规则集在智能建筑能源管理系统研究范文

摘要:提出了一种基于典型建筑能源管理系统中采用规则集的智能决策支持模型。此外，还介绍了该模型对北京典型建筑能耗和室内质量的影响，该模型可以控制建筑物运行数据如何偏离设置，以及对内部条件进行诊断，并优化建筑物的能量运行。在这种情况下，集成的“决策支持模型”可以有助于管理一个典型建筑的日常能源运作及与能源消耗有关的运作，该模型主要包含以下两个方面:1)保证所有建筑物内房间的生活质量;2)节约能源。

关键词:智能模型;建筑能源管理系统;规则集

引言

建筑物是增长最快的能源供应部门之一。据估计，欧盟(EU)建筑所消耗的能量达到总能耗的40%—45%［1］，其中约三分之二用于住宅。目前十年中，第三产业和住宅部门的能源需求分别每年增长1．2%和1%［2］。因此，欧盟的上述部门的能源使用大约占温室气体(GHG)排放量的50%［2］。此外，特别是在价格波动、人口快速增长和技术发展的情况下，对保证必要的热舒适性、视觉舒适性和室内空气品质的要求也在增加。在这种背景下，目前的工作重点是在满足能源建筑对能源需求前提下，通过尽可能少的能源成本和环境保护手段来确保运营需求。以上述需求为目标，由于该系统有助于连续能源管理，因此在节约能源方面，建筑能源管理系统(BEMS)将起到非常重要作用。建筑能源管理系统普遍采用对主动控制系统，即采暖，通风和空调系统(HVAC)的开启，可以根据业主需求决定操作时间。在上述工作中，建筑能源管理系统将直接影响建筑的能源消耗以及建筑内业主的舒适度。随着计算机技术、电信和信息技术的进步，建筑能源系统也有了更新的发展。在这一背景下，国际文献中提出了许多改进系统控制的现代技术和方法。据我们所知，目前已提出了采暖、通风、空调系统中控制技术，如极点配置，最优调节器和自适应控制等技术。并提出了更多的计算机化方法，如遗传算法和神经网络［3］，用于特殊HVAC系统的优化控制，以及其他一些优化建筑物的系统控制的方法，包括经验模型、加权语言模糊规则［3］、模拟优化［3］和在线自适应控制。针对室内环境管理已开发出基于遗传算法、优化模糊控制器的综合控制系统，及基于信息库的占用预测系统，并对这些系统进行应用测试。此外，BEMS正在开发应用于智能建筑，并且为现代智能建筑和控制系统提供了大量的研究依据。在上述研究的基础上，显然需要建立一个集成的“决策支持模型”来管理典型建筑的日常能源运作，该模型需要满足以下两个要求:1)保证所有建筑物内房间的生活质量水平;2)节约能源。在这种情况下，智能决策支持模型，可以控制建筑操作数据如何偏离设置，以及进行内部条件的诊断和优化建筑物的能源运作。此外，规则集的方法和技术是代表BEMS系统中更智能化的一种非常有效的方法。本文的主要目的是提出一种可在所有相关的能源建筑的操作管理中使用基于规则集智能BEMS系统。

