1.4.3 电梯群控技术

高层建筑越来越多, 电梯的重要性随之凸显出来, 从而使电气群控技术得到了极大的发展。电梯群控技术是指将多台电梯当成一个整体, 进行统一调度的控制技术。优化电梯控制、提高运力、降低能耗是建筑自动化领域的重要研究方向。电梯群控技术能够实现电梯的自动运行, 加强电梯的统一管理, 缩短用户的等待时间, 提高电梯的便利性、高效性、安全性。电梯能耗管理使电梯在运行时尽可能地节省能源。如何在节能和提升用户的使用体验之间达到平衡是电梯群控技术的难点。

电梯群控技术研究从20世纪40年代开始, 如今主要侧重于研究电梯群控系统的动态特性, 主要以最小候梯时间控制和综合评价函数控制等方式为主。 Ruokokoski等针对电梯目的地控制产生的静态离散问题提出了分枝界定算法, 解决了客流量较大的状态下, 以前目的地控制解决方案中没有考虑路由的问题[42] 。 Yildirim等将元启发算法和人工原子算法相结合, 应用到7部电梯的群控系统中, 大大缩短了等待时间[43] 。 Coskun等根据预先定义的用户等级, 提供一个正常模式和三个特权模式, 场景仿真结果显示正常使用电梯的交通密度得到了显著优化[44] 。 Bapin等采用图像处理方法分析乘客群体, 并使用Bayes模型评估决策结果与期望决策的对应程度[45] 。 Wang等提出电梯调度的深层强化学习方法, 并用改进粒子群算法进行优化, 该方法设计了电梯群控的最优控制律, 能尽快地将乘客送到目的层[46] 。

在电梯群控算法不断优化的同时, 电梯调度方法也不断被提出。Dai等结合模糊控制和神经网络技术设计了电梯群调度方法, 利用神经网络评估等待时间、乘坐时间等评价因子的权重, 可在多种客流量的情况下实现电梯群的合理调度[47] 。 Chou等综合考虑电梯内部的状态、乘客的移动方向和候梯乘客的数量, 利用卷积神经网络来识别人数, 对电梯群调度规则进行了优化[48] 。 So等使用蒙特卡洛方法导出了电梯群控的H(最高反转次数) 和S(往返逾期停留次数) 方程组[49] 。 Sharma等设计了基于模糊逻辑的电梯群控系统控制器, 计算出每台电梯厢的模糊控制器优先级, 进而根据乘客/用户产生的大厅呼叫来选择最合适的电梯[50] 。 Yang等对传统的基于最小距离的电梯调度方法进行改进, 采用人脸识别的方法来获取电梯的乘客数量, 给出了电梯在不同状态、不同时段的运行方式, 使电梯在使用高峰能够满足乘客需求, 提高了载客效率[51] 。

在电梯能耗管理方面, 研究工作主要集中在建模和能量消耗预测方面。 Tukia等提出基于短期电能计量的简单预测方法, 利用电梯每周的周期性分布来计算电梯的年能耗[52] 。 Wang等推导了节能函数和时间成本函数, 建立了电梯群控模型, 利用改进的Geese-PSO算法, 显著缩短了等候时间和并降低了能耗[53] 。 Tukia 等对曳引电机和液压升降器两种电梯运行方式进行建模, 提出基于等候的时间的电梯群控算法方案, 仿真测试结果证实了该方法的可用性和可靠性[54] 。 Chen等对永磁同步电动机驱动的机电一体化电梯系统进行了建模, 推导并比较了基于哈密顿函数的最小输入绝对电能控制 ( MI-AEEC) 和最小控制力 ( MCE), 基于该模型设计出的自适应控制器具有较好的节能性和鲁棒性[55] 。 Maamir等提出DC-DC双向转换的太阳能电池和储能器 (电池和超级电容) 混合动力电梯的神经网络功率控制器, 根据每个电源的动态特性提供稳态和瞬态所需的功率,且能够实现各运行模式之间的平滑切换[56] 。 Pham等利用端口哈密顿函数描述直流微电网的动力学行为, 建立非线性约束优化模型, 有效地管理微电网的运行[57] 。 Zubair等采用多元线性回归模型来预测住宅楼宇电梯的年能耗, 从而优化电梯的平均额定容量, 节省大量的能源[61] 。