В промышленных системах ОВКВ для повышения точности управления при больших возмущениях широко применяется управление с предсказанием модели (MPC). В статье предлагается метод нелинейного MPC для систем с переменным воздушным потоком (VAV). Этот нелинейный MPC использует нелинейную авторегрессионную сеть с внешними входами (NARX) и алгоритм оптимизации роя частиц (PSO). Модель NARX предназначена для прогнозирования контролируемых параметров системы VAV (температуры в помещении), а PSO выступает в роли оптимизатора для получения оптимальных управляющих переменных системы VAV. Путем назначения различных весов целям функции стоимости, предложенный нелинейный MPC может сбалансировать точность управления и потребности в энергосбережении системы VAV для достижения различных эффектов управления. Два варианта с разными весами были проверены на лабораторной системе VAV, где вариант 1 учитывает только точность управления, а вариант 2 — как точность, так и энергосбережение. Были сопоставлены результаты управления MPC для обоих вариантов, полученные в экспериментах, с методом поддержания постоянного давления на основе PI-регулятора. Результаты показывают: вариант 1 на основе MPC обеспечивает стабильность температуры помещения в диапазоне ±0,5 ℃ от заданного значения; вариант 2 на основе MPC демонстрирует лучшие характеристики энергосбережения, достигая уровня экономии энергии в 23,7% по сравнению с методом постоянного давления.

Нелинейное управление с предсказанием модели; система с переменным воздушным потоком; модель нейронной сети; оптимизация роя частиц