露点约束下可持续工业系统的能量感知型热调节:控制策略的比较性实验研究

《Sustainability》:Energy-Aware Thermal Regulation for Sustainable Industrial Systems Under Dew-Point Constraints: A Comparative Experimental Study of Control Strategies

【字体: 大 中 小 】 时间:2026年06月29日 来源:Sustainability 4.1

编辑推荐:

  工业热系统的节能运行是可持续制造与资源感知型过程设计的关键要求,尤其是在露点条件等环境约束下更是如此。在此背景下,在维持稳定热调节的同时最小化能耗,对于降低运行成本并提升系统可持续性至关重要。本研究提出了三种控制策略——经典比例–积分–微分(PID)控制、分数

  
工业热系统的节能运行是可持续制造与资源感知型过程设计的关键要求,尤其是在露点条件等环境约束下更是如此。在此背景下,在维持稳定热调节的同时最小化能耗,对于降低运行成本并提升系统可持续性至关重要。本研究提出了三种控制策略——经典比例–积分–微分(PID)控制、分数阶比例–积分–微分(FOPID)控制以及滞回控制——在真实热电热调节系统中的一种能量感知型实验比较;该系统在动态环境条件与露点约束下运行。不同于主要聚焦于跟踪性能的传统控制研究,本研究采用面向可持续性的多准则评估框架,明确将能量消耗定位为一级评估维度,并与热调节质量及控制作用强度并列。研究引入了一组物理一致的性能指标,包括总能耗、控制作用强度、单位调节能耗指标以及全局能效指数,从而能够从资源效率视角对工业热控制策略进行综合评估。实验结果表明,控制器评估结果强烈依赖于是否纳入基于能量的度量指标。尽管PID控制以较低误差实现了具有竞争力的跟踪性能,FOPID在热精度与能耗之间提供了最佳总体折中,因此获得最高能效指数。相比之下,滞回控制尽管具有结构简单与鲁棒性强的特点,但由于频繁切换动态而导致更高能耗,从而降低了其在受能量约束的可持续应用中的适用性。研究结果强调,接近露点约束的热调节应通过能量感知型多准则框架进行评估,而不应仅依据纯跟踪指标,从而能够更完整地表征面向可持续工业应用的控制器性能。所提出框架为评估与设计高能效控制策略提供了一种可扩展方法学,支持可持续工业运行,并有助于实现符合循环经济目标的资源优化原则。
该论文发表于《Sustainability》,围绕露点约束下热电系统(thermoelectric system)的可持续热调节展开,核心目标是建立一种兼顾热跟踪精度、动态平稳性与能源消耗的控制评价框架。研究背景在于,热电系统因具备高精度温控、可扩展性以及无运动部件等优势,已广泛用于建筑气候控制、换热、蒸馏以及大气集水(AWG,atmospheric water generation)等场景,但其性能系数较低、对工况敏感,导致系统整体能效受限。现有温度控制研究多数采用比例–积分–微分(PID,proportional–integral–derivative)控制并以跟踪误差为主要评价标准,虽然部分研究已引入模糊控制、自适应控制或机器学习方法,另有分数阶比例–积分–微分(FOPID,fractional-order proportional–integral–derivative)控制用于改善非线性与滞后条件下的动态表现,但多数工作仍未将能耗作为与温控质量同等重要的一阶评价维度。尤其在接近露点(dew point)运行时,温度微小变化即可引起凝结风险或凝结强化效应,因此仅用误差指标评价控制策略并不充分。基于此,研究人员开展了针对露点动态约束下三类控制策略——滞回控制、经典PID控制与FOPID控制——的真实实验比较,提出能量感知型多准则评价框架,并通过实验阐明不同控制器在能量–精度折中中的适用边界。研究结论表明:若仅依据传统跟踪误差,PID与FOPID均表现良好;若进一步纳入总能耗、单位误差削减能耗、控制能量开销及热–能效指数(TEI,thermal-energy efficiency index),则FOPID呈现出最优的综合能量–精度平衡;滞回控制虽具结构简单、实现方便和重复性较高等优点,但受频繁开关切换影响,其能耗显著偏高,不利于能量受限的可持续工业应用。论文的重要意义在于,将露点约束这一具有明确物理意义的动态参考引入热控制评估,同时建立了面向可持续制造与循环经济目标的资源效率评价基线,为后续自适应控制与智能控制方法提供了可比较的实验参照。

在方法上,研究人员构建了一个基于Peltier模块的热电实验系统,冷端连接热惯性块、热端采用主动散热;以10 kΩ NTC热敏电阻测量表面温度,Arduino Nano 33 IoT执行实时控制与PWM驱动,环境温湿度由Sensirion SCD41采集,并据Magnus–Tetens公式实时计算露点温度。PID与FOPID参数通过MATLAB R2025b中的粒子群优化(PSO,Particle Swarm Optimization)离线整定,综合目标兼顾ITAE与能耗;FOPID采用Caputo意义下的分数阶算子,并以Grünwald–Letnikov有限记忆近似离散化。各控制器在自然实验室环境下独立测试,每组重复3次,并计算MAE、RMSE、总能耗、EPR、TEI、DSI及基于30 s滑动窗的单位误差削减能耗等指标,同时进行Welch t检验与Cohen’s d效应量分析。

3.1. Overall Thermal and Energy Performance
本节给出了三种控制器在总体热性能、能耗与控制效率上的综合比较。结果显示,FOPID具有最低平均绝对误差MAE = 0.84 °C,说明其在持续小偏差抑制方面最优;PID的均方根误差RMSE略低于FOPID,分别为1.78 °C与1.80 °C,表明两者在二次误差意义上表现接近。滞回控制在露点跟踪中的表现最差。总能耗方面,PID略低于FOPID,但二者非常接近;滞回控制能耗最高。若以热–能效指数TEI综合衡量误差与能量,FOPID优于PID,PID又优于滞回控制。该结果说明,一旦将能量维度纳入评价,控制器优劣排序不再等同于单纯误差排序,必须采用多目标视角综合判断。

