一种基于多代理系统的空调集虚拟储能协同控制方法

1.本发明涉及空调控制技术领域，具体涉及一种基于多代理系统的空调集虚拟储能协同控制方法。

背景技术：

2.目前，随着我国现代城市化建设进程不断加速，建筑行业也随之发展到一定的阶段，建筑的数量逐渐剧增，规模也逐渐庞大。在建筑行业发展的影响下，越来越多的楼宇建筑配备了暖通空调系统(heating,ventilation and air conditioning，简称hvac)，如商业办公、家庭住宅、高等院校以及工业厂房等建筑，hvac系统可以改变楼宇建筑中的气温环境，提供给用户所需的舒适温度。在目前hvac系统中，大多数为多区域单一维度对室内温度灵活调节的负荷模型，很少关注单区域的hvac集控制，协同考虑温度和空气质量调节(indoor air quality，简称iaq)的负荷模型，这很难最大限度地满足用户需求。除此之外，hvac系统的运行成本所消耗的能源是十分巨大的，我国建筑能源消耗结构中，hvac的能耗占比为35％～40％。所以，充分挖掘楼宇建筑中的hvac的供能潜力和用能协调一致控制潜力，有效缓建筑中快速增长的能源需求给能源供应带来的压力，是一个亟需解决的关键能源问题。
3.在hvac集系统中，由于楼宇墙体等围护结构的隔热效果，室内与室外的热交换过程缓慢，使其具有一定的热储备能力，与传统储能设备例如电化学、电池、电气储能系统等非常相似。若把hvac集系统等效为虚拟储能装置，此虚拟储能装置通过调节室内温度和室内co2浓度来改变hvac电功率的动态变化过程看为传统储能装置的充放电过程，来实现热量释放、存储和新风的贮存，有利于提高能源的利用率。此外，对于用户而言，能最大限度地维持其在建筑中的舒适度。
4.在如今hvac集控制的现有技术中，大多数是以下三种方法：基于规则的方法，基于学习的方法和基于模型的方法，基于规则的方法是使用一些简单的规则(如on/off开关控制)对室内温度进行简单的控制。基于学习的方法直接利用与建筑热环境的交互信息进行控制策略的学习，能实时响应多个经过训练的案例，但算法可能缺乏必要的泛化能力。基于模型的方法需考虑对受环境因素的hvac热动态性模型进行建模。模型预测控制方法能在保证用户热舒适性的前提下，降低暖通空调系统能量成本。这类方法在进行决策时会考虑系统的未来状态和扰动，但它们依赖明确的建筑热动态性模型。
5.上述现有技术存在的缺点是：大多数方法只是实现对室内温度单一维度的灵活调节，没有考虑更多维度的耦合因素。只考虑了用户的热舒适性，却没有考虑用户对空气质量的要求，也没有考虑多区域室内温度不一致带来的能量损耗，除此之外，没有过多关注虚拟储能调控贡献度不一致带来的用户公平性问题。

技术实现要素：

6.为了解决上述背景技术所存在的至少一技术问题，本发明提供一种基于多代理系
统的空调集虚拟储能协同控制方法。
7.为实现上述目的，本发明的技术方案是：
8.一种基于多代理系统的空调集虚拟储能协同控制方法，所述方法包括：
9.建立n个单区域hvac系统的物理负载模型，来实时监测室内co2浓度并使用一致性算法分布式调节调整风门位置，以改变混合空气外部空气与返回空气比例；n为正整数；
10.通过一致性算法分布式调节供气速率，以确保hvac集的服务区环境温度一致，保证室内co2浓度维持在舒适范围内；所述hvac集包括n个单区域hvac系统。
11.进一步地，所述的基于多代理系统的空调集虚拟储能协同控制方法，所述方法还包括：
12.协同调节各hvac系统负载功率，使各hvac系统的负载率一致，以使hvac集的总体功率灵活可调。
13.进一步地，所述hvac系统包括空气处理单元ahu和变风量箱vav。
