郭 榮， 張 強(qiáng)， 陳家穎， 陳榮澤

(上海發(fā)電設(shè)備成套設(shè)計(jì)研究院有限責(zé)任公司， 上海 200240)

近年來隨著《中共中央、國(guó)務(wù)院關(guān)于進(jìn)一步深化電力體制改革的若干意見》(中發(fā)[2015]9號(hào))有關(guān)要求出臺(tái)和電力需求增長(zhǎng)放緩，電源結(jié)構(gòu)進(jìn)入調(diào)整時(shí)期，全國(guó)電力供過于求，機(jī)組平均利用時(shí)間不斷下降。在競(jìng)價(jià)機(jī)制出臺(tái)、電價(jià)下調(diào)、原料價(jià)格上漲、產(chǎn)能過剩等多重因素的影響下，傳統(tǒng)電力行業(yè)生存出現(xiàn)困境，電力市場(chǎng)空間及利潤(rùn)空間均逐步縮小，電力供應(yīng)進(jìn)入了買方市場(chǎng)。

在此大環(huán)境的影響下，世界領(lǐng)先的發(fā)電企業(yè)都在向“以客戶為中心”的綜合智慧能源供應(yīng)商轉(zhuǎn)型，以期創(chuàng)造更好的企業(yè)價(jià)值。在客戶導(dǎo)向和技術(shù)革命的驅(qū)動(dòng)下，傳統(tǒng)發(fā)電行業(yè)已經(jīng)從單一能源向多能協(xié)同供應(yīng)轉(zhuǎn)變，從無差別供應(yīng)向需求側(cè)解決方案轉(zhuǎn)變，大數(shù)據(jù)、云計(jì)算、人工智能等信息技術(shù)與能源技術(shù)的融合，勢(shì)必將對(duì)發(fā)電行業(yè)進(jìn)行解構(gòu)與重建。

長(zhǎng)期以來，我國(guó)不論電力系統(tǒng)還是集中供冷/熱系統(tǒng)，源、網(wǎng)、荷之間的協(xié)同都是需求側(cè)跟隨為主，因此當(dāng)發(fā)電企業(yè)響應(yīng)電力市場(chǎng)需求時(shí)，當(dāng)前的控制、管理及優(yōu)化系統(tǒng)難以滿足我國(guó)電力改革和“電替代”智能供冷/熱的優(yōu)化要求。

筆者針對(duì)某綜合智慧能源系統(tǒng)，通過數(shù)據(jù)探索、約減、降維等梳理手段，利用已知的機(jī)理知識(shí)與數(shù)據(jù)變化特征規(guī)律進(jìn)行數(shù)據(jù)探索，建立設(shè)備和系統(tǒng)之間的多參數(shù)可控變量和不可控變量的關(guān)系模型，并進(jìn)一步對(duì)模型可靠性進(jìn)行評(píng)估，根據(jù)系統(tǒng)熱平衡約束，優(yōu)化系統(tǒng)能耗，制定綜合智慧能源系統(tǒng)運(yùn)行的最優(yōu)控制策略。

1 研究對(duì)象

該綜合智慧能源系統(tǒng)位于福建地區(qū)，常年平均溫度在 25～32 ℃，平均濕度為85%左右。該綜合智慧能源系統(tǒng)配置見圖1，包括2套冷水機(jī)組、 2個(gè)冷卻塔、2個(gè)冷凝水泵 和2個(gè)冷水泵。 2套冷水機(jī)組額定功率均為1 934.35 kW。

圖1 綜合智慧能源系統(tǒng)配置示意圖

冷水泵將冷水機(jī)組中由冷卻器冷卻的冷水送入用戶建筑, 通過熱交換對(duì)建筑內(nèi)部的空氣進(jìn)行降溫和除濕。循環(huán)水在吸收了室內(nèi)空氣中的熱量后溫度升高，重新回流至冷卻器中冷卻降溫，并通過冷水機(jī)組將熱量傳送到外循環(huán)。 在外循環(huán)中，冷凝水泵推動(dòng)冷凝器中的水吸收冷卻器降溫所產(chǎn)生的熱量到冷卻塔，冷卻塔把水中的熱量排放到室外空氣中，水再流回冷凝器，依次循環(huán)。

