胡雪，楊俊紅*，劉德朝，史鑫鈺，崔棉善

（1.天津大學(xué)機(jī)械工程學(xué)院，天津300350；2.格物智控（天津）能源科技有限公司，天津300384）

0 引言

集中供熱是我國北方常見的供熱形式，由于實(shí)際供熱管網(wǎng)運(yùn)行工況受到制造、施工、工作條件和環(huán)境等多方面的影響，傳統(tǒng)的管網(wǎng)難以消除管網(wǎng)之間的水力失衡和過度供熱現(xiàn)象，造成能源的大量浪費(fèi)［1-3］。

隨著集中供熱規(guī)模的持續(xù)擴(kuò)大與熱網(wǎng)運(yùn)行自動(dòng)化、智能化技術(shù)的提高，基于信息與能量系統(tǒng)深度耦合的熱網(wǎng)節(jié)能技術(shù)越來越受到關(guān)注［4-6］。智慧熱網(wǎng)以信息化和自動(dòng)化為基礎(chǔ)，運(yùn)用物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、云計(jì)算等“互聯(lián)網(wǎng)+”先進(jìn)控制技術(shù)，按需對(duì)熱量進(jìn)行合理的輸配，從而達(dá)到在保證供熱需求情況下的節(jié)能減排［7-8］。

智慧熱網(wǎng)在節(jié)能、調(diào)控、故障排除等方面比傳統(tǒng)供熱系統(tǒng)具有更大的優(yōu)勢(shì)，顯示出巨大發(fā)展?jié)摿蛷V闊的市場前景［3-5］。相關(guān)研究及應(yīng)用報(bào)道均較多集中在智慧熱網(wǎng)信息平臺(tái)構(gòu)建、供熱系統(tǒng)網(wǎng)絡(luò)中心建設(shè)、數(shù)據(jù)體系構(gòu)架，以及理論模擬與節(jié)能潛力分析等。文獻(xiàn)［9］介紹和評(píng)估了可能集成到智能集中供熱系統(tǒng)中的技術(shù)。文獻(xiàn)［10］基于某熱網(wǎng)智慧供熱信息服務(wù)平臺(tái)的搭建，結(jié)合實(shí)踐探討了基礎(chǔ)數(shù)據(jù)體系的建設(shè)及實(shí)現(xiàn)方法。文獻(xiàn)［11］圍繞智慧熱網(wǎng)系統(tǒng)從應(yīng)用層面進(jìn)行分析。文獻(xiàn)［12］基于智能算法和動(dòng)態(tài)仿真的有效融合，提出了構(gòu)建供熱系統(tǒng)智能引擎的技術(shù)路線，為智能決策網(wǎng)的研發(fā)提供了理論指導(dǎo)。文獻(xiàn)［13］對(duì)智能化供熱管理中網(wǎng)絡(luò)中心的建設(shè)和構(gòu)建進(jìn)行了分析。文獻(xiàn)［14］對(duì)城市智慧供熱建設(shè)及發(fā)展進(jìn)行了分析。

針對(duì)供熱系統(tǒng)水力不平衡和過度供熱的現(xiàn)象，通常采用增設(shè)節(jié)流閥、安裝變頻泵、耦合智能控制技術(shù)，來改善供熱管網(wǎng)的運(yùn)行狀況。文獻(xiàn)［15］介紹了一種基于智慧供熱框架下的二次網(wǎng)智能控制調(diào)節(jié)閥，為改善集中供熱不平衡現(xiàn)象提供了一種調(diào)控手段。文獻(xiàn)［16］針對(duì)某300 MW 直接空冷發(fā)電機(jī)組的供熱系統(tǒng)，采用智能控制算法實(shí)現(xiàn)供熱管路上水泵和節(jié)流閥的快速精確控制，提高了供熱系統(tǒng)的一次換熱效率。文獻(xiàn)［17］介紹了室溫采集設(shè)備在智慧供熱中的應(yīng)用。文獻(xiàn)［18］報(bào)道了火電企業(yè)供熱生產(chǎn)集中化、智能化的改造實(shí)踐。文獻(xiàn)［19］介紹了泵閥聯(lián)動(dòng)技術(shù)在智慧熱網(wǎng)運(yùn)行調(diào)節(jié)中的應(yīng)用。

按需精準(zhǔn)供熱是保證用戶供熱舒適度的同時(shí)實(shí)現(xiàn)顯著節(jié)能減排的基本路徑?；谛畔⑴c能量系統(tǒng)深度耦合的智慧熱網(wǎng)，充分發(fā)揮其智能調(diào)控功能，可很好地滿足用戶多種用熱需求，同時(shí)避免過度供熱引起的能源浪費(fèi)。