14.进一步地，所述变风量箱ahu包括风门、冷却管和供风扇saf，所述风门用于将外部新鲜空气与区域返回的空气混合，冷却管用于冷却混合空气，供风扇saf用于将混合空气输送至等效区域的变风量箱vav。
15.进一步地，所述单区域hvac系统的物理负载模型通过如下方式建立：
16.1)单区域hvac系统物理负载模型包括热动力学模型和co2动态浓度iaq模型，分别用以下公式(1)和公式(2)来描述：
[0017][0018][0019]
其中公式(1)的t
i，t
为i区在时段t的室内温度，作为状态变量，m
i，t
为i区在时段t的供气速率，作为输入量，t
o，t
为室外空气温度，q为热扰动，ts为供风扇的空气温度，c为热容量，r为热阻，ca为空气比热容；公式(2)的o
i，t
为i区在时段t的室内co2浓度，作为状态变量，而o
mix，t
是时段t处混合空气的co2浓度，其中o
mix
用(1-βr)o
out，t
+βro
i，t
表示，βr为ahu中的风门位置，v为单区域hvac服务区的空间体积，zi为i区的单区域空间体积中的人数，σ为人均二氧化碳生生成率，ρ为空气密度；
[0020]
2)空气处理机组ahu中的冷却盘管产生的功率pc，由以下方程(3)表示：
[0021][0022]
其中混合空气温度tm＝βrti+91-βr)t
o，t
，ηc冷却管的效率系数，cop为冷却器的性能系数，
[0023]
3)而由saf产生的功率则用以下方程(4)表示：
[0024]
ps＝μm
i，t3
ꢀꢀꢀ
(4)
[0025]
其中，μ供风扇的功耗系数；
[0026]
4)则单区域hvac服务区负载的功率为：
[0027]
p
d，i
＝pc+psꢀꢀꢀ
(5)。
[0028]
进一步地，所述单区域hvac系统的物理负载模型的约束条件包括：
[0029]
a)选择室内居住者合适的舒适温度，在hvaci的服务区的温度范围描述为：
[0030][0031]
其中和分别表示最小和最大室内舒适温度；
[0032]
b)对于每个hvac服务区，调整vav箱中来改变供气速率，得到hvac i
的服务区的供气速率的约束值：
[0033][0034]
其中和分别表示i区的最小和最大供气速率；
[0035]
c)由于区域内的高co2浓度水平对居住者的健康和生产力有害，因此应将该水平控制在阈值以下，用以下公式(8)表示：
[0036][0037]
表示i区域的co2浓度阈值；
[0038]
d)ahu中风门位置开度是有限的，设置β
i，t
在以下范围内动态调整：
[0039][0040]
其中表示风门位置的最小开度，表示风门位置的最大开度；当β
i，t
＝1时，混合空气仅包含从区域返回的空气，而β
i，t
＝0时，混合空气仅包含外部新鲜空气。
[0041]
进一步地，所述通过一致性算法分布式调节供气速率，以确保hvac集的服务区环境温度一致，保证室内co2浓度维持在舒适范围内包括：
[0042]
1)任意两个hvac系统i、j之间需存在至少1条通信链路，来建立一个强连通的分布式通信网络，强连通的分布式通信网络用拉普拉斯矩阵l表示出来，其拉普拉斯矩阵被定义为l＝d-a，其中a为邻接矩阵，邻接矩阵a是一个n*n的矩阵，把a的每一行元素加起来得到n个数，然后把它们放在对角线上，组成一个n*n的对角矩阵，记为度矩阵d；非对角元素a
ij
表示节点i连向节点j的连通数量，定义l矩阵：
[0043]
l
ii
＝-a
ij
，i≠j
ꢀꢀꢀ
(11)
[0044][0045]
2)在分布式环境下无法直接获取p
d，i
的值，利用分布式平均一致性算法(13)来实现平均功率共享，平均功率过程在每个hvac中完成，以此获取在分布式环境下的单区域hvac系统服务区负载的平均功率
[0046][0047]
