирана среда за бър-
за конфигурация на входовете и изходите на различни подсистеми, вклю-
чени в сградата и оборудването, например HVAC (отопление, вентилация
и климатизация ).
Блок ориентирани структури:

Подходът на обектно ориентирано програмно инженерство осигу-
рява гъвкава и полезна среда за дизайн, развитие и модификация на кла-
сове и техния връзка с програмното развитие. Всеки елемент от термална-
та система може да се раздели на блокове, построени в Simulink. Този под-
ход, основан на блокове, прави по-лесно съставянето на комплексни тер-
мални системи. Различните блокове от термалната система за програмно
инженерен дизайн, базирани на обектно ориентираната методология са:
сграда, регулатор, HVAC система, време (атмосферно), сензор, смущения.
41
Описание на блоковете:
• Блокът “Building” осигурява информация за сградната геометрия, осо-
бености на материалите и математичен модел за предсказан термален то-
вар. Някои входове на този блок са даннов файл за времето, земната тем-
пература и смущенията. Изходи са температурата на сградната зона и
влажността.
• Блокът “HVAC system” също е във формата на пространство на състоя-
нията и съдържа цялата информация, свързана с наличното HVAC уст-
ройство. За нагреватели, този блок предоставя входни управляващи сигна-
ли и сградната температура и изход температура на нагревателя.
• Блокът “Sensor” описва измервателните характеристики.
• Блокът “Controller” е с вход зададената температура или относителната
влажност (желаната въздушна температура в стаята и относителната влаж-
ност) и изход управляващ сигнал.
• Блокът “Weather” съдържа даннови файлове за съответното географско
място.
• Блокът “Perturbation” е съставен от смущения (хора, оборудване и дру-
ги) на вътрешната температура, базирани на общи списъчни данни.
3.1 Термодинамични модели

3.1.1 Стайна температура
Стайната температура на въздуха зависи от множество фактори -
топлинния поток, навлизащ през стените ( Q& con ), прозорците и покрива,
& ) и вентилацията, вътрешното отопление
инфилтрацията на въздуха ( Q inf
( Q& int ) и допълнителното отопление и охлаждане. Уравнението на топлин-

ния баланс за стайната температура на въздуха ta e:
dt a & + Q& + Q& ± Q& ,
maca = Q& con + Q& w + Q inf int vent aux (3.1)
dt
където: ma е масата на въздуха, kg; ca - специфичен топлинен капацитет на
въздуха (J/kg °C); ta - температура на усещане, °C.
Топлинен поток през прозореца
Q& w = AwτglDIw – hwAw(ta – tout) , (3.2)
където: Aw е площта на прозореца, m2; Iw – общата сума слънчева
радиация, достигаща прозореца, W; D – засенчване на прозореца; τgl –
пропусквателна способност на стъклото; hw – електропроводимост на
прозорец-стъкло, W/m2 °C; tout – температура на външната среда, °C.
Отопление
Захранващата мощност може да варира продължително от 0 до
100% за общия капацитет. Това е описано в следното уравнение:
42
Q& aux = Q& max xr (3.3)
където: Q& max е максималната мощност; xr – дробна част от капацитета.
Топлообмен чрез вентилация

Вентилационния топлинен поток е причинен от естествената
вентилация, т.е. чрез отваряне на прозорците. Топлинния поток се дава
посредством уравнията:
Q& vent = ρcaΦv(tout – ta) ; (3.4)
Aeff = AwAwo ; (3.5)
Veff = (10-3v2w + 1.12.10-3 ∆ t + 0.01)0,5 ; (3.6)
Φv = AeffVeff , (3.7)
където: ρ е плътност на въздуха, kg/m3; Φv – въздушен поток на естестве-
ната вентилация, m3/s; Aeff – ефективната част от площта на прозореца, m2;
Veff – ефективна средна стойност на скоростта на въздуха, m/s; Awo – сте-
пен на отваряне на прозореца, %.
Топлообмен чрез инфилтрация

Инфилтрацията е естествен процес на пропускане на въздух през
пукнатини или отвори около прозорци/ врати в сградата. Оценяването
въздушната инфилтрация в сградата се основава на броя промени на
въздуха в стаята за един час. Топлинния поток следствие на инфилтрация
се описва с уравнението:
Q& inf = 1300.N .Vroom (ta – tout) , (3.8)
3600
където: 1300 е обемната специфична топлина на въздуха, J/m3 °C; N - брой
промени във въздуха, h-1; Vroom – обем на стаята, m3.
Топлообмен чрез конвекция

Във вътрешната повърхност на сградата, топлината се предава чрез
конвекция на въздуха:
Q& con = Aihci(ti – ta) , (3.9)
където: Ai е площта на стена/таван/повърхност, m2; hci – конвективен кое-
фициент на топлообмен, W/m2 °C; ti – температура на повърхността, °C.
3.1.2 Температура на стените

Диференциалното уравнение, включващо топлинния поток през стените,
тавана и пода е:
mτcτdti/dt = Q& rad + Q& cond – Q& con , (3.10)
където: mτ е масата на стената, kg; cτ – специфичен топлинен капацитет на
стената, J/kg °C.
43
Топлообмен на излъчване
Топлообмена на излъчване между две повърхности може да се
изчисли чрез уравнението:
Q& rad = ∑6j =1 Ai Fij σ (t i4 − t 4j ) . (3.11)
Fij е конфигурационен фактор, вариращ от 0 до 1. Зависи от
излъчвателната способност на всяка повърхност.
Топлинен поток през стените

qnr = εσt4out – 5,31.10-13t6out , (3.12)
където: qnr е нетния радиационен обмен между повърхността и околната
среда; σ – константа на Стефан–Болцман.
Излъчването на слънцето е в основата на определянето на
топлообмена в структурата на сградата. Температурата tsol-air е променлива,
която се използва за пресмятане на охлаждането в дадена сграда и за
определяне на затоплянето от външна среда. Физически sol-air се
интерпретира като тази температура на обикалящата среда, която ще
произведе същият отоплителен ефект като инцидентно излъчване,
свързано с актуалната външна температура.
tsol-air = tout + aI t − q nr , (3.13)
hso
където: a е абсорбцията на слънчевата радиация от повърхността; It –
слънчевият интензитет върху повърхността.
hso = hco + hro ; (3.14)
hro = 4,14 ; (3.15)
hco = 5,8 +4,1V ; (3.16)
Q& cond = AiUi(tsol-air – ti) ; (3.17)
Ui = 1/(1/hso + L/Ki) ; (3.18)
V = 0,45/(1 – exp(-3,84Aeff/Aw)vw) , (3.19)
където: hco – конвективен коефициент на топлообмен за външната
повърхност, W/m2 °C; hro – радиационен коефициент на топлообмен за
външната повърхност, W/m2 °C; Ui – топлопрозрачност, W/m2 °C; Ki –
топлопроводност, W/m K; L – дебелина на стената, m; V – скорост на въз-
духа в помещението, m/s; Vw – скорост на въздуха на външната среда, m/s.
3.1.3 Топлинен поток през стена

Модел на междинен слой на стена
Математическият модел на междинен слой се пояснява от фигура
3.1:
44
Фигура 3.1 Представяне на среден слой на стена
Топлинната специфична проводимост се описва чрез закона на

Фурие и има вида:
λ = λo , ref + λT T − Tref ( (3.20) )
Топлинната проводимост на материал е:
λ (3.21)
K=
d /2
И топлинна топлоемкост:
C = ρ0c p 0d (3.22)
Отчитайки лявата и дясна повърхност (фигура 3.1) за температурата в
средния слой може да се запише:
dT
C (
= K T −T + K T −T
dt
s ,l ) (
(3.23)
s ,l )
Скоростите на топлинните потоци (от ляво и дясно) са:
ql = K (Ts ,l − T ) qr = K (Tr − T ) (3.24)
Отчитайки стационарното състояние между слоя и съседните възли темпе-
ратурите на левия и десен слой се изчисляват като:
KT + K lTl KT + K rTr (3.25)
Ts ,l = Ts ,r =
K + Kl K + Kr
Накрая моделът може да се запише:
T n+1 − T n 1 (3.27)
[ ]
n
= q +q
∆t
l r
C
където: n – момент от време на симулация.
При описанието се използват следните означения:

I dir - пряка енергия от радиацията, [W/m2]
I diff - разпръсната енергия от радиацията, [W/m2]
45
I lw - непряка дълговълнова енергия от радиацията, [W/m2]
K - проводимост, [W/m2.K]
Ta ,out - външна температура на въздуха, [ºC]
Ts - повърхностна температура, [ºC]
q - топлинен поток, [W/m2]
Qrad ,out - радиация, абсорбирана от външната повърхност, [W/m2]
Qsun - преминаваща слънчева енергия, [W/m2]
a - повърхностна абсорбируемост за слънчевата радиация, [-]
α c - предавателен коефициент на топлинната конвекция, [W/m2.K]
ε - излъчваща повърхност, [-]
τ - повърхностна проводимост, [-]
σ - Stefan – Boltzmann константа, [5.67.10-8 w/m2.K4]
За външният слой е необходимо да се отчете (фигура 3.2) , че:
λ (3.28)
K=
d
Фигура 3.2. Повърхностен слой
Използва се предходния модел и съответни топлинни потоци:

Ляво – външен поток:
qexternal = α c (Ta ,out − Ts ) + Qrad ,out (3.29)
Дясно – структура :
qstructure = K (Ts ,r − Ts ) (3.30)
Енергията, която се абсорбира от повърхността:
Qrad ,out = a ( I dir + I diff ) + ε ( I lw − σ Ts4 ) (3.31)
46
Модел на вътрешен слой на стена
За моделирането на вътрешен слой на стена са използвани
уравненияq , аналогични на описаните по-горе. С тяхна помощ се изчисля-
ват топлинната специфична проводимост, топлинната проводимост и топ-
линната топлоемкост на материала. Изчисленията за изходната температу-
ра (температурата в средата на слоя) се извършват след намиране на топ-
линните потоци, съответно отляво и отдясно. Те зависят от температурата
и топлинната проводимост на текущo разглеждания и съседните му слоеве.
Входните параметри за реализирания модел са два типа:
Начална температура и параметри, зависещи от вида на материала (стой-
ностите за различните материали са представени в таблица 3.1).
λT - [W/m.K2]
λo , ref - [W/m.K]
ρ0 - [kg/m3]
c p - [J/kg.K]
Сигнали, постъпващи от съседните слоеве (ляв и десен), необходими за
изчисляването на топлинните потоци ql
и qr , температура на съседните
слоеве, топлинната проводимост на съседните слоеве.
Изходи на реализирания модел са: температурата T и топлинната
проводимост на материала K, от който е изграден междинният слой.
На фигура 3.3 е показана реализацията на блока вътрешен слой на стена,
изграден в средата на Matlab/Simulink. Използвани са стандартни блокове
от библиотеките. Моделът представлява звено от първи ред с коефициен-
ти, зависещи изцяло от данните за конкретният материал.
Таблица 3.1
λT λo , ref ρ0 cp ε α
№ Материал
lambda_T lambda_dry dry_density heat_capacity emissivity absorptivity
[W/m.K2] [W/m.K] [kg/m3] [J/kg.K] − −
1 гипсокартон 0.0 0.1600 950 840 0.90 0.6000
2 фибростъкло 0.2 0.0400 12 840 0.90 0.6000
3 дървена обшивка 0.0 0.1400 530 900 0.90 0.6000
4 дървен под 0.0 0.1400 650 1200 0.90 0.6000
5 прозоречно стъкло 0.0 1.0600 2500 750 0.90 0.0600
6 бетон 0.0 0.5100 1400 1000 0.90 0.6000
7 изолационна пяна 0.0 0.0400 10 1400 0.90 0.6000
етажна бетонна
8 0.0 1.1300 1400 1000 0.90 0.6000
плоча
9 дървен панел 0.0 0.1600 395 1880 0.90 0.6000
10 покривна плоскост 0.0 0.1400 530 1880 0.90 0.6000
11 хартия 0.0 0.0400 55 1880 0.90 0.6000
12 бетонен блок 0.0 0.5100 2300 840 0.90 0.6000
47
13 бетонен трегер 0.0 1.1300 2300 840 0.90 0.6000
14 газобетон 0.0 0.1800 600 840 0.90 0.6000
Фигура 3.3 Симулационна схема – вътрешен слой на стена
Модел на външен слой на стена

Изчисленията са аналогични на тези при вътрешният слой. Осо-
беността е при определянето на топлинните потоци. И по специално -
топлинният поток, идващ от външната среда, се определя от разликите във
външната температура и температурата на повърхността на слоя. Другата
основна компонента е енергията, която се абсорбира от повърхността, тя
зависи от количество на слънчевата радиация I dir , I diff и I lw . Входните
параметри за реализирания модел са аналогични на входните параметри на
вътрешния слой, като се добавят външната температура и слънчевата ра-
диация ( I dir , I diff и I lw .). Изходи на реализирания модел са температурата
T на повърхността на слоя и топлинната проводимост на материала K, от
който е изграден слоя. На фигура 3.4 е показана реализацията на блока
външен слой на стена, изграден в средата на Matlab/Simulink.
48
Фигура 3.4 Симулационна схема – външен слой на стена
Модел на трислойна структура на стена
В средата SIMULINK е създадена симулационната схема, показана на

Фигура 3.5
49
Kl Kl
Constant4 Temperature Conductivity

Kr Kr Temperature Conductivity
Constant5
Tr Tr
Constant6 Temperature of the Layer

Tl Temperature Middle layer
Temperature Model
simin
From Saturation
Workspace
Temperature Middle layer3

Temrerature Middle layer1
Temrerature Middle layer2
Фигура 3.5Симулационна схема
Блокът „Temperature Model” e реализиран по начина, показан на Фигура 3.6

1 Out1
Gain1
2/dpqna
lambda_drypqna
1/C 1 Constant2
s
Constant Product1 Integrator
Gai n2
l ambda_Tpqna
Divide1
Trefpqna
1 Divide 2
Constant7
In1 In2
Gai n4
Gain3 Kr
Kl
Product5 2
Out2
Product3
Scope1
4 3
In4 In3
Фигура 3.6 Блок за температурен модел
Схемата на Фигура 3.7 е използвана за илюстриране на преходен

процес на температурата на средния слой, в случай, когато температурите
на съседните два слоя са константи. Схемата на Фигура 3.8 е използвана за
симулация при циклична промяна на температурата на вътрешния слой
(десния слой), при изменящи се температури на външния слой (левия
слой) и под влияние на температурата на околната среда.
50
Фигура 3.7
Фигура 3.8
Симулациите са проведени върху трислойна структура, при която

левият слой е бетон, средният (изследваният слой) е от термоизолационна
пяна, а десният слой е от дърво. Дебелината за всеки слой е избрана както
следва: за дървото 0.02 метра, за пяната 0.1метра, за бетона 0.3 метра.
На Фигура 3.9 е показан преходния процес при установени темпе-
ратури в двата външни слоя. Поведението на температурата в изследвания
слой има характеристики на апериодично звено с доминираща времеконс-
танта 1500s.
51
Преходен процес
20
Temperature middle layer
Temperature left layer
18
Temperature right layer
16
Temperature, [°C]
14
12
10
6
0 500 1000 1500 2000 2500 3000 3500 4000
Time, [s]
Фигура 3.9 Преходен процес за 1 час
Фигура 3.10 показва изменението на температурите в средния и

външния слой за 24 часа.
Normal Thickness, High Temperatures
26
24 Temperature first layer
22
20
Temperature, [°C]
18
16
14
12
10
6
0 1 2 3 4 5 6 7 8 9
Time, [s] 4
x 10
Фигура 3.10 Преходен процес за 24 часа
Фигура 3.11 показва изменението на температурата при много по-

дебели слоеве. Вижда се, че доминиращата времеконстанта нараства зна-
чително (ако се направи сравнение с Фигура 3.10). Тук дебелините на ма-
териалите са избрани прекомерно големи и целта е да се покаже зависи-
мостта на предния процес от дебелините на слоевете.
52
Thick Layer, High Temperatures
26
22
20
Temperature, [°C]
18
16
14
12
10
6
0 1 2 3 4 5 6 7 8 9
Time, [s] 4
x 10
Фигура 3.11 Преходен процес при увеличена дебелина
Фигура 3.12 показва извадка за една седмица за температури на

двата слоя (външен и среден) при константна температура на десния (вът-
решен) слой. Температурата на външния слой се изменя под влияние на
високи атмосферни температури. Вижда се как изолацията запазва по-
ниска температура при високи пикове на тази на околната среда и по-
висока при ниски. От това следва, че слоят изпълнява предназначението
си.
Normal Layer, High Temperatures
35
Temperature first layer
30
25
Temperature, [°C]
20
15
10
5
0 1 2 3 4 5 6 7
Time, [s] 5
x 10
Фигура 3.12 Преходни процеси за 1 седмица
53
Фигура 3.13 показва извадка за една седмица при зимния период,
когато температурите падат. А температурата на десния слой се изменя по
синусоидален закон, симулиращ промяната на температурата в стая за
едно денонощие.
Normal Layer, High to Low Temperatures
20
15
Temperature right
10
5
Temperature, [°C]
-5
-10
-15
-20
-25
0 1 2 3 4 5 6 7
Time, [s] 5
x 10
Фигура 3.13 Преходни процеси при спадащи температури
Фигура 3.14 показва преход към положителни температури, а тем-

пературата на десния слой отново се изменя циклично.
Normal Layer,Low to High Temperatures
20
Temperature right
15
Temperature, [°C]
10
-5
0 0.5 1 1.5 2 2.5 3
Time, [s] 5
x 10
Фигура 3.14 Преходни процеси при положителни температури
54
Проведено е и изследване с втори комплект материали. Трислой-
ната структура е съставена от гипсокартон, дърво и фибростъклена вата.
Дебелината на слоевете е както следва: за дървото - 0.05 метра, за фиброс-
тъклената вата - 0.05 метра, за гипсокартона - 0.01 метра. Проведени са
същите изследвания както при предишните материали.
На Фигура 3.15 е показан преходния процес, протичащ в междин-
ния слой при установени температури в двата външни слоя. Отново проце-
сът е типично апериодичен. В този случай поради разликата в материалите
се наблюдава по-малка, спрямо предходния случай, времеконстанта –
1000s.
Преходен процес
20
Temperature left layer
18
Temperature right layer
16
Temperature, [°C]
14
12
10
6
0 500 1000 1500 2000 2500 3000 3500 4000
Time, [s]
Фигура 3.15 Преходен процес за 1 час
Фигура 3.16 дава изменението на температурите в средния и вън-

шния слой за 24 часа. Сравнено с предния набор материали тук се наблю-
дава по-значително влияние на температурата в междинния слой спрямо
тази на околната среда.
55
26
22
20
Temperature, [°C]
18
16
14
12
10
6
0 1 2 3 4 5 6 7 8 9
Time, [s] 4
x 10
Фигура 3.16 Преходен процес за 24 часа
Фигура 3.17 показва извадка за една седмица за температури на

двата слоя (външен и среден) при константна температура на десният слой.
Температурата на външния слой е под влияние на високи атмосферни тем-
ператури.
35
30
25
Temperature, [°C]
20
15
10
5
0 1 2 3 4 5 6 7
Time, [s] 5
x 10
Фигура 3.17 Преходен процес за 7 дни
Фигура 3.18 показва извадка за една седмица при зимният период,

когато температурите падат. Температурата на десния слой се изменя по
синусоидален закон, симулиращ промяната на температурата в стая за
едно денонощие.
56
Normal Layer, High to Low Temperatures
20
Temperature right
10
Temperature, [°C]
0
-5
-10
-15
-20
-25
0 1 2 3 4 5 6 7
Time, [s] 5
x 10
Фигура 3.18 Преходни процеси при спадащи температури
На Фигура 3.19 е повторена горната извадка, но за външната тем-

пература е използвано температурно насищане, ето защо някои от отрица-
телните температури изглеждат "отрязани".
Normal Thickness, High to Low Temperatures
20
15 Temperature right
10
Temperature, [°C]
-5
-10
0 1 2 3 4 5 6 7
Time, [s] 5
x 10
Фигура 3.19 Преходни процеси при отчитане на температурно насищане.
Фигура 3.20 показва преход към положителни температури, а тем-

пературата на десния слой се изменя циклично.
57
Normal Layer,Low to High Temperatures
20
Temperature right
15
Temperature, [°C]
10
-5
0 1 2 3 4 5 6 7
Time, [s] 5
x 10
Фигура 3.20 Преходни процеси при преход към положителни температури
Изграденият температурен модел на междинен слой е сравнително

несложен. При тестване на 3-слойна структура от различни материали
резултатите са доста близки. Това се дължи на избирането на стандартна
изолация за междинния слой, което е стандартно положение в строителст-
вото. При отчитане само на температурните взаимодействия между слое-
вете, най-голямо значение за преходния процес оказва дебелината на слое-
вете.
3.1.4 Моделиране на конструктивни елементи – междинен слой

на стена с отчитане на температурата и влажността
За получаване на описанието на модела са използвани следните
формули и зависимости. Топлинната специфична проводимост се описва
чрез закона на Фурие и има вида:
Топлинната проводимост на материала е:
Топлоемкост:
Топлинен поток се описва като кондуктивна и конвективна части
58
Преобразуването на влажността се разделя на две части: течна и изпаре-
ние.
К – хидравлична проводимост
Термичните съпротивления имат следния вид:
От горните уравнения се извежда описанието на модела. То се състои от

две части, описващи съответно топлинния баланс и баланса на влажността.
Топлинен баланс
Баланс на влажността
59
Построяването на модела в среда Simulink е показано на фигура 3.21.
273.15
Constant1
weather.mat
From File Ti_1[C]
0.1
Subtract Ti_1[K]
Gain
Selector Ti_1
T3
273.15+20 Ti1
Ti[K]
Constant Temperature
Subtract1 Ti[C]
all[C]
Subtract2
Ti_1
w T3
all[C]1
Ti1
Wi
Moisture Temperature1
Subtract3
Фигура 3.21 Simulink схема на изградената система.
Моделът на топлинния баланс, блок „Temperature” с два входа и

един изход. На първия вход се подава температурата от външния слой (i-
1), използван е масив от измервания за околната среда. На втория – темпе-
ратурата във вътрешния слой (i+1). Тази температура се задава като конс-
танта. Изходът на блока представя промяната на температурата в средния
слой. Структурата на блока „Temperature” е показана на фигура 3.22.
60
ra
pi2
Product
ro_a
pi3 Product2
1
Cpa
T i_1
Scope1
Add3 pi4
Divi de1
T R
Add12
Subsystem 4
Product1
>
0
Add4
Relational
T R pi 5
Operator
Subsystem 5
Add1
2 Add13 Product3 Scope3
T i1
Add5 <
Relational
Divi de2 Operator1
T R
Subsystem 6
Add6
T R
Subsystem 7
1
Add2 s 1
-Ll v xo T3
pi_1 Add
Gai n
pi_1 Integrator2
Add8
Divi de
C
pi Di vi de3
Subsystem 3 T ref
pi
pi6
Add9 Scope2
Add7 Scope4
pi1
pi1
Add10
Di vi de4
Rp
Subsystem9
Add11
Фигура 3.22 Структура на блок „Temperature”
И тук за улеснение и опростяване на схемата някои от формулите

са реализирани посредством отделни маскирани блокове. Моделът на ба-
ланса на влажността е създаден като маскиран блок „Moisture”. Структура-
та му е показана на фигура 3.23
Фигура 3.23 Структура на блок „Moisture”
61
Изследванията върху получения модел се правят при зададена
температура на външния слой (i-1) от запис за една година и постоянна
стойност за температурата на вътрешния слой (i+1), както и при няколко
конфигурации на трите слоя, т.е. при избор на различни материали за все-
ки слой. Входната температура и температурите в различните слоеве са
показани на фигурите 3.24 и 3.25, 3.26.
Входна температура на средата [C]
400
300
200
100
-100
-200
-300
0 0.5 1 1.5 2 2.5 3 3.5
7
x 10
Фигура 3.24
Температурата в средният слой [C]

22
20
18
16
14
12
10
0 0.5 1 1.5 2 2.5 3 3.5
7
x 10
Фигура 3.25
62
Температури в отделните слоеве [C]
40
30
20
10
-10
Температура на околната среда

-20
Температура на средният слой
Температура на вътрешният слой
-30
0 0.5 1 1.5 2 2.5 3 3.5
7
x 10
фигура 3.26
3.2 Регресионни модели

Динамичното термично поведение на сградата е сложно. По елек-
трически аналогия е сградата може да се разглежда като състояща се от
сложна мрежа от термични съпротивления и капацитети, където предава-
нето на топлината се основава на електропроводимост, конвекция и излъч-
ване. Мрежата е нелинейна. Съответно тези трудни изчисления трябва да
се опростят с направата на модела. Следващия термичен модел се фокуси-
ра само на динамиката и физиката на величини, които имат директно вли-
яние върху топлината. Крайният модел е развит в две фази. Първо, струк-
турата на модела произхожда аналитично от математическото описание -
това води до параметричен модел, който може да се определи от използва-
ните експериментални данни. Топлинното равновесие може да бъде изра-
зено със следното уравнение:
du (t )
CR = ∑ hsi Ai [u i (t ) − u R (t )] + C& f u 0 (t ) − C& e u R (t ) + q C (t ) (3.32)
dt i
където сумирането минава през повърхностите на пространството и q C (t )

засяга такива товари в отоплителната система като загряването, слънчевата
радиация, осветлението:
qC (t ) = q(t ) + S (t ) + E (t ) + O(t ) (3.33)
Аналитичните решения в (3.32) са редки и водят до значителни
опростявания в уравнението. Затова изчисленията на топлинния баланс
обикновено се извършват числено. Това най-добре се постига с дискрети-
63
зация на уравнението на топлинния баланс. Например производната на
вътрешната температура може да бъде заменена от нейното приблизително
решение.
du R (t ) [u R (t ) − u R (t − t )] (3.34)
≅
dt h
Температурата се поддържа устойчива с помощта на Р-тип конт-
ролер, който е типичен за сградите. Изхода на контролера може да бъде
описан със следното уравнение :
dq(t ) ≈ ∆q = K p [δ (t ) − δ (t − 1)] (3.35)
където δ (t ) разликата между целевата температурата u SP (t ) и вътрешна-

δ (t − 1) е температурна разлика. Ако е
та температура u R (t ) . Означението
налице установен процес, и двете страни на равенството могат да се разде-
лят на ∆t , при което ще се получи:
dq(t ) ∆q Kp
≈ =− [u R (t ) − u R (t − 1)] (3.36)
dt ∆t ∆t
Ето защо, когато се използва Р-контролер, производната на топ-
линното въздействие qе(tпропорционална
) на разликата между текуща
и минала вътрешни температури.
При сравняване на уравнения 3.32, 3.34 и 3.36 лесно се решава че
q , (t ) е приблизително пропорционално на производната на вътрешната
температура. Това е така, защото продължителността на такта на терморе-
гулатора е по-кратка в сравнение с времето, необходимо за изчисляване на
топлинното равновесие. Следователно може да бъде извършено замества-
, ,
нето на u R (t ) в уравнение 3.35 с израза за q (t ) . След дискретизация
изразът има следния вид :
m n r
q(t ) = ∑ ai q(t − i) + ∑ b j u1 (t − j ) + ... + ∑ b p u k (t − p) (3.37)
i =1 j =1 p =1
където входните променливи величини за стаята са повърхността и външ-

ните температури, ефектите на вентилация, радиация, запълненост на по-
мещението, осветяване, машини и др. Параметрите aса
i , bконстанти,
j , bp
които зависят от структурите, околната среда и процеса на загряване.
Математическият модел - уравнение 3.37 е свързан само с няколко
променливи величини. Някои от неизмеримите променливи величини,
включително и смущенията, оказват влияние върху топлинната енергия.
Поради икономически и/или технически причини не е възможно да бъдат
измерени всички физически ефекти. Някои от тях, като периодично и
ежедневно изменящите се, могат да бъдат отчетени, ако моделът в израза е
зашумен. След въвеждането на тези модификации, динамичният топлинен
модел на процеса може да бъде записан с линейното стохастично уравне-
ние с постоянни параметри.
64
m n r ν
q (t ) = ∑ ai q (t − i ) + ∑ b j u1 (t − j ) + ... + ∑ b p u k (t − p) + ∑ d s e(t − s ) (3.38)
i =1 j =1 p =1 s =1
Където допълнително е въведен бял шум е(t) .

Уравнение 3.38 е в действителност ARMAX- модел. По- удобно е
да се запише със следното уравнение:
A( z −1 ) q(t ) = B1 ( z −1 )u1 (t ) + ... + Bk ( z −1 )u k (t ) + D( z −1 )e(t ) (3.39)
−1
където z е обратната трансформация на оператора и полиномите
A( z ),.., B( z −1 ) са определени като:
−1
A( z −1 ) = 1 + a1 z −1 + ... + a m z − m
B1 ( z −1 ) = b11 z −1 + ... + b1n z − n
.
.
Bk ( z −1 ) = bk1 z −1 + ... + bkn z −r
D( z −1 ) = 1 + d1 z −1 + ... + dν z −ν (3.40)
ARMAX моделът е линейна система със стационарни смущения.
Няколко метода за идентификация могат да бъдат използвани за определя-
не на параметрите на модела от експерименталните данни.
Моделирането на околната среда чрез временни редове включва
предложена методология за създаване на математически модели на едина-
десет променливи на околната среда, имащи пряко значение при генерира-
не на заданията в системите за сградна климатизация: температура на въз-
духа на околната среда; точка на росене; глобална радиация; разсеяна ра-
диация; нормална директна радиация; дълговълнова радиация; глобална
осветеност; разсеяна осветеност; директна осветеност; посока на вятъра и
скорост на вятъра.
Тези математически модели служат за прогнозирането на времето
за всякакви цели: от корабоплаване, въздухоплаване, през селското сто-
панство до като се стигне до планиране на семейната почивка чрез опрос-
тените прогнози за време, които са достъпни от телевизия или безплатни
интернет сайтове. Дори някои от комерсиалните сайтове предлагат прог-
нози, които са доста професионални, т.е. прогнозата е представена с даде-
на вероятност и доверителни интервали на променливите. Съществена
тяхна особеност е приложимостта им в системите за оптимизация на енер-
гопотреблението.
Всяка една от разглежданите променливи се използва във форму-
лите по термодинамика за определяне на променливите вътре в помещени-
ето (температура, влажност и т.н.) и вътре в слоевете (температура, влаж-
ност и т.н.) на изграждащи конструктивните елементи на помещението. В
зависимост от целта на симулацията могат да бъдат използвани различни
65
комбинации от променливите на околната среда. С помощта на генерира-
нето на тези модели могат да се прогнозират стойностите на променливи-
те. Получените модели могат да се използват при моделиране на сградни
съоръжения и синтез на алгоритми за управление.
3.2.1 Описание на алгоритъма за анализ

Използваните модели са с два типа структура, а именно AR (авто-
регресионен) модели и ARX (разширен авторегресионен) модели. Авто-
регресионния модел има следното описание:
Y (k ) = ci + Ai (q −1 ) * Y (k − d i ) + ε i (k )
−1 −1
където Ai ( q ) = 1 + ai1 * q + L + aina * q − na е полином на оператора
за единично закъснение с размерност ina , ci в случая е средната
стойност на сигнала, която бива извадена от данните за центриране на
сигнала, а d i отчита броя тактове чисто закъснение на за i-тия модел.
Сигнала ε i (k ) е случайната съставка, която присъства като допълнение
към полезния сигнал. Това е и основния подход на оценяване на адекват-
ността на модела, а именно чрез пресмятане на автокорелационната функ-
ция на остатъците. Ако те се описват чрез “бял Гаусов шум”, означава че
оценения модел е адекватен.
ARX моделът има следното описание:
Y(k) = ci + Ai (q−1)*Y(k −dina ) + Bi (q−1)*U(t −dinb ) +εi (k)
Bi (q −1 ) = bi1 * q −1 + L + binb * q −1 .
Данните, по които е извършено оценяването, са отчитани през
един час в продължение на една календарна година. Цялото изследване се
извършва в средата на програмния продукт MATLAB. За всяка метеороло-
гична променлива процедурата за идентификация съдържа следните етапи:
Стъпка 1: На база данните за една година се визуализират, за да
се определи дали няма някаква зависимост, която би била полезна при
съставянето на математическия модел.
Стъпка 2: Изчислява се ci и съответно се премахва от цялата из-
вадка. Извадката се разделя на два почти равни части съответно. Използ-
вани са данни в обем 8760 измервания на 11 променливи за 365 дни, като
измерванията са през един час. Тези данни бяха разделени на две групи:
първата извадка е с големина 4500 измервания, като тя служи за оценяване
на коефициентите на полиномите, а втората е с големина 4260 измервания,
която служи за проверка на адекватността на оценения модел.
Стъпка 3: Тази стъпка се отнася само ако се генерира ARX модел.
Тъй като, за да се генерира ARX модел е нужен вектора с входното въз-
действие, в статията е избран варианта, при които изходния сигнал(т.е.
66
измерванията) след като са центрирани измерванията се преобразуват в
двоичен сигнал със състояния -1 и +1. Този филтриран сигнал се подава
като входен вектор към процедура по оценяване.
Стъпка 4: При избора на реда на модела са разгледани трите вгра-
дени критерия в MATLAB : Информационния критерии на Акайке (AIC –
Akaike Information Criteria), Критерия на Рисанен за минимално описание
(MDL – Minimum Description Length) и този оценяващ „най-доброто съв-
падение”(best fit), т.е. най-малката стойност по неописана изходна диспер-
сия.
Стъпка 5: Оценяване на коефициентите на полиномите, след като
вече е избран ред на модела. Оценяването на стойностите на коефициенти-
те се извършва с вградените функции на MATLAB.
Стъпка 6: Проверка на адекватността на модела. Оценяването на
точността на модела се извършва по три метода. Първо се разглеждат до-
верителните интервали на всеки от коефициентите, съразмерно стойността
на всеки коефициент. Втората проверка е изчисляване на автокорелацион-
ната функция на остатъците и третата проверка се извършва чрез функция-
та compare(), която изчислява прогнозираната стойност на дадения модел
спрямо втората част на извадката и пресмята числен показател за това
съвпадение. Формулата, по която се смята това съвпадение е следната:
 σ ( y sm ) 
fit = 100 * 1 − 

 σ ( y − E ( y )) 
където σ е максималната сингулярна стойност на дадената матрица, а
ysm е изхода на симулираната система. В случая, когато се разглежда ARX
модел, към втората част на проверката се включва и изчисляването на
взаимнокорелационната функция на входа и симулирания изход.
3.2.2 Визуализация на величините, описващи околната среда

В този раздел са представени графично измерванията на единаде-
сетте променливи на околната среда, които подлежат на моделиране.
Визуално се наблюдава сходство между типовете данни: между
двете температури; между директната осветеност и директната; между
глобалната радиация, разсеяната радиация, глобална осветеност и разсеяна
осветеност.
67
Температура на въздуха
40
30
20
Градуси, [C]
10
-10
-20
-30
0 0.5 1 1.5 2 2.5 3 3.5
Време, [сек] 7
x 10
Температура на точката на росене
20
10
Градуси, [Cо]
-10
-20
-30
0 0.5 1 1.5 2 2.5 3 3.5
Време, [сек.] 7
x 10
Глобална радиация
1000
800
600
W/m 2
400
200
0
0 0.5 1 1.5 2 2.5 3 3.5
x 10
Разсеяна радиация
600
500
400
W/m 2
300
200
100
0
0 0.5 1 1.5 2 2.5 3 3.5
x 10
68
Нормална директна радиация
1200
1000
800
W/m 2
600
400
200
0
0 0.5 1 1.5 2 2.5 3 3.5
x 10
Дълговълнова радиация
500
450
400
350
W/m2 300
250
200
150
0 0.5 1 1.5 2 2.5 3 3.5
x 10
Скорост на вятъра
25
20
15
[m/s]
10
0
0 0.5 1 1.5 2 2.5 3 3.5
x 10
4
x 10 Глобална осветеност
10
6
[lux]
0
0 0.5 1 1.5 2 2.5 3 3.5
x 10
4 Разсеяна осветеност
x 10
6
4
[lux]
0
0 0.5 1 1.5 2 2.5 3 3.5
x 10
69
4
x 10 Директна осветеност
10
[lux]
4
0
0 0.5 1 1.5 2 2.5 3 3.5
x 10
Посока на вятъра
100
80
60
[deg]
40
20
0
0 0.5 1 1.5 2 2.5 3 3.5
x 10
3.2.3 AR модели
В този раздел е описано подробно получаването на AR модел на
точката на росене и са представени резултатите от другите модели.
На оценяващата процедура бе подаден аргумент, с който се прове-
рят от 1-ви до 500-тен ред авторегресионни модели. Според направените
изчисления по AIC редът на авторегресионния модел трябва да е шести,
според MDL критерия трябва да е пети, а според „най-доброто съвпаде-
ние” трябва да е 36-ти. За всички променливи бе избрано да се генерира
модел от най-нисък ред за дадената променлива, т.е. представения модел е
от пети ред.
Model Misfit vs number of par's
Unexplained output variance (in %)
0.8
0.6
0.4
0.2
0
0 50 100 150 200 250 300 350 400 450 500
Number of par's
Остатъчна изходна дисперсия
Представени са количествени оценки на модела в зависимост от

реда. Ето как изглежда оценения модел:
A(q) = 1 −1.317(±0.015)q−1 + 0.259(±0.0246)q−2
+ 0.1328(±0.0249)q−3 − 0.02643(±0.0246)q−4 − 0.0397(±0.01491)q −5
70
y1. (5-step pred)
10
y1
-5
-10
Температура на точка на росене: измерена
-15
Температура на точка на росене:fit=68.48%
-20
5000 5500 6000 6500 7000 7500 8000 8500
Сравнение на прогнозираните стойности и измерените

Correlation function of residuals. Output y1
1.5
0.5
-0.5
0 5 10 15 20 25
lag
Автокорелационна функция на остатъците
Както се забелязва, не всички стойности на автокорелационната

функция попадат в доверителния интервал. Големината на стойностите,
които излизат извън зоната могат да се приемат за достатъчно малки и да
се пренебрегнат
Таблица 3.2. Представяне на избрания ред на AR модела за дадената про-

менлива и нейното „съвпадение”.
Променлива Ред на модела Съвпадение [%]
Температура на въздуха 24 54.77
Температура на точката на росене 5 68.48
Глобална радиация 22 41.61
Разсеяна радиация 71 48.56
Нормална директна радиация 25 11.67
Дълговълнова радиация 20 48.13
Глобална осветеност 26 41.36
Разсеяна осветеност 24 49.76
Директна осветеност 25 13.03
Посока на вятъра 2 20.28
Скорост на вятъра 3 43.69
71
3.2.4 ARX модели
В този раздел е описано получаването на ARX модел на разсеяна
осветеност и са представени резултатите от другите модели.
Оценяващите процедури са зададени с ограничение от 1-ви до 40-
ти ред за А полинома, от 1-ви до 40-ти ред за В полинома и един до три
такта закъснение на модела. Според направените изчисления редът на
ARX модела според AIC трябва да е [22,3,1], според MDL критерия трябва
да е [22,2,1] и според „най-добро съвпадение” трябва да е [33,27,1]. Предс-
тавения модел е със структура [22,2,1]. Според стъпка 3 в раздел 2 след
филтрацията на данните са получени показаните по-долу графични визуа-
лизации.
Входния сигнал за ARX модела
1
0.5
Амплитуда
-0.5
-1
0 0.5 1 1.5 2 2.5 3
x 10
Генерирания сигнал използван за входен при ARX процедурата за
конкретната променлива.
Unexplained output variance (in %)
Model Misfit vs number of par's
10
0
0 10 20 30 40 50 60 70 80 90
Number of par's
Остатъчна изходна дисперсия
Резултатите от оценката на стойностите на коефициентите на по-

линомите е следната:
A(q) = 1 − 0.911(±0.0153)q −1 + 0.0271(±0.0205)
q 2 + 0.0819(±0.0203)q3 − 0.00244(±0.0203)q 4
+ 0.0244(±0.0204)q5 + 0.01131(±0.0204)q −6 −
0.01374(±0.0204)q −7 − 0.00576(±0.0204)q −8 +
0.0077(±0.0204)q −9 − 0.0115(±0.0204)q −10 +
0.0196(±0.0204)q −11 + 0.00643(±0.204)q −12 +
72
0.00513(±0.0204)q −13 − 0.0143(±0.0204)q −14 −
0.00465(±0.0204)q −15 − 0.000398(±0.021)q −16 +
0.00814(±0.0204)q −17 + 0.0158(±0.0204)q −18 −
0.05342(±0.0204)q −19 + 0.0281(±0.0204)q −20 −
0.06395(±0.02044)q −21 − 0.1415(±0.01492)q −22
B (q ) = 436.2(±112.7)q −1 − 392.6(±112.7)q −2
Correlation function of residuals. Output y1

1
0.5
-0.5
0 5 10
15 20 25
lag
Cross corr. function between input u1 and residuals from output y1
0.2
0.15
0.1
0.05
-0.05
-30 -20 -10 0 10 20 30
lag
Автокорелационната функция на остатъците и взаимнокоре-

лационната функция между входа и изхода
4 y1. (22-step pred)
x 10
5
Разсеяна осветеност:измерена
4 Разсеяна осветеност:fit=52.12%
3
y1
0
500 1000 1500 2000 2500 3000 3500 4000
Сравнение на прогнозираните стойности и измерените
73
При ARX модела отново се получават стойности извън доверител-
ния интервал за автокорелационната функция на остатъците и отново са
относително малко извън зоната. Тук обаче се забелязва силна корелация
между входа и изхода, което е очаквано поради избора за вход на система-
та. Въпреки това при сравнението на прогнозираните стойности с изграде-
ния модел и сравнението им с втората част на извадката, използвана за
проверка на верността, се забелязва добро припокриване на двата набора
данни, за което свидетелства и високата оценка от 52,12%.
Таблица 3.3. Представяне на избрания ред на ARX модела за дадената променлива и нейното
„съвпадение”
Променлива Ред на модела Съвпадение [%]
Температура на въздуха [25,1,3] 55.28
Температура на точката на росене [5,1,3] 68.42
Глобална радиация [22,1,2] 40.4
Разсеяна радиация [23,3,1] 49.56
Нормална директна радиация [25,1,3] 8.204
Дълговълнова радиация [20,1,1] 49.73
Глобална осветеност [25,2,1] 42.84
Разсеяна осветеност [22,2,1] 52.12
Директна осветеност [25,1,3] 10.33
Посока на вятъра [5,2,1] 0.7763
Скорост на вятъра [4,1,3] 32.45
В таблица 3.3 са обобщени резултатите при сравняването на трите

критерия при избора на ред за ARX моделите. Отново за посоката на вятъ-
ра и скоростта на вятъра са генерирани модели от сравнително по-нисък
ред спрямо другите, но тук се забелязва ниския показател за съвпадение в
случая с модела на посоката на вятъра, а именно 0,7763.
Изводите, непосредствено следващи проведеното изграждане на
модели са:
• При моделирането на променлива на околната среда, по-високият ред
на модела не означава по-добро описване на процеса. Често пъти повиша-
ването на реда след определено число води до влошаване на резултатите.
• Изследванията потвърдиха факта, че критерият на Рисанен предлага
най-нисък ред на регресионните модели в сравнение с критериите на
Акайке и Критерият за най-добро съвпадение
• При AR модела, описващ посока и скорост на вятъра, се установява
интересен факт - нисък ред на модела при висока степен на точност. Това
показва, че, в разглежданите обекти не винаги е нужен сравнително висок
ред на модела за постигане на добри резултати. Намерени са случаи, при
които резултатите и от трите критерия, използвани в настоящите изслед-
вания, съвпадат, и то при много нисък ред за моделирания процес – при
посока и скорост на вятъра.
74
• Като цяло при постигане на около 40% припокриване на прогнозирани-
те стойности и измерените, се вижда, че има добро съвпадение и остатъци-
те са близки до бял гаусов шум.
Следователно при избор на ред на модела, осигуряващ максимална
точност, трябва да се имат предвид не само резултатите, получени по раз-
личните критерии за избор на ред на модела, а трябва да се отчитат реално
необходимата задоволителна точност на модела, както и реалните въз-
можности на техническите средства, чрез които ще се реализира управле-
нието на интегрираната сградна система.
3.2.5 Сравнителен анализ на методите, базирани на временни

редове
Първичната обработка на данните включва редица процедури: из-
глаждане чрез пълзящо средно и сезонна декомпозиция.
Разглежданите променливи имат различни трендове и характерис-
тики. Те могат да се разделят на групи въз основа на тези характеристики.
Разглежданите групи са: първа група – температура на въздуха и точката
на оросяване; втората група – дифузно и пряко нормално излъчване; трета
група – дълговълново излъчване; четвърта група – дифузна и пряка осве-
теност и последна група включваща посока и скорост на вятъра.
В таблиците се използват следните означения: AR – авторегресио-
нен модел; ARX-1 – авторегресионен модел с един допълнителен вход;
ARX-2 – авторегресионен модел с два допълнителни входа.
Вземайки предвид специфичните свойства на отделните групи про-
менливи на околната среда, входните променливи се трансформират чрез
прилагане на индивидуален подход за разширените авторегресионни мо-
дели. Основният тренд е намерен от „квадратичен” тип. Предварителното
изследване е направено чрез прилагане на стандартен авторегресионен
(AR) и разширен авторегресионен модел с един допълнителен вход (ARX -
1). Най – добър резултат е постигнат чрез прилагане на авторегресионен
модел с два допълнителни входа (ARX – 2). В този случай може да се за-
пише:
y (t ) = yC + yM ,
A( q −1 ) yM (t ) = B(q −1 )u (t − nk ) + e(t ) , (3.41)
където: yC е основният тренд, а yM е изхода на модела.
Резултатите от изследването на моделите са представени в Таблица 3.4.
Таблица 3.4 Температура на въздуха, Точка на оросяване
AIC MDL “Най-добра апроксима-
ция”
AR na = 49 nb = 0 nk = 0 na = 24 nb = 0 na = 73 nb = 0 nk = 0
nk = 0
75
ARX-1 na = 25 nb = 1 nk = 3 na = 25 nb = 1 na = 40 nb = 1 nk = 3
nk = 3
ARX-2 na = 20 nb = [2 2] na = 19 nb = [2 2] na = 30 nb = [3 3]
nk = [0 0] nk = [0 0] nk = [0 0]
Точка на оросяване
AR na = 5 nb = 0 nk = 0 na = 5 nb = 0 na = 24 nb = 0 nk = 0
nk = 0
ARX-1 na = 5 nb = 2 nk = 1 na = 5 nb = 1 na = 36 nb = 7 nk = 1
nk = 3
ARX-2 na = 19 nb = [2 2] na = 5 nb = [2 2] na = 20 nb = [2 2]
nk = [0 0] nk = [0 0] nk = [0 0]
Air Temperature
40
30
20
Degrees, [C]
10
-10
-20
-30
0 2000 4000 6000 8000 10000
Time, [Hours]
Air Temperature
40
30
20
Degrees, [C]
10
-10
-20
-30
0 2000 4000 6000 8000 10000
Time, [Hours]
Основен тренд и реални данни
Симулационното изследване на модела и едностъпковия предик-

тор въз основа на този модел са представени по-долу.
Представеният модел описва 85.1% от променливата температура
на въздуха, при използване на „Информационният критерий на Акайке”
(AIC).
76
Air Temperature
40
Data
30 Model
20
Degrees, [C]
10
-10
-20
-30
0 2000 4000 6000 8000 10000
Time, [Hours]
Апроксимация на модела
Air Temperature
40
Data
30 Prediction
20
Degrees, [C]
10
-10
-20
-30
0 2000 4000 6000 8000 10000
Time, [Hours]
Едностъпково предсказване в рамките на експерименталните данни
Изследването на остатъците показва, че основната част от тях са

нормално разпределени с наблюдаване на серийна корелация.
По подобен начин се оценяват данните и за другите групи про-
менливи и се оценява приложимостта на различните по сложността си
модели.
3.3 Моделиране в развойна среда (TAC Menta)

3.3.1 Създаване на програма за елементи от вентилационна
система чрез използване на функционални блокове
Примерна програма за управление на вентилатор, функциониращ
съгласно следната схема:
77
Програмата в “TAC Menta” съдържа няколко основни елемента:
Създава се функционален блок „OR”, свързват се входовете му с

изходите на функционалните блокове “ALARM”. Създава се нов функцио-
нален блок „DO”, свързва се входът му с изхода на новосъздаденият „OR”
блок, като на изхода му определяме модула и изхода, към който ще бъде
свързана светлинната индикация за авария на вентилатора. Програмата в
“TAC Menta” до момента би трябвало да изглежда по подобен начин:
78
Реализира се светлинна индикация за статус „RUN” на вентилато-
ра, като събираме логически управляващ сигнал към контактор, обратна
връзка от контактор и показание на диференциален пресостат. Въвежда се
функционален блок “DO” и към входа му се подава сигнал при наличието
и на трите гореописани сигнала. На изхода му определяме модула и изхо-
да, към който ще свържем светлинната индикация за безпроблемна работа
на вентилатора. Програмата в “TAC Menta” до момента би трябвало да
изглежда по подобен начин:
За да бъде преустановено изработването на управляващ сигнал

към контактора при наличието на алармено събитие, въвеждаме обратна
връзка към управлението на контактора:
79
Симулация на създадена програма в „off line” режим
За да бъде проверена създадената програма в „simulate mode”, се
натиска клавиш F12 или се избира „simulate” подменюто от меню
“options”. На екрана трябва да се появи следният диалогов прозорец:
Чрез смяната на състоянията (натискане на бутоните на входовете

горе в ляво) може да се види реакцията на програмата, без да е необходимо
да се зарежда самата програма в програмируем контролер.
3.3.2 Създаване на моделни библиотеки в развойна среда

(TAC Menta)
1. Модел на топлообменник вода-въздух в средата TAC Menta
80
Динамиката на модела е описана като система от първи ред с но-
минална времеконстанта = 30 sec. Падът на температура в установен ре-
жим е дефиниран от PVR-блока MaxFall. Номиналната му стойност е 20
градуса, като варира според типа на климатика.
Входовете и изходите му се дефинират по следния начин:

Inputs
(Real) Температура на въздуха преди климатика, °C.
(Real) Управляващ сигнал, %.
Outputs
(Real) Температура на въздуха след климатика, °C.
Трябва да се отбележи, че моделът няма връзка с големината на

въздушния поток през него. Той описва единствено промяната на темпера-
турата на въздуха след него.
2. Модел на топлообменник въздух - въздух в средата TAC Menta
81
Динамиката на системата е описана като филтър от първи ред с
номинална времеконстанта THx. Балансът е направен при предположение-
то, че въздушните потоци са равни по големина и скорост от двете страни
на топлообменника.
Входовете и изходите се дефинират като:

Inputs
(Real) Температура на въздуха (извеждан) преди топлообменника, °C
(Trin)
(Real) Температура на въздуха (доставян) преди топлообменника, °C (Tin)
(Real) Управляващ сигнал, % (Uc)
Outputs
(Real) Температура след топлообменника (извеждан), °C. (Trout)
(Real) Температура след топлообменника (доставян), °C. (Tout)
Ефективността на топлообменника се дефинира от потребителя като eta:
Eta=(Tout - Tin)/(Trin – Tin)
Например:
Tout=17 Tin=0 Trin=22
Eta=(17-0)/(22-0)=0.8 THx=20s
3. Дефиниране на режим в средата TAC Menta

Тази функция изчислява флага за Отопление или Охлаждане, като
това не трябва да се смесва с този за разрешаване на работата им. В също-
то време тук се изчислява и контролната точка за следващия контролен
цикъл. Превключване между отопление и охлаждане настъпва, ако конт-
ролният сигнал от предишния цикъл е равен на 0.
82
Списък на променливите, входовете и изходите и променливите е
показан по-долу:
Inputs
(Real) SP cooling, °C (Желана температура при охлаждане)
(Real) SP heating, °C (Желана температура при отопление)
(Real) Supply temperature, °C (Външна температура)
(Real) Control signal, %
(Binary) Cooling allowed flag
Outputs
(Real) SP supply temperature, °C
(Binary) Cooling case (0=heating, 1= cooling)
Parameters
Public signals
(Real) ActualSP
(Bin) CoolingCase
3.3.3 Топлинен модел на нагревател

Приемаме, че водният и въздушен дебити са константни. Нараст-
ването на температурата на въздуха зависи от ефективността eps на нагре-
вателя, дефинирана по следния начин:
eps = (Twi – Two)/(Twi – Tai)
където:
Twi = температура на входящата вода, °C.
Two = температура на изходящата вода, °C.
Tai = температура на входящия въздух, °C.
Динамиката на температурата на изходящите въздух и вода се описва чрез
използването на филтър от първи ред с времеконстанта = 30 s.
Входове
Tai = температура на входящия въздух (°C). Real.
TB = температура преди смесителния вентил (°C). Real.
uc = управляващ сигнал (0–100%). Real.
83
Изходи
Tao = температура на изходящия въздух (°C). Real.
Two = температура на изходящата вода (°C). Real.
Константи
eps = ефективност на нагревателя. Номинална стойност = 0.3. Real.
qa = въздушен поток (m³/s). Номинална стойност = 5.0 m³/s. Real.
qw = дебит на водата (kg/s). Номинална стойност = 1.0 kg/s. Real.
ca = специфична топлоемкост на въздуха ( kJ/(kg*K) ) = 1.02 kJ/(kg*K).
Real.
cw = специфична топлоемкост на водата ( kJ/(kg*K) ) = 4.18 kJ/(kg*K).
Real.
rho = плътност на въздуха (kg/m³) = 1.2 kg/m³. Real.
Tc = времеконстанта (s). Номинална стойност = 20 s. Real.
∆t
t in tout
P = q ρ c ∆t
където:
Р – мощност, kW
q – дебит на въздуха, m³/s
t out t in
∆t
ρ – плътност на въздуха, 1.2 kg/m³
c - специфична топлоемкост на въздуха 1.02 kJ/(kg*K)
P = qv ρ cv ∆t
където:
Р – мощност, kW
qv – дебит на водата, l/s
ρ – плътност на водата, 1.0 kg/dm³
cv - специфична топлоемкост на водата 4.19 kJ/(kg*K)
84
Модел на нагревател в развойна среда TAC Menta
Heating Coil
Tai Tao
Air temperature before heater, °C (Real) Temp. after Heater, °C (Real)
FILT
+ TimeConst
Tc
Tb A Two
Boiler temperature, °C (Real) XPR
B FILT Return Water Temp., °C (Real)
TimeConst
(eps*A+(1-eps)*Q*B)/ Tc
Q
(Q+eps-eps*Q)
Heat Balance
Temp. of Water Air-Water
Uc Entering the Heater Water Temp.
B Difference Air Temp.
Control signal, % (Real) XPR Difference
Q XPR T
÷ −
R
Q*B+(1-Q)*R (qw*cw)/
(qa*ca*rho)*T
100
Това е модел на отоплителен радиатор, управляван посредством

смесителни вентили. Налягането на водата през тръбите, както и на възду-
ха около тях, се приемат за константни. Динамиката на системата се опис-
ва чрез филтър от първи ред с номинална времеконстанта Tc.
Тъй като показаният макро блок съдържа голям брой константи,
които трябва да се дефинират от потребителя, в съответствие с характе-
ристиките на съществуващ продукт, ще изложим кратък пример с дефини-
рани такива стойности, както и техния физически смисъл.
Нека температурата на водата, напускаща серпентината е 42°C,
при влизаща такава с температура 60°C, като въздухът, навлизащ в прост-
ранството около серпентината, е с температура 0°C. Тогава:
eps = (60-42)/(60-0)= 0.3
Времеконстантата на филтъра е 30 сек.
Други константи:
(Real) qa - скорост на въздушният поток(m3/s). Стойност = 5.0 m3/s.
(Real) qw - скорост на водата в серпентината(kg/s). Стойност = 1.0 kg/s.
(Real) ca - топлинен капацитет на въздуха( kJ/(kg*K) ) = 1.02 kJ/(kg*K).
(Real) cw -топлинен капацитет на водата( kJ/(kg*K) ) = 4.18 kJ/(kg*K).
(Real) rho - плътност на въздуха(kg/m3) = 1.2 kg/m3.
Входовете и изходите се дефинират по следният начин:
Inputs
(Real) Температура на въздуха преди радиатора °C (Tai)
(Real) Температура на топлата вода преди серпентината, °C (TB)
(Real) Управляващ сигнал, % (uc)
Outputs
(Real) Температура на въздуха след серпентината, °C (Tao)
(Real) Температура на водата след серпентината, °C (Two)
85
3.3.4 Топлинен модел на стая
Модел от първи ред на стая, загрявана от въздушен поток с посто-
янен дебит. Температурата се регулира чрез промяна на температурата на
входящия въздух.
Ако не се отчита топлоотдаването през стените на стаята:
Q = cmτ
където:
Q е топлинната енергия,
с – специфичен топлинен капацитет,
m – маса ,
τ – прегряване
dQ dτ dτ
= cm , P = cm
dt dt dt
Отчитайки топлопредаването, съгласно закона на Фурие
λsτ
dQ = − dt
δ
където:
λ – топлопроводност на околните стени,
s – повърхност,
δ – дебелина на стените
1 λs
=
Rth δ
dτ τ
P = cm +
dt Rth
d (TRoom − TOut )  OC 
P.Rth = T + (TRoom − TOut ) ; Rth  ;
dt  J 
 J 
C  O  ; T = c.m.Rth
 kg C 
При начална температура TOut = const. = 0
dTRoom
P.Rth = T + TRoom
dt
dT
q.ρ .c.Tin .Rth = T Room + TRoom
dt
Входове
TIn = температура на входящия въздух, (°C). Real.
Изходи
TRoom = температура на стаята (°C). Real.
86
Модел на стая в развойна среда TAC Menta
Room Stationary Room Temp. for Troom

0°C Supply Temp. Room Temp., °C (Real)
PVR
InitValue +
15
Tin
Supply Temp., °C (Real)
× − ÷ r
INTEG
0 rs InitValue
PVR rv 0
InitValue 0
0.2
Time Const. Room,

minutes.
PVR
InitValue ×
15
60
Температурата в стаята се контролира чрез промяна на температу-

рата на въздуха, влизащ в нея. Моделът е от първи ред. Времеконстантата
и въздушният поток се задават от потребителя. Към стандартния изход на
системата добавяме и статична съставка T0. T0 се свързва с температурата
на стаята, когато въздухът, навлизащ в нея е 0 градуса.
Входовете и изходите се дефинират като:

Inputs
(Real) Температура на входящият въздух, °C (Tin)
Outputs
(Real) Температура в стаята., °C (Troom)
Като времеконстанта се задава 15 мин.
Релеен регулатор с хистерезис в развойната среда TAC Menta
AINL
T zad
STRIN
M0-U2
AOUT
HYST AO
Activate
DIN − 0.2 ℜ × 1 M0-Y2
DI Deactivate
0.1 0
M0-X3
T room 100 0
100
87
ПИД регулиране чрез контролери TAC Xenta
Heating Coil Room
Temp. after Heater, °C (Real)
AINL Heating_coil
A
AI
M2-U3 HFB
AOUT
B D A HFB B
AO
M4-Y6
PVR
InitValue C
100
AILIN
STRIN
S1-U7
Heating control
Supply temperature, °C (Real) MV

AINL PIDA
SP supply temperature, °C (Real) SP
STRIN ControlInt
S1-U2 Normal control (Bin) a Mod 10
XPI G UMin Heat control signal, % (Real) AOUT
0 AO
Ti
UMax M4-Y4
DIN
Heating allow ed (Bin) p p&a? 2 Td 100
DI 1:3 DZ StrokeTime
M1-X3
HeatingTravelTime
TSg
PVR A XPR
InitValue
10
100/A 0
PVR A XPR
InitValue
2
A*60
3.4 Моделни библиотеки в среда SIMULINK

Много често обектите за управление, подлежащи на енергийна оп-
тимизация при синтезирането на управляващите алгоритми, са твърде
сложни и тогава изграждането и настройването на контролерното управ-
ление директно в средата TAC се оказва трудоемка задача. В тези случаи
логичният проектантски ход е прилагането на "чисто софтуерна" среда за
анализ на моделно-базираното управление, и последващо прилагане на
стратегията "hardware in the loop" за работа в реално време.
Пример: Синтез на енергоефективно управление за обекта, показан на
фигурата по-долу:
Системата се състои от две подсистеми: водна и въздушна. Тези
системи си взаимодействат само чрез топлообменника, където топлинната
енергия на водата се предава на въздуха. При създаването на модел е пре-
поръчително той да се актуализира лесно, а не да се налага създаването на
изцяло нов при настъпване на някакви промени. Поради това примерният
обект се разделя на пет отделни модула (подсистеми), изброени в таблица-
та по-долу. Сензорите не са моделирани поотделно, а са включени в моде-
лите на съответната подсистема, в която участват.
88
Модул Описание
Вентилатор турбинен вентилатор с променлива скорост
Смесителна секция жалузи на входящия и изходящия въздух
Бойлер електрическо подгряване и помпа за вода
Контролен вентил линеен трипътен вентил
Топлообменник отоплителна серпентина
Всеки от моделите на отделните подсистеми съдържа в себе си
модели на съставните си части. Много от компонентите на системата са с
нелинейни характеристики. Общият модел на системата разполага с шест
входа (четири за контрол и два за смущения) и осем изхода, които са изб-
роени в таблица по-долу.
Входове Описание
Cvp управление трипътен вентил
Cbs управление скорост вентилатор
Cdr управление жалузи
Cwh управление нагревател бойлер
Tar температура изходящ въздух
Tae температура входящ въздух
Изходи Описание
Fw дебит на вода през серпентина
Fws дебит на вода през цялата система
Fa въздушен поток към климатизираната зона
Two температура на водата на изхода на серпентината
Tao температура на въздуха към климатизираната зона
Tai температура на въздуха преди отоплителната секция
Twi температура на водата подавана към серпентината
Tws температура на водата на изхода на бойлера
89
Дефинираните величини и структура на обекта в обобщен вид могат да се
онагледят чрез моделното описание:
Общ модел на климатична централа
1. Модел на нагнетателна секция (Blower)

Вентилаторът е главен компонент на нагнетателната секция. Чес-
тотното управление контролира скоростта на турбината му, като по този
начин се изменя потока на въздух през системата. Освен от скоростта му,
дебитът зависи и от положението на жалузите на смесителната секция.
Затова моделът има два входа (Cbs и Cdr), един изход (Fa) и съдържа три
ключови елемента: “c2Fa”, “AdjFa2” и “Flow Dynamics”. Тези три блока
описват съответно отношението на скоростта на вентилатора към създаде-
ния въздушен поток, въздействието на отварянето и затварянето на жалу-
зите върху него и динамиката на нагнетателната секция.
Модел на нагнетателна секция
90
Връзката между зададената скорост на нагнетателния вентилатор
и въздушния поток е почти линейна. Това се дължи на факта, че ефектив-
ността на турбинния вентилатор намалява с повишаване на въздушния
поток. Отношението между двете се изразява с уравнението, по-долу, и се
реализира в модела с използването на блока “c2Fa”. Приема се, че клапите
за изходящия въздух са напълно отворени, а тези за входящия са напълно
затворени, т.е. налице е максималният въздушен поток за всяка една ско-
рост на вентилатора.
Fa = 1,23x10-8Cbs4 - 3,93x10-6Cbs3 + 3,77x10-4Cbs2 - 2,32x10-3Cbs - 1,67x10-2
Позицията на жалузите въздейства на силата на въздушната струя.