在大型公共建筑能源站系統(tǒng)的設(shè)計(jì)中，多臺(tái)冷水機(jī)組組成的空調(diào)系統(tǒng)被廣泛應(yīng)用，約有86%的大型項(xiàng)目由2臺(tái)或2臺(tái)以上的冷水機(jī)組組成系統(tǒng)進(jìn)行應(yīng)用。在實(shí)際運(yùn)行過程中，機(jī)組大部分時(shí)間處于部分負(fù)荷運(yùn)行狀態(tài)。冷水機(jī)組的工況受負(fù)荷影響，多臺(tái)設(shè)備間容量和數(shù)量的匹配成為影響系統(tǒng)能耗的關(guān)鍵因素[1-3]。

2 數(shù)據(jù)探索

數(shù)據(jù)探索主要是通過檢驗(yàn)數(shù)據(jù)集的數(shù)據(jù)質(zhì)量、繪制圖表或特征量計(jì)算等手段，對(duì)數(shù)據(jù)集的結(jié)構(gòu)和規(guī)律進(jìn)行分析，有助于選擇合適的數(shù)據(jù)預(yù)處理和建模方法，甚至可以完成一些通常由數(shù)據(jù)挖掘解決的問題[4]。

該綜合智慧能源系統(tǒng)數(shù)據(jù)探索過程采用斯洛文尼亞大學(xué)負(fù)責(zé)開發(fā)維護(hù)的Orange開源算法庫，該算法庫基于底層C++組件提供數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的可視化環(huán)境，并且綁定Python以方便進(jìn)行腳本開發(fā)。

2.1 數(shù)據(jù)質(zhì)量分析

項(xiàng)目數(shù)據(jù)采集與監(jiān)視控制(SCADA)系統(tǒng)中抽取了59個(gè)字段的2萬多條數(shù)據(jù)，筆者采用統(tǒng)計(jì)分析結(jié)構(gòu)化查詢語言(SQL)查詢篩選、邏輯推理等手段，借助Orange開源算法庫的大數(shù)據(jù)可視化功能，對(duì)數(shù)據(jù)質(zhì)量進(jìn)行分析，發(fā)現(xiàn)其存在不完整、不一致的情況，主要表現(xiàn)在數(shù)據(jù)缺失以及數(shù)據(jù)邏輯錯(cuò)誤，通常情況下是傳感器失效或采集器故障造成的。為了使數(shù)據(jù)建模更加準(zhǔn)確，需要對(duì)全部的數(shù)據(jù)進(jìn)行檢查、篩選。例如，在一些數(shù)據(jù)邏輯錯(cuò)誤的情況下，冷水泵處于運(yùn)行狀態(tài)，但是其功率依舊為零，因此這部分?jǐn)?shù)據(jù)應(yīng)被剔除。

2.2 數(shù)據(jù)約減

由于該綜合智慧能源系統(tǒng)數(shù)據(jù)集的屬性非常多，需要用已知機(jī)理知識(shí)以及數(shù)據(jù)可視化熱點(diǎn)圖對(duì)數(shù)據(jù)變量進(jìn)行約減，如環(huán)境干球溫度、濕球溫度和濕度之間存在耦合關(guān)系，子系統(tǒng)能耗相加等于總系統(tǒng)能耗等。

2.3 數(shù)據(jù)降維

數(shù)據(jù)約減后的全部數(shù)據(jù)用于分析其變化特征和規(guī)律仍舊比較困難。需要對(duì)數(shù)據(jù)進(jìn)行降維，以優(yōu)化變量為挖掘分析目標(biāo)，進(jìn)一步提取特征數(shù)據(jù)挖掘，繪制大數(shù)據(jù)可視化散點(diǎn)相關(guān)性矩陣，從而快速發(fā)現(xiàn)多個(gè)變量之間的主要相關(guān)性，剔除相關(guān)性較小的數(shù)據(jù)。