3)根据hvac系统服务区数量确定拉普拉斯矩阵l，令每个hvac服务区系统为分布式强连通通信网络上的节点，让拉普拉斯矩阵l分别乘以不同hvac的室内温度tj和单区域hvac服务区负载功率p
d，j
并求和，另外，将p
ref
和总之间作差生成控制信号，并利用此差值控制信号进行加权后来确定hvac系统的供气速率以此获得分布式一致性控制算法公式(14)，表达式为：
[0048]
[0049]
4)将公式(14)通过比例积分环节离散后，表达式为：
[0050][0051]
其中，τ为时隙长度，单位为s；
[0052]
6)确定目标因子权重系数ki，通过对hvac系统集控制的训练数据来寻合适的权重系数；在公式(14)中，不是所有hvac都已知p
ref
的值，只有少数的hvac被分配p
ref
的值，这种hvac对应的节点叫做领导节点，其余hvac对应的节点叫做追随节点，这种节点的k3是等于0的。
[0053]
进一步地，所述的基于多代理系统的空调集虚拟储能协同控制方法还包括：采集等效区域中的co2浓度数据o
i，t
，将β
i，t
进行动态调整。
[0054]
进一步地，所述采集等效区域中的co2浓度数据o
i，t
，将β
i，t
进行动态调整包括：
[0055]
1)令等效区域中最高的co2用户舒适浓度为最低的co2户舒适浓度为在此区间中的co2浓度皆为舒适值，在满足热舒适性的前提下，将co2浓度维持在此区间中；由室内温度调节的步骤可知，此分布式通信网络为强连通，获取拉普拉斯l矩阵具体值与权利要求6中的调节室内温度步骤中的1)一样，利用公式(11)和(12)定义；
[0056]
2)分布式获取hvac服务区co2浓度，让拉普拉斯矩阵l分别乘以不同hvac的室内co2浓度和区域hvac服务区负载功率p
d，j
并求和，另外，将p
ref
和总之间作差得到的差值控制信号，并利用此差值控制信号乘以权重系数ki后来确定hvac系统的的表达式：
[0057][0058]
3)将公式(14)通过比例积分环节离散后，表达式为:
[0059][0060]
其中，τ为时隙长度，单位为s；
[0061]
4)改变一致性算法(14)和(16)的权重系数ki的比重能影响hvac集系统室内温度、co2浓度和负载率趋于一致性的程度，当增大/减少k1时，能改变hvac集系统中室内温度t
i，t
趋于一致性程度；当增大/减少k4时，能改变hvac集系统中室内co2浓度趋于一致性程度；当增大/减少k2、k3、k5和k6时，增大/减少hvac集系统负载率一致性程度；将各hvac服务区的温度区域和负荷的负载率η
p
调至一致，最大限度满足iaq的情况下达到虚拟储能的效果。
[0062]
本发明与现有技术相比，其有益效果在于：
[0063]
一种基于多代理系统的空调集虚拟储能协同控制方法，通过建立n个单区域hvac物理负载模型，来实时监测室内co2浓度并使用一致性算法分布式调节调整风门位置，改变了混合空气外部空气与返回空气比例，另外，通过一致性算法分布式调节供气速率，确保各hvac集的服务区环境温度一致，保证室内co2浓度维持在舒适范围内；在此基础上，协同调节各hvac负载功率，使各hvac的负载率一致，并使hvac集的总体功率灵活可调。从而达到节省能源同时保持良好室内空气质量和用户满意的舒适温度的目的，并且实现了hvac集控制的运行经济性。
附图说明
[0064]
图1为单区域hvac系统物理组成示意图；
[0065]
图2为基于多代理系统的hvac集虚拟储能协同控制框图；
[0066]
图3为验证例中的hvac集的物理系统和信息系统组成示意图；
[0067]
图4为一致性算法控制下的hvac服务区温度、二氧化碳浓度和功率图；
[0068]
图5为不同额定功率下的hvac服务区温度、二氧化碳浓度和功率图；
[0069]
图6为不同权重系数的hvac服务区温度、二氧化碳浓度和功率。