Те са свързани чрез контролер и тяхната позиция се контролира от сигнала
за управлението им (Cdr). В модела, блокът “AdjFa” представя въздушния
поток (като процент от максималния) като функция на клапите за изходя-
щия въздух. Връзката отново е нелинейна:
Faadj = -0,0233Cdr3 – 0,0287Cdr2 + 0,119Cdr + 0,933
Цялостния модел на нагнетателната секция се формира с поставя-

нето на блок, симулиращ закъснението при промяна на стойността на въз-
душния поток от моментната му стойност до зададената.
2. Модел на смесителна секция (Mixing Box)

Смесителната секция се намира преди топлообменника. Тя е мяс-
тото, където изходящият въздух се смесва с постъпващия външен. За конт-
ролиране на съотношението между входящия и изходящия въздух, отиващ
към отоплителната секция, се променя положението на жалузите. Макар да
е възможно промяната на положението на всеки поотделно, в интегрира-
ните системи за сградна автоматизация те са свързани и координират дви-
женията си един спрямо друг. Това позволява с увеличаване на потока
през едни от жалузите, през другите той да се намалява, за да остане пос-
тоянен потокът на въздух към топлообменника. По този начин промяната
на отношението между входящия и изходящ въздух се отразява незначи-
телно върху големината на въздушния поток.
91
Модел на смесителна секция
Моделът на смесителната секция има три входа и един изход.

Входът Cdr дава информация за положението на жалузите на изходящия
поток. Сигналът постъпва във входа в блока “NormCdr”. На изхода му той
е в рамките на [-1,0], като показание “0” съответства на изцяло отворени
клапи на изходящия поток. Тъй като двете клапи са свързани, положението
на тази за входящия поток се дава с израза Cdr + 1. И тук стойността “0”
означава напълно отворени клапи. Това се получава при Cdr = – 1 или с
други думи – напълно затворени клапи на изходящия поток. Входовете Tae
и Tar дават информация за температурата на влизащите потоци в смеси-
телната камера, съответно на входящия и изходящ въздух. Уравнението:
Tai = (Cdr+1)Tae – CdrTar
описва модела на смесителната секция.
3. Модел на система за подгряване на вода (Boiler)

Системата за подгряване на вода (бойлер) включва и регулатор на
мощността и помпа за вода с постоянен дебит. Заради почти константната
скорост на водата (Fws), влиянието на дебита върху температурата е почти
незначително. По този начин температурата на водата, излизащата от бой-
лера (Tws) зависи само от температурата на постъпващата към него, както и
от подаваната мощност към нагревателя (Pws). Моделът, показан на фигу-
рата по-долу, съдържа три блока. “Water Return” блока дава информация за
температурата на връщащата се към бойлера вода. “C2Pw” определя пода-
ваната мощност към нагревателя, в отговор на сигнала на входа “Cwh”. На
изхода си блока “Water Heater” пресмята температурата на излизащата от
бойлера вода, спрямо температурата на входящата вода и мощността, по-
давана към нагревателя му. Последният блок симулира закъснението за
промяната на температурата на водата спрямо зададената и моментната и
стойност.
92
Модел на система за подгряване на вода
За изчисляване на температурата на водата, постъпваща в бойлера

(Twr) се вземат предвид четири параметъра – потока и температурата на
водата през бойлера (Fws и Tws) и серпентината (Fw и Two). Това става в
блока “Water Return”, показан на фигурата по-долу:
Модел на блок “Water Return”
(Two Fw ) + (Tws - 0.5)(Fws Fw )

Twr =
Fws
Сигналът Cwh определя моментната мощност на нагревателя. Тази

линейна функция, дефинирана от уравнението:
Pw = 4833,5Cwh – 2523,21
е симулирана чрез блока, показан на фигурата:
Модел на блок “C2Pw”
93
Изходите Pw и Twr са входове на блока “Water Heater”, показан на
фигурата по-долу. Изходът му е променливата Tws, показваща температу-
рата на водата, излизаща от бойлера. Блокът “TF” изразява връзката между
консумираната мощност от нагревателя (Pw) и промяната на температурата
на водата, излизаща от бойлера. Тъй като дебита на водата е константа,
времето за преминаването й през бойлера също е постоянна величина.
Това забавяне е постигнато чрез блока “Transport Delay”.
Модел на блок “Water Heater”
4. Модел на трипътен вентил (Valve)

Трипътният вентил контролира дебита на водата през отоплител-
ната секция. В затворено положение потокът му се затваря през него, а в
отворено – през серпентината. Вентилът се отваря и затваря с помощта на
електрически изпълнителен механизъм. В зависимост от сигнала на входа
му се изменя дебита на вода през отоплителната секция.
Модел на блок “Valve”
Моделът на трипътния вентил е съставен от пет блока, симулира-

щи водния поток през серпентината (Fw) и потока през цялата водна сис-
тема (Fws) в зависимост от подадения на входа сигнал. Спрямо нивото му
блокът “Cvp2Avp” се грижи за точното позициониране на вентила. При
отварянето и затварянето му се наблюдава хистерезис поради триенето, но
избраната функция го свежда до минимум. Следващият блок “Avp2Fw”
изразява моментната стойност на потока като функция на позицията на
вентила. Това става чрез уравнението:
Fw = -4.9x10-12Avp4 + 1.3x10-9Avp3 - 6.9x10-8Avp2 + 4.5x10-6Avp - 7.78x10-8
Затварянето на водния път през серпентината е по-затруднено,
отколкото през вентила, заради съпротивлението, оказвано от нейна стра-
на върху водата. Поради това връзката между потока на водата, протичащ
94
през серпентината и този - през вентила, не е линейна. Блокът “Fw2Fws”
изразява водния поток през цялата система като функция на водата, пре-
минаваща само през отоплителната секция. Уравнението:
Fws = -240966Fw3 + 888.2Fw2 – 0.539154Fw + 0.00063
изразява тази връзка.
5. Модел на отоплителна секция (Heating Coil)

Използваният топлообменник е от типа „вода-въздух”. Преносът на топ-
линна енергия от водата към въздуха зависи от физичните му характерис-
тики и е функция на дебита и температурата, като е налице нелинейност.
Блокът “Tao” дава информация за температурата на въздуха на изхода на
отоплителната секция, а блокът “Two” - температурата на водата на изхода
на серпентината. Общият модел на отоплителната секция е показан на
фигурата по-долу:
Модел на блок “Heating Coil”
Подсистемата “Two”, показана на фигурата по-долу, има четири

входни променливи и една изходна – температура на излизащата от сер-
пентината вода. Заради големината си, серпентината има собствен топли-
нен капацитет, което води до експоненциално закъснение на изхода. В
допълнение на това между входа и изхода се създава температурен гради-
ент. В моделът се използва средната температура на серпентината. Време-
то, за което водата преминава през цялата дължина, също е взето предвид
чрез добавяне на времеконстанти, различни за всеки от четирите входа.
95
Модел на блок “Two”
Подсистемата “Tаo”, показана на фигурата по-долу, има четири

входни променливи и една изходна – температурата на излизащия от отоп-
лителната секция въздух. Тя представя движението на въздуха през отоп-
лителната секция. Подобно на подсистемата “Two” и тук са добавени
“Transport Delay” блокове, описващи времето за реакция на подсистемата
при промяна на входен параметър.
Модел на блок “Tao”
96
6. Цялостен модел на системата
След проведеното моделиране на отделните подсистеми, е въз-
можно сглобяване на цялостен модел на системата, подходящ за провеж-
дане на симулационни тестове. Блокът “From Workspace” предава стойнос-
тите на входните параметри от средата на Matlab към Simulink.
Цялостен модел на системата
3.5 Симулационен анализ в среда SIMULINK

Пример: симулационен анализ на системата при класически зако-
ни за управление
Пропорционалният регулатор е един лесен начин за регулиране на
температурата на въздуха, подаван към отопляваната зона. Регулаторът се
опитва да приравни температурата на изходящия въздух към зададената и
стойност, като отчита грешката между нея и измерената стойност. Обик-
новено обаче връзката между управлението и трансфера на топлина не е
линейна. На фигурата по-долу е показана нелинейната връзка между мак-
симално отдадената топлина и потока на топла вода през серпентината.
Когато потокът на топла вода се намали, по-голяма част от нейна-
та енергия се отдава на въздуха, което отчасти обезсмисля редуцирането
му. За да се осигури стабилност при работата на пропорционалния регула-
тор, е необходимо настройване на системата да работи с най-голям рабо-
тен к.п.д. Това изисква тя да работи нормално при относително ниски за-
губи и да променя параметрите си само когато на изхода й се получи голя-
ма относителна грешка.
97
К.П.Д. на отоплителната секция спрямо потока на водата
Съвременните системи за сградна автоматизация по-често използват

пропорционално-интегрални регулатори за контрол над отделните величи-
ни. В разглеждания пример се контролират следните величини:
Температура на водата, доставяна от бойлера
Обем на въздуха, доставен до климатизираната зона
Температура на въздуха, доставен до климатизираната зона
Дебит на водата през отоплителната серпентина, за достигане на
желаната температура на въздуха
Въпреки добрите си характеристики ПИ регулаторът е изправен пред
редица предизвикателства. На първо място, подсистемата която той управ-
лява, има нелинеен характер. Поради това ПИ регулаторът трябва да е
настроен при максимални стойности на параметрите на системата. Това
прави настройката на параметрите му доста трудна и досадна, като рядко
се намират най-добрите стойности. Обикновено се пристъпва към експе-
рименталното им определяне.
98
Всички регулиращи органи имат ограничения – моторът има огра-
ничена скорост, вентилът не може да бъде повече от напълно отворен или
напълно затворен и т.н. В условията на експлоатация на една реална сис-
тема може да се случи така, че управляващото въздействие да достигне
границите на насищане на регулиращия орган. Когато това се случи, об-
ратната връзка се „прекъсва” и системата работи като отворена, защото
регулиращият орган ще остане в крайното си състояние, независимо от
стойностите на регулируемата величина. В този момент регулирането
“приключва”. От там идва и названието на ефекта “windup”. Ако се изпол-
зва регулатор с интегрална съставка, грешката ще продължи да бъде ин-
тегрирана. Тогава интегралната съставка може да стане много голяма и за
да бъде възстановено управлението на системата, ще е нужно стойността
на грешката да бъде с противоположен знак много дълго време. Изводът е,
че всеки регулатор с интегрална съставка може да даде големи колебания,
когато регулиращият орган се насити. Тъй като този ефект се дължи на
интегралната съставка, обикновено се нарича “integrator windup”. За уп-
равление на разглежданата система класическият подход изисква три ПИ
регулатора: KTws, KTai и KTao.
Известно е, че математическото описание на ПИ регулатора е :
u (t ) = k p e(t ) + ki ∫ e(t ) dt
дискретната форма:
u ( n) − u ( n − 1) = k p [e( n) − e( n − 1)] + kiTe( n)
след пренареждане:
u ( n) = u ( n − 1) + k p [e( n) − e( n − 1)] + kiTe( n)
99
Чрез ограничение на стойността на u(n) в определен обхват се избягва
получаването на windup ефекта. Това ограничение отговаря на максимал-
ните и минималните нива на сигналите за управление.
ПИ регулатор, включващ antiwindup блок
Стойностите на коефициентите на пропорционалната и интеграл-

ната части на трите ПИ регулатора, съответно Kp и Ki са описани в табли-
цата:
ПИ контролер Kp Кi
KTai 0.20 0.010
KTao 0.24 0.025
KTws 0.18 0.015
За визуализация на процесите при симулационното моделиране,

моделът бе разширен с регулиращи и осцилографиращи блокове:
100
Анализ на показатели на системата:
Процеси Tao Мерни единици
Време за достигане на заданието 122 секунди
Време за установяване 375 секунди
Пререгулиране 4.55 проценти
Максимално отклонение по време на 0.0 проценти
смущението
На фигурите по-долу са показани реакциите на системата при по-

вишаване на желаната температура в климатизираното пространство с 5°C.
В началото на симулацията е зададена желана температура Тао=29°C и е
изчакано системата да се установи. Това става в 375-та секунда от старти-
рането й. На 1500-та секунда желаната температурата се променя на 34°C, в
резултат на което регулаторът KTao реагира, като отваря допълнително
трипътния вентил, за да увеличи потока на топла вода през отоплителната
секция. Регулаторът KTws увеличава мощността на бойлера, за да поддържа
температурата на водата на изхода си в рамките на зададената чрез Tws
стойност. Около 600-та секунда след смущението се достига желаната тем-
пература. В 2500-та секунда от началото на симулацията е зададена първо-
началната стойност на температурата от 29°C, като се наблюдава подобно
време за навлизането на системата в установен режим.
Model inputs
100
90
80
70
60
% of maximum
50
Cbs
40
Cdr
30
Cwh
20
Cvp
10
0
0 500 1000 1500 2000 2500 3000 3500 4000
Time (sec)
Входове на системата
101
Air and water flow rates
30
Fa
25
20
% of maximum
15
10
5
Fw
0
0 500 1000 1500 2000 2500 3000 3500 4000
Time (sec)
Въздушен и воден поток

Air and water temperatures
60
Twi
50
40
Temperature (°C)
Tao
30
Two
20
Tai
10
0
0 500 1000 1500 2000 2500 3000 3500 4000
Time (sec)
Температури на въздуха и водата
3.6 Модели на топлообменници

В топлообменните апарати или топлообменниците се осъществява
пренос на топлина (или топлина и маса) от един топлоносител към друг.
Топлообменните апарати се различават по технологично предназначение,
по вид и фазово състояние на потоците, конструктивно и т. н. Топлооб-
менниците с протичане и на масообменни процеси се характеризират ос-
вен с топлообмен и с фазови превръщания - например апарати за изсуша-
ване, овлажняване и очистване на въздух от вредни газообразни примеси и
прах, наричани скрубери. Такива са също абсорбери и адсорбери, ректи-
фикационни колони, екстрактори и др.
По принцип на действие топлообменниците биват рекуператори,
регенератори и смесителни апарати. Съществуват и специални апарати с
102
вътрешен източник на енергия - електронагреватели, реактори с химически
реакции и пр.
Рекуператорът е апарат, в който горещия и студения поток (топ-
лоносител) преминават едновременно, а топлината се предава през разде-
лителна топлопроводна стена. Тези апарати се наричат повърхностни -
котли, изпарители, нагреватели; кондензатори и др. Те са основно с непре-
къснато действие.
Регенератор е апарат, в който горещия и студения флуид последо-
вателно през определен интервал от време, контактуват с топлообменна-
та повърхност. При контакт с горещ топлоносител топлообменната повър-
хност се нагрява, а след това при преминаване през същата повърхност на
студен топлоносител акумулираната топлина от нагрятата повърхност се
предава на нагрявания студен флуид. Такива апарати са с периодично
действие и се използват главно като въздухонагреватели в газотyрбинните
уредби, металургията и пр. Тези апарати могат да бъдат и с непрекъснато
действие, ако са снабдени с движещи се стени или пълнеж при периоди-
чен контакт с горещ и студен топлоносител, т. е. с непрекъснат пренос на
топлина от единия поток към другия. Смесителни апарати са устройства, в
които се осъществява директен (непосредствен) контакт между топлоно-
сителите. Такива са оросителните, барбутажни и др. апарати, в които се
осъществява съвместен топло- и масообмен. Повърхността на стената,
преградата или границата на разделяне на контактуващите потоци - топло-
носители, през която става пренос на топлина и маса се нарича топлома-
сообменна повърхност. Тази повърхност в контактните апарати със смес-
ване на газ (пара) с течност най-често се образува от пълнеж във вид на
твърди тела. При пълното намокряне на пълнежа повърхността на топло- и
масообмена е равна на площта на повърхността на телата, съставящи този
пълнеж.
По принцип на действие на топлоносителите топломасообменните
системи биват: „газ (пара) – газ (пара)” , „газ (пара) - течност” , „газ (пара)
– твърдо тяло”, „течност - течност” и „твърдо тяло – твърдо тяло”.
На фигура 3.42 е показан филтър-пресов топлообменен апарат пластинчат
тип. Нагревната повърхност се образува от затягащи се успоредни гофри-
рани пластини, представляващи щамповани метални листове. В такъв
топлообменник при притискане на листовете се получават тесни каналче-
та в които протичат двата топлоносителя, като единият минава в четни, а
другият в нечетни канали или пластини. Пластинчатите топлообменници
се оразмеряват по загуба на налягане в зависимост от основния ъгъл на
щамповане на пластините ( α- 30°, 60°, 0°). За пластинчатите апарати е
характерно: компактност и интензивен топлообмен. Основните предимст-
ва на.пластинчатите топлообменници са значителните стойности на кое-
фициента на топлопреминаване - до 3500 W/(m2.k), което се дължи на въз-
можността за получаване на големи скорости на потоците при сравнително
малки хидравлични съпротивления, компактност, лесно почистване, мон-
103
таж и демонтаж. По-важните недостатъци са: ниски налягания – до 6 bar,
трудност при херметизация и избор на еластични и химически устойчиви
материали за уплътнения и други.
Фигура 3.43 Пластинчат топлообменник
Уравнението на топлинния баланс на непрекъснато действащ ре-

куперативен топлообменник с два топлоносителя в най - общ вид е :
Q1 = Q2 + Q заг
или
Q1 = ηQ2
където Q1 е количеството топлина, предадено от горещия топлоносител, J;
Q2 е количество топлина, получено от загрявания топлоносител, J;
Qзаг - загуба на топлина в околната среда, J;
η - коефициент на полезно действие (к.п.д.) на апарата
При това
Qзаг Q2
η = 1− =
Q1 Q1
Уравнението на топлопренасяне е :
Q = Q2 = k . A.∆t cp
където ∆tcp - средна температурна разлика между топлоносителите, [ 0 C ] .
Конкретният вид на уравнението на топлинния баланс зависи от де-
битите и агрегатното състояние на топлоносителите. Съществуват три ос-
новни случая на съставяне на уравнението на топлинния баланс (1-когато
двата топлоносителя не променят агрегатното си състояние, 2- когато еди-
ният от топлоносителите(например греещият) фазовото си състояние; 3 -
когато и двата топлоносителя променят агрегатното си състояние). Понеже
използвания от нас топлообменник работи с температури на входящата
0
вода до 90 C за нас е интересен само първия вариант на уравнението:
104
G1 .c1 .(t1вх − t1изх )η = G2 .c 2 (t 2изх − t 2вх ) ,
където G1 и G2 са дебитите на двата потока, kg / s ;
c1 и c2 - специфични топлинни капацитети J ;
kg .[ 0 C ]
t1вх и t1изх -температури на греещ топлоносител на входа и изхода от апа-
0
рата, [ C ] ;
t 2вх и t 2изх - температури на нагряван топлоносител на входа и изхода от
0
апарата, [ C ] ;
Избрали сме да управляваме изходната температура на нагрявания
топлоносител т.е. t 2изх , чрез дебита на входа на топлообменника G1 - това
значи да получим връзка между двете величини. Моделът трябва да изра-
зява връзката между входния дебит и мощността на изхода на топлооб-
менника, тъй като ще ни бъде необходима за синтеза на регулатора на
енергия.
За коефициента на усилване от уравнението на топлинния баланс
получаваме следната зависимост :
Q2
k= = c1 .(t1вх − t1изх )η
G1
За да изразим времеконстантата ще използваме закона на Нютон
за охлаждане на телата:
Q = h. A.(t ст − t с )` t ст = T tс = T f
2
където A - е площ на топлообменната повърхност, m ;
tст = T - температура на стената , [ 0 C ] ;
tс = T f - температура на околната среда , [ 0 C ] ;
И уравнението на топлопроводността в диференциален вид:
dT
− Q = ρ .V .c.
dt
където
ρ - плътност , kg / m 3 ;
V - обем , m 3 ;
105
dT
ρ .V .c. = − h. A(T − T f )
dt
dT
ρ .V .c. = − h. A.T + h. A.T f
dt
След Лапласова трансформация се получава:
ρ.V .c.Tp = −h. A.T + h. A.T f
Tp.V .c.ρ + h. A.T = T f .h. A
Tp.V .c.ρ + h. A.T = T f .h. A
h. A
Tp.V .c.ρ
⇒ +T = Tf .
h. A
 p.V .c.ρ 
T + 1 = T f .
 h. A 
1 V .c.ρ
T = Tf . ⇒ Времеконстантата е Т =
p.V .c.ρ h. A
+1
h. A
Параметри на често срещаните топлообменници са показани в таблицата:
Избираме първия топлообменник - следователно параметрите на предава-

телната функция са:
106
Q2
k= = c1.(t1вх − t1изх )η
G1
t1вх = 74[ 0C ] t1изх = 59[ 0C ]
20l / min
G1 = = 0.33l / s
60s
k = 4186.(74 − 59).0.95 = 59650,5
Вида на предавателната функция на модела на обекта при вход дебит и
изход енергия е:
k 59650,5
Wm ( p) = ⇒Wm ( p ) =
Tp + 1 43.6020 p + 1
Предавателна функция при вход дебит и изход температура:
Коефициентът на апериодичното звено е:
G1.c1.(t1вх − t1изх )η = G2 .c2 (t2изх − t 2вх )
G1.c1.(t1вх − t1изх )η = G2 .c2 .t 2изх − G2 .c2 .t2вх
G1.c1.(t1вх − t1изх )η + G2 .c2 .t2 вх = G2 .c2 .t 2изх
t2изх c1.(t1вх − t1изх )η + G2 .c2 .t2 вх
=
G1 G2 .c2
При изграждането на модела на топлообменник вода-вода в среда-

та Simulink на Matlab ще се ползват следните зависимости:
Изчисляване на енергията, постъпила в първичната страна на топлообмен-
ника:
Q1 = G1 .c1 .(t1вх − t1изх )
Изчисляване на енергията, предадена на вторичната страна на
топлообменника:
G1 .c1 .(t1вх − t1изх )η = Q2
Изчисляване на изходната температура на топлообменника:
G1 .c1 .(t1вх − t1изх )η + G2 .c 2 .t 2 вх
t 2изх =
G2 .c 2
Динамиката на системата ще се отразява от апериодично звено,
имащо следния вид:
1
Wд ( p) =
43.6020 p + 1
107
74
t1 in Saturation t1 in
1
t1 out Q -K- Q2 T
59 G1 G2 t2 out
eta
Q t2 in
t1 out Saturation 1
t2 out
1
G1 Q1 Scope 2
G1 t1 out
-C-
t1 in
Constant 1 2 t1 out
G2
t2 out 2
3 t2 in Q2 Qout
t2 in G2
Saturation 2
Q2
t1 in
Scope 1
t1 out Q1
G1
Q1
Общ вид на модела в Matlab
Температура на изхода на топлообменника (топла страна) t 2изх
Температура на изхода на топлообменника (студена страна) t1изх
108
3.7 Моделиране на многомерни електромеханични системи в
интегрирани сградни обекти
Съвременната теория на автоматичното управление използва ши-
роко метода на векторно-матричните описания в пространството на състо-
янията. Спрямо традиционните методи на изследване (честотен, ходограф
на корените и др.), методът на пространството на състоянията се отличава
с принципно нови възможности. Той позволява да се съди дали целта на
управление е достижима (управляемост на обекта), да се определи необхо-
димия брой измервателни устройства (наблюдаемост на обекта), да се
синтезира управление на всички входове на многомерния обект (синтез на
нелинейни многомерни системи) и позволява да се търси общност в опи-
санието на постояннотокови и променливотокови електрозадвижвания.
Понятията “състояние” и “пространство на състоянията” не са нови. Нов е
само математическият апарат, който се привлича в теорията на автоматич-
ното управление или по- точно казано открити са нови приложения на
някои съществуващи математически методи. Моделът на обекта, дефини-
ран с помощта на променливите на състоянието, се изразява в следния
векторно-матричен вид:
& ] = [A].[X] + [B].[U] + [G].[f]
[X
[Y] = [C].[X] + [D].[U]
където:
X = [x1,x2,..., xn]T е вектор на променливите на състоянието с размер n
U = [u1,u2,..., um]е вектор на управлението с размер m
Y = [y1,y2,..., yr]е вектор на изходните променливи с размер r
A = [aij] - матрица на състоянието или системна матрица с размер n x n
B = [bij] - матрица на управлението или още матрица на входа с размер n x
m
C = [cij] - матрица на изхода с размер r x n
G = [gij] - матрица на смущенията с размер n x p
f = [f1,f2,..., fp]T -вектор на смущенията с размер p (р - брой на смущенията)
D = [dij] - матрица, характеризираща прякото влияние на входовете към
изходите на обекта с размер r x m (ако евентуално такова съществува)
Входните и изходните величини на обекта са единственият източ-
ник на информация за обекта, въз основа на който се изгражда един или
друг модел на този обект. При многомерните обекти, т. е. обекти с повече
от един изход или един вход, тези модели представляват система диферен-
циални уравнения. Въвеждането на така наречените променливи на състо-
янието на обекта дава възможност за известна унификацията на моделите,
компактност на записа им и формализация на преобразуването при изпол-
зване на тези модели за синтез на системите за автоматично управление.
Променливи на състоянието може да бъде всяка съвкупност от ве-
личини, които еднозначно характеризират поведението (динамиката) на
обекта (в частност на електромеханичната система) във всеки момент от
109
времето. С помощта на такава съвкупност от величини би трябвало да
може еднозначно да се изрази зависимостта между изходните и входни
величини на обекта, евентуално и времето, ако обектът е нестационарен.
Трябва да се отбележи, че компонентите на вектора на състоянието обик-
новено (не винаги) не са достъпни за наблюдение (измерване). При нужда
те могат да бъдат идентифицирани (оценени) с помощта на специално
синтезирани наблюдатели или чрез оптимална филтрация при стохастични
системи (например с линеен филтър на Калман).
Трябва да се отбележи, че при електрозадвижването електродвига-
телите се явяват не изпълнително устройство, а елемент на обекта за уп-
равление. Известно е, че ЕМС е всяка система, включваща в себе си елект-
родвигател (постоянно или променливотоков), куплиран със задвижвана
механична система или работен орган. Променливите на състоянието при
описание (моделиране) на ЕМС са електрически или механични величини.
В някои случаи с конкретна цел се използват и техните временни произ-
водни.
3.7.1 Моделиране на постояннотокови ЕМС

Обект, съставен от ТП - ДПТ с НВ и двумасова механична част,
има следното математическо описание в режим на непрекъснат ток при
управление чрез котвеното напрежение:
Ud (t ) ≈ Uα (t ).K Π.1.(t − TΠ )
L.di a (t )
Ud (t ) = ce.ω 1(t ) + ia ..R +
dt
Me M (t ) = cM .ia (t )
J 1.d .ω 1(t )
Me M (t ) − M 12 (t ) − Mc1(t ) =
dt
J 2.d .ω 2(t )
M 12 (t ) − Mc 2(t ) =
dt
dM 12 (t )
= c12.[ω 1(t ) − ω 2(t )]
dt
L = La + Ls + Ldr
r.60 .UN
La =
IN . z p . N N
R = Ra + Rs + Rdr + p.Ls. f
(UN − IN .Ra ).30
ce =
π .N N
c1 = cM
1
TΠ ≈
2. p. f
L
=T
R
където:
110
Ud [V] - средна стойност на изправеното напрежение
Uα [V]- управляващ сигнал на СИФУ
K п - коефициент на пропорционалност на ТП
TΠ [s] - средностатистическо чисто закъснение на СИФУ
ce [V.s] - електромагнитен коефициент
cM [N.m.A-1] - конструктивен коефициент
ω1 [rad.s-1] - приведена ъглова скорост на първата еластична маса
ia[A] - котвен ток на двигателя
R[Ω] - сумарно активно съпротивление
Ra[Ω] - активно съпротивление на котвата на двигателя
Rs[Ω] - приведено към вторичната намотка на трансформатора активно
съпротивление
Rdr[Ω] - активно съпротивление на дросела
L [H] - сумарна индуктивност
La[H] - котвена индуктивност
r - 0.093 - за двигатели без компенсационна намотка
r - 0.032 - за двигатели с компенсационна намотка
Ls [H] - приведена към вторичната намотка на трансформатора индуктив-
ност на разсейване
MeM [N.m] - електромагнитен момент на двигателя
M12 [N.m] - момент на еластично взаимодействие между движещите се
маси
Mc1[N.m] - приведен съпротивителен момент при първата еластична маса
J1[kg.m2] - приведен инерционен момент на първата еластична маса
c12[N.m/rad] -приведена твърдост на връзката
Mc2 [N.m] - приведен съпротивителен момент при втората еластична маса
J2 [kg.m2] -приведен инерционен момент на втората еластична маса
ω2 [rad.s-1] - приведена ъглова скорост на втората еластична маса
VN [V]-номинално котвено напрежение на двигателя
IN[A] -номинален котвен ток на двигателя
zp -брой на чифтовете полюси на двигателя
NN[об. min-1] -номинална скорост на двигателя
f [Hz] - честота на захранващата мрежа , f = 50 [Hz]
p - пулсационно число (зависи от схемата на ТП)
T[s] - електромагнитна времеконстанта
От описание във временната област преминаваме към описание в
Лапласовото пространство. Обектът в операторен вид се описва така:
111
KΠ
Ud ( p ) = Uα ( p ).KΠ.e − p .TΠ ≈ Uα ( p).
TΠ . p + 1
Ud ( p ) c1 .ω1 .( p)
= + Ia ( p) + T . p.Ia ( p )
R R
MeM ( p ) = c1.Ia ( p)
MeM ( p ) − M 12( p ) − Mc1( p) = J 1. p.ω1( p )
M 12( p ) − Mc 2( p) = J 2. p.ω 2( p )
pM 12( p) = c12.[ω1( p ) − ω 2( p )]
Използвайки познатия подход за преминаване от структурна схема
към описание в ПС, в който всички изходи на интегриращи звена се изби-
рат за променливи на състоянието, се получава следното:
X 1 u.KΠ
X& 1 = − +
TΠ TΠ
X 1 X 2.R X 3.C1
X& 2 = − −
L L L
X 2.C 1 X 4 f 1
X& 3 = − −
J1 J1 J1
X& 4 = C12. X 3 − C12. X 5
X4 f 2
X& 5 = −
J2 J2
За променливи на състоянието са избрани:
Х1 -Средна стойност на изправеното котвено напрежение - Ud
Х2 -котвен ток на двигателя - ia
Х3 -скорост на първата еластична маса - ω1
Х4 -момент на еластично взаимодействие между движещите се маси - М12
Х5 -Скорост на втората еластична маса - ω2
Структурната схема на обекта, съставен от ТП - ДПТ с НВ, двумасова
механична част и същата структурна схема след преобразуване на апе-
риодичните звена чрез интегриращи, са показани в отчета.
Така моделът на обекта, дефиниран с помощта на променливите
на състоянието, може да се представи в следния векторно - матричен вид:
x& = A.x + B.u + G. f
y = C .x
където:
112
 1   KΠ   0 0 
 − TΠ 0 0 0 0 
 TΠ   0 0 
 1 R C1   0   1

 L
−
L
−
L
0 0 
 B= 0  G = − J 2 0 

A=   
0 
C1 1
0 0 −  0   0 0 
 J1 J1   1
 0   − 
0 C12 0 − C12  0
 1   0  J2
 0 0 0 0 
 J2 
C=[0 0 0 0 1]
x=[x1 x2 x3 x4 x5]T=[Ud ia ω1 M12 ω2]T
f=[Mc1 Mc2]T
y=ω2
u=Uα
3.7.2 Нелинейни многомерни електромеханични системи в

За да бъде получено търсеното описание, ще бъде използвана от-
ново изходната система диференциални уравнения, но вече редуцирани и
допълнени с уравнението на възбудителната верига.
Така достигаме до система:
diF RF 1
=− .iF + .UF
dt LF LF
dia Ra cLF 1
=− .ia − .ω.i F + .Ua
dt La La La
dω cLF Mc
= .ia.iF −
dt J J
където означения са:
iF[A] -ток във възбудителната верига на двигателя
RF[Ω] -активно съпротивление във възбудителната верига
LF[H]-индуктивно съпротивление на възбудителната верига
Ua[V] - котвено напрежение
UF [V]-напрежение подавано на входа на възбудителната верига
c.LF.iFN = cM = cE = c1
[x1 x2 x3]T = [iF ia ω]T
Направено е още предположението, че характеристиката на намагнитване
е линейна. Това означава, че разглеждаме машината при ненаситена маг-
нитна система.
При описанието е отчетено, че динамиката на тиристорния преоб-
разувател е несъпоставима с времеконстантата на възбудителната верига
на двигателя, поради което на този етап тя не участва в описанието.
Векторът на управлението е двумерен и включва напрежението на
възбудителната намотка UF и напрежението на котвената верига Ua.
u = [u1 u2]T = [UF Ua]T
113
Така при Мс=0 се получава модел на обекта в пространството на състоя-
нието в следният вид:
 x&1  − a1 x1  b1 0 
 x& 2  = − a 21x 2 − a 22 x1 x3 +  0 b 2. u1 
      u 2 
{
x& 2  a 3 x1 x 2   0 0  {

144424443 1 4243 u
x& a ( x) B
x& = a ( x) + B.u
Коефициентите aij в системната матрица се определят според зависимос-
тите:
a1=RF/LF
a21=Ra/La
a22=c.LF/La
a3=c.LF/J
Коефициентите в матрицата на входа В са равни съответно на:
b1=1/LF
b2=1/La
В модела е възможно като управляващи величини да бъдат разгледани
задаващите сигнали на съответните преобразуватели, а именно Uα за Ua и
Uβ за UF. Тогава в константите b1 и b2 ще се включат и предавателните ко-
ефициенти на тиристорните преобразуватели КΠ1 и КΠ2.
По - особената некласическа форма на матрицата а(х) не трябва да
смущава. Възможно е отделяне на вектора х от а(х), при което се вижда, че
системната матрица зависи от вектора на състоянието А=f(х) (по - точно от
някои негови компоненти). За нуждите на последващите разглеждания,
споменатото отделяне не е необходимо и заради това не е направено.
Частен случай
Представлява интерес получаването на описание в ПС за ДПТ, управляван
по възбуждане при поддържане на постоянно котвено напрежение.
С отчитане на коефициента по мощност (преобразувателя) се описват пос-
редством следната система диференциални уравнения:
dx1(t)/dt = µ.(x1)+a11.x1.x22+a12.x2
dx2(t)/dt = а22.x2+b.U
където:
х1 -ъглова скорост на двигателя ω в [rad.s-1]
х2 -ток на възбудителната намотка iF в [A] (iв=iF)
µ(х)-приведен съпротивителен момент на производственият механизъм в
[N.m]
а11,а12,а22,b - постоянни коефициенти, получени по следния начин:
За намиране параметрите на първото уравнение съвместно се използват
следните известни зависимости:
114
- уравнението на движението:
J.dω/dt = Me-Mc
- уравнението на баланса в котвената верига
Ua = K.Ф.ω+Ia.Ra
- уравнението за електромагнитният момент
Me = К.Ф. Ia
- връзката между магнитен поток и ток на възбуждане в линейната зона от
кривата на намагнитване
Ф = KM.iF
В резултат се получава уравнението
dω/dt = K.KM.Ua / (J.Ra) - K2.KM2.IF2.ω/(J.Ra) - Mc/J
Тогава коефициентите в уравнението за dx1/dt са равни на:
a12 =K.KМ.Ua /(J.Ra)
a11 =-K2.KM2 / (J.Ra)
µ(x1) = -Mc / J < 0
К - коефициент, зависещ от конструктивните данни на двигателя
K = ZP.N / (2.π. a), където:
ZP - брой чифтове полюси
N - брой активни проводници в котвената намотка
a - брой чифтове паралелни клонове
Ф - магнитен поток
Трябва да се отбележат съществуващите връзки между коефициентите К,
КМ, с, LF,и с1=сЕ=сМ, използвани преди това.
cM =K.Ф
ce =K.Ф
K.KM =c.LF
Коефициентите в горните уравнения се определят от уравнението за ба-
ланс на възбудителното напрежение:
UF =IF.RF+LF.dIF/dt
Следователно:
dIF/dt = UF / (TF.RF) -1 / TF IF където:
TF =TВ -електромагнитна времеконстанта на възбуждане TF =LF/RF [s]
b = 1 / (TF.RF);
a22 = -1 / TF
3.7.3 Моделиране на асинхронни ЕМС в автоматизирани

Математически модел на система за безсензорно векторно
управление с адаптивен модел на обекта
→ →
s
U s = As U s ; (3.43)
→ → → →
U s = Rs I s + ωk Bψ s + pψ s ; (3.44)
115
→ → →
−1 −1
I s = Lsδ ψ s − Lsδ ψ m ; (3.45)
→
−1
→  →−1  →  −1 
→
− I R = CLsδ ψ s −  I m  ψ m  + Lsδ ψ m ; (3.46)
   
→ → →
ψ = ψ R + CLsδ −1ψ s ; (3.47)
→
 →
→
ψ h = Gmψ −1  ψ ψ ; (3.48)
 
−1  →  → 
→
Gmψ (ψ m ) = Lrδ Lsδ + Lrδ Im  ψ m  + E = I Rδ / I Sδ + I Rδ / Im  ψ m  +1 ; (3.49)
−1
   
→ → →
pψ R = − RR I R − β K Bψ r ; (3.50)
→ →
s −1
I = As I s ;
s (3.51)
 → 
m =  Bψ m , I s  ; (3.52)
 
m − mc = Jpω (3.53)
s s
d , q - оси на стационарна еталонна система.
idrs , i qrs - роторни токове в стационарната d − q еталонна система.
idss , i qss - статорни токове в стационарната d − q еталонна система.
Llr - загуби от индуктивност в ротора.
Lls - загуби от индуктивност в статора.
Lm - намагнитваща индуктивност.
Lr - индуктивност на ротора.
Ls - индуктивност на статора.
Ls′ - преходна индуктивност на статора.
Rr - съпротивление на ротора.
Rs - съпротивление на статора.
Tr - времеконстанта на ротора = Lr / Rr .
Ts′ = Ls′ / Rs - преходна времеконстанта на статора.
116
Tr′ = Lr′ / Rr - преходна времеконстанта на ротора.
ν dss - d − оста на статорното напрежение в стационарната еталонна сис-
тема.
ν qss - q − остра на статорното напрежение в стационарната еталонна
система.
σ - фактор на загубите (утечки) = 1 − L2m / Lr Ls
ψ dm
s
- общо потокосцепление в стационарната d − q еталонна система.
ψ ,ψ
s
dr
s
qr - роторно потокосцепление в стационарната d − q еталонна
система.
ψˆ drs ,ψˆ qrs - изчислените роторни потокосцепления в стационарната d − q
еталонна система.
ω r - скорост на ротора в rad/sec.
По горната система е създаден модел на АД. На Фигура 3.27 е
представена структурната схема на модела.
Фигура 3.27
В статорна координатна система:

θ k = 0 → ωk = 0
117
−1 −1
As = A1 ; As = A1
Fs Fs −1
U s = A1U s ; I s = A1 I s
−1
pψ = U s − Rs Lsδ ψ s + Rs Lsδ ψ m
−1
( pψ s = U s − Rs I s )
−1 −1
I s = Lsδ ψ s − Lsδ ψ m
− I r = − F1 (ψ m )ψ m + CLsδ ψ s
−1
F1 (ψ m ) = − Lm (ψ m ) + Lsδ
−1 −1
− I r = − Lm (ψ m )ψ m + CI s
−1
(
ψ m = F2 (ψ m ) ⋅ ψ r + CLrδ Lsδ −1 ⋅ψ s )
[
F2 = Lrδ Lm (ψ m ) + Lrδ Lsδ + 1
−1 −1 −1
]
pψ r = − I r Rr + ωBψ r
m = (Bψ m , I s )
ω = 1 / Jp(m − mc )
0 − 1 0 1 0 0
B = 1 0 0 ; = 0 1 0
−1
C = As HAs
0 0 0 0 0 0
Структурните схеми, съответстващи на горните уравнения са:
на която отговаря следната система
118
usα   2 3 −1 3 − 1 3  usa 
  
 u sβ  =  0 −1 3 − 1 3  usb 
 usγ   2 3 2 3 2 3  usc 
 
на която отговарят системата уравнения

= A −1 I s
Fs
IS
1
isa = isα + is γ
2
1 3 1
isb = − isα + isβ + isγ
2 2 2
1 3 1
isc = − isα − isβ + i sγ
2 2 2
119
на която отговаря следната система уравнения
−1 −1
pψ s = U s − Rs Lsδ ψ s + Rs Lsδ ψ m
−1 −1
I s = Lsδ ψ s − Lsδ ψ m
pψ s = U s − Rs I s
pψ sα = U sα − rs i sα
pψ sβ = U sβ − rs i sβ
pψ sγ = U sγ − rs i sγ
120
− I r = Lm (ψ m ) ψ m + CI s , ψ m = ψ mα + ψ mβ
−1 2 2
− i rα = − ψ mα l m (ψ m ) + i sα
− i rβ = − ψ mβ l m (ψ m ) + i sβ
pψ r = − Rr I r + ωBψ r
pψ rα = −rr i rα − ωψ rβ
pψ rβ = −rr i rβ + ωψ rα
121
(
ψ s = F2 (ψ )ψ r + CLsδ CLsδ −1ψ s )
lrα
ψ = ψ r + CLsδ −1Lsδψ s =>ψ α = ψ rα + ψ αs , ψ = ψ α 2 +ψ β 2
l sα
lrα
ψ β = ψ rβ + ψ αβ
l sα

m = (Bψ m , I s )
m = ψ mα isβ − ψ mβ isα
1
ω= (m − mc )
Jp
122
Основни управляващи
структури в системите за
отопление, вентилация и
климатизация
4.1 Каскадно управление

Каскадното управление се използва, когато са налице няколко из-
мервани величини и една управлявана величина. Обикновено каскадното
управление има два кръга. Вътрешният кръг се нарича вторичен, а външ-
ният първичен. Външният кръг работи с основната измервана величина.
Възможно е и каскадно управление с повече вложени контури.
yr Контролер Контролер y
Процес 1 Процес 2
1 2
Вътрешен контур
Външен контур
Фиг. 4.1 Блокова схема на система с каскадно управление
4.2 Последователно разделено управление

Този вид управление се използва когато е налична една измерва-
ната и няколко управлявани величини. При тези системи едно физическо
устройство се използва за управление на отоплението, а друго - за охлаж-
дането (а дори и трето - за управление на подаването на свеж въздух).
Принципът на последователното разделено управление е пояснен на фигу-
ра 4.2, която показва връзката между измерваната величина и управлява-
ните променливи. Когато температурата е много ниска, нагревателят е с
пълна мощност (напълно отворен). С повишаването на температурата,
нагряването се намалява линейно до средата, където не се използва загря-
ване. Подобна е и схемата за охлаждане.
123
Недостатък е наличието на критична зона при превключването между
отопление и охлаждане - възможно е възникването на колебания и еднов-
ременно нагряване и охлаждане. За да се избегне това се залагат малки
зони на нечувствителност, където не се използва нито отопление нито
охлаждане.
Фиг. 4.2 Последователно разделено управление
4.3 Двупозиционно управление

При повечето сградни процеси се използва непрекъснато управле-
ние. Все още съществуват и много процеси, управлявани чрез двупозици-
онно управление, най-вече заради ниската цена на тези устройства за зад-
вижване. Вентилаторните модули и стайните климатици често използват
двупозиционно управление. Всъщност стайните климатици използват
on/off управление, което е частен вид двупозиционно управление.
Принципът на двупозиционното управление може да бъде илюст-
риран със графиката на Фиг. 4.3. Разликата между точките “on” и “off” на
термостата се нарича зона на управление. Разликата между високата и
ниската температура в стаята се нарича работна зона. За подобряване на
процеса на управление, често се стеснява работната зона на системата.
Фиг.4.3 Принцип на действие на двупозиционно управление
124
4.4 Основни управлявани величини в системите за отопление,
4.4.1 Управление на температура
Температурният контрол е най-фундаменталната функция на сис-
темите за климатизация. Температурния контрол често се извършва от
температурен контролер, наречен термостат, който е настроен на желаната
стойност за температурата. Отклонението от температурното задание води
до формиране на сигнал до управляващото устройство. П, ПИ или ПИД
управление се използва най-често за управление на температурата в сис-
теми с управляващи вентили или демпфери.
Фиг.4.4 Система за управление на температурата с водни вентили
Фиг.4.5 Система за управление на температурата с байпасен демпфер
4.4.2 Управление на влажност

Контрол на влажността се осъществява чрез управление на коли-
чеството водни пари, съдържащи се във въздушното пространство. Когато
относителната влажност при желаната температура е твърде висока, се
налага изсушаване на въздуха, за да се намалят водните пари във въздуха.
Обратно, когато относителната влажност при желаната температура е
твърде ниска, се налага овлажняване за увеличаване на количеството вод-
ни пари във въздуха.
125
Овлажняването не винаги се изисква в системите за климатизация,
специално в сградите с охлаждане. Но обикновено се налага в сградите с
отопление, и се осъществява от овлажнител. Често използваните методи за
овлажняване включват: овлажняване с водна струя и овлажняване с воден
поток.
В централизираните климатични системи се използват поточни
овлажнители, монтирани на въздуховодите. Пространствен контролер на
влажността управлява относителната влажност на зададено ниво или в
зададен диапазон. Промяна в относителната влажност от заданието води
до подаване на сигнал към управляваният компонент - обикновено клапан.
Втори контролер на влажността може да бъде необходим и поставен по
протежение на въздуховода след овлажнителя, за да действа като предпа-
зител. Когато относителната влажност на въздушния поток приближи
точката на насищане, този контролер пое3ма управлението от пространст-
вения контролер и намалява потока. Това предотвратява възможния небла-
гоприятен конденз.
Фиг.4.6 Схема за управление на влажността
4.4.3 Управление на статично налягане

В системите с променлив въздушен обем количеството подаван
въздух варира в зависимост от обитаемостта на сградата. Необходимо е да
се осигури средство за промяна на капацитета на вентилатора и управле-
ние на статичното налягане в системата от въздуховоди. Демпферното
дроселиране е подходящ метод за контрол на нивото на въздушния поток.
При него се добавя съпротивление в системата. По-ефективни на-
чини за енергоспестяване са да се промени скоростта на вентилатора или
да се промени геометрията му. Съществуват четири типа вентилатори с
променлив капацитет, които масово се използват в системите за климати-
зация:
• Центробежен вентилатор с променлива скорост;
• Аксиален вентилатор с променлив ъгъл на перките;
• Вентилатор с променливи входни лопатки;
• Вентилатор с променливи изходни лопатки.
126
Фиг. 4.7 Схема за управление на вентилаторите
4.5 Управляващи структури в системи с постоянен и промен-

лив въздушен обем
4.5.1 Управление на системи с постоянен въздушен обем
Агрегатът за обработка на въздух е най-важният компонент в сис-
темите за климатизация и вентилация. Обработеният въздух може да оси-
гури нагряване или охлаждане, коригиране на влажността и освежаване на
въздуха за всяка климатизирана зона. Системата за управление трябва да е
в състояние да оптимизира температурата, влажността и количеството
свеж въздух в захранваната зона, за да осигури комфорт с минимум кон-
сумация на енергия.
Компонентите на въздушния агрегат включват вентилатори, топ-
лообменници, демпфери, въздуховоди, сензорни и контролни уреди. Вън-
шният въздух се пропуска през демпфер на входа. Този въздух се смесва
със връщаният въздух от демпфера за обратен въздух. Смесеният въздух се
филтрира, загрява или охлажда и овлажнява или изсушава по изискване на
системата за управление. Накрая така обработения въздух се доставя в
климатизираните зони с различни средства.
Примерна система е представена на фигура 4.8. Тя е едноканална
за нагряване и охлаждане, с вентилатор за връщаният въздух и вентилатор
за подаване на въздух. Системата се загрява с гореща вода или с пара и
ползва охладена вода за охлаждане. Също използва цикъл за икономия на
енергия за управлението на външния демпфер. Обикновено демпферът за
външен въздух, демпферът за връщаният въздух и демпферът за отработе-
ният въздух са затворени. Обикновено захранващият въздух напуска охла-
дителя след повърхностно изсушаване и често е близо до наситеното със-
тояние. Контролерът на влажността (HC-1) със сензора за влажността на
постъпващия въздух (Н-1) може да регулира парния клапан (V-3) в съот-
127
ветствие със зададената влажност на постъпващият въздух чрез контро-
лера НС-2, използвайки пространствения сензор за влажност Н2.
Фиг. 4.8 Основно управление на системи с константен въздушен обем
В най-простия случай, когато системата съдържа една охладител-

на или нагревателна клетка, управлението е просто каскадно управление.
В другите два случая то се изгражда като комбинация от каскадно управ-
ление и последователно разделено управление. Контролерът за ресетиране
на заданието (ТС-2) генерира задания за температурата на постъпващият
въздух, използвайки измерванията за пространствената температура (Т2).
В практически приложения, ПИ или ПИД функции се залагат в този конт-
ролер. Фигура 4.9 илюстрира стратегията за управление на принципа на
простото ресетиране на заданието за температура. С нарастването на охла-
дителното натоварване (или намаляването на отоплителното натоварване),
ПИ(Д) изходът нараства и заданието за подавания въздух се намалява ли-
нейно, която е най-простата опция и добър избор за управление. Горната
граница (Tзадmax) и долната граница (Tзадmin) са настроени според практи-
чески изисквания. Например при системите само за охлаждане границите
може да са между 120С и 220С. При системи само за отопление границите
може да са между 220С и 300С. При системи за отопление и охлаждане те
може да са между 120С и 300С.
128
Фиг. 4.9 Стратегията за управление на принципа на ресетиране на заданието
Чрез последователно разделено управление може да бъде избегна-

то едновременното отопление и охлаждане в агрегата за обработка на въз-
дух.
(А)
129
 Напълно отворен , когато u c = 100 %

 Затворен , когато u c ≤ 0 %
 Напълно отворен , когато u h = 100 %


 Затворен , когато u h ≤ 0 %
(Б)
Фиг. 4.10 Стратегия за управление базирана на последователното разделено управление
Фигура 4.10 показва стратегията за управление на температурата

при последователно разделено управление на агрегатът за обработка на
въздух в случай, когато само нагревателните и охладителните клетки се
управляват последователно.
Използвайки измерената температура на постъпващия въздух (Т1)
и заданието от контролер ТС-2, контролерът за температурата на постъп-
ващия въздух (ТС-1) изработва сигнали за клапаните на нагревателните и
охлаждащите клетки. Фигура 4.10 (Б) представя по-детайлна илюстрация
на връзките между изхода на последователно разделеното управление (u)
на обратната връзка на контролера на температурата на постъпващия въз-
дух (обикновено ПИ или ПИД управление) и управляващите сигнали uc и
uh (подавани към охлаждащата или отоплителната клетки). Изходът на
контролера е в рамките -100% до 100%.
Използвайки измерената температура на входящия въздух (Т1) и
заданието за температура, контролерът на температурата на входящият
въздух (ТС-1) изработва управляващи сигнали за отоплителна-
та/охлаждащата клапи и за демпфера за свеж въздух. Фигура 4.11 илюст-
рира стратегията за последователното разделено управление, а фигура 4.12
предоставя по- детайлно описание на връзките между изхода на последо-
вателното разделено управление (u) на обратната връзка на контролера на
температурата на постъпващия въздух и управляващите сигнали uc, uh и ud
(подавани към демпфера за свеж въздух ). Комбинираният изход на конт-
ролера варира в граници от -100 до 200 процента.
130
л hrtn=hfr
а
н
г
и
с
щ
ав
я
л
ва
р
п hrtn < h fr
У
(hrtn : енталпия на връщания въздух, hfr : енталпия на свеж въздух)

Фиг. 4.11 Стратегия за управление базирана на последователното разделено управление,
включваща оптимизация по външен въздух
 Напълно отворен , когато u c = 100 %


 Затворен , когато u c ≤ 0 %
 Напълно отворен , когато u h = 100 %


 Затворен , когато u h ≤ 0 %
 Напълно отворен , когато u d = 100 %


 Затворен , когато u d ≤ 0%
Фиг.4.12 Връзка между последователно разделеното управление и управляващия сигнал на

демпфера за свеж въздух и отоплителната и охлаждаща клетка
131
4.5.2 Управление на системи с променлив въздушен обем
Системите с променлив въздушен обем представляват основен тип
системи за вентилация и климатизация, използвани днес. Системите с
променлив въздушен обем се разделят на едноканални и двуканални. При
едноканалните системи температурата на подаваният въздух се поддържа
константна или се нулира от оптимизационен контролер, докато обемът
на подавания въздух се променя до компенсиране на охлаждащото нато-
варване. Тъй като обемът на подавания въздух за зоните през терминални-
те устройства се променя, обемът въздух, доставян от вентилатора, също
трябва да се коригира. Методите за управление се базират предимно на
моторно задействани лопатки (т.е. с променлив ъгъл на лопатките) на
входния вентилатор, вентилатор с променлива скорост и други.
На фигура 4.13 е представена схема за управление на едноканална
система с променлив въздушен обем, като вентилаторите за подаване на
въздух и за връщания въздух са снабдени с управление на скоростта.
Управлението на температурата е подобно на това при едноканал-
на система с константен въздушен обем. Статичното налягане в основния
захранващ въздуховод намалява или се увеличава, в резултат от промените
в потока на подавания въздух.
Фиг. 4.13 Схема за управление на система с един въздуховод
132
Контролерът на статичното налягане на захранващият въздух РС-1
управлява скоростта на двигател М-1 на вентилатора на постъпващия въз-
дух, за да поддържа статичното налягане в зададените граници в съответс-
твие с разликата между измереното статично налягане Р1 и зададеното.
Вентилаторът за отработен въздух се управлява от контролера на дебита
FC-1, за да се поддържа разлика в потоците на подавания и отработения
въздух или в съотношението на отработения и подавания въздух на зада-
дено ниво.
По отношение на налягането, системите с променлив въздушен
обем могат да бъдат разделени на независими от налягането и зависими от
него. При зависимите от налягането устройства, демпферът D-1 се управ-
лява директно от контролера за температура ТС-1, използвайки измерената
температура Т1, като е показано на фигура 4.14.
D‐1 Връщан въздух