冷水設(shè)備運(yùn)行狀態(tài)雷達(dá)圖見圖2，冷凝水系統(tǒng)設(shè)備運(yùn)行狀態(tài)雷達(dá)圖見圖3 。

CHWPNO—冷水泵運(yùn)行數(shù)量；CHNO—冷水機(jī)組運(yùn)行數(shù)量。

CWPNO—冷凝水泵運(yùn)行數(shù)量；CTNO—冷卻塔風(fēng)扇運(yùn)行數(shù)量。

由圖2、圖3可以看出：冷水機(jī)組運(yùn)行數(shù)量曲線和冷水泵運(yùn)行數(shù)量曲線基本重合，冷凝水泵運(yùn)行數(shù)量曲線和冷卻塔風(fēng)扇運(yùn)行數(shù)量曲線基本重合。由此可以挖掘出系統(tǒng)設(shè)備運(yùn)行之間的規(guī)律，以降低設(shè)備運(yùn)行狀態(tài)維數(shù)：1臺(tái)冷水機(jī)組運(yùn)行對(duì)應(yīng)1臺(tái)冷水泵運(yùn)行，2臺(tái)冷水機(jī)組運(yùn)行對(duì)應(yīng)2臺(tái)冷水泵運(yùn)行；1臺(tái)冷凝水泵運(yùn)行對(duì)應(yīng)1臺(tái)冷卻塔風(fēng)扇運(yùn)行，2臺(tái)冷凝水泵運(yùn)行對(duì)應(yīng)2臺(tái)冷卻塔風(fēng)扇運(yùn)行。

3 模型建立及評(píng)價(jià)

筆者通過數(shù)據(jù)探索，確定了模型因變量和自變量，構(gòu)建數(shù)據(jù)驅(qū)動(dòng)基礎(chǔ)機(jī)理數(shù)學(xué)模型。為了評(píng)估模型的可靠性，需要進(jìn)行統(tǒng)計(jì)檢驗(yàn)相關(guān)指標(biāo)計(jì)算[5]。

(1) 決定系數(shù)R2：R2表示回歸方程的擬合程度，R2越接近于1則自變量對(duì)因變量的解釋程度越高，自變量引起的變動(dòng)占總變動(dòng)的百分比越高，即回歸方程模型對(duì)y值的擬合效果越好。

(2)F檢驗(yàn)：F檢驗(yàn)是一種在原假設(shè)下，統(tǒng)計(jì)值服從F分布的檢驗(yàn)。計(jì)算的F值(記為F)與查表得到的F值(記為F表)比較，如果F≥F表表明2組數(shù)據(jù)存在顯著差異，即自變量對(duì)因變量有顯著影響。

(3) F檢驗(yàn)的p值：p值的計(jì)算與F檢驗(yàn)有著密不可分的關(guān)系，p值是具有總體代表性的犯錯(cuò)概率，是結(jié)果可信水平的一個(gè)遞減指標(biāo)。p值越小，說明擬合模型有效。

(4) 和方差(SSE)：統(tǒng)計(jì)參數(shù)SSE是擬合數(shù)據(jù)和原始數(shù)據(jù)對(duì)應(yīng)點(diǎn)的誤差的平方和，SSE越接近于0，說明模型選擇越正確，擬合效果更好。

3.1 功率模型

以冷水泵組為例，通過數(shù)據(jù)散點(diǎn)圖自動(dòng)聚類分析(見圖4)可以發(fā)現(xiàn)，功率均與頻率成非線性關(guān)系。單臺(tái)設(shè)備和多臺(tái)設(shè)備運(yùn)行的系統(tǒng)參數(shù)是不同的，分類線上方為2臺(tái)冷水泵并列運(yùn)行的數(shù)據(jù)聚類，下方為1臺(tái)冷水泵運(yùn)行的數(shù)據(jù)聚類。

圖4 設(shè)備運(yùn)行狀態(tài)散點(diǎn)圖

對(duì)上述數(shù)據(jù)進(jìn)一步進(jìn)行數(shù)據(jù)篩選分類，根據(jù)相似性理論，設(shè)備運(yùn)行功率與設(shè)備運(yùn)行頻率的三次方成正比，通過多段線性化逼近，建立設(shè)備功率模型，并對(duì)模型可靠性進(jìn)行分析。