具体实施方式
[0070]
实施例：
[0071]
下面结合附图和实施例对本发明的技术方案做进一步的说明。
[0072]
本实施例提供的基于多代理系统的空调集虚拟储能协同控制方法具体包括如下：
[0073]
首先，需要建立hvac集控制中的单区域hvac系统物理负载模型，并将此单区域的负载模型看作是hvac集控制中的服务区。在公共建筑(楼宇)中，室内温度是衡量用户舒适度的重要指标，除了室内温度，居住者还关心室内空气质量(indoorair quality，简称iaq)，这通常由co2浓度水平来表示。单区域hvac系统通常由空气处理单元(air handle unit，简称ahu)和变风量箱(variableair volume，简称vav)组成，而ahu主要由风门、冷却管和供风扇(supplyair fan，简称saf)组成，风门可以将外部新鲜空气与区域返回的空气混合，冷却管冷却混合空气，而saf可将混合空气输送至等效区域的vav箱。通过改变saf功率和风门位置来改变供气速率，调节冷却管功率影响混合空气温度，进而实现对hvac室内温度和室内co2的控制，如图1所示。目前使用较多建筑模型主要为数据驱动模型和高精度物理模型，难以确保训练数据以外的模拟预测温度的准确度。因此，本技术采取r-c类比网络物理模型建模方法进行建模，并考虑实际运行的hvac负载集功率调节的限制约束，具体步骤如下：
[0074]
1)单区域hvac系统物理负载模型包括热动力学模型和co2动态浓度(iaq)模型，分别用以下公式(1)和公式(2)来描述：
[0075][0076][0077]
其中公式(1)的t
i，t
为i区在时段t的室内温度，作为状态变量，m
i，t
为i区在时段t的供气速率，作为输入量，t
o，t
为室外空气温度，q为热扰动，ts为供风扇的空气温度，c为热容量，r为热阻，ca为空气比热容。公式(2)的o
i，t
为i区在时段t的室内co2浓度，作为状态变量，而o
mix，t
是时段t处混合空气的co2浓度，其中o
mix
用(1-βr)o
out，t
+βro
i，t
表示，βr为ahu中的风门位置，v为单区域hvac服务区的空间体积，zi为i区的单区域空间体积中的人数，σ为人均二氧化碳生生成率，ρ为空气密度。
[0078]
2)空气处理机组ahu中的冷却盘管产生的功率pc，可以由以下方程(3)表示：
[0079]
[0080]
其中混合空气温度tm＝βrti+(1-βr)t
o，t
，ηc冷却管的效率系数，cop为冷却器的性能系数，
[0081]
3)而由saf产生的功率则用以下方程(4)表示：
[0082]
ps＝μm
i，t3
ꢀꢀꢀ
(4)
[0083]
其中，μ供风扇的功耗系数。
[0084]
4)则单区域hvac服务区负载的功率为：
[0085]
p
d，i
＝pc+psꢀꢀꢀ
(5)
[0086]
约束条件如下：
[0087]
a)选择室内居住者合适的舒适温度，在hvaci的服务区的温度范围描述为：
[0088]
其中和分别表示最小和最大室内舒适温度。
[0089]
b)对于每个hvac服务区，调整vav箱中来改变供气速率，可以得到hvaci的服务区的供气速率的约束值：
[0090][0091]
其中和分别表示i区的最小和最大供气速率。
[0092]
c)由于区域内的高co2浓度水平对居住者的健康和生产力有害，因此应将该水平控制在阈值以下，用以下公式(8)表示：
[0093][0094]
表示i区域的co2浓度阈值。
[0095]
d)ahu中风门位置开度是有限的，设置β
i，t
在以下范围内动态调整：
[0096][0097]
其中表示风门位置的最小开度，表示风门位置的最大开度。当β
i，t