Подаван въздух Обитавана зона
М‐1 T1
Задание температура
TC‐1
ТС‐1: Контролер за стайна температура
D‐1: Демпфер на кутията с променлив въздушен обем
М‐1: Задвижка на демпфера
Фиг. 4.14 Схема за управление на зависима от налягането система с променлив въздушен
обем
Фигура 4.15 показва схемата за управление на независима от наля-
гането система с променлив въздушен обем.
Фиг. 4.15 Схема за управление на независима от налягането система с променлив въздушен

обем
133
Управлението на температурата е базирано на ресетиране на зада-
нието за потока, използвайки каскадно управление за елиминиране на
ефектите от промените в налягането на подавания въздух в зоните за тем-
пературен контрол. Демпферът D-1 се управлява от контролер за дебит
FC-2 , който се ресетира от контролер за задаване на дебита FC-1 в зави-
симост от измерената температура Т1.
Тези системи се използват често самостоятелно или с допълнител-
на отоплителна клетка за подгряване на въздуха, когато е необходимо
допълнително отопление след намаляване на охлаждането.
Обикновено при този тип системи минимално количество въздух
се загрява от отоплителната клетка, ако е било преохладено, както е пока-
зано на фигура 4.16.
Фиг. 4.16 Стратегията за управление на температурата за независима от налягането

система с отопление
4.6 Управление на вентилацията в интегрирани сградни сис-

теми
Дебитът на външен въздух е един от основните фактори, засягащи
качеството на въздуха в климатизираните вътрешни пространства. Венти-
лацията при необходимост е една от алтернативните стратегии за постига-
не на приемливо качество на въздуха с минимум консумация на енергия.
Текущият стандарт изисква проектираният дебит на външната вентилация
да се базира на посещаемостта на пространството и неговата площ.
Измерването директно на истинската концентрация на замърсите-
лите във въздуха е идеалният начин за контролиране на качеството му.
Обаче е трудно да се намери сензор, който да е способен да измерва точно
всички основни замърсители едновременно. Дори за типични замърсители,
като летливите органични съединения, е трудно да се намери точен и на-
дежден сензор, който да бъде сравнително прост, достатъчно евтин и да е
подходящ за влагане при управлението.
134
Измерването на въглеродния двуокис СО2 за контрол на външната
вентилация е добре разработена технология и широко използван метод,
когато обитателите се считат за основен източник на замърсявания. Кон-
центрацията на СО2 се използва като индиректен индикатор за замърсява-
нията, тъй като е свързана със степента на присъствие в затвореното прос-
транство. Съществуват случаи, когато СО2 не може да се използва като
сигурен индикатор - например вентилацията на паркинги, докато СО или
NO може да бъдат по-добра алтернатива тогава.
Нуждата от минимална външна вентилация не се определя само от обита-

емостта, но също и от площта, която се обитава:
DVR = R p P + RB A (4.1)
където DVR е изискуем минимален поток вентилация, P е брой на оби-
тателите, А е площ на затвореното пространство, R p е необходимия свеж
въздух на човек, и RB е необходимия свеж въздух на квадратен метър.
Доразвитие на този подход е използване на концентрацията на СО2 и из-
мервания на потока:
P = Vs E ac (C R − C S ) / S (4.2)
където Eac е ефективността на вентилацията. За пространство, обслуж-
вано от еднозонова вентилационна система, както е показано на фигура
4.17, балансът на СО2 може да бъде представен с уравнението:
dC R
PS + ms C s − m s C rtn = V (4.3)
dt
където ms е подаваният обем въздух, Cs и Crtn са концентрациите на
СО2 в подавания и отработеният въздух съответно, V е обемът въздух в
климатизираното затворено пространство, C R е концентрацията на СО2 в
климатизираното пространство, S е средното ниво на генериран СО2 от
един обитател.
Фиг. 4.17 Баланс на СО2 при еднозонова вентилация
На базата на баланса на СО2 съществуват две категории методи:

определяне на стационарното състояние, показано в уравнение (4.2), и
динамично определяне на концентрацията. Методът за динамично опреде-
ляне отчита стационарния баланс на СО2 и производната на функцията
135
dCR
, като използва измерената концентрация на СО2 в текущ и предхо-
dt
ден момент, както е показано в уравнението:
dC R C Ri − C Ri −1
≈ (4.4)
dt ∆t
Обитаемостта за текущото измерване се определя по уравнението:
i −1
i
E ac (mOA + mOA )(C Ri − C OA
i
) C i − C Ri −1
Pi = +V R (4.5)
2S S∆t
В дясната част първото събираемо разглежда стационарния ба-
ланс, а второто разглежда промяната на концентрацията на СО2, mOA е обем
на свежия въздух, СОА е концентрация на СО2 в свежия въздух, Еас е ефек-
тивност на смяната на въздуха.
Фигура 4.18 представя управление на вентилационна система с
променлив въздушен обем.
Фиг. 4.18 Схема за управление на вентилационна система с променлив обем
136
Контролерът за температура ТС-1 генерира управляващи сигнали
към вентилите на отоплителната и охладителната клетки и към демпфера
за свеж въздух. Контролерът FC-2 изработва заданието за дебит на све-
жия въздух Управлението на температурата на подавания въздух и уп-
равлението на свежия въздух се изпълняват чрез последователно разделено
управление.
Фигура 4.19 пояснява стратегията за последователно разделено
управление. В режим на напълно естествено охлаждане контролерът на
демпфера за свеж въздух (DC-1) получава управляващ сигнал от контроле-
ра за температура на подаваният въздух (ТС-1).
Зона на прехвърляне
Управление при Естествено и на управлението на
необходимост от Естествено принудително управлението при
вентилация охлаждане необходимост
охлаждане
( hrtn = h fr )
100%
B hrtn > h fr
Демпфер
Вентил входящ въздух Вентил
отопление охлаждане
hrtn < h fr
A
C
M setDCV = M fr M setDCV = M fr
0%
‐100% u 0 (0%) 100% 200%

Изход на регулатора на температура
hrtn : енталпия на връщаниявъздух h fr : енталпия на свеж въздух
M fr : действително ниво на свеж въздух
М setDCV : задание за нивото свеж въздух от управлението при необходимост
u0 : изход на регулатора на температура, когато М setDCV = M fr
Фиг. 4.19 Стратегия за управление, базирана на последователно разделено управление
Фигура 4.20 представя връзките между комбиниранoтo ПИ(Д) уп-

равление u и управляващите сигнали uc , ub и udT (за вентила на охлажда-
щата клетка, вентила на отоплителната клетка и за демпфера за свеж въз-
дух съответно).
Когато енталпията на връщания въздух е по-голяма или равна на
енталпията на свежия въздух, демпферът за свеж въздух е напълно отворен
и така се намалява необходимостта от принудително охлаждане.
Когато енталпията на свежия въздух е по-голяма от енталпията на
връщания въздух, демпферът за свеж въздух се регулира в съответствие с
управляващия сигнал udDCV, за да се поддържа приемливо качество на въз-
137
духа в помещението. Когато изходът на контура за управление на темпера-
турата е между 0 и 100 процента, демпферът за свеж въздух контролира
количеството свеж въздух, така, че да подсигури температурата на подава-
ният въздух да бъде равна на заданието.
h rtn
h fr
 Напълно отворен, когато hrtn ≥ h fr


ис  Активиране на управлението при
необходимост, когато h < h
 rtn fr
 Напълно отворен , когато и с = 100 %


 Затворен , когато и с ≤ 0 %
( Вентилът за отопление е затворен )

M fr MsetDCV
Максимално отворен , когато иdT = 100%
и M setDCV < M fr 
Минимално отворен , когато иdT ≤ 0%

( Вентилите за отопление и охлаждане са
и dT иdT 
 затворени )
M setDCV ≥ M fr
 Напълно отворен , когато и h = 100 %


 Затворен , когато и h ≤ 0 %
 ( Вентилът за охлаждане е затворен )
иh 
hrtn : енталпия на връщания въздух h fr : енталпия на свеж въздух

M fr : действител но ниво на свеж въздух
М setDCV : задание за нивото свеж въздух от управление то при необходимо ст
Фиг. 4.20 Стратегията за комбинирано управление
138
Управляващи
енергоикономични стратегии 5
Основната функция на системите за сграден мениджмънт, попу-

лярни и у нас с абревиатурата BMS (Building Management Systems), е под-
държането на комфортен микроклимат в сградата при максимално ефек-
тивно оползотворяване на енергийните ресурси.
Системите за сграден мениджмънт представляват отворени, мо-
дулни, йерархични автоматизирани системи за мониторинг, контрол и
управление на инсталациите в една сграда. В най-общия случай BMS обе-
динява контрола върху климатичните, вентилационните и отоплителните
инсталации, осветлението, енергийния мениджмънт и системите за достъп
и пожароизвестяване, осигурявайки по-висока ефективност в използването
на енергийните ресурси. Основна цел на системите за сграден мениджмънт
е и да оптимизират оперативните разходи за поддръжка на сградата.
5.1 Системи с обратна връзка по комфорт

Блоковата схема на системата, съдържаща обратна връзка за отчи-
тане на температурния комфорт на обитателите в дадено помещение (като
интегрален критерий за оценка) е показана фиг.5.1., където са използвани
следните означения: РР – размит регулатор; МС – модел на сграда; БОК –
блок за обратна връзка по комфорт; tout – температура на външната околна
среда; PMV – предполагаема средностатистическа оценка; ac – задаващ
сигнал за охлаждане; ah – задаващ сигнал за отопление; aw – задаващ сиг-
нал за положение на прозорец; RH – относителна влажност на въздуха; var
– средна скорост на въздуха; ta – температура на въздуха; tr – средна тем-
пература на излъчване; Qvent – вентилационен топлинен поток; Qw – топли-
нен поток през прозореца.
139
Фиг. 5.1 Блокова схема на система с обратна връзка по комфорт
Simulink модел на системата е показан на фиг. 5.2. Основните

компоненти в нея са блоковете за пресмятане на показателя PMV и разми-
тият регулатор Fuzzy Logic Controller.
Фиг. 5.2 Simulink модел на системата
Блокът, в който се пресмята удовлетвореността на обитателите на

сградата е реализиран като “MATLAB Function”, като неговият изход –
стойността на PMV, заедно с температурата на околната среда, са входни
сигнали за размития регулатор. Изходният код на този блок е показан по-
долу:
function PMV = fcn(Tin)
CLO = %clo
MET = %met
Tin = %температура на въздуха
TR = %температура на излъчване
VEL = %скорост на въздуха
RH = %влажност на въздуха
FNPS = exp(16.6536 - 4030.183 / (Tin + 235))
PA = RH * 10 * FNPS %парциално налягане на водните пари
ICL = 0.155 * CLO %термично съпротивление на облеклото
M = MET * 58.15 %скорост на метаболизма
%фактор на облеклото
if ICL < 0.078
FCL = 1 + 1.29 * ICL
140
else
FCL = 1.05 + 0.645 * ICL
end
HC = 12.1 * VEL ^ 0.5 %коефициент на топлообмен
TAA = Tin + 273
TRA = TR + 273
TCLA = TAA + (35.5 - Tin) / (3.5 * (6.45 * ICL + 0.1))
P1 = ICL * FCL
P2 = P1 * 3.96
P3 = P1 * 100
P4 = P1 * TAA
P5 = 308.7 - 0.028 * M + P2 * (TRA / 100) ^ 4
XN = TCLA / 100
XF = TCLA / 50
N=0
EPS = 0.0015
while abs(XN - XF) > EPS
XF = (XF + XN) / 2
XN = (P5 + P4 * HC - P2 * (XF ^ 4)) / (100 + P3 * HC)
N=N+1
end
TCL = 100 * XN - 273
HL1 = 3.05 * 0.001 * (5733 - 6.99 * M - PA)
if M > 58.15
HL2 = 0.42 * (M - 58.15)
else
HL2 = 0
end
HL3 = 1.7 * 0.00001 * M * (5867 - PA)
HL4 = 0.0014 * M * (34 - Tin)
HL5 = 3.96 * FCL * (XN ^ 4 - (TRA / 100) ^ 4)
HL6 = FCL * HC * (TCL - Tin)
TS = 0.303 * exp(-0.036 * M) + 0.028
if VEL < 0.2
TPO = 0.5 * Tin + 0.5 * TR
else
if VEL < 0.6
TPO = 0.6 * Tin + 0.4 * TR
else
TPO = 0.7 * Tin + 0.3 * TR
end
end
% предполагаема средностатистическа оценка
PMV = TS * (M - HL1 - HL2 - HL3 - HL4 - HL5 - HL6)
5.2 Размито управление с енергоспестяващи свойства

Изчислителна интелигентност
Изчислителната интелигентност (soft-computing) се изгражда на
основа на теорията на размитите множества, невронните мрежи и
141
съвременните предимно безградиентни методи за оптимизация (генетични
алгоритми, еволюционни алгоритми и др.). За изпълнение на своите задачи
интелигентните системи използват различни изчислителни техники:
• обучение и адаптация на невронните мрежи, които най-общо
представляват динамични системи, изградени на основата на свързаността
и различната архитектура, способни да разпознават образи при непълна
информация чрез използване на принципа на паралелизъм и излишък;
• извеждане на заключение чрез размита логика на база натрупан
човешки опит и зададена лингвистично непълна, неопределена и
многозначна качествена информация;
• недиференциращи оптимизационни техники, обединяващи и
допълващи горните две на основата на биологичен прототип, свързан с
еволюцията.
Размито управление и размита логика
Системите за пряко и супервайзорно управление, базирани на зна-
ния, се синтезират с цел постигане на желани показатели, надеждност и
робастност, като използват експертна информация, изведена от човешки
опит, а не класически математически модел. В тях управляващото уст-
ройство моделира действията на опитния оператор и управлението включ-
ва също така логически операции на включване, изключване, превключва-
не на режими, настройка, адаптация. За размитото управление (РУ) са
валидни следните определения:
• РУ е експертна система, работеща в реално време, отчитайки опита на
оператора в разпознаване на ситуации и правила за реакции от вида IF
(ако) – THEN (то, тогава), които съдържат качествени размити променливи
и техните размити стойности, например: IF „налягането“ е „високо“ AND
„нараства бавно“ THEN „енергията“ е „средно намаляваща“. IF, AND,
THEN са размити оператори, лингвистичните променливи са думи и
изрази на човешки език, а лингвистичните стойности на тези качествени
променливи се интерпретират количествено като размити множества. Тези
правила се разглеждат като числови обекти и се решават чрез
функционални таблици, компаратори и интерполация, което осигурява
необходимото бързодействие при работа в реално време. С помощта на
размитата логика се извършват действия над размитите множества за
достигане на крайно заключение (действие) на правилото. Размитата
логика е много близка до човешкото мислене и език.
• РУ е базирано върху таблици нелинейно управление, изчислително
просто и бързо за приложения в реално време. Известна теорема на Коско
гласи, че всяка непрекъсната нелинейна функция може да се апроксимира
с достатъчна точност с крайно множество от размити променливи,
стойности и правила.
• РУ е технология за управление с голяма мощ и обхват. РУ може да
бъде ПИД регулатор, включващ допълнителна логика за старт/ стоп,
превключване на режими, аварийни операции и настройка на регулатора.
142
РУ дава устойчиви робастни решения за голям обхват на сигналните
смущения и промяната в параметрите на обекта. РУ позволява бързо
проетиране и внедряване, тъй като се разработва на общ език за технолога
и инженера по автоматизация.
• РУ е подходящо при управление на сложни обекти – нелинейни,
многосвързани, нестационарни, с неопределености, закъснение и
смущения, за които: а) няма или е трудоемко, или скъпо получаването на
удобен за прилагане работещ (точен и несложен) математически модел на
обекта, или б) липсва математически модел на целите и критериите за
управление, или в) отсъстват методи за формален синтез на управляващи
алгоритми, или г) се използва предимно качествена и експертна
информация (неточна, непълна, двусмислена, т.е. размита) за процесите
при взимане на управляващо решение поради недостиг на достоверна,
точна и обективна количествена информация предимно от измерване.
Изчислителна система за извеждане на размито заключение
Общи характеристики на система за размито заключение
Системата за извеждане на размитото заключение – СИРЗ, е извест-
на още като: а) система, базирана на размити правила; б) размита експерт-
на система; в) размито моделиране; г) размита асоциативна памет (РАП);
д) размити логически контролери (Fuzzy Logic Controllers); е) размита
система.
На входа на СИРЗ – фиг. 5.3, се подават размити или обикновени
променливи – компоненти на вектора x , които се приемат за размити
сингелтони. Изходът на СИРЗ y е размит множество, обединение на раз-
митите заключения от всички правила, което при необходимост се преоб-
разува в конкретни стойности yo чрез механизъм за деразмиване (дефъзи-
фикация). СИРЗ и механизмът за деразмиване представляват нелинеен
статичен преобразувател на входните величини в изходното пространство.
Фиг. 5.3. Система за извеждане на размито заключение
Деразмиване
Деразмиване е процесът на определяне на фиксирана стойност,
заместваща еквивалентно крайното размито заключение. За случай на
размит регулатор, конкретното управляващо въздействие се получава след
деразмиване на полученото размито действие. Деразмиването отнема съ-
143
ществен дял от общото изчислително време. Известни са различни методи
за деразмиване. В таблица 5.1. са разгледани само методите, приложими за
този случай.
Таблица 5.1 Методи за деразмиване

№ Метод Аналитичен израз
∫ y.µ
Център на тежестта COG (Centre of
Gravity) или още на площта CoA B'
( y ) dy
1 (Centroid of Area) под ФП – изходът y = o Y
се изменя плавно с промяна на

входа
∫µ
Y
B'
( y ) dy
Максимум MAX – изходът се из- yo: µB’(yo)=supµB’(y);

меня както при многопозиционно при p yi(i = 1 ÷ p) с максимални
реле. ФП –
При p максимума: yoLM = y’min, yoRM = y’max,
1) най-левият максимум LM (Left-
1 p
most Maximum) или още SoM (The
Smallest of Maxima); yoMM = ∑ y'i
p i =1 ,
при непрекъснато y ∈ Y –
2) средният максимум MM (Middle
2 Maximum) или още MoM (The Mid-
dle of Maxima) – използва се в раз- ∫ y( y)dy y ' max − y ' min
мития логически контролер на
yoMM =
Y'
= ,
Мамдани;
3) най-десният максимум RM
∫ dy
Y'
2
(Right-most Maximum) или още ,

LoM (The Largest of Maxima). Y’ = {y’|µ(y’)=supµ(y)}
Методите за деразмиване могат да се оценяват по следните пока-

затели.
• Непрекъснатост – малки изменения на входа водят до малки промени
на изхода.
• Определеност (еднозначност) – за всеки вход да може да се определи
единствен изход.
• Правдоподобност – изходната фиксирана стойност след деразмиване
трябва да е разположена около средата на поддържащото множество на
РМ, представляващо размитото заключение или квалифицирания размит
изход и да има голяма стойност на ФП.
• Изчислителна сложност – това е особено важен показател за
практическите приложения, особено тези, свързани с моделиране и
управление в реално време.
• Отчитане на кратността на извода от правилата.
144
Синтез на размит Мамдани регулатор
Избор на входни и изходни лингвистични променливи (ЛП) и
дефиниране на универсалните им множества
Таблица .2. Входни и изходни лингвистични променливи

Наименование на променливи- Обхват на изме-
те нение
Предполагаема средностатис-
[-3, 3]
Входни тическа оценка „PMV”
променливи Температура на външната
[-10, 40]
околна среда „Tout”
Положение на отворен прозо-
[0, 100]
Изходни рец „WINDOW”
променливи Отопление „HEATING” [0, 21]
Охлаждане „COOLING” [0, 21]
Дискретизация по ниво и определяне на функциите на

принадлежност (ФП) на термите на всяка ЛП
Входната лингвистична променлива е PMV – 12 нива с ФП,

показани на фиг. 5.5. и табл. 5.3
Таблица 5.3. Функции на принадлежност на входната величина PMV

Терми Лингвистична стойност Вид на ФП
Very Negative (много trapmf
VN
отрицателна) (трапецовидна)
Negative Big (отрицателно
NB trimf (триъгълна)
голяма)
Negative Small
NS trimf (триъгълна)
(отрицателно малка)
Before Negative Medium
BNM trimf (триъгълна)
(преди отрицателна средна)
Negative Medium
NM trimf (триъгълна)
(отрицателна средна)
OK-3 -3 trimf (триъгълна)
trapmf
OK Satisfactory (задоволителна)
(трапецовидна)
OK+1 +1 trimf (триъгълна)
OK+2 +2 trimf (триъгълна)
trapmf
OK+3 +3
(трапецовидна)
145
Фиг. 5.5 Функции на принадлежност на входната величина PMV
Входната лингвистична променлива е Tout – 5 нива с ФП, дадени

на фиг. 5.6 и табл. 5.3
Таблица 5.3 Функции на принадлежност на входната величина Тout
S Small (малка) trapmf (трапецовидна)
M1 Medium 1 (средна 1) trimf (триъгълна)
M2 Medium 2 (средна 2) trimf (триъгълна)
B Big (голяма) trimf (триъгълна)
VB Very Big (много голяма) trapmf (трапецовидна)
Фиг. 5.6. Функции на принадлежност на входната величина Tou.
Изходната лингвистична променлива е WINDOW – 4 нива с ФП,

дадени на фиг. 5.7 и табл. 5.4.
Таблица 5.4 Функции на принадлежност на изходната величина Window

C Close trapmf (трапецовидна)
SO Slightly Open trimf (триъгълна)
WO Wide Open trimf (триъгълна)
FO Fully Open trapmf (трапецовидна)
146
Фиг. 5.7 Функции на принадлежност на входната величина Window
Изходната лингвистична променлива е HEATING – 10 нива с ФП,

дадени на фиг. 5.8 и табл. 5.5.
Таблица 5.5 Функции на принадлежност на изходната величина Heating

OFF Off trapmf (трапецовидна)
BOFF Before Off trimf (триъгълна)
VVS Very Very Small trimf (триъгълна)
VS Very Small trimf (триъгълна)
S Small trimf (триъгълна)
PS Positive Small trimf (триъгълна)
PM Positive Medium trimf (триъгълна)
PB Positive Big trimf (триъгълна)
VB Very Big trimf (триъгълна)
ON On trapmf (трапецовидна)
Фиг. 5.8. Функции на принадлежност на изходната величина Heating
Изходната лингвистична променлива COOLING – 10 нива с ФП, дадени

на фиг. 5.9 и табл. 5.6.
147
Таблица 5.6 Функции на принадлежност на изходната величина Cooling
OFF Off trapmf (трапецовидна)
BOFF Before Off trimf (триъгълна)
VVS Very Very Small trimf (триъгълна)
VS Very Small trimf (триъгълна)
S Small trimf (триъгълна)
PS Positive Small trimf (триъгълна)
PM Positive Medium trimf (триъгълна)
PB Positive Big trimf (триъгълна)
VB Very Big trimf (триъгълна)
ON On trapmf (трапецовидна)
Фиг. 5.9 Функции на принадлежност на изходната величина Cooling
Синтез на размити IF-THEN правила

За представяне на връзките вход-изход се използват размити услов-
ни твърдения (съждения), наречени логически релации, които се предста-
вят като IF-THEN правила и имат следната форма:
Ri: IF (АКО) условието е изпълнено THEN (ТО) заключението се приема.
Размитите логически правила на този регулатор са:
R1: IF(PMV is VN) and (Tout is S) THEN (WINDOW is C)(HEATING is
VB)(COOLING is OFF);
R2: IF(PMV is NB) and (Tout is S) THEN (WINDOW is C)(HEATING is
PB)(COOLING is OFF);
R3: IF(PMV is NS) and (Tout is S) THEN (WINDOW is C)(HEATING is
PM)(COOLING is OFF);
R4: IF(PMV is BNM) and (Tout is S) THEN (WINDOW is C)(HEATING is
PS)(COOLING is OFF);
R5: IF(PMV is NM) and (Tout is S) THEN (WINDOW is C)(HEATING is
S)(COOLING is OFF);
R6: IF(PMV is OK-3) and (Tout is S) THEN (WINDOW is C)(HEATING is
VS)(COOLING is OFF);
148
VVS)(COOLING is OFF);
BOFF)(COOLING is OFF);
R9: IF(PMV is OK-1) and (Tout is M1) THEN (WINDOW is SO)(HEATING is
OFF)(COOLING is OFF);
R10: IF(PMV is OK) and (Tout is M1) THEN (WINDOW is FO)(HEATING is
R11: IF(PMV is OK+1) and (Tout is M1) THEN (WINDOW is FO)(HEATING is
R12: IF(PMV is OK+2) and (Tout is M1) THEN (WINDOW is WO)(HEATING is
R13: IF(PMV is OK+1) and (Tout is M2) THEN (WINDOW is C)(HEATING is
OFF)(COOLING is BOFF);
OFF)(COOLING is VS);
OFF)(COOLING is PS);
R16: IF(PMV is OK) and (Tout is B) THEN (WINDOW is C)(HEATING is
R17: IF(PMV is OK+1) and (Tout is B) THEN (WINDOW is C)(HEATING is
OFF)(COOLING is S);
OFF)(COOLING is S);
R20: IF(PMV is OK) and (Tout is VB) THEN (WINDOW is C)(HEATING is
R21: IF(PMV is OK+1) and (Tout is VB) THEN (WINDOW is C)(HEATING is
OFF)(COOLING is S);
OFF)(COOLING is PM).
R24: IF(PMV is OK) and (Tout is S) THEN (WINDOW is C)(HEATING is
OFF)(COOLING is OFF).
R25: IF(PMV is OK+1) and (Tout is S) THEN (WINDOW is SO)(HEATING is
R26: IF(PMV is OK-1) and (Tout is VB) THEN (WINDOW is SO)(HEATING is
R27: IF(PMV is OK-2) and (Tout is VB) THEN (WINDOW is WO)(HEATING is
R28: IF(PMV is OK+2) and (Tout is S) THEN (WINDOW is WO)(HEATING is
149
Фиг. 5.10 Визуализация на активирането на правилата
На фиг. 5.10 е представено при зададени стойности на входните

променливи кои правила са активни и кои не, крайното размито множество
на изхода при активирането на определени правила, както и крайния ре-
зултат след деразмиване.
При симулационни изследвания на синтезирания размит регулатор
са използвани и двата метода за деразмиване, разгледани по-горе – CoA
(Centroid of Area) и MoM (The Middle of Maxima). Също така е проведена и
симулация без размит регулатор, като не е включен и блока за обратна
връзка по комфорт. Симулациите са направени при 1 clo, съответстващо на
0,155 m2 °C/W термично съпротивление на облеклото; 1,2 met, съответст-
ващо на скорост на метаболизма от 69,78 W/m2; скорост на въздуха – 0,1
m/s; влажност на въздуха – 50%.
Температура на околната среда – tout
150
Режим на отопление:
Използвана мощност за отопление (при CoA)
PMV (при CoA)
Температура на въздуха (при CoA)
Използвана мощност за отопление (при MoM)
PMV (при MoM)
151
Температура на въздуха (при MoM)
Използвана мощност за отопление (без използване на РР)
Температура на въздуха (без използване на РР)
Съпоставянето на консумираните мощности за отопление доказва

най-високата ефективност на МоМ (условно 100%), следван от СоА (ус-
ловно 60%), както и неефективността на система без Размит регулатор.
Последната консумира около 3 пъти повече енергия от тази с размит МоМ
регулатор. Симулациите при две различни температурни условия на окол-
ната среда. показват, че размитият регулатор поддържа температурата в
идеалните граници на комфорта – от -0,5 до 0,5, а с това и удовлетворе-
ността на обитателите на сградата е осигурена.
5.3 Оптимално супервайзорно управление

Най-общо методите за супервайзорно управление (фиг. 5.11) могат
да се класифицират като: моделно базиран метод за контрол и наблюдение,
хибриден, маршрутно базиран и безмоделен.
Въпреки, че в тази класификация липсва ясна граница между ня-
кои от методите, тя е полезна за сравнение на предимствата и недостатъ-
ците на различните методи за управление. Методите използващи физичес-
ки модели, модели тип сива кутия и модели тип черна кутия могат да се
класифицират към категорията на моделно базираните методи, докато
152
методите, използващи експертни системи и обучителни подходи, могат да
бъдат групирани към безмоделните методи.
Фиг. 5.11 Видове оптимално управление
Безмоделен метод за оптимално управление

При безмоделния метод за управление не се изисква никакъв мо-
дел на управляваната система. Експертните системи и подсиления обучи-
телен подход могат да бъдат използвани за създаването на безмоделни
методи за оптимално управление. Експертната система действа като опти-
мален контролер, като има възможност да определя най-ефективните или
най-евтините параметри за оптимално функциониране на системите за
климатизация в съответствие с дадените работни условия. Тези енергийно
и ценово ефективни настройки се определят на базата на комбинации от
правила, дефинирани в базата от знания и информация, получена от сис-
темата за сградна автоматизация.
Моделно базиран метод за оптимално управление

В моделно базираното оптимално управление средствата, необхо-
дими за реализиране на оптималното управление са модел на системата
и/или неин компонент и техники за оптимизация. Основната функция на
моделите е да предсказват използваната енергия в системата или цената и
качеството на средата.
Всички модели са свързани директно с консумацията на енергия
и/или оперативните разходи. Онлайн измерванията, събирани от системите
за сграден анализ, се използват за настройка на параметрите на модела, за
да представят с по-висока точност действителната система.
Според познанията за системата, използвани за формулиране на
моделите, моделно базираното оптимално управление може да се раздели
още на: оптимално управление базирано на физически модели, оптимално
управление базирано на модел тип сива кутия и оптимално управление
базирано на модел тип черна кутия.
Хибриден метод за оптимално управление

При хибридния метод различни типове модели се комбинират
и/или моделно базирания и безмоделния, за да се формулира оптималната
153
стратегията за управление. Например някой хибридни методи използват
смесица от физически модели за разработването на управляващата систе-
ма, в която някои компонентни модели са физически модели, а други са
напр. сива или черна кутия модели. Някои хибридни методи използват два
подхода - моделно базирания и безмоделния (например подсилен с обучи-
телен подход) за конструиране на оптималния метод за управление, като
по този начин предимствата на моделно базирания подход и безмоделния
подход се комбинират и се постига висока точност на управлението.
Маршрутно базиран метод за оптимално управление

Сравнен с трите метода, представени по-горе, маршрутно базира-
ният метод е по-различен. Този метод често използва резултати, получени
от подробна симулация (или експериментални тестове) на целевата систе-
ма в целия диапазон от очаквани работни условия. По този начин се създа-
ва точен план, който се използва за оптималното управление на климатич-
ната система. Например различни комбинации от въздействия - охлажда-
щи натоварвания, околни температури, брой на работещите охладители,
брой на работещите помпи, скорости на вентилаторите - могат да бъдат
използвани като входове за симулационна платформа, базирана на детайл-
ни компонентни модели на отделните обекти за управление.
5.4 Системи с оптимални задаващи въздействия

В една типична система с променлив въздушен обем се разграни-
чават следните контури за управление - локални и супервайзорните (опти-
мални). Локалните контури включват:
• Управление на температурата на подавания въздух на агрегата за обра-
ботка на въздуха
• Управление на статичното налягане
• Управление на температурите в зоните (управление на дебита на въз-
духа в зоните)
• Управление на дебита на външния въздух
• Управление на вентилатора за връщания въздух
Супервайзорното (оптимално) управление включва:
• Формиране на задание за дебит на външен въздух
• Формиране на задание за статично налягане
• Формиране на задание за температура на подавания въздух от агрегата
за обработка на въздух
Локалните контури за управление са важни за правилната работата
на системата и осигуряването на комфортна и здравословна затворена
среда, докато супервайзорното управление позволява на системата да ра-
боти с по-добро или оптимизирано качество. Формирането на заданието за
дебит на външният въздух засяга консумацията на енергия и качеството на
въздуха в помещението. Заданието за статично налягане засяга само кон-
сумацията на енергия от вентилатора. И двете задаващи въздействия могат
154
да засегнат вътрешната среда, ако попаднат в некоректни граници. Ако са
твърде ниски е възможно да не достигне достатъчен дебит на въздуха.
Ако са твърде високи се появяват проблеми, свързани с шумове. Заданието
за температура на подавания въздух към агрегата за обработка на въздуха
оказва най-силен ефект върху температурния комфорт и консумацията на
енергия от системата.
Формиране на оптимално задание за статичното налягане

Стратегията за управление има за цел да минимизира консумаци-
ята на енергия от вентилатора при системи с променлив въздушен обем
чрез минимизиране на статичното налягане - фигура 5.12.
N max
Dset , H
D set
D hys
Dset , L
Фиг. 5.12 Формиране на задание за налягане
Формиране на оптимално задание за температура на подавания

въздух
Дебитът на подавания въздух се намалява като се притвори управ-
лявания демпфер.Намаляването на общия дебит води до значителна ико-
номия на енергия от работата на вентилатора. От друга страна ниският
вентилационен дебит може да предизвика лошо смесване на подавания
въздух и стайния въздух, неадекватна циркулация и др. Когато се използва
намален общ дебит, пространството може да бъде преохладено при ниски
155
натоварвания, в случаите, когато температурата на подавания въздух е
ниска.
Фиг. 5.13 Формиране на задание за температура
Стратегия за формиране на задание за температурата на подавания

въздух е показана на фигура 5.13. Минималното задание за дебит се задава
така, че да се избегне дефицит в индивидуалните климатизирани зони.
Максималното задание за дебит е параметър, използван само при изчисле-
ние на относителното натоварване на дадена климатизирана зона. Тъй като
различните зони имат различни диапазони на дебита, заданието за дебит
на всяка зона се нормализира чрез използване на коефициент, равен на
отношението на минималното към максималното задание.
Адаптивна оптимизация на заданието

При този подход заданието се адаптира към променящите се ра-
ботни условия, чиито флуктуации се предизвикват от постоянно налични
нискочестотни смущения. За да има смисъл от подобно оптимизационна
управляваща схема, системата трябва да работи близко до устойчивия си
режим и да има поне една степен на свободата. Степента на свободата се
156
свързва с броя на заданията, които могат да бъдат променяни при поддър-
жането на цялостната цел на управлението. Оптимизацията на заданието
се извършва при неработно състояние на системата. Оптималните задания
се генерират преди процесът да бъде стартиран, базирани основно на мо-
дели и експерименти. Естествен път за провеждането им е йерархичното
разделяне на системата, мотивиран от наличието на смущения с различна
честота.
Фигура 5.14 изобразява разбиването на системата за управление на
4 слоя, включващи самоорганизация, адаптация, оптимизация и управле-
ние.
Саморганизация
Адаптация
Смущения
Оптимизация
Управление
Процес
Фиг. 5.14 Многопластово разделяне на системата за управление
Задачата в горните слоеве е да се осигури работоспособност и да

се поддържат оптимални задания при „бавни” смущения. За „бързите”
смущения се грижат разпределените контролери в управляващите слоеве.
Този начин на разделяне в съответствие с честотата води до т.нар. дина-
мична оптимизация, която се извършва на ниво регулиране, докато опти-
мизацията на заданието се прави на ниво "оптимизация". Като се приеме ,
че с „бързите” смущения се занимава регулаторния слой, процесът може
да се счита за квазистатичен на ниво оптимизация. Като се пренебрегне
„бавната” динамика при оптималното управление на това ниво, може да се
формулира задачата за минимизиране на функционала:
157
min J ( x ss , u ss , v ss )
h( x ss , u ss , v ss ) = 0 (5.1)
g ( x ss , u ss , v ss ) ≤ 0
Където xss е вектор на състоянията, uss е управляващ сигнал, vss е смущение
към системата; J е тегловна функция, оценяваща относителните качест-
вени индекси. h и g са вектори, описващи оперативните ограничения.
Различни методи за онлайн-оптимизация на тази функция (урав-
нение 5.1) са описани. Най-общо тези методи могат да се категоризират в
два класа, наречени директни и индиректни методи за търсене.
Основната идея в директните методи е да се предизвикват малки
промени около равновесните състояния. Градиентът на тегловната функ-
ция може да бъде определен и да бъде предприета стъпка към по-ниска
стойност на тегловната функция. Едно от предимствата на този метод е
това, че не е необходима дълга предистория на поведението. Недостатък е,
че е възможно при някои системи да бъде необходимо значително време за
установяване в равновесие.
Индиректните методи или моделно базираните методи се предс-
тавляват от всички методи, използващи модел за определяне на оптимума.
Към групата на индиректните методи спада и така нареченият метод на
самооптимизационния контрол. Моделно базираните методи ползват мо-
дел и база данни за квазистатичната стойност на смущението vss, за да се
изчислят оптималните стойности за u*, x* и J*.
Оптимизационната схема може да бъде представена като контур,
подложен на процеси на адаптация, която се реализира по два различни
метода:
• Адаптация на равновесното състояние, където параметрите и неизме-
римите състояния се определят на базата на измервания в равновесно със-
тояние.
• Динамична адаптация, където параметрите и неизмеримите състояния
се определят на базата на измервания в неравновесно състояние.
Методът на адаптацията на равновесното състояние страда от съ-
щия проблем като директния метод - за бавни системи - бавна адаптация.
При метода на динамична адаптация измерванията се натрупват
непрекъснато, при което се отчита динамиката на системата.
Моделно базиран подход за онлайн оптимизация на заданието

Този метод може да се разглежда като оптимизационно ниво на
върха на съществуващата система за управление - задания за разпределе-
ните контролери. Методът може да се раздели на три части, наречени оп-
тимизация на равновесното състояние, предикция на равновесното със-
тояние и адаптация на параметрите на модела (фигура 5.15). Идеята е да
се използва информацията за текущите входове и смущения за целите на
158
предикция на равновесното състояние и за изчисляване на градиента на
оценъчната функция. След това се формират заданията.
θ ss
x ss
dJ
dx ss
xss , ref
Фиг. 5.15 Оптимизационна структура, използваща градиентен подход
За намаляване на предиктивната грешка параметрите на равновес-

ния модел непрекъснато се адаптират към текущите работни точки на
реалната система. Фигура 5.16 изобразява основната идея.
Горната част на фигурата показва ситуация, където заданията се
движат към оптимума на моделираната система. В долната част оптимумът
е достигнат и адаптацията е премахнала възможните отклонения между
реалният процес и модела.
159
Фиг. 5.16 Оптимизацията на заданието
С цел да се направи схемата работеща тоест да се следи реалният

оптимум с малка грешка, статичният модел трябва да обхваща цялостните
характеристики така, че адаптацията на параметрите да не промени драс-
тично кривата на оценъчната функция, докато настройва заданията. Адап-
тацията на параметрите трябва само да премахне отклоненията между
реалният процес и модела, така че възможните неточности в модела да
бъдат компенсирани.
По-долу ще бъде обяснено настройването на ценовата функция
при включени системните ограничения, така че заданията да се придвижат
към оптимума, без да се нарушават ограниченията в системата. Освен това
ще бъде анализирана приложимостта на тези подходи и ще бъдат разгле-
дани нивата за предикция на равновесното състояние и адаптация.
Ниво за оптимизация на равновесното състояние

Това ниво се опитва да оптимизира равновесната ценова функция,
дадена в уравнение (5.1). Предполага се, че всички относителни равновес-
ни състояния xss са управляеми и директно или индиректно се управля-
ват от редица разпределени контролери. Относителните равновесни състо-
160
яния xss са тези, които имат влияние върху равновесната ценова функ-
ция, т.е. те участват в уравнение (5.1). Щом като управляващите сигнали
се генерират от външна обратна връзка, е възможно да бъдат използвани
xss като оптимизационни променливи вместо uss ( x ss ∈ R n , u ss ∈ R m ).
Решаването на оптимизационната задача от уравнение (5.1) се облекчава
от следните допускания.
• Ограниченията могат да бъдат разделени в две подмножества, наречени
q ограничения на управляващите сигнали uss и p ограничения на заданията
хss. В повечето практически приложения тези ограничения са линейни.
• Ограниченията могат да бъдат разделени на описващи фундаментални-
те зависимости между променливите на процеса f(uss , vss)=xss и такива,
описващи цялостното равновесно състояние oss(xss , vss )=0 ( o ss ∈ R l ).
• uss може да бъде изчислен от равновесния модел (f) и да бъде заместен в
ценовата функция, с което се премахва f от участие в ограниченията.
Като се отчетат тези допускания, уравнение (5.1) може да бъде
записано като:
min J ( xss , uss ( xss , vss ), vss )
x ss
oss ( xss , vss ) = 0

(5.2)
Exss + bx ≤ 0
Fuss ( xss , vss ) + bu ≤ 0
pΧn
Където E∈R и F ∈ R qΧm са линейни матрици и bx ∈ R p и
bu ∈ R q са вектори с константи. Оптималните задания се дават от x * ss в
уравнение (5.2)
Оптимизация при ограничения

Чрез прилагане на граничен метод ограниченията могат да бъдат
заменени с ограничени функции. Нормален избор за ограничена функция е
логаритмичната функция φ ( x ) = − log(− g ) , където g ≤ 0 . Вкарването
на тези два набора от неравенства в логаритмичната ограничена функция
се получава следното:
φ1 ( xss ) = − ∑i =1 log(−(ei .xss + bx ,i ))
p
xss ∈ X
 +∞ (5.3)

φ2 ( xss , vss ) = − ∑ j =1 log(−( f i .uss ( xss , vss ) + bu , j ))
q ~
xss ∈ U
 +∞
Където ei е i –ят ред на Е и fj е j –ят ред на F.
161
С въвеждането на скалар t ≥ 0 относителна оценка между ограничената и
ценовата функция, уравнение (5.2) може да се запише като:
2
min t ( J ( xss , vss ) + oss ( xss , vss ) R
) + φ1 ( xss ) + φ2 ( xss , vss ) (5.4)
x ss
Ако решението на (5.4) е изпъкнала функция, то оптималното решение
x * ss (t , v ss ) трябва да нулира уравнението на Якоби:
p
1
t (∇J ( xss* , vss ) + 2.R.oss ( xss* , vss )∇oss ( xss* , vss )) + ∑ .eiT +
i =1 − (ei .x + bx , i )
*
ss (5.5)
q
1
+∑ ∇uss ( xss* , vss )T . f jT = 0
j =1 − ( f .u
j ss ( x *
ss , v ss ) + bu, j )
Тогава при t → +∞, x ss* (t , v ss ) → x * ss (v ss ) на ограничената
оптимизационна задача уравнение(5.1). Тук t ще се използва като ограни-
чителен параметър. Чрез подходящ избор на t може да се гарантира, че
решението x * ss (t , v ss ) ще остане вътре в допустимата от ограниченията
зона.
Използването на (oss) в системата уравнения намалява сложността
при моделирането, като става част от необходимите уравнения, които сво-
еобразно определят J за дадено xss и vss. Когато е налице такъв случай, е
полезно да се увеличи оптимизационната променлива (xss) в уравнение
(5.4) с (oss):
2
min t ( J ( xss , oss , vss ) + oss R
) + φ1 ( xss ) + φ2 ( xss , vss ) (5.6)
[ x ss , o ss ]
Очевидно, е че оптималните стойности на уравнение (5.4) и уравнение
(5.6) са еднакви, но уравнението на Якоби се променя:
 
 
t ∂J 1 ∂u ss
f jT 
1
+ ∑i =1 .eiT + ∑ j =1
p q
 ∂x − ( e . x + b ) − ( f .u + b u , j ∂xss
)  0 (5.7)
= 
i ss
 ss o ss i ss x,i o ss
  0
  ∂J  
 1 ∂u ss 
t + 2.R.oss  + ∑ j =1
q
f jT
  ∂oss  − ( f .u + b ) ∂ o 
  x ss  i ss u, j ss x ss

В този израз първата част е градиентът, когато се движи по целта

(oss), втората част определя цената на придвижването (ортогонално) от
целта. Може да се види, че втората част става активна само, когато управ-
ляващият сигнал е наситен и управлението е изгубено.
162
Вместо да се прилага алгоритъм, който директно да изчислява оп-
*
тималното задание ( x ss ) за всяка итерация, уравнението на Якоби (лявата
страна на уравнение (5.7)) може да се използва като контролна грешка във
външния контур, както е показано на фигура 5.17. Това довежда до кас-
кадно управление, където разпределените контролери са във вътрешния
„бърз” контур и оптимизационният контролер, използващ Якоби за обрат-
на връзка, е „бавният” външен контур. Ето защо изчислителните усилия
могат да бъдат намалени, като системата „решава” задачата сама. Идеята
тогава е да се комбинират модели и измервания, за да се получи оценката
за уравнението (27) на Якоби. За получаване на лесно решим израз за
уравнението на Якоби се следват следните стъпки:
• Градиентът ∂J се определя с използването на модел и предикция
∂xss oss
на равновесното състояние на xss .

• 1 и 1 се определят, приемайки, че xss≈ xf и
− (ei .xss + bx , i ) − ( f i .uss + bu , j )
uss≈uf , където f се отнася до нискочестотната филтрирана част на измере-
ния сигнал.
• Избирайки R достатъчно голямо, може да се приеме, че
∂J
+ 2.R.oss ≈ 2.R.oss .
∂oss x
ss
• Изразите ∂uss f jT и ∂uss f jT

са активни само, когато j-тото ограни-
∂xss o ss
∂oss x ss
чение се доближи. Поради това е необходимо да се получи доста добра

апроксимация на тези два градиента и когато са активни ограниченията,
~ ~ ~
това се реализира при x ss ∈ ∂U ( ∂U означава наклонът на U ). Прие-
∂u ss ∂uss
майки, че и са приблизително константи за всички
∂x ss oss
∂oss x ss
~ ~ ~
x ss ∈ ∂ jU (v ss ) и v ss ∈ V , където ∂ jU (vss ) е j–ят край на U (v ss ) ,
създаден от j –тото ограничение на uss.
• Последната точка означава, че когато е налице ограничаване на управ-

~
ляващия сигнал x ss ∈ ∂U , тогава ограниченият вектор ( cx , j ) е достатъч-
но добра апроксимация на ∂u ss f jT , ако той сочи във вътрешността на
∂xss oss
163
~
U∀v ss ∈ V . Достатъчно добра апроксимация на ∂uss f jT е тази, която
∂oss xss
сочи в посока, където F се разширява.

• Като се вземат под внимание всички изложени по горе точки, се дости-
га до следния опростен израз за уравнението на Якоби:
 
 
t ∂J 1 ∂u ss
cx , j 
1
• + ∑i =1 .eiT + ∑ j =1
p q
(5.8)
~  ∂xss − (ei .xss + bx , i ) − ( f .u
i ss + bu , j ∂xss
) 
∇J =  o ss o ss

 
 1 ∂u ss 
 t.2.R.oss + ∑ j =1 
q
c0 , j
 − ( f i .u ss + bu , j ) ∂oss 
 x ss 
• На всяка стъпка се използва време само за пресмятане на стойността
∂J .
∂xss o
ss
Адаптация и предикция на равновесното състояние

Пресмятането на уравнението на Якоби уравнение (5.4 или 5.7)
изисква достъп до равновесните стойности на xss .Тъй като равновесното
състояние не може да бъде измервано непрекъснато, то трябва да бъде
определено. Това се прави, като се предположи, че филтрираният управля-
ващ сигнал (uf) и смущенията (vf) са константи докато се достигне равно-
весното състояние, така че u f ≈ u ss и v f ≈ v ss . Ето защо оценката за xss
може да бъде получена с използване на стабилен модел на системата (f) ,
като е показано на фигура 5.18.
Последният слой адаптира параметрите на равновесния модел
( θ ss ), пасващи към реалната система. На това ниво трябва да се вземе под
внимание динамиката на системата, в противен случай адаптацията на
параметрите няма да бъде точна. Единствената цел на добавената динами-
ка в този слой е да се филтрира динамичното поведение на системата при
адаптацията на параметрите. Предполага се, че системата може да бъде
оценена чрез входната нелинейност (равновесният модел (f)) и линейната
динамична част. Различни методи, напр. рекурсивният метод на най-
малките квадрати могат да се използват при адаптацията на параметрите в
зависимост от това дали равновесният модел (f) е линеен спрямо параме-
търа ( θ ss ). Такава настройка ще бъде достатъчна за адаптация на бавно
променливи параметри ( θ ss ).
164
u
x ss
v f (u, v,θss)
θˆss
uf
x̂ ss
vf fˆ(uf ,vf ,θˆss)
Фиг. 5.18 Структура на нивото на адаптация
5.5. Моделно базирано оптимално управление в интегрирани

За сградния отрасъл все още има нужда от развитие на стратегиите
за оптималното управление за получаване на бърза реакция на отоплител-
ните, вентилационните, климатичните (HVAC) и осветителните системи на
сгради за постигане на желания комфорт с минимални разходи и консума-
ция на енергия. Особено с навлизането на компютърно базирани сградни
автоматизирани системи (BAS) се поддържа изследването на сградното
оборудване и компонентите с цел постигане на оптимално управление на
функциите по ефикасен и рационален начин, като същевременно се нама-
лява разхода на гориво и вредните емисии. Съвременните методи за уп-
равление всъщност са ефикасен начин за справяне с аварийни ситуации в
сгради, като централният компютър на автоматизираната сградна система
може да включи устройство, изпълняващо оптимална контролна стратегия
в зависимост от възникналата ситуация. В зависимост от стратегията е
възможно температурата да се поддържа чрез затопляне/охлаждане между
две стойности или да се стреми към поддържането на избрана стойност.
Интересен е случаят с използване на предсказващо устройство за достига-
нето на вътрешната температура в определени граници. По този начин се
цели получаване на оптимално от гледна точка на захранването с топлинна
енергия и съответно получаване на минимални разходи.
Мултирегулируемите системи са ефективен и логичен начин за
управление на сградните енергийни услуги като цяло. Имат потенциал за
реализиране на икономии от около 18% годишно при отоплителните, вен-
тилационните, климатичните (HVAC) системи и около 52% за осветител-
ните системи. Интегрираните стратегии за управление на затопляне, ох-
лаждане и изкуствено/естествено осветление се управляват едновременно
165
от един мултиконтролер, вместо индивидуално от много контролни стра-
тегии. Освен този голям потенциал съществуват и много други допълни-
телни перспективи като постоянство на температурният и осветителният
комфорт. Повечето сградни компоненти са основно характеризирани с
ограничения за насищане. Този ограничителен фактор трябва да бъде при-
оритизиран заради значението му за методите в пространство на състояни-
ето, които са не само полезни при анализа и проектирането на линейни
системи, но също са важна начална точка за понататъшно оптимално и
нелинейно управление в сградите.
Конвенционалните стратегии и условия за управление не са ва-
лидни за всички сгради, освен това системните компоненти и аспектите на
изпълнение включват изисквания, наложени от обитателите на сградата и
условията на околната среда. В повечето случаи това налага използването
на подходящи методи за управление на комфорта и енергийните аспекти,
включвайки един или повече ограничени фактори (например измерваната
променлива трябва да достигне определена зададена стойност преди да е
изминало определено време). За разрешаване на тези проблеми се използва
подход за разпределено управление и среди за симулация на сградно из-
пълнение чрез свързване на изпълнението. Това се налага с цел обмен на
данни, за да работят заедно сградният модел и системата за управление,
които се намират в различна среда.
Оптимално управление на интегрирани сградни системи

Процесът на проектиране на оптимално управление използва ре-
дица стъпки на високо ниво, подобни на тези при проектиране на разпо-
ложението на полюсите на една система. В оптималното управление се
налага първо да бъде развит оптимален критерий за изпълнение от контро-
лера. Следва изчисление на математически алгоритми с цел получаване на
компенсационен фактор, който удовлетворява предложеният критерий.
Интегрираните сградни системи включват всички физически еле-
менти и потребителски изисквания, които се отразяват на проекторазпо-
ложението в сградите. Тези елементи могат да се състоят от отоплителни,
вентилационни и климатични (HVAC), осветителни, захранващи и енер-
гийни, водоснабдителни, противопожарни и системи за сигурност. Пове-
чето проблеми на управлението на процесите в сгради са свързани с уп-
равлението на потока, налягането, температурата и нивото (например на
осветеност) при които несъвместимо използването на традиционни или
конвенционални методи на управление. Теорията на оптималното управ-
ление е мощен инструмент за решаване на ограничен набор проблеми.
Въпреки че, в проектирането на такива системи за управление понякога е
наложително да проектираме контролери, които не само ефективно регу-
лират поведението на системата, но също минимизират или максимизират
някои зададени от потребителя критерии като например съхранение и
икономичност на енергия, време или друга физическа величина наложена
166
от средата. Следователно предимството от използване на този похват се
състои от намиране на изпълним и приемлив закон за управление (модел),
такъв че като системата стартира от дадено начално състояние да премине
в желаното състояние и минимизира работния критерий.
Основното предназначение на системите за управление в интегри-
раните сградни обекти се свежда до многоцелеви оптимизационни задачи:
• Оптимизация на аспектите на комфорта (температурен и светлинен);
• Безопасността на обитателите на сградата;
• Удовлетворяване на желанията на обитателите;
• Минимизация на консумацията на енергия;
Всяка от тези цели може да влезе в конфликт с останалите. Нап-
ример при опит за максимизиране на изискванията за температурен ком-
форт може да се очаква влизане в конфликт с целите за намаляване на
консумацията на енергия. Въпреки това има предложени няколко метода
за оптимизация, имаща много цели. Всъщност оптимизацията е много
полезен похват за водене на реалистично изследване, когато причината и
следствието имат връзка с целите, а резултатите могат да бъдат дефинира-
ни математически или чрез симулация. Оптимизацията търси математи-
ческо минимизиране (или максимизиране) на целевата функция на много
параметри при наличието на една или повече ограничени функции. Тъй
като променливите, които ни интересуват са променливи във времето и
времето е включено в описанието на системата, се налага използването на
динамични оптимизационни похвати да бъдат използвани. Използват се
диференциални уравнения за описание на процесите.
Традиционната и конвенционалната теория на управлението и ме-
тодите, които са използвани в сградите досега са базирани на описание на
сградните инсталации като системи с един вход и един изход (SISO) и това
обикновено се изразява с предавателна функция. В тези методи не е зало-
жена информация за вътрешната структура на сградното оборудване и
компонентите, като това означава, че тези методи не отразяват всички
сградни динамики и смущения, които засягат нейните компоненти. В същ-
ност тези методи позволяват само ограничено управление на затворената
верига като се използва обратна връзка.
Съвременните методи за управление, например теорията на опти-
малното управление, могат да разрешат посочените ограничения чрез из-
ползване на много “по-богато” описание на динамиките на сградните инс-
талации. Представянето в пространство на състоянията осигурява динами-
ките като система от двойки диференциални уравнения на набор от про-
менливи известни още като променливи на състоянието и система от ал-
гебрични уравнения, обединяващи променливите на състоянието в физи-
чески изходни променливи. С това описание като система с много входове
и много изходи (MIMO) сградната инсталация се формира чрез пълен сгра-
ден модел.
167
За постоянни (инвариантни) във времето системи математическият модел
на сградната инсталация, базиран на физическите закони обикновено до-
вежда до модел в пространство на състоянията за следната форма:
•
x = f ( x, u )
y = h ( x, u )
където f(.) и h(.) са нелинейни функции на техните аргументи: x(t) е вектор
на вътрешното състояние, u(t) е вектор на входното управление, y(t) е век-
тор на измеримият изход и x& (t ) представлява производната спрямо време-
то t. Първото изчисление, наречено изчисление на състоянието, се използ-
ва за улавяне на физическите динамики на системата и има свойствена
памет в n интегратора. Второто изчисление, наречено изход или измеримо
изчисление, се използва за представяне на начина за това как измерванията
на променливите на системата се изпълняват, при които резултатите зави-
сят от вида на използваните сензори.
Линейно квадратичен регулатор

Целта на проектирането на линейно квадратичен регулатор (LQR)
е реализация на сградна система с практически компоненти, които ще
осигурят желаната работа. Желаната функционалност може да бъде лесно
изразена с условия във времевата област.
Теорията на оптималното управление осигурява математически
инструменти за решаване на задачите или аналитични чрез компютърни
итеративни методи чрез формулиране на целева функция от потребителски
критерий. По този начин се намира управляваща функция u(t) в отворена
верига или u(x,t) във верига с обратна връзка, която може да доведе систе-
мата от състояние x1 в момента t1 до състояние x2 в момента t2 като по този
начин да минимизира или максимизира работният индекс J(U).
t2
min J (U ) = ∫ ( xQx'+uRu ' )dt , Q ≥ 0, R > 0,
u∈U
t1
където Q е тегловна матрица на състоянието като нейният избор може да
доведе до система за управление, която изисква повече състояния от жела-
ното, а R е тегловна матрица на управлението като нейният избор може да
доведе до промяна на изхода на контролера с k като законът на обратната
връзка е:
u (t ) = xref − K .x(t )
където xref е желаното състояние, наречено точка на установяване.
Вътрешен температурен комфорт