(1)

式中：fchwp為冷水泵運(yùn)行頻率；Pchwp為冷水泵功率；i為設(shè)備臺(tái)數(shù)。

根據(jù)表1、表2的置信水平和統(tǒng)計(jì)檢驗(yàn)量計(jì)算，設(shè)備功率與運(yùn)行頻率三次方的擬合優(yōu)度較高(R2接近1)，能夠通過顯著性檢驗(yàn)，說明模型選擇適用，擬合效果較好。

表1 單臺(tái)運(yùn)行冷水泵功率模型的置信水平和統(tǒng)計(jì)檢驗(yàn)量

表2 2臺(tái)運(yùn)行冷水泵功率模型的置信水平和統(tǒng)計(jì)檢驗(yàn)量

3.2 流量模型

系統(tǒng)有冷水回路和冷凝水回路2個(gè)工藝過程，根據(jù)相似性理論，回路流量與各自的水泵運(yùn)行頻率成正比。同理，采用運(yùn)行工況自動(dòng)聚類分析、多段線性化逼近等手段，以冷水流量為例，建立與冷水泵運(yùn)行頻率相關(guān)的線性回歸模型。

(2)

式中：qm,chwp為冷水回路質(zhì)量流量。置信水平和統(tǒng)計(jì)檢驗(yàn)量計(jì)算見表3、表4。

表3 單臺(tái)運(yùn)行冷水泵流量模型的置信水平和統(tǒng)計(jì)檢驗(yàn)量

表4 2臺(tái)運(yùn)行冷水泵流量模型的置信水平和統(tǒng)計(jì)檢驗(yàn)量

3.3 能耗模型

冷水機(jī)組能耗占整個(gè)系統(tǒng)能耗的70%以上，是綜合智慧能源系統(tǒng)能耗優(yōu)化的重點(diǎn)。通過運(yùn)行工況聚類分析等數(shù)據(jù)探索手段，結(jié)合設(shè)備機(jī)理知識(shí)，建立能耗模型：

Ech=-0.368 7+0.001 691 27Rh+0.023 867 6×

(3)

式中：Ech為冷水機(jī)組能耗；Twet為外界環(huán)境濕球溫度；Rh為環(huán)境濕度；Qe為冷水回路能量，Qc為冷凝水回路能量，Pct為冷卻塔功率。

能耗模型置信水平和統(tǒng)計(jì)檢驗(yàn)量見表5。由表5可以看出模型擬合優(yōu)度較好，模型選擇適用。

表5 能耗模型的置信水平和統(tǒng)計(jì)檢驗(yàn)量

4 優(yōu)化模型及求解

4.1 優(yōu)化模型建立

筆者以上述數(shù)據(jù)模型分析為基礎(chǔ)，通過確立目標(biāo)函數(shù)、決策變量、約束條件進(jìn)行優(yōu)化建模。

4.1.1 目標(biāo)函數(shù)

對(duì)于給定用戶需求，單位冷量的耗電量應(yīng)該最小，即系統(tǒng)能耗最小。

minEsys=Ech+Echwp+Ecwp+Ect=

Ech(Rh,Twet,Qe,Qc,Pct)+

(4)

式中：Esys為系統(tǒng)能耗；Echwp為冷水泵能耗；Ecwp為冷凝泵能耗；Ect為冷卻塔能耗；Pcwp為冷凝水泵功率；fcwp為冷凝水泵運(yùn)行頻率；fct為冷卻塔風(fēng)扇運(yùn)行效率。

4.1.2 決策變量

目標(biāo)函數(shù)中Rh、Twet、Qe均為不可控變量，不能作為決策變量。該模型選取可控變量fchwp、fcwp、fct、i作為決策變量。

4.1.3 約束條件

熱平衡約束如下：

(5)

式中：Pch為冷水機(jī)組功率；c為冷水機(jī)組中水的比熱容；qm,cwp為冷凝水回路質(zhì)量流量；Δte為冷水系統(tǒng)進(jìn)出口冷水溫差；Δtc為冷凝水系統(tǒng)進(jìn)出口冷凝水溫差。

設(shè)備運(yùn)行頻率約束如下：

(6)