＝1时，混合空气仅包含从区域返回的空气，而β
i，t
＝0时，混合空气仅包含外部新鲜空气。
[0098]
其次，保证服务区温度和co2浓度维持在合理范围，各hvac服务区的温度区域一致，各hvac负荷的负载率η
p
一致，且hvac集的整体负荷灵活可调。η
p
为各hvac实际功率与hvac额定(最大)功率之比。
[0099]
在给定hvac集额定功率p
ref
前提下，一致性算法最终能收敛需要以通信网络必须为强连通为前提，即每一个节点皆可以经由通信线路抵达其他的每一个节点。为了满足强连通性的要求，系统中不可以存在孤立的节点，任何一个节点和其他节点之间都必须至少有一条通信。使用一致性分布式算法调节室内温度t
i，t
具体步骤如下：
[0100]
1)任意两个hvac系统i、j之间需存在至少1条通信链路，来建立一个强连通的分布式通信网络(图2中的
②
)，
②
的强连通的分布式通信网络信号可用拉普拉斯矩阵l表示出来，其拉普拉斯矩阵被定义为l＝d-a，其中a为邻接矩阵，邻接矩阵a是一个n*n的矩阵，把a的每一行元素加起来得到n个数，然后把它们放在对角线上(其它地方都是零)，组成一个n*n的对角矩阵，记为度矩阵d。非对角元素a
ij
表示节点i连向节点j的连通数量，对于一个简单
的有限连通矩阵，邻接矩阵是一个(0,1)矩阵所有对角元素为0，其他元素为1。则由此定义l矩阵：
[0101]
l
ii
＝-a
ij
，i≠j
ꢀꢀꢀ
(11)
[0102][0103]
2)在分布式环境下无法直接获取p
d，i
的值，需要利用分布式平均一致性算法(13)来实现平均功率共享，平均功率过程在每个hvac中完成，以此获取在分布式环境下的单区域hvac服务区负载的平均功率
[0104][0105]
3)根据hvac服务区数量确定拉普拉斯矩阵l，令每个hvac服务区系统为分布式强连通通信网络上的节点，让拉普拉斯矩阵l分别乘以不同hvac的室内温度tj和单区域hvac服务区负载功率p
d，j
并求和，另外，将p
ref
和总之间作差生成控制信号，并利用此差值控制信号进行加权
④
后来确定hvac系统的供气速率以此获得分布式一致性控制算法公式(14)，表达式为：
[0106][0107]
4)将公式(14)通过比例积分环节离散
⑤
后，表达式为：
[0108][0109]
其中，τ为时隙长度，单位为s。
[0110]
5)确定目标因子权重系数ki，如图2中的
④
，通过对hvac系统集控制的训练数据来寻合适的权重系数。在公式(14)中，不是所有hvac都已知p
ref
的值，只有少数的hvac被分配p
ref
的值，这种hvac对应的节点叫做领导节点，其余hvac对应的节点叫做追随节点，这种节点的k3是等于0的。
[0111]
另外，由公式(2)可知，o
i，t
受风门位置β
i，t
和供气速率m
i，t
的影响，使用一致性算法(13)单一调节供气速率m
i，t
无法保证服务区温度和co2浓度维持在合理范围内，所以还需采集等效区域中的co2浓度数据o
i，t
，将β
i，t
进行动态调整，如图2。为了满足用户环境舒适度需求和减低不必要的能源损耗，采用基于co2浓度检测的本地风门β
i，t
动态调节方式，核心也是使用分布式一致性算法(13)、(14)，步骤与调节室内温度t
i，t
相似，具体如下：
[0112]
1)令等效区域中最高的co2用户舒适浓度为最低的co2户舒适浓度为在此区间中的co2浓度皆为舒适值，在满足热舒适性的前提下，将co2浓度维持在此区间中。由室内温度调节的步骤可知，此分布式通信网络为强连通，获取拉普拉斯l矩阵具体值与调节室内温度步骤中的1)一样，利用公式(11)和(12)定义。
[0113]
2)分布式获取hvac服务区co2浓度，让拉普拉斯矩阵l分别乘以不同hvac的室内co2浓度和区域hvac服务区负载功率p