集中供熱系統(tǒng)通常包括多種用戶類型。用熱規(guī)律存在較大差異，即使相同的用戶類型其用熱需求也并不完全相同。很多研究表明，基于熱網(wǎng)智能控制的分時(shí)分區(qū)供熱模式具有很好的節(jié)能效果［20-23］。文獻(xiàn)報(bào)導(dǎo)大多集中在單體房間或建筑的分時(shí)分區(qū)管控試驗(yàn)［22，24-30］或理論模擬分析［20-21，31-44］。文獻(xiàn)［20］對(duì)北京典型辦公建筑采用DeST 軟件進(jìn)行模擬，研究表明間歇采暖典型周的節(jié)能率可達(dá)25%～40%。文獻(xiàn)［21］通過DeST軟件的DeST-C 版本對(duì)北京某辦公建筑在連續(xù)供熱和分時(shí)分區(qū)控制供熱2種工況下的能耗進(jìn)行了模擬計(jì)算，結(jié)果表明模擬的辦公樓節(jié)能率可達(dá)29.9%。文獻(xiàn)［35］采用EnergyPlus軟件模擬了沈陽某小型單體建筑供熱能耗及室內(nèi)溫度的波動(dòng)規(guī)律。結(jié)果表明，設(shè)置合理的間歇停供時(shí)間可以使室內(nèi)溫度最大降幅不超過1 ℃，供熱能耗較連續(xù)供熱下降近21.3%。文獻(xiàn)［22］針對(duì)北京市某辦公樓采用分時(shí)分區(qū)控制供暖試驗(yàn)。結(jié)果表明，樓宇整體節(jié)能率可達(dá)20%。文獻(xiàn)［26］等對(duì)合肥地區(qū)某一房間進(jìn)行晝夜間歇供暖試驗(yàn)研究，熱源為空氣熱泵和電加熱系統(tǒng)，末端為散熱器，發(fā)現(xiàn)可節(jié)省24.4%的費(fèi)用。

關(guān)于整個(gè)系統(tǒng)分時(shí)分區(qū)運(yùn)行理論及實(shí)踐應(yīng)用的研究較少。文獻(xiàn)［23］針對(duì)長春某高校10.5 萬m2的高校建筑探討了分時(shí)分區(qū)間隙供暖的可行性，根據(jù)不同類型的建筑供熱指標(biāo)和當(dāng)?shù)貧庀髤?shù)，采用溫頻法得出理論上較連續(xù)供暖可節(jié)省能耗11.7%。文獻(xiàn)［44］對(duì)北京某科研所區(qū)域供熱系統(tǒng)進(jìn)行跟蹤監(jiān)測(cè)，供熱面積3.5 萬m2，其中辦公樓面積占比34%，實(shí)行分時(shí)分區(qū)4 個(gè)年度較連續(xù)供暖節(jié)能14.7%～25.7%，鍋爐房總節(jié)能5.0%～8.7%。文獻(xiàn)［45］針對(duì)沈陽某近零能耗建筑，基于室內(nèi)溫度數(shù)據(jù)實(shí)測(cè)，提出末寒期系統(tǒng)間歇運(yùn)行控制策略，得出理論上在滿足供暖品質(zhì)要求的前提下可較連續(xù)供暖節(jié)能約52%。文獻(xiàn)［46］對(duì)青島某高校集中供暖系統(tǒng)5 個(gè)二級(jí)換熱站進(jìn)行節(jié)能控制改造，供熱面積78萬m2，分時(shí)分區(qū)分溫調(diào)節(jié)，改造后換熱站節(jié)電率為26.5%，節(jié)熱率為13.5%。

綜上，本文針對(duì)集中供熱系統(tǒng)普遍存在的水力不平衡和過度供熱造成能源浪費(fèi)的現(xiàn)象，提出了一種集成管網(wǎng)分級(jí)與智能控制的源網(wǎng)協(xié)同綜合節(jié)能技術(shù)，并介紹了該技術(shù)在天津某高校新校區(qū)B 能源站（供熱面積23萬m2）的應(yīng)用及初期效果，節(jié)能效果顯著。

1 源網(wǎng)協(xié)同綜合節(jié)能技術(shù)

本文針對(duì)集中供熱系統(tǒng)普遍存在的水力不平衡和過度供熱造成能源浪費(fèi)的現(xiàn)象，基于人工智能與熱力系統(tǒng)的深度融合，提出了一種集成管網(wǎng)分級(jí)與智能控制的源網(wǎng)協(xié)同智慧供熱綜合節(jié)能技術(shù)。技術(shù)實(shí)施主要包括熱力系統(tǒng)節(jié)能改造及智慧熱網(wǎng)管控平臺(tái)建設(shè)兩部分［47-54］。

1.1 技術(shù)要點(diǎn)及主要特征

基于熱力管網(wǎng)自動(dòng)調(diào)節(jié)及計(jì)量先進(jìn)技術(shù)，耦合智能控制技術(shù)及通信模塊，基于長短時(shí)記憶（LSTM）深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)熱負(fù)荷預(yù)測(cè)，基于FlowMaster 建立系統(tǒng)仿真模型，基于熱負(fù)荷預(yù)測(cè)模型和系統(tǒng)仿真模型聯(lián)合建立的孿生模型，結(jié)合控制單元負(fù)荷預(yù)測(cè)與孿生模型仿真，實(shí)現(xiàn)“源網(wǎng)末端”一體化的分層分級(jí)精細(xì)管控的智慧供熱，滿足用戶多種用熱需求，同時(shí)最大限度地實(shí)現(xiàn)節(jié)能減排。