При изследвания (1977 г.) е описано, че при работа с прекъсване
на отоплителната система могат да бъдат реализирани икономии на енер-
168
гията, използвана в сградите. След това (1995 г.) е установено, че също
може да се спести енергия чрез определени вариации на установената точ-
ка на температурата. Но при тези предишни изследвания на проблема не се
правят опити да бъде минимизирана енергията като се поддържа вътреш-
ната температура в определени граници на установената точка. Следва да
бъде изложен математически критерий на работа, предложен с цел да бъде
минимизирана консумацията на енергия като температурата на сградата
остава възможно най-близо до зададена установена точка. Управлението е
проектирано за постигане на вътрешна температура в определени граници
на адаптивен оптимален комфорт като се използва по стандарт (ASHRAE
55) температурата през зимата за сгради с естествена вентилация.
За периода, когато офис сграда не е заета, може да се изменя и по-
някога това не може да бъде в точни граници. Въпреки че енергията е
спестена, т.е. нагревателят е напълно изключен, работата на регулаторът
може да бъде изпитана за това колко дълго ще му отнеме довеждането на
вътрешната температура до зададената стойност. По времето, когато офис
сградата е заета, регулаторът е проектиран с цел да минимизира консума-
цията на енергия и да оптимизира вътрешната температура заедно с предс-
казаният индекс на комфорт (Predicted Mean Vote - PMV) чрез избор на
подходяща тегловна матрица на състоянието за регулатора. Като допълне-
ние, PMV е мярка, която е стандартизирана (ISO 1984), използвана за
предсказване на положението на комфорта в сгради.
Формализиране на задачата
Прост модел на сградна инсталация е представен на фигурата по-
долу като разлика в температурните потоци, осигурени от нагревателя Qin
и загубите през сградната изолация Qloss:
d
mc (Tin − Tout ) = Qin − Qloss
dt
където m е сградната маса (kg), c е средното специфично нагряване
(J/kg.K), Qloss и Qin са стойностите на топлинните потоци (J/s или W) и Тin и
Tout са температури (°C). Когато външната температура Tout е константа
(или се променя много бавно) уравнението се променя и добива вида:
d V2
mc (Tin ) = h
dt R − Qloss
където Vh е напрежението на нагревателя, а R е електрическото съпротив-
ление на нагревателя. Стойността на топлината Qloss, загубена през сград-
ната изолация е пропорционална на температурната разлика от двете стра-
ни на изолацията, което се дава с израза :
Qi = U 0 (Tin − Tout ) , където U0 е коефициент на температурни загуби
(W/K)
169
Модел на сградна инсталация
Горните изрази дават връзката в формата на представянето в пространство

на състоянията.
d U 1 U
Tin = − 0 Tin + Qin + 0 Tout
dt m.c m.c r.c
където факторът U 0 Tout е ефектът на зашуменият вход.
r.c
•
U0 1 U
x=− x+ u+ 0ξ
m.c m.c r.c
Инсталирани са сензори на различни места в стаята за осигуряване
на своевременно откриване на потенциални температурни промени. Вът-
решната температура се изчислява като средна стойност от събраните дан-
ни от всички сензори. Оптималната стратегия за управление изисква да
бъде проектирана с цел оптимизация на температурният комфорт в стаята
и минимизиране на консумацията на енергия с целева функция, която
удовлетворява изискванията, заложени от обитателите на сградата.
Удовлетворяването на тези условия зависи от температурните изисквания
към средата и икономията на енергия. Предложена е следната математи-
ческа формулировка:
• Работен индекс J(U), минимизиране на израза за период
t2
q 0 
min J (U ) = ∫ (q1 x 2 + Ru 2 + q2 (100 PMV ) 2 )dt , Q =  1 
u∈U
t1  0 q2 
• Ограничение на енергията u(t) и за комфорт PMV са:
umin (t ) ≤ u (t ) ≤ umax (t )
PMVmin ≤ PMV ≤ PMVmax
170
В работният индекс J(U) три условия допринасят за интегрираните
разходи. Първият член в израза представя отклонението от състоянието x
от желаното състояние, вторият член от минимизираният израз представя
работата на регулатора и последната част изразява оптималният темпера-
турен комфорт в сградата.
Синтез на регулатор
Целта на теорията на оптимално управление е да осигури система-
тичен метод за синтез на закони за управление със свойства, зададени за
оптимизация на целева функция. Останалият проблем е получаване на
структура на обратната връзка в модела на сграда.
Решението на задачата за управление с ограничения в уравненията от из-
числителна гледна точка не е комплексно, поради това, че води до крайни
стойности. Регулаторът е зададен да минимизира работният индекс:
t2
q 0
min J (U ) = ∫ ( q1 x 2 + Ru 2 + q 2 (100 PMV ) 2 ) dt , Q =  1
u∈U
t1 0 q 2 
Обект на динамичната система е:
•
U0 1 U
x=− x+ u+ 0ξ
m.c m.c r.c
Изразът за тоталната енергия на системата се представя с уравнение на
Хамилтон:
'
 ∂V   ∂V   U 0 1 
 = (q1 x + Ru + q2 (100PMV ) ) +   − x+
2 2 2
H  x, u , u
 ∂x   ∂x   m.c m.c 
Необходимите условия за оптималност (J минимум) от първи ред са:
 ∂V 
∂H  x, u, 
•
 ∂x  , p(t ) = p(t )
p(t ) = 1 2
∂u
Съществува производна на уравнението на Хамилтон и функцията
на управление u(t) се намира от горният израз. На практика, когато x дос-
тигне зададената точка, имаме:
∂H
=0
∂u
и получаваме следното оптимално управление:
 1  ∂V
u = − R −1  
 m.c  ∂x
От горните два израза минимизацията на J довежда до следното
нелинейно диференциално уравнение (т. нар. уравнение на Рикати) с цел
да намерим неизвестната (симетрична матрица) p:
171
2
• U  1  2
− p (t ) = R − 2 0 . p (t ) − Q  . p (t ), p (t f ) = 0
m.c  m.c 
И така задачата за управление е решена, получен е закон за управ-
ление, в форма зависеща от времето. Когато е изпълнено t f = ∞ опти-
малният регулатор става независим от времето. Математическата процеду-
ра за моделно базирано оптимално управление при отопление е съобразена
с два основни фактора – енергийни икономии и комфорт на обитателите.
Тези фактори са свързани с подобряване на качеството на средата вътре в
сградите и съответните моделно базирани алгоритми за управление е въз-
можно да бъдат интегрирани с такива цели. Въпросите за начина на свърз-
ване и съвместната работа на регулатора и обекта и филтрацията на шумо-
вете са широко приложими и е възможно развиването им за следващи
стратегии за сградно управление.
5.6 Моделно базирано предсказващо управление на топлинния

комфорт на интегрирани сградни системи
Топлинният комфорт оказва голямо влияние върху експлоатацията
на сградните съоръжения от гледна точка на обитателите на тези съоръже-
ния. Голямата част от системите за отопление, вентилация и климатизация
реализират изискванията за топлинен комфорт чрез едноконтурни системи
за управление или чрез многоконтурни системи за управление по основни-
те променливи: вътрешна температура и относителна влажност. При реша-
ване на задачата за топлинният комфорт е необходимо да се вземат пред-
вид много допълнителни фактори. Взаимодействието между хората и топ-
линната среда е твърде сложно. Важни променливи на околната среда са
показани в Таблица 5.7.
Таблица 5.7 Променливи на околната среда

Измервателни
Описание
единици
1 Време s
2 Температура на въздуха 10 °C
3 Точка на оросяване 10 °C
2
4 Общо излъчване в хоризонтална плоскост W/m
2
5 Дифузно излъчване в хоризонтална плоскост W/m
2
6 Нормално пряко излъчване W/m
2
7 Инцидентно дълговълново излъчване W/m
8 Обща осветеност lux
9 Дифузна осветеност lux
10 Пряка осветеност lux
172
11 Посока на вятъра deg
12 Скорост на вятъра 10 /s
Допуска се, че променливите на околната среда се описват чрез

временни редове. Определението за комфорт е трудно да се формулира. В
много случаи това определение е свързано с индивидуалните характерис-
тики на човек. Могат да се формулират следните изисквания за оптимал-
ните условия за работа и живот, които не се изразяват само чрез заданието
на температурата и относителната влажност в зададено помещение, а и с
област около заданието на разглежданите променливи. Типични стойности
на зоната за комфорт са: ако заданието е 22оС и относителната влажност е
45%, то зоната на комфорт се описва с границите: +/- 2 оС и +/- 15 % отно-
сителна влажност, типични стойности за офис помещения.
Изследванията в посока на осигуряване на вътрешен комфорт и
икономия на енергия се провеждат вече повече от петдесет години. Техни-
ческите изисквания са добре описани в стандарта ASHRAE.
Стратегията на моделно базираното предсказващо управление
може да не се дефинира като специфична техника за управление на проце-
си, но тя е свързана с различни общи идеи използвани в процеса на управ-
ление. Методологията на синтеза на управление в този клас алгоритми -
моделно предсказващо управление (МПУ) или моделно базирано предс-
казващо управление (МБПУ) включва следните етапи:
1) Моделиране на процеса: въз основа на данните за входа (управ-
ляващи въздействия и смущения) и измеримия изход (регулируема промен-
лива) се синтезира модел на процеса, необходим за предсказване на изхода
на обекта на управление, определен от хоризонт на предсказване (Ny).
2) Дефиниране на целева функция: функция, която определя
изискванията към затворената система в рамките на хоризонта на предс-
казване. Функцията се определя въз основа на предсказване на изхода,
заданието на затворената система и управляващите въздействия.
3) Дефиниране на целева функция за оптимизация: целевата
функция се оптимизира като функция на управляващите въздействия (до
хоризонт на управление (Nu) ), които се прилагат върху обекта по време на
процеса на предсказване. Формираните ограничения в този случай отразя-
ват особеностите на системата за отопление, вентилация и климатизация.
4) Изместване на хоризонта на предсказване: към обекта се
прилага само първото изчислено управляващо въздействие, след което
процедурата се повтаря желан брой стъпки.
Структурната схема на контура за управление реализиращ модел-
но базираното предсказващо управление е показана на Фигура 5.19.
173
Фигура 5.19 Структурна схема на моделно базирано предсказващо управление
Разглежданият подход се основава на линеен модел на процеса,

подлежащ на управление. Моделът на процеса може да се представи като
многовходов/едноизходен (MISO) разширен авторегресионен – пълзящо
средно описващ вътрешната температура и относителна влажност както
следва:
A(q −1 )y(t) = B(q −1 )u(t − nk) + C(q −1 )e(t) , (5.9)
където: A(q-1), B(q-1), C(q-1) – полиноми от оператора на закъснение q-1 ;
y(t) - изходна променлива; u(t) – входна променлива; e(t) - остатъци на
модела.
Полиномите A(q-1), B(q-1) C(q-1) могат да се запишат както следва:
A(q −1 ) = 1 + a1q −1 + a 2q −1 + L + anaq −na
B(q −1 ) = B 0 + B1q −1 + B 2q −1 + L + B nb q − nb , (5.10)
C (q −1 ) = 1 + c1q −1 + c2q −1 + L + cnc q − nc
където: na, nb и nc – ред на полиномите; B0, B1,… Bnb – са матрици с раз-
мерност (ny x nu ); ny и nu означения на броя изходи и входове на модела;
nk –закъснение на входа спрямо изхода на модела.
A(q −1 ) = 1 + a1q −1 + a 2q −1 + L + anaq −na
B(q −1 ) = B 0 + B1q −1 + B 2q −1 + L + B nb q − nb
C (q −1 ) = 1 + c1q −1 + c2q −1 + L + cncq −nc
Разгледаните модели (ARMAX) (5.9)-(5.10) се прилагат за двете
управляеми променливи: вътрешна температура (yT) и вътрешна относи-
174
телна влажност (yH). В моделите този факт може да бъде отразен с долен
индекс прибавен към съответните означения за полиномите в модела. Въ-
веждат се следните входни променливи (управляващи входове и смуще-
ния): външна температура (Text), външна относителна влажност (Hext),
общо излъчване (Glr), управляващо въздействие (U) приложено към систе-
мата за отопление и охлаждане , Vent – променлива приложена към систе-
мата за вентилация и допълнителна променлива, която отразява допълни-
телни смущения: източници на енергия.
Структурната и параметрична идентификация на разглежданите
ARMAX модели е извършена в средата на ARMAX. Синтезирани са мо-
дели за всяка седмица на разглежданият едногодишен период. Адекват-
ността на моделите е проверена чрез прилагане на следните процедури:
• първоначална оценка на реда на ARMAX моделите чрез прилагане на
частичната автокорелационна функция и автокорелационната функция;
• генериране на всички възможни структури и избор на структура на
модела чрез информационният критерий на Акайке;
• изследване на остатъците на получения модел;
• визуализация на получените резултати.
Първичната обработка на експерименталните данни включва раз-
лични процедури: изглаждане чрез „пълзящо средно” и сезонна декомпо-
зиция. Изследването на остатъците се извършва в средата на пакета
MATLAB.
Използвайки моделите (5.9) – (5.10), представени във форма на
пространство на състоянието, се предсказват стойностите на температура-
та и относителната влажност до предварително зададения хоризонт. Това
може да се запише като:
( ) ( )
yˆ T k + j k и yˆ H k + j k за всяко j=1, … , Ny се извършва означената
оценка.
Проблемът за оптимизация може да се формулира като:
min
∆u(k k ), ∆u(k + 1 k ),K , ∆u(k + Nu k ) k
J (5.11)
при условие, че е изпълнено

∆u(k + j k ) = 0 ∀ j = Nu ,K , N y
umin ≤ u(k + j k ) ≤ u max ∀ j = 1, K , N u
y T,min ≤ yˆ T (k + j k ) ≤ y T, max ∀ j = 1,K , N y
Първите ограничения са свързани с хоризонта на реализация на
управляващото въздействие. Интервалът [yT,min, yT,max] отразява изисква-
нията към температурата съобразени със зоната на комфорт по тази про-
( )
менлива. ∆u k + j k е оптималният управляващ предсказан сигнал в мо-
мента k+j изчислен в момента k.
175
Целевата функция Jk се определя като
N y −1
( )
Ny
∑ (yˆ T (k + j k ) − w T ) λ ∆u 2 (k + j k ) ,
2
Jk = + ∑ (5.12)
j=1 j=1
където: wT е заданието за температурата, изразено като средна стойност на
температурата в комфортната зона и λ тегловен фактор.
Моделите, описващи основните променливи: вътрешна темпера-
тура (yT) и вътрешна относителна влажност (yH) могат да бъдат описани в
пространство на състоянието от вида
Xi (t + 1) = A i X(t) + Bi u(t)
(5.13)
y i (t) = Ci X(t) + Di u(t)
където: Ai, Bi, Ci, Di са матрици с подходяща размерност , X – вектор на
състоянието, y – вектор на измеримият изход, u – вектор на входовете на
модела на разглежданата променлива, i – индекс, който приема стойност T
за вътрешната температура (yT) и H за вътрешната относителна влажност
(yH).
След преобразуване моделите в пространство на състоянието мо-
гат да се запишат във вида
yˆ T = ~
y T + H T ∆u , yˆ H = ~y H + H H ∆u , (5.14)
където са въведени следните означения: ~ y i = L i X(k) + H i u(k − 1) , i –
индекс, който приема стойност T за вътрешната температура (yT) и H за
вътрешната относителна влажност (yH).
Матриците Li и Hi се получават въз основа на матриците на моде-
ла (3.6) от вида
 C   D 0 L 0
 CA   CB D L 0 
Li =   Hi =  . (5.15)
 M   M M D M
 j −1   j− 2 
CA  CA B L CB D
За получаване на моделите от вида (5.14) се формират следните
входно – изходни последователности въз основа на модела (5.13)
 y(0)   u(0) 
 y(1)   u(1) 
y (0, j) =  , u(0, j) =  .
 M   M 
   
y(j − 1) u(j − 1)
176
Задачата за оптимизация на температурата в рамките на комфорт-
ната зона може да се запише както следва
min(yˆ T − w T ) (yˆ T − w T ) + λ∆uT∆u
T
(5.16)
∆u
A∆ < B
 HT   y T,max − yˆ (k + j k ) 
− H  ∆u ≤ − y ,
 T  T,min + yˆ (k + j k )
където
 − 1 0 0 . − u min u(k − 1)   ∆u(k k ) 

 1   
 ∆u(k + 1k ) 
0 0 . u − u(k − 1)
  max
A = 1 − 1 − 1 0 . B = − umin u(k − 1)  ∆u =  ∆u(k + 2 k ) 
, ,
     
 1 1 0 .  u max − u(k − 1)  K 
 . K . .  K K  ∆u(k + N − 1 k )
 u 
и са въведени векторите
[
y T,min = y T,min y T,min K y T,min T ]
y T,max = [y T,max y T,max K y T,max T ] (5.17)
w T = [w T wT K wT ] .
T
Въвеждат се допълнителни означения Q T = (H TT H T + λI ) и

fTT = 2(yˆ T − w T )T H T и оптимизационната задача (3.9) може да се запи-
ше
min(∆u ) QT (∆u ) + fT∆u
T

A∆ < B (5.18)
 HT   y T,max − yˆ (k + j k ) 
− H  ∆u ≤ − y + ˆ
y (k + j k ),
 T  T,min 
Оптималното решение на задачата (5.18) се намира чрез алгоритъм

на последователно квадратично програмиране реализиран в средата
MATLAB. Решението се търси при предварително зададени фронтове на
177
предсказване на управляемата променлива и фронта на формиране на уп-
равляващите въздействия. Управляващото въздействие се формира както
следва
u(k ) = ∆u(k k ) + u(k − 1) .
От предложените модели и оптимизационни алгоритми могат да
се покажат следните резултати. Предсказването на температурата и отно-
сителната влажност е показано на следващите фигури (Фигура 5.20, Фигу-
ра 5.21).
За температурата е намерен следният модел от вида (5.9) и (5.10)
A(q) = 1 - 0.202 (+-0.07843) q-1 - 0.4492 (+-0.06191) q-2
B1(q) = 0.1173 (+-0.0002131) + 0.1505 (+-0.009218) q-1 + 0.04715 ( +-
0.006461) q-2
B2(q) = -0.01358 (+-0.007172) + 0.0219 (+-0.01143) q-1 - 0.009831 (+-
0.007195) q-2
B3(q) = -1.277e-6 (+-5.354e-006) + 4.649e-006 (+-5.343e-6) q-1 + 7.445e-6 (+-
5.552e-6) q-2
B4(q) = 0.0009057 (+-3.793e-6) + 0.001125 (+-7.24e-5) q-1 + 0.0003329 (+-
4.759e-5) q-2
B5(q) = 0.678 (+-0.06175) + 0.678 (+-0.06175) q-1 + 0.678 ( +-0.06175) q-2
B6(q) = -4.319e-7 (+-4.413e-7) + 0.001536 (+-1.99e-6) q-1 + 0.0008934 (+-
0.0001211) q-2
C(q) = 1 + 0.5617 (+-0.09717) q-1 + 0.1192 (+-0.1207) q-2 - 0.6865 (+-
0.09564) q
Моделът, описващ относителната влажност е както следва

A(q) = 1 - 0.8247 q-1
B1(q) = -0.002954 - 0.002386 q-1
B2(q) = 0.002464 - 0.00231 q-1
B3(q) = 2.512e-006 - 4.671e-006 q-1
B4(q) = -3.613e-005 - 8.685e-006 q-1
B5(q) = 0.1503 + 0.1503 q-1
B6(q) = -4.91e-008 - 4.132e-005 q-1
C(q) = 1 + 0.4124 q-1
В скобите са представени стандартните отклонения на оценените

коефициенти в моделите.
178
Indoor Temperature
20
Data
Prediction
15
Degrees, [C]
10
5
150 200 250 300 350
Time, [Hours]
Фигура 5.20 Предсказване на вътрешната температура
Indoor Humidity
0.84
Data
0.82 Prediction
0.8
0.78
Relative H, [%]
0.76
0.74
0.72
0.7
0.68
0.66
150 200 250 300 350
Time, [Hours]
Фигура 5.21 Предсказване на вътрешната относителна влажност
Симулационните изследвания са проведени за една седмица (168

часа). Хоризонта на предсказване (Ny) е пет (5) часа. От графиките може да
се види, че предсказването е удачно за целите на управление.
179
Следващите фигури демонстрират резултатите от симулационното
изследване на моделно базирано предиктивно управление на температур-
ния режим и относителна влажност.
Indoor Temperature Control
24
Setpoint
22 Temperature [C]
Lower limit
Upper limit
20
18
Degrees, [C]
16
14
12
10
8
320 340 360 380 400 420 440 460 480 500 520
Time, [Hours]
Фигура 5.22 Управление на вътрешната температура по зададен профил на заданието
Indoor Humidity
0.8
Data
0.78 Prediction
0.76
Relative H, [%]
0.74
0.72
0.7
0.68
300 350 400 450 500 550
Time, [Hours]
Фигура 5.23 Изменение на вътрешната относителна влажност
180
Control signal
2500
2000
1500
W 1000
500
0
300 350 400 450 500 550
Time, [Hours]
Фигура 5.24 Изменение на управляващото въздействие.
От фигурите 5.22 – 5.24 може да се направи извода, че предложеният оп-

тимален профил на управление (Фигура 5.24) удовлетворява изискванията
за по-добър комфорт. От получените резултати могат да се направят сле-
ните изводи:
(1) Получените модели за основните регулируеми променливи са
подходящи за целите на управлението. Моделите са синтезирани с шест
входа и един изход.
(2) Получените модели са изследвани допълнително за устойчивост,
управляемост и наблюдаемост.
(3) Синтезираното управление постига поставените цели, което може
да се види от Фигура 5.22 -5.24.
5.7. Физическо изграждане на моделно базирано предсказващо управ-

ление в системи за сградна автоматизация
Термален модел на климатизирано помещение
Моделът е базиран на уравнението на енергийния баланс за вът-
решния въздух. Вземат се предвид топлообмена между въздуха и стените,
пода, покрива и др., както и топлинните потоци от околната среда (излъч-
ване на слънцето, вятър, осветление и др.). Уравнението на енергийния
баланс има следния вид:
dT (t ) ( )
n. ρ.c p a .V
C ind = U.A.[Tout − Tind (t )]+ [Tvent − Tind (t )] (5.19)
dt 3600
181
Тук C е обобщения топлинен капацитет на сградата, Tind (t ) е температу-
рата на въздуха вътре в сградата, Tout е външната температура и Tvent е
температура, дължаща се на вентилацията. A и V са структурни парамет-
ри на сградата, n е коефициент, характеризиращ вентилацията и U е кон-
станта, характеризираща топлообмена между сградата и външния въздух.
Моделът е реализиран в Simulink и е показан на Фигура 3.1. Той използва
допълнителни вътрешни топлинни източници като отдаваното от тях ко-
личество топлина зависи от астрономическото време. Предполага се, че
във времето между 8:00 и 16:00 то е приблизително 2kW и 1kW през оста-
налата част от деня.
Вентилацията зависи от температурата на вътрешния въздух. Това означа-
ва, че когато тя се променя между 20 и 30 °C, параметърът n се променя в
[ ] −1
диапазона 0.3 - 1.5 h . Това се използва по-късно при моделирането на
структурата в структурата на управляващия алгоритъм.
Фигура 5.25 Термален модел на сграда
Управляващ предсказващ алгоритъм

За разглежданите от нас цели и модел на обекта за управление в настоящо-
то изследване процесът на предсказване използва следните управляващи
сигнали:
182
u1 = [u min ,….u min ] (5.20)
u 2 = [u max ,u min ….u min ] (5.21)
u 3 = [u min , u max ….u max ] (5.22)
u 4 = [u max ,….u max ] (5.23)
Ако предсказаните изходи за всеки от управляващите сигнали

y1, y 2, y3, y 4
(5.20)-(5.23) са съответно , могат да бъдат направени следните
полагания:
y max0 = max( y1 ) (5.24)
y max1 = max( y 2 ) (5.25)
y min0 = min( y 3 ) (5.26)
y min1 = min( y 4 ) (5.27)
Тогава се използват следните правила за определяне на оптимал-

ното управление в следващия такт:
Случай 1: Ако y max0 < y r и y max1 > y r , то
(u max − u min ) (u min y max1 + u max y max0 )
u (t ) = yr +
( y max1 − y max0 ) ( y max1 − y max0 )
Случай 2: Ако y min0 < y r и y min1 > y r , то
(u − u min ) (u y + u max y min0 )
u (t ) = max y r + min min1
( y min1 − y min0 ) ( y min1 − y min0 )
Случай 3: Ако y max0 > y r , то u (t ) = u min
Случай 4: Ако y max1 < y r , то u (t ) = u max
Случай 5: Ако y min0 > y r , то u (t ) = u min
Случай 6: Ако y min1 < y r , то u (t ) = u max
Във всички формули с y r е означено заданието.
Симулационно изследване на предсказващия алгоритъм

За симулиране на процесите на топлообмен в сградата се използва
моделът от Фигура 5.26. Предполага се, че външната температура остава
постоянна за целия период на симулацията. Блокът „Building” от Фигура
5.26 представлява моделът от Фигура 5.25. Оптималният управляващ сиг-
183
нал постъпва на входа „Heat”. Блокът n, ACH реализира следната сравни-
телна Таблица за коефициента n:
T,[°C] 20 20,5 21 24 24,5 30

n,[1/h] 0,3 0,3 1 1 1,5 1,5
Таблицата използва линейна интерполация за изчисление на кое-

фициента при произволна температура. Топлината, отдавана от вътрешни-
те източници, се моделира като сума на константа (1000 W) и периодичен
правоъгълен сигнал с амплитуда 1000 W, период 24 часа, ширина на им-
пулса 8 часа и фазово закъснение 8 часа. В симулацията се използват 2
такта на дискретизация – един за симулиране на реалната система (T01) и
един за предсказване (T02). Те трябва да удовлетворяват условието
T01 = N ∗ T02 , където N е цяло положително число. Управляващият
сигнал u (t ) се изчислява според 6-те правила, описани в предходната
точка и постъпва в системата с такт T01. Изходните последователности се
предсказват с такт T02. Следователно в интервала [t, t+T01] всяка предска-
зана изходна последователност представлява вектор от N стойности в дис-
кретните моменти t+T02, t+2*T02, … t+N*T02. Тези изходни последова-
телности се анализират съгласно формули (6)-(9) за да се определи в кой
от 6-те случая се намира системата. По този начин се изчислява управля-
ващият сигнал u (t ) . Конкретната сграда се симулира за период от 48 часа
с тактове на дискретизация T01 = 1h и T02 = 5min . По този начин всяка
от изходните последователности се състои от 12 стойности в дискретните
моменти от време. По-долу са дадени останалите параметри, необходими
за моделиране и симулиране на системата:
(
U = 0.3W / m 2 .K ) A = 312m 2 C = 2064kJ / K
u min = 0W u max = 800W
184
Фигура 5.26 Simulink модел на системата
На Фигура 5.27 и 5.28 са дадени съответно изходният и управляващият

сигнали когато y r = 22°C и Tout = 15°C . На Фигура 5.27 се вижда, че
вътрешната температура достига заданието, въпреки че се наблюдават
известни колебания. Външната температура отговаря на пролетен или
летен сезон. Проведена е още една симулация за стойности y r = 14°C и
Tout = 0°C , които могат да се отнесат по-скоро към есен или зима.
25
0
C 24
23
22
21
20
19
18
17
16
0 0.5 1 1.5 2
x 10
5
s
Фигура 5.27 Вътрешна температура ( y r = 22°C , Tout = 15°C )
185
1000
800
600
400
200
-200
0 2 4 6 8 10 12 14 16 18
4
x 10
Фигура 5.28 Управляващ сигнал ( y r = 22°C , Tout = 15°C )
Получените процеси са показани на Фигура 5.29 и 5.30. На Фигура 5.29 се

вижда, че вътрешната температура отново достига заданието. Фигура 5.28
и 5.30 се различават по броя превключвания на източника на топлина. На
Фигура 5.29 се наблюдава голям брой превключвания между 17-тия и 33-
тия час от симулацията, което води до колебание на изходния сигнал около
заданието. На Фигура 5.30 управляващият сигнал в същия времеви интер-
вал има постоянна стойност от 800 W. Резултатът е, че изходният сигнал
също остава постоянен. Въпреки това може да се каже, че получените
резултати и в двата случая са добри, тъй като системата успява да отрабо-
ти заданието.
186
0 16
C
14
12
10
0
0 0.5 1 1.5 2
x 10
5
s
Фигура 5.29 Вътрешна температура ( y r = 14°C , Tout = 0°C )
1000
800
600
400
200
-200
0 2 4 6 8 10 12 14 16 18
4
x 10
Фигура 5.30 Управляващ сигнал ( y r = 14°C , Tout = 0°C )
5.8. Физическо изграждане на моделно базирано предсказващо

управление в системи за сградна автоматизация – контролерна реали-
зация
Компютърна управляваща система
Локалната система за контрол на температурата на въздуха е със-
тавена от три ПИ регулатора и електрически задвижващи елементи. Зада-
нието за подавана мощност се генерира от моделно базирания предсказващ
187
алгоритъм. Интерфейсът между управляващия персонален компютър и
обекта за управление се осъществява чрез подходящ хардуер (Inteco RT-
DAC/PCI) и софтуер за работа в реално време (MATLAB/Simulink). Обоб-
щено идеята за моделно-базираното управление в реално време в две прог-
рамни среди - моделиращата и управляващата, при реализиране на управ-
ляващи и информационни сигнали от реалния обект, е пояснена по-долу:
Фигура 5.31 Блок схема на система с моделно-базирано управление в реално време
За входно-изходен интерфейс е използван RT-DAC4/PCI (платка-

та, показана на снимката по-долу) на полският производител INTECO
(INtelligent TEchnology for Control). Разполага с аналогови и цифрови вхо-
дове и изходи. За връзка с компютър се използва PCI слот. Работи под
операционна система Windows. Събирането и обработването на данни
става в реално време, без да се внася закъснение в системата. На платката
има инсталиран Xilinx FPGA чип, който може да бъде препрограмиран за
промяна на функционалността на входовете и изходите, без да се правят
хардуерни модификации.
За управление и настройка на системата се използва средата на
MATLAB. Това става благодарение на включените в нея Simulink и Real-
Time Workshop (RTW) приложения, които работят в реално време и под-
държат връзка с външни устройства. Това внася известно закъснение в
системата, но това не е проблем, защото компонентите на обекта променят
бавно своето състояние.
Експериментална климатична система - компоненти и входно-

изходни параметри
Тестовата система се състои от турбинен вентилатор, бойлер, раз-
ширителен съд, помпа за вода, топлообменник, ротационен рекуператор,
температурни датчици и сензори за дебит на вода и въздух, трипътен вен-
тил, жалузи. Експерименталната система се състои от няколко подсистеми
– нагнетателна и отоплителна, които си взаимодействат при преминаване-
188
то на въздушния поток през топлообменника, където водата отдава топли-
ната си на въздуха.
Нагнетателна/смукателна секция
Турбинните вентилатори се задвижват от електрически двигатели
с честотно управление, като по този начин се регулира количеството въз-
дух, преминаващо през системата. На Фигура 5.32 е показана нагнетател-
ната секция. Студения въздух, който постъпва отвън, попада в ротационен
рекуператор, където протича топлообмен с въздуха от смукателната сек-
ция.
Система за подгряване на вода

Системата за подгряване на вода е от затворен тип. Основните
компоненти на системата са показани на Фигура 5.33. Водата циркулира в
системата благодарение на помпа, която се намира между бойлера и топ-
лообменника. Терморегулатор следи за подържане на зададената темпера-
тура на водата. От бойлера тя постъпва в разширителния съд, който работи
под постоянно налягане през целия температурен диапазон. След това
водата минава през трипътен вентил, показан на Фигура 5.34. В зависи-
мост от положението му, потокът на водата може да е затворен само през
бойлера и разширителния съд или да минава през цялата система – вклю-
чително топлообменника. Отварянето на клапана е линейно – всяка стъпка
на отварянето му увеличава потока с равен процент спрямо предходната
му стойност. По този начин потокът на водата се увеличава експоненциал-
но
Топлообменник
На Фигура 5.35 е показан топлообменник, който е ключово уст-
ройство в системата. Ролята му е да отдава топлина на преминаващият
през него въздух.
Измервателни сензори
За измерване на температурата на вода или въздух се използват
индустриални сензори – променят съпротивлението си спрямо температу-
рата. Тези, които измерват температурата на въздуха, са от типа “две точ-
ки” - дават средна аритметична стойност на двете измерени температури в
началото и края на сензора. Въздушният поток се измерва с помощта на
така наречената тръба на Пито и сензор за диференциално налягане. Вод-
ният поток през топлообменника се отчита със сензор, работещ на прин-
ципа на Кориолисовия ефект. Потокът на вода през помпата се измерва
чрез сензори, вградени в нея.
189
Фигура 5.32 Нагнетателна секция
Фигура 5.33 Бойлер, водна помпа и разширителен съд
Фигура 5.34 Трипътен вентил
190
Фигура 5.35 Топлообменник
Фигура 5.36 Контролерна реализация на управлението
Управляващи устройства: подсистемата за климатизиран обект

с общо (отдалечено) обработване на въздуха се състои от следните блоко-
ве:
• Ротационен рекуператор – управлява се скоростта му на въртене (чрез
вграден преобразувател – 0-10V управляващ сигнал) и съответно произво-
дителността му.
• Отоплителна секция – управлява се дебита на топлоносителя, премина-
ващ през него (чрез трипътен вентил – 0-10V управляващ сигнал) и съот-
ветно производителността му.
• Охладителна секция – управлява се дебита на студоносителя, премина-
ващ през него (чрез трипътен вентил – 0-10V управляващ сигнал) и съот-
ветно производителността му.
191
• Вентилатор – управлява се скоростта на въртене на вентилаторът (чрез
честотен преобразувател – 0-10V управляващ сигнал) и съответно скорост-
та (дебита) на въздуха подаван към помещенията.
• Измерва се външната температура (смущаващо въздействие), както и
скоростта (дебита) и температурата на подавания към помещенията въздух
(обратни връзки).
5.9 Сравнителен анализ на подходите за предсказващо управ-

ление
Следващите изследвания представят как Моделното Предсказва-
що Управление (Model Predictive Control - MPC) и прогнози за времето
могат да повишат енергийната ефективност в Интегрирана Автоматизация
на Помещения (Integrated Room Automation - IRA) при запазване комфорта
на жителите. MPC е съвременен метод за управление, който, приложен за
сгради, използва модел на сградната динамика и решава оптимизационна
задача, за да определи оптималните управляващи входове. Резултатът е
оптимален план в смисъл, че взема предвид бъдещото време и вътрешната
топлина и управлява HVAC (Heating, Ventilation, Air Condition), за да ми-
нимизира разходи на енергия, запазвайки ограничения за комфорта.
Цялостната задача за управление е пояснена на Фигура 5.37. Сгра-
дата е повлияна от времето, но отделните измервания на сградното състоя-
ние и метеорологичните условия могат да бъдат взети и отвън и отвътре.
Тези измервания постъпват в MPC-регулатора заедно с прогнози за време-
то, които се коригират с локални измервания (чрез филтър на Калман),
както и информация за разходи на енергия и критерий за комфорт. Въз
основа на сграден модел, описващ сградната динамика, MPC решава опти-
мизационна задача, за да определи оптималните управляващи входове,
които след това се подават към системите за HVAC.
Фигура 5.37 Схема за управление
192
Обобщен модел на сграда
Билинейният сграден модел в дискретно време с време на дискре-
тизация 1 час може да се изрази в следната форма:
където xk е състоянието, представляващо температурата в помещението,

стената, пода, тавана, uk са управляващите входове, представляващи
HVAC, а vk е смущението, представляващо входа за времето и периода на
обитаване във времевия такт k. Налични са m различни управляващи входа
и матриците A, B, Bv, Bvu, i, Bxu, i, са с подходящи размери.
Сградният модел е използван в две насоки: като симулационен
модел показан на Фигура 5.37 в полето „Сграда” и като модел на регула-
тор, показан в полето „MPC”. Това съответства на предположението, че
регулаторът има перфектен модел на сградната динамика, който няма да
издържи в действителност и затова е изследвана чувствителността към
разминавания в параметрите на модела.
Прогнози за времето
Прогнозите за времето са дадени с дискретен модел на прогнози-
ране на времето. Данните обхващат външната температура на въздуха,
температурата на влажност и постъпващата слънчева радиация. Основното
предизвикателство от гледна точка на управление с дискретни прогнози за
времето се крие в характерната им несигурност, поради стохастичната
природа на атмосферните процеси, несъвършените знания за началните
стойности на модела на времето, както и грешки от моделиране. Прогно-
зите за времето бяха филтрирани със стандартен линеен филтър на Кал-
ман, за да се коригират ефектите на специфични места в мястото на сгра-
дата, както и да се вземат в предвид на място най-новите измервания на
времето измежду 12 часовите обновявания.
MPC е сравнено с 2 други стратегии за управление:
• Правило-базирано управление (Rule-based Control - RBC): Това е най-
добрата практика за момента, RBC определя всички управляващи дейст-
вия, базирани на серия от правила от вида: „ако условие тогава действие”.
• Граница на производителността (Performance Bound - PB): Това не е
регулатор, а по-скоро понятие. PB е определен като крайната, теоретична
граница в производителността на управление, която се дава с оптималното
управляващо действие с перфектно познание за всички бъдещи смущения,
включително време, и може да се използва като база за сравнение.
Оценката на регулатора е направена в различни стъпки, както е
показано на Фигура 5.38.
1) Първо е сравнена производителността на RBC и PB, които дават
теоретичния потенциал за спестяване на енергия. Това е направено, защото
съществува само надежда за значително подобряване на текуща най-добра
практика ако различието между RBC и PB е голямо. Това изследване е
193
направено в мащабно фабрично проучване за широк кръг от случаи, пред-
ставящи различни сгради и различни метеорологични условия, както е
описано по-долу.
2) Практическият потенциал се определя като разликата в израз-
ходвана на енергия от RBC и MPC с реални прогнози за времето. Проуче-
но е несъответствието в параметрите на модела.
3) Реалният потенциал е даден, когато се има предвид MPC с из-
цяло реалистични допускания. Очакват се реалните прогнози за времето и
тяхната несигурност да имат най-голямото влияние върху качеството на
управление сравнено с другите фактори на Фигура 5.38. Регулаторите са
оценени от гледна точка на разход на годишна Невъзобновяема първична
енергия (NRPE) [kW/m2/a] и по отношение на степен на нарушение на
комфорта [kW/a]. Беше необходимо да се сравнят регулаторите от гледна
точка на критериите, тъй като е налице баланс между употребата на NRPE
и нарушение на комфорта, т.е. използването на NRPE може да бъде нама-
лено чрез позволяване на повече нарушения на комфорта. На базата на
сградни стандарти сме дефинирали приемливо ниво на комфортно нару-
шение от 70 Kh/a.
Фигура 5.38. Обща представа за оценка на регулатор
Симулационни изследвания
За оценка на потенциала е предприето изследване със следните
варианти на HVAC система, обвивка на сградата и критерий за комфорт,
както и метеорологични условия.
• HVAC система: В Табл. 5.8 са разгледани 5 различни комбинации на
сградна система. Всеки вариант система използва различна комбинация от
HVAC подсистеми.
194
• Сграда: Вариантите се различават по сграден стандарт
• Време: Използвана е информация за времето за различни климатични
региони в Европа.
Таблица 5.8 Преглед на варианти на сградни системи и техните автоматизирани подсис-

теми
Характеристики на MPC
Избрани са 6 примерни случая, които са често срещани в Евро-
пейския сграден фонд и имат голям теоретичен потенциал (виж Табл 3.3).
За тези случаи производителността на MPC е сравнено с RBC.
Таблица 5.9 Проучени случаи за практически потенциал
Качество на прогнозите за времето

Този въпрос се третира чрез сравняване на MPC производител-
ността посредством прогнози за времето, осигурени от метеорологична
служба, в сравнение с използване на 24-часови постоянни прогнози, т.е.
непрекъснато рециклиране на данните от последните 24 часа. Отново съ-
щите 6 примерни случая, дадени в Tабл. 5.9 са анализирани. И в двата
случая прогнозите са Калманово филтрирани.
Анализ на робастността
Анализът на робастността беше проведен за сграда 1-ви случай в
Таблица 5.9 чрез промяна на параметрите в модела на MPC-регулатора,
както е показано в Tаблица 5.10
195
Таблица 5.10 Приложени промени в модела на регулатора за анализи на робастността
На Фигура 5.39 е изобразен теоретичният NRPE потенциал на

спестяване за множество стандартни сградни случаи.
а) б)
Фигура 5.39 Оценка на регулатор а) Теоретичен потенциал за икономии: б) Практически
потенциал за икономии: Сравнение на MPC и RBC, номерът означава сграден случай по
Таблица 5.9
Резултатите от практическия анализ на потенциала за шестте изб-

рани случаи са показани на Фигура 5.39б, което показва, че MPC винаги
има видимо по-малко NRPE използване от RBC и в четири от шестте слу-
чая по-малки нарушения (долу е границата на нарушение). Това показва,
че допълнителното използване на NRPE с RBC могат да бъдат намалени
значително с MPC. Фигура 5.40 показва в резултат на профили стайна
температура през цялата година за случая Сграда 3 с RBC (а) и MPC (б).
Може да се види, че MPC показа по-малки и по-редки топлинни наруше-
ния на комфорт от RBC. Освен това дневните вариации на температурата
са много по-малки с MPC.
196
а) б)
Фигура 5.40 Годишни профили на стайна температура. а) RBC, б) MPC. Широчината на
топлинната лента на комфорт е функция на 24 часова непрекъсната средна стойност на
външната температура на въздуха.
Анализът показа, че са налице голям брой случаи със значителен

потенциал за подобрение в сравнение с днешните RBC. Това подобрение
по принцип може да бъде постигнато по няколко начина, например с по-
мощта на предсказващи RBC алгоритми, въпреки че специално MPC е
всеобщ, интуитивен и ефективен подход за отчитане на този потенциал.
5.10 Локални адаптивни контури за енергоикономично уп-

равление.
Системата се реализирана посредством използване на адаптивна
lookup таблица. Адаптивната lookup таблица динамично обновява данните
си. За вход използва изхода „у” на обекта за управление - с цел самоадап-
тиране. Адаптацията се извършва по следния начин всеки индексиран
входен сигнал „U” може да заема стойност в набора от адаптиращи се
стойности на изходния сигнал, тези стойности се наричат точки на прекъс-
ване. Метода на адаптация на средната стойност осигурява средна стой-
ност от “n” изходни образци и се дефинира така:
1 n
y ( n) = ∑ d (i) ,
n i =1
където d (i ) е i –тото измерване, разположено в отделна клетка. За всеки
чифт входни данни (х1, х2), средната стойност в съответната клетка се
обновява чрез използване на изходните измерени данни „d”. Вместо съби-
рането на „n” образци данни за всяка клетка, се използва рекурсивен алго-
ритъм за пресмятане на средната стойност, който се дава с израза:
1  n −1  n − 1  1 n −1  1 n −1 1
y ( n) =  ∑
n  i =1
d (i ) + d (n)  =

∑ d (i) + n d (n) = n y(n − 1) + n d (n) ,
n  n − 1 i =1
където d (n ) е n- тата данна.
Грешката се определя от следния израз:
197
e( n) = d ( n ) − y ( n − 1) ,
Рекурсивната връзка се дава от израза:
1
y ( n) = y ( n − 1) + e( n ) ,
n
където n ≥ 1 и начално определеното y (0) е произволно. В израза вмес-
то „n” данни, само номера на данните, n , за всяка клетка се запазва в па-
метта.
Методът на адаптация на средната стойност има безкрайна памет.
Преминалите данни имат същата тежест като последните постъпили данни
при изчислението на средната стойност. Метод на адаптация с фактор на
забравяне или адаптираща обратна връзка е такъв, при който се придава
повече тежест на по-новите данни. Този алгоритъм осигурява робастност
срещу началната неустойчивост на обекта при променлива скорост на
адаптация и се дефинира така:
1 n
1  n n −i  s(n − 1) 1
y ( n) = ∑λ n −i
d (i ) = ∑ λ d (i ) + d (n) = s(n) y (n − 1) + s (n) d (n)
∑ λ ∑
n n −i n
i =1
i =1
i =1
λ n −i  i =1 
където λ ∈ [0,1] ∑
k
е адаптивната обратна връзка и s(k ) =
i =1
λn−i . Дефи-
ницията на грешката е: e( n) = d ( n ) − y ( n − 1) , където n ≥ 1 и начално
определеното y (0) е произволно, рекурсивната зависимост се дава с изра-
за:
1 1− λ
y (n) = y (n − 1) + e(n) = y (n − 1) + e( n )
s( n) 1 − λn
Малка стойност на λ дава висока скорост на адаптация. Стойност нула
означава къса памет (последната постъпила данна става таблична стой-
ност), и стойност единица - дълга памет (средно аритметично от всички
данни, постъпили в клетката).
t2 out Q zad
delta Q
t2 in Q zad upravlenie
t2zad Wm(s)
Out1 G1 T
G P(s)^
t2 zad t2out koefic . G-Q Q(s) G2
Product 1 Saturation Qout
t2 in Scope 3
PI reg Temperatura 1.89
obekt1
pompa
40
G1
t2 in Qout^
Qout
P(s)^ Scope 5
delta
0.1
Scope 4
G2
delta 1
Схема в Simulink
198
Преходни процеси при оптимизирани настройки на регулатора
Преходни процеси при 10 пъти по-голяма времеконстанта на обекта и същите настройки

на регулатора на температура
Реализация на управляващите алгоритми в среда ТАС-Menta

Управляваната част от системата за климатизация е пластинчатия
топлообменник, той се захранва от външен източник на енергия (греещ
топлоносител). Управляваните елементи са отсекателните вентили Y1-Y3
и прецизно управлявания вентил Y4, чрез които се регулира дебита на
199
входа на топлообменника. Температурата на входящия и изходящия поток
се измерва посредством сензорите за измерване на температура Т1-Т4.
Изходният дебит се измерва с помощта на дебитомера F.
Схема на климатичната камера
Схемата налага използването на температурни сензори за измер-

ване на температурата на флуид. Сензорите за измерване на температурата
на флуид ще бъдат от модел STP 120. Този тип сензори измерват темпера-
турата на топло/студоносител (флуид – най-често вода или етиленгликол)
директно в самите тръбопроводи.
Използваните регулатори са: линеен PI- регулатор за външния
контур за регулиране на температурата. Вътрешният е моделно базирания
регулатор на енергия. Регулаторът използва заложените настройки, изс-
ледвани в Matlab т.е. Кр=200 , Ти=50s . Същото важи и за регулиращия
контур по енергия.
200
T1in
A
HFAI T2out1
B XPR
FILT HFAO
C TimeConst +
T1out ((A-B)*4186*C*0.95)/(4186*D) 450
D
HFAI
T2in
G1 HFAI
D
HFAI Q2
F XPR
HFAO
P XPR G
(G-F)*4186*D
P+0.001
G2
HFAI
Обект за управление
G1 Q2
R XPR XPR FILT
HFAI C HFAO
TimeConst
R+0.001 C*62790*0.95
35
Модел
delta_Q
HFAI LIMIT
MinValue
-100
Q_zad MaxValue
100
HFAI
MV PIDP
− SP ControlInt
Q_out
Mod 1
HFAI G_out
G UMin
0 HFAO
Ti
UMax
Mod Td 100
DZ StrokeTime
HFAI
TSg 60
0.1
28
Регулатор на енергия
201
Получените преходни процеси са:
Преходни процеси при малка времеконстанта
Преходни процеси при голяма времеконстанта
На база на проведените изследвания са установени следните ре-

зултати, обобщени в таблица 5.11: липса на пререгулиране на изходната
температура, време за регулиране около 10.5s при обект с времеконстанта
4 пъти по голяма от времето за регулиране. При обект с по голяма време-
константа времето за регулиране се увеличава, но се запазва поддържането
на зададената температура (респективно енергия) без да се стига до прере-
гулиране. Същевременно се постига бърза реакция при промяна в смуща-
ващото въздействие. Потвърдена е работоспособността на системата за
различни обекти без необходимост от допълнителни настройки на регули-
ращите контури. Само системата с релейно управление показва по-силна
зависимост към промени в обекта за управление и изисквания за допълни-
телни настройки на контурите за регулиране.
202
Таблица 5.11 Сравнение между различни типове локални контури за енергоикономично
управление
Tоб =43,602s Tоб =150s Tоб =436,02s
ε отн ,% 0,0014 0,018 0,06
ПИ-контур
t r ,s 10,44 35,94 104,6
Адаптивен ε отн ,% 0,02 0,024 0,066
контур
t r ,s 10,42 35,87 104,2
Релеен ε отн ,% ±4
контур
t r ,s 10,45
5.11 Синтез на енергоикономично управление на многомерни

сградни нестационарни електромеханични системи
5.11.1 Класическа оптимизация
Оптималното управление на електрозадвижванията позволява при
минимални загуби в някои случаи съществено да се повиши производител-
ността и бързодействието на редица електромеханични системи в сградни-
те автоматизирани системи. Някои от най - често употребяваните критерии
в теорията и практиката на оптималните САУ са следните:
Обобщен критерий:
tf
I= ∫ F(x,u,t)dt = extr.
t0
Критерий за “оптимално по енергия” управление:
tf
I= ∫
t0
uT(t). R.u(t)dt = extr.
Критерий за “регулатор на състоянието”:

tf
I= ∫
t0
[xT(t). Q.x(t)+ uT(t). R.u(t)]dt = extr.
Матриците Q и R са тегловни и съществуват различни препоръки за опре-

деляне на техните елементи.
Основно уравнение на постояннотоковите системи е уравнението
за равновесие на моментите, приложени към вала:
CФ.ФДВ. I = J.(dω / dt)+ MC
където:
I - котвен ток
ФДВ - магнитен поток
CФ - коефициент
203
J - приведен инерционен момент
ω - ъглова скорост
MC -съпротивителен момент
Удобно е използването на система от относителни единици, изра-
зявайки величините спрямо техните стойности в номинален режим.
i.Ф = dV/dτ +µ
където;
I = I/IH;
V = ω/ωH;
µ = MC/MH
Ф = ФДВ/ФН
TM =J.ωH/MH;
τ = t/TМ;
Напрежението U на котвата на двигателя е равно на:
U = CФ.ФДВ.ω+rа.I+La.dI/dt
където:
CФ.ФДВ.ω - противо е. д. н.
rа - съпротивление на котвената намотка
La - индуктивност на котвената намотка
Ако се приеме за база EH = CФ.ФH.ωH, то в относителни единици се получа-
ва:
u = V+m.i+n.(di/dt)
където:
m = rа.IH/EH;
n = La.IH/TМ.EH =La.m/ra.TM;
Ta =La/ra
Доколкото съпротивлението на котвата е малко, то m е малка величина - m
= 0.01÷0.1 (n<<m)
Една от възможните формулировки на задачата за оптимално уп-
равление на ЕЗ е да се осигурят минимум загуби в котвата, т. е. минимум
на ∫ ia2dt,при изпълнение на зададената програма на преместване или из-
менение на скоростта за дадено време. Друга оптимизационна задача е
тази, в която се търси управление, осигуряващо минимум на потребявана-
та електроенергия от мрежата за зададено преместване или преход в ско-
ростта.
Известно е, че при постоянен съпротивителен момент (МС =const., Ф =
const.) законите за управление, които осигуряват минимални загуби в мед-
та на котвата, осигуряват заедно с това и минимум на сумарното потребле-
ние на енергия при изпълнение на зададено преместване.
Потребяваната от мрежата енергия за време Т е:
204
T T T T i2
W= ∫ u.i dτ = ∫ (v+m.i+n.di/dτ). idτ = ∫ v.idτ+m ∫ i dτ+n. ∫
0 0 0 0
2
i1
idτ
Това означава, че консумираната от електродвигателя електрое-

нергия се разходва за:
а) преодоляване на силите на съпротивление (първия член)
б) губи се под формата на топлина в медта (втория член)
в) изменение на енергията на магнитното поле на котвената намотка (тре-
тия член)
Третия член от израза може да се пренебрегне т. к. m>>n.
Доколкото
T T
2T
∫ ∫
T
v.idτ = v(v′+µ0)dτ = 1 / 2.v + µ0 v 0
0
0 0
Използвайки, че i = dV/dτ+µ0;Ф = 1,MC =const. и когато се работи
(изпълнява) зададена програма за преместване, от управлението зависи
T
∫
само втория член m i2dτ =mQ.В този смисъл при МС = const., законите за
0
управление, оптимални по min на нагряването са също и закони за опти-
мално управление по min енергопотребление. Отделен интерес представ-
лява проблемът за оптимално управление на електрозадвижването, което
служи за изменение на скоростта на ИМ - ускоряващи задвижвания. Към
този род електрозадвижвания спадат стартерите, развъртащите двигатели
на турбините в сградните системи, спомагателните и др. механизми. При
тях задачата за оптимално управление се формира така:
Да се намери диаграма на скоростта V(τ), която да осигурява min на интег-
рала:
T T
Q= ∫
0
∫
u.i dτ = (v′+µ0)2dτ
0
при следните гранични условия:
v(0)= v1;
v(T)= v2.(ω(0) =ω0; ω(T) = ωR)
Уравнението на Ойлер за този функционал има вида:
v″-µ. dv/dτ =0
и при МС = const има решение:
v =v1+(i0-µ0).τ
Котвеният ток при това остава постоянен: i = I0. Напрежението на котвата
трябва да нараства по линеен закон във времето:
u = v1+m.i0+(i0+µ0).τ
205
Ефективността на оптималното управление е възможно да бъде
съпоставена с ефективността на често използвания метод на ускоряване,
когато напрежението на захранващият източник остава постоянно - без
регулиране. Добре е известно, че при пускане с постоянно напрежение и
MC = 0, енергията, консумирана от двигателя, се разделя на две равни час-
ти. Половината отива за развъртане (ускоряване) на двигателя и изпълни-
телния механизъм, като се превръща в кинетична енергия на въртящите се
маси, а другата половина отива за нагряване на медта в котвата. При нали-
чие на MC ≠ 0 положението е още по - неблагоприятно. Енергията, разсей-
вана като топлина, е повече от кинетичната енергия, привеждаща масите в
движение. Ако разсейваната енергия е голяма, нагряването на котвата
може да достигне недопустими размери. При оптимално управление наг-
ряването може да бъде много намалено. Действително загубите в котвата
при оптимално ускоряване са равни на :
Q = i02.T,където Т е времето за ускоряване:
T = ∆ V/(i0-µ0) и следователно
Q = ∆ V.i02/(i0-µ0)
dQ/di0 = ∆ V.(i02 -2.i0.µ0)/(i0-µ0)2
Приравнявайки на нула производната dQ/di0 =0 се убеждаваме, че
при ток i0 = 2.µ0 има min загуби, равни на
Q(2µ0)= ∆ V.4µ02/(2µ0-µ0)
Qmin =4.µ0. ∆ V
Следователно при съпротивителен момент MC = 0, загубите в кот-
вата и нейното нагряване могат да се направят произволно малки (за смет-
ка на увеличеното време за развъртане). При µ0 >0 токът в котвата нераци-
онално намалява под i0 =2.µ0 (стойност при min). По - нататъшно намаля-
ване тока в котвата увеличава времето за ускоряване и довежда вече не до
намаляване, а до увеличаване загубите в медта.
Реализацията на методите за оптимално управление при електро-
задвижванията за повторно - кратковременни и кратковременни режими на
работа се основава на методите на програмно управление. В качеството на
програми се използват оптимални диаграми на ток и скорост във функция
от времето или пък текущото положение на ИМ. Програмите могат да се
реализират с обикновени средства и техники на автоматичното управле-
ние. Методът на програмно управление не винаги е приложим при елект-
розадвижвания с продължителен режим на работа, каквито са широко
разпространени в сградните автоматизирани системи. За постоянен момент
на вала оптималното управление в продължителен режим на работа се
реализира тривиално (I = const.V = const), но за тези класове електрозад-
вижвания, при които съпротивителния момент зависи от времето и поло-
жението на ИМ, реализиране на оптималното управление не е проста зада-
ча и тук стандартните средства не могат да доведат до решение.
206
Оптимално управление на електрозадвижване за постоянен ток
при променлив съпротивителен момент - MC = f(ω)
За голяма група ИМ съпротивителният момент може да се счита
зависещ само от скоростта на въртене. Уравнението за равновесие на мо-
ментите при тези механизми е :
i = V′+µ(V)
За електрозадвижвания с повторно - кратковременен режим на
работа, които осъществяват зададена програма за преместване на ИМ,
задачата за оптимално управление получава следната математическа фор-
мулировка:
Да се намерят функциите i(τ) и v(τ) - оптимални диаграми на тока и ско-
ростта, които осигуряват минимум загуби в котвата, т. е. минимум на ин-
теграла
T
Q= ∫i
0
2
dτ =extr (min)
при зададено преместване (завъртане) на изпълнителният механизъм

T
α= ∫ Vdτ
0
Както вече се спомена, намерените екстремали ще осигуряват
максимално бързодействие и максимална производителност при изпълне-
ние на ограниченията по нагряване, но не са оптимални по енергопотреб-
ление.
Управление, оптимално по потребление на енергия при съпроти-

вителен момент зависещ от скоростта MC = f(ω)
Трябва да се отбележи, че ако за постоянен съпротивителен мо-
мент едно управление, оптимално по критерия минимум нагряване съвпа-
да с оптимално управление по минимално енергопотребление, то при съп-
ротивителен момент, зависещ от скоростта, такова съвпадане няма. Да
разгледаме, използвайки момент, зависещ от скоростта линейно, управле-
ние осигуряващо минимум на енергията, потребявана от двигателя при
изпълнение на зададеното на ИМ преместване α в зададено време Т.
Задачата получава следната математическа формулировка :
Да се намери функцията v(t), гарантираща минимум на интеграла
T T T T
W= ∫ pdτ =m ∫ (v′+µ) dτ+ ∫ µvdτ+ ∫ vv′dτ
0 0
2
0 0
където
p = u.i е моментната мощност, при зададена стойност
207
T
α= ∫ Vdτ.
0
Преминаваме към изопараметрична задача на вариационното смятане със
спомагателна функция
L = m(v′+µ)2+µv+λ0v
T
Доколкото големината на ∫ vv′dτ не зависи от функцията v(τ) и изцяло се
0
определя от v(0)и v(T), т. е. от началните условия, т. к. MC = f(ω) (µ =
µ0+kv), след заместване се получава спомагателната функция :
L = m(v′+µ0+kv)2+(µ0+kv)v+λ0.v
Уравнението на Ойлер за L добива следния вид:

LV-dLV′/dτ =0
или все едно:
∂L/∂v - d(∂L/∂v′)/dτ = 0
защото:
LV =∂L/∂v и LV′ =∂L/∂v′
Полученото уравнение след диференциране на функцията L :

v″-(k2+k/m)v-((λ0+µ0)/2m+k.µ0) = 0
Решението на уравнението е от вида:
v = C0+C1.ek1τ+C2.e-k1τ
където:
к1 = k + k / m за гранични условия
2
V(0)= V(T)= 0
C0 =k1.α/[k1.T]
C1 =-C0/(ek1T+1)
C2 =-C0 ek1T /(ek1T+1)
[k1.T] = k1.T-2.(ekT-1)/(ekT+1)
Така диаграмата на скоростта, осигуряваща минимално енерго-