d，j
并求和，另外，将p
ref
和总之间作差得到的差值控制信号，并利用此差值控制信号乘以权重系数ki后来确定hvac系统的的表达式：
[0114]
[0115]
3)将公式(14)通过比例积分环节离散
⑥
后，表达式为:
[0116][0117]
其中，τ为时隙长度，单位为s。
[0118]
4)改变一致性算法(14)和(16)的权重系数ki的比重能影响hvac集系统室内温度、co2浓度和负载率趋于一致性的程度，当增大/减少k1时，能改变hvac集系统中室内温度t
i，t
趋于一致性程度；当增大/减少k4时，能改变hvac集系统中室内co2浓度趋于一致性程度；当增大/减少k2、k3、k5和k6时，可以增大/减少hvac集系统负载率一致性程度。由于一致性目标存在冲突，无法将每个目标值都趋于一致，因此在考虑在保证co2浓度维持在合理范围的前提下，将各hvac服务区的温度区域和负荷的负载率η
p
调至一致，最大限度满足iaq的情况下达到虚拟储能的效果。
[0119]
下面结合一个应用场景实例，来对本方法进行进一步的验证说明：
[0120]
选取深圳市某一小型商业建筑，季节为夏季，该建筑有5栋相同的小型商业建筑，统称为hvac服务区，每栋建筑物空间体积约为240m3,且配备一台hvac，由此建立分布式强连通通信网络的hvac集系统，如图3所示。每栋小型商业建筑的主要系统参数如表1所示。
[0121]
表1 hvac-商业建筑系统参数
[0122][0123][0124]
表2 hvac集系统初始参数
＝0.002、k6＝1
×
10-7
变成k6＝2
×
10-7
、k5＝3
×
10-6
变成k5＝9
×
10-6
，k4值不变，观察hvac服务区温度、二氧化碳浓度和功率的变化，如图6所示。相较于图4，室内温度t
i，t
和负载率η
p
的协同速度增加，由原本25000s才达到一致变成15000s达到一致，缩短了五分之二的时间，增加了hvac集系统的响应速度。改变权重系数k4也能改变co2浓度的协同速度，但是由于co2浓度与室内温度t
i，t
和负载率η
p
的目标值存在冲突，不能使三者都趋于一致，结合实际情况，只需把co2浓度维持在舒适范围内即可，并不影响虚拟储能的效果。另一方面，在调整权重系数时，应考虑到过于注重改善收敛速度可能会导致超调，收敛时间和超调之间取一个平衡值。
[0130]
综上，本发明与现有技术相比具有如下技术优势：
[0131]
(1)理论创新方面：本发明将一致性分布式调节控制技术应用于智能楼宇hvac集的室内温度、co2浓度和负载率的协同控制，还使用目标因子权重系数调节，有利于hvac集系统获得更快的响应速度，加速虚拟储能过程。
[0132]
(2)社会经济效益方面：基于多代理系统的分布式空调集虚拟储能协同控制系统的方法是平衡电力系统能量的一种调度策略。在保持稳定系统运行的同时，也改善微电网系统的经济性和环保性。在楼宇微电网中，利用温控负荷的热存储特性建立了虚拟储能系统模型，在室内温度不影响用户舒适度和保证一定空气质量的前提下，将各hvac服务区的温度区域和负荷的负载率η
p
调至一致，最大限度达到虚拟储能的目标，有利于供电公司进行能量管理，根据其规律制定更好的措施，并从中带来良好的社会经济效益。
[0133]
上述实施例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰，都应涵盖在本发明的保护范围内。

技术特征：