該技術(shù)的主要特征包括：人工智能與熱力系統(tǒng)深度融合；信息與能量系統(tǒng)深度耦合；主動(dòng)節(jié)能技術(shù)與被動(dòng)節(jié)能技術(shù)協(xié)同，即基于非機(jī)電設(shè)備干預(yù)手段的節(jié)能技術(shù)和基于機(jī)電設(shè)備組成的主動(dòng)系統(tǒng)協(xié)同；技術(shù)要素與非技術(shù)要素協(xié)同，即通過智能控制技術(shù)手段進(jìn)行節(jié)能和人的自主行為節(jié)能相協(xié)同；軟硬件協(xié)同；“源網(wǎng)末端”一體化的分層分級(jí)管控；水電氣（熱源）熱協(xié)同；用戶自主管控與集中管控相結(jié)合；孿生模型和先進(jìn)智能控制算法相結(jié)合，即在孿生模型中應(yīng)用先進(jìn)智能控制算法，根據(jù)孿生模型的運(yùn)行改進(jìn)智能控制算法，同時(shí)根據(jù)智能控制算法訓(xùn)練計(jì)算得到孿生模型的最優(yōu)供熱方案；分層分級(jí)分時(shí)分區(qū)分溫精細(xì)管控。

以天津某高校新校區(qū)B 能源站為例，充分考慮熱力系統(tǒng)熱慣性、建筑熱慣性及用戶用熱模式，兼顧適用性、實(shí)用性和先進(jìn)性，盡可能時(shí)間尺度和空間尺度小地實(shí)施分時(shí)分區(qū)分溫精細(xì)管控，與當(dāng)前耗能相比，理論上綜合節(jié)能率可達(dá)到60%～70%。

1.2 熱力系統(tǒng)節(jié)能改造方案

針對(duì)供熱系統(tǒng)水力不平衡和過度供熱的現(xiàn)象，既有熱力管網(wǎng)進(jìn)行多層分級(jí)，采用高性能的動(dòng)態(tài)壓差平衡電動(dòng)調(diào)節(jié)裝置，耦合智能控制技術(shù)，實(shí)現(xiàn)控制單元環(huán)內(nèi)壓力無關(guān)的流量控制及負(fù)荷調(diào)節(jié)。

采用“源網(wǎng)末端”一體化分層分級(jí)精細(xì)管控節(jié)能改造的技術(shù)路線，針對(duì)供熱系統(tǒng)水力不平衡和過度供熱現(xiàn)象，對(duì)于既有熱力管網(wǎng)進(jìn)行多層分級(jí)管控改造。

圖1為管網(wǎng)分級(jí)改造示意。以天津某高校新校區(qū)B 能源站為例，既有系統(tǒng)為5 臺(tái)燃?xì)忮仩t直供末端用戶的一級(jí)網(wǎng)供熱系統(tǒng)，供熱面積23萬m2?；跓崃θ肟谔幍母脑?，將一級(jí)網(wǎng)改造成二級(jí)網(wǎng)，即相互沒有影響的獨(dú)立控制環(huán)路；入口內(nèi)部支路和末端房間改造成三級(jí)網(wǎng)、四級(jí)網(wǎng)，可實(shí)現(xiàn)控制單元環(huán)內(nèi)壓力無關(guān)的流量控制及負(fù)荷調(diào)節(jié)。

耦合智能控制技術(shù)將遠(yuǎn)傳遠(yuǎn)控通信模塊耦合到所有監(jiān)控點(diǎn)，通過遠(yuǎn)傳通信模塊（有線或無線通信）實(shí)現(xiàn)監(jiān)控信息與遠(yuǎn)程服務(wù)器的交互傳送，結(jié)合控制單元的負(fù)荷預(yù)測(cè)與孿生模型仿真，實(shí)現(xiàn)系統(tǒng)分層分級(jí)精細(xì)管控的智慧供熱，滿足用戶多種用熱需求的同時(shí)最大限度地實(shí)現(xiàn)節(jié)能減排。

加裝的控制設(shè)備及儀表均具備手動(dòng)或自動(dòng)、線上或線下、就地或遠(yuǎn)程、不同層級(jí)和調(diào)節(jié)模式切換的功能，性能可靠、精度高。各入口動(dòng)態(tài)壓差平衡閥是一個(gè)集壓差控制器與電動(dòng)調(diào)節(jié)閥為一體的動(dòng)態(tài)壓差平衡型電動(dòng)調(diào)節(jié)閥。它具有動(dòng)態(tài)平衡功能，保持系統(tǒng)的資用壓力足夠，控制單元內(nèi)可根據(jù)負(fù)荷變化要求實(shí)時(shí)調(diào)節(jié)，不論系統(tǒng)壓力如何變化，閥門動(dòng)態(tài)平衡系統(tǒng)的阻力使其流量不受系統(tǒng)壓力波動(dòng)的影響而保持需求值。它具有優(yōu)良的電動(dòng)調(diào)節(jié)功能，調(diào)節(jié)不受系統(tǒng)壓力波動(dòng)的影響。各熱力入口的動(dòng)態(tài)壓差平衡型電動(dòng)調(diào)節(jié)閥是通過外部輸入信號(hào)調(diào)節(jié)閥門開度，通過改變閥門的開度-流量曲線來調(diào)節(jié)。