потребление, придобива аналогичен математически израз с този, на диаг-
рамата, осигуряваща минимални загуби в медта.
(v = C0+C1.ekτ+C2.e-kτ, където НУ са същите и C0 =k.α/[k.T];
C1 =-C0/(ekT+1); C2 =-C0 ekT /(ekT+1);
[k.T] = k.T-2.(ekT-1)/(ekT+1)).
Доколкото k1 >k , първата има по - плосък характер, приближаващ се до
формата на правоъгълник с V = α/T = const. (такъв вид на диаграмата V се
получава при m = 0, т. е. при пренебрегване на загубите в котвата)
208
5.11.2 Оптимизация чрез теорията на Ляпунов и Мооre-Penrose
- псевдоинверсията
Основната идея е да се синтезира регулатор на състоянието за не-
линейни, многомерни сградни системи и основната формула на регулато-
ра, която обединява в себе си всички степени на свобода на модела, да
бъде подложена на параметрична оптимизация при критерий, който мини-
мизира енергията на управлението.
В основата на тази идея стои класа на нелинейните системи, който
може да се опише чрез векторно, линейно по отношение на управляващия
вектор, диференциално уравнение на състоянието
x& = A( x ) + B(x ). u
В него векторът на състоянието x има дименсия n, а управляващия
u има дименсия p, която е в релация p ≤ n. Входната матрица B(x) има
най-висок ранг p, предпоставка, която винаги може да се приема, че е на-
лице - иначе най-малко една от p-те управляващи величини е излишна за
синтеза на регулатора.
Търси се закон за регулиране във вида:
(
u = − r x, xR , )
който осигурява преминаването на състоянието x(t) на системата, от което
и да е начално състояние x0 , в желано състояние на покой xR .
p от n-те компоненти на вектора на състоянието на покой xR имат значе-
ние на управляващи величини, които иначе обикновено се използват в
закона за регулиране.
* Теорема на Penrose
Решаващият инструмент за извеждането на общата формула на ре-
гулатора представлява доказаната от Penrose в 1955 г. теорема. Във връзка
с разглеждания тук проблем тя гласи:
Необходимо и достатъчно условие линейната система уравнения
B.r = y
да има решение r, е
(BB +
− In )y = 0
Общото решение тогава гласи
r = B + y + (B + B − Ip ) k
с който и да е произволен вектор k със съответна размерност. In и I p
+
представляват съответно n- и p-редни входни (единични) матрици, B - е
еднозначно дефинираната Moore-Penrous псевдоинверсия на матрицата B.
* В случай (частен) на регулярна по редове матрица B, B + се изчислява
съгласно:
209
B + = BT .(B.BT )
−1
* В случай на регулярна по стълбове матрица B , важи

B + = (BT .B ) .BT
−1
+
* Определяне ранга на матрицата ( BB − In )
+
Тъй като по-късно рангът на матрицата ( BB − In ) ще бъде не-
обходим, тук трябва да бъде намерен. (При това B представлява регулярна
по стълбове (n×p) входна матрица) Най-напред се изчисляват собствените
стойности на симетричната матрица (n×n) BB + . Чрез преобразуването:
( )  1 
det . s.In − BB + = s n . det In − BB +  =
 s 
 1 
= s n . det Ip − B + B  =
 s 
 1
( −1
)
= s n det Ip − BT B .B T .B  =
 s 
 1 
= s n . det Ip − Ip  =
 s 
= s n− p . det (s.In − Ip ) = s n − p (s − 1)
p
се показва, че матрицатаBB + има (n-p) 0-ви елемента и p елемента = 1. Тъй

+
като собствените й вектори въз основа на симетричността на BB са ви-
наги линейно зависими, тя може да се трансформира в диагонална форма.
Ако V е квадратна регулярна матрица на собствените вектори, а Λ е диаго-
нална матрица на принадлежащите собствени стойности, то е вярно, че:
BB + = V .Λ.V −1 ,
съответно
BB + − In = V (Λ − In ) V −1
Тъй като диагонала на матрицата на собствените стойности Λ е съставен
от n-p нули и p-единици, матрицата Λ − In има ранг n-p. Въз основа на
регулярността на V важи също:
[ ] [
rg BB + − I n = rg V (Λ − I n ) V −1 = n − p ]
Забележка: Казаното е в сила и когато матрицата B зависи от x.
* Критерий за асимптотична устойчивост на величините

Влизащият в основата на синтеза критерий за устойчивост се позовава на
A.M.Ляпунов. Приложен за затворената система, той гласи:
210
Динамичната система
x& = a( x ) − B( x ).r ( x, xR )
притежава състоянието на покой x = xR .
В една област B на пространството на състоянията функцията
( )
V x, xR е непрекъснато диференцируема със следните свойства:
1. V (x, xR ) е положително определена, т. е. ≥0 и =0 само за x= xR .
2. V ( x, xR ) е отрицателно определена, т. е. ≤ 0 и =0 само за
& x= xR ,
или
V& ( x, xR ) е отрицателно полуопределена, т. е. ≤ 0 и точковото множество,
в което V& ( x, xR ) =0, не съдържа друга траектория на системата освен
x= xR .
G е област от B, в която важи V ( x, xR ) < C и чийто ранг е построен чрез
V ( x, xR ) =C, при това C представлява една положителна константа. G е
ограничена и съдържа състоянието на покой xR .
Тогава състоянието на покой xR е асимптотически устойчиво, и G
принадлежи на нейната област на настъпване (допустима област). Ако
важат условия 1 и 2 в цялото пространство на състоянието и допълнително
( )
V x, xR →∞ за | x − xR | →+∞, то състоянието на покой е глобално, асим-
птотически устойчиво, т. е. допустимата му област обхваща цялото прост-
ранство на състоянията.
( )
Забележка: Функцията V x, xR , удовлетворяваща условия 1 и 2, се на-
рича функция на Ляпунов.
* Избор на функция на Ляпунов

Тук се поставя решаващия въпрос при анализа на устойчивостта
(
на нелинейните системи - Как да се намери функция V x, xR , която да)
осигурява възможно най-голяма допустима област на състоянията на по-
кой? На практика всъщност не съществува систематичен метод, с помощта
на който за дадена нелинейна система да може да се състави “добра” фун-
кция на Ляпунов. При синтеза отношенията са донякъде по-удобни. Тук
човек има свобода, след избора на положително определена функция
( )
V x, xR , в избора на регулаторите r ( x, xR ) , които често могат така да се
изберат, че производната по времето V& ( x, xR ) да е веднага отрицателно
(полу) определена функция.
211
( )
Тъй като въпросът за подходящ избор на V x, xR тук има по-
малко значение, то в основата на тук описания метод на синтез се поставя
( )
клас на функции V x, xR , който се представя като особено удобен за
извеждането на уравненията на регулатора и лесно може да се провери
положителната му определеност. Освен това се говори и за общия клас на
квадратичните форми
V ( x, xR ) = ( x − xR ) .P.(x − xR ); P = PT ,
T
които също намират често приложение при анализа на нелинейните систе-

ми. Тук симетричната матрица на формата P е константа.
* Определителни критерии за квадратичните форми

Т рябва също да бъдат дадени подходящи критерии, с чиято помощ,
положителната (съответно отрицателната) определеност на квадратичните
форми, може да бъде доказана. От литературата са известни следните
твърдения:
Критерий на Силвестър за доказателство на положителната

(съответно отрицателната) определеност
T
Квадратичната форма X . A. X е точно тогава положително де-
финирана, и то в цялото пространство на състоянията, когато детерминан-
тите на главните откъси (части) (= “северозападни” поддeтерминанти) на
нейната симетрична матрица на формата A са положителни. Те са точно
тогава отрицателно определени в цялото пространство на състоянията,
когато всички детерминанти на главните откъси на нейната отрицателна
матрица на формата А са положителни.
Критерий за доказателство на положителната, съответно от-

рицателната полуопределеност
T
Квадратичната форма X . A. X е точно тогава положително по-
луопределена, и то в цялото пространство на състоянието, когато всички
главни минори на симетричната и матрицата на формата A са положител-
ни или равни на нула. Тя е точно тогава отрицателно полуопределена в
цялото пространство на състоянията, когато всички главни минори на
отрицателната и матрицата на формата А са по-големи или равни на нула.
Дефиниция:
Ако А е квадратна матрица (n×n), то детерминантата на всяка матрица-
част от A, образувана, когато са зачеркнати от A k стълба и съответно k
реда, като 0 ≤ k ≤ n-1, представлява един главен минор на матрицата A.
Забележки:
∗ Двата въведени критерия важат напълно и за квадра-
тичната “Псевдоформа” X T . A( x ). X , само с разликата, че
212
там определеността, съответно полуопределеността могат да
бъдат ограничени в определена област от пространството на
състоянията.
∗ Една матрица A, съответно A(x)ще бъде положително -
съответно отрицателно определена, когато построената с нея
квадратична форма X . A. X съответно X . A( x ). X е поло-
T T
жително, съответно отрицателно (полу) определена.

След като вече всички важни математически инструменти са на-
лице, могат да бъдат изведени уравненията за синтез.
* Извеждане на общата формула на регулатора с помощта на Moore-

Penrose псевдоинверсията
Изходна точка на метода се явява квадратичната форма
1
V ( x, x R ) = (x − xR )T P(x − xR ) ,
2
която може да се запише и така:
1 T
V ( x, xR ) = ∆x .P.∆x
2
с използване на съкратения запис ∆x = x − xR
Също така се предполага, че константната, симетрична матрица на
формата P е положително определена, обаче тя ще бъде временно неопре-
делена.
В конкретния приложен случай се представя за простота P като
диагонална матрица, най-напред с неопределени положителни диагонални
елементи. Факторът 1/2 се въвежда, тъй като води до опростяване в пос-
ледващите уравнения. За метода той няма значение.
Построява се диференциала по времето на функцията V x, xR , ( )
като вместо x& се записва дясната страна на диференциалното уравнение
на състоянието.Тогава се получава:
V& ( x, xR ) = ∆xT Px& = ∆xT P[a(x ) + B( x )u ]
съответно V& ( x, xR ) = ∆x P [a( x ) − B( x )r ( x, xR )] ,
T
когато вместо u се запише дясната част на закона за регулиране.

От този израз за V& ( x, xR ) обикновено се изисква да бъде равен на
( )
една функция - q x, xR , която да бъде отрицателно определена или най-
малко отрицателно полуопределена във възможно най-голяма околност на
състоянието на покой x= x R . Тогава трябва да се изпълни и условието
∆xT .P.a( x ) − ∆xT .P.B( x )r ( x, xR ) = − q( x, xR ) ,
213
при това матрицата P и скаларната функция − q( x, xR ) , трябва да
удовлетворяват споменатите изисквания за определеност.
Ако се намери регулатор r ( x, xR ) , който при положително определена
матрица P и отрицателно определена функция − q( x, xR ) , то тогава състо-
янието на покой xR на затворената през този регулатор система
x& = a( x ) − B( x ).r ( x, xR )
съгласно дадения по-напред критерий, е асимптотически устойчиво
(докато затворената система не притежава друга траектория освен
x = xR , по протежение на която функцията − q( x, xR ) е равна на
нула, е достатъчна според критерия вече отрицателната полуопре-
деленост на функцията − q( x, xR ) .
Допустимата област на състоянието на покой xR зависи решаващо
от избора на матрицата P и функцията − q ( x, xR ) .
Условието представлява скаларно спрямо r ( x, xR ) линейно уравне-
ние на търсените P компоненти rj ( x, xR ) , j = 1,...p на вектора на
регулатора r и притежава безкрайно много решения. С помощта на
дадената в частта - теорема на Penrose формула може да се предс-
тави в множеството на решенията в затворената форма:
[ ][ ] [[ ][
r (x, xR ) = ∆xT .P.B(x) ∆xT .P + a(x) + q( x, xR ) + ∆xT .P.B( x) . ∆xT .P.B(x) − Ip k
+ +
] ]
при това k представлява, който и да е p-мерен вектор стълб.
Тъй като въз основа на регулярността по редове на вектора ред
[∆x .P.B(x )] и симетричността на матрицата p важи:
T
[∆x T
] [ ] [[ ][
.P.B( x ) = ∆xT .P.B( x ) . ∆xT .P.B( x ) ∆xT .P.B ( x )
+ T
]]
T −1
=
B ( x ).P.∆x T
=
∆x .P.B( x ).B T ( x ).P.∆x
T
Множеството на решенията може да се запише във вида:
r ( x, x R ) =
[
BT (x ).P.∆x ∆xT .P.a(x ) + q( x, xR ) ]
+
∆xT .P.B( x ).BT (x ).P.∆x
 BT ( x ).P.∆x.∆xT .P.B( x ) 
+ T − Ip  k
 ∆x .P.B( x ).B ( x ). p.∆x
T

Съдържащото се в теоремата на Penrose условие за решение се из-
пълнява за всички x,за които векторът ред ∆xT .P.B( x ) е различен
от нулевия вектор 0 , като за ∆x .P.B( x ) ≠ 0 важи условието
T T T
214
[∆x .P.B(x )] [∆x .P.B(x )]
T T +
= 1.
За съжаление изведените регулатори притежават неприятното
свойство, че стават особени (единични) върху минаващата през състояние-
то на покой x= xR хиперповърхнина
(x − xR )T .P.B(x ).BT (x ).P.(x − xR ) = 0
и следователно са неизползваеми за практиката. Тази трудност може да се
преодолее, като се отиде на друга интерпретация на изискването. Затова се
ограничаваме, при общо поставената отрицателно (полу) определена фун-
кция − q( x, xR ) , върху по-специалния клас на отрицателно (полу)опреде-
лени скаларни продукти − ∆xT .q( x, xR ) . Тогава със сигурност е изпълне-
но:
P.a( x ) − P.B( x ).r ( x, xR ) = − q( x, xr )
Тъй като се предполага, че матрицата P е положително определе-
на, то според критерия на Силвестър детерминантата й е различна от нула.
Следователно е регулярна, и горното изискване може да бъде представено
във формата
B( x ).r ( x, xR ) = P −1.q( x, xR ) + a( x )
r ( x, xR ) уравнение, се със-
Това вече векторно, линейно спрямо
тои от n скаларни уравнения за търсените p компоненти rj ( x, xR ) на
r ( x, xR ) . Въпреки, че по всички правила p<n и следователно е налице една
преопределена система уравнения, има добри шансове да се намери реше-
( )
ние r ( x, xR ) , т. к. P и q x, xR могат да бъдат избрани свободно в опре-
делена степен.
Решението отново може да се даде в затворена форма с помощта
на теоремата на Penrose. Докато е изпълнено условието за решение
[B(x )B +
(x ) − In] [P −1.q(x, xR ) + a(x )] = 0 ,
решението е следното:
[
r( x, xR ) = B+ (x) P−1.q(x, xR ) + a( x) = 0]
При това, въз основа на предположената регулярност по стълбове
на B(x), за B + ( x ) е в сила:
[ ]
B + ( x ) = BT ( x ).B( x ) .BT ( x )
−1
n-p от общо n-те скаларни уравнения са зависими от останалите p линейно,

които от своя страна според r ( x, xR ) еднозначно могат да бъдат съкрате-
215
ни. Общата формула на регулатор, която събира в p-те компоненти на
функционалния вектор всички степени на свобода на модела (синтеза), е:
P −1.q( x, xR ) =: q~( x, xR )
следователно:
x& = a( x ) − B( x )B + ( x )[q~( x, xR ) + a( x )]
която се опростява до
x& = − q~( x, xR )
при изпълнено условие на Penrose
* Често срещан специален случай.

Често се предлага разцепване на вектора q~ (x, xR) в произведение-
~
то Q (x). ∆ x.Това е възможно винаги, когато определените след изпъл-
нението на условието на Penrose n-p компоненти q ~ (x,x ) могат да се
i R
представят във вид на скаларни произведения qi(x) . ∆ x. В този случай за

T
V& (x, xR)се получава квадратна спрямо ∆ x функция:

~
V& (x, xR)= - ∆ xT.P. Q (x). ∆ x = - ∆ xT.Q(x). ∆ x
~
и за определянето на останалите свободни параметри на синтез в Q (x)
могат да бъдат използвани въведените критерии за определеност на квад-
ратните форми, за да се осигури устойчивостта на затворената саморегу-
лираща се система.
Тогава диференциалното уравнение на затворения контур има специална
форма.
~
x& = - Q (x). ∆ x
или
~ ~
x& = - Q (x). x+ Q (x). xR
Пример: Модел на постояннотоково електрозадвижване ще бъде използ-

ван като обект на управление. Неговото описание в пространство на състо-
янието е нелинейно. Нелинейният му характер произлиза от това, че заед-
но с напрежението на котвата, като управляваща величина се използува
напрежението на възбуждане.
 x&1   − a1 x  b1 0 
 x& 2  =  − a 21 x − a 22 x1 x3 +  0 b 2. u1 
      u 2 
 x& 3  − a3 x1 x 2   0 0   
Чрез приравняване на нула на десните страни на системата при u1R
≠ 0 се получават следните, установени стойности:
216
-a1x1+b1u1 = 0
-a21x1-a22x1x3+b2u2 = 0
a3x1x2 =0
x1R =(b1/a1). u1R x3R =(a1b2/a22b1).(u2R/u1R)
x2R =0 MC =0
Ясно е, че единствено компонентите x1R и x3R на вектора xR могат
да играят ролята на управляващи величини в затворената система за регу-
лиране. Следователно те трябва да участвуват в синтезирания закон за
регулиране, при условие достигане на желани крайни стойности на въз-
буждащия ток x1 и скорост x3.
За изпълнение на условията на Penrose първо се изчисляват Moore
Penrose псевдоинверсията B+ на регулярната по стълбове входна матрица
В на системата, както и произведението BB+.
B+ = [BT.B]-1.BT
−1
 b1 0 
 b 0 0  0  b1 0 0 1 / b1 0 0
b 2  .
1
B+ =    =
0 b 2 0  0 b 2 0  0 1 / b 2 0

   0 0   
1 0 0
+
и от тук BB = 0 1
 0

0 0 0
В разглеждания случай простата форма на матрицата BB+ произ-
лиза от факта, че всяка от двете входни величини на постояннотоковата
машина влиза винаги само в едно диференциално уравнение на системата.
Следователно за постояннотоковото електрозадвижване :
0 0 0 
0 0 0  [ q~ (x, x )+a(x)] = 0
  R
0 0 −1
където:
q~ (x, xR)= P-1q(x,xR)
То се състои от три скаларни уравнения, от които първите две се
изпълняват за всички х. Следователно трябва да се погрижим само за това,
да важи
q~ 3(x,xR)+a3(x) = 0
съответно
q~ 3(x,xR)=-a3(x) = -a3x1x2
Компонентите q ~ (x,x )и q~ (x,x )са произволни. Те ще бъдат из-
1 R 2 R
ползувани за това - да бъде функцията
217
~q1.(x, xR) 
 q2.(x, xR) 
v& (x, xR)= - ∆ xT.q(x, xR)= - ∆ xT.P. q~ (x, xR)= - ∆ xT.P.  ~
 - a3x1x3 
във възможно най-голяма околност на установеното състояние xR отрица-
телно определена или отрицателно полуопределена.
Тъй като x2R =0, то функцията -a3x1x2 може да бъде представена и
във формата -a3x1 ∆ x2. Следователно така става възможно векторната фун-
~
кция q~ (x, xR) да се представи като продукта Q ( x) . ∆ x така, че отрица-
телната (полу) определеност на v& (x, xR) да може да бъде проверена с по-
мощта на представения по-рано критерий. Получаваме следователно спе-
циалната по отношение на ∆ x квадратна функция.
 q~11( x) q~12( x) q~13( x) 
v& (x, xR)= - ∆ xT.P. q~ 21( x) q~ 22( x) q~ 23( x) ∆ x
 0 − a 3 x1 0 
14444244443
~
Q ( x)
Сега трябва положително определената матрица P и още свобод-
~
ните елементи q~ ij(x)на матрицата Q ( x) така да бъдат определени, че
функцията v& (x, xR) да притежава исканата отрицателна (по-
лу)определеност. Преди да могат да бъдат приложени дадените вече кри-
терии, трябва най-напред да бъде направена симетризация на матрицата
~
Q(x)= P Q ( x ) , т. е. да бъдат изчислени тези симетрични матрици Qsym(x),
за които уравнението:
~
∆ xT.P. Q ( x) . ∆ x = ∆ xT.Qsym(x). ∆ x
е изпълнено за всяко x.
Представим ли за простота P като диагонална матрица с положи-
телни диагонални елементи p1,p2 и p3, то симетричната матрица Qsym(x) на
Q(x) е
~ ~T
Qsym(x)= 1/2.[ P. Q ( x ) + Q ( x) . P]=
 2 p1q~11 p1q~12 + p 2 q~ 21 p1q~13 
 ~12 + p 2q~ 21
=1/2 p1q 2 p 2q~ 22 p 2 q 23 − p3a 3 x1
~

 p1q~13 p 2 q~ 23 − p3a 3 x1 0 
Ако изберем например:
q~ 21(x)= -(p1/p2). q~ 12(x)
218
q~ 23(x)= (p3/p2). a3.x1
q~ 13(x)= 0,
то
 p1q~11( x) 0 0
 p 2 q 22( x) 0 . ∆ x =
~
v& (x, xR)= - ∆ xT.Qsym(x). ∆ x = - ∆ xT  0
 0 0 0
= -p1 q~ (x) ∆ x 2-p q~ (x) ∆ x 2
11 1 2 22 2
За произволни q ~ (x), q~ (x)≥ 0 в цялото пространство на състо-

11 22
янията е отрицателно полуопределена, което в случая може да се установи
веднага, и без прилагането на някой критерий.
Следователно резултиращия закон за регулиране може да бъде получен.
Поради:
~
P-1.q(x,xR)= q~ (x, xR)= Q ( x) . ∆ x,
получаваме
 
 
 q~11 q~12 0   − a1x1 
1/ b1 0 0  
u = − .− ( p1/ p2)q~12 q~22 ( p3 / p2)a3x1∆x +  − a21x2 − a22x1x3
10442 1/ b2 0 
443  0 − a3x1 0  − a3x1x2 
B + 1 4 4 4 4 4 4
4 2 4 444 4 443 1 4 4 4 2 4 443 
 ~ a ( x) 
 Q(x) 
или
~ (x) ∆ x + q~ (x) ∆ x -a x ]
u1 =-(1/b1).[ q 11 1 12 2 1 1
u2 =-(1/b2).[-(p1/p2) q ~ (x) ∆ x + q~ (x) ∆ x +(p /p )a x ∆ x -a x -a x x ]

12 1 22 2 3 2 3 1 3 21 2 22 1 3
Диференциалните уравнения на състоянието на затвореното с този
закон на регулиране постояннотоково електрозадвижване се определят.
x& 1 = - q~ 11(x) ∆ x1- q~ 12(x) ∆ x2
x& 2 =(p1/p2) q~ 12(x) ∆ x1- q~ 22(x) ∆ x2-(p3/p2)a3 x1 ∆ x3
x& 3 = a3 x1 ∆ x3
при което, както при избора на положителни параметри p1, p2 и
~ (x), q~ (x), така и при напълно произволно за-
p3,съответно функции q 11 22
219
дадена функция q ~ (x) стоят още възможности (има още степени на сво-
12
бода).
Тъй като v& (x, xR)е само отрицателно полуопределена, остава да се
провери още дали е изпълнено съдържащото се в изискване 2 на критерия
за устойчивост условие за траекторията.
За функцията v& (x, xR) по протежение на някоя траектория на ре-
гулираната система при положителни p1, p2, q ~ (x) и q~ (x) трябва да са
11 22
изпълнени
∆ x1 ≡ 0 ∆ x2 ≡ 0
и вследствие на това, също
x& 1 ≡ 0 x& 2 ≡ 0
При това приемане обаче, от второто диференциално уравнение на
затворената система следва , че за x1R ≠ 0,трябва също така да бъде изпъл-
нено ∆ x3 =0.
~ (x), q~ (x)> 0 освен началната траекто-
Следователно за p1, p2, q 11 22
рия x = xR няма друга следваща траектория , по протежение на която да
важи v& (x, xR)= 0.
Тъй като условията 1 и 2 на критерия за устойчивост за положи-
телни параметри p1,p2,p3, q ~ (x), q~ (x) са изпълнени в цялото пространст-
11 22
во на състоянията и чрез това е изпълнено, че при ∆x →+∞ е вярно v (x,

xR)→+∞, то допустимата област на произволно зададеното състояние на
покой xR =[x1R, 0,x3R]T обхваща цялото пространство на състоянието.
Най-накрая трябва да бъдат подходящо избрани параметрите
p1,p2,p3, както и функциите q~ (x), q~ (x)и q~ (x), за да се придаде на
11 22 12
регулираната система желано поведение при преход (движение) или за да
се постигнат други някои цели на синтеза.
Въпросните параметри и функции е възможно да бъдат определе-
ни чрез параметрична оптимизация.
Ако системата се обвърже с подходящ функционал за качество,
който да съдържа в себе си едновременно енергията на управлението и
точността ( грешките по съответните координати ), може да се очаква , че
търсените параметри (функции) получават своите оптимални стойности
при минимизирането на критерия.
Основен проблем на настоящата работа е минималната консума-
ция на енергия. Ето защо критерии за ефективност , които са удобни за
използване в тази връзка са
t
I1 = ∫ [a( ∆ x ) +b( ∆ x ) +c( ∆ x ) +d(u ) +e(u ) ]dt
0
1
2
2
2
3
2
1
2
2
2
220
t
I2 = ∫ [a( ∆ x ) +b( ∆ x ) +c( ∆ x ) +d x u
0
1
2
2
2
3
2
1 1 +e x 2u 2 ]dt
Първият критерий е комбинация от интегралните квадратични

грешки по координатите ( ∆ x = x-xR) и квадрата на управленията по двата
канала. Известно е от теорията на регулирането, че тези два елемента са
противоречиви и следователно винаги е възможно намиране на минимума.
Коефициентите a,b,c и d,e са диагоналните членове на диагоналните тег-
ловни матрици Q и R. От избора на тегловните коефициенти се определя
баланса между бързодействие и енергия.
Вторият критерий се различава от първия по съставките x1u1 и
x 2u 2 . Физическият смисъл на тези произведения е мощност (x1 ≡ iF ,u1 ≡
uF , x2 ≡ ia ,u2 ≡ ua), а интеграла по времето е енергията, подавана на входо-
вете на електрозадвижването.
Параметричната оптимизация се провеждаме със средствата на симулаци-
онни приложения. За целта се съставя модел на обекта (ДПТ с НВ) със
следните параметри:
UaH =600V;IaH =80A; (2,5.IaH =200A)
UВH =150V;IВH =5.4A
ωH =1000об/min = 104.7 rad/s
PH =48 kV;η = 87 %
RaH =0.05 Ω; La =0.003 H
RВH =RFN =25 Ω; LВH =LFN =0.063H
JПР =14.94 kg.m2 (1/JПР =0.066)
cLВ =cLF =1.054 Ω. s/rad;cLВ.IВH =cФH =5.6916 V.s/rad
MH ≈ 450 N.m
Тогава коефициентите в системната матрица a(x) са:
a1 =RF/LF =0.3969 Ω/H a21 = Ra/La =16.6667 Ω/H
a22 = cLF/La =351.3667 a3 =cLF/JПР =0.0703 Ω. s/(rad.kg.m2)
Елементите на входната матрица В добиват следните числени
стойности:
b1 =1/LF =0.0158 H-1 b2 =1/La =333,3333 H-1
Оптимизационната процедура се основава на нелинеен оптимиза-
ционен алгоритъм (Hooke-Jeeves). Този алгоритъм работи с променлива
стъпка и има три възможности за изход. Първата е след прехвърляне на
зададения брой итерации, втората възможност е по зададена грешка (раз-
221
ликата между две съседни стойности на итерационната стъпка да е по мал-
ка от въведената грешка) и потребителско прекъсване. Предвидена е въз-
можност за скалиране (нормиране) на стъпките (нарастъците по отделните
параметри), което подобрява значително сумарната скорост на сходимост.
За съжаление това удобство е трудно да бъде използвано, т. к. обикновено
не се разполага с предварителна информация за приблизителният порядък
~ (x), q~ (x), q~ (x)). Поради това
на търсените параметри (p1, p2,p3, q 11 22 12
програмата за оптимизация използва като начални стойности на парамет-
рите тези, въведени в симулационния модел. Същите бяха намерени чрез
продължителна процедура “проби - грешки”.
Налага се да отбележим голямата чувствителност на алгоритъма към про-
мяна на времето на симулация и на интеграционния интервал, както и към
размера на първоначалната стъпка на нарастване на параметрите.
* Изследване на устойчивостта на затворената чрез синтезираните

нелинейни регулатори многомерна ЕМС
Несмутеното движение на ЕМС може да бъде изразено посредст-
вом определено частно решение на системата диференциални уравнения.
То може да бъде сравнявано с всички останали движения, които се полу-
чават при изменение на началните условия, респективно при прилагането
на смущаващите въздействия. Всяко друго възможно движение в система-
та, което се сравнява с несмутеното движение при изследване на устойчи-
востта, се нарича смутено. В действителност определено смутено движе-
ние може да се разглежда като получено от несмутеното посредством при-
лагане в началния момент на кратковременно външно смущение (в резул-
тат на това следва мигновено изменение на началните условия). От теори-
ята на нелинейните САР е известно, че на несмутеното движение съответ-
ства нулевото решение на системата диференциални уравнения, описваща
смутеното движение. По този начин изследването на устойчивостта на
несмутеното движение от математическа гледна точка се свежда към изс-
ледването на устойчивостта на нулевото решение на системата уравнения ,
описващи смутеното движение. Трябва да се отбележи, че в най - важните
практически случаи задачите при постоянно действащи смущения се
свеждат до изследване на устойчивостта в смисъл на Ляпунов. В теорията
е доказано, че в повечето случаи асимптотическата устойчивост на движе-
нието ∆x(t) се явява достатъчно условие за неговата устойчивост при пос-
тоянно действащи смущения.
Поради обстоятелството, че интегрирането на нелинейните дифе-
ренциални уравнения е свързано с трудности, при изследване на устойчи-
востта на нелинейни системи се използват специални методи. Точното
интегриране на нелинейните диференциални уравнения и представянето
на решението във вид на крайна комбинация от елементарни функции
обикновено е невъзможно. Би могло да се получи приближено решение
във вид на редове или да се използват начините за апроксимация на нели-
222
нейни функции и след това да се извърши приближено интегриране. Начи-
ните за изследване устойчивостта на движението са две групи. Към първа-
та група се отнасят тези, ползващи общото или частното решение на дифе-
ренциалните уравнения, които описват системата. Съвкупността от такива
средства Ляпунов е нарекъл първи метод. Втората група средства, базира-
щи се на принципи, които не използват намирането на решенията на сму-
теното движение са известни като втори метод или още пряк метод на
Ляпунов. Теоремата на Ляпунов под наименованието “критерий за асимп-
тотическа устойчивост на величините” е залегнала в основата на синтеза
на регулатора, като целта бе затворената система да притежава устойчи-
вост на смутеното движение. Функцията на Ляпунов и проблемите, свър-
зани с нейното избиране, вече бяха коментирани в частта “избор на функ-
цията на Ляпунов”. В следващите редове представяме само тези фрагменти
на синтеза, които доказват устойчивостта.
а) Квадратична форма V(x,xR)= 1/2.(x-xR)T.P.(x-xR) избираме за
функция на Ляпунов. Тя е положителна, т. к. съответната и симетрична
матрица на формата Р е положително определена. Матрицата Р е диаго-
нална (допуснато за простота при синтеза), с размер 3х3.Елементите й
р1,р2 и р3 са положителни.
б) Пълната производна на функцията на Ляпунов след редица пре-
образувания добива вида:
v& (x, xR) = -p1 q~ 11(x) ∆ x12-p2 q~ 22(x) ∆ x22
Откъдето следва, че при произволни q ~ (x), q~ (x) ≥ 0 в цялото простран-
11 22
ство на състоянията тя е отрицателно полуопределена.
в) За да бъде изпълнено изискването v& (x, xR) = 0 само за x=xR, се
налага още ограничението:
q~ 11(x), q~ 22(x) > 0
г) Допустимата област на произволно зададеното състояние на по-
кой обхваща цялото пространство състоянията.
Посочените ограничения на параметри и функции, а именно:
~ (x), q~ (x)> 0, q~ (x)- произволно са отчетени при парамет-
p1,p2,p3, q 11 22 12
ричната оптимизация на регулатора. Тяхното неспазване ще направи сис-
темата неустойчива, а следователно и неработоспособна. Физическият
смисъл, който притежава едно евентуално нарушение, се изразява в обръ-
щането на знака на съответната обратна връзка по комплексна координата.
223
*Моделиране на синтезирания с помощта на Мoore-Penros - псевдоин-
версия - регулатор
x1 x1x3
ib a22
x2
ia a21
x3
ω
a1
(− (+)
x1R u1(ub)
)
∆ x1 q~ 11
(+)
ibзад
(−
(+) ∑ ∑ 1/b1
x2R ) (+)
∆ x2
iaзад
(+) ∑ q~ 12
(−
)
x3R ∆ x3
ωзад
(+) ∑ ~ 12
p1/p2 q
(−) u2 (ua)
(+)
q~ 22 ∑ ∑ 1/b2
(+)
p3/p2.a3
ib(x1)
Всички сигнали и параметри на ДПТ с НВ, заложени в модела, са

в абсолютни (реални) величини. Този подход е удобен, така се дава въз-
можност за непосредствено сравнение и не се губи физикалната страна на
процесите. В резултат са получени преходните процеси при пускане на
празен ход и под товар, пускане на празен ход и под товар с преход от
възбудителен ток 3A (за t = 0) на 5А. Анализът на симулационните резул-
тати налагат следните изводи:
1. Параметрите в регулатора са оптимални, т. е. довеждат до ми-
нимизиране на функционала, за конкретно зададен преход във фазовото
пространство (ia, iF,ω). Друг преход се характеризира с друг набор от оп-
тимални стойности. Намирането за изопараметрични повърхнини във фа-
зовото пространство, т. е. повърхнини, характеризиращи се еднакви (приб-
лизително еднакви) оптимални стойности на параметрите, ще облекчи
много практическата реализация.
2. Освен минимизиране на консумацията на разглежданите ЕМС,
чрез предлаганите регулиращи контури се постига и плавен характер на
изменение на входното котвено напрежение, което от една страна ограни-
чава тока ia, а от друга може да служи за ограничаване на динамичните
натоварвания в задвижването и плавен пуск.
224
3. Най - трудната задача е да се определят подходящи теглови ко-
ефициенти в интегралният функционал (критерий за оптимизация). Далеч
сме от мисълта, че предложените и използваните от нас коефициенти
a,b,c,d и e са най добрите. Анализът на резултатите от симулациите показ-
ва, че намаляването на коефициентите d и e от 0.01 на 0.005 (т. е. два пъти)
довежда до увеличаване на консумираната мощност от системата за също-
то време.
5.12 Оптимално векторно управление с адаптивен модел на

обекта (Model reference adaptive system - MRAS)
Адаптивното управление се очертава като потенциално решение
за изграждането на високо технологични управляващи системи при елект-
розадвижванията на сградни подсистеми, особено в случаите когато дина-
мичните характеристики на съоръжението са неизвестни, или имат големи
и непредсказуеми колебания.
Управлението с адаптивен модел на обекта постига робастност и
високи резултати, поради наличието на еталонен модел, който определя
точно желаните характеристики. Адаптивната схема използва статорните
напрежения и токове, за да сравнява изхода на еталонния модел с изхода
на адаптивния модел. След това скоростта на ротора се изчислява на базата
на разликата между тези променливи. Главната блокова схема за този ме-
тод е показана на фигура 5.41
vdqs Еталонен x +
i dqs модел
-
Адаптивен x̂
модел
ω̂ r Адаптивен
механизъм
Фигура 5.41 Адаптивно векторно управление
Уравнението на статорното напрежение υ dss в d s − q s статор-

на координатна система, може да бъде представено по следния начин:
225
d s d
υ dss = idss Rs + Lls (ids ) + (ψ dm
s
) (5.28)
dt dt
Компонентата d на роторното потокосцепление може да се изрази чрез:
Lr s
ψ drs = ψ dm − Llr idss (5.29)
Lm
това е
Lm s
ψ dm
s
= ψ dr + Llr idss (5.30)
Lr
където s и r се отнасят съответно към статора и ротора, а m е намагнитва-
щата компонента.
Замествайки ψ dm в уравнението за υdss , се получава:
s
Lm d (ψ dts )
υ =
s
ds + ( Rs + σLs s )idss (5.31)
Lr dt
d (ψ drs ) Lr s Lr
= υ ds − ( Rs + σLs s)idss (5.32)
dt Lm Lm
където
L2m
σ = 1−
Lr Ls
По подобен начин ψ qr може да се изрази по следния начин:
s
d (ψ qrs ) Lr s Lr
= υ qs − ( Rs + σLs s)iqss (5.33)
dt Lm Lm
Двете уравнения (1.64) и (1.65), образуват еталонния модел. Мо-
делът пресмята роторното потокосцепление чрез статорното напрежение и
статорния ток. Уравненията на роторната верига в d s − q s координатна
система могат да се запишат като:
d (ψ drs )
+ Rr idrs + ωrψ qrs = 0 (5.34)
dt
226
d (ψ qrs )
+ Rr iqrs − ωrψ drs = 0 (5.35)
dt
s
Прибавяме ( Lm Rr / Lr )ids и ( Lm Rr / Lr )iqss от двете страни
на горните уравнения и заместваме:
ψ drs = Lmidss + Lr idrs (5.36)
ψ qrs = Lmiqss + Lr iqrs (5.37)
d (ψ drs ) Lm s 1
= ids − ωrψ qrs − ψ dts (5.38)
dt Tr Tr
d (ψ qrs ) Lm s 1
= iqs + ωrψ dts − ψ qrs (5.39)
dt Tr Tr
където Tr = Lr / Rr е времеконстантата на роторната верига.
Окончателно, адаптивният модел може да се представи по следния

начин:
 − 1 − ωr 
ψ& drs   ψ drs  Lm  idss 

 s  =  Tr − 1  s  +  s 
ψ& qr  ω  ψ T
(5.40)
   iqs 
 r Tr   
qr r
Горните уравнения изразяват роторните потокосцепления като

функции на статорните токове и скоростта на ротора. Затова, ако знаем
скоростта и статорния ток, може да се изчислят роторните потокосцепле-
ния. Тези уравнения са дефинирани като токов модел за пресмятане на
поток или адаптивен модел, който е формулиран за пръв път от Blaschke,
наречени уравнения на Blaschke.
Моделът, който не изчислява скоростта на ротора ω r се счита за
еталонен модел, а моделът, който включва изчисляване на скоростта на
ротора се счита за регулируем модел. Ако са известни стойностите на
всички параметри и роторната скорост, тогава изходите и на двата модела
(еталонния и регулируемия), трябва да са равни. Това е ψ drs = ψˆ drs и
ψ qrs = ψˆ qrs . Където ψˆ drs и ψˆ qrs са потоците на адаптивния или регули-

руемия модел. При наличието на разлика между скоростите на двигателя и
227
регулируемия модел, автоматично ще се калкулира грешка между изходи-
те на двете анализиращи устройства. Това е грешката между еталонното
роторно потокосцепление и изчисленото роторно потокосцепление, която
ще се използва за регулиране на скоростта на адаптивния модел. Натруп-
ването на грешката, получена при изчисленията на двата модела, се изпол-
зва да управлява подходящ адаптивен механизъм, който генерира изчисле-
ната скорост на ротора, ω r за регулируемия модел. Грешката е подадена
като обратна връзка на PI регулатор, използван в адаптивния алгоритъм за
настройка на скоростта ω r , така че грешката ε = 0 . Адаптивният мо-
дел се регулира докато се постигнат задоволителни резултати. Скоростния
адаптивен алгоритъм оказва влияние върху устойчивостта и динамиката на
затворения MRAS - управление с адаптивен модел на обекта. Точността
зависи от вариациите на машинните параметри, особено от промените на
роторното съпротивление, вследствие промяна на температурата.
Формулата за изчисляване на скоростта се получава от критерия
на Попов за абсолютна устойчивост:
K1
ωˆ r = ξ ( K p + ) (5.41)
s
където
ξ = X − Y = ψˆ drs ψ qrs − ψ drs ψˆ qrs (5.42)
Величината ξ ще стане 0 когато ψ dr

s
= ψˆ drs и ψ qrs = ψˆ qrs .
Скоростта, изчислена чрез MRAS, се подава като обратна връзка
към регулатор на скорост, където се сравнява със зададената скорост за да
се получи управляващия изход към автономен инвертор на напрежение.
Симулация в среда Matlab/Simulink при вариране на параметрите

на обекта
На фигура 5.42 е представена блоковата схема на изпитваната в
средата “Matlab” система. MRAS управлението се състои от адаптивен
модел, еталонен модел и PI регулатор.
228
Асинхронен Еталонен модел
мотор
PI регулатор
Адаптивен модел
Фигура 5.42 Модел на системата
На фигура 5.43 е представен еталонния модел.
подсистема 1
Фигура 5.43 Еталонен модел
229
На фигура 5.44 е представена подсистема 1
Фигура 5.44 Подсистема 1
На фигура 5.46 е представен адаптивният модел.
Фигура 5.46 Адаптивен модел
230
На фигура 5.47 е представена подсистема 3.
На фигура 5.49 е представен PI – регулаторът
Фигура 5.49 ПИ регулатор в системата за управление
231
Асинхронният двигател е представен чрез блоковата схема на фигура 5.50.
Фигура 5.50 Модел на асинхронния двигател
В резултат на симулацията се получават следните резултати:

Rs = Rs еталонно
Rr = Rr еталонно
Потокосцепление
ψ rd
t,sec
232
ψ rq
t,sec
Rs = Rs + 20%Rs
Rr = Rr еталонно
ψ rd
t,sec
t,s
233
ψ rq
t,sec
Rs = Rs еталонно
Rr = Rr + 20%Rr
ψ rd
t,sec
234
ψ rq
t,sec
Rs = Rs + 20%Rs
Rr = Rr + 20%Rr
ψ rd
t,sec
235
ψ rq
t,sec
Предимствата на безсензорните по скорост асинхронни задвижва-

ния са повишена надеждност (няма възможност да се повреди тахогенера-
тора), по-ниска цена, по-малки размери на системата за електрозадвижване
и липса на кабел за сензора. Все пак, има някои ограничения на методите
за изчисляване на скоростта при безсензорното управление. Методите за
изчисляване на скоростта и роторното потокосцепление дават значителни
грешки, водещи до влошаване на статичните и динамични показатели на
задвижването. Влошаването се дължи основно на загубата на магнитната
връзка между статора и ротора, а оттам и на наблюдаемостта на обекта. С
приближаване на скоростта до нула, грешката започва да става все по-
доминираща. Поради чистото интегриране на сигналите на напрежението,
нараства изчислителната грешка и еталонния модел на адаптивна система
става трудно реализуем. В този случай се предпочита използване на нис-
кочестотен филтър. Нестационарността на параметрите на обекта: статор-
но съпротивление, роторно съпротивление, както и намагнитваща индук-
тивност, водят до грешки в оценяваните величини, преобладаващи при
ниски скорости и при натоварване.
5.13 Оптимално векторно управление с адаптивен контрол на

скоростта
Схемата за управление, дадена на фиг. 5.51 включва 4 управлява-
щи контура: за тока в статора, за въртящия момент и скоростта на вала, за
адаптация по скорост. Целта на адаптацията е постигане на оптимална
настройка на регулатора по скорост. Несъответствието с еталонния модел
се отразява в грешката, която трябва да клони към 0.
236
Фигура 5.51 Структурна схема на затворената система
Асинхронната машина е представена като две подсистеми - елект-

рическа и механична. Двете подсистеми са свързани с магнитното поле,
разпределено във въздушната междина и в магнитопроводите на машина-
та. Неговата структура се определя от пространственото разположение на
активните части на намотките и от електромеханичните процеси, свързани
с тях. Състоянието x на свързващото поле е функция на токовете в стато-
ра iabcs и ротора iabcr , както и на ъгъла на завъртане на ротора θ r .
 iabcs   ias   iar 
     
x =  iabcr  iabcs =  ibs  iabcr =  ibr 
θ  i  i 
 r   cs   cr 
Полето въздейства върху средата, създавайки електродвижещи
напрежения и механични сили. Това се определя от две функции на състо-
янието – магнитен поток, обхващащ намотките Φ( x) и енергия на свърз-
ващото поле W f ( x) . Токовете в намотките създават поле на магнитния
интензитет H (t , r ) ( r ∈ R 3 ). В зависимост от магнитните свойства на среда-
та се поражда поле на магнитната индукция B(t, r ) . Поради симетрията в
машината и малките размери на въздушната междина функцията на разп-
ределение на магнитната индукция се задава чрез един параметър α (ъгъл).
Интегрална характеристика на интензитета на свързващото поле е магни-
товъзбудителното напрежение (мвн),
F (t , α ) = ∫ H (t , s)ds
G
чието пространствено разпределение зависи от пространствен и времеви

аргументи. Магнитният поток е интегрална величина която се определя с
повърхностен интеграл от магнитната индукция, т.е.
α2
Φ z (t ) = ∫∫ B(t , r ( s ))ds = K z ∫ F (t , α )d α
S α1
Повърхнината, върху която се интегрира, обхваща частта от въз-

душната междина, разположена между двете активни страни на намотката
на една фаза. Връзката между магнитния поток и тока може да бъде линеа-
ризирана, в резултат на което се получават следните зависимости.
237
 Φ abcs   Ls Lsr (θ r )  iabcs 
 = T  
 Φ abcr   Lsr (θ r ) Lr  iabcr 
Потокът за намотката се определя от собствената индуктивност на
разсейване, от взаимната индуктивност между статорните или роторни
намотки и от взаимната индуктивност между статора и ротора Lsr (θ r ) .
Последната зависи от взаимното разположение в пространството на ста-
торните и роторните намотки и следователно - от ъгъла на завъртане на
ротора θ r .
Енергията на свързващото поле W f ( x ) е резултат от енергийния
обмен с електрическата и механичната подсистеми.
W f ( x) = We (iabcs , iabcr ) + Wm (θ r )
След определяне на диференциала на енергията и заместване с из-
раза за магнитния поток се получава израз за въртящия момент, зависещ от
моментните стойности на токовете в намотките и от производната на вза-
имната индуктивност между статора и ротора.
∂
Te = iabcsT
( LTsr (θ ))iabcr
∂θ
Електрическите процеси в статорната и роторната намотки се
описват с уравненията:
 d
U abcs = Rs iabcs + dt Φ abcs

 0=Ri + d Φ
 r abcr
dt
abcr
Всеки от трифазните сигнали се представя с функция

sabc : T → R 3 , т.е. за всеки момент от времето е фиксиран вектор
sabc (t ) ∈ R 3 . Известно е, че елементите на векторното пространство могат
да се представят в произволен базис, формиран от линейно независими
вектори v1 , v2 , v3 ∈ R 3 . Матрицата за преход от новия базис в стария
K s = ( v1 v2 v3 ) е удобно да бъде представена по следния начин:
sabc = K s (α ) sqd0
 cos(α ) sin(α ) 1
 
K s (α ) =  cos(α − 2π / 3) sin(α − 2π / 3) 1
 cos(α + 2π / 3) sin(α + 2π / 3) 1
 
Ходографът на сигнала sabc , когато отделните му съставки са
синусоиди, дефазирани на по 120 градуса, е окръжност, разположена в
равнина с нормален вектор (1,1,1). Това множество от трансформации
238
позволява чрез промяна на параметъра α във времето да сигналът sabc да
бъде представен като постоянен, т.е. sqd0 = const . Всеки трифазен сигнал е
еднозначно дефиниран с представянето си в подвижната КС (координатна
система) и от траекторията на движение в множеството от КС –
( sqd0 (t ), α (t )) → sabc (t ) . С прехода към подвижна КС се променят и урав-
ненията на динамиката на асинхронната машина. Трябва да се има пред-
вид, че производната по времето ще бъде върху израз, който е произведе-
ние от функции на времето, и това ще доведе до поява на допълнителен
член, който зависи от скоростта на въртене на КС. В тези зависимости
всички величини са приведени електрически към статора.
 d  0 ω
uqd 0 s = Rs iqd 0 s + Φ qd 0 s +   Φ qd 0 s
 dt  −ω 0 

0 = R i d  0 ω − ωr 
 r qd 0 r + Φ qd 0 r +  Φ
 dt  −(ω − ωr ) 0  qd 0 r
При използване на такова множество от базисни вектори линейни-
ят оператор между токовете и магнитните потоци не зависи от ъгъл на
завъртане на ротора на машината. Въртящият момент е пропорционален на
векторното произведение на статорния ток и роторния магнитен поток,
представени в подвижна КС [1].
T  0 1
Te = K m iqds   Φ qdr
 −1 0
Въртящият момент е абсолютна величина, в смисъл че стойността
му не зависи от КС, която се използва за представяне на тока и магнитния
поток. Подходът за векторно управление на асинхронна машина позволява
директно управление на въртящия момент с висока динамика. Това е необ-
ходимо при синтез на следящи системи с висока точност. Схемата за век-
торно управление предполага използване на силов преобразувател, който
работи като управляем източник на ток. Тогава двигателя се управлява
чрез q и d съставките на статорния ток и ъгъла на завъртане α на КС:
u = ( iqs idsα )
Системата за векторно управление преобразува заданието за вър-
тящ момент в управляващо въздействие u = FV (Te , ref ) . Ъгълът на ротация
на КС α се избира така, че да осигури Φ qr = 0 , Φ dr = Φ r ≠ 0 . Това се
постига когато КС се движи със скоростта на мвн във въздушната междина
(синхронната скорост), т.е. dα / dt = ωe . Определянето на стойността на
роторния поток не може да стане директно, тъй като той зависи от токове-
те в ротора, които не се измерват. Когато Φ qr = 0 , уравнението за динами-
ката на роторната намотка се опростява по следния начин.
239
0 = rr iqr + ωsl Φ r
  dα Lm
d  dt = ωr + Φ T iqs
0 = rr idr + Φ r 
 dt ⇔ 
r r
0 = Lr iqr + Lm iqs Φ = L m
i
  r Tr p + 1 ds
Φ r = Lr idr + Lm ids
Te = K m iqs Φ dr
За да се осъществи режим на работа, при който q съставката на ро-
торния поток е 0, трябва подвижната КС да се движи със скорост, зависе-
ща от q съставката на статорния ток. Когато тя расте, скоростта на КС
също расте. Когато е 0, КС се движи със скоростта на ротора, която в слу-
чая съвпада със скоростта на мвн във въздушната междина. Въртящият
момент е свързан с наличието на хлъзгане, което налага КС да се движи с
по-висока скорост от тази на ротора. Чрез d съставката на статорния ток се
управлява магнитния поток. Когато КС се движи със скоростта на мвн във
въздушната междина, асинхронната машина има следния модел (фиг.
5.52).
Фигура 5.52 Управление на момента в DQs КС
Въртящият момент е възможно да бъде управляван чрез магнит-

ния поток и чрез q съставката на статорния ток. Тъй като времеконстантата
Tr е сравнително голяма, управлението на момента чрез потока не позво-
лява голямо бързодействие. За да не се проявява действието на тази време-
константа, тя трябва да бъде компенсирана чрез форсиращо звено (което е
свързано с по-голяма енергия за управление) или d съставката на статор-
ния ток да е константа ( ids = const ). В Simulink за модела на машината е
използван блок от SimPowerSystems Blockset, без отчитане на насищането
в намагнитващата индуктивност. Силовият преобразувател е моделиран
като управляем източник на ток. Това е постигнато като са използвани
управляеми източници на напрежение, обхванати с обратна връзка. За
реализацията на трансформацията на координатите са използвани блокове
Embedded MATLAB Function. В тях се извършва умножението с матрицата
за смяна на базиса, която се изчислява в зависимост от ъгъла на завъртане.
Адаптивното управление може да се представи като процес на
решаване на оптимизационна задача в реално време. Разглеждаме система
с параметри β . Формира се грешката между реакцията на дадена еталонна
система и настройваемата система. Грешката определя стойността на фун-
240
кционала за качество, който характеризира текущите избрани параметри.
Алгоритъмът за адаптация трябва да осигури движение в пространството
на параметрите, чрез което да се достигне минимум на функционала за
качество.
Съществува следната особеност при решаване на задачата за на-
пасване към еталонен модел в реално време. Изборът на стойност на пара-
метрите в даден момент от време не определя еднозначно стойността на
грешката. Тази стойност зависи от състоянието на настройваемата система
в предходния момент, което може да е произволно. Това означава, че
стойността на грешката може да бъде една от множество стойности. Тога-
ва грешката може да бъде приета за случайна величина, т.е. като функция
на базово множество от елементарни събития (в случая това е множество-
то от състояния в предходния момент). Тогава и функционалът за качество
Q(e, β ) е случайна величина. Обикновено
Q(e, β ) = 0.5e2 ( β )
За да се достигне до локален минимум на функционала, трябва
движението да бъде в посока, обратна на градиента на функционала
J = M e (Q(e, β )) . Тъй като в даден момент от време е налична само една
стойност на грешката, изчисляването на параметрите в следващия момент
се извършва според като:
β k +1 = β k + γ∇Q(e, β k )
β k +1 = βk + γ∇β (0.5e2 (β k )) = β k + γ e∇ β e( βk )
За разглежданата асинхронна машина регулаторът по скорост оце-
нява заданието и текущата скорост на ротора на машината и управлява
въртящият момент така, че да гарантира съответствие с еталонния модел за
скоростта. Регулаторът има следния вид:
Te (t ) = K r r (t ) + K f ωr (t )
Параметрите на затворената система са β = ( K r K f )T . Еталонният
модел включва модел на движението на ротора, обхванат с обратна връзка
и ПИ регулатор.
Фигура 5.53 Еталонен модел за адаптивния регулатор
Градиентът на грешката по отношение на параметрите представ-

лява вектор, компоненти на който характеризират чувствителността на
241
грешката по съответните направления. Когато се изменя параметърът K r в
дадено направление (нарастване например), въртящият момент се увели-
чава пропорционално на текущата стойност на заданието, което води до
увеличаване на скоростта и предизвиква изменение на грешката. При по-
голяма стойност на заданието, по-бързо се изменя въртящия момент и
грешката. Следователно чувствителността на грешката по отношение на
K r се определя от стойността на заданието. Увеличаването на параметъра
K f води до пропорционално на скоростта на ротора изменение във въртя-
щия момент и грешката. Чувствителността на грешката по отношение на
K f се определя от стойността на скоростта на ротора. Градиентът на
грешката по отношение на параметрите е
∇ β e( β k ) = (r ωr )T
Чрез параметъра γ се избира скоростта на движение в пространс-
твото на параметрите. Големи стойности означават по-бърза сходимост, но
могат да доведат до неустойчивост, ако алгоритъмът за адаптация не га-
рантира глобално такава. На фиг. 5.59 е показана Simulink схемата на
адаптивния регулатор по скорост, който е свързан със схемата за векторно
управление на асинхронния двигател. Избрана е чрез последователност от
симулации стойност на коефициента на сходимост γ = 50 . Промяната
около тази стойност в граници 80%-100% не води до значителни промени
в преходните процеси. На фиг. 5.54 е показана формата на задаващия сиг-
нал, преминал (филтриран) през еталонният модел. Той е съставен от две
стъпаловидни задания, последвани от линейно нарастващо задание. Дейст-
вието на адаптивния регулатор е сравнено с действието на стандартен PI
регулатор – същият, използван в еталонния модел. Той е настройван с
оглед затворената система да няма пререгулиране и да притежава доста-
тъчно бързодействие.
Проведени са съответни симулации при номинални стойности на
активното съпротивление на ротора и при неговото увеличаване с 20 %.
Такъв диапазон на изменение е типичен при продължително натоварване
на машината. На следващите фигури са показани получените резултати с
двигател: мощност 1.7 MW, съпротивление на статора 0.029 Ω , приведено
роторно съпротивление 0.022 Ω , приведена собствена индуктивност на
разсейване на ротора 599.5 µ H , взаимна индуктивност между статора и
ротора: 34.6 mH .
242
Фигура 5.54 Скорост (зададена и действителна)
Фигура 5.55 Статорни токове в подвижна КС
Фигура 5.56 Роторен поток в подвижна КС
243
Фигура 5.57 Параметри на адаптивния регулатор
Фигура 5.58 Ток във фаза A
Фигура 5.59 Адаптивен регулатор на скорост
244
Фигура 5.60 Грешка между изхода на модела и обекта
Фигура 5.61 Грешка между изхода на модела и обекта при 20% увеличение на роторното
съпротивление
Фигура 5.62: Роторен поток при 20% увеличение на роторното съпротивление
Адаптивният регулатор гарантира точно следене на заданието по

скорост. При достигане на оптималните стойности параметрите на регула-
тора остават постоянни. Те приемат стойности с различен знак, което оз-
начава, че управляващото въздействие (въртящ момент) е пропорционално
на грешката между задание и изход. Първоначално се подава задание за
245
магнитния поток в ротора и се изчаква определен период от време, за да
достигне потокът установената си стойност.
Регулатор ∑e
k
2
(k )
Адаптивен 3.9175
ПИ 328.1389
Адаптивен, смущение в Rr 3.5799
ПИ, смущение в Rr 328.4266
От показаните в горната таблица резултати се вижда, че промяната

на активното съпротивление в ротора не води до влошаване на преходните
процеси, независимо дали се използва адаптивен регулатор или стандартен
ПИ регулатор. Използването на адаптивен регулатор подобрява значител-
но динамичната точност на затворената система. Това се вижда от резулта-
тите за интегралната стойност на грешката.
5.14 Енергоспестяващо управление на асинхронни електрозад-