1.一种基于多代理系统的空调集虚拟储能协同控制方法，其特征在于，所述方法包括：建立n个单区域hvac系统的物理负载模型，来实时监测室内co2浓度并使用一致性算法分布式调节调整风门位置，以改变混合空气外部空气与返回空气比例；n为正整数；通过一致性算法分布式调节供气速率，以确保hvac集的服务区环境温度一致，保证室内co2浓度维持在舒适范围内；所述hvac集包括n个单区域hvac系统。2.如权利要求1所述的基于多代理系统的空调集虚拟储能协同控制方法，其特征在于，所述方法还包括：协同调节各hvac系统负载功率，使各hvac系统的负载率一致，以使hvac集的总体功率灵活可调。3.如权利要求1或2所述的基于多代理系统的空调集虚拟储能协同控制方法，其特征在于，所述hvac系统包括空气处理单元ahu和变风量箱vav。4.如权利要求3所述的基于多代理系统的空调集虚拟储能协同控制方法，其特征在于，所述变风量箱ahu包括风门、冷却管和供风扇saf；所述风门用于将外部新鲜空气与区域返回的空气混合，冷却管用于冷却混合空气，供风扇saf用于将混合空气输送至等效区域的变风量箱vav。5.如权利要求4所述的基于多代理系统的空调集虚拟储能协同控制方法，其特征在于，所述单区域hvac系统的物理负载模型通过如下方式建立：1)单区域hvac系统物理负载模型包括热动力学模型和co2动态浓度iaq模型，分别用以下公式(1)和公式(2)来描述：下公式(1)和公式(2)来描述：其中公式(1)的t
i，t
为i区在时段t的室内温度，作为状态变量，m
i，t
为i区在时段t的供气速率，作为输入量，t
o，t
为室外空气温度，q为热扰动，t
s
为供风扇的空气温度，c为热容量，r为热阻，c
a
为空气比热容；公式(2)的o
i，t
为i区在时段t的室内co2浓度，作为状态变量，而o
mix，，t
是时段t处混合空气的co2浓度，其中o
mix
用(1-β
r
)o
ott，t
+β
r
o
i，t
表示，β
r
为ahu中的风门位置，v为单区域hvac服务区的空间体积，z
i
为i区的单区域空间体积中的人数，σ为人均二氧化碳生生成率，ρ为空气密度；2)空气处理机组ahu中的冷却盘管产生的功率p
c
，由以下方程(3)表示：其中混合空气温度t
m
＝β
r
t
i
+(1-β
r
)t
o，t
，η
c
冷却管的效率系数，cop为冷却器的性能系数，3)而由saf产生的功率则用以下方程(4)表示：p
s
＝μm
i，t3
ꢀꢀꢀꢀ
(4)其中，μ供风扇的功耗系数；4)则单区域hvac服务区负载的功率为：p
d，i
＝p
c
+p
s
ꢀꢀꢀꢀ
(5)。
6.如权利要求5所述的基于多代理系统的空调集虚拟储能协同控制方法，其特征在于，所述单区域hvac系统的物理负载模型的约束条件包括：a)选择室内居住者合适的舒适温度，在hvac
i
的服务区的温度范围描述为：其中和分别表示最小和最大室内舒适温度；b)对于每个hvac服务区，调整vav箱中来改变供气速率，得到hvac
i
的服务区的供气速率的约束值：其中和分别表示i区的最小和最大供气速率；c)由于区域内的高co2浓度水平对居住者的健康和生产力有害，因此应将该水平控制在阈值以下，用以下公式(8)表示：阈值以下，用以下公式(8)表示：表示i区域的co2浓度阈值；d)ahu中风门位置开度是有限的，设置β
i，t
在以下范围内动态调整：其中其中表示风门位置的最小开度，表示风门位置的最大开度；当β
i，t
＝1时，混合空气仅包含从区域返回的空气，而β
i，t
＝0时，混合空气仅包含外部新鲜空气。7.如权利要求6所述的基于多代理系统的空调集虚拟储能协同控制方法，其特征在于，所述通过一致性算法分布式调节供气速率，以确保hvac集的服务区环境温度一致，保证室内co2浓度维持在舒适范围内包括：1)任意两个hvac系统i、j之间需存在至少1条通信链路，来建立一个强连通的分布式通信网络，强连通的分布式通信网络用拉普拉斯矩阵l表示出来，其拉普拉斯矩阵被定义为l＝d-a，其中a为邻接矩阵，邻接矩阵a是一个n*n的矩阵，把a的每一行元素加起来得到n个数，然后把它们放在对角线上，组成一个n*n的对角矩阵，记为度矩阵d；非对角元素a
