这篇文章介绍了如何利用MPC对冷却塔运行进行优化，主要是优化了冷凝水设定点。此项工作应用到了实际系统中，看这篇文章的出发点有两个：1、对于这种几乎没有动态的系统如何进行MPC；2、MPC如何应用到实际工程中。

文章链接：通过优化冷凝器水设定点改进传统冷水机组的冷却塔控制

概述

目前先进控制方法使用到传统冷水机组中时，会遇到两大部分的阻碍：

  • 对于控制系统要求较高，需要对现有控制结构进行改造。
  • 计算量大，传统控制系统无法承担复杂计算。

因此，本文采取了一种模型预测控制方案，对冷凝水温度设定点进行了优化，并使其可以应用在传统冷水机组中。还以华盛顿特区的一个实际项目作为案例获取到了9.67%的节能量。此外，对于优化频率进行了研究，发现了其对于结果的影响并不显著。

前言

水冷式冷水机组的控制由底层控制（本地控制器）与上层控制（监督控制器）构成，底层控制主要由反馈控制环节组成，例如设定点PID控制或者设定点启停控制，上层控制主要是指设定值的计算过程，目前，大部分案例的上层控制器是较为缺乏的，主要是定设定点控制。

如何使冷水机组能耗下降，其中的一种常用的方法是优化冷却塔的控制（相较于冷冻侧的控制，冷却侧的控制更加简单，环路也较为简单，调节也较为方便），冷却侧的控制中的一个关键点就是冷却塔风扇的控制，本篇文章也就是针对冷却塔风扇的控制进行研究。

现阶段对于冷却塔风扇控制方法的研究有两种：

  • “不再使用传统的两级控制结构，利用冷负荷水平直接控制冷却塔风扇转速
    • 优点：去掉了反馈调节后，更加稳定，有一定的可行性
    • 缺点：传统冷却塔的控制系统是相对较为封闭的，不便于结构的修改。
  • ”优化设定点，利用天气、冷负荷等因素来获取设定点“
    • 优点：能够得到最优解
    • 缺点：计算量大，现有的控制器主要是简单的可编程逻辑控制器，计算资源有限。

此外，传统控制系统中还有一个限制，不能频繁修改冷凝器设定值，低频的动作可能会对系统节能空间造成一定影响，这一部分也将在本论文中进行研究。

本文主要解决的问题关键点：

  1. 如何使优化的策略应用在实际系统中？（利用预测的冷负荷以及湿球温度作为系统输入，输出最佳冷凝器进口设定温度，操作人员手动将其输入到系统中）
  2. 如何提高优化速度与优化精度？（基于温度的方法选择最佳搜索起点）
  3. 控制点修改频率对节能效果的影响？（我的理解是由于在第1点中用的是人工修改的方法，那么对于人工操作频率就得有解释）（利用离线仿真的方法对于控制点更新频率的影响进行研究）

（研究中，冷却泵以及冷冻泵均为恒速水泵，控制点的修改对于泵的能耗没有影响）

模型预测控制优化结构的开发

优化的变量为冷凝器进口温度，成本函数为冷却塔能耗+冷机能耗，优化框架如下图所示：

  • 在这个模型中，会与之前其他MPC理解有一个不同点，为什么这个模型看起来没有动态环节，却需要预测未来一段时间的预测值来支撑当前最优点的得出？
  • 传统的MPC为何需要预测并控制，是考虑到当前时刻的设定值会影响未来一段时间内的系统变化，最典型的就是蓄能罐的使用，当前时刻使用了2h的蓄冷量，那么后续的可使用容积就变小了，因此在决定使用2h蓄冷量的时候，就应该预测并判断其对系统未来状态的影响。
  • 但这一篇文章中的MPC描述的是另一种应用场景，当系统不能满足每时每刻连续调节的时候，那么只能针对一段时间寻找到一个最适合的”平均值“，比如说一个系统在第一个时间点需要”1“的设定点，在第二个时间点需要”5“的设定点，在第三个时间点需要”7“的设定点，但系统在这三个时间段中，只能使用一个设定点值，那么就需要进行预测，得到未来3h最优的设定点。

优化起点的选择

对于冷却塔的优化，其中会出现很多局部最优的情况，这一部分将介绍局部最优产生的源头以及解决局部最优常用的方法，最后提出了一种更为简单高效的方法。

局部最小产生的源头

冷却塔出口温度（冷凝器进口温度）优化局部最优的出现有两种情况

  • 第一种是当负荷值较高的时候，冷却塔存在最小出口温度（也就是风扇全开时对应的出口温度），此时，再进一步降低出口温度设定值也不会对总能耗产生影响，下图（a）。
  • 第二种情况时当负荷值较低的时候，冷却塔存在最高出水温度（冷却塔风扇全关或者处于最低开度时对应的出口温度），此时，升高设定值也不会对结果产生影响，下图（b）。

现有优化起点的选择方法

现有的优化起点选择有3种，中点法、多起点法、前值法。

  • 中点法：利用自变量的上下限取中值作为起点，适合于仅存在一个全局最小值的情况，具有多个局部最小值时容易失效。
  • 多起点法：在自变量上下限之间随机取值作为起点，能够一定程度上避免局部最小值的影响，但并不能保证问题的解决，并且增长搜索时间。
  • 前值法：利用前一次搜索得到的最佳值作为下一次搜索的起点，适用于相邻周期系统状态与输入相似的场景，其他场景可能失效。

新的解决方法

淦，本以为这一块会看到一个高级的方法，结果只是利用机理模型首先算出一个大概的冷却塔出口温度作为起点，并且认为一些机理模型计算过于复杂，直接使用名义接近温度的做法，计算公式如下：

  • 此处，方法用得很简单，但思路感觉比较清楚，利用简单规则先找出最优点的大致范围，再利用MPC进行细致寻优，从而减少一定的计算量。

案例实践

使用的也是Modelica进行建模，由于仅考虑冷却侧部分，因此在模型搭建部分没有太多的文章，就是简单的设备模型、控制模型等等。

对于结果的分析中，对于运行过程中没有找到最优点的情况进行了解释，并说明了其对于最后节能效果的影响并不大，就不多说，主要介绍一下优化频率方面的工作

文中认为优化频率选取不同对结果的影响来自于不同频率的预测偏差，因此人工引入偏差，例如负荷预测偏差，以一天为预测频率的结果的偏差在20%，以星期为偏差的预测偏差在40%，最后发现影响并不大，然后对产生原因进行了分析。

感想

整篇文章其实感觉方法使用很简单、结论也不亮眼，但思路比较清楚，需要解决的问题很明确。

对于结果其实还是让人很不舒服，在最后一张图中，很明显基线的冷凝器进口温度过高才导致不同优化频率的结果，不过基线的高冷凝器进口温度设定值也是合理的，毕竟基线策略的制定方法一般也是以最不利工况为指导。但是对于想细致探讨优化频率对MPC执行效果的人来说有点折磨，这部分可以细化，频率对MPC执行效果的影响可以分为两部分：

  1. 对于MPC中P的影响，当时间间隔过长，预测的偏差会愈大。
  2. 对于MPC中C的影响，对于没有动态过程的MPC，相当于在后面一段时间内取了一个综合考虑还不错的值，控制间隔越长，相当于需要牺牲的时间越长。