Professional Documents
Culture Documents
1 Monograph
1 Monograph
Енергоикономично управление в
интегрирани системи за сградна
автоматизация
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
автоматизация
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
вентилация и климатизация
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
сградни системи
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
сградните системи
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
сградни системи
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
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.
3
4
Tемпературен комфорт
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.
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
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.
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).
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.
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
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
14
Психрометричен подход за
описание на процесите в
системи за климатизация
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.
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.
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.
19
Фиг.2.4 Потоци без смесване
20
Фиг.2.6 Въздушните потоци са един срещу друг за добро смесване
21
хоризонтални линии с постоянна стойност на специфичната влажност (W).
(фиг. 2.8)
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
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).
24
(фиг.2.13). Всяка от тези системи може да бъде използвана за охлаждане,
нагряване или комбинация от двете.
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
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.
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)
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).
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.
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
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
31
Фиг. 2.26 Контрол на влажността чрез впръскване на топла или студена вода
32
Фиг.2.28 Контрол на влажността; впръскване и предварително затопляне
33
Фиг.2.30 Психрометрична диаграма (лято)
34
Фиг.2.32 Психрометрична диаграма
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
36
Фиг.2.36 Охлаждане чрез изпарение с две степени
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.
39
40
Моделиране на обекти и
процеси в системите за
сградна автоматизация
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.
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.
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.
44
Фигура 3.1 Представяне на среден слой на стена
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
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
48
Фигура 3.4 Симулационна схема – външен слой на стена
49
Kl Kl
Tr Tr
Temperature Model
simin
From Saturation
Workspace
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
50
Фигура 3.7
Фигура 3.8
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
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
52
Thick Layer, High Temperatures
26
Temperature middle layer
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 3.11 Преходен процес при увеличена дебелина
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
Temperature middle layer
Temperature first layer
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
15
Temperature, [°C]
10
-5
0 0.5 1 1.5 2 2.5 3
Time, [s] 5
x 10
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 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]
55
Normal Thickness, High Temperatures
26
Temperature middle layer
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 3.16 Преходен процес за 24 часа
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
56
Normal Layer, High to Low Temperatures
20
Temperature middle layer
15 Temperature first layer
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
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.
57
Normal Layer,Low to High Temperatures
20
Temperature middle layer
Temperature first layer
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
Топлоемкост:
58
Преобразуването на влажността се разделя на две части: течна и изпаре-
ние.
К – хидравлична проводимост
Баланс на влажността
59
Построяването на модела в среда Simulink е показано на фигура 3.21.
273.15
Constant1
weather.mat
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
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
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
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
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)
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
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.
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.
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
Време, [сек.] 7
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
Време, [сек.] 7
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
Време, [сек.] 7
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
Време, [сек.] 7
x 10
Скорост на вятъра
25
20
15
[m/s]
10
0
0 0.5 1 1.5 2 2.5 3 3.5
Време, [сек.] 7
x 10
4
x 10 Глобална осветеност
10
6
[lux]
0
0 0.5 1 1.5 2 2.5 3 3.5
Време, [сек.] 7
x 10
4 Разсеяна осветеност
x 10
6
4
[lux]
0
0 0.5 1 1.5 2 2.5 3 3.5
Време, [сек.] 7
x 10
69
4
x 10 Директна осветеност
10
[lux]
4
0
0 0.5 1 1.5 2 2.5 3 3.5
Време, [сек.] 7
x 10
Посока на вятъра
100
80
60
[deg]
40
20
0
0 0.5 1 1.5 2 2.5 3 3.5
Време, [сек.] 7
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
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
0.5
-0.5
0 5 10 15 20 25
lag
Автокорелационна функция на остатъците
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
Време, [сек.] 7
x 10
Генерирания сигнал използван за входен при ARX процедурата за
конкретната променлива.
Unexplained output variance (in %)
10
0
0 10 20 30 40 50 60 70 80 90
Number of par's
Остатъчна изходна дисперсия
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
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
Разсеяна осветеност:измерена
4 Разсеяна осветеност:fit=52.12%
3
y1
0
500 1000 1500 2000 2500 3000 3500 4000
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
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.