ij
表示节点i连向节点j的连通数量，定义l矩阵：l
ii
＝-a
ij
，i≠j
ꢀꢀꢀꢀ
(11)2)在分布式环境下无法直接获取p
d，i
的值，利用分布式平均一致性算法(13)来实现平均功率共享，平均功率过程在每个hvac中完成，以此获取在分布式环境下的单区域hvac系统服务区负载的平均功率统服务区负载的平均功率3)根据hvac系统服务区数量确定拉普拉斯矩阵l，令每个hvac服务区系统为分布式强连通通信网络上的节点，让拉普拉斯矩阵l分别乘以不同hvac的室内温度t
j
和单区域hvac
服务区负载功率p
d，j
并求和，另外，将p
ref
和总之间作差生成控制信号，并利用此差值控制信号进行加权后来确定hvac系统的供气速率以此获得分布式一致性控制算法公式(14)，表达式为：4)将公式(14)通过比例积分环节离散后，表达式为：其中，τ为时隙长度，单位为s；5)确定目标因子权重系数k
i
，通过对hvac系统集控制的训练数据来寻合适的权重系数；在公式(14)中，不是所有hvac都已知p
ref
的值，只有少数的hvac被分配p
ref
的值，这种hvac对应的节点叫做领导节点，其余hvac对应的节点叫做追随节点，这种节点的k3是等于0的。8.如权利要求7所述的基于多代理系统的空调集虚拟储能协同控制方法，其特征在于，还包括：采集等效区域中的co2浓度数据o
i，t
，将β
i，t
进行动态调整。9.如权利要求8所述的基于多代理系统的空调集虚拟储能协同控制方法，其特征在于，所述采集等效区域中的co2浓度数据o
i，t
，将β
i，t
进行动态调整包括：1)令等效区域中最高的co2用户舒适浓度为最低的co2户舒适浓度为在此区间中的co2浓度皆为舒适值，在满足热舒适性的前提下，将co2浓度维持在此区间中；由室内温度调节的步骤可知，此分布式通信网络为强连通，获取拉普拉斯l矩阵具体值与权利要求6中的调节室内温度步骤中的1)一样，利用公式(11)和(12)定义；2)分布式获取hvac服务区co2浓度，让拉普拉斯矩阵l分别乘以不同hvac的室内co2浓度和区域hvac服务区负载功率p
d，，j
并求和，另外，将p
ref
和总之间作差得到的差值控制信号，并利用此差值控制信号乘以权重系数k
i
后来确定hvac系统的的表达式：3)将公式(14)通过比例积分环节离散后，表达式为:其中，τ为时隙长度，单位为s；4)改变一致性算法(14)和(16)的权重系数k
i
的比重能影响hvac集系统室内温度、co2浓度和负载率趋于一致性的程度，当增大/减少k1时，能改变hvac集系统中室内温度t
i，t
趋于一致性程度；当增大/减少k4时，能改变hvac集系统中室内co2浓度趋于一致性程度；当增大/减少k2、k3、k5和k6时，增大/减少hvac集系统负载率一致性程度；将各hvac服务区的温度区域和负荷的负载率η
p
调至一致，最大限度满足iaq的情况下达到虚拟储能的效果。

技术总结

本发明公开了一种基于多代理系统的空调集虚拟储能协同控制方法，通过建立N个单区域HVAC物理负载模型，来实时监测室内CO2浓度并使用一致性算法分布式调节调整风门位置，改变了混合空气外部空气与返回空气比例，另外，通过一致性算法分布式调节供气速率，确保各HVAC集的服务区环境温度一致，保证室内CO2浓度维持在舒适范围内；在此基础上，协同调节各HVAC负载功率，使各HVAC的负载率一致，并使HVAC集的总体功率灵活可调。从而达到节省能源同时保持良好室内空气质量和用户满意的舒适温度的目的，并且实现了HVAC集控制的运行经济性。经济性。经济性。