3.2. Actuator Dynamics and Energy Modulation
本节分析执行器占空比与开关频率所反映的能量调制特征。研究显示,PID与FOPID更倾向于输出连续调制的PWM信号,因而降低了执行器快速切换引起的附加损耗。相较之下,滞回控制呈现明显的二值ON/OFF动态,频繁切换导致有效能耗增加,而这种能耗增加并未成比例地转化为热误差改善。通过能量–精度关系图可以看出,不同控制器在误差–能耗空间中占据不同区域,体现出显著不同的资源配置机制。该结果支持作者提出的观点:控制器的结构特征会直接影响执行器工作方式,进而改变系统能量效率。

3.3. Classification of Dynamic Regimes
本节引入动态平滑度指数(DSI,dynamic smoothness index),用于量化热误差时间导数的能量含量,从而表征控制动作的“平滑性”而非经典意义上的稳定性。结果表明,FOPID具有最高DSI,说明其误差演化最平滑,高频振荡最少;PID居中,在修正速度与动态规则性之间取得平衡;滞回控制DSI最低,反映其由于离散开关特性而产生最明显的振荡响应。该结论与热误差导数随时间变化的动态曲线一致,也与分数阶“记忆效应”可缓和高频误差变化的理论认识相符。由此,研究人员进一步将控制器性能从传统“误差大小”扩展到“误差演化形态”的层面。

3.4. Window-Based Energy Cost of Error Reduction
本节通过30 s滑动时间窗构造局部能量代价指标,评估单位热误差降低所需的电能,反映控制器在不同动态阶段的局部能效。结果表明,滞回控制的局部中位能量代价最低,为116.47 J/°C;FOPID次之,为159.68 J/°C;PID最高,为225.58 J/°C。这意味着,在局部误差下降事件中,PID平均需要消耗更多能量才能实现单位温差修正。然而,从四分位距看,PID与FOPID对运行工况的依赖更强,波动范围更大;滞回控制离散程度较小,说明其局部能量行为在不同热工况下更一致。该结果揭示,局部修正能效与总能耗或总体精度并非同一概念,进一步证明控制评价具有多维性。

3.5. Statistical Distribution of the Thermal Error
本节以绝对误差分布频率直方图刻画三种控制策略的性能波动特征。结果显示,PID的误差分布更集中于较小误差区间,表明其稳态精度较高;FOPID的误差分布略微分散,但仍以低误差为中心;滞回控制则呈现更宽的分布,反映出围绕设定点更强的热波动性。该分析从分布统计角度补充了MAE和RMSE等平均指标,说明即便某些控制器在平均误差上接近,其误差波动结构也可能不同,这对于靠近露点工作的工业热管理尤为关键。

3.6. Energy–Accuracy Relationship and Cumulative Behavior
本节从窗口尺度和累积尺度考察能量–精度关系。窗口层面上,FOPID多分布于较低误差但较高能耗区域,说明其通过额外控制能量换取更优热精度;滞回控制热精度较低,但动态控制需求较低;PID位于较平衡的中间区间。累积分析表明,能量消耗与累积误差均随时间增加,但增长速率因控制策略而异,说明能量投入与误差削减之间不存在恒定线性对应关系,而受动态工况影响显著。整个实验期间,滞回控制始终具有最高累积能耗,FOPID次之,PID最低,这一排序在不同时间分位点上保持一致。尽管FOPID总能耗略高于PID(1255.7 J 对 1237.9 J),但其明显更低的MAE补偿了这一差异,从而获得更高TEI。该结果再次证明,总体优劣判断必须同时考虑精度与能量。

讨论部分指出,控制策略的优劣高度依赖评价准则。若仅考察跟踪误差,PID与FOPID差异有限;若纳入能量消耗与动态平滑性,则FOPID因分数阶记忆效应而呈现更平滑的热响应,并通过较小的MAE抵消了略高的能量支出,体现出更优的全局能量–精度平衡。PID则表现为偏快速修正、控制动态更强。滞回控制由于边界循环与重复开关而产生热振荡及过冷相关能量损失。研究还强调,接近露点运行时,微小温差修正可能需要不成比例的额外控制努力,表明误差降低与能耗之间具有非线性关系。因此,不存在适用于全部工况的“普适最优”控制器,不同应用场景应根据稳定性、精度与能耗之间的平衡进行选择。文章据此提出,应将热电系统行为理解为能量–热性能折中问题,而非仅是误差最小化问题。

研究结论部分可译为:本研究对应用于露点附近运行热电系统的热控制策略进行了比较分析,同时考虑了系统的动态性能与能量行为。结果表明,在所有评价准则下并不存在普遍最优的控制策略。PID控制器在跟踪误差方面表现最佳,而FOPID控制器在热精度与能量需求之间表现出更为均衡的性能。滞回控制虽然鲁棒且易于实现,但会因执行器切换动态而产生更高损耗。研究观察到,引入能量指标后,对控制器性能的解释会不同于仅基于误差的经典评价。特别是在露点附近运行时,误差降低与能量消耗之间呈现非线性关系,凸显了面向效率的方法对于可持续热应用的重要性。该研究证实,在热电控制系统设计中,有必要同时考虑动态稳定性、热精度与能量消耗。作为未来工作,研究提出引入自适应策略与预测模型,以在变工况下进一步提升能量性能。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号