Em sistemas HVAC industriais, para melhorar a precisão do controle sob grandes perturbações, o controle preditivo baseado em modelo (MPC) é amplamente utilizado. Este artigo propõe um MPC não linear para sistemas de volume de ar variável (VAV). Este MPC não linear utiliza uma rede autorregressiva não linear com entrada externa (NARX) e o algoritmo de otimização por enxame de partículas (PSO). O modelo NARX destina-se a prever os parâmetros controlados do sistema VAV (temperatura ambiente), enquanto o PSO atua como otimizador para obter as variáveis de controle ideais do sistema VAV. Ao atribuir pesos diferentes aos objetivos da função de custo, o MPC não linear proposto pode equilibrar a precisão do controle e as necessidades de economia de energia do sistema VAV para atingir diferentes efeitos de controle. Dois esquemas com pesos diferentes foram validados no sistema VAV de laboratório, onde o esquema 1 considerou apenas a precisão do controle e o esquema 2 considerou simultaneamente a precisão e a economia de energia. Os efeitos de controle dos MPCs dos dois esquemas obtidos experimentalmente foram comparados com o método de pressão constante baseado em controlador PI. Os resultados experimentais mostram que: o esquema 1 baseado em MPC pode estabilizar a temperatura ambiente dentro da faixa de precisão de controle de ±0,5 ℃ em relação ao valor definido; o esquema 2 baseado em MPC apresenta melhores características de economia de energia, alcançando uma taxa de economia de energia de 23,7% em comparação com o método de pressão constante.

Controle preditivo não linear; sistema de volume de ar variável; modelo de rede neural; otimização por enxame de partículas