式中：DN X表示公稱直徑為X mm的電動(dòng)閥門；D1為熱力入口的供水直徑，mm；D2為熱力入口的回水直徑，mm；S為該熱力入口的供熱面積，mm2。

圖1 管網(wǎng)分級(jí)改造示意Fig.1 Schematic of hierarchical transformation of pipelines

1.3 智慧熱網(wǎng)管控平臺(tái)建設(shè)

該軟件平臺(tái)基本構(gòu)架包括四大系統(tǒng)：高性能數(shù)據(jù)采集系統(tǒng)、高性能運(yùn)算系統(tǒng)、大數(shù)據(jù)可視化系統(tǒng)、多維推送服務(wù)系統(tǒng)；五大功能板塊：建筑信息訪問、設(shè)備信息數(shù)據(jù)訪問、閥位等控制調(diào)節(jié)接口、設(shè)備信息歷史數(shù)據(jù)訪問、報(bào)警系統(tǒng)管理。

圖2 為智慧熱網(wǎng)管控平臺(tái)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，圖中GUI為圖形用戶界面?；跀?shù)字孿生模型動(dòng)態(tài)推演和先進(jìn)智能控制算法的智慧熱網(wǎng)管控平臺(tái)，可收集能源站供熱情況、用戶使用習(xí)慣、供熱地點(diǎn)實(shí)測(cè)溫度和氣象資料等數(shù)據(jù)，提供給仿真運(yùn)行的孿生模型不斷“學(xué)習(xí)”。孿生模型是和集中供熱系統(tǒng)完全等價(jià)的信息模型，可通過學(xué)習(xí)歷史數(shù)據(jù)，以最舒適室內(nèi)溫度為目標(biāo)函數(shù)，通過在孿生模型中推演智能控制算法來修訂智能控制算法，同時(shí)通過已經(jīng)訓(xùn)練完成達(dá)到迭代精度要求的智能控制算法，不斷修訂和優(yōu)化供熱方案，從而推演出最佳供熱方案并反饋給管控平臺(tái)，即通過調(diào)節(jié)各個(gè)熱力入口的閥門流量-開度控制調(diào)節(jié)曲線，實(shí)現(xiàn)室內(nèi)供暖溫度保持最佳，同時(shí)綜合燃?xì)庥昧孔钌伲瓿烧麄€(gè)供熱系統(tǒng)的智能調(diào)度、智能監(jiān)控、智能診斷、智能調(diào)節(jié)，在節(jié)能減排的同時(shí)，為用戶提供最舒適的供暖體驗(yàn)。

圖2 智慧熱網(wǎng)管控平臺(tái)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)Fig.2 Topology structure of the intelligent heating network management and control platform

2 實(shí)施案例

該技術(shù)于2019—2020 供暖季在天津某高校新校區(qū)B 能源站實(shí)現(xiàn)了應(yīng)用，對(duì)該能源站所屬28 個(gè)熱力入口實(shí)現(xiàn)了“源網(wǎng)末端”一體化的智能管控。結(jié)合校園特色及既有供熱系統(tǒng)的特點(diǎn)，充分融合先進(jìn)實(shí)用技術(shù)，圍繞實(shí)用性、適用性、先進(jìn)性、示范性，本著控制成本、技術(shù)優(yōu)先、聚焦落地的原則，確定節(jié)能改造及實(shí)施方案。節(jié)能效果顯著，精確驗(yàn)證了綜合節(jié)能20%～30%的理論分析結(jié)果，為最終實(shí)現(xiàn)60%～70%的節(jié)能目標(biāo)奠定了基礎(chǔ)。

2.1 既有能源系統(tǒng)及用戶特征

B 能源站總供熱面積23 萬m2，5 臺(tái)燃?xì)忮仩t，一級(jí)網(wǎng)直供，包括高區(qū)和低區(qū)。B 站低區(qū)設(shè)計(jì)負(fù)荷占比86.5%，供熱面積約20 萬m2，4 臺(tái)燃?xì)忮仩t，一級(jí)網(wǎng)直供。

該實(shí)施案例于2019—2020 供暖季實(shí)施了第一階段節(jié)能改造，經(jīng)歷了前期勘查、前期模擬及分析、熱網(wǎng)智能化改造、系統(tǒng)信號(hào)調(diào)試等一系列進(jìn)程，初期已實(shí)現(xiàn)了能源站低區(qū)及其所屬區(qū)域內(nèi)28 個(gè)樓宇熱力入口的智慧管控（未管控入口負(fù)荷占比18.9%）。