設(shè)備運(yùn)行狀態(tài)約束如下：

i=1,2

(7)

4.2 模型求解

該優(yōu)化模型屬于非線性整數(shù)混合規(guī)劃模型，如果采用不同優(yōu)化算法求解，容易只求得局部最優(yōu)解。因此，為了得到全局最優(yōu)解，利用遺傳算法進(jìn)行全局高效搜索，對(duì)優(yōu)化函數(shù)進(jìn)行求解(見圖5)。

圖5 遺傳算法求解方案

4.3 測(cè)試評(píng)估

根據(jù)雷達(dá)圖挖掘的系統(tǒng)運(yùn)行規(guī)律，按照i=1或2分別對(duì)優(yōu)化效果進(jìn)行仿真測(cè)試。

隨機(jī)抽取機(jī)組不同運(yùn)行模式下綜合智慧能源系統(tǒng)運(yùn)行一段時(shí)間內(nèi)的數(shù)據(jù)，采集時(shí)間長(zhǎng)度為1 h，按照每分鐘1個(gè)點(diǎn)的間隔進(jìn)行等速采樣，根據(jù)冷負(fù)荷和環(huán)境溫度的變化，基于上述高精度仿真回歸模型，系統(tǒng)自動(dòng)利用遺傳算法高效搜索進(jìn)行優(yōu)化求解，得到2種運(yùn)行模式下最優(yōu)化的3個(gè)決策變量(fchwp、fcwp、fct)和最優(yōu)化目標(biāo)(Esys)，結(jié)果見圖6、圖7。

圖6 單臺(tái)機(jī)組運(yùn)行模式下的系統(tǒng)能耗前后優(yōu)化對(duì)比和系統(tǒng)可控變量運(yùn)行曲線

圖7 2臺(tái)機(jī)組運(yùn)行模式下的系統(tǒng)能耗前后優(yōu)化對(duì)比和系統(tǒng)可控變量運(yùn)行曲線

測(cè)試顯示，單臺(tái)機(jī)組運(yùn)行模式下的優(yōu)化空間達(dá)到30%，大于2臺(tái)機(jī)組運(yùn)行模式下的可優(yōu)化空間。

5 結(jié)語

筆者針對(duì)綜合智慧能源系統(tǒng)提出了基于大數(shù)據(jù)分析的控制優(yōu)化方案，并隨機(jī)選取運(yùn)行數(shù)據(jù)進(jìn)行測(cè)試評(píng)估，主要結(jié)論如下：

(1) 通過數(shù)據(jù)探索進(jìn)行數(shù)據(jù)約減與規(guī)律尋找，結(jié)合機(jī)理知識(shí)建立了設(shè)備功率模型、流量模型和能耗模型，并建立統(tǒng)計(jì)檢驗(yàn)量指標(biāo)體系對(duì)模型可靠性進(jìn)行評(píng)價(jià)，然后以系統(tǒng)能耗最低為最優(yōu)化目標(biāo)，尋優(yōu)最佳控制參數(shù)，根據(jù)隨機(jī)測(cè)試試驗(yàn)優(yōu)化前后的對(duì)比表明系統(tǒng)能耗降低明顯。

(2)綜合智慧能源系統(tǒng)優(yōu)化是一個(gè)龐大的系統(tǒng)工程，節(jié)能優(yōu)化控制的實(shí)踐中還需要更多地結(jié)合實(shí)際問題進(jìn)行考慮，才能收到更好的效果。

(3) 筆者僅對(duì)智慧能源系統(tǒng)制冷站源側(cè)進(jìn)行了系統(tǒng)性協(xié)調(diào)的節(jié)能控制最優(yōu)化指令給定的討論，如果能夠結(jié)合用戶側(cè)的互動(dòng)機(jī)制的策略設(shè)計(jì)，比如用戶費(fèi)控閥的遠(yuǎn)程調(diào)節(jié)控制等，在一定程度上減少或平抑需求波動(dòng)，實(shí)現(xiàn)綜合智慧能源系統(tǒng)源、網(wǎng)、荷全系統(tǒng)節(jié)能，則能得到更好的節(jié)能效果。