摘要：随着社会的进步和经济水平的提高，人们追求舒适的办公环境和居住环境，我国大部分商用和民用建筑中都配置了空调，鉴于目前能源的短缺，提升空调制冷系统的优化控制，降低空调能耗，能够有效的促进社会经济的健康发展。暖通空调制冷系统的年能耗量，占据建筑总能耗量的25%-50%左右，空调作为优化环境的必要基础设计，普遍性强，同时也产生了大量的能源消耗，加剧了能源的供需矛盾。暖通空调的制冷系统是暖通空调的最重要的部分，也是能源消耗最大的组成部分，加强对暖通空调制冷系统的优化和控制，是降低系统的能耗量，提高系统运行效率的最有效的途径。
关键词：暖通空调；制冷系统；优化；控制技术
1暖通空调工程存在价值分析
建筑暖通空调工程在现今公共建筑和普通居民家庭中有着非常重要应用价值。通过建筑暖通空调的使用，一方面能够营造良好的室内环境，保证室内环境温度满足人类生产生活需求，营造舒适、健康的内部空间；另一方面，暖通空调工程能够在一个终端控制中心基础上，对整个建筑工程项目实现总体的应用管理，减少了以往取暖制冷模式对人力资源的大量浪费，充分满足了现代生活对效率的要求。基于以上分析，暖通空调工程具有非常重要的应用价值，在面对制冷系统对能源消耗较大层面上，强化其实际运行效益分析，实现环保节能是非常必要的。这就需要针对暖通空调工程运行实现优化和完善使用。
2暖通空调制冷系统的工作原理
在暖通空调制冷系统的运行过程中，主要是利用制冷剂完成热量的交换工作，并使制冷剂在相关设备的作用下，使自身的状态产生一定的变化，最终实现热量的吸收与释放。一般情况下，制冷剂使用过程中涉及的设备包括压缩机、冷凝器、蒸发器与节流阀4个部分。其中，制冷剂在蒸发容器中会吸收大量的热量并由液体变为气体。气体状态的制冷剂会被压缩机吸入，并被压缩为高温高压状态下的气体，该气体会进入冷凝器中，并在这一过程中将自身的热量传输到空气或水中，从而形成最原始的液体形态。从其制冷工作原理就可以看出，在制冷过程中能耗损耗最大的一个部分就是制冷系统，所以想要降低能耗就应该对这部分的能量损耗进行充分的研究和管控。图1为暖通空调的制冷系统。
.png)
图1暖通空调的制冷系统
3 暖通空调制冷系统的优化控制方法
3.1 BP神经网络在暖通空调制冷系统中的应用
BP神经网络是一种多层反馈的网络系统，可以解决多层网络的隐藏单元连接问题。而且BP神经网络在解决非线性的映射问题时，有着不可替代的作用。根据BP神经网络的特性，它主要用在以下三个方面：（1）模式的识别与分类。在计算机的数据中，可以将信息分为文字、图片和语言等类型，BP神经网络可以根据不同数据的特征进行识别，然后把信息针对性的归类，有助于加快信息的处理；（2）函数系统控制。BP神经网络可以利用其自身非线性的特点进行函数建模，建模后的系统就可以广泛应用在工业控制中，如机器人的运动轨迹控制等；（3）压缩数据。BP神经网络可以对数据进行压缩，减少数据所占据的内存空间。另外，BP神经网络还可以对数据的特征进行抽取，方便数据的分析。
根据BP神经网络的上述特征，可以将这种神经网络应用在暖通空调的制冷系统中，实现对空调制冷系统中制冷机吸气压力的模拟。因为暖通空调制冷机的能耗有很强的非线性特点，所以在收集其能耗状态时很难保证精确性。基于此，可以发挥BP神经网络的作用，实现对真实数据的模拟。BP神经网络可以模拟任意的连续非线性函数，利用神经网络模型来逼近实际值。BP神经网络在暖通空调中可以实现制冷机状态的监测，方便后续的调整和控制。
3.2 Matlab语言在暖通空调制冷系统中的应用