圖3為B 能源站能源中心示意，圖4為B 能源站低區(qū)熱網(wǎng)示意。低區(qū)熱網(wǎng)用戶較為復(fù)雜，屬于高校校園典型的綜合樓宇建筑群。該綜合樓宇建筑群包括6 大區(qū)域，15 棟獨(dú)立建筑，38 個(gè)熱力入口（#1—#38）。熱網(wǎng)用戶熱力入口層級(jí)基本可分為：學(xué)生宿舍、竹園餐廳、實(shí)驗(yàn)車間、金工實(shí)習(xí)基地、科研辦公。部分入口內(nèi)部支路及用戶類型較為復(fù)雜，如科研辦公，涉及行政辦公、教師辦公室、研究生學(xué)習(xí)室、會(huì)議室、資料室、教室、活動(dòng)室、實(shí)驗(yàn)室等。

圖3 B能源站能源中心示意Fig.3 Schematic of the energy center in Station B

圖4 B能源站低區(qū)熱網(wǎng)示意（#1—#9，#22未管控）Fig.4 Schematic of the heating network in low-temperature area of Station B（#1—#9 and #22 uncontrolled）

2.2 節(jié)能改造要點(diǎn)

采用分層分級(jí)精細(xì)管控分階段節(jié)能改造的技術(shù)路線，4 臺(tái)燃?xì)忮仩t直供用戶的一級(jí)網(wǎng)改造成熱力入口可監(jiān)可控可遠(yuǎn)傳遠(yuǎn)控的準(zhǔn)二級(jí)網(wǎng)，部分熱力入口內(nèi)分支路實(shí)現(xiàn)三級(jí)網(wǎng)、末端房間管路實(shí)現(xiàn)四級(jí)網(wǎng)的智慧管控。

圖5為末端改造示意，圖6為B能源站供熱系統(tǒng)節(jié)能改造施工現(xiàn)場，圖7為智慧熱網(wǎng)管控平臺(tái)。

該熱力管網(wǎng)具體技術(shù)改造主要包括如下幾項(xiàng)。（1）能源站：站內(nèi)總供回水管加裝DN 500 的超聲波熱量表，最小測(cè)量流量為7.375 m3/h（精度0.18%）；（2）熱力入口：28 個(gè)熱力入口，更換口徑范圍為DN 80～150 的熱量表，測(cè)量精度0.18%?；厮芗友b口徑范圍為DN 80～150的動(dòng)態(tài)壓差平衡型電動(dòng)調(diào)節(jié)閥實(shí)現(xiàn)水力平衡及調(diào)控；（3）熱力入口內(nèi)部支路：嚴(yán)重水力失調(diào)導(dǎo)致的過度供熱支路的回水管加裝DN 100 或DN 65 的動(dòng)態(tài)壓差平衡型電動(dòng)調(diào)節(jié)閥；（4）末端房間：選擇供熱管網(wǎng)末端支路的代表性房間，更換分集水器和加裝口徑為DN 32，DN 25，DN 25 的動(dòng)態(tài)壓差平衡型電動(dòng)調(diào)節(jié)閥，加裝溫濕度傳感器，測(cè)量精度0.1 ℃。

圖5 末端改造示意Fig.5 Reconstruction on the terminals

圖6 B能源站供熱系統(tǒng)節(jié)能改造施工現(xiàn)場Fig.6 Energy-saving reconstruction site for the heating system of Station B

圖7 智慧熱網(wǎng)管控平臺(tái)Fig.7 Smart heating network control platform

另外，將遠(yuǎn)傳遠(yuǎn)控通信模塊（有線或無線通信）耦合到所有監(jiān)控點(diǎn)，可實(shí)現(xiàn)監(jiān)控信息與遠(yuǎn)程服務(wù)器的交互傳送。

結(jié)合控制單元的負(fù)荷預(yù)測(cè)與系統(tǒng)孿生模型仿真給出優(yōu)化運(yùn)行參考，基于LSTM 深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)供熱系統(tǒng)的逐時(shí)熱負(fù)荷預(yù)測(cè)，基于FlowMater建立系統(tǒng)仿真模型，聯(lián)合兩者可建立和實(shí)際供熱系統(tǒng)等價(jià)的孿生模型。LSTM 深度神經(jīng)網(wǎng)絡(luò)熱負(fù)荷預(yù)測(cè)模型由輸入門、輸出門、遺忘門組成。既可實(shí)現(xiàn)熱網(wǎng)不同層級(jí)用戶多種用熱需求的精細(xì)管控，又有利于熱源及水泵的運(yùn)行優(yōu)化，滿足用戶多種用熱需求，同時(shí)最大限度地實(shí)現(xiàn)節(jié)能減排。LSTM 深度神經(jīng)網(wǎng)絡(luò)模型如下：

相關(guān)參數(shù)及含義見表1。

智慧熱網(wǎng)管控平臺(tái)1.0可實(shí)現(xiàn)信息采集及遠(yuǎn)程控制，以及基本的報(bào)警和診斷功能等，數(shù)據(jù)接口、數(shù)據(jù)分析及智能控制、多維服務(wù)推送等功能也在持續(xù)更新中。

