|本期目录/Table of Contents|

[1]蒙荷洁,王志毅,白雪松.基于 SSA-VMD-BP-LSSVM 冷负荷预测模型的 辐射供冷加新风系统 MPC策略[J].浙江理工大学学报,2026,55-56(自科二):219-228.
　Hejie,WANGZhiyi,BAIXuesong.MPC strategy of radiative cooling combined with fresh airsystem based on SSA-VMD-BP-LSSVM cooling load prediction model MENG[J].Journal of Zhejiang Sci-Tech University,2026,55-56(自科二):219-228.
点击复制

基于 SSA-VMD-BP-LSSVM 冷负荷预测模型的 辐射供冷加新风系统 MPC策略()

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
55-56
期数:
2026年自科第二期
页码:
219-228
栏目:
出版日期:
2026-03-15

文章信息/Info

Title:
MPC strategy of radiative cooling combined with fresh airsystem based on SSA-VMD-BP-LSSVM cooling load prediction model MENG
文章编号:
1673-3851(2026) 03-0219-10
作者:
蒙荷洁; 王志毅;  白雪松
浙江理工大学建筑工程学院 ,杭州 310018
Author(s):
Hejie; WANGZhiyi; BAIXuesong
School of Civil Engineering and Architecture, Zhejiang Sci-Tech University, Hangzhou 310018, China
关键词:
模型预测控制; 辐射供冷; 新风; 节能; 冷负荷预测; 温湿度控制
分类号:
TP183
文献标志码:
A
摘要:
辐射供冷加新风系统因其舒适度高等优势在夏热冬冷地区得到广泛应用 ,但其非线性、滞后性及能耗 协调矛盾等特性 ,导致传统反馈控制策略难以实现动态负荷下的温湿度精准控制与节能运行 。为此 , 以辐射供冷加 新风系统为研究对象 , 建立了一种冷负荷预测模型 , 并在此基础上设计相应的模型预测控制 (Model predictive control, MPC) 策略 。 首 先 , 通 过 斯 皮 尔 曼 秩 相 关 系 数 法 筛 选 输 入特 征 , 结 合 麻 雀 搜 索 算 法 (Sparrow search algorithm , SSA)优化的变分模态分解(Variationalmode decomposition, VMD) 算法分解冷负荷序列 , 并分别采用 BP 神经网络和最小二乘支持向量机(Leastsquares supportvector machine, LSSVM) 模型对子序列建模 , 构建了 SSA -VMD-BP-LSSVM冷负荷预测模型; 其次 , 结合改进的多 目 标粒子群算法(Improved multi-objective particle swarm optimization, IMOPSO) 和最优控制量筛选原则设计MPC策略;最后 , 以杭州某办公室辐射供冷加新风系统 为例 ,搭建 TRNSYS-MATLAB联合仿真平台 ,验证 SSA-VMD-BP-LSSVM冷负荷预测模型的准确性以及 MPC策 略的温湿度控制效果和节能性 。结果表明 :与 BP等 4 个模型相比 ,SSA-VMD-BP-LSSVM冷负荷预测模型具有更 高精度;相对湿度稳定在舒适区间的前提下 ,与反馈控制策略相比 ,采用 MPC策略时 , 室内空气温度更加接近设定 值且更加稳定 ,空调系统运行能耗降低 8.05% 。该研究引入 SSA优化 VMD算法 ,避免传统分解的模态重叠和信息 丢失问题 ,并采用BP和 LSSVM分频段建模 ,提高了冷负荷预测模型对异常波动值和非线性数据处理的适应性 ; 同 时 ,IMOPSO算法在传统 MOPSO算法基础上增加了混沌粒子初始化策略和粒子位置变异操作 ,提高了 MPC策略 在动态负荷下的全局搜索能力和收敛稳定性 。该研究可为动态负荷下辐射供冷加新风系统的控制提供参考。

参考文献/References:

[1]Su M,LiuJ,Kim MK,et al.Predicting moisture condensation risk on the radiant cooling floor of an office using integration of a genetic algorithm-back-propagation neural network with sensitivityanalysis[J]. Energy and BuiltEnvironment, 2024, 5 (1) : 110-129.

[2] Ren J, Liu J, Zhou S, et al. Experimental study on control strategies of radiant floor cooling system with direct-ground cooling source and displacement ventilation system: A case studyinan officebuilding[J]. Energy, 2022, 239: 122410.