1方法论

决策支持模型的基础设施是基于典型的BEMS逻辑的特性。如图1所示，该模型的理论是基于模型的通用概念，该模型适用于任何已提供区域及其元素的适当“映射”的建筑物规范要求。模型包括以下组件:1)室内传感器:测量或记录建筑区域的温度、相对湿度、空气质量、运动和亮度的传感器。2)户外传感器:用于室外条件的传感器，如温度、相对湿度和亮度等，这对于EF模型的运行是必不可少的。3)控制器:该组件包括开关、膜片、阀门、执行器等。4)决策单元:单元包括实时决策支持，具有以下功能:将专家和智能系统技术结合起来，以便根据建筑物的要求选择合适的内径。与楼宇控制器进行沟通，以供决策之用。与传感器的相互作用，用于诊断建筑物的状态，建筑能量的制定。5)数据库:包括建筑能耗特征数据库和知识数据库，其中记录所有必要的信息。更具体地说，程序流程如图2所示。图2模型流程图6)用户要求:建筑物内的用户对室内条件的要求设定值来控制参数，即温度、相对湿度、空气质量和亮度。7)参数比较结果如下:如果用户输入与参数范围(NO)之间没有偏差，则选择用户的输入。如果用户输入与参数范围之间存在偏差(Y)，则模型如下:如果模型状态被设置为“手动”，则模型忽略偏差并使用用户的输入。如果模型状态设置为“自动”，该模型将用户输入在参数范围内初始化，并选择与用户输入最小偏差的值。8)干预必要性:在确定用户需求之后，通过适当的传感器记录当前室内条件，并计算它们之间的偏差。如果在当前状态和用户输入状态之间没有偏差，则控制程序退出而不进行干预。如果发生偏差，则控制程序进行干预。9)干预选择:当出现干预选择时，该模型将决定适当的干预方法。通过逻辑和比较序列，决策单元进行干预，并为建筑物的控制器产生足够的信号。特别是，以下数据源用于选择适当的干预方法。总之，模型的决策是一系列的信号和命令，用于控制器和执行器，用于模型输出的应用。就上述而言，该模型具有调节(借助于规则)智能干预的能力，以确保热舒适性和节能性，例如:评估和比较当前的建筑负荷与理想的负荷(从历史数据)，并在极端能源消耗的情况下，根据每个地区的特殊需要来减少其中的一些。通过使用历史数据计算热和空气质量指数，并确定区域对强加干预的适应能力。根据注册能源文件，激活适当的程序，预热和关闭设备在一定的时间瞬间。

2模型建立

决策支持单元采用以下软件工具和应用程序实现:1)利用Access开发了建筑能耗特征数据库和知识库。2)采用VisualBasic6．0编程语言实现通过建筑物的数据库、传感器和控制器提供互连性。3)采用Clip—特别是在Spring2002中的版本6．2，嵌入在模型中，以提供模型的规则处理和对决策过程的推理。在图3中图示了所提出的决策单元的体系结构。决策支持单元设计的目的是利用由BEMS操作记录的数据改变规则集。在这一背景下，对一个典型的建筑进行建模，并对室内条件和建筑的机电部件进行控制，并对其进行参数化。其中，参数被分类如下:输入参数:第一组包括关于室内条件和时间安排的参数。输出参数:第二组参数涉及模型控制器和执行器。支持参数:这套参数记录了房间的便利性或控制性。本文创建了一组规则集，覆盖了典型建筑物的所有可能请求。这些规则结合输入和输出参数，有以下分类:1)内部舒适条件，2)建筑节能，3)决策支持单元的兼容性。基于这些规则集，决策单元的程序步骤如下:1)系统初始化:关于温度、相对湿度和空气质量的输入变量的规则允许的范围，应该适用于舒适性和节能性。2)干预的必要性:为干预加热，冷却，水化，脱水，通风和照明规则确定适当的阈值，。3)室内条件的偏差缩放:该规则用于识别用户需求与当前区域或房间条件之间的偏差以调试所有控制参数。4)干预选择:规则的选择应涵盖所需的干预动作。这些动作包括打开/关闭建筑物的组件，并确定这些组件是否用于调节室内条件。5)干预强度确定:根据每个区域或房间的指标和电子设备的规模，规则确定干预的强度。

3结论

计算机与信息技术的结合已成为现代的新兴技术，这种中央协调系统能够监测和控制与建筑物有关的许多活动和服务。该决策支持系统有助于对典型建筑物的日常运作进行持续的能源管理，从而为建筑物居住者提供舒适居住条件，尽量减少能源消耗和成本。在上述背景下，所提出的使用规则集进行建筑能源管理的智能模型是一个具有创新和实用性的决策支持系统，旨在保障理想的生活质量水平以及为环境保护节约能源。该系统通过将建筑物的能源知识转化为若干规则并最终转化为对驱动装置的电子指令，实现了对建筑物能源消耗的集中监控。特别指出，系统利用专家知识，对建筑能源提供有力的管理保证，通过智能监控、优化的HVAC中央系统和照明控制，可以检测和消除“错误”系统决策。

作者：葛晶晶 单位：太原城市职业技术学院信息工程系