基于“源網(wǎng)末端”一體化管控的技術(shù)路線采用物理方法和數(shù)據(jù)驅(qū)動(dòng)相結(jié)合進(jìn)行建模，以及操作層面各種可控要素的解耦，理論上項(xiàng)目初期目標(biāo)綜合節(jié)能率為20%～30%。需要說明的是B 能源站的低區(qū)、高區(qū)各自有獨(dú)立的熱源和循環(huán)水泵，共用1塊燃?xì)獗?、電表、水表做?jì)量，如圖3所示。因此，該技術(shù)應(yīng)用效果評(píng)估均以能源站里的水表、電表、燃?xì)獗碛?jì)量值為基準(zhǔn)，并參考低區(qū)及管控入口設(shè)計(jì)負(fù)荷占比進(jìn)行適當(dāng)修正。

如果在部分熱力入口內(nèi)部的極端支路或末端設(shè)立獨(dú)立的動(dòng)態(tài)壓差平衡型電動(dòng)調(diào)節(jié)閥門和測(cè)溫單元，基于熱網(wǎng)各支路建筑用熱特征，考慮負(fù)荷時(shí)空互補(bǔ)及建筑熱慣性儲(chǔ)能，極端支路及末端房間適當(dāng)補(bǔ)償分布式熱源，包括碳纖維地采暖、室內(nèi)空調(diào)采暖等；耦合能源中心及不同層級(jí)用戶的負(fù)荷預(yù)測(cè)、不同層級(jí)用戶的人員移動(dòng)模型、系統(tǒng)孿生模型模擬、先進(jìn)控制算法及智能控制手段，兼顧實(shí)用性和先進(jìn)性，實(shí)現(xiàn)盡可能時(shí)間尺度、空間尺度足夠小的分層分級(jí)精細(xì)管控，理論上綜合節(jié)能率可達(dá)60%～70%。

3 技術(shù)應(yīng)用效果評(píng)估

基于B 能源站里水表、電表、燃?xì)獗淼挠?jì)量（含未管控高區(qū)，設(shè)計(jì)負(fù)荷占比13.5%），分析2019 —2020供暖季本項(xiàng)目實(shí)施效果，并與2018—2019供暖季改造前比較。能耗對(duì)比分析中，進(jìn)行了不同階段的比較，包括2個(gè)供暖季比較，以及學(xué)期時(shí)段及假期時(shí)段的同期比較。

3.1 能源站整個(gè)供暖季能耗

表2為B能源站2個(gè)供暖季的燃?xì)?、電、水消耗?019—2020 供暖季，燃?xì)庥昧?35.62 萬m3，電用量325 MW·h，水用量5 325 t，3 項(xiàng)折合單耗標(biāo)煤7.585 kg/㎡。相比上個(gè)供暖季，燃?xì)庥昧繙p少47.25萬m3，耗電量減少96 MW·h，兩項(xiàng)折合減少碳排放1 100 t。相比2018—2019 供暖季，2019—2020 供暖季燃?xì)庥昧繙p少25.66%，電用量減少22.87%。

單耗標(biāo)煤計(jì)算中，燃?xì)?、電、水的折合?biāo)準(zhǔn)煤系數(shù)分別為1.214 3 kg/m3，0.35 kg/（kW·h），0.085 7 kg/m3；B 能源站總供暖面積以圖紙計(jì)232 161 m2，實(shí)際有增加。碳排放計(jì)算中，燃?xì)?、電的CO2排放系數(shù)分別為2.16 kg/m3，0.785 kg/（kW·h）。

3.2 能源站不同時(shí)段的燃?xì)饬?/h3>

圖8 為實(shí)施案例改造前后能源站燃?xì)馊沼昧俊?019—2020 供暖季的日燃?xì)庥昧棵黠@降低，供暖中后期的節(jié)能效果尤為顯著。尤其供暖末期疊加寒假，采用間隙供暖及末端補(bǔ)償，相比連續(xù)供暖及上年度同期，日燃?xì)庥昧看蠓档汀?/p>

表2 B能源站燃?xì)狻㈦?、水消耗Tab.2 Consumption of gas，electricity，water consumption in Station B

表3—5為B能源站2個(gè)供暖季不同階段燃?xì)饬勘容^。（1）供暖初期：2019-11-01—2019-12-07，系統(tǒng)軟、硬件調(diào)試，相比去年同期，同屬秋季學(xué)期，燃?xì)夤?jié)約率為10.99%。（2）供暖中期：2019-12-08—2020-01-12，相比去年同期，同屬秋季學(xué)期，燃?xì)庥昧棵黠@減少，燃?xì)夤?jié)約率為14.46%。（3）供暖中期：2020-01-28—2020-02-24，相比去年同期，同屬寒假期間，燃?xì)庥昧匡@著減少，燃?xì)夤?jié)約率為32.73%。

3.3 節(jié)能效果系數(shù)氣象等因素修正

圖8 實(shí)施案例改造前后能源站燃?xì)馊沼昧勘容^Fig.8 Comparison of daily gas consumption in the energy station before and after the transformation

表3 B能源站燃?xì)饬勘容^：供暖初期（學(xué)期37 d）Tab.3 Comparison of gas consumption in Station B：initial heating period（37 days in a semester）

表4 B能源站燃?xì)饬勘容^：供暖中期（學(xué)期36 d）Tab.4 Comparison of gas consumption in Station B：mid heating period（36 days in a semester）