[3] Chen Q, LiN. Model predictive control for energy-efficient optimization ofradiantceiling cooling systems[J]. Building and Environment, 2021, 205: 108272.

[4] TalibA, JoeJ. Analyzing the overrated performance ofmodel- based predictivecontroland energy saving strategies in building energy management: A review [ J]. Journal of Building Engineering, 2025, 101: 111909.

[5] Xin X, Zhang Z, Zhou Y, et al. A comprehensive review of predictive control strategies in heating, ventilation, and air- conditioning ( HVAC) : Model-free VS model[J]. Journal of BuildingEngineering, 2024, 94: 110013.

[6] Yao Y, Shekhar D K. State of the art review on model predictive control ( MPC) in heating ventilation and air- conditioning ( HVAC) field[J]. Building and Environment, 2021, 200: 107952.

[7] 邓晓红 , 宫磊 , 刘兴民. 基于 PSO-LS-SVMR 的公共建筑能耗 短期预测模型[J]. 建筑节能 , 2019, 47(4) : 120-124.

[8] 杨旭 , 赵旭磊 , 涂壤 , 等. 基于改进粒子群寻优的数据中心精密 空调无模型自适应预测控制[J]. 北京工业大学学报 , 2023, 49 (4) : 424-434.

[9] 于军琪 , 边策 , 赵安军 , 等. 考虑频域分解后数据特征的空调负 荷预测模型[J]. 控制理论与应用 , 2022, 39(6) : 1149-1157.

[10] 祁鑫 , 王福忠 , 张丽 , 等. 基于 SVD-LSTM的高校学生宿舍空 调负荷预测[J]. 电子科技 , 2020, 33(11) : 59-66.

[11] WangP, SunJ, YoonS, etal. A globaloptimization method for data center air conditioning water systems based on predictive optimization control [ J]. Energy, 2024, 295: 130925.

[12] 王承凯 , 王巍 , 刘大为 , 等. 面向新能源调度控制的短期负荷 预测算法[J]. 微型电脑应用 , 2025, 41(1) : 100-102.

[13] Adelekan DS, Ohunakin OS, PaulBS. Artificialintelligence models for refrigeration, air conditioning and heat pump systems [J]. EnergyReports, 2022, 8: 8451-8466.

[14] Freund S, Schmitz G. Implementation of model predictive controlinalarge-sized, low-energyofficebuilding[J]. Building and Environment, 2021, 197: 107830.

[15] Joe J, Karava P. A model predictive control strategy to optimizethe performance of radiant floor heating and cooling systemsin office buildings[J]. Applied Energy, 2019, 245: 65-77.

[16] RaSJ, Kim J H, ParkCS. Real-timemodelpredictivecooling controlforan HVAC system ina factorybuilding[J]. Energy and Buildings, 2023, 285: 112860.

[17] 白雪松 , 王志毅. 多气候区辐射 +新风空调系统预测控制策略 研究[J]. 理论数学 , 2024(2) : 746-758.

[18] Spearman C. The proof and measurement of association between two things[J]. TheAmerican JournalofPsychology, 1904, 15(1) : 72-101.

[19] Wu Y, Liu H, Li B, et al. Individual thermal comfort prediction using classification treemodelbasedon physiological parameters and thermal history in winter [ J]. Building Simulation, 2021, 14(6) :1651-1665.

[20] MacKay D J C. A practical Bayesian framework for backpropagation networks[J]. Neural Computation, 1992, 4 (3) : 448-472.

相似文献/References:

[1]李锦航,张子含,刘江峰,等.自然对流下竖直帘式中空纤维膜组件的除湿供冷特性[J].浙江理工大学学报,2023,49-50(自科一):124.
　LI Jinhang,ZHANG Zihan,LIU Jiangfeng,et al.Dehumidification and cooling properties of a vertical curtain  type hollow fiber membrane module under natural convection[J].Journal of Zhejiang Sci-Tech University,2023,49-50(自科二):124.

备注/Memo

备注/Memo:
基金项目 : 国家自然科学基金项目(72072165)收稿日期 : 2025-04-22 网络出版日期 : 2025-09-17
作者简介 : 蒙荷洁(1999— ) ,女 ,南宁人 ,硕士研究生 ,主要从事建筑节能和建筑热环境方面的研究。通信作者 : 王志毅 ,E-mail:zywang-wf@163. com
更新日期/Last Update: 2026-03-06