вижвания в автоматизирани сградни системи
Докато в разгледаните системи в предишните подглави 5.11, 5.12 и
5.13 се постига енергоикономично управление чрез оптимизация на проце-
сите на регулирането, а от там - чрез намаляване загубите на енергия,
следващите разглеждания се отнасят до управление на асинхронни сград-
ни електрозадвижвания, при синтез на регулатори, минимизиращи директ-
но минимизиращи консумацията.
В системите за сградна автоматизация широко приложение нами-
рат асинхронни електрозадвижвания, изискващи добра динамика и ниски
пулсации на електромагнитния момент при широк диапазон на изменение
на скоростта. Това се налага поради факта, че е налице твърде честа смяна
между установени и преходни режими – главно в системите за вентилация,
при управление в широк диапазон на скоростите на вентилационните агре-
гати и помпите. Поради значителната нелинейност и нестационарност на
протичащите електромагнитни процеси при релейните управляващи въз-
действия, които масово се ползват в сградната автоматизация не е възмож-
но за всички режими на работа да се използва един и същ алгоритъм за
пряко управление на въртящия момент (DTC), една и съща структура или
една и съща стратегия за модулацията.
Възможно решение в зависимост от работната точка на двигателя
и/или неговото състояние (т.е. преходно или състояние на покой), както и
във функция от желаните криви на поддържане на климатичните и енер-
гийни параметри, е да се превключват в реално време различни алгоритми
за управление – основен и модифициран. Подходящо е използването на
алгоритми за управление от хлъзгащ вид поради тяхната способност за
246
облекчено превключване в зависимост от големината на грешката на регу-
лируемата величина.
Пряко управление на въртящия момент, характерно за агрегати с
вентилаторен съпротивителен момент (помпи, вентилатори и др.) се реали-
зира чрез управление на амплитудата на вектора на статорния магнитен
поток и на електромагнитния въртящ момент. Описанието на тази система
в полярни координати се базира на описанието на амплитудата (модула) и
аргумента на променливите. С индекс “s” са означени статорните промен-
ливи, с индекс “r” - роторните променливи.
 xsa   xra 
 xsα  T   x rα  T 
 x  = T32  xsb  ;  x  = P(− pθ )T32  xrb  (5.43)
 sβ   xsc   rβ   xrc 
 
 1 0 
2 1 1   cos ξ − sin ξ 
T32 = − 3 P(ξ ) = 
3 2 2   sin ξ cos ξ 
− 1 1 
3
 2 2 
φsα  isα  irα 

φ  = Ls i  + M sr i  (за статора) (5.44a)
 sβ   sβ   rβ 
φrα  isα  irα 

φ  = M sr i  + Lr i  (за ротора) (5.44б)
 rβ   sβ   rβ 
където Ls, Lr и Msr са респективно коефициентите на самоиндукция и
взаимна индукция.
Lr M sr2 M sr
Tr = ; σ = 1 − ; ∆ = Ls Lr − M sr2 и m= (5.45)
Rr Ls Lr Ls
usα  isα  d φsα 
u  = Rs i  + φ  (за статора) (5.46a)
 sβ   sβ  dt  sβ 
247
0  irα  d φrα  φrα 
0  = R   +   − pΩJ φ  (за ротора) (5.46б)
irβ  dt φrβ 
r
   rβ 
φsα
T = p isα isβ J (5.47)
φsβ
π   0 − 1
J = P  = 
2 1 0 
Полярният модел се базира на векторната диаграма, представена
във Фигура 5.63. Променливите са дадени във фиксирана статорна коор-
динатна система.
Статорният и роторен магнитни потоци са:
φ sα cos θ s  1
= φs   = φs P(θ s )   (5.48а)
φ sβ  sin θ s  0 
φrα cosθ r  1
= φr   = φr P(θ r )   (5.48б)
φrβ  sin θ r  0 
βs
ψs
Vin
ψr
γ Is
θin ротор
θs
αs θr
θ статор
α
Фигура 5.63 Векторно представяне
isα cos α s 1
= Is = I s P(α s )
isβ sin α s 0
irα cos α r 1
= Is = I r P(α r ) (5.49)
irβ sin α r 0
248
u sα cos θ 1
=U = UP(θ ) (5.50)
u sβ sin θ 0
dX
1 d ( xαβ )
( xαβ ) = XP(ξ ) → = P(ξ ) dt (5.51)
0 dt dξ
X
dt
Уравнение (5.49), което изразява статорното напрежение в поляр-
на форма, може да бъде преработено във вида:
dφs
1 1
UP(θ ) = Rs I s P(α s ) + P(θ s ) dt (5.52)
0 0 dθ
φs s
dt
Умножавайки (3.30) с матрицата за обратна ротация Р(-θs) се
получава описание на динамиката на модула и полярния ъгъл на вектора
на статорния магнитен поток:
dφs
= U cos(θ − θ s ) − Rs I s cos(α s − θ s ) (5.53a)
dt
dθ s 1
= [U sin(θ − θ s ) − Rs I s sin(α s − θ s )] (5.53б)
dt φs
Аналогично уравнение (5.46б) може да бъде преработено в
dφr
0 1
= Rr I r P(α r ) − pΩφr JP(θ r ) + P(θ r ) dt (5.54)
0 0 dθ
φr r
dt
dφr
= − Rr I r cos(α r − θ r ) (5.55а)
dt
dθ r − 1
= [ R I sin(α r − θ r )] + pΩ (5.55б)
dt φr r r
ird − M sr φsd Ls φrd

= + (5.56)
irq σLs Lr φsq σLs Lr φrq
249
1
pΩ dφr
M sr Rr 1 σTr 1
φs P(θ s ) = φ P(θ r ) + P(θ r ) dt (5.57)
σLs Lr 0 − pΩ 1 r 0 dθ
φr r
σTr dt
dθ r − 1 m
= φr + φ cos(θ s − θ r ) (5.58а)
dt σTr σTr s
dθ r mφs
= pΩ + sin(θ s − θ r ) (5.58б)
dt σTrφs
dγ d (θ s − θ r ) dθ s mφs
= = − pΩ − sin(γ ) (5.59)
dt dt dt σTφr
M sr
T=p φ φ sin γ (5.60)
σLs Lr s r
Тогава от (5.54), (5.59) и (5.60) може да се получи точна формула
за динамиката на въртящия момент:
dT 1 M
= − T + p sr φr (U sin(θ −θr ) − Rs I s sin(αs −θr ) −φs pΩcosγ ) (5.61)
dt σTr ∆
Някои от изведените по-горе зависимости могат да бъдат прерабо-
тени с цел опростяване в синхронна координатна система d-q, където d-
оста се свързва или към вектора за статорен или към вектора за роторен
магнитен поток, като d- компонентата, свързана с вектора на статорния
магнитен поток ще се означава с d1, а тази, свързана с вектора на ротор-
ния магнитен поток - с d2, Същото правило ще бъде приложено и за q
компонента на разглеждания вектор.
U cos(θ − θ s ) = usd 1
(5.62)
U sin(θ − θ s ) = usq1
Следователно (5.53) в синхронната координатна система, свързана
с вектора на статорния магнитен поток, придобива вида:
dφs
= usd 1 − Rsisd 1 (5.63а)
dt
dθ s 1
= [usq1 − Rsisq1 ] (5.63б)
dt φs
По този начин се достига до описание, при което модулът на век-
тора на статорния магнитен поток се определя директно от d1 компонента
на вектора на статорното напрежение, а полярният ъгъл се определя само
от q1 компонента на същия вектор. Освен това системата (5.58) може да
250
бъде опростена, когато се работи в синхронна координатна система, свър-
зана с вектора на роторния магнитен поток.
dφr −1 m
= φr + φsd 2 (5.64а)
dt σTr σTr
dθ r mφsq 2
= pΩ + (5.64б)
dt σTφr
Видно е, че модулът на вектора на роторния магнитен поток зави-
си от d2 компонента на вектора на статорния магнитен поток, а полярния
ъгъл зависи от q2 компонентата му. И в двата случая динамиката съответс-
тва на диференциално уравнение от първи ред с времеконстанта, равна на
σTr. Ако модулът на вектора на статорния магнитен поток е равен на зада-
дения φsref , то промени във вектора на статорното напрежение няма да
доведат до промени във вектора на роторния магнитен поток незабавно.
Последният запазва своите константни реални стойности (съответно
φrref за модула и ωs за производната на неговия полярен ъгъл). Следова-
телно математическият израз за въртящия момент може да бъде опростен:
dT M sr  dθ 
≈p φsref φrref  s − ωs  cos γ (5.65)
dt σLs Lr  dt 
dT M sr
≈p φ (u − R i − φ ω ) cos γ (5.66)
dt σLs Lr rref sq1 s sq1 sref s
5.14.1 Динамично превключване на алгоритми

Прякото управление на момента е известно с много добрата си
динамика на въртящия момент и ниска степен на сложност. Това го прави
особено привлекателно в системите с енергоспестяващи свойства в сград-
ните обекти, при едновременното съвместяване на динамика и качество на
регулирането. И все пак някои проблеми си остават, особено в установено
състояние, дължащи се на пулсации, които се усилват ако избраната стъп-
ка на дискретизация (време за изпълнение на алгоритъма) е значителна.
Едно решение на този проблем се състои в използването на непря-
ко управление на инвертора на напрежение (VSI) чрез въвеждането на
пространствена векторна модулация (SVM). Класическите DTC и SVM-
DTC могат да бъдат групирани в една група от управляващи алгоритми,
която се нарича алгоритми на пряко управление на въртящия момент и на
статорния магнитен поток (DTSFC). Общата DTSFC схема на управление е
представена на Фигура 5.64. Тя съответства или на основен DTC или на
SVM-DTC.
251
Наблюдателят оценява амплитудата на вектора на статорния маг-
нитен поток и на въртящия момент. Позицията на изчисления вектор на
статорния магнитен поток и изходите на релейните регулатори cf и cT,
които са двоични стойности, позволяват да се генерира вектора на статор-
ното напрежение. Блокът “ Генериране на вектора на статорното напреже-
ние ” за DTC е изобразен на Фигура 5.65.
Фигура 5.64 DTSFC схема
Зададеният вектор на напрежението е
2 π 1
U= EP(θ q + (2cT − 1)(2 − c f ) ) (5.67)
3 3 0
Поради (π/3) интервала за задаване на ъгъла и фиксираната стой-

ност на модула на напрежението (2 / 3) E , SVM винаги ще генерира
само шестте ненулеви вектора на напрежението.
2/3.E
Фигура 5.65 Генериране вектора на статорното напрежение за DTC
252
20
15 1.2
10 1
5 0.8
0 0.6
-5 0.4
а) б)
-10 0.2
-15 0
0.02 0.025 0.03 0.035 0.04 0.045 0.02 0.025 0.03 0.035 0.04 0.045
Фигура 5.66 Опитни резултати при стъпална промяна на заданието за въртящия момент
от -10Nm на 10Nm при DTC управление - a) въртящ момент, б) модул на вектора на ста-
торния магнитен поток.
SVM-DTC управление
Структурата на блока “Генериране вектора на статорното напре-
жение” за SVM-DTC е представена на Фигура 5.67. Зададеният вектор на
напрежението е
1
U = kEP(θ ) + ( Rs ( I s ) + Jωs (φs ))
0 (5.68)
θ = θ + (2cT − 1)((π − α )(1 − c f ) + αcT )
Фигура 5.67 Генериране вектора за статорно напрежение за SVM-DTC
253
15
10 1.2
1
5
0.8
0
0.6
-5
а) 0.4
б)
-10
0.2
-15 0
0.03 0.035 0.04 0.045 0.05 0.055 0.06 0.065 0.07 0.03 0.035 0.04 0.045 0.05 0.055 0.06 0.065 0.07
от -10Nm на 10Nm при SVM-DTC управление: a) въртящ момент, б) модул на вектора на
статорния магнитен поток.
Фигура 5.69 Генериране вектора на статорното напрежение за система с динамично превк-

лючване
15
1.4
10 1.2
1
5
0.8
0
0.6
-5
0.4
-10
0.2
-15 0
0.04 0.042 0.044 0.046 0.048 0.05 0.052 0.054 0.056 0.058 0.06 0.04 0.042 0.044 0.046 0.048 0.05 0.052 0.054 0.056 0.058 0.06
а) б)
от -10Nm на 10Nm при система с динамично превключване: a) въртящ момент, б) модул на
вектора на статорния магнитен поток
След заместване в (5.63а) и (5.67) и използвайки симетричните

свойства на функциите синус и косинус, се получава
dφs
= kE cos((π − α )(1 − c f ) + αc f ) (5.69а)
dt
254
dT Msr
≈p φ cos(γ )kE (2cT − 1) sin(α ) (5.69б)
dt σLs Lr rref
Векторът за статорното напрежение е сума от два члена. Първият
зависи директно от позицията на вектора на статорното напрежение, изхо-
дите на двата релейни регулатора (Фигура 5.64) и два параметъра (α и k),
чиито избор позволява да се настрои динамиката на въртящия момент и на
магнитния поток. Вторият член от сумата компенсира пада на напрежение
в статорното съпротивление и противоелектродвижещото напрежение. За
разлика от Фигура 5.66, резултатите представени във Фигура 5.68, показ-
ват значително намаляване на пулсациите на въртящия момент и на маг-
нитния поток, за сметка на влошена динамика на въртящия момент.
За да се проявят преимуществата на двата метода, се предлага
структура на управление, базираща се на превключване на DTC и SVM-
DTC в зависимост от състоянието на двигателя. Процесът на динамично
превключване е с ограничен брой състояния (FSM), с ниска степен на
сложност, като е необходима входна информация за абсолютната стойност
на грешката на въртящия момент. Когато последната е голяма, се използва
DTC, а когато грешката е малка, се избира SVM-DTC.
Резултатите, представени на Фигура 5.70, показват слаби пулсации
в състояние на покой (SVM-DTC) и висока динамика по време на преход-
ния процес (DTC) – т.е. удовлетворяват се основните изисквания при елек-
трозадвижвания в сградните системи за климатизация, отопление и венти-
лация. Чрез предложения принцип на управление за асинхронен двигател,
базиран на динамично превключване между основен алгоритъм за дирек-
тен контрол на въртящия момент (DTC) и спомагателен алгоритъм за ди-
ректен контрол на въртящия момент чрез пространствена векторна моду-
лация (SVM-DTC) се постига добра динамика на въртящия момент. В със-
тояние на покой се предпочита SVM-DTC алгоритъм, защото той позволя-
ва да се намалят значително пулсациите във въртящия момент. Представе-
ните симулационни резултати потвърждават работоспособността и качест-
вата на предлаганото решение, превъзхождащи други подобни решения.
5.14.2 Приложение на разширен филтър на Калман в системи-

те за индиректно векторно управление в сградни електрозадвижвания
Изследванията са проведени чрез Matlab/Simulink с еталонен мо-

дел на двигател, описан в статорна координатна система с въведена нели-
нейност в намагнитващата индуктивност в зависимост от модула на на-
магнитващия ток. Системата за индиректно векторно управление, която е
изследвана е базирана върху идеализиран инвертор на ток (без отчитане на
комутационните процеси) с релейни хистерезисни регулатори и отрица-
телна обратна връзка по оценената роторна скорост - Фигура 5.71.
255
Clock5
Out1
In1
tok
usalf a
In2 To Workspace2
isalf a
Add1
In3
isbeta
1
In4
Cl ock1 usbeta
Gain6
N1
MOT OR
1
Cl ock2
Gain5
N2 kal fi1ADl 1
SF-EKF
1
Cl ock3
Gain4
N3 Add
Moment
Clock4
Out2
In1
potok
T o Workspace1
alfa/beta2abc
Out3
ia isalf a Clock
Add3
In2 ib isbeta
skorost
Out4
To Workspace
ic isgama
IFOC
Фигура 5.71 Система за безсензорно индиректно векторно управление с разширен филтър на

Калман
Подсистемата (Фигура 5.72), означена като IFOC на Фигура 5.71,

реализира индиректно векторно управление с ориентация по роторното
потокосцепление, като задава честотата на хлъзгане на роторния поток
спрямо ротора по зададените стойности на модула на вектора на роторното
потокосцепление и желания въртящ момент. Външният контур е по оце-
нената роторна скорост от EKF и ПИД – регулатор с ограничение на из-
ходното напрежение, т.е. е налице ограничение на заданието за въртящ
момент, а следователно и на статорните токове.
wref Teta Calculation
-20 M*
Phir* Teta
wm
wref1
wref Subsystem2
Demux
Lim- DQ-ABC
iy* Calculation
Add Uz Ix*
1
U out Te*
wref 1 Uov
Iy * Iy *Iabc* RelayA Out2
Phir
Lim+
20 Demux 2
Teta
RelayB Out3
ix* Calculation
Phir*4
3
1.2 Phir* Ix*
RelayC Out4
2
In2
Constant
1
In1
Фигура 5.72. Подсистема за индиректно векторно управление
256
На Фигура 5.73 е даден преходен процес на скоростта при пускане
и реверсиране. Експериментът е проведен при съответствие на параметри-
те ( Rs и Rr ) на: еталонния модел на двигателя, модела, използван в РФК,
както и в системата за индиректно векторно управление. В момент след
развъртането на двигателя е симулирано смущение – скокообразна промя-
на в съпротивителния момент.
ωr* eω Фигура 5.73а Действи-

ωr [ rad / s ] телна скорост ω ,
ωˆ r
[ rad / s ] оценена скорост ω̂ и
грешка в оценката на
скоростта eω
Rr = Rr (200 C ) и
Rs = Rs (20 C )
0
ωr* eω
Фигура 5.73б Действи-
ωr
телна скорост ω ,
[rad / s]
ωˆ r
[rad / s] оценена скорост ω̂ и
грешка в оценката на
скоростта eω
Rr = 1.2 Rr (200 C ) и
Rs = 1.2 Rs (200 C )
Тъй като IFOC е отворена система по потокосцеплението, при

която чрез управление на хлъзгането се гарантира ориентация по полето,
тя е много чувствителна както към точността при измерване на роторната
скорост, така и към времеконстантата на ротора TR . Когато TR е зададена
неточно и ωr е измерена неточно, качеството на системата се влошава -
динамиката се забавя, довеждайки до загуба на независимост при управле-
нието на въртящия момент и потока и до намаление на отношението вър-
тящ момент: ток, т.е. получава се влошаване на енергетичните показатели.
В потвърждение на горното поради динамичната грешка в оценка-
та на скоростта в преходните режими, в действителния електромагнитен
момент се появява грешка около 12% спрямо зададената стойност.
257
Аналогични преходни процеси за скоростта и електромагнитния
момент при 20% завишаване на Rs и Rr бяха получени. Констатира се
динамична грешка в електромагнитния момент 25% и статична грешка
16%, дължащи се основно на несъответствието на роторното съпротивле-
ние в системата за IFOC изчисляваща скоростта на хлъзгане на роторното
потокосцепление. Фигура 3.56 е получена при компенсиране на отклоне-
нието на роторното съпротивление в системата за ориентация на коорди-
натната система при зададена скорост ωr* = 6[rad / s] . Констатира се
установена грешка при натоварване с номинален съпротивителен момент
2,5[rad/s], т.е. при диапазон на регулиране 50:1 и статична грешка 0,8%.
ωr* eω Фигура 5.74 Зададена

ωr [rad / s] скорост ω * , действи-
[rad / s] r
телна скорост ωr и
грешка на скоростта
eω при
Rs = 1.2 Rs (20 C ), Rr = 1.2 Rr (200 C )
0
Rs = 1.2 Rs (200 C ), Rr = 1.2 Rr (200 C )
5.14.3 Енергоикономично управление, базирано на алгоритми

за управление на скорост
Изследвани са различни методи за енергоспестяващо управление
на асинхронни двигатели в отоплителни, климатични и вентилационни
системи. Един от методите за енергоспестяване и намаляване на загубите е
чрез регулиране на скоростта. Когато двигателя работи с максимална
скорост, консумираната енергия е висока. Икономията на енергия е
възможна в инсталации задвижвани с променлива честота –VFD. Друг
начин за намаляване на загубите е чрез управление на роторния поток.
Методът може да се прилага в реално време, използвайки измерванията на
статорните токове, напрежение и скорост. Скаларното управление в
електрозадвижванията намалява загубите и подобрява динамичните
показатели на оптимизираната система. Известен метод за
енергоспестяващо управление е поддържането на изходната мощност
константа и търсенето на работна точка, в която входната мощност е най –
малка. Разработена е и оптимизирана система за индиректно векторно
управление управление (IFOC) при която се наблюдава влошаване на
динамичните показатели по отношение на времето на преходния процес и
258
статичната грешка, но за сметка на това загубите на енергия намаляват
драстично.
5.14.3.1 Енергоспестяване чрез регулиране на скорост в сград-

ните системи.
Консумираната мощност на вентилатора или помпата трябва да
следва „кубично правило“, което означава, че с намаляване на скоростта
до 80% от максималната стойност, консумираната мощност ще намалее с
около 50%. Като пример при 80% скорост, консумацията на мощност е
51.2%. Променливите климатични системи, използващи постоянна ско-
рост с клапи или входни лопатки, контролиращи въздушния поток, кон-
сумират много енергия, т.к. двигателят постоянно работи с максималната
си скорост. Икономия на енергия до 50% или повече е възможна в инста-
лация с помощта на VFD (задвижвания с променлива честота). Фигура 5.75
показва консумираната мощност използвайки „ клапан“ и „VFD“ управле-
ние в линия за охлаждане на вода.
Фигура 5.75 Енергоспестяване чрез използване на VFD
5.14.3.2 Оптимизация на загубите в асинхронен двигател с оп-

тимално управление на роторния поток
При тези изследвания се търси оптималния роторен поток, който
минимизира общата консумирана енергия, при ограничение на токовете,
напреженията и скоростта.
usd ; usq - еквивалентни статорни напрежения;
isd ; isq - еквивалентни статорни токове;
ird ; irq - еквивалентни роторни токове;
φsd ;φsq - екв. статорни потоци;
φrd ;φrq - екв. роторни потоци;
259
rs ; rr - статорно и роторно съпротивление;
ωs ;ω - синхронни и механични скорости;
ωsl = ωs − ω - ъглова скорост на хлъзгане;
lm ; ls ; lr - взаимна, статорна и роторна индуктивност;
p - брой на двойките полюси;
J - инерционна момент на машината;
mM ; mL - двигателен и товарен момент;
k - коефициент на триене на машината и товара;
rc - съпротивление от загубите в метала;
σ - коефициент на загуба в машината;
l
τ r = r - времеконстанта на ротора;
rr
Паразитните ефекти - като хистерезис, вихрови токове и магнитно
насищане се пренебрегват. Моделът на системата уравнения в пространст-
во на състоянията, свързани с метода за управление с непряко ориентирано
поле, е показан по долу.
dφsd
u sd = rs isd + + ω sφsq (5.70)
dt
dφsq
u sq = rs isq + + ωsφsd (5.71)
dt
dφ
0 = rr ird + rd + ω slφrq (5.72)
dt
dφrq
0 = rr irq + + ω slφrd (5.73)
dt
l
mM = p m (φ rd isq − φ rq isd ) (5.74)
lr
dω 1
= (mM − m L − kω ) (5.75)
dt J
ω = pΩ
260
1
ird = (φ rd − l m isd ) (5.76)
lr
1
ird = (φ rd − l m isd ) (5.77)
lr
След заместване на (5.76) и (5.77) в (5.72) и (5.73) следва:
dφ rd 1 l
+ φ rd − m isd − ω sl φ rd = 0 (5.78)
dt τr τr
dφ rq 1 lm
+ φ rq − isq + ω sl φ rd = 0 (5.79)
dt τr τr
dφrd dφ rq
= =0 (5.80)
dt dt
lm
mM = p φ rd isq (5.81)
lr
lm
irq = − isq (5.82)
lr
φdr =φr =lmids (5.83)
l m isq 1 isq
ω sl = = (5.84)
τ r φrd τ r isd
1 dφ *
isd* = (τ r r + φ r* ) (5.85)
lm dt
l r mM*
i =
*
(5.86)
pl m φ r*
sq
*
l m isq
ω =
*
(5.87)
τ r ϕ r*
sl
Анализ на загубите на мощността

Загубите на мощност във векторно управлявани асинхронни елек-
трозадвижвания, включващи електрически, магнитни и механични загуби,
могат да бъдат изчислени аналитично. Електромагнитната обща мощност,
изразена във въртяща се координатна система, се изчислява по формулата:
261
 di sd di sq  1  d φ rd d φ rq 
Pe = σ l s  i sd + i sq  −  φ rd + φ rq 
 dt dt  l r  dt dt 
lm
+ rs (isd2 + isq2 ) − rr (ird2 + irq2 ) + ω (φ rd isq − φ rq isd ) −
lr
2rr lm
(irq isq + ird isd ) (5.88)
lr
2
 r l2  2  r l2  φ  rr l m
∆P1e =  rs + r 2m (isd + isq2 ) +  r 2m + rc  r  − 2 isd φ r (5.89)
 lr   lr  l m  lr
dφ
T
J = ∫ f (mM* (t ), φr (t ), r )dt , ∀T ∈ [0, T ] (5.90)
0
dt
φ r = f (mM ) (5.91)
Оптималната работна точка, съответстваща на минимални загуби е

получена чрез диференциране на (5.90):
φropt = β mM (5.92)
1/ 4
 l 2r + r l 2 
β =  r s r m2  (5.93)
 (rs + rc ) p 
τ r  dφ ropt
1 
u10 =  + φ ropt  (5.94)
l m  dt τr 
За да се потвърди предложената оптимизация на управлението, някои от

числените резултати са показани на Фигура 5.76. Показва се поведението
на задвижването при ниско натоварване и скорост, числените стойности в
областта на управление на номиналните и оптималните потоци, съответно
в двете състояния – преходно и установено.
Моделиране на функцията isd = f (isq ) за оптимизация на загубите

Оптимизацията на загубите е представена чрез използване на це-
левата функция, включваща две компоненти на статорния ток за миними-
зиране на загубите в медта. Загубите на мощност се изчисляват по форму-
лата:
 di di  l  l2 
∆Pt = σls  isd sd + isq sq  − m φrd isd +  rs + m (isd2 + isq2 ) (5.95)
 dt dt  τ r lr  lrτ r 
262
l 2m
∆Pt → min mM = p isd isq = bisd isq = const
lr
Съгласно теоремата на Лагранж необходимото условие за същест-
вуване на локален екстремум с ограничения от тип равенства е:
s
L(isd , isq , λ ) = λ0 ∆Pt ' (isd , isq ) + ∑ λ j h ' j (isd , isq ) = 0 (5.96)
j =1
са множители на Лагранж, не всички равни на нула.

 l2 
L(isd , isq , λ0 , λ1 ) = λ0 rs isd2 + (1 + m )isq2  + λ1 (isd isq ) + b (5.97)
 rs lrτ r 
Lisd ≡ 2λ0 rs isd + λ1isq = 0
'
lm2
L'isd ≡ 2λ0 rs (1 + )isq + λ1isd = 0
rs lrτ r
2rs isd + λ1isq = 0
lm2
2rs (1 + )isq + λ1isd = 0
rs lrτ r
lm2
2rs (1 + )
λ1 rs lrτ r
isd = − isq isd = − isq (5.98)
2rs λ1
lm2
2rs (1 + )
λ1 rs lrτ r
⇒− =− (5.99)
2rs λ1
lm2
λ1 = ±2rs 1 + (5.100)
rs lrτ r
В състояние на равновесие
1/ 2
 l m2 
isd = 1 +  isq (5.101)
 rs l rτ r 
263
Моделиране на функцията isd = f (isq , ω ) за оптимизиране на загу-
бите
Загубите в медта и желязото са:
rr rc 2 l m2 ω 2 2
∆Pv = rs (isd2 + isq2 ) + isq − isd (5.102)
rr + rc rr + rc
Статорният ток, даващ минимални загуби в установено състояние
се изчислява по следната формула:
rs rr + rs rc + rr rc
isd = isq (5.103)
l m2 ω 2 − rs ( rr + rc )
Фигура 5.76 Резултати от симулацията на скорост и въртящ момент, включващи механич-

ни явления и отчитане на загуби в желязото.
Параметрите r r , rc и rs се променят с температурата.
Експериментални резултати
Изследвана е система за оптимално управление с 1,5 kW асинхро-
нен двигател. Фигура 5.77 показва измерените резултати от управлението
на скоростта и въртящия момент при 5N.m товар. Скоростта се променя в
диапазона от 0 до 1225 об/мин за време 0,2 сек. На Фигура 5.78, измерени-
264
те резултати от минимизирането на загубите на общата мощност са полу-
чени при оптимален поток в стационарни условия. На Фигура 5.79, изме-
рените резултати от загубите на общата мощност се получават при промя-
на на роторния поток.
Получените експериментални резултати, демонстрират добра динамика на
системата за електрозадвижване и за двете състояния – преходно и стаци-
онарно.
Фигура 5.77 Експериментални резултати от управлението на скоростта и

електромагнитния момент. Скала: време Т(сек) 0.2 сек., скорост (об./мин) 500 об./мин и
въртящ момент (N.m) 5N.m
Фигура 5.78 Експериментален резултат на оптимизацията на загубите с оптимално

управление на роторния поток. Скала: време 1s и загуби на мощността 500 W
265
Фигура 5.79 Експериментален резултат на оптимизацията на загубите с оптимално
управление на роторния поток. Скала: време 1s и загуби на мощността 500 W
Двигателят, използван в теста, има следните параметри:

U1=380/220V, 50Hz, 1,5kW, 3,64A(Y), nn=1420tr/min. Със следните пара-
метри на еквивалентна Т – образна заместваща схема rs=4.85, rr=3.805,
ls=274mH, Ir=274mH, lm=258mH, J=0.031kg.m2, k=0.008Nm.s/rad.
Предложеният метод за минимизиране на загубите в асинхронни
двигатели в сградни системи с управление на оптималния роторен поток,
при отчитане промяната на параметрите, може да се прилага на практика в
реално време. Методът постига добри резултати и намалява общите загуби
на мощността в асинхронното електрозадвижване.
5.14.4 Минимизация на загубите в електрозадвижвания със

скаларно управление .
Общите загуби на мощността ∆Ptot в асинхронния двигател се из-
числява от следното уравнение:
∆Ptot = 3R1 I 12 + 3R2' I 2' 2 + ∆Pmag .nϕ 2α k (5.104)
∆Pmag.n = P1n − Pag.n − (3R1 I12n + 0.005Pn ) (5.105)
'
Отношението между статорния ток I1 , роторния ток I и намаг- 2
нитващия ток е:
I12 ≈ I 2'2 + I 02 (5.106)
Pag .n µ
I 2' = (5.107)
E1nϕ
Номиналната електромагнитната мощност е:
Pag .n = Tnω s (5.108)
266
a (1 − ϕ 2 ) + ϕ 2 (5.109)
I 02 ≈ I 02n
b(1 − ϕ 2 ) + ϕ 2
След заместване на (5.106), (5.107) и (5.109) в (5.104) се получава:
a(1 − ϕ 2 ) + ϕ 2 µ2
∆Ptot = B + C + Dϕ 2 a k (5.110)
b(1 − ϕ 2 ) + ϕ 2 ϕ2
B = 3R1 I 02n (5.111)
( R1 + R ) P' 2
C=
2 ag .n
(5.112)
2
3E 1n
D = ∆Pmag .n (5.113)
ϕ + a1ϕ + a 2ϕ + a3ϕ + a 4 = 0
8 6 4 2
(5.114)
2b
a1 = (5.115)
1− b
2
 b  2 B (b − a ) − Cµ (b − 1)
2 2
a2 =   + (5.116)
 b −1 Dα k (b − 1) 2
2Cµ 2 b
a3 = (5.117)
Dα k (b − 1)
Cµ 2b
a4 = − (5.118)
Dα k (b − 1) 2
Уравнение 5.114 има 8 корена, 6 от тях са комплексни, един реа-
лен отрицателен и един реален положителен корен. Комплексните и от-
рицателния корени нямат физически смисъл и се пренебрегват. Оптимал-
ната стойност mopt може да бъде дефинирана така:
mopt = αϕ opt (5.119)
Последното уравнение показва как трябва да се променя магнит-
ният поток, за да се постигне икономия на енергия в различни експлоата-
ционни условия. Също така това е алгоритъм за управление на предложе-
ния регулатор с минимизиране на загубите. Оптималната стойност на мо-
дулационния индекс е винаги ≤ 1 .
Оптималната стойност на статорното напрежение Vopt , което ми-
нимизира загубите на общата мощност е:
Vopt = moptVn (5.120)
Моделиране и симулация на оптимизирана задвижваща система

Системата се състои от IGBT инвертор (преобразувател), трифазен
асинхронен двигател с накъсо съединен ротор и регулатор. Параметрите на
267
моделирания и симулиран асинхронен двигател са дадени в Таблицата по-
долу:
Параметър Стойност Мярка
R1- съпротивление в статора 1,23 Ω
X1- реактивно съпротивление в статора 1,5 Ω
Xm - взаимно реактивно съпротивление 53,7 Ω
R'2 0,787 Ω
X'2 2,49 Ω
Vn - номинално напрежение 220/380 V
Tn - номинален въртящ момент 36,34 N.m
Pn - номинална изходна мощност 5,5 kW
I1n - номинален статорен ток 11,5 A
cosϕn - номинален фактор на напрежението 0,85 -
fn - номинална честота 50 Hz
P - брой полюси 4 -
sn - номинално хлъзгане 0,036 -
ns - синхронна скорост на въртене 1500 rpm
ωs - синхронна ъглова скорост 157 rad/s
nn - номинална скорост на въртене 1446 rpm
ωn - номинална ъглова скорост 151,348 rad/s
J - инерционен момент 0,017 kg.m2
a - константа 0,0327 -
b - константа 3,112 -
k - коефициент 1,4 -
Оптималният поток ϕ opt в средата на MATLAB Simulink е показан
на Фигура 5.80. Той се използва за описание на реалния положителен ко-
рен в уравнение (5.114).
Връзката между оптималния поток, честотата и товарния въртящ
момент е показана на Фигура 5.81, където се вижда че оптималният поток
има определена стойност за всяка работна точка.
Фигура 5.80 модел на оптималния поток ϕ opt
268
Фигура 5.81 Оптималния поток като функция на товарния въртящ момент при променлива
честота
Моделът на двигателните загуби от Фигура 5.82 е построен в съ-

ответствие с уравнение (5.110)-(5.113). На Фигури 5.83 и 5.84 са дадени
примери на общите загуби на мощността, като функция на статорното
напрежение под различни товарни моменти и честоти. Вижда се, че съ-
ществува оптимална стойност на статорното напрежение за всяка работна
точка, при която общите загуби на мощност са минимални.
Фигура 5.82 Mодел на двигателните загуби
269
Фигура 5.83 Общите загуби на мощността като функция от статорното напрежение при
различни въртящи моменти и честота f = 30 Hz
Фигура 5.84 Общите загуби на мощността като функция на статорното напрежение при
различни честоти и натоварващ въртящ момент Т = 10 N.m
За количествен анализ, общите загуби на мощността в оптимизи-

раната (подобрената) система са сравнени с тези от оригиналната (неопти-
мизирана) система, при същите условия на работа. В оригиналната система
се счита, че статорното напрежение остава постоянно и е равно на номи-
налната стойност за всички работни условия.
270
Фигура 5.85 Общата загуба на мощността в оригиналната и оптимизираната системи при
различни честоти; а) товарен въртящ момент Т = 25 N.m и б) товарен въртящ момент Т =
15 N.m
Резултатите от симулацията показват, че динамичните показатели

на статорния ток, електромагнитният въртящ момент и ъгловата скорост са
подобрени. Също така в някои случаи се забелязва малко увеличение на
хлъзгането. Това може да се обясни като резултат от намаляването на ди-
намичния момент поради намаляване на магнитната индукция.
271
За да се провери използването на предложения за минимизиране
на загубите регулатор, някои от експериментите са проведени със същата
задвижваща система, която е симулирана. Общите загуби на мощността са
експериментално получени за различни условия на работа, като разлика
между входната и изходна мощност. Входната мощност се измерва за вся-
ка работна точка, докато съответната изходна е изчислена като Pout = Tω .
Експериментално получените резултати се сравняват с теоретичните. За-
белязва се, че при някои от резултатите има известно отклонение между
експерименталните и теоретичните стойности. Това се дължи на предпо-
ложенията и апроксимацията извършена по време на получаването на мо-
дела на загубите.
Фигура 5.86 Общите загуби на мощността в оригиналната и оптимизираната системи при

различно натоварване; а) честота f = 50 Hz и б) честота f = 30 Hz
272
Фигура 5.87 Динамика на електромагнитния въртящ момент при натоварване Т = 5 N.m и
честота f = 30 Hz
Фигура 5.88 Динамика на ъгловата скорост при натоварване Т = 5 N.m и честота f = 30 Hz
273
Фигура 5.89 Експериментални и теоретични загуби на мощността в задвижващата сис-
тема при променливо натоварване и постоянна честота f = 30Hz
Налага се изводът, че особено подходяща стратегия за оптимиза-

ция на загубите в системи с асинхронно електрозадвижване в системите за
сградна автоматизация (натоварени основно с променлив вентилаторен
съпротивителен момент) е управлението чрез магнитния поток. Управля-
ващата схема, изследвана от нас, използва IGBT преобразувател, като ос-
новна управляваща променлива е статорното напрежение. Предложеният
регулатор може да се използва в задвижвания за управление на скоростта,
работещи при променливо натоварване. Резултатите от симулацията по-
казват, че динамичните показатели на оптимизираната система са добри.
5.14.5 Минимизация на загубите в електрозадвижвания с век-

торно управление
Популярен метод за енергоспестяващо управление е поддържане-
то на изходната мощност константа и търсенето на работна точка, в която
входната мощност е най- малка. Работната точка може да варира, като се
регулира V/f съотношение, използвайки управление с размита логика или
адаптивно управление.
d – q уравнения за трифазен асинхронен двигател с накъсо съединен ротор,
могат да се запишат така:
vqse = rs iqse + pλeqs + ω e λeds (5.121)
vdse = rsidse + pλeds − ωe λeqs (5.122)
0 = r i + pλ + (ω e − ω r )λ
e
r qr
e
qr
e
dr (5.123)
0 = r i + pλ − (ωe − ω r )λ
e
r dr
e
dr
e
qr (5.124)
274
където vqs , vds , iqs , ids , iqr , idr , λqs , λds , λqr , λdr са статорни напрежения,
e e e e e e e e e e
rs и rr са съот-
статорни и роторни токове, потоците в статора и ротора,
ветно статорно и роторно съпротивление, we - честота, wr е роторната
електрическа скорост и p е производна. Загубите в един асинхронен дви-
гател се състоят от загуби в статорните и роторни намотки (в медта), загу-
би в желязото и механични загуби. Механичните загуби са пренебрегнати,
тъй като те са малки в сравнение с останалите. загубите в сърцевината се
състоят от вихрови токове и хистерезисни загуби.
3 2 2 2 2 2
P = [(iqse + idse )rs + (iqre + idre )rr + K h ω e λem ]
2
(5.125)
2
λ em е въздушният поток, K e и K h са съответно коефициенти на вихро-
вия ток и хистерезисните загуби. Когато двигателя е в установено състоя-
ние idr = 0 и idre = − Lm ids .
e
Lr
Следователно, λem може да бъде премахнат от еквивалентното
уравнение (5.125):
2
3 2 2 L 2
P = [(iqse + idse )rs + m2 iqse rr
2 Lr
2 2
Llr Lm 2 2
.( K hω e + K eω e )(
2 2
2
iqse + Lm idse )] (5.126)
Lr
където Lr и Lm са съответно роторната и взаимната индуктивности. Ро-
торният поток и двигателния момент могат да се запишат така:
λedr = Lm idse (5.127)
3 P Lm e e (5.128)
Te = λ dr iqs
2 2 Lr
където Te е двигателният въртящ момент. След заместване на (5.127) и
(5.128) в (5.126):
K1 0.5
λedr* = 4 Te (5.129)
K2
2
където K1 = 16 (r + K r 2 + Lr r ) и K 2 = 3( rs + K hω r + K eω r2 ) .
2 r e r 2 s 2
3P Lm Lm
Горното уравнение изразява точните минимални загуби на като
функция на Te . Този закон на управление не е практичен, тъй като е труд-
275
но да се получава Te в реално време. По-долу е описана схемата на мини-
мално–загубното управление, използващо мощността като основна управ-
ляваща променлива.
Принцип на управление с минимални загуби

След заместване на (5.127) и (5.128) в (5.121) и (5.122), може да
запишем за напрежението и тока по отношение на въртящия момент и
роторния поток:
Te
Vqse = a 0 λedr ω r + a1 (5.130)
λedr
Te 2 Te (5.131)
Vdse = −a 2 λedr + a3 + a4 ωr
λ e 3
dr
λedr
e
Фигура 5.90 а) Общите загуби в зависимост от i ds
276
e
Фигура 5.90 б) Фактор на мощността в зависимост от i ds
Te
i qse = a 5 (5.132)
λedr
i dse = a 6 λ edr (5.133)
където a 0 ÷ a 6 са комбинации на двигателните параметри и са показани в
приложение А. Факторът на мощността е дефиниран така:
Vqse iqse + Vdse idse (5.134)

PF = cosθ =
e2 e2 e 2 e 2
V qs +V ds i qs +i ds
Приложение А
След заместване на уравненията (5.130) и (5.133) в (5.134) за мощ-

ността като функция на двигателната скорост, роторния поток и въртящия
момент следва:
277
2
4ωr 16 Lr Te rs
Te+ 2 . [rs + rr ]( )2 + λdr2 (5.135)
3P 9P Lm
2
λdr Lm
2
PF =
Te Te2 Te Te
a0λedrωr + a1 ]2 + [−a2λedr + a3 + a4 ωr ]2 × (a5 )2 + (a6λdr )2
λ
e
dr λe 3 λ
e
dr
λdr
dr
λ edr
*
След заместване на с λedr от еквивалентното уравнение
(5.129) следва:
(5.136)
Параметрите на двигателя се намират в приложение Б.
Приложение Б
Измерване на минималните загуби чрез фактора на мощност.

Тъй като е трудно да се изчисли точната връзка между минимал-
ните загуби на фактора на мощността и скоростта, е предложена прибли-
зителна връзка, която е лесна за реализиране. Фигура 5.91 показва произ-
водната на фактора на мощността по отношение на ∂( PF ) / ∂idse = f (idse ) ,
където минималните стойности от тези криви са отбелязани с „ * „. Също
така нека минималните стойности на ∂( PF ) / ∂ids
e
= f (idse ) криви са PF_d
за удобство. За сравнение точките отбелязани с ‘ * ‘ се наслагват върху
Фигура 35.90 б и след това са показани във Фигура 5.92. Може да се отбе-
лежи, че точките с ‘‘*‘‘ се намират много близко до тези с минимални
загуби ( т.е. отбелязаните с ‘‘о‘‘ ).
278
Фигура 5.91 ( )
∂ ( PF ) / ∂idse = f idse '*' показва минималните стойности
Фигура 5.92 Припокриване на PF_d с Фигура 3.72(б)
На Фигура 5.93 са дадени PF* и PF_d като функции от скоростта

на двигателя. Двете криви са много близки една до друга в средните и
ниски скорости, но имат забележими различия при високите скорости.
Тази грешка е пропорционална на скоростта
279
Фигура 5.93 Сравнения на PF* и PF_d спрямо скоростта на двигателя
5.14.6 Симулационни изследвания

Симулациите са проведени с Matlab/Simulink с модел на двигател,
описан в статорна координатна система:
θ k = 0 → ωk = 0
As = A1 ; As −1 = A1 −1
U s = AU
1 s
Fs ;
I s Fs = A1−1 I s (5.137)
pψ = U s − Rs Lsδ ψ s + Rs Lsδ ψ m ( pψ s = U s − Rs I s )
−1 −1
(5.138)
−1 −1
I s = Lsδ ψ s − Lsδ ψ m (5.139)
− I r = − F1 (ψ m )ψ m + CLsδ ψ s
−1
(5.140)
F1 (ψ m ) = − Lm (ψ m ) + Lsδ
−1 −1
− I r = − Lm (ψ m )ψ m + CI s
−1
(
ψ m = F2 (ψ m ) ⋅ ψ r + CLrδ Lsδ −1 ⋅ψ s ) (5.141)
[
F2 = Lrδ Lm (ψ m ) + Lrδ Lsδ + 1
−1 −1 −1
]
pψ r = − I r Rr + ωBψ r (5.142)
m = (Bψ m , I s ) (5.143)
ω = 1 / Jp(m − mc ) (5.144)
280
 0 − 1 0 1 0 0
B = 1 0 0 ; = 0 1 0
−1
C = As HAs
0 0 0 0 0 0
На Фигура 5.94 е моделирана система за индиректно векторно уп-

равление (IFOC) с идеализиран инвертор на ток (без отчитане на комута-
ционните процеси) с релейни хистерезисни регулатори и отрицателна об-
ратна връзка по роторна скорост.
Rids
Ψ *R
ids*
W(p)
vsα 0 VS*
* Ri K As−1 =
T * iqs
qs
K R−1 vs β 0
ϑk
1
p
I sα
A2 A1
Ψ *R
2
βψ*
wr
rr BR M
%
Фигура 5.94 Блокова схема на система за индиректно векторно управление
281
wref
Out1
-40
In1 Out1
In1
usalf a
In2 Out2
isalf a
Uov Out3
In2
isbeta
wref 1
In4 Id^2
40
usbeta
Iov Iq^2 In3
IFOC is
MOTOR
Ramp Saturation
iy* Calculation ir,is (A)1

Id^2
1
Iq^2 Ploss
s
omega Integrator
Фиг 5.95 Simulik модел на система за безсензорно, индиректно векторно управление
Подсистемата (Фигура 5.96), означена като IFOC на Фигура 5.95,

реализира индиректно векторно управление с ориентация по роторното
потокосцепление, като задава честотата на хлъзгане на роторния поток
спрямо ротора по зададените стойности на модула на вектора на роторното
потокосцепление и желания въртящ момент. Външният контур е по ро-
торната скорост и ПИД – регулатор с ограничение на изходното напреже-
ние, т.е. е налице ограничение на заданието за въртящ момент, а следова-
телно и на статорните токове.
Teta Calculation
M*
Phir* Teta
wm
1 Subsystem2
In1 Demux
Lim- DQ-ABC
2 iy* Calculation
In2 Uz Ix* 1
U out Te*
3 Uov RelayA Out1
Iy * Iy *Iabc*
Uov 4 Lim+
Phir
Demux 2
Teta
In4
1 RelayB Out2
Phir* ix* Calculation
Constant 3
1.2 Phir* Ix*
RelayC Out3
5
Iov
4
ABC-DQ
Id^2
Teta Id Product
Iabc Iq
5
Iq^2
Product2
Фигура 5.96 Simulik-модел на подсистемата за индиректно векторно управлениe
282
След направените симулации се получават следните преходни ха-
рактеристики:
120
w, [rad/s]
M, [Nm]
100
80
60
w , [ra d / s ]
M , [N m ]
40
20
-20
0 0.5 1 1.5 2 2.5 3
t (s)
Преходен процес на скоростта ω , [rad / s ] и момента М,[Nm]

1.5
psia, [Wb]
psib, [Wb]
1
0.5
p s ia , [W b ]
p s ib , [W b ]
-0.5
-1
-1.5
0 0.5 1 1.5 2 2.5 3
t (s)
Преходен процес на потокосцепленията Ψa и Ψb , [Wb]

30
ia, [A]
ib, [A]
20
10
ia, [ A ]
ib, [ A ]
-10
-20
-30
0 0.5 1 1.5 2 2.5 3
t, [s]
Преходна функция на тока i a и ib , [A]

283
800
700
600
500
E , [k W h]
400
300
200
100
0
0 0.5 1 1.5 2 2.5 3
t, [s]
Преходна функция на енергията Е, [Ws]
Оптимизираната по минимум загуби в медта система за IFOC е

представена на Фигура 5.97
T eta Calculation
M*
Phir* Teta
wm
1 Subsystem2
In1 Demux
Lim- DQ-ABC
2 iy* Calculation
In2 Uz Ix* 1
U out Te*
3 Uov RelayA Out1
Iy * Iy *Iabc*
Uov Phir
4 Lim+
Demux 2
Teta
In4
1 RelayB Out2
Constant 3
RelayC Out3
5
Iov
Irx* Calculation
Iy * Irx*
4
ABC-DQ
Id^2
Teta Id Product
Phir* Calculation Iabc Iq
5
Phir* Ix*
Iq^2
Product2
Scope
Фигура 5.97 Индиректно векторно управление с минимум загуби в медта
Аналогично за оптимизираната система се получава:
284
120
w,[rad/s]
M,[Nm]
100
80
60
w ,[ra d /s ]
M ,[N m ]
40
20
-20
0 0.5 1 1.5 2 2.5 3
t,[s]
Преходен процес на скоростта ω , [rad / s ] и момента М,[Nm]
2
psia,[Wb]
psib,[Wb]
1.5
0.5
p s ia , [ W b ]
p s ib , [ W b ]
-0.5
-1
-1.5
-2
0 0.5 1 1.5 2 2.5 3
t,[s]
Преходен процес на потокосцепленията Ψa и Ψb , [Wb]

30
ia,[A]
ib,[A]
20
10
0
ia ,[A ]
ib ,[A ]
-10
-20
-30
-40
0 0.5 1 1.5 2 2.5 3
t,[s]
Преходна функция на тока i a и ib , [A]

285
500
450
400
350
300
E,[kWh]
250
200
150
100
50
0
0 0.5 1 1.5 2 2.5 3
t,[s]
Преходна функция на енергията Е, [Ws]

Изводите от сравнението на оптимизирана и неоптимизираната систе-
ми са
1. Преходните процеси при оптимизираната система са по-плавни,
колебанията на потокосцепленията Ψa , Ψb и токовете ia , ib са
значително по-малки.
2. При системата с IFOC и постоянно потокосцепление, независещо
от натоварването, измерената енергия е по-ниска от неоптимизи-
раната система с около 33%
3. Динамиката на оптимизираната в енергетично отношение система
е леко влошена спрямо неоптимизираната, за сметка обаче на по-
лучаваната значителна икономия на консумирана енергия.
286
Хибридно моделиране
в системите за сградна
автоматизация 6
6.1 Хардуерна симулация в системи за климатизация

Ефективността на управлението на системи за климатизация, оце-
нявана на базата на конструкцията хардуерен симулационен модел на
обекта – програмируем контролер за управлението му, в последните годи-
ни е един все по-широко навлизащ в практиката метод за анализ, проекти-
ране и експериментиране. Чрез него се постига съществено приближаване
на получаваните резултати с реалните при функционирането на контро-
лерното управление върху физическия обект. Симулацията в реално време
с хардуерен модел на обекта за управление (Hardware in the loop - HIL) е
особено подходящ метод при обекти за управление, описвани чрез сложни
математически модели. HIL симулацията се различава от класическата
компютърна симулация в реално време по допълнително включеното в
контура за управление вградено управляващо устройство (програмируем
контролер). В симулацията се включват реалните входно/изходни сигнали,
свързани със сензорите и изпълнителните механизми на реалния обект.
Техните електрически емулирани сигнали играят ролята на интерфейс за
вградения контролер. Принципната постановка на този метод е пояснена
на Фигура 6.1:
Фигура 6.1А Фигура 6.1Б

Фигура 6.1А - блокова схема на вградена система, свързана с HIL симулатор,
Б - компоненти на HIL симулатор
287
От гледна точка на разходи, продължителност, безопасност, при-
ложимост при проектирането и внедряването на управление HIL методът
доказано е ефективен начин при разработване на вградени компютърни
системи. Поради късите срокове за разработка много често тестовете тряб-
ва да започнат преди появата на прототипа, а средствата за разработване
на хардуерен модел на бъдещият продукт са само около 10% от цената за
производство на прототип. Поради това обичайна практика е симулации с
хардуерен модел на обекта да се прилага паралелно с разработването на
цялостната система.
Хардуер. Входно-изходният интерфейс е реализиран чрез модула

RT-DAC4/PCI-INTECO, притежаващ аналогови и цифрови входове и изхо-
ди. Връзката с компютъра (операционна система Windows) се осъществява
чрез PCI слот. Събирането и обработването на данни в реално време се
реализира без допълнително закъснение в системата. Платката разполага с
инсталиран Xilinx FPGA чип, необходим при препрограмиране функцио-
налността на входовете и изходите, без да са необходими хардуерни мо-
дификации.
Фигура 6.2 RT - DAC4 / PCI
Софтуер. За симулация на експерименталната система се използ-

ва средата на MATLAB. Това става чрез включените в нея Simulink и Real-
Time Workshop (RTW) приложения, които работят в реално време и под-
държат връзка с външни устройства. Събраните данни и контролните про-
менливи се представят графично в приложението Simulink. Real-Time
Workshop е отворена система, предназначена да работи с различни опера-
ционни системи и хардуер. За да генерира код RTW се обръща към Target
Language Compiler (TLC). Той генерира описанието на построения в
Simulink модел, като го превръща в специфичен код - model.rtw. TLC чете
файла model.rtw и стартира TLC програма, която се състои от target файло-
ве (.tlc). Те са ASCII файлове, написани за Target Language Compiler. TLC
компилаторът генерира код от файла model.rtw. В крайна сметка чрез из-
ползването на TCL се получава сорс кода на модела в средата Simulink.
Създадените при компилирането файлове са следните:
• model.mdl – създаден от Simulink, сорс файл.
288
• model.rtw – създаден от RTW, model.mdl.
• model.c – създаден от TLC C\C++ файл за връзка с model.mdl
• model.h – създаден от TLC хедърен файл, съдържащ информация за
връзките между блоковете
• model_export.h – създаден от TLC хедърен файл, съдържащ изходните
сигнали, параметри и функции
• model.prm – създаден от TLC файл, съдържащ настройките на всеки от
блоковете на системата
• model.reg – създаден от TLC файл, съдържащ функции за инициализа-
цията на модела
Фигура 6.3 показва отворената архитектура на RTW.
Фигура 6.3 Архитектура на Real Time Workshop
289
Обект за управление. В системите за отопление, вентилация и
климатизация (СОВК) като правило централната вентилационна система
доставя въздух с определена температура и поток, който затопля или ох-
лажда помещенията. Отоплителната и охладителната секции се използват
съответно за загряване или охлаждане на постъпващия въздух. Неговата
температура се контролира, като се регулира потокът на гореща или сту-
дена вода през съответните секции. Въздушният поток се регулира, като
така се осигурява постоянна циркулация на въздух в помещенията. Топла-
та струя въздух, излизаща от отоплителната секция, е функция както на
потоците на въздух и вода през нея, така и на температурата им на входа
на тази секция. Това означава, че за да се подържа зададената температура
в помещението, са необходими три регулатора, които да следят и контро-
лират посочените три величини.
Температурата на въздуха, напускащ смесителната секция, и нав-
лизащ в отоплителната секция, се определя от отношението между негова-
та температура и тази на входящия въздух, както и от съотношението, в
което тези въздушни потоци се смесват. Обикновено жалузите за входя-
щия и изходящ въздух се управляват по предварително съгласуван начин,
като промяната на позицията им не влияе върху потока въздух, навлизащ в
климатизираната зона. Това дава отражение единствено на температурата
му, като се цели да се достигне предварително зададената. Като цяло тем-
пературата на водата, преминаваща през отоплителната серпентина, се
поддържа с постоянна температура. Дебитът на топла вода през серпенти-
ната е главния параметър, контролиращ нивото на топлинния поток и сле-
дователно температурата на въздуха, преминал през нея. Въздушният по-
ток през отоплителната секция се променя чрез скоростта на вентилатора,
а позицията на жалузите се управлява, за да се поддържа постоянно ста-
тично налягане.
В стандартните СОВК топлинният източник - бойлер може да дос-
тавя вода до няколко отоплителни секции. В тези системи температурата
на водата, достигаща до серпентините, не се контролира на локално ниво.
Температурата на водата се поддържа постоянна, поради което всяка ней-
на промяна се разглежда като смущение. Големината на водния поток и
температурата на входящия въздух са основните величини, които могат да
бъдат управлявани на локално ниво, с цел достигане на излизащия от
отоплителната секция въздух до зададената температура. Следователно
контролерът на управлението се състои от множество контури, но липсват
кръстосани обратни връзки.
Управляващ алгоритъм Съвременните СОВК използват най-

често пропорционално-интегрални регулатори за контрол над отделните
величини. В разглеждания от нас случай се контролират:
• Температурата на водата, доставяна от бойлера
• Температурата на въздуха, доставен до климатизираната зона
290
• Дебитът на водата през отоплителната серпентина
Съществена особеност на разглежданите системи е техния нелине-
ен характер. Това налага ПИ регулаторът да се настройва на базата на мак-
сималната стойност на регулируемата величина, т.е. рядко се постига ня-
каква оптимизация по теоретичен път. Поради това е практика настройва-
емите стойности на параметрите на регулаторите да се определят експери-
ментално. Освен това всички регулиращи органи имат ограничения – мо-
торът е с ограничена скорост, вентилът не може да бъде повече от напълно
отворен или напълно затворен и т.н. В условията на експлоатация на една
реална система твърде често управляващото въздействие достига граници-
те на насищане на регулиращия орган, т.е. обратната връзка се „прекъсва”
и системата работи като отворена. В този момент регулиране-
то“приключва”. Оттам идва и названието на ефекта “integrator windup”.
Ако се използва регулатор с интегрална съставка, грешката ще продължи
да бъде интегрирана. Тогава интегралната съставка може да нарасне зна-
чително.
Анализ на системата в реално време За управление на разглеж-

даната СОВК са използвани следните три ПИ регулатора : KTws, KTai и KTao,
всеки работещ по закона:
u ( n) = u ( n − 1) + k p [e( n ) − e( n − 1)] + kiTe ( n)
Чрез ограничаване на стойността на u(n) в определен обхват се избягва
получаването на windup ефекта. Това ограничение отговаря на максимал-
ните и минималните нива на сигналите за управление. На Фигура 6.4 е
показан в средата на Simulink модел на ПИ регулатор с ограничаващ блок,
приложен при настоящите изследвания.
Фигура 6.4. ПИ регулатор, включващ antiwindup блок
На фигура 6.5 е показана блок схема на СОВК, като са посочени

съответните входове и изходи и техните графични означения. Стойностите
на коефициентите на пропорционалната и интегралната части на регулато-
рите, съответно Kp и Ki, при експериментите са посочени в Таблица 6.1.
291
Таблица 6.1. Стойности на Kp и Кi за трите регулатора
ПИ регулатор Kp Кi
KTai 0.20 0.010
KTao 0.24 0.025
KTws 0.18 0.015
Входове
Cvp управление трипътен вентил
Cbs управление скорост вентилатор
Cdr управление жалузи
Cwh управление нагревател бойлер
Tar температура изходящ въздух
Tae температура входящ въздух
Изходи
Fw дебит на вода през серпентина
Fws дебит на вода през цялата система
Fa въздушен поток към климатизираната зона
Two температура на водата на изхода на серпентината
Tao температура на въздуха към климатизираната зона
Tai температура на въздуха преди отоплителната секция
Twi температура на водата, подавана към серпентината
Tws температура на водата на изхода на бойлера
Tai Tws Tao Fw Cbs