如前所述，B 站項(xiàng)目2019—2020 供暖季初步實(shí)施節(jié)能效果顯著?，F(xiàn)以燃?xì)夤?jié)約率為指標(biāo)，考慮室外氣溫、未改造高區(qū)、低區(qū)未管控入口的影響，評(píng)估該源網(wǎng)協(xié)同綜合節(jié)能技術(shù)的應(yīng)用效果，即氣象修正、高區(qū)修正、未管控入口修正。

表5 B能源站燃?xì)饬勘容^：供暖中期（寒假28 d）Tab.5 Comparison of gas consumption in Station B：mid heating period（28 days in a winter vacation）

氣象因素修正采用采暖度日法，依據(jù)《夏熱冬冷地區(qū)居住建筑節(jié)能設(shè)計(jì)標(biāo)準(zhǔn)》（JGJ 134—2001）。高區(qū)修正、未管控入口修正，依據(jù)設(shè)計(jì)負(fù)荷占比及同類用戶實(shí)際運(yùn)行情況進(jìn)行。

天津市津南區(qū)2019—2020 供暖季室外氣溫略高，如圖9 所示。考慮供暖時(shí)長、氣象、未管控入口因素，對(duì)該技術(shù)應(yīng)用效果進(jìn)行了修正。實(shí)施案例智能管控區(qū)域的燃?xì)夤?jié)約率為31.07%，如圖10所示。

圖9 天津市津南區(qū)氣溫變化（日均溫）Fig.9 Temperature variation in Jinnan District，Tianjin（average daily temperature）

圖10 B能源站低區(qū)燃?xì)夤?jié)約率Fig.10 Gas saving rate in low-temperature area in Station B

3.4 長假修正

2019—2020 供暖季比較特殊，2020 年春季學(xué)期因疫情未能正常開學(xué)，B 站延續(xù)假期模式供熱。在前面的能耗對(duì)比分析中，已進(jìn)行了不同階段的比較，包括2個(gè)年度的整個(gè)供暖季比較、學(xué)期時(shí)段及假期時(shí)段的同期比較。

下面采用模型模擬春季開學(xué)能源站的運(yùn)行，結(jié)合秋季學(xué)期和正常寒假實(shí)際運(yùn)行，評(píng)估如春季開學(xué)，B站項(xiàng)目2019—2020供暖季的節(jié)能效果。

基于2019—2020 供暖季B 站的低區(qū)供熱系統(tǒng)運(yùn)行狀況分析，采用物理方法和數(shù)據(jù)驅(qū)動(dòng)相結(jié)合的方法，建立負(fù)荷模型并模擬低區(qū)逐日負(fù)荷。結(jié)合傳熱理論及2019—2020 供暖季供熱系統(tǒng)實(shí)際運(yùn)行情況，建立逐日負(fù)荷模型，并標(biāo)定模型參數(shù)。樣本總數(shù)138 個(gè)，篩選50 個(gè)樣本標(biāo)定模型參數(shù)。采用模型模擬2 個(gè)供暖季的運(yùn)行情況，累計(jì)負(fù)荷模擬值與實(shí)際值相對(duì)偏差分別為2.3%和1.1%，如圖11 所示。如2020春節(jié)學(xué)期正常開學(xué)，采用秋季相同模式負(fù)荷可降低10.7%；采用理想分時(shí)分區(qū)分溫模式負(fù)荷可降低16.6%，如圖12 所示?？紤]氣象因素及未管控入口修正后，相比2018—2019 年度，節(jié)能率分別為21.59%，26.76%，如圖13 所示。31.07%是實(shí)際B能源站低區(qū)氣象修正、未管控入口修正后的燃?xì)夤?jié)約率，如圖10所示。圖13的3組數(shù)據(jù)中，春季開學(xué)1指的是2020年春季學(xué)期正常開學(xué)，采用秋季相同的模式負(fù)荷；春季開學(xué)2 指的是2020 年春季學(xué)期正常開學(xué)的情況下，采用理想分時(shí)分區(qū)分溫模式負(fù)荷；2019—2020 年實(shí)際負(fù)荷指由于疫情原因，高校2020年春季未開學(xué)。

3.5 同類能源站能耗比較

圖11 低區(qū)逐日負(fù)荷運(yùn)行值與模擬值比較Fig.11 Comparison of daily load operation value and its simulation value in low-temperature area in Station B

實(shí)施案例（B 站）與采用傳統(tǒng)節(jié)能方法的同類能源站（D 站）比較。2 個(gè)供熱站熱力系統(tǒng)基本特征相同，同時(shí)期建設(shè)，同樣運(yùn)維人員，同屬校園綜合樓宇建筑群，其中B 站采用源網(wǎng)協(xié)同智慧供熱綜合節(jié)能技術(shù)，D站采用基于人工經(jīng)驗(yàn)調(diào)節(jié)的傳統(tǒng)節(jié)能方法。

