陳文成，陳楚夫

（1.湖南省工業(yè)設(shè)備安裝有限公司，湖南 長沙 410000；2.重慶大學(xué)能源與動力工程學(xué)院，重慶 400044）

在大型建筑中，空調(diào)系統(tǒng)的能耗占整體設(shè)施能耗約10%～20%[1]。冷水機組作為空調(diào)系統(tǒng)的組成部分，消耗了商業(yè)建筑總用電量的25%～40%[2]。為減少空調(diào)系統(tǒng)的能耗并實現(xiàn)建筑節(jié)能的目標(biāo)，優(yōu)化多臺冷水機組的負荷分配成為了一個有研究價值的問題。

近年來，眾多國內(nèi)外學(xué)者研究了多冷水機組的負荷優(yōu)化分配。Chang[3]等使用模擬退火的優(yōu)化算法解決機組負荷分配問題，并消除了拉格朗日方法在此問題上的部分局限。張旭豪[4]采用遺傳算法對南方某航站樓的冷水機組系統(tǒng)進行負荷分配的優(yōu)化，結(jié)果表明提出的優(yōu)化策略相較于常規(guī)的順序啟停策略可以節(jié)約5.7%的能耗。Zheng 等[5]提出了一種改進的侵入式雜草優(yōu)化算法優(yōu)化冷水機組負荷分配，該算法進一步避免優(yōu)化算法陷入局部最優(yōu)解。

本文以某一實際建筑內(nèi)的多冷水機組系統(tǒng)為研究對象，建立機組的能效比與部分負荷率的數(shù)學(xué)模型，并使用遺傳算法對該系統(tǒng)進行負荷分配的優(yōu)化，再將優(yōu)化控制策略與現(xiàn)有的控制策略進行對比分析。

1 研究對象

本文選取中部地區(qū)某城市大型公共場所的多冷水機組作為研究對象，其系統(tǒng)的結(jié)構(gòu)示意圖如圖1 所示。

圖1 多冷水機組系統(tǒng)示意圖

該多冷水機組系統(tǒng)共由4 臺機組組成。其中，機組1和機組2 為型號相同的大型冷水機組，它們的額定制冷量為11 000 kW。機組3 和機組4 為型號相同的小型冷水機組，它們的額定制冷量為8 500 kW。

本文的研究數(shù)據(jù)由多冷水機組系統(tǒng)采集得到，采集時間為2018 年7 月1 日至2018 年9 月1 日，采集時間間隔為30 分鐘，共采集得到2 976 條數(shù)據(jù)。采集的參數(shù)有各冷水機組的功率、冷凍水供回水溫度、冷凍水流量和冷卻水供回水溫度等。

2 冷機負荷分配策略

2.1 冷機能效比與部分負荷率模型

當(dāng)多臺冷水機組并聯(lián)運行時，每一臺機組基本都處于非滿負荷運行狀態(tài)，此處將機組運行時的負荷與其額定制冷量的比值定義為該機組的部分負荷率PLRCL，如式（1）所示。相關(guān)研究表明，冷水機組的部分負荷率和它的能耗以及能效比（COP）并非簡單的正相關(guān)關(guān)系[6]。因此，提出相應(yīng)的優(yōu)化控制策略來優(yōu)化各機組的負荷分配情況，將有效減少機組運行中的能耗。

式中，PLRCL-i為第i 臺機組的部分負荷率；CLpractical-i為第i 臺機組的實際運行負荷，kW；CLrated-i為第i 臺機組的額定負荷，kW。

已有研究表明，冷水機組的能效比與部分負荷率之間存在多項式的關(guān)系[7]，如式（2）所示。

式中，COPi為第i 臺機組的能效比；ai、bi、ci為第i 臺機組擬合方程的系數(shù)。

以本文的研究對象為例，建立大、小兩種機組的能效比與部分負荷率模型。機組1、2 和機組3、4 的擬合圖像分別如圖2 和圖3 所示，且它們的模型擬合方程系數(shù)見表1。

表1 冷水機組的能效比與部分負荷率擬合方程系數(shù)

圖2 機組1、2 的能效比與部分負荷率擬合模型

圖3 機組3、4 的能效比與部分負荷率擬合模型

2.2 冷機能耗優(yōu)化模型及遺傳算法設(shè)置

優(yōu)化冷水機組負荷分配的目的是減少機組運行時的能耗。因此，在某工況下，使得4 臺機組的總能耗最低的分配策略則是所需的優(yōu)化策略。該優(yōu)化問題目標(biāo)函數(shù)為：

式中，CLrequired為研究對象所在的公共場所所需冷量，kW。

式（4）使得各機組分配負荷的總和滿足建筑內(nèi)所需求的負荷量，又由于機組在較低或過高的部分負荷率下運行會減少使用壽命，故參考相關(guān)文獻并對其進行一個最低部分負荷率的約束[8]。

遺傳算法（GA）是一種模擬達爾文提出的生物進化論的計算模型，它將優(yōu)化問題的求解過程變換為生物進化中的雜交、變異等過程。使用該算法時需確定編碼方式、適應(yīng)度函數(shù)和遺傳操作。文本采用常規(guī)的二進制編碼方式，適應(yīng)度函數(shù)即為優(yōu)化模型中的目標(biāo)函數(shù)。遺傳操作包含較多的參數(shù)，其中初始種群規(guī)模取20，交叉概率取0.8，變異概率取0.07，最大迭代次數(shù)取200。

3 仿真結(jié)果及分析

3.1 冷機實際運行工況

以2018 年7 月31 日上午9:30 至晚上21:00 的運行情況為例，通過對比實際運行所需負荷的機組運行總能耗與遺傳算法優(yōu)化的控制策略所需的機組運行總能耗，分析說明本文提出的負荷分配優(yōu)化算法的有效性。研究時間段內(nèi)的公共場所實際所需負荷如圖4 所示。

圖4 公共場所實際所需冷負荷

3.2 基于遺傳算法的優(yōu)化控制策略及與現(xiàn)有策略的對比分析

該冷水機組系統(tǒng)使用原有的控制策略運行于2018 年7 月31 日的工況，各機組的負荷分配情況如圖5 所示。

圖5 原有控制策略下各臺機組負荷分配情況

在同一運行時刻和工況下，使用遺傳算法計算優(yōu)化后得出的優(yōu)化控制策略的各臺機組負荷分配情況如圖6所示。

由圖5 和圖6 可知，優(yōu)化后各時刻機組的開啟組合方式以及負荷分配情況在優(yōu)化前后發(fā)生了較為明顯變化。在9:30-12:00 的運行時間段內(nèi)，原有控制策略開啟2大1 小共3 臺機組，而優(yōu)化策略僅開啟2 臺大機組。在15:00-19:30 的運行時間段內(nèi)，原有控制策略開啟2 小1大共3 臺機組，而優(yōu)化策略開啟2 大1 小共3 臺機組，且優(yōu)化策略在負荷分配時，優(yōu)先將更大比例的負荷分配至大機組。

圖6 優(yōu)化控制策略后各臺機組負荷分配情況

同時，將運行時間段內(nèi)機組的總能耗對比，得到圖7。

由圖7 可知，在每一個運行時刻下，遺傳算法得到的優(yōu)化控制策略的機組總能耗都低于原有的控制策略所需的機組總能耗。通過計算可得，在2018 年7 月31 日9:30 至21:00 的運行時段內(nèi)，原有控制策略的機組總能耗為87 340.54 kW，優(yōu)化控制策略的機組總能耗為75 204.91 kW，機組總能耗節(jié)約百分