Cdr Cdr Cwh Cvp
Tws Tao
Cdr−1 Tai
K PI K PI K PI
rTai rTws rTao
Фигура 6.5. Блок-схема на СОВК с три ПИ регулатора
292
6.2 Модели в средата Simulink и в средата Хардуерно-
симулирано управление в реално време
Модел на СОВК в средата Simulink
Моделът на затворената система в Simulink е показан на Фигура 6.6.
Фигура 6.6. Модел на СОВК в средата Simulink
Модел на СОВК в средата Хардуерно-симулирано управление в реално

време (HIL)
Симулацията в този случай се пояснява графично на Фигура 6.7.
Фигура 6.7 Блок-схема на симулация от тип HIL
За провеждане на експерименти в реално време е използван конт-

ролерът TAC Xenta 282. ПИ регулаторите са прехвърлени от Simulink мо-
дела в паметта на XENTA контролера. Моделът на СОВК в средата:
Simulink + Инструмент за работа в реално време + Програмируем контро-
лер се пояснява на две фигури: Фигура 6.8 (Simulink + Инструмент за ра-
бота в реално време) и Фигура 6.9 (Програмируем контролер в средата
TAC Menta).
293
Фигура 6.8 Модел на СОВК в средата на Simulink с инструмент за работа в реално време
Фигура 6.9 Модел на регулаторите в средата на TAC Menta
294
6.3 Анализ на контролерната система с използване на модел в
Проведени бяха експериментални анализи относно характера на
преходните процеси при компенсиране на смущенията в два режима:
• Режим А - върху модели без прилагане на програмната среда TAC
Menta (т.е. чисто симулационно моделно изследване в SIMULINK)
• Режим Б - моделиране с включване в реално време на физически реали-
зиран и работещ контролер за управлението на системата.
Режим А
На фигури 6.10 и 6.11 са показани: реакцията на системата при
повишаване на желаната температура в климатизираното пространство с
5°C. В началото на симулацията е зададена желана температура Тао=29°C и
е изчакано системата да се установи. Това става в 375-та секунда от старти-
рането. На 1500-та секунда желаната температурата е променена на 34°C, в
резултат на което регулаторът KTao е реагирал като отваря още трипътния
вентил - за увеличаване потока на топла вода през отоплителната секция.
Регулаторът KTws увеличава мощността на бойлера - за подържане темпе-
ратурата на водата в рамките на зададената чрез Tws стойност. Около 600-та
секунда след смущението се достига желаната температура. В 2500-та се-
кунда от началото на симулацията е зададена отново първоначалната
стойност на температурата - 29°C, като е наблюдавано подобно време за
навлизането на системата в установен режим при този низходящ характер
на процесите.
Model inputs Air and water temperatures
100 60
90
Twi
50
80
70
40
60
Temperature (°C)
% of m ax im um
Tao
50 30
Cbs Two
40
20
Cdr
30 Tai
Cwh
20
10
Cvp
10
0 0
0 500 1000 1500 2000 2500 3000 3500 4000 0 500 1000 1500 2000 2500 3000 3500 4000
Time (sec) Time (sec)
Фигура 6.10 Входове на системата Фигура 6.11 Температури на въздуха и водата
295
Air and water flow rates
30
Fa
25
20
% of maximum
15
10
5
Fw
0
0 500 1000 1500 2000 2500 3000 3500 4000
Time (sec)
Фигура 6.12 Въздушен и воден поток
Режим Б
На Фигура 6.10 са показани температурите на водата и въздуха, както
и управляващите ги сигнали. В началото на симулацията е зададена желана
температура Тао=29°C и е изчакано системата да попадне в установен режим.
Това става в 345-та секунда от стартирането и. На 430-та секунда желаната тем-
пературата се променя на 34°C, в резултат на което регулаторът KTao отваря
още трипътния вентил - за да увеличи потока на топла вода през отоплителна-
та секция. Регулаторът KTws увеличава мощността на бойлера - за да поддържа
температурата на водата в рамките на зададената чрез Tws стойност. Около
200-та секунда след смущението се достига желаната температура.
Tws
Ta
Vt Vt
Tai
Vt
Фигура 6.10 Температури на въздуха и водата и управляващите ги сигнали
296
Обобщено, стойностите на някои показатели на преходния процес
на основната регулируема величина – температурата на въздуха, постъп-
ващ в климатизираното помещение, за двата режима са показани по-долу
(Таблица 6.2):
Таблица 6.2 Показатели на преходния процес за регулируемата величина Tao

Показател Режим А Режим Б Процентна
разлика
Време за достигане на заданието, се- 122 198 63%

кунди
Време за установяване, секунди 375 345 11%
Пререгулиране, процент 4.55 8.62 89%
Максимално отклонение по време на 0.5 2.94 488%
смущението
От таблицата личи необходимостта и полезността на включването

на физически програмирания и работещ в реално време контролер при
анализиране на реалните параметри на преходния процес. Това е особено
значимо при оценяването на максималните отклонения на температурите
(достига се до грешка при чистото моделиране от порядъка на 500%).
Единствено при оценяването на времето за установяване е допустимо при-
лагането на подобно симулиране без включване в затворените контури на
реалните физически контролери – там разликата е от порядъка на 10%.
Горните изводи се базират на предположението, че реалното управление
ще се реализира именно с посочените и използвани в затворените контури
контролерни устройства. Поради това се предполага, че именно в Режим Б
точността е преследваната при проектирането на системата.
6.4 Експериментално изследване на електрозадвижвания в

системите за сградна автоматизация в реално време
Описаните в настоящия труд изследвания са извършени посредст-
вом Real-Time Workshop и цифров сигнален процесор TMS320F2812. Из-
вестно е, че в Matlab и Simulink са заложени target-и към голям брой уст-
ройства на различни производители. В списъка присъства и пакетът
„Target Support Package™ TC2”, поддържащ хардуерната платформа
TMS320F2812.
Софтуер
Софтуерната част на експерименталните изследвания включва
следните стъпки:
• Компилиране на модела (Model Compilation). Софтуерът Real-Time
Workshop анализира блок-диаграмата на модела на системата в Simulink
(model.mdl), както и всичките останали подсистеми. Компилира се файл,
297
който представя модела в междинен йерархичен вид – model.rtw.
• Генериране на програмен код (Code Generation). Специален компилатор
(Target Language Compiler) прочита файлът model.rtw, превежда го в
програмен код на език С и разполага С-файла в поддиректория на
текущата работна директория в Matlab.
• Настройване и създаване на файл с инструкции за бъдещото
компилиране на програмния код (Customized Makefile Generation). Real-
Time Workshop създава специален файл, съдържащ инструкции за
компилирането на вече създадения програмен код на език С. Файлът
(Makefile) се генерира на база на файл-образец според target-ът към
използваната хардуерна платформа. Makefile-ът се разполага в
упоменатата по-горе директория.
• Създаване на изпълнима програма (Executable Program Generation).
Помощна програма, наречена Make-програма прочита Makefile-ът,
компилира програмния код, свързва го с необходимите библиотеки и
създава изпълним файл – model.exe. Създаденото изпълнимо приложение
се стартира под операционната система на компютъра и се следи за
правилната реализация на моделираната система. Това става чрез
записване на стойности за сигналите в системата и тяхната последваща
визуализация.
Процесът на изпълнение на задачата се изменя и допълва, когато
се желае да се съвмести Matlab със софтуерната среда Code Composer Stu-
dio (CCS) и да се свърже използвания за разработване компютър с външен
хардуер. В разглеждания случай бе използвана платката на Spectrum Digi-
tal – TMS320F2812 със сигнален процесор от фамилията C2000 на Texas
Instruments. Генерирането на програмен код бе изпълнено за конкретния
процесор. Задачата позволява реализация по два начина:
• Първият е чрез използване на подходящ помощен пакет - например тар-
гетът за TI C2000 в Matlab, който поддържа използвания TMS320F2812
процесор. Този пакет добавя нова съвкупност от блокове в Simulink заедно
със съответстващите им библиотеки с TLC функции, необходими за гене-
рирането на кода. Въведените блокове могат да бъдат използвани за ини-
циализация на ШИМ и АЦП. Други блокове поддържат различни комуни-
кационни протоколи между компютъра и платформата със сигналния про-
цесор като SCI и CAN.
• Вторият начин за генериране на програмен код за използваната перифе-
рия изисква подобни блокове и съответстващите им TLC функции да бъдат
разработени от проектанта. Блоковете могат да бъдат програмирани на
C/C++/ADA/FORTRAN или m-файлове. За да бъдат интерпретирани при
генериране на изпълним код, са необходими и съответстващите им TLC
файлове, написани на обособен език. Концепцията за използване на този
подход предоставя значителна гъвкавост при осъществяване на специфич-
ни алгоритми.
298
Комуникационни протоколи
Сигналният процесор F2812 поддържа три различни комуникаци-
онни протокола, които могат да се използват за комуникация между него и
Matlab. Те са CAN (Control Area Network), SCI (Scalable Coherent Interface)
и RTDX (Real Time Data Exchange). Използваният в хардуерния пакет кон-
тролен модул поддържа SCI и RTDX протоколи.
SCI е протокол, работещ на принципа „full duplex”.
Комуникацията се осъществява посредством серийния COM порт на
компютъра. Това е моделирано в Matlab чрез добавяне на библиотечните
блокове „SCI Receive” и „SCI Transmit”. Едната страна на комуникацията
се състои от модела в Simulink, съдържащ приемо/предаващите блокове.
Другата страна на комуникацията представлява генерираната програма,
която се изпълнява от сигналния процесор. Двете страни комуникират
посредством програмен скрипт. За да може платката със сигналния
процесор (наричана по-нататък „target”) да изпраща данни към Matlab (на
компютъра) е необходимо target-а и компютъра да са синхронизирани. В
противен случай Matlab няма да разпознава постъпилата информация по
правилен начин. Когато двете устройства са синхронизирани,
постъпващите данни от target-а към Matlab могат да бъдат съхранявани във
файл, обработвани и/или визуализирани например чрез обикновен Scope-
блок в Simulink. Въпреки синхронизацията все още съществуват някои
ограничения, свързани с обработката на данни в Matlab.
В случай на интензивен трансфер на данни от target-а към компю-
търа, ако Matlab не разполага с достатъчни ресурси започва буфериране на
необработената информация. Не е сигурно, че винаги цялата буферирана
информация ще бъде обработена (възможно е препълване на буферите или
ненавременна обработка на буферираните данни). Затова трябва да се от-
читат ограниченията в комуникацията поради сравнително по-ниските въз-
можности на компютъра от тези на target-a. Например при осъществяване
на такава комуникация, в Matlab е възможно да се избира между предоп-
ределени 10 скорости на трансфер на данни от възможни около 65000 ско-
рости. Основното ограничение се състои в това, че максималната скорост
на трансфер с Matlab е 115 200 bits/s, в сравнение с тази от страна на target-
а – 6 250 000 bits/s. Добро качество на регулирането може да бъде получе-
но, ако скоростта на въртене на двигателя се следи със задоволителна точ-
ност – 32 бита за стойност в един такт. Изпращането на тази данна добавя
байт за старт и байт за стоп на комуникацията. Това прави 6-байтово съ-
общение, което се изпраща максимално бързо за 48/115200 секунди, рав-
няващо се на 417µs. Обикновено периода на процесорните прекъсвания в
компютъра, съответстващи на използваното приложение е 125 –250µs. То-
ва означава, че не могат да бъдат предавани данни с такава точност на вся-
ко прекъсване.
RTDX е протокол за комуникация, развит от Texas Instruments, за
да позволи тестване на програмния код в реално време. Данните
299
преминават през JTAG емулатор. При използване на RTDX протокол,
комуникацията между target-a и компютъра е двупосочна. Във времето, в
което не се осъществява трансфер, работата на target-а със сигналния
процесор е независима и не се смущава от компютъра. Необходимо е да се
отбележи, че този протокол не е подходящ за следене на процеса, тъй като
трансфера не е регулярен, а се осъществява при подаване на заявки. RTDX
се изпълнява в Simulink отново посредством блокове за предаване и
приемане на данни.
Тъй като този вид комуникация се осъществява при заявки, удобно
е тя да бъде използвана при изпълнение на графичен потребителски ин-
терфейс (GUI) между target-а и оператора. Не е трудно да се програмират
GUI бутони, при задействане на които да се осъществи кратък трансфер на
необходима информация. Подходът може да се разшири като се осъществи
трансфер на последователност от сигнали при заявка. Това, изпълнено чрез
SCI протокол, ще попречи на изпълнението на алгоритъма от сигналния
процесор, докато с RTDX пакетът ще се изпрати асинхронно, без намеса в
алгоритъма.
Проектиране на управление в Simulink

Проектирането на възли от разработената система дава възмож-
ност да се проведат симулации за оценка на показателите за качество на
системата във всеки етап от разработка, без да се разполага с наличен хар-
дуер. Демонстрационно в настоящия труд е изследвано времето за устано-
вяване на скоростта при изменение на заданието при реализиране на ПИД-
компонентата в системата за индиректно векторно управление.
Началните ПИД параметри генерират резултатите, показани вляво
на Фигура 6.11. Графиките, описват заданието за скорост, периода на за-
пълване на ШИМ (в проценти) и действителната скорост. Графиките в ля-
во (недопустими пререгулирания) показват, че управлението не е оптими-
зирано. Резултатите, показани от същия демонстрационен блок, но при
оптимизирани параметри на блока, са изобразени в дясно на Фигура 6.11.
Фигура 6.11Неоптимизирани и оптимизирани параметри на блок от системата за инди-

ректно векторно управление – практическа реализация
300
Развойната система за цифрово управление на електрозадвижва-
ния eZdspTM F2812, базирана на цифров сигнален контролер
TMS320F2812 с оперативна скорост 150 MIPS е изградена чрез блоковата
схема, показана на Фигура 6.12.
Фигура 6.12 Блокова схема на развойната система
Работоспособността на предложената система за физически изс-

ледвания бе доказана експериментално върху модулна опитна постановка,
съдържаща система за натоварване, измервателна апаратура (измервателен
комплект К506, цифров запомнящ осцилоскоп, персонален компютър с
инсталиран Matlab и CCS, сигнал-генератор и цифрово управляем инвер-
тор на напрежение). Опитната постановка е показана на Фигура 6.13.
Фигура 6.13 Опитна постановка за експериментално изследване на електрозадвижвания в

301
На Фигура 6.14 е показана експериментална осцилограма, описваща зада-
нието и изхода на блока за пространствена векторна модулация на експе-
рименталната система при синусоидално задание.
Фигура 6.14 Експериментална осцилограма
Резултати от изследванията – скорост (rad/s); ток на статора – q

компонента; управляващ сигнал за q токовата компонента са показани на
Фигура 6.15.
Фигура 6.15 – Експериментални резултати за

q-компонентата
302
Аналогично - резултатите от изследванията – ток на статора – d
компонента; управляващ сигнал за d токовата компонента и скорост
(rad/s); са показани на Фигура 6.16
Фигура 6.15 – Експериментални резултати за

d-компонентата
Real-Time Workshop е средство за реализация на системи, работе-

щи в реално време. Софтуерът предлага бързо, автоматично генериране на
програмен код, изхождайки от модели на системи в Simulink. От програм-
ният код е възможно да бъде компилирано софтуерно приложение, реали-
зиращо системата извън средата на Matlab, чрез надстройката за проекти-
ране на приложения в реално време на цифрови сигнални процесори на
Texas Instruments - Embedded Target for TI C2000. Използвайки тези мощни
средства за проектиране съвместно с развойната среда TI Code Composer
Studio и развойна платка DSK Spectrum Digital е възможно да бъде реали-
зиран модел, проектиран в Simulink, в реално устройство за цифрово уп-
равление на силови преобразуватели с векторно управление.
303
304
Информационно осигурявяне
на системите за енерго-
икономично управление
7.1 Сензорни информационни контури

7.1.1 Информация за температура
Тук най-широко приложение намират термодвойките, металните и
полупроводниковите терморезистори, течностните, манометричните, би-
металните и дилатометричните датчици за измерване на температура в
обхвата най-често от -50°С до 250°С.
Контактни сензори на температура
Този тип сензори измерва температурата на топло/студеноносител
индиректно чрез явлението топлопроводност, като се закрепва за тръбоп-
ровода. Използва се при метални тръбопроводи (мед, стомана и др.) с мак-
симално сечение Ø 100 mm за наблюдение (мониторинг) на избраната точ-
ка от системата или на места, където изпозването на потопяем температу-
рен сензор е физически невъзможно. Не се препоръчва показанията им да
се използват в логика за изработване на управляващ сигнал. Пример за
такъв сензор е моделът STC110-400, показан на фиг.7.1.
Потопяеми сензори на температура
Този тип сензори измерва температурата на топло/студеноносител
директно в самите тръбопроводи. Монтирането на сензорния елемент се
осъществява в специално направени за целта отвори. Монтират се на т.н.
„колена” срещу посоката на движението на флуида. Характеризират се с
малка времеконстанта и показанията им се използват в логика за изработ-
ване на управляващ сигнал. Пример за такъв сензор е моделът STP 120
(фиг. 7.2).
Сензори на температура във въздуховоди
Този тип сензори измерва температурата на въздушния поток във
въздуховоди. Монтират се в близост до вентилатора, където въздушният
поток е турболентен. Дължината на сензорния елемент се избира в зависи-
мост от размерите на въздуховода. Времеконстантата им зависи от ско-
305
ростта на потока и показанията им се използват в логика за изработване на
управляващ сигнал. Пример за такъв сензор е моделът STD 100 (фиг. 7.3).
Фиг.7.1 Ссензор STC110- Фиг.7.2 Сензор STP 120 Фиг.7.3 Сензор STD 100
400
7.1.2 Информация за влажност

За нуждите на сградната автоматизация е необходимо измерване
на относителната влажност на въздушния поток (в проценти). При измер-
ване на относителна влажност във въздуховод сензорът се монтира на оп-
ределено разстояние от вентилатора, където въздушният поток е ламина-
рен в зависимост от размерите на въздуховода и след активни съоръжения,
пряко оказващи влияние върху влагосъдържанието на въздушния поток
(изсушители, овлажнители, охлаждащи серпентини и др.). Характерното
при този тип сензори е, че имат вграден електрически трансмитер, който
преобразува измерваната величина в електрически сигнал. Пример за та-
къв сензор е моделът SHD 100 (фиг. 7.4). Съществуват различни видове
подобни датчици - напр. въздуховоден преобразувател за влажност
DIGHL/DUGHL, който е активен сензор, измерващ относителната влаж-
ност във въздуховод (фиг. 7.5).
Фиг.7.4 Сензор SHD 100 Фиг.7. 5. Въздуховоден преобразувател

на влажност
7.1.3 Безжични сензорни мрежи

Безжична сензорна мрежа (WSN) е безжична мрежа, състояща се
от пространствено разпределени независими устройства, които използват
306
сензори за следене на физически условия или условия на околната среда.
Тези самостоятелни устройства или терминали, се съчетават с маршрути-
затора и предавателя, за да се създаде типична WSN система. Разпределе-
ните измервателни терминали се свързват безжично с централния предава-
тел, който осигурява връзка с кабелния слой на системата.
Стандарти за безжични мрежи
IEEE присвои на безжичните технологии за LAN общия номер
802. Въз основа на него бяха създадени работни групи за разработка на
спецификации. Една от тях е 802.11, която създаде фамилията от специфи-
кации 802.11. Други работни групи и съответно спецификации са напри-
мер 802.15 (за мрежата Bluetooth), 802.16 (за поддръжката на широколен-
товите безжични системи,) и др.
Стандарт Wi-Fi
Wi-Fi е технология на безжичната мрежа (WLAN), базирана на
спецификациите от серията IEEE 802.11. Първоначално тя е лицензирана
от Wi-Fi Alliance. Била е разработена, за да бъде използвана от преносими-
те изчислителни устройства, като преносими компютри, в локални мрежи
(LAN), но сега все повече се използва и за други услуги, включително
Internet, базово свързване на потребителска електроника и др.
Стандарт Bluetooth
Технологията Bluetоoth се използва за безжични мрежи, в които
биха могли да участват не само компютри, но и други устройства от типа
на мобилни телефони, апарати от домашния интериор и др.
Bluetоoth работи в честотния диапазон 2400 – 2483.5 MHz, осигурявайки
скорост на предаване, достигаща максимум до 2 Mbps. Като средства за
защита могат да бъдат използвани протоколите: PPTP, SSL или VPN.
Bluetоoth не подържа TCP/IP.
Стандарт Зигбий (ZigBee)
През 2002 г. се появи пореден стандарт за цифрова радиовръзка,
наричан ZigBee. Днес зад него стои консорциумът ZigBee Alliance, включ-
ващ около 230 компании, между които гиганти като Samsung, Philips,
Mitsubishi и Motorola. Първите произведени ZigBee устройства се появиха
през 2005 г. Названието ZigBee произлиза от зигзагообразния (zigzag) танц
на пчелите (Bee - пчела), посредством който те предават помежду си ин-
формация относно местонахождението (посока и разстояние) на източни-
ците на храна. По същество ZigBee е комплект от протоколи (фиг.7.6), до-
пълващи международния стандарт IEEE 802.15.4. Спецификацията IEEЕ
802.15.4 дефинира на какви честоти и кога трябва да се излъчва сигналът,
а зад ZigBee се крият протоколите, осигуряващи логическата комуникация,
която гарантира съвместимостта на устройствата, произвеждани
от различни фирми.
307
фиг.7.6. Комплект от протоколи на Zigbee
Основното предимство на ZigBee е икономичността по отношение

на консумацията на електрическа енергия. Енергията на една стандартна
батерия тип АА е достатъчна за радиоизлъчване в продължение на повече
от една година. Определението гласи, че IEEЕ 802.15.4. е стандарт за нис-
ко скоростни мрежи – Low Rate Wireless Personal AreaNetwork (LR-
WPAN). Той има на разположение 27 радио канала в три честотни диапа-
зона-16 канала в общоприетия в цял свят 2,4 GHz диапазон, един допълни-
телен диапазон на 915 MHz в САЩ (10 канала) и още един на 868 MHz в
Европа (един канал). Скоростта на предаване на данните зависи от броя на
свободните канали и варира между 20 и 256 Kbps. Разпределението на кана-
лите става по принципа на контрола на носещата (CSMA; Carrier Sense,
Multiple Access) – устройството “слуша” ефира и започва предаване, само
когато той се освободи.
В таблица 7.1 са показани сравнителните характеристики на стан-
дартите ZigBee, Bluetooth и Wi-Fi.
Таблица 7.1 Сравнителни характеристики на различни безжични стандарти

Zigbee Bluetooth
Стандарт Wi-fi 802.11b
802.15.4 802.15.1
Обхват на покритие, m 1-100 1-100 1-10
Живот на батерията,
100-1000 0,5-5 1-7
дни
Брой потребители в
>64000 32 7
мрежата
250 kbps (2.4 GHz),
11 – 100 723.1 Kbps - 2.1
Скорост на пренос 40 kbps (915 MHz) и
Mbps Mbps
20 Kbps (868 MHz)
Управление и конт- Заместител на
Приложение Web, Еmail
рол кабел
308
Интерес представлява факта, че при ZigBee данните могат да се
предават щафетно от устройство на устройство. Заедно със способностите
за самонастройка това чувствително опростява разгръщането на мрежи
върху голяма площ.
7.2 Наблюдатели в информационните канали

7.2.1 Адаптивни наблюдатели за електрозадвижвания в сград-
ни автоматизирани системи
Тъй като не всички променливи на състоянието на асинхронния
двигател, необходими за ориентация на координатната система (директно
или директно векторно управление с ориентация по полето) или за въвеж-
дане на обратна връзка са измерими, се налага те да бъдат оценявани. Оп-
ределянето на неизвестните променливи на състоянието при пренебрегва-
не на смущенията и грешките при измерване се нарича наблюдение.
В оценителите по отворена схема, особено на ниски скорости, от-
клоненията в параметрите влияят значително върху показателите за ка-
чество на задвижването както в преходно така и в установено състояние. С
цел повишаване на стабилността при вариране на параметрите и шумоус-
тойчивостта се използват наблюдатели.
Най-често използваният наблюдател за детерминирани обекти е
наблюдател на Луенбъргър.
Ако система може да бъде описана в дискретен момент на времето:
x(k + 1) = Ax(k ) = Bu (k ) (7.1)
y (k ) = Cx (k )
и е наблюдаема, състоянията могат да бъдат определени:

x$ (k + 1) = Ax$ (k ) + Bu (k )
x$ (k + 1) = Ax$ (k ) + Bu (k ) + L ( y (k + 1) − C $x(k + 1)) (7.2)
Фигура 7.7 показва структурната схема на наблюдател, който е
описан от (7.2) . Изходния вектор y, се използва за изчисляване текущия
вектор на състоянието х. Грешката на наблюдателя е:
e(k ) =ˆ x(k ) − xˆ (k )
e(k + 1) =ˆ ( A − LCA)e( k ) (7.3)
където L е матрицата на обратната връзка (коефициент на усилване) на
наблюдателя.
309
x(k + 1) x( k )
y(k )
B Z −1 C
A Z
u(k )
y ( k + 1)
L
− yˆ(k + 1)
xˆ(k + 1) xˆ( k ) xˆ(k + 1)
B Z −1 A C
Фигура 7.7.Структурна схема на наблюдател
Използван е стационарен модел на машината

( Rs = const , Lr = const , Lm = const , Ls = const ), без отчитане на токовото
изместване в ротора ( Rr = const ) в статорна αβ координатна система.
L2 m
( Rs + Rr )
disα Lr 2 Lm Rr L 1
=− isα + ψ rα − m ωrψ r β + u (7.4)
dt Lsσ Lsσ Lr Lsσ Lr σ Ls sα
L2 m
( Rs + Rr )
disβ Lr 2 Lm Rr L 1
=− isβ + ψ rβ + m ωrψ rα + u (7.5)
dt Lsσ Lsσ Lr Lsσ Lr σ Ls sβ
dψ rα Lm Rr R
= isα − r ψ rα + ωrψ rβ (7.6)
dt σ Ls Lr
dψ r β Lm Rr R
= isβ − r ψ r β − ωrψ rα (7.7)
dt σ Ls Lr
L2m
където Ls = Lsσ + Lm , Lr = Lrσ + Lm , σ = 1 −
Ls Lr
310
 isα 
i 
isα   sβ 
i  = [1 1 0 0 ]  ψ rα 
(7.8)
 sβ 
 
ψ r β 
Матрицата на състоянието на наблюдателя е функция на роторна-
та скорост Aˆ (ωr ) и поради това, освен потокосцеплението необходимо за
ориентация на координатната система, трябва да се изчислява и роторната
скорост. Изчислената роторна скорост е означена с ωˆ r .
 L2 m 
 ( Rs + Rr L 2 ) Lm R r Lm 
− r
0 − ωˆ r 
 Lsσ Ls σ Lr Ls σ Lr 
  (7.9)
 L2 m 
( Rs + Rr )
 Lr 2 Lm Lm R r 
Aˆ =  0 − ωˆ r 
 Lsσ Lsσ Lr Lsσ Lr 
 Lm R r Rr 
 0 − ωˆ r 
 σ Ls Lr 
 Lm R r Rr 
 0 − ωˆ r − 
 σ Ls Lr 
Скоростният, адаптивен по поток наблюдател, позволява изчисля-

ване на неизвестния скоростен параметър ωˆ r в матрицата Â . За получа-
ване на скоростния алгоритъм е използвана теоремата на Ляпунов.
usα , usβ 
АД
isα , isβ 
iˆsα , iˆsβ 
x̂& xˆ =  Iˆs ; Ψ
ˆ 
r
 
B Z −1 C
 esα ; esβ 
ψˆ rα ;ψˆ r β 
A
Rˆ s ωˆ r
ωˆ r
iˆsα ; iˆsβ 
Rˆ s
Фигура 7.8 Структурна схема на адаптивен по скорост и статорно съпротивление

наблюдател на потокосцепление
311
По отношение на грешката уравнението на състоянието може да се
изрази така:
de(t ) d
= ( x − xˆ ) = ( A − GC )( x − xˆ ) + ( A − Aˆ ) xˆ = ( A − GC )e − ∆Axˆ (7.10)
dt dt
където:
 Lm 
0 0 0 −(ωˆ r − ωr )σ
Ls Lr 
 
 Lm 
ˆ
∆A = A − A 0 0 (ωˆ r − ωr )σ 0 
 Ls Lr 
0 0 0 (ωˆ r − ωr ) 
 
0 0 −(ωˆ r − ωr ) 0 
e = x − xˆ е вектора на изчислителната грешка
Динамиката на уравнение (7.10) се определя от собствените стой-
ности на матрицата A − GC . Ако тези собствени стойности имат отрица-
телни реални части, тогава изчисленото x̂ се доближава до действително-
то x.
За постигане на устойчивост, адаптивния механизъм е получен чрез дина-
мичните уравнения на състоянието и теоремата за устойчивост на Ляпу-
нов.
Функцията:
1
V = eT e + (ωˆ r − ωr )2 / c (7.11)
2
където c > 0 = const
удовлетворява изискванията за непрекъснатост, диференцируемост и е по-
ложително определена.
Функцията е равна на 0 когато (е) е нула и когато изчислената
скорост ( ωˆ r ) е равна на действителната скорост ( ωr ). Достатъчното усло-
вие за асимптотична устойчивост е производната dV/dt, да бъде отрица-
телно дефинирана.
dV  d (eT )  T  de  dωˆ r (ωˆ r − ωr )
= e  + e  dt  + 2 dt = eT  ( A − GC )T + ( A − GC )  e −
dt  dt    c
Lm (e ψ − e ψ ) dωˆ (ωˆ − ω r )
−2 (ωˆ r − ω r ) sα s β sβ sα + 2 r r (7.12)
Lr σ Ls dt c
където esα = isα − iˆsα ; esβ = isβ − iˆsβ
312
Условието за асимптотична устойчивост се изпълнява, ако dV < 0
dt
т.е. намалява ако (ωˆ r − ωr ) > 0 . Последното е вярно, ако сумата на послед-
ните два члена е нула.
d ωˆ r L
= K (esαψˆ sβ − esβψˆ sα ) , K =c m (7.13)
dt σ Ls Lr
За подобряване динамиката на скоростния наблюдател е приложен
PI закон:
∫
ωˆr = K p (esαψˆrsβ − esβψˆ rsα ) + Ki (esαψˆ rsβ − esβψˆ rsα )dt (7.14)
където K p и K i са пропорционалната и интегралната константи.
Влиянието на промяната на статорното съпротивление може да
бъде премахнато, чрез използване на адаптивен алгоритъм за оценката му,
получен чрез теоремата на Ляпунов, аналогично на роторната скорост. В
този случай функцията на Ляпунов V2 е избрана
1 1
V2 = eT e + ( Rˆ s − Rs )2 , където c2 > 0 = const (7.15)
2 c2
В матрицата на състоянието на грешката ∆Aˆ s , Rˆ s = Rs + ∆Rs е оце-
няваното статорно съпротивление, а ∆Rs е грешката в статорното съпро-
тивление.
 Rˆ s − Rs 
 0 0 0
 Lsσ 
  (7.16)
Rˆ s − Rs
Aˆ − A = ∆AR =  0 0 0
 Lsσ 
 0 0 0 0 

 0 0 0 0 
dRˆ
dV2
dx
( )
= e ( A − GC ) eT + eT ( A − GC ) e − eT ∆AR xˆ − e∆ART xˆT + s Rˆ s − Rs =
T
dx
Rˆ − Rs ( )
ˆ
dRˆ Rs − Rs (7.17)
= eT ( A − GC ) + ( A − GC )  e − 2 s

T
 Lsσ
( )
eiα iˆsα + eiβ iˆsβ + 2 s
dx c2
Условието за асимптотична устойчивост се изпълнява, ако dV2 < 0
dt
т.е. намалява ако ( Rˆ s − Rs ) > 0 .
dRˆ s
dx Lsσ
c
(
= 2 eiα iˆsα + eiβ iˆsβ ) (7.18)
313
Уравненията на двигателя трябва да бъдат дискретизирани за
цифрова реализация на алгоритъма:
tk +1
x(tk +1 ) = F (tk +1 , tk ) x(tk ) + ∫ F (t

tk
k +1 ,τ )B (τ )u (τ )dτ (7.19)
(tk +1 − tk ) 2
F (tk +1 , tk ) = e A( tk +1 ).( tk +1 −tk ) = I + A(tk +1 ).(tk +1 − tk ) + A(tk +1 ) 2 + ... (7.20)
2!
A(tk +1 ) B.(t k +1 − tk ) 2 (7.21)
B (tk +1 ) = B.(t k +1 − tk ) + + ....
2!
Дискретизираният наблюдател се описва с:
xˆ (tk +1 ) = F (tk +1 , tk ) xˆ (tk ) + B (tk +1 )u (t k +1 ) + G (tk +1 )e(tk +1 ) (7.22)
където G е дискретизираната матрица в обратната връзка.
Тъй като матрицата А зависи от параметъра ωr , то получената
дискретна преходна матрица F (tk +1 , tk ) трябва да се изчислява на всяка
стъпка. За изпълнение в реално време, обновяването на матрицата на об-
ратната връзка, поради малката стъпка на дискретизация налага изисква-
ния за сериозно бързодействие и изчислителни възможности на микрокон-
тролера. Неблагоприятно влияние върху динамиката на наблюдателя, осо-
бено в нискоскоростния диапазон оказват изчислителните грешки, поради
близкото разположение на полюсите до границата на устойчивост.
За постигане на адекватна точност на дискретизирания модел е
необходимо времето на дискретизация да бъде на порядък по-малък от
характерните времеконстанти на двигателя. Крайният избор се базира на
полученото време за изпълнение на пълния алгоритъм, както и задоволи-
телна точност и стабилност. Използване на два члена от реда очевидно
увеличава времето за изчисление. Ако се пренебрегне вторият член в (7.19)
и (7.21), тогава:
F (tk +1 , tk ) = e AT ≈ I + AT (7.23)
T
B (tk +1 ) = ∫ e Aξ Bdζ ≈ BT (7.24)
0
C (tk +1 ) = C (7.25)
където T = t (k + 1) − t (k ) е стъпката на дискретизация.
314
 L2 m 
 ( Rs + Rr L 2 ) Lm Rr Lm 
1 − r
T 0 T − T ωˆ r 
  (7.26)
 L2 
( Rs + Rr m2 )
 Lr Lm Lm Rr 
F (tk +1 , tk ) =  0 1− T T ωˆ r T 
 Lm Rr Rr 
 T 0 1− T −T ωˆ r 
 σ Ls Lr 
 Lm Rr Rr 
 0 T ωˆ rT 1− T 
 σ Ls Lr 
1 0
0 1 
 и 1 0 0 0  (7.27)
B (tk +1 ) = 0 0 C (tk +1 ) =  
  0 1 0 0
0 0
 
T
x(k ) = issα (k ) issβ (k ) ψ rsα (k ) ψ rsβ (k )  (7.28)
T
u ( k ) = Vsαs ( k ) Vssβ ( k )  (7.29)
За да се осигури устойчивост на наблюдателя в целия диапазон на
изменение на скоростта, конвенционалния подход е да се изберат полюси-
те му пропорционални на полюсите на мотора. Константата на пропорцио-
налност е k ≥ 1 , което прави наблюдателя динамично по-бърз от асинх-
ронната машина. Но чувствителността към шума е свързано с константата
на пропорционалност.
Синтез на рекурсивен алгоритъм по метода на най-малките
квадрати
Измервателните и системни грешки е възможно да се окажат при-
чина за несъвместност на решенията. В такъв случай се налага да се прие-
ме оценката, която по най-добър начин удовлетворява системата уравне-
ния. Един начин за решаване на тази задача е класическия метод на Гаус,
известен като метод на най-малките квадрати. Целта е минимизация на
квадрата на евклидовата норма на вектора на грешката
2
e 2 = eT e = e12 + e22 + ... + ek2 (7.30)
Условието за достигане на минимум на тази сума е нулиране на

всички частни производни или
315
 y ( k0 ) 
 F T (k0 , k1 )C T (k0 )....F T (k1 , k1 )C T (k1 )   :  =
 
 y ( k1 )  (7.31)
C (k0 ) F (k0 , k1 ) 
 F T (k0 , k1 )C T (k0 )....F T ( k1 , k1 )C T (k1 )   :  xˆ (k )
  1
 C ( k1 ) F (k1 , k ) 
Дясната част на уравнението (7.31) може да бъде представена чрез

дискретната матрица на наблюдаемост M ( k1 , k0 ) :
k1
M (k1k0 ) := ∑F
κ = k0
T
(κ , k1 )C T (κ )C (κ ) F (κ , k1 ) (7.32)
*
Въвежда се допълнителната матрица P , чиито физически смисъл
е ковариации на оценките.
P* ( k + 1) := F ( k ) M −1 ( k , k0 ) F T ( k ) (7.33)
Окончателно, за матрицата в обратната връзка на наблюдателя се получа-
ва:
G ( k + 1) = P* ( k + 1)C T ( k + 1)[C ( k + 1) P* ( k + 1)C T ( k + 1) + I ]−1 (7.34)
−1
а за M изразът е:
M −1 (k + 1, k0 ) = P* (k + 1) − G (k + 1)C ( k + 1) P* (k + 1) (7.35)
−1
Ако матрицата M (k , k0 ) за определен момент от времето к е
*
известна, то за следващия момент на измерване матрицата P се изчислява
по уравнение (7.35) с което всички матрици в дясната част на (7.34) са оп-
ределени и G за следващия дискретен момент също може да бъде опреде-
−1
лена. Уравнението за M съответства на матричното диференциално
уравнение на Рикати.
Начални условия.
Наблюденията започват в k0 момент с осъществяване на първото
измерване y ( k0 ) .
Ако матрицата M (k , k0 ) е изродена, то изчисленията трябва да бъдат из-

вършени по:
M ( k + 1, k0 ) = F −1 ( k )T M ( k , k0 ) F −1 ( k ) + C T ( k + 1)C ( k + 1)
M (k + 1, k0 ) xˆ (k + 1) = F −1 (k )T M (k , k0 ) xˆ (k ) + C T ( k + 1) y (k + 1)
316
с начални условия M (k0 , k0 ) xˆ (k + 1) = C T (k0 ) y (k0 )
В противен случай началните условия са M (k0 , k0 ) = C T ( k0 )C (k0 )
Роторната скорост и статорното съпротивление са приети за неиз-
вестни параметри и тъй-като дискретната преходна матрица зависи от тях
е използван синтезирания по-горе механизъм за оценката им. На всяка
стъпка дискретната преходна матрица се обновява и по уравнение (3.156)
се изчислява актуалната стойност на матрицата в обратната връзка на наб-
людателя, осигуряваща минимум на квадрата на грешката на измеримите
и оценени състояния.
Таблица 7.2 Рекурсивен алгоритъм по метода на най-малките квадрати
Предсказване на вектора на състоянието:

xˆ (k / k − 1) = F (k − 1) xˆ (k − 1/ k − 1) + B(k − 1)u (k − 1)
Ковариационна оценка на предсказването:
P* ( k ) = F ( k − 1) M −1 ( k − 1) F T ( k − 1)
Изчисляване матрицата в обратната връзка
G (k ) = P* (k )C T (k ) [C (k ) P* (k )C T (k ) + I ]
−1
Обновяване на матрицата на наблюдаемост

M −1 ( k / k + 1) = [ I − G (k )C ( k ) ] P* (k )
Оценка на вектора на състоянието:
xˆ (k / k ) = xˆ (k / k − 1) + L(k ) [ y (k ) − C ( k ) xˆ (k / k − 1)]
Симулационно изследване за оценка на показателите за качество

на наблюдателя.
Симулациите са проведени с Matlab/Simulink, при 20% увеличение
на параметрите Rs и Rr на обекта спрямо модела, използван в наблюдате-
ля съответстващо на реалните условия при нагряване в система за инди-
ректно векторно управление с идеализиран инвертор на ток (без отчитане
на комутационните процеси) с релейни хистерезисни регулатори и отрица-
телна обратна връзка по оценената роторна скорост.
317
ωr eω ωr eω
ωˆ r [ rad / s ] ωˆ r [ rad / s ]
[ rad / s ] [ rad / s ]
Фигура 7.9 Роторна скорост и оценката й при задания:

200 rad/s (а) и 30 rad/s (b)
ψ rα
ψˆ rα ψ rα
[Wb] ψˆ rα
[Wb]
eψ eψ
[Wb] [Wb]
Фигура 7.10 Роторно потоксцепление и оценката му при задания:

200 rad/s (а) и 30 rad/s (b)
В сравнение с класическия Луенбъргъров наблюдател, наблюдате-

лят синтезиран по метода на най-малките квадрати показва около 2 пъти
по-малка динамична грешка, 7 пъти по-малка статична грешка при нато-
варване в оценките на скоростта и 2 пъти по-малка грешка в потокосцеп-
лението в диапазона на високите скорости. При ниска скорост грешките са
около 1.4 пъти по-малки при равни други условия. По високата точност
във високоскоростния диапазон се обяснява с изчисляване на матрицата в
обратната връзка на всяка стъпка, съгласно алгоритъма така, че да се ми-
нимизира квадрата на грешката, докато при наблюдателя на Луенбъргър
същата е стационарна, определена при ниска скорост.
7.2.2 Разширен филтър на Калман за електрозадвижвания в

интегрирани сградни системи
Електрозадвижванията в интегрираните сградни системи се кла-
сифицират в зависимост от своите функции. Основните класове на прила-
ганите асинхронни задвижвания тук са:
318
• Транспортни задвижвания - Функционирането им се свежда до позици-
ониращи и логически функции, както и до реализиране на автономни
транспортни модули.
• Подемни задвижвания -. Типични приложения са: товарни асансьори,
кранови съоръжения, лебедки, подемни системи в съоръжения за обслуж-
ване на рафтове, подемни станции, ножични повдигащи маси, асансьори и
ескалатори, сценична техника, плъзгащи се врати
• Задвижвания за помпи и вентилатори, които придвижват и/или сгъстя-
ват течни и газообразни вещества. Разграничават се два принципа на дейс-
твие. Помпите с бутало и зъбно колело или аксиални вентилатори, работят
на принципа на изместването, докато помпите с радиални вентилатори из-
ползват центробежната сила. Помпите и вентилаторите конструктивно се
оразмеряват за максималната необходима мощност, например използване-
то на климатични инсталации през лятото и зимата. Тези работни режими
се достигат обаче само в определени дни от годината. Вместо двигателите
да работят при пълно натоварване и излишните мощности да се унищожа-
ват от бай-паси или дросели, чрез регулиране на оборотите може да се
спестява енергия в големи мащаби. Тъй като необходимите обороти на
въртене на помпите и вентилаторите са еквивалентни на оборотите на дви-
гателите, се използват често стандартни трифазни двигатели без редукто-
рите или с ремъчни предавки. Честотните преобразуватели чрез променли-
ва изходна честота правят възможна енергийно ефективната работа в ре-
жим на частично натоварване.
В последните години широко разпространение в разглежданите
електрозадвижвания намират системите с векторно управление. Чрез тях
се осигурява ефективно използване на въртящия момент на двигателя,
формира се по-добра динамика на координатите, осигурява се по-висока
точност на управлението. Съвременните честотни преобразуватели регу-
лират скоростта на задвижването по такъв начин, че се приближават по
своите качества до сервозадвижванията. При тях се реализират и някои
твърде съществени нови качества като напр. потискане на смущенията,
ограничаване на висшите хармоници, елиминиране на аварийни режими и
др. Основен проблем е получаването по индиректен път на нужната за
управлението им информация от координатите на задвижването. Реализи-
рането на безсензорното управление в разглежданите електрозадвижвания
позволява в зависимост от стратегията за оптимизация на управлението
им, задачите по икономия на енергия при същевременното запазване на
изискуемия комфорт да се решават, като се разпределят на централизирано
или на локално ниво. И в двата случая обаче широко са разпространени
алгоритмите с предсказващо управление, позволяващи минимизация на
енергийните загуби в преходните режими (топло - студено, работно време
- неработно време и др.). Доказано е, че чрез такъв подход в световен ма-
щаб се постига реализиране на икономии от около 18% годишно при отоп-
лителните, вентилационните и климатичните системи и около 52% за осве-
319
тителните системи.
В общи линии се прилагат две структури за изграждане на оцени-
телите: като отворена или затворена система. Разликата между тези струк-
тури е във възможността за корекция по грешката при оценяването за нас-
тройване реакцията на оценителя.
В оценителите по отворена схема, особено на ниски скорости, от-
клоненията в параметрите влияят значително върху показателите за ка-
чество на задвижването както в преходно така и в установено състояние. С
цел повишаване на стабилността при вариране на параметрите и шумоус-
тойчивостта се използват наблюдатели, изграден на затворен принцип.
Най-често използваният наблюдател за детерминирани обекти е
наблюдател на Луенбъргър, който бе описан по-горе. Разглежданите зад-
вижвания обаче имат твърде често стохастични свойства. Основният фил-
тър на Калман (KF), който е един стохастичен наблюдател, е приложим за
разглежданите задвижвания, стига те да могат да е класифицират като ли-
нейни стохастични системи. Прецизният анализ на тези задвижвания обаче
показва тяхната съществена нелинейност, където може да бъде използван
разширеният филтър на Калман (EKF). Той представлява рекурсивен фил-
тър (базиран на познаване на статистически характеристики на състояния-
та и шума, които са получени от измервания и/или моделиране на система-
та) и е приложим за нелинейни, нестационарни стохастични системи.
EKF е нечувствителен към промени в параметрите (шумът при
измерване и моделиране е отчетен в алгоритъма) и затова е предпочитан
при векторното управление на асинхронните задвижвания.
В литературата са дискутирани различни видове адаптивни наб-
людатели от пълен ред за висококачествени електрозадвижвания с асинх-
ронни мотори. В адаптивните наблюдатели на скорост от пълен ред ротор-
ната скорост се счита за параметър, докато в EKF роторната скорост се
счита за състояние. При разширения Калманов филтър се предполага, че
измервателният шум и шумът в система са некорелирани. Източниците на
шум са вследствие неточности при измерване и отчитат неточности в ма-
тематическия модел. В първия етап от изчисленията състоянията са предс-
казани чрез използването на математически модел, а във втори етап предс-
казаните състояния непрекъснато се коригират чрез обратната връзка. Тази
схема използва действителните, измерими състояния за корекция на пред-
сказаните чрез претеглената разлика на измерените и оценени изходни
сигнали. Базиран на отклонението от оценената стойност, EKF осигурява
оптимална изходна стойност до следващия дискретен момент.
Основните стъпки при проектиране и изграждане на дискретизи-
ран EKF алгоритъм, са както следва:
• Избор на модела на двигателя, описан във временната област
• Определяне на ковариационните матрици на шума и грешките
• Изграждане на дискретизирания EKF алгоритъм
320
Ако въртящият момент е неизвестен, промяната в ωr не може да
бъде определена от останалите състояния и управляващи сигнали. Допус-
каме, че ω r е константа при изчисленията в периода на предсказване на
състоянията, като в междутактовите интервали се отчитат нейните проме-
ни при актуализиране на ковариационната матрица в коригиращия етап.
Взимайки предвид шума на системата, който е бял гаусов шум с нулева
средна стойност и некорелиран с x(k ) с ковариационна матрица Q, а съ-
що и факта, че измервателният шум w(k ) (шум в измерените токове на
статора) също е бял гаусов шум с нулева средна стойност и некорелиран с
y (k ) , с ковариационна матрица R., моделът на системата става:
 Rs + Rr (Lm / Lr )2 LmRr Lmωr 

− 0 0
σ L σLs Lr σLs Lr
 isα    i 
s
1 0
i   R + R (L / L )2
L ω LmRr  sα
0 − s r m r − m r 0 i  0 1 (7.36)
sβ   σ σ
 L L s Lr σLs Lr  sβ   Usα 
ψrα  =    + 1 
d s
 LmRr Rr  ψrα 0 0 
dt   0 − −ωr 0   σLs   Usβ
ψrβ   Lr Lr ψrβ  0 0 
 ωr     0
 0
LmRr
ωr
R
− r 0  ωr  0
 Lr Lr 
 0 0 0 0 0
x ( k + 1) = Ad x ( k ) + B d u ( k ) + v ( k ) (7.37)
y (k ) = Cd x(k ) + w(k ) където:
x(k ) = [isα (k ) isβ (k ) ψ rα (k ) ψ rβ (k ) ωr (k )]
T
(7.38)
[
u (k ) = U sα (k ) U sβ (k ) ]T
(7.39)
Уравненията на двигателя трябва да бъдат дискретизирани за
цифрова реализация на EKF като:
x(k + 1) = Ad x(k ) + Bd u (k ) (7.40)
y (k ) = Cd x(k ) (7.41)
( AT ) 2
Ad = exp[ AT ] ≈ I + AT + (7.42)
2
ABT 2 (7.43)
Bd ≈ BT +
2
Определяне на ковариационните матрици на шума и грешките

Оценките на филтъра x̂ се получават от прогнозните стойности на
състоянията x и се коригират рекурсивно чрез използване на коригиращи
321
условия, чрез матрицата на Калман (L) и грешката в оценения спрямо из-
мерения изходен вектор ( y − yˆ ) . Калмановото усилване се избира така,
че да дава оптимален резултат (минимални средноквадратични девиации
на грешката).
Този алгоритъм на филтриране съдържа две основни фази: фаза на
предсказване и филтрираща фаза.. Тези два етапа са пояснени на Фигура
7.11:
Предсказване на вектора на състоянието:
xˆ(k / k − 1) = A(k − 1)xˆ(k − 1/ k − 1) + B(k −1)u(k −1)
Ковариационна оценка на предсказването:
P (k / k − 1) = A(k − 1)Q(k − 1) AT (k − 1) + Q(k − 1)
Пресмятане коефициента на Калман
L(k ) = P(k )C T (k )[C ( k ) P(k )C T (k ) + R(k )]−1
Оценка на вектора на състоянието:
xˆ(k / k ) = xˆ(k / k −1) + L(k )[ y(k ) − C(k ) x(k / k −1)]
Изчисляване ковариацията на грешката след измерване
P(k / k ) = P(k / k − 1) − L(k )C (k ) P(k / k − 1)
Фигура 7.11 Алгоритъм на филтриране
Алгоритъмът е компютърно приложим, като точността зависи от

параметрите на модела. Критичен момент е определянето на началните
стойности на ковариационните матрици. Те могат да бъдат получени, взи-
майки предвид стохастичните свойства на съответните шумове. Обикнове-
но техните стохастични характеристики са неизвестни и тъй като се изпол-
зват като тегловни матрици, е необходимо да се намерят правила за опре-
деляне на ковариациите.
Дискретната ковариационна матрица на системния шум Qk може
да се определи от ковариационната матрица на шума на непрекъснатия
процес и преходната матрица, както следва:
T
Qk = ∫ Ad (τ )QAdT (τ ) dτ (7.44)
0
Ковариационната матрица на шума на непрекъснатия процес е ди-

агонална, като елементите и отразяват спектралната плътност на шума.
Ако се приеме бял шум в оценяваните неизмерими състояния, т.е. пото-
косцепленията и роторната скорост, елементите по главния диагонал се
свеждат до 3, от които 2 са равни. Дори и при приемане на стационарност
на шума ( Q = const ), получената дискретна ковариационна матрица ще
съдържа 17 елемента и доколкото е налице нелинейността Ad = Ad (ω ) , е
необходимо изчисление на на всяка стъпка от алгоритъма, тъй като 16 от
тези елементи зависят от скоростта.
322
Ковариационната матрицата на измервателния шум R е [2x2].
Следователно общо е необходимо познаването на 19 елемента. Ако прие-
мем, че шумът е некорелиран, то Qk и R са диагонални, т.е. е необходимо
да знаем само 5 елемента от Qk и 2 елемента от R матриците. Параметрите
по осите α и β са еднакви, което означава че първите 4 елемента от диаго-
нала са два по два равни (q11=q22, q33=q44). Следователно Qk = diag
[Q11 Q11 Q33 Q33 Q55 ] съдържа само 3 елемента (два от тях зависят
от скоростта), които трябва да бъдат намерени. Подобно, двата диагонални
елемента в R са равни (r11=r22), така R=diag (r11, r11). Следователно общо
4 ковариационни елемента подлежат на определяне.
Началните стойности на вектора на състоянието x0 се задава заед-
но с начална стойност на ковариационната матрица на грешката P0. На-
чалната ковариационна матрица на грешката може да се приеме като диа-
гонална матрица, където всички елементи са равни. Първоначалните стой-
ности на матриците отразяват степента на познаване на началните състоя-
ния: колкото по-висока е тяхната стойност, толкова по-неточна е инфор-
мацията за началните състояния. По този начин новата измерена информа-
ция ще бъде по-тежко претеглена и ковариационната скорост на процеса
на оценяване се покачва. Проблем с отклонението или големи колебания в
оценените състояния може да се появи, когато е избрана твърде висока
начална ковариационна стойност. Подходящият избор позволява да полу-
чим задоволителна скорост на сходимост и да се избегне проблема с отк-
лонението или нежелани колебания.
Точността в определяне на състоянието се определя от обема ин-
формация, която стохастичния филтър извлича от математическия модел и
от измерванията. Някои от оценяваните променливи, особено тези, които
са неизмерими, могат да са слабо или индиректно свързани с обработените
данни и тогава за EKF ще бъде известна много бедна информация. Моде-
лирането на системата еталонен модел на двигател - инвертор на напреже-
ние - наблюдател е показана по-долу:
323
green
ir,is (A)1
usa usalfa
usb usbeta
usc usgama
abc to dq
ir,is (A)2
In1
Out1
Out1
Out2
In2
Out3
Out2 kalfi1ADl1
In3
Out4
S-Function2
Out5
Motor
Out6
INVERTOR1
Add
Фиг. 7.12 Симулационен модел за изследване на разширен филтър на Калман в Simulink
Главен алгоритъм на наблюдателя

1. Предсказване на вектора на състоянието
Предсказания вектор на състоянието в (k+1) момент на дискретно-
то време чрез измеримия вход u(k), вектора на състоянието x k|k от пред-
ходния период на дискретизация и матриците Ad и Bd се получава:
xk +1/ k = Ad xk / k + Bd u (k )
xk +1/ k =ˆ F (k + 1, k , xk / k , u (k ))
 Rs + Rr (Lm / Lr )2 L LT L ωT 1 
(1 − )Tisα + m r ψ rα + m r ψ rβ + T U sα 
 σLs σLs Lr σLs Lr σLs 
 Rs + Rr (Lm / Lr )2 LmωrT Lm LrT 1 
(1 − )Tisβ − ψ rα + ψ rβ + T U sβ 
σLs σLs Lr σLs Lr σLs
F =  Lm Rr Rr


T isα + (1 − T )ψ rα − Tωrψ rβ
 Lr Lr 
 L R R 
 T m r isβ + Tωrψ rα + (1 − T r )ψ rβ 
 Lr Lr 
 ωr 
isα 
h =ˆ C d xk / k +1 =  
isβ 
Означението xk / k +1 означава, че е предсказана стойност до (k + 1)
- ния момент и е базирано на измервания до k-тия момент. В следващата
стъпка на рекурсивното пресмятане на EKF се изчислява предсказаната
ковариационна матрица.
324
2. Предсказване на ковариационната матрица
В периода на прогнозирането ковариациията се актуализира от:
Pk +1/ k = MPk / k M T + Qk , M = ∂F , x = xˆ k / k
∂x
Матрицата M съдържа 17 елемента, които са константи и 8 еле-
мента, които са променливи. Следователно за приложение в реално време
елементите, в които участват скоростта и съставящите на потока, трябва да
бъдат изчислени.
3. Изчисляване усилването
Усилването на Калмановия филтър (коригираща матрица) се из-
числява като (15):
Lk = Pk / k −1 N [ NPk / k −1 N T + R]−1 , N = ∂h , x = xˆ k / k −1
∂x
4. Определяне вектора на състоянието

Към предсказания вектор на състоянието се добавя грешката в из-
меримите изходи, умножена с коригиращата матрица (усилването на Кал-
ман). Вектора на състоянието (филтриране) за време (k) се дава от:
xk / k = xk / k −1 Lk ( y k − yˆ k )
yˆ k = C d xk / k −1
5. Изчисляване ковариацията на грешката

Последната стъпка е изчисляване на ковариациите на грешката:
∂h
Pk / k = Pk / k −1 − Lk / x = xk / k −1 Pk / k −1
∂x
Наблюдателят може да бъде използван за оценяване на роторната
скорост, както в стационарно състояние, така и в преходен режим на асин-
хронния двигател. Алгоритъмът за определяне на скоростта изисква из-
мерване на статорните напрежения и токове. Вместо да се измерват дирек-
тно напреженията на статорните намотки, напрежението може да бъде въз-
становено, като се използва постоянното захранващо напрежение и управ-
ляващите сигнали за инверторните ключове. Но при ниски скорости е не-
обходимо да се компенсират паузите (мъртвото време), както и падовете
на напрежение върху инверторните транзисторни ключове.
Настройката на EKF включва итеративна промяна на параметрите
на двигателя и ковариациите за постигане на най-добрите оценки. Промяна
на ковариационните матрици Q и R рефлектира върху работата на филтъра
както в преходно, така и в установено състояние. Чрез експериментиране
на различни Q и R матрици могат да се получат оптималният брой случаи,
в които се гарантират качествата и ефективността на филтъра. При конс-
тантни стойности на Q и R в преходно или установено състояния произво-
325
дителността е много ниска. Ако се изисква висока точност и за двата ре-
жима, тогава е необходимо добавяне на превключващ алгоритъм за раз-
личните ковариационни стойности в зависимост от режима на работа (нас-
тройка на нивото на шума). Може да се посочат следните общи правила за
качествена настройка:
1) Ако R е голяма то L е малка и преходния процес е по-бърз.
2) Ако Q е голяма тогава и L e голяма и преходния процес се забавя.
3) Ако Q e твърде голяма или R твърде малка, може да се стигне до неус-
тойчивост.
Бе използван модел на асинхронен двигател със следните параметри:
U n = 220V ; Pn = 7.5kW ; f n = 50Hz ; Rr = 0.816Ω ; Rs = 0.435Ω ; l rσ = 4mH ;
l sσ = 4mH ; l m = 69.31mH ; J = 0.16kgm ; p = 1
2
ω eω
ωˆ [rad / s]
[rad / s]
Фигура 7.13 Действителна скорост ω , оценена скорост ω̂ и грешка в оценката eω при

ниска скорост, Rr = Rr (20°C ) и Rs = Rs (20°C )
ω eω
ωˆ [rad / s]
[rad / s]
Фигура 7.14 Действителна скорост ω , оценена скорост ω̂ и грешка в оценката eω при

ниска скорост, Rr = 1.2 Rr (20°C ) и Rs = 1.2 Rs (20°C )
326
ψ rα eψ
ψˆ rα [Wb ]
[Wb ]
Фигура 7.15 Действително потокосцепление ψ rα , оценено потокосцепление ψˆ rα и грешка

в оценката eψ , ниска скорост, Rr = Rr (20°C ) и Rs = Rs (20°C )
ψ rα eψ
ψˆ rα [Wb]
[Wb]
Фигура 7.16 Действително потокосцепление ψ rα , оценено потокосцепление ψˆ rα и грешка

в оценката eψ , ниска скорост, Rr = 1.2 Rr (20°C ) и Rs = 1.2 Rs (20°C )
Вариациите на роторното съпротивление оказват преобладаващо
влияние върху точността на оценките на скоростта и потокосцеплението
при ниските скорости. От друга страна неточността на статорното съпро-
тивление оказва силно влияние при натоварване и ниска скорост.
Влияние на дискретната ковариационна матрица на системния
шум върху качеството на разширения филтър на Калман
Изследванията са проведени при 20% отклонение на стойностите
на статорното и роторно съпротивление спрямо номиналните (при 200 С),
за 8 зададени честоти.
На Фигура 7.17 и Фигура 7.18 са сравнени относителните грешки
на скоростта съответно за режим на празен ход и при номинален товар за
двата варианта на определяне на дискретната ковариационна матрица на
системния шум: ковариационна матрица, независеща от работната точка и
ковариационна матрица Qk , изчислявана на всяка стъпка от алгоритъма .
327
16.00%
eуст
MC =0
[%] 14.00%
ωr Q = const QK
12.00%
10.00%
8.00%
6.00%
4.00%
2.00%
ω / ωn
0.00%
0 0.2 0.4 0.6 0.8 1 1.2
Фигура 7.17 Установена относителна грешка в режим на празен ход
16.00%
eуст
MC=30Nm
[%] 14.00%
ωr Q = const
12.00%
QK
10.00%
8.00%
6.00%
4.00%
2.00%
ω / ωn
0.00%
0 0.2 0.4 0.6 0.8 1 1.2
Фигура 7.18 Установена относителна грешка в режим при номинално натоварване
Съществено редуциране на относителната грешка при номинално

натоварване – повече от 2 пъти, за относителни скорости по малки от 0.15
е отчетена при работа на разширения филтър на Калман с динамично из-
числявана ковариационна матрица Qk в зависимост от работната точка.
Предложеният наблюдател е с доказана работоспособност и позволява
постигането на диапазон на регулиране по скорост 50:1 при статична
грешка, по-малка от 1%.
Разширеният филтър на Калман се основава на предположението,
че разпределението на състоянията на случаен процес в една линеаризира-
на (най-често от първи ред) нелинейна система е нормално, гаусово. Това
води до големи отклонения на математическото очакване и ковариацията
на грешката след трансформацията на шума с приложената линеаризация и
съответно до субоптималност. Приемането на ковариационната матрица на
системния шум за стационарна е допълнителен фактор, влияещ съществе-
но на качествата на филтъра. Предимство на ЕКF е, че роторната скорост
се отчита като състояние, поради което не се налага оценяването й допъл-
нително.
328
Оценяване на енергийната
ефективност на управлението
в сградни системи 8
Реализацията на различни закони за управление в системи за кли-

матизация и вентилация изисква предварителното оценяване на тяхната
енергийна ефективност. Ефективен начин за извършването на тази оценка
е физическото експериментиране на различни закони за управление, съп-
роводено с реално измерване на консумираните мощности. За целта бе
създадена опитна физическа система, включваща комплекс от две взаи-
мосвързани изпълнителни системи за вентилация и климатизация. По този
начин става възможно прилагането на едната в качеството й на управлява-
на (изследвана), а на другата – като „натоварваща”, т.е. генерираща сму-
щаващи въздействия. Блоковата схема на разработения комплекс е показа-
на на фигура 8.1.
Контролерите TAC Xenta серии 280 и 400 се програмират за
конкретно приложение и задача, те съдържат логическата схема за управ-
ление на системата, LonWorks комуникативни са и позволяват свързване-
то им в мрежа. Контролерите обработват сигналите от датчиците и изра-
ботват управляващи сигнали към изпълнителните механизми, решенията
се взимат вследствие на алгоритъма и задачите, програмирани в контроле-
ра.
Свободно програмируемите контролери нямат предварително за-
дадена програма и параметри, а се програмират в зависимост от конкретна
задача, параметри и място на употреба. Те могат да играят ролята на зоно-
ви контролери, като може да се използват за повече от една зона. Физичес-
ките входове и изходи на тези контролери са фиксиран брой (Xenta
200/300) или въобще такива липсват (Xenta 400), като към контролерите
може да се добавят входно-изходни точки с добавянето на входно-изходни
модули. Входовете и изходите се разделят на дискретни и аналогови (ня-
кои от модулите имат универсални входове), като характеристиките им се
задават в програмата на контролера според вида на датчиците и изпълни-
телните устройства включени към тях.
329
Фигура 8.1 Блокова схема на експерименталната постановка
Опитната установка обхваща четири взаимносвързани подсистеми

за управление, показани на фигура 8.2.
Подсистема за климатизиран обект с общо (отдалечено) обра-
ботване на въздуха за климатизираните помещения (1) се състои от след-
ните блокове:
Ротационен рекуператор – управлява се скоростта му на въртене
(чрез вграден преобразувател – 0-10V управляващ сигнал) и съответно
производителността му.
Отоплителна секция – управлява се дебита на топлоносителя, пре-
минаващ през него (чрез трипътен вентил – 0-10V управляващ сигнал) и
съответно производителността му.
Охладителна секция – управлява се дебита на студоносителя, пре-
минаващ през него (чрез трипътен вентил – 0-10V управляващ сигнал) и
съответно производителността му.
Вентилатор – управлява се скоростта на въртене на вентилаторът
(чрез честотен преобразувател – 0-10V управляващ сигнал) и съответно
скоростта (дебита) на въздуха подаван към помещенията.
Измерва се външната температура (смущаващо въздействие), както и ско-
ростта (дебита) и температурата на подавания към помещенията въздух
(обратни връзки).
330
Фигура 8.2 Подсистеми, изграждащи комплексната система
Подсистема за генериране и дистрибуция на течен топлоноси-
тел (2) се състои от следните блокове:
Електрически котел – управлява се температурата на топлоносителя.
Трипътен вентил за отоплителна секция на вентилационна камера – управ-
лява се дебита на топлоносителя.
Циркулационна помпа – поддържа постоянен дебита в системата за дист-
рибуция на топлоносител.
Трипътен вентил за отоплителна секция на вентилаторни конвектори –
управлява се дебита на топлоносителя.
Подсистема за генериране и дистрибуция на течен студоноси-
тел (3) се състои от следните блокове:
Водоохлаждаем термопомпен агрегат – управлява се температурата на
студоносителя.
Трипътен вентил за охладителната секция на вентилационна камера – уп-
равлява се дебита на студоносителя.
Циркулационна помпа – поддържа постоянен дебита в системата за дист-
рибуция на студоносител.
Трипътен вентил за охладителната секция на вентилаторни конвектори –
управлява се дебита на топлоносителя.
Подсистема за климатизиран обект чрез вентилаторни кон-
вектори (4) се състои от следните блокове:
331
Отоплителна секция – управлява се дебита на топлоносителя пре-
минаващ през секцията (чрез трипътен вентил – 0-10V управляващ сигнал)
и съответно производителността му.
Охладителна секция – управлява се дебита на студоносителя, пре-
минаващ през секцията (чрез трипътен вентил – 0-10V управляващ сигнал)
и съответно топлопроводимост.
Вентилатор – управлява се скоростта на вентилаторите на конвек-
торите (трискоростни двигатели) и съответно скоростта (дебита) на възду-
ха преминаващ през тях.
Измерва се температура на климатизираните помещения (обратна
връзка).
Спецификацията на полевата автоматика, контролерите и вход-
но/изходните модули на опитната установка е показана в таблицата.
Таблица 8.1 Спецификация на компонентите на системата
Описание Означение
Температурен потопяем сензор 1T2, 1T4
Трансмитер за диф. налягане 1P1, 1P2
Стаен зонов сензор 1T8
Сензор за външна температура 1T1
Трипътен контролен вентил 1Y3, 1Y4, 1Y5, Y6
Електрическо задвижващо устройство за вентил 1Y3, 1Y4, 1Y5, Y6
Електрическо задвижващо устройство за ПЖР 1Y1, 1Y2
Диференциален пресостат по налягане 1P3, 1P4
Канален температурен сензор 1T6, 1T7
Контактен температурен сензор за тръба 1T3, 1T5
Полева Автоматика
Честотен преобразувател 1V1

Lon модул за ATV 61
Честотен преобразувател 1V3, 1V4
Измервателно устройство на студова енергия 1W3, 1W4
Измервателно устройство на топлинна енергия 1W1, 1W2
Измервателно устройство на ел.енергия 1PM1,1PM2,1PM3
Контролер A1
Вход/изход модул A2
Вход/изход модул A3, A4
Вход/изход модул A5
Контролери
Уеб Сървър A7
Контролер A6
LTA адаптор за РС за FTT10 мрежа
332
Функционалната схема е:
Управлявана система Смущаваща система
8.1 Приложение на опитната системата за оценяване качество-

то на регулиране
Експерименталните изследвания бяха проведени при подаване на
топлинно смущение след установяване на системата. Заданията на под-
държаните величини при изследванията са:
• Дебит на изсмукващия вентилатор – 1700 m3/h
• Дебит на подаващия вентилатор – 2200 m3/h
• Температура на подавания въздух - 20.0 °C
333
• Температура на топлоносителя - 55 °C
• Допълнително смущение с постоянна мощност 3.2 kW
• Време, за което е подавано смущението - 150 минути
Настройките на регулатора за управлението на отоплителния вен-
тил и ротационния рекуператор са дадени в таблица 8.2.
Таблица 8.2 Параметри на регулаторите

Вентил Ротационен
Oтопление Рекуператор
Пропорционална съставка 5 7
Интегрална съставка 240 120
Диференциална съставка 0 0
Зона на нечувствителност 0.1 0.1
Експериментални преходни процеси при смущения, компенсирани

чрез локални ПИ регулатори
Фигури 8.3, 8.4 и 8.5 представляват “Trend Log” на температурата
на подавания въздух, позицията на отоплителния вентил и скоростта на
ротационния рекуператор при подадено външно смущение.
Фигура 8.3 „Trend Log” на температурата Фигура 8.4 „Trend Log” на позицията на
на подавания въздух при подадено външно отоплителния вентил при подадено външно
смущение смущение
334
Фигура 8.5 „Trend Log” на скоростта на ротационния
рекуператор при подадено външно смущение
От фигурите може да се направи изводът, че отклонението на

температурата на входящия въздух при подаване на смущаващото въз-
действие достига максимално стойност 0.5°C. Наблюдава се затваряне на
изпълнителния механизъм на отоплителният вентил, като за 18 минути
достига напълно затворено положение (поддържане на температурата вече
се осигурява чрез управление на скоростта на ротационния рекуператор).
Скоростта на въртене на ротационния рекуператор намалява по-бавно
спрямо затварянето на отоплителният вентил, като за 80 минути достига
скорост на въртене 10%, при която се установява управляваната темпера-
тура. Малките отклонения на управляваната температура - 0.5°C при вне-
запно подаден топлинен товар като смущаващо въздействие говорят за
постигане на относително добро качество на регулиране чрез локални ПИ
контури.
8.2 Приложение на опитната системата за оценяване на енер-

гийната ефективност на управляващи алгоритми
Постигането на възможности за енергетични оценки чрез експе-
риментална опитна установка наложи в нея да бъдат включени седем из-
мервателни устройства на топлинна и електрическа енергия, информация-
та от които се отчита чрез стандартни комуникационни протоколи
(ModBus и Mbus). Функционалната схема на енергийно оценяваните вели-
чини е показана на фигура 8.6, а описанието им - в таблица 8.3
335
PLC CONTROL
TAC Xenta
Modbus Modbus M-bus
protocol protocol Xenta Xenta protocol
511B 911
Електрическо PM1
захранване
Подсистема за
климатизиран обект с общо
(отдалечено) обработване
1 на въздуха за
климатизираните
PM3 помещения
Полева автоматика на W1
2 подсистемата за
Електрически генериране и
котел дистрибуция на течен W2 M-bus
PM2 топлоносител protocol
W3
Полева автоматика на
3 подсистемата за
Водоохлаждащ
генериране и W4
агрегат
дистрибуция на течен
студоносител
Подсистема за
4 климатизиран обект с
вентилаторни конвектори
Фигура 8.6 Система за енергийно оценяване
Таблица 8.3 Измервателни устройства

W1 Измерване топлинна енергия на вентилационна камера
W2 Измерване топлинна енергия на вентилаторни конвектори
W3 Измерване студова енергия на вентилационна камера
W4 Измерване студова енергия на вентилаторни конвектори
PM1 Измерване електроенергия на полевата автоматика на установката
PM2 Измерване електроенергия на електрически котел
PM3 Измерване електроенергия на водоохлаждащ агрегат
Оценяване на топлинна енергия Оценяване на електрическа енергия
336
Анализът на данните, натрупани от енергийните измерватели при
различни алгоритми за управление с еднаква продължителност на експе-
римента, дават възможност за директната оценка на оптималната от енер-
гийна гледна точка управляваща стратегия. Условията на провеждане на
експериментите са пояснени в таблица 8.4
Таблица 8.4 Условия на провеждане на експериментите

Скок на смущаващото въздействие спрямо мощността, кон- 40%
сумирана в установен режим
Брой цикли за всеки изследван режим 15
Продължителност на единичния цикъл 5 часа
Брой на вътрешните цикли в динамичните режими 4
Работни допустими граници на регулируемите температури ±15%
Експериментални оценки на енергопотреблението при различни

работни режими и различни управляващи алгоритми
Проведени бяха експериментални изследвания при три различни
алгоритъма за управление, разработени от нас:
• чрез локални ПИ-регулатори, контролерната реализация на които е
показана на фиг. 8.7
• чрез модифицирано ПИД управление, контролерната реализация на
което е показана на фиг.8.8
• чрез моделно предиктивно управление, контролерната реализация на
което е показана на фиг. 8.9
Фифура 8.7 ПИ контролерно управление при експериментиране на енергопотребление
337
Фигура 8.8 ПИД контролер при експериментиране на енергопотребление
Фигура 8.9 Моделно-предсказващо управление при експериментиране на енергопотребление
338
Таблица 8.5 Енергопотребление при различни управляващи алгоритми
Управляващ алгоритъм
Локални ПИ ПИД адаптив- Моделно предсказ-
регулатори но управление ващо управление
Енергопотребление в пускови
режими без смущаващи въз- 1.2±0.07 1.28±0.11 1.16±0.08
действия
Енергопотребление в устано-
вен режим / Относителен брой
1±0.15 / 0.97±0.06 / 0.88±0.1 /
излизания на регулируемата
1±0.2 0.95±0.06 0.70±0.09
температура извън работните
граници
Енергопотребление при ком-
пенсиране на смущаващи въз- 1.43±0.12 1.32±0.14 1.27±0.1
действия
Забележки:
За базов режим (с консумирана относителна енергия = 1 и относителен
брой излизания на регулируемата температура извън работните граници
= 1) е приет установен режим на стандартно ПИ-регулиране.Всички ос-
танали резултати са представени в относителни единици спрямо базовия
режим.Статистическият анализ е проведен при 95% доверителен интер-
вал.
Получените резултати доказват съществените енергийни предимс-
тва на моделно-базираните предсказващитеалгоритми в интергрираните
сградни системи – постигната е икономия на енергия над 12% спрямо кон-
венционално прилаганите средства с локални ПИ-контури. Този подход е
енергийно оптимален и в пусковите режими. Доколкото разликата (отново
в негова полза) по отношение енергоикономичност в режими на компен-
сиране на смущения не е толкова отчетлива – около 5% спрямо адаптивни-
те ПИД-алгоритми. Допълнителни експериментални изследвания с раз-
лични модификации на предсказване при компенсиране на смущенията
биха били твърде информативни.
8.3 Изграждане на система за енергоикономично адаптивно

управлението в сградни системи
Обект за управление
Функционалната схема на експерименталната климатична камера,
обект на изследването, е показана на фигура 8.10.
339
Фигура 8.10 Функционална схема на експериментална климатична камера
Обектът съдържа три взаимносвързани подсистеми за управление:

1. Подсистема с общо обработване на въздуха за климатизиран обект
2. Подсистема за генериране и дистрибуция на течен топлоносител
3. Подсистема за генериране и дистрибуция на течен студоносител
На фигура 8.11 е показана общата блокова схема на изследвания

обект
Фигура 8.11 Обща блокова схема на изследвания обект
Комбинирани управляващи контури - по задание и смущение

Структурната схема на затворената система за управление на из-
пълнителните механизми за регулиране на температурата на входящия
въздух (трипътен вентил на отоплителна секция, ротационен рекуператор,
трипътен вентил на охладителна секция) е показана на фигура 8.12.
340
Фигура 8.12: Структурна схема за управление на температурата на входящия въздух
Стратегията на управлението се разделя на два етапа:

1 етап. Управление по време на стартиране на системата с общо
(отдалечено) обработване на въздуха за климатизираните помещения. За
този етап, както и за втория, следващ след него, е характерно, че заданието
се формира чрез нелинейна функционална зависимост, изградена от пред-
варително фиксирани четири температурни точки, зависещи от външната
температура (смущаващо въздействие). По време на стартиране инициа-
лизиращият блок сравнява заданието с външната температура и на базата
на тази разликата изработва управляващ сигнал 100% отворено положение
към трипътния вентил на отоплителната секция за предварително зададено
време (4 секунди за 1C° разлика) с цел предварително подгряване на отоп-
лителната секция при неработещи вентилатори.
2 етап. Управление след стартиране на системата с общо (отдале-
чено) обработване на въздуха за климатизираните помещения. След като
завърши стартирането на системата управлението на изпълнителните ме-
ханизми се реализира чрез модифициран ПИД регулатор, на входа на кой-
то се подава грешката между заданието и регулираната величина. Изходът
на регулатора управлява логически блок, който определя към кои изпъл-
нителни механизми да бъде подаден управляващият сигнал. Същността на
модифицирания ПИД се състои в прилагането на многопозиционна систе-
ма с променлива стъпка, зависеща от грешката между зададения и дейст-
вителният дебит (в случая диференциално налягане) - фигура 8.13.
341
Фигура 8.13 Регулатор с променлива стъпка за управление на въздушен дебит
При отчитането на значителна по големина разлика се изработва

управляващ сигнал с голяма стъпка S1 (с възможност за корекция от опе-
раторската станция от 1 до 5 Hz), докато при доближаване на измерената
стойност до заданието, се преминава на изработване на управляващ сигнал
с малка стъпка S2 (с възможност за корекция от операторската станция от
0,1 до 1 Hz). При достигане на предварително зададена зона на нечувстви-
телност (dead zone) регулаторът не променя управляващия сигнал към из-
пълнителния механизъм (честотен преобразувател).
Програмна реализация на управлението

За всеки контролер от системата се създава програма с логически
функции, в нея се дефинират входно/изходните модули и типа на входове-
те/изходите им, които могат да са цифрови, аналогови или универсални.
Типа и характеристиките на входовете/изходите в програмата отговарят на
физическите характеристики на свързаните към тях сензори и изпълнител-
ни механизми (за температурен сензор – термисторен/аналогов вход). Все-
ки вход/изход се наименува еднозначно в цялата система и се разглежда
като сигнал с дадена стойност, възможно е дефинирането на сигнали, не-
обвързани с физически вход/изход – константи или мрежови променливи.
Входните сигнали се обработват от логически функции, изходите на които
са свързани към изходните сигнали на последващи блокове. Логическите
функции съдържат в себе си константи, времеви графици, логически опе-
ратори, модели на физически функции и т.н. За създаване на програмата и
зареждането и в контролера се полазва софтуерното приложение ТAC
342
Menta. То разполага с графичен интерфейс, в който сигналите и логичес-
ките функции са представени с графични обекти. Връзките между обекти-
те са представени със свързващи линии, като свързването на обекти с раз-
лични характеристики (аналогов с дигитален) е невъзможно. С ТAC Menta
е възможна и симулация на направената програма за откриване на грешки
преди зареждането и в контролера.
На фигура 8.14 е изобразена част от текущата програма, а фигура
8.15 пояснява алгоритъма на PIDP регулатор. Описанието на входовете и
изходите на регулатора е показано в таблица 8.6.
Фигура 8.14. Регулатор PIDP
Фигура 8.15. Алгоритъм на регулатор PIDP
343
Таблица 8.6 Входове и изходи на регулатора
MV REAL Измерена стойност
SP REAL Задание
Mode INT. Режим
G REAL Пропорционална съставка
Ti REAL Интегрална съставка
Td REAL Диференциална съставка
DZ REAL Зона на нечувствителност
TSg REAL Следящ сигнал (актуалната стойност от предишния
контролен сигнал)
ControlInt REAL Управляващ интервал (sec)
UMin REAL Минимална стойност на управляващия сигнал
UMax REAL Максимална стойност на управляващия сигнал
StrokeTime REAL Време за реакция на задвижващия механизъм (sec)
OUTPUT REAL Изход
На фигура 8.13 е показан реализираният многопозиционен нели-

неен регулатор с променлива стъпка за управлението на вентилаторите.
Създадената програма е съвкупност от няколко подобни функционални
блока и реализира напълно управлението на климатичната камера от изс-
ледвания обект. Съгласно програмната логика стартирането на системата
ще се извърши в следната последователност в режим отопление, изобразе-
на на фигура 8.14.
Изчислява се разликата между външната температура и темпера-
турата в климатизираните помещения. На базата на тази разлика се калку-
лира и времето за предварително затопляне на отоплителната серпентина
(например 150 сек.).
При отчетен сигнал (ръчно форсиран, времеви график и др.) се по-
дава управляващ сигнал към отоплителния вентил за отваряне на 100%.
Моментът t1.
След 60 сек. време за отваряне на отоплителният вентил на 100%
започва да се отброява калкулираното време за предварително затопляне
на серпентината. Моментът t2.
След 150 сек. се подава управляващ сигнал на отоплителния вен-
тил за затваряне на 0%, както и се подава управляващ сигнал към жалу-
зийнните решетки за отварянето им на 100%. Моментът t3.
След 60 сек. отоплителният вентил е отворен на 50% и се подава
управляващ сигнал на ротационният рекуператор за достигане на макси-
мални обороти – 100%. Моментът t4.
След 60 сек. жалузийните решетки са напълно отворени, рекуперато-
рът работи на максимални обороти и отоплителната серпентина е предвари-
телно подгрята за новопостъпващия студен въздушен поток. Подава се управ-
344
ляващ сигнал на изсмукващия вентилатор за стартиране на 25Hz. Времената
за развъртане на честотните преобразуватели на вентилаторите са настроени
да постигат желаната честота за 30 сек.. Моментът t6.
След 30 сек. се стартира подаващият вентилатор по описаната вече
последователност. Моментът t7.
След 30 сек. се счита че стартирането е завършило и управлявана-
та полева автоматика преминава към управление от прилежащите им ло-
кални регулатори. Моментът t8.
Фигура 8.16. Многопозиционен нелинеен регулатор с променлива стъпка
Фигура 8.17 Примерна последователност при етапа на стартиране
345
Експерименталното изследване на системата е проведено в режим
на нормална работа на системата в пусков и установен работни режими
Заданията на регулираните величини при изследването са:
• Дебит на изсмукващ вентилатор – 1900 m3/h
• Дебит на подаващ вентилатор – 1900 m3/h
• Температура на подавания въздух 22.4 °C
• Температура на топлоносителя - 55 °C
Фигури 8.18, 8.19, 8.20 и 8.21 представляват “Online Chart” на раз-

лични величини при реални експерименти.
Фигура 8.18 Дебит на изхвърлящия венти- Фигура 8.19. Дебит на изхвърлящия венти-
латор при стартиране латор по време на работа
Фигура 8.20 Температура на подавания въз- Фигура 8.21 Температура на подавания въз-
дух при стартиране дух по време на работа
346
От фигурите може да се направи изводът, че температурният регу-
латор с дадените настройки, управлявайки ротационен рекуператор и три-
пътен вентил, поддържа заданието с удовлетворяващо качество. При стар-
тирането благодарение на въведеното предварително загряване на отопли-
телната серпентина температурата на подавания въздух се понижава до
минимална стойност 20.8°C (150 сек след стартирането на вентилаторите).
След приключване на процеса на стартиране прилежащият регулатор под-
държа зададената температура от 22.4°C с максимално отклонение по вре-
ме на работа 0.3°C. Подсистемата за генериране и дистрибуция на течен
топлоносител е със зададена температура 55°C, което показва че системата
има капацитет да покрие по-големи топлинни товари. Регулаторът на въз-
душен дебит за време от 200 сек. достига заданието, но по време на работа
се получават по-големи отклонения на действителните стойности от зада-
дените (100 m3/h). Причината за това е сравнително малката стойност на
зададения дебит, високата чувствителност на измервателният сензор за
скорост (дебит) на въздушният поток, изходният сигнал на който не е фил-
триран на етапа на изследвания, както и реализирания принцип на измер-
ване на скорост на въздушен дебит (чрез измерване на диференциална раз-
лика в налягането във прилежащият въздуховод). Това налага препоръката
точността на регулиране да се подобри чрез въвеждането на допълнителни
мерки като например: филтриране на входящия сигнал от сензора за ско-
рост (дебит), промяна на зоната на нечувствителност (Dead Zone), промяна
на стъпката на регулатора и др., като стойностите на всички параметри,
подлежащи на оптимизиране, бъдат получени по експериментален път
върху изградената опитна система.
8.4 Изграждане на супервайзорно ниво на системата за енерго-

икономично управление
Графичният основен софтуерен модул с функции за цветна графика, обс-
лужване на аларми, право на достъп/защита, планиране, хронологичен за-
пис на тренд-данни и дублиране на данни. TAC Vista IV Workstation
Manager има същите функции като TAC Vista IV Workstation Standard, като
включва и следните допълнителни такива:
• Цветен графичен редактор
• Богата библиотека от стандартни символи
• Редактор на символи
• Симулация на проработено време
• Свободно разполагане на графичните средства
• Възможност за множество графики
• Вмъкване на графики във формат .gif, jpg, .pcx, .tif
• Динамични и анимирани графики
Графичният интерфейс на опитната установка се базира на някол-
ко графични страници. На фигура 8.22 и фигура 8.23 е показан интерфейс
на параметрите на климатичната камера за свеж въздух.
347
Фигура 8.22 Графичен екран – параметри
Фигура 8.23 Графичен екран – Наблюдение
Супервайзорното ниво на системата за сграден мениджмънт

(BMS) е реализирано като операторска станция за диспечерско наблюде-
ние и управление на процесите за контрол.
348
Тук се включват обработка на аларми, хронологичен запис на
тренд-данни, дневник на системните операции, право на контролиран дос-
тъп и защита на данните. Поддържат се допълнителни функции като:
• Динамични тренд – криви.
• Графично извеждане на стойностите и хронологичните записи.
• Прехвърляне на стойностите в други програмни приложения като MS
Excel.
• Поддържане на база данни на основите на MS Access.
• Хронологичен запис на командите и операциите.
• Снемане на данни в реално време.
• Следене на статуса и наличието на аларми.
• Извеждане на аларми на един или няколко принтера.
• Подреждане на алармите по приоритети.
• Препратка от аларми към графики.
• Звуково и визуално оповестяване на алармите.
• Идентификация на потребителя.
• Предварително зададени права за достъпна всички потребители.
• Изготвяне на времеви графици.
• Синхронизация на времето в системата.
• Възможност за дублиране на графичните екрани с надписи на различни
езици.
• Въвеждане на критични и предупредителни граници на контролираните
параметри.
• Ръчно управление на консуматорите.
• Други.
349
350
Литература
[1] Bagchi. Optimal control of stochastic systems. Prentice Hall, Englewood

Cliffs, 1993.
[2] Bemporad, A. Casavola, and E. Mosca. On the stabilizing property of
siorhc. Automatica, 30:2013–2015, 1995.
[3] Bemporad, M. Morari, V. Dua, and E. N. Pistikopoulos. The explicit linear
quadratic regulator for constrained systems. Automatica, 38(1):3–20,
2002.
[4] Bemporad, M. Morari, V. Dua, and E. Pistikopoulos. Robustness in
Identification and Control, volume 245 of Lecture Notes in Control and
Information Sciences. Springer-Verlag, 1999.
[5] K. Samantaray, B. O. Bouamama, (2008), Model-based Process
Supervision, Springer
[6] M. S. Mendes, A. J. Cardoso, " Continuous operation performance of
faulty induction motor drives" in conf. Rec. IEEE IEMDC, 2003, vol.1,
pp. 547- 553.
[7] T. Fuller. In-the-large stability of relay and saturating control systems with
linear control. International Journal of Control, 10(4):457–480, 1969.
[8] Andrzej M. Trzynadlowski, “Control of Induction Motors”, University of
Nevada academic press 2000
[9] ASHRAE Standard 55, Thermal Environmental Conditions for Human
Occupancy. ISO 7730, Ergonomics of the thermal environment –
Analytical determination and interpretation of thermal comfort using
calculation of the PMV and PPD indices and local thermal comfort
criteria.
[10] ASHRAE, (2007), Handbook-HVAC applications, Atlanta, Georgia:
American Society of Heating, Refrigerating and Air-Conditioning
Engineers
[11] D. O. Anderson and J. B. Moore. Linear optimal control. Prentice Hall,
Englewood Cliffs, 1971.
[12] D. O. Anderson and J. B. Moore. Optimal Filtering. Prentice Hall,
Englewood Cliffs, 1979.
[13] Bloem, J. J. (ed.) 1993. Workshop on application of system identification
in energy savings in buildings. European Communities-Commission
EUR15566EN. 528 p.
[14] Bloem, J. J. (ed.) 1996. System identification competition, European
Commission. 250 p. ISBN 92-827-6348-X.
[15] Brown, E. J., "How to Select Multiple Leaf Dampers for Proper Air Flow
Control," Heating Piping and Air Conditioning, April 1960, pp. 167-168.
[16] C. Chen and L. Shaw. On receding horizon feedback control. Automatica,
18(18):349–352, 1982.
351
[17] E. Garcia and A. Morshedi. Quadratic programming solution of dynamic
matrix control (QDMC). Chemical Engineering Communications, 46:73–
87, 1986.
[18] E. Garcia, D. M. Prett, and M. Morari. Model predictive control: Theory
and practice-a survey. Automatica, 25(3):335–348, 1989.
[19] R. Cutler and B. L. Ramaker. Dynamic matrix control - a computer control
algorithm. Proceedings of the Joint Automatic Control Conference,
pages1009–1014, San Francisco, California, 1980.
[20] Cherkassky, B. V., Goldberg, A. V., and Radzik, T. (1994). Shortest paths
algorithms: theory and experimental evaluation. In SODA '94:
Proceedings of the _fth annual ACM-SIAM symposium on Discrete
algorithms, pages 516.525, Philadelphia, PA, USA. Society for Industrial
and Applied Mathematics.
[21] CIBSE, (2000), Guide H-building control systems, Oxford: Butterworth-
Heinemann
[22] Clifford C. Federspiel. Predicting the frequency of hot and cold complaints
in buildings. International Journal of HVAC&R Research, 6(4):217-234,
2000.
[23] Clifford C. Federspiel. Statistical analysis of unsolicited thermal sensation
complaints in commercial buildings. ASHRAE Transactions, 104(1):921-
923, 1998.
[24] Crawford, R., Woods, J. 1985. A method for deriving a dynamical system
model from actual building performance data. ASHRAE annual meeting
1985 in Honolulu, Hawaii, Vol. 91, part 2b. Pp. 1859.1992.
[25] Chmielewski and V. Manousiouthakis. n constrianed infinite-time linear
quadratic optimal control. Systems & Control Letters, (29):121–129, 1985.
[26] Clarke and R. Scattolini. Constrained receding horizon predictive control.
IEE Proceedings-D, 138(4):275–282, 1991.
[27] D. Clarke, editor. Advances in Model-Based Predictive Control. Oxford
University Press Inc., New York, 1994.
[28] D. H. Jacobson and D. Q. Mayne. Differential dynamic programming. In
proceedings of IFACWorld Congress on Automatic Control, pages 3–
17,Warsaw, Poland, 1969.
[29] D. Schrцder, "Elektrische Antriebe," Springer- Lehrbuch, Berlin 2000.
S35 - 17
[30] D. W. Clarke and C. Mohtadi. Properties of generalized predictive control.
Automatica, 25(6):859–875, 1989.
[31] D. W. Clarke, C. Mohtadi, and P. S. Tuffs. Generalized predictive control-
part I: The basic algorithm. Automatica, 23(2):137–148, 1987.
[32] D. W. Clarke, C. Mohtadi, and P. S. Tuffs. Generalized predictive control-
part II: Extensions and interpretations. Automatica, 23(2):149–160, 1987.
[33] F. Camacho and C. Bordons. Model Predictive Control. Springer-Verlag,
London, 1998.
352
[34] Monmasson, and B. Robins, "Dynamic Reconfiguration of Control and
Estimation Algorithms for Induction Motor Drives," in conf. Rec. IEEE
ISIE, 2002, pp. 828-833.
[35] E. R. Dougherty. Probability and statistic for the engineering, computing
and physical sciences. Prentice Hall International, Englewood Cliffs, 1990.
[36] E. W. Bai, R. Tempo, and M. Fu. A Monte Carlo approach to the analysis
of control systems robustness. Math. Contr., Sig. Syst., 11:183–196, 1998.
[37] Blanchini. Set invariance in control. Automatica, 35:1747–1767, 1990.
[38] Hausdorff. Set Theory. Chelsea Publishing Company, New York, 2nd
edition, 1962.
[39] F. Naceri, “A novel robust adaptive control algorithm for AC drives”,
2001
[40] Feng G., Lozano R., (1999), Adaptiv control systems, Newnes, Oxford
[41] Fontaine, N. (2003). Livre blanc sur lesenergies. d´ebat national sur les
energies, http://www.industrie.gouv.fr/energie/politiqu/ploe.htm.
[42] C. Calafiore, F. Dabbene, and R. Tempo. Randomized algorithms for
probalistic robustness with real and complex structured uncertainty. IEEE
Transactions on Automatic Control, 45(12), december 2000.
[43] Chen, G. Chen, and S.-H. Hsu. Linear stochastic control systems. CRC
Press, 1995.
[44] G. Goodwin and K. Sin. Adaptive filtering, prediction and control.
Prentice- Hall, Englewood Cliffs, 1984.
[45] Govan, F. A., 'and H. T. Kimball, "Combustion Controls for Industrial
Boilers," Heating Piping and Air Conditioning, November 1981, pp. 66-
75.
[46] Gregor P. Henze, Robert H. Dodier, and Monced Krarti. Development of a
predictive optimal controller for thermal energy storage systems.
International Journal of HVAC&R Research, 3(3):233-264, July 1997.
[47] Chen and F. Allgöwer. A quasi-infinite horizon nonlinear model predictive
control scheme with guaranteed stability. Automatica, 34(10):1205–1217,
1998.
[48] Chen, C. Kremling, and F. Allgöwer. Nonlinear predictive control of a
benchmark cstr. In proceedings of European Control Conference, Rome,
Italy, 1995.
[49] H. Chen, C. Scherer, and F. Allgöwer. A game theoretic approach to
nonlinear robust receding horizon control of constrained systems.
Procedings of the American Control Conference, Albuquerque New
Mexico 1997.
[50] H. Demircioglu and D. Clarke. Generalized predictive control with end-
point state weighting. IEE Proceedings-D, 140(4):275–282, 1993.
[51] H. Genceli and M. Nikolau. Robust stability analysis of constrained model
predictive control. American Institute of Chemical Engineers’ Journal,
39:1954–1965, 1993.
353
[52] H. Hesse. Das Glasperlenspiel. The Glass Bead Game: Translation in
english by Holt, Reinehart andWinston, Inc., 1970.
[53] Ha, D. L., Ploix, S., Zamai, E., and Jacomino, M. (2005). Control of
energy consumption in home automation by ressource constraint
scheduling. In The 15th International Conference on Control System and
ComputerScience, Bucharest, Romania.
[54] Ha, D. L., Ploix, S., Zamai, E., and Jacomino, M. (2006). A home
automation system to improve household energy control. In The 12th
IFAC Symposium on Information Control Problems in Manufacturing.
[55] Haines, R. W., "Discriminator Controls," Heating Piping and Air
Conditioning, May l98Il pp. 94-95.
[56] Haines, R. W., iiControl for Low Humidity," Heating Piping and Air
Conditioning, August 1980, pp. 88-89.
[57] Honeywell, Inc., "Automatic Control," Minneapolis, Minnesota, March
1 991
[58] Batina, A. A. Stoorvogel, and S. Weiland. Model predictive control by
randomized algorithms for systems with constrained inputs and stochastic
disturbances. IEEE Transactions on Automatic Control. Accepted for
publication.
[59] Batina, A. A. Stoorvogel, and S.Weiland. Feedback model predictive
control by randomized algorithms. In proceedings of European Control
Conference, pages 3185–3189, Porto, Portugal, 2001.
[60] Batina, A. A. Stoorvogel, and S.Weiland. Model predicitive control of
linear, stochastic systems with state and input constraints. In proceedings
of Conference on Decision and Control, pages 1564–1569, Las Vegas,
Nevada, 2002.
[61] Batina, A. A. Stoorvogel, and S.Weiland. Stochastic disturbance rejection
in model predictive control by randomized algorithms. In proceedings of
American Control Conference, pages 732–737, Arlington, Virginia, 2001.
[62] J. Diaz-Bobillo and M. A. Dahleh. Minimization of the maximum peak-
topeak gain: the general multiblock problem. IEEE Transaction on
Automatic Control, pages 1459–1482, 1993.
[63] Isermann, R. 1982. Parameter adaptive control algorithms . a tutorial.
Automatica 18, 5, pp. 513.528.
[64] C. Allwright. Advances in Model-Based Predictive Control, chapter On
minmax Model-Based Predictive Control. Oxford University Press, 1994.
[65] C. Doyle, K. Glover, P. P. Khargonekar, and B. A. Francis. l 1-optimal
compensators for continuous-time systems. IEEE Transactions on
Automatic Control, 34(8):831–847, 1989.
[66] J. C. G. Boot. Quadratic programming: algorithms, anomalies,
applications. Number 2 in Studies in mathematical and managerial
economics. North- Holland, Amsterdam, 1964.
[67] J. G. V. Antwerp and R. D. Braatz. Model predictive control of large scale
process. Journal of Process Control, 10(1):1–8, 2000.
354
[68] J. M. Miller, and C. Morrison, "Fault-tolerant operation of induction motor
drives with automatic controller reconfiguration," in conf. Rec. IEEE
IEMDC, 2001, pp. 156-162.
[69] J.E. Braun. Reducing energy costs and peak electrical demand through
optimal control of building thermal storage. ASHRAE Transactions,
96(2):876-888, 1990.
[70] Jennings, N. R. (1994). The ARCHON system and its applications. In
Second International Working Conference on Cooperating Knowledge
Based Systems (CKBS-94), pages 13.29, Keele, UK.
[71] Aström and T. Hägglund. PID controllers: Theory, design and tuning. The
International Society for Measurement and Control, 1995.
[72] J. Aström. Introduction to stochastic control theory. Academic Press, New
York, 1970.
[73] Kintner, P. M., "Interfacing a Control Computer with Control Devices,"
Control Engineering, November 1969, pp. 97-101.
[74] Klein, S. A. et al. 1996. TRNSYS, A Transient System Simulation
Program, Volume I, Reference Manual. Madison, USA: Solar Energy
Laboratory, University of Wisconsin.
[75] Klein, S. A., "Engineering Equation Solver, ESS," F Chart Software,
Madison WI, 1992
[76] Klote, J.H., and J.A. Milke, "Design of Smoke Management Systems,"
ASHRAE, 1992.
[77] Kok, J. K.,Warmer, C. J., and Kamphuis, I. G. (2005). Powermatcher:
multiagent control in the electricity infrastructure. In AAMAS '05:
Proceedings of the fourth international joint conference on Autonomous
agents and multiagent systems, pages 75.82, New York, NY, USA. ACM
Press.
[78] Krajnovich, L., and D. C. Hittle, "Measured Performance of Variable Air
Volume Boxes," ASHRAE Trans., Vol. 92, Part 2A, 1986, pp. 203-214.
[79] Chisci, A. Lombardi, and E. Mosca. Dual receding horizon control of
constrained discrete-time systems. European Journal of Control, 2:278–
285, 1996.
[80] Legg, R. C., "Damper Characteristics for Ducted Air Systems: a
Preliminary Study," Technical Memorandum No. 60, Institute of
Environmental Science and Technology, Polytecnic of the South Bank,
London UK, May 1981
[81] Ljung, L., Söderström, T. 1987. Theory and practice of recursive
identification, Cambridge, The MIT Press, Massachusetts Institute of
Technology. 529 p.
[82] Lomas, K. J., Eppel, H., Martin, C. J., Bloomfield, D. P. 1997. Empirical
validation of building energy simulation programs. Energy and buildings
26, pp. 253.275.
[83] A. Dahleh and I. J. Diaz-Bobillo. Control of uncertain systems: a linear
programming approach. Prentice-Hall, Englewood Cliffs, 1995.
355
[84] A. Dahleh and J. B. Pearson. l 1-optimal compensators for continuous-
time systems. IEEE Transactions on Automatic Control, 32(4):889–895,
1987.
[85] A. Dahleh and J. B. Pearson. l 1-optimal compensators for mimo
discretetime systems. IEEE Transactions on Automatic Control,
32(4):889–895, 1987.
[86] M. A. Dahleh and J. B. Pearson. Optimal rejection of persistent
disturbances, robust stability and mixed sensitivity minimization. IEEE
Transaction on Automatic Control, 33:722–731, 1988.
[87] M. Bodson, Adaptive Control. Stability, Convergence and Robustness,
Prentice Hall 1989
[88] M. Heemels. Linear complementary systems: a study in hybrid dynamics.
PhD thesis, Technische Universiteit Eindhoven, 1999.
[89] M. S. Branicky, V. S. Borkar, and S. K. Mitter. A unified framework for
hybrid control: model and optimal control theory. IEEE Transactions on
Automatic Control, 43(1):31–45, 1998.
[90] MacArthur, J. W., Mathur, A., Zhao, J. 1989. On-line recursive estimation
for load profile prediction. ASHRAE winter meeting 1989 in Chicago,
Illinois, Vol. 95, part 1. Pp. 621.628.
[91] Maher Hamdi, Gerard Lachiver, and Francois Michaud. A new predictive
thermal sensation index of human response. Energy and Buildings,
29:167-178, 1999.
[92] Makoto, Y. and Hirayama, K. (2000). Algorithms for distributed constraint
satisfaction: A review. Autonomous Agents and Multi-Agent Systems,
3(2):185. 207.
[93] Mathieu, P. and Verrons, M. H. (2004). Three different kinds of
negotiation applications achieved with GeNCA. In Proceedings of the
International Conference on Advances in Intelligent Systems - Theory and
Applications (AISTA) In cooperation with the IEEE Computer Society,
Centre de Recherche Public Henri Tudor, Luxembourg-Kirchberg,
Luxembourg.
[94] Matlab Version 7 (2004), User Guide, The MathWorks, Inc., 3 Apple Hill
Drive Natick, www.mathworks.com
[95] Műgge, G. 1997. Technical equipment, a precondition for energy
allocation: overview of available techniques. In: First European Workshop
on Energy Cost Allocation in Buildings, 18.20 June 1997, Brussels,
Belgium. VITO (the Flemish Institute for Technological Research), TNO
(Institute of Environmental Sciences, Energy Research and Process
Innovation) and E.V.V.E. (Europäische Vereinigung zur
Verbrauchsabhängigen Energiekostenabrechnung). 160 p.
[96] M. C. de Oliviera and L. T. Biegler. Constraint handling and stability
properties of model predictive control. American Institute of Chemical
Engineers’ Journal, 40:1138–1155, 1994.
356
[97] Hoekstra, T. J. J. van den Boom, and M. A. Botto. Design of an analytic
constrained predictive controller using neural network. In proceedings of
European Control Conference, pages 3300–3305, Portugal,Porto, 2001.
[98] J. Antsaklis and A. N. (guest eds.). Special issue on hybrid control
systems. IEEE Transaction on Automatic Control, 43(4), 1998.
[99] J. Campo and M. Morari. ∞-norm formulation of model predictive control
problems. In proceedings of American Control Conference, pages 339–
343, Seattle, Washington, 1986
[100] J. Campo and M. Morari. Robust model predictive control. In proceedings
of American Control Conference, pages 1021–1026, Minneapolis,
Minnesota, 1987.
[101] Pakanen, J. 1992. Prediction and fault detection of building energy
consumption using multi-input, single-output dynamic model. Espoo
1992, Technical Research Centre of Finland, VTT Publications 116. 32 p.
+ app. 11 p.
[102] Paul C. Krause, “Analysis of electric machinery and drive systems”, Wiley
2002
[103] Faludi, Building Wireless Sensor Network, O`REILLY, 2010.
[104] Hanus and Y. Peng. Conditioning technique, a general anti-windup and
bumples transfer method. Automatica, 23:729–739, 1995.
[105] L. A. Ribeiro, C. B. Jacobina, E. R. C. Silva, and A. M. N. Lima,
"Compensation Strategies in the PWMVSI Topology for a Fault Tolerant
Induction Motor Drive System," SDEMPED 2003, Atlanta, August, 2003
[106] L. A. Ribeiro, C. B. Jacobina, E. R. C. Silva, and A. M. Nogueira, “Fault-
Tolerant Voltage-Fed PWM Inverter AC Motor Drive Systems,” IEEE
Transactions on Industrial Electronics, vol. 51, no. 2, Apr. 2004, pp. 439-
446.
[107] R. Bitmead, M. Gevers, and V. Wertz. Adaptive Optimal Control: The
Thinking Man’s GPC. Prentice Hall, Englewood Cliffs, 1990.
[108] R. R. Bitmead, M. Gevers, and V. Wertz. Dynamic Programming.
Princeton university Press, Princeton, 1957.
[109] R. R. Fletcher. Practical methods of optimization. John Wiley & Sons
Ltd., 1987.
[110] Rabl, A. 1988. Parameter estimation in buildings: Methods for dynamic
analysis of measured energy use. Transactions of the ASME, vol. 110,
February, pp. 52. 66.
[111] Rodney A. Martin. Optimal Prediction, Alarm, and Control in Buildings
Using Thermal Sensation Complaints, University of California at
Berkeley 2000
[112] Boyd and C. Barratt. Linear Controller Design, Limits of performance.
Prentice-Hall, Englewood Cliffs, 1991.
[113] Boyd, L. Ghaoui, E. Feron, and V. Balakrishnan. Linear matrix
inequalities in system and control theory. SIAM, 1994.
357
[114] S. E. Dreyfus and A. M. Law. The art and theory of dynamic
programming, volume 130 of Mathematics in science and engineering.
Academic Press, New York, 1977.
[115] S. E. Dreyfus. Dynamic programming and the calculus of variations,
volume 21 of Mathematics in science and engineering. Academic Press,
New York, 1965.
[116] S. Engell and K.-U. Klatt. Nonlinear control of a non-minimum-phase cstr.
In proceedings of American Control Conference, pages 379–383, Los
Angeles, California, 1993.
[117] S. Haykin. Neural networks: a comprehensive foundation. Prentice-Hill
International, London, 1999.
[118] S. Mueller, T. William , M. Soper, Upgrading and Repairing Networks 5th
Edition, Que, 2006.
[119] Simonin, O. (2001). Le mod_ele satisfaction-altruisme : cooperation et
resolution de con_its entre agent situes reactifs, application _a la
robotique. PhD thesis, Universite Montpellier II.
[120] Smith, R. G. (1980). The contract net protocol: Highlevel communication
and control in a distributed problem solver. IEEE Transaction on
Computers, C-29(12):1104.1113.
[121] Söderström, T., Stoica, P. 1989. System identification. New York, Prentice
Hall. 612 p. ISBN 0-13-881236-5.
[122] Stoecker, W. F., and P. A. Stoecker, "Microcomputer Control of Thermal
Systems, " Van Nostrand Reinhold, New York, 1989.
[123] Sun, J. and Reddy, A., (2005), Optimal control of building HVAC&R
systems using complete simulation-based sequential quadratic
programming, Building and Enviroment
[124] A. Badgwell. Robust model predictive control of stable linear systems.
International Journal of Control, 4(68):797–818, 1997.
[125] Takahashi, Y., Rabins, M., Auslander, D. 1970. Control and dynamic
systems. Reading, Massachusetts, Addison-Wesley Publishing Company.
800 p.
[126] D. Blondel and J. N. Tsitsiklis. Complexity of stability and controllability
of elementary hybrid systems. Automatica, 35(3):479–490, 1999.
[127] Hoeffding. Probability inequalities for sums of bounded random variables.
American Statistical Association Journal, 58:13–30, March 1963.
[128] Wagner, R. E., "Fluidics-A New Control Tool," IEEE Spectrum,
November 1969, pp. 58-59.
[129] Chen and K. Zhou. Constrained robustness analysis by randomized
algorithms. IEEE Transactions on Automatic Control, 45(6):1180–1186,
2000.
[130] Yang, J., Havaldar, R., Honavar, V., Miller, L., and Wong, J. (1998).
Coordination of distributed knowledge networks using contract net
protocol. IEEE Information Technology Conference, Syracuse, NY.
358
[131] Yoshida, H., Iwami, T., Yuzawa, H., Suzuki, M. 1996. Typical faults of
airconditioning systems and fault detection by ARX model and extended
Kalman filter. In: Real time simulation of HVAC systems for building
optimization, fault detection and diagnosis. Technical papers of IEA
Annex 25. Hyvärinen, J. (ed.). Espoo: Technical Research Centre of
Finland, Building Technology. Pp. 321. 328.
[132] Zhuang Wu, Roderick V.N. Melnik, (2009), Model-based analysis and
simulation of regenerative heat wheel, Sciencedirect.com
[133] Ziegler, J. G., and N. B. Nichols, "Optimum Settings for Automatic
controller, Transaction of ASME, Vol. 64, 1942, pp. 759-765.
[134] Г. Радулов, Методи и средства за измерване и контрол – София 1995
г.
[135] И.Куртев, Д.Самоковлийски,Е.Янков, Измерване на температура,
Техника, София, 1982
[136] Леневег Ф., Измерение температур в технике, Металургия, 1980 г.
[137] Милчев В., Киров Д., (2004), Топломасообменни уредби, АВС
Техника ООД, София
[138] Младенов, В., С.Йорданова, Размито управление и невронни мрежи,
София, 2006.
[139] Николова, Н., Е. Николов, Енергоикономично управление на процеси
и системи с разпределени параметри, ТУ-София, 2010, Записки,
http://anp.tu-sofia.bg/nicoloff/e_nik_06062011_files/Lect_Notes_Energy_
Saving_Control.pdf
[140] Петков П., М. Константинов, 2002, Робастни системи за управление -
Анализ и синтез с МАТЛАБ, АВС Техника, София
[141] T. Ionkov, (2001), Integral forwardstepping control for parametric variable
motion system, In: Proceedings of the International IEEE-Conference
AUTOMATICA AND INFORMATICS`2001, sponsored by EUROPEAN
COMMISSION, session ELECTROMECANICAL SYSTEMS
CONTROL, May 30 - June 02 2001, © 2001 Union of Automation and
Informatics, Sofia, ISBN 954-9641-24-4, 2001
[142] Т. Йонков, Е. Йончев (2010), Приложение на разширения филтър на
Калман при управление на електрозадвижвания в интегрирани
сградни системи, Електротехника + Електроника, ISSN 0861-4717
[143] Т. Йонков, Е. Йончев, (2010), Безсензорни електрозадвижвания в
интегрирани сградни системи, International Conference АUTOMATICS
AND INFORMATICS’10, Bulgaria, Sofia, October 3 - 7, 2010,
Proceedings ISSN 1313-1850, 133-137
[144] Т. Йонков, (2012), Оптимално по бързодействие коригиращо
управление на гранични режими в автоматизирани производствени
системи, Годишник на ТУ-София, ISSN 1311-0829, том 62, 1, 291-300
[145] Т. Йонков (2012), Енергоикономично управление на вентилационна
сградна система Годишник на ТУ-София, (под печат), 2012
359
[146] Т. Йонков (2002), Програмна система за синтез на цифрови
оптимални по бързодействие електромеханични системи, Учебно-
методично пособие, http://aez.tu-sofia.bg/metodiki/aps-
bio/digitalopt.html
[147] Т. Йонков, Е. Йончев, Д. Цанков, Хр. Стоянов, (2011), Моделно
базирани енергоспестяващи стратегии за управление на интегрирани
сградни системи, Методично ръководство (Лабораторна практика,
анализ, моделиране), под общата редакция на доц. д-р Т. Йонков, 174
стр., 2011, Технически Университет - София, ISBN: 978-954-438-890-
4
[148] Т. Йонков (1997), Приложимост на някои съвременни подходи за
изследване и управление на еко-системи, Training and Research in
Environmental Health - the Balkans (TREB), Ed. Thomas C. Voice,
Велинград, март 1997, 187-211
[149] Е. Йончев Т. Йонков, (2010), Някои възможности за експериментално
изследване на електрозадвижвания в реално време, International
Conference АUTOMATICS AND INFORMATICS’10, Bulgaria, Sofia,
October 3 - 7, 2010, Proceedings ISSN 1313-1850, 119-123
360
361
Енергоикономично управление в интегрирани системи за сградна
Автор:
© доц. д-р инж. Тодор Йонков
Рецензент:
© доц. д-р Михо Рачев Михов
Стилов редактор: © Христо Стефанов Христов

Одобрена: Протокол № 9/26.06.2012, ФС-ФА, ТУ-София
Даден за печат: м. юли 2012, г. Излязъл от печат: м. юли 2012 г.
Тираж 100 броя
ISBN :
Издателство ТУ-София
362

1 Monograph

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

1 Monograph

Uploaded by

Copyright:

Available Formats

Тодор Йонков

Технически Университет - София

© Тодор Стефанов Йонков

Поддържането на комфортен микроклимат в сградите при въз-

София, 2012 Авторът

Температурен комфорт е термин, въведен от Американското дру-

Фиг. 1.1 Граници на изменение на температура на усещане и влажност на въздуха

Модел на ASHRAE за дефиниране на температурен комфорт

Фиг. 1.2 Прогнозиран процент на неудовлетворените като функция на предполагаемата

Аналитично определяне на показателя за температурен комфорт

tcl = 35,7 – 0,028 (M –W)

1,00 + 1,290 . Icl , при Icl ≤ 0,078 m2 . K/W

Относителна влажност на въздуха

Фиг. 1.3. Необходима скорост на въздуха за компенсация на повишената температура

Посоченото увеличение на температурата над 260C се отнася за

Асиметрия на температурата на излъчване

Фиг. 1.4 Локален температурен дискомфорт, причинен от асиметрия на температурата

Позволената максимална скорост на въздуха е дадена на фиг. 1.5 като фун-

Вертикална разлика в температурата на въздуха

Фиг. 1.6 Локален дискомфорт, причинен от вертикални температурни разлики.

Температурни вариации във времето

Таблица 1 Ограничения в температурните дрейфове и степени на нарастване

Психрометрията е част от термодинамиката, посветена на проуч-

2.1 Психрометрични параметри

2.2 Психрометрична диаграма

фиг.2.1 Психрометрична диаграма

Фиг.2.2 Отношение на свойствата на психрометричната диаграма

Както на фиг. 2.2 е показано, всяка точка е пресечна точка на

2.3. Психрометрично описание на основните процеси в СОВК

Фиг.2.3 Пример за смесване на два въздушни потока

Технически структури, реализиращи смесване на въздушни потоци

Смесителната секция и прилежащите и клапи трябва да бъдат про-

Фиг.2.5 Въздушните потоци са на 900 за добро смесване

Ако въздушните потоци постъпват от срещуположни страни, фиг.

За съжаление в повечето съществуващи системи скоростта за уп-

Фиг.2.7 Отразители за по-добро смесване

Чувствителност при охлаждане и отопление

Фиг.2.8 Чувствителност при охлаждане и отопление

Технически структури, реализиращи отопление

Фиг.2.10 Преки и байпасни клапи

Добро съществуващо решение е използването на гореща вода с

Фиг.2.12 Отопление на една зона

При други системи задвижващото устройство на изпълнителен

Фиг.2.13 Нагревателен еднозонов контрол

Технически структури, реализиращи охлаждане

1) Директно изпаряващи серпентини

Фиг. 2.14 Охлаждане чрез директно изпарение; двупозиционен контрол

Друг подход е добавянето възвратен клапан във всмукателната

Фиг. 2.16 Охлаждане чрез директно изпарение; контрол на налягането

2) Серпентини с водно охлаждане

Фиг.2.18. Охлаждане и изсушаване

Фиг 2.19 Изсушаване с ниска температура

Фиг. 2.20 Химическо изсушаване

Фиг 2.21 Химически изсушител

Фиг.2.22 Управление на химически изсушител – структура на системата

Технически структури, реализиращи контрол на влажността

Фиг.2.25 Психрометрична диаграма

2) Въздухоовлажнител с подгряване и охлаждане

Фиг.2.27 Психрометрична диаграма

Добавяне на охлаждаща серпентина в системата създава възмож-

Фиг.2.29 Психрометрична диаграма (зима)

3) Овлажнител за въздух със смесен въздух и предварително ох-

Фиг.2.31 Контрол на влажността; впръскване през охлаждащата серпентина

Охлаждане чрез изпаряване