表6 為2 個(gè)供暖季實(shí)施案例（B 站）和同類能源站（D 站）能耗比較。相比上年度，2019—2020 年度B 站電量和燃?xì)庥昧拷档头让黠@高于D 站。折合標(biāo)煤單耗B 站2019—2020 年度為7.59 kg/㎡，比節(jié)能改造前2018—2019 年度降低25.60%。D 站采用傳統(tǒng)節(jié)能方法，2019—2020年度比2018—2019年度降低10.70%。因此，相比采用傳統(tǒng)節(jié)能方法的D能源站，B 能源站采用源網(wǎng)協(xié)同綜合節(jié)能技術(shù)的節(jié)能率高14.90%。

3.6 能源節(jié)約費(fèi)用

表7 為2 個(gè)供暖季B 能源站整個(gè)供暖季能耗及費(fèi)用。相比較，項(xiàng)目改造后燃?xì)饬?、電量大幅減少，節(jié)約燃?xì)饬康馁M(fèi)用參照2019—2020 供暖季天津市居民供暖階梯價(jià)格2種單價(jià)計(jì)算（見表8），水、電、燃?xì)夤?jié)約費(fèi)用140.00萬～174.00萬元。

3.7 投資回收期

項(xiàng)目實(shí)施第1 階段第1 年度的節(jié)能改造費(fèi)用主要包括2 部分：熱力系統(tǒng)改造費(fèi)用和通信管控平臺(tái)軟、硬件費(fèi)用，總計(jì)245.00萬元。

圖12 低區(qū)逐日運(yùn)行負(fù)荷春季開學(xué)模擬Fig.12 Simulated daily loads of low-temperature area in Station B during a spring semester

圖13 B能源站低區(qū)的節(jié)能率Fig.13 Energy saving rate of low-temperature area in Station B

表6 實(shí)施案例（B站）和同類能源站（D站）能耗比較Tab.6 Comparison of energy consumption in the demonstrated station（Station B）with that in a similar energy station（Station D）

表7 B能源站整個(gè)供暖季能耗及費(fèi)用Tab.7 Energy consumption and cost of Station B in the whole heating season

表8 水、電、燃?xì)鈫蝺r(jià)Tab.8 Prices of hot water，electricity and gas

熱力系統(tǒng)改造費(fèi)用主要包括：能源站、熱力入口及部分末端管控設(shè)備采購費(fèi)用及施工費(fèi)用。其中，設(shè)備費(fèi)用165.00 萬元，施工及調(diào)試費(fèi)用60.00萬元，通信管控平臺(tái)費(fèi)用20.00萬元。

本年度供暖期間受疫情影響，春季學(xué)期供暖沿用了假期模式，能耗較低。因此，項(xiàng)目投資回收期參照同類能源站比較的節(jié)能率14.90%估算。

上年度B 能源站總能源費(fèi)用520.00 萬元，綜合節(jié)能率以14.90%計(jì)，則節(jié)約能源費(fèi)用82.68 萬元。據(jù)此，投資回收期約3年。

3.8 用戶反饋

用戶反饋該技術(shù)可以極大地改善溫度失調(diào)問題，投資少且節(jié)能效果顯著。足不出戶就可以解決供暖問題，同時(shí)節(jié)約大量的人力物力，破解了運(yùn)營人員水平低導(dǎo)致的能耗過高、供熱不平衡等問題，極大地降低了運(yùn)維的工作量和強(qiáng)度，有效改善了管網(wǎng)末端供熱溫度不足的現(xiàn)象。該實(shí)踐成果可推廣應(yīng)用于熱網(wǎng)用戶較為復(fù)雜的情況下供熱的精細(xì)化管控，最終實(shí)現(xiàn)較大幅度的節(jié)能減排。

4 結(jié)論

本文針對(duì)集中供熱系統(tǒng)普遍存在的水力不平衡和過度供熱造成能源浪費(fèi)的現(xiàn)象，基于人工智能與熱力系統(tǒng)的深度融合，提出了1 種集成管網(wǎng)分級(jí)與智能控制的源網(wǎng)協(xié)同綜合節(jié)能技術(shù)?；跓崃芫W(wǎng)自動(dòng)調(diào)節(jié)及計(jì)量的先進(jìn)技術(shù)，耦合智能控制技術(shù)及通信模塊，結(jié)合控制單元負(fù)荷預(yù)測(cè)與孿生模型仿真，實(shí)現(xiàn)“源網(wǎng)末端”一體化系統(tǒng)分層分級(jí)精細(xì)管控的智慧供熱，滿足用戶多種用熱需求，同時(shí)最大限度地實(shí)現(xiàn)節(jié)能減排。

該技術(shù)在天津某高校新校區(qū)B能源站應(yīng)用效果表明，其節(jié)能效果顯著、投資少、同時(shí)節(jié)約大量人力物力。實(shí)施案例（B 站）的綜合節(jié)能率比采用傳統(tǒng)節(jié)能方法的同類能源站（D 站）高出14.90%。適用既有系統(tǒng)的節(jié)能改造及功能提升，同樣適用于擴(kuò)建系統(tǒng)及新建系統(tǒng)。該實(shí)踐成果可推廣應(yīng)用于熱網(wǎng)用戶較為復(fù)雜的情況下供熱的精細(xì)化管控，最終實(shí)現(xiàn)較大幅度的節(jié)能減排。