En los sistemas HVAC industriales, para mejorar la precisión del control bajo grandes perturbaciones, se utiliza ampliamente el control predictivo basado en modelo (MPC). Este artículo propone un MPC no lineal para sistemas de volumen de aire variable (VAV). Este MPC no lineal utiliza una red autorregresiva no lineal con entradas externas (NARX) y un algoritmo de optimización por enjambre de partículas (PSO). El modelo NARX está diseñado para predecir los parámetros controlados del sistema VAV (temperatura ambiente), y PSO actúa como optimizador para obtener las variables de control óptimas del sistema VAV. Al asignar diferentes pesos a los objetivos de la función de costo, el MPC no lineal propuesto puede equilibrar la precisión del control y las necesidades de ahorro de energía del sistema VAV para lograr diferentes efectos de control. Dos esquemas con diferentes pesos fueron validados en un sistema VAV de laboratorio; el esquema 1 solo consideró la precisión del control, mientras que el esquema 2 consideró tanto la precisión del control como el ahorro de energía. Los efectos de control de MPC de ambos esquemas obtenidos experimentalmente se compararon con el método de presión constante basado en un controlador PI. Los resultados experimentales muestran que: el esquema 1 basado en MPC puede mantener la temperatura ambiente estable en un rango de precisión de ±0,5 ℃ con respecto al valor establecido; el esquema 2 basado en MPC muestra mejores características de ahorro de energía, logrando una tasa de ahorro de energía del 23,7% en comparación con el método de presión constante.

Control predictivo no lineal; sistema de volumen de aire variable; modelo de red neuronal; optimización por enjambre de partículas