Matlab语言是一种很强大的工程语言，它可以处理大量的数据，而且处理的效率很高。所以，在控制系统、图像处理和系统仿真中的应用较为广泛。在随后的发展中，Matlab语言更为完善，各个领域的专家根据自身的需求推出了Matlab工具箱，里面有各种训练与设计的子程序，当人们需要的时候就可以直接调取，进而解放了自己的编程。从这方面来讲，Matlab语言实现了模块化的设计与应用，能够简化系统的控制过程。所以，即使不了解算法的本质，人们也可以直接利用函数模块来实现设计目的，方便了建模的过程。
BP神经网络是算法的基础，可以实现系统运作的模拟，而Matlab语言是整个系统运作的模块，在一定程度上可以看作是BP神经网络的子系统。如果把BP神经网络应用在暖通空调的制冷系统中，那么就可以用Matlab语言实现模块的设定。这种结合的优势主要体现在以下两点：（1）简化整个系统的设定。暖通空调的制冷系统受外界环境和室内环境的影响较大，所以其运行会经常性的发生改变，要收集其运行状态的各种参数较为复杂。但是将BP神经网络和Matlab语言结合后，就能够根据模块的特性快速设定程序，简化整个系统的运作；（2）反馈最接近实际情况的数据。为了降低暖通空调制冷机的能耗，需要确定其最佳吸气压力的状态。制冷剂的状态变化有着明显的非线性关系，寻常的采集方法很难起到较好的效果。但是，BP神经网络能够模拟非线性的映射，而Matlab语言能够快速的处理数据，这就形成了较好的循环，能够最快速地把暖通空调制冷剂的运作状态反馈给系统，方便了调整和控制。
3.3 自适应模糊控制系统的应用
无论是BP神经网络还是Matlab语言，其本质上都是整个制冷系统中的一部分，虽然能够实现数据的采集和反馈，但是缺少控制系统。因此，为了提升暖通空调的智能化程度，同时降低制冷机的能耗，还可以引入自适应模糊控制系统。自适应模糊控制系统能够根据反馈数据的特征进行适应性学习，然后利用逻辑系统进行参数的调整。将自适应模糊控制系统应用在暖通空调中，其主要的作用如下：（1）整体优化系统的性能。暖通空调的制冷系统是由多个子系统组成的，它们是一个有机的整体，若单纯地从某个元件进行优化，就会存在协调的问题。但是自适应模糊控制系统是将整个制冷机作为系统进行优化控制的，所以能够将能耗降到最低，进而实现整体系统的优化；（2）能够控制制冷机的消耗功率。自适应模糊控制系统可以根据反馈的数据进行逻辑处理，进而寻找到最佳的冷却水温度，可以实现冷却水系统与环境条件之间的协调。所以，在制冷机运行的过程中，其热传递是以最低能耗的形式运行的，方便了整个暖通空调系统对制冷机消耗功率的控制；（3）有较强的调节功能。自适应模糊控制系统有极强的学习能力和调节能力，在制冷机运行的过程中，若参数发生了较明显的变化，自适应模糊控制系统就可以自主调整，把模块的运行进行完善和改进，这就保证了控制过程的准确与有效。
结束语：随着经济社会的高速发展，人们的生活水平不断提高，对涉及生活质量的各个方面都提出了更高的要求。同时，在现代建筑的建设过程中，暖通空调已成为不可或缺的重要部分，对人们的生活和工作环境有重要的影响。但是，在暖通空调制冷系统的运行过程中，通常会消耗较高的能源，不符合我国经济社会的可持续发展理念，同时对环境也产生了不良的影响。鉴于此，相关领域的科研人员必须进一步优化暖通空调制冷系统，加强对该系统的有效控制。
参考文献：
[1]刘雪峰．中央空调冷源系统变负荷运行控制机理与应用研究[D]．华南理工大学，2012．
[2]毕崇宁．暖通空调水系统效率优化策略研究[D]．山东大学，2008．
[3]夏毓，孙罡．暖通空调制冷系统的优化控制研究[J]．民营科技，2016，（5）．
[4]杨秀峰．如何优化控制制冷机在暖通空调中的作用[J]．中国新技术新产品，2011，（13）．
[5]曹永祥.暖通空调节能相关问题分析[J].科技信息，2013（3）：404-404.