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]
Температура на въздуха
Air Temperature
40
30
20
Degrees, [C]
10
-10
-20
-30
0 2000 4000 6000 8000 10000
Time, [Hours]
Основен тренд и реални данни
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
77
Програмата в “TAC Menta” съдържа няколко основни елемента:
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:
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:
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.
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.
Например:
Tout=17 Tin=0 Trin=22
Eta=(17-0)/(22-0)=0.8 THx=20s
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
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
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
PVR
InitValue ×
15
60
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
PVR A XPR
InitValue
10
100/A 0
PVR A XPR
InitValue
2
A*60
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:
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.
91
Модел на смесителна секция
92
Модел на система за подгряване на вода
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”.
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.
95
Модел на блок “Two”
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.
97
К.П.Д. на отоплителната секция спрямо потока на водата
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.
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
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)
Twi
50
40
Temperature (°C)
Tao
30
Two
20
Tai
10
0
0 500 1000 1500 2000 2500 3000 3500 4000
Time (sec)
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.
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:
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
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
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.
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
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
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
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
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
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
на която отговаря следната система уравнения
− 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
на която отговаря следната система уравнения
(
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
122
Основни управляващи
структури в системите за
отопление, вентилация и
климатизация
yr Контролер Контролер y
Процес 1 Процес 2
1 2
Вътрешен контур
Външен контур
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.
124
4.4 Основни управлявани величини в системите за отопление,
вентилация и климатизация
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.
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.
126
Фиг. 4.7 Схема за управление на вентилаторите
127
ветствие със зададената влажност на постъпващият въздух чрез контро-
лера НС-2, използвайки пространствения сензор за влажност Н2.
128
Фиг. 4.9 Стратегията за управление на принципа на ресетиране на заданието
(А)
129
Напълно отворен , когато u c = 100 %
Затворен , когато u c ≤ 0 %
130
л hrtn=hfr
а
н
г
и
с
щ
ав
я
л
ва
р
п hrtn < h fr
У
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.
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.
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.
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.
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.
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.
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%
h rtn
h fr
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
138
Управляващи
енергоикономични стратегии 5
139
Фиг. 5.1 Блокова схема на система с обратна връзка по комфорт
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)
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.
∫ 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
144
Синтез на размит Мамдани регулатор
Избор на входни и изходни лингвистични променливи (ЛП) и
дефиниране на универсалните им множества
145
Фиг. 5.5 Функции на принадлежност на входната величина PMV
146
Фиг. 5.7 Функции на принадлежност на входната величина Window
148
R7: IF(PMV is OK-2) and (Tout is S) THEN (WINDOW is C)(HEATING is
VVS)(COOLING is OFF);
R8: IF(PMV is OK-1) and (Tout is S) THEN (WINDOW is C)(HEATING is
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
OFF)(COOLING is OFF);
R11: IF(PMV is OK+1) and (Tout is M1) THEN (WINDOW is FO)(HEATING is
OFF)(COOLING is OFF);
R12: IF(PMV is OK+2) and (Tout is M1) THEN (WINDOW is WO)(HEATING is
OFF)(COOLING is OFF);
R13: IF(PMV is OK+1) and (Tout is M2) THEN (WINDOW is C)(HEATING is
OFF)(COOLING is BOFF);
R14: IF(PMV is OK+2) and (Tout is M2) THEN (WINDOW is C)(HEATING is
OFF)(COOLING is VS);
R15: IF(PMV is OK+3) and (Tout is M2) THEN (WINDOW is C)(HEATING is
OFF)(COOLING is PS);
R16: IF(PMV is OK) and (Tout is B) THEN (WINDOW is C)(HEATING is
OFF)(COOLING is BOFF);
R17: IF(PMV is OK+1) and (Tout is B) THEN (WINDOW is C)(HEATING is
OFF)(COOLING is BOFF);
R18: IF(PMV is OK+2) and (Tout is B) THEN (WINDOW is C)(HEATING is
OFF)(COOLING is S);
R19: IF(PMV is OK+3) and (Tout is B) THEN (WINDOW is C)(HEATING is
OFF)(COOLING is S);
R20: IF(PMV is OK) and (Tout is VB) THEN (WINDOW is C)(HEATING is
OFF)(COOLING is BOFF);
R21: IF(PMV is OK+1) and (Tout is VB) THEN (WINDOW is C)(HEATING is
OFF)(COOLING is BOFF);
R22: IF(PMV is OK+2) and (Tout is VB) THEN (WINDOW is C)(HEATING is
OFF)(COOLING is S);
R23: IF(PMV is OK+3) and (Tout is VB) THEN (WINDOW is C)(HEATING is
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
OFF)(COOLING is OFF).
R26: IF(PMV is OK-1) and (Tout is VB) THEN (WINDOW is SO)(HEATING is
OFF)(COOLING is OFF).
R27: IF(PMV is OK-2) and (Tout is VB) THEN (WINDOW is WO)(HEATING is
OFF)(COOLING is OFF).
R28: IF(PMV is OK+2) and (Tout is S) THEN (WINDOW is WO)(HEATING is
OFF)(COOLING is OFF).
149
Фиг. 5.10 Визуализация на активирането на правилата
150
Режим на отопление:
151
Температура на въздуха (при MoM)
152
методите, използващи експертни системи и обучителни подходи, могат да
бъдат групирани към безмоделните методи.
N max
Dset , H
D set
D hys
Dset , L
155
натоварвания, в случаите, когато температурата на подавания въздух е
ниска.
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
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.
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
159
Фиг. 5.16 Оптимизацията на заданието
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
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
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
163
~
U∀v ss ∈ V . Достатъчно добра апроксимация на ∂uss f jT е тази, която
∂oss xss
164
u
x ss
v f (u, v,θss)
θˆss
uf
x̂ ss
vf fˆ(uf ,vf ,θˆss)
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.
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.
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
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.
172
11 Посока на вятъра deg
12 Скорост на вятъра 10 /s
173
Фигура 5.19 Структурна схема на моделно базирано предсказващо управление
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
при условие, че е изпълнено
A∆ < B
HT y T,max − yˆ (k + j k )
− H ∆u ≤ − y ,
T T,min + yˆ (k + j k )
където
w T = [w T wT K wT ] .
T
HT y T,max − yˆ (k + j k )
− H ∆u ≤ − y + ˆ
y (k + j k ),
T T,min
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
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
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.
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.
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)
183
нал постъпва на входа „Heat”. Блокът n, ACH реализира следната сравни-
телна Таблица за коефициента n:
184
Фигура 5.26 Simulink модел на системата
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 )
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 )
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:
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.
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
190
Фигура 5.35 Топлообменник
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).
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:
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.
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.
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.
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
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
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.
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
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.
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:
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
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
∫
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)
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
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)
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
+
* 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
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.
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
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
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
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
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
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
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
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
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
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.
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)
vdqs Еталонен x +
i dqs модел
-
Адаптивен x̂
модел
ω̂ r Адаптивен
механизъм
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)
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.
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)
228
Асинхронен Еталонен модел
мотор
PI регулатор
Адаптивен модел
подсистема 1
подсистема 2
229
На фигура 5.44 е представена подсистема 1
подсистема 3
подсистема 4
230
На фигура 5.47 е представена подсистема 3.
231
Асинхронният двигател е представен чрез блоковата схема на фигура 5.50.
t,sec
232
Потокосцепление
ψ rq
t,sec
Rs = Rs + 20%Rs
Rr = Rr еталонно
Потокосцепление
ψ rd
t,sec
t,s
233
Потокосцепление
ψ rq
t,sec
Rs = Rs еталонно
Rr = Rr + 20%Rr
Потокосцепление
ψ rd
t,sec
234
Потокосцепление
ψ rq
t,sec
Rs = Rs + 20%Rs
Rr = Rr + 20%Rr
Потокосцепление
ψ rd
t,sec
235
Потокосцепление
ψ rq
t,sec
236
Фигура 5.51 Структурна схема на затворената система
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
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).
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)
243
Фигура 5.57 Параметри на адаптивния регулатор
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
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
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
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
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
Следователно:
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
Следователно:
dT M sr
≈p φ (u − R i − φ ω ) cos γ (5.66)
dt σLs Lr rref sq1 s sq1 sref s
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.
2 π 1
U= EP(θ q + (2cT − 1)(2 − c f ) ) (5.67)
3 3 0
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 )
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
Фигура 5.68 Опитни резултати при стъпална промяна на заданието за въртящия момент
от -10Nm на 10Nm при SVM-DTC управление: a) въртящ момент, б) модул на вектора на
статорния магнитен поток.
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)
Фигура 5.70 Опитни резултати при стъпална промяна на заданието за въртящия момент
от -10Nm на 10Nm при система с динамично превключване: a) въртящ момент, б) модул на
вектора на статорния магнитен поток
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
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
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.
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 )
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%.
телна скорост ωr и
грешка на скоростта
eω при
Rs = 1.2 Rs (20 C ), Rr = 1.2 Rr (200 C )
0
258
статичната грешка, но за сметка на това загубите на енергия намаляват
драстично.
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
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
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 )
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.
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
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)
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.
268
Фигура 5.81 Оптималния поток като функция на товарния въртящ момент при променлива
честота
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
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
271
Експериментални резултати
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.
272
Фигура 5.87 Динамика на електромагнитния въртящ момент 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
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.
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:
Приложение А
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)
Приложение Б
278
Фигура 5.91 ( )
∂ ( PF ) / ∂idse = f idse '*' показва минималните стойности
279
Фигура 5.93 Сравнения на PF* и PF_d спрямо скоростта на двигателя
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
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
%
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
1
Iq^2 Ploss
s
omega Integrator
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
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)
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)
10
ia, [ A ]
ib, [ A ]
-10
-20
-30
0 0.5 1 1.5 2 2.5 3
t, [s]
700
600
500
E , [k W h]
400
300
200
100
0
0 0.5 1 1.5 2 2.5 3
t, [s]
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
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]
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]
10
0
ia ,[A ]
ib ,[A ]
-10
-20
-30
-40
0 0.5 1 1.5 2 2.5 3
t,[s]
450
400
350
300
E,[kWh]
250
200
150
100
50
0
0 0.5 1 1.5 2 2.5 3
t,[s]
286
Хибридно моделиране
в системите за сградна
автоматизация 6
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.
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.
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.
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.
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
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.
293
Фигура 6.8 Модел на СОВК в средата на Simulink с инструмент за работа в реално време
294
6.3 Анализ на контролерната система с използване на модел в
реално време
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)
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)
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):
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.
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.
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.
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
303
304
Информационно осигурявяне
на системите за енерго-
икономично управление
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
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
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.
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
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
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
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
(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
Lsσ Lsσ Lr Lsσ Lr
(7.26)
L2
( Rs + Rr m2 )
Lr Lm Lm Rr
F (tk +1 , tk ) = 0 1− T T ωˆ r T
Lsσ Lsσ Lr Lsσ Lr
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)
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 )
*
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 ) .
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.
317
ωr eω ωr eω
ωˆ r [ rad / s ] ωˆ r [ rad / s ]
[ rad / s ] [ rad / s ]
ψ rα
ψˆ rα ψ rα
[Wb] ψˆ rα
[Wb]
eψ eψ
[Wb] [Wb]
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:
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
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
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
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
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]
ω eω
ωˆ [rad / s]
[rad / s]
326
ψ rα eψ
ψˆ rα [Wb ]
[Wb ]
ψ rα eψ
ψˆ rα [Wb]
[Wb]
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
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
328
Оценяване на енергийната
ефективност на управлението
в сградни системи 8
329
Фигура 8.1 Блокова схема на експерименталната постановка
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
Уеб Сървър A7
Контролер A6
LTA адаптор за РС за FTT10 мрежа
332
Функционалната схема е:
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.
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
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
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
337
Фигура 8.8 ПИД контролер 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.
339
Фигура 8.10 Функционална схема на експериментална климатична камера
340
Фигура 8.12: Структурна схема за управление на температурата на входящия въздух
341
Фигура 8.13 Регулатор с променлива стъпка за управление на въздушен дебит
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.
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
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.
345
Експериментални резултати
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
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.
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
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
автоматизация
Автор:
© доц. д-р инж. Тодор Йонков
Рецензент:
© доц. д-р Михо Рачев Михов
ISBN :
Издателство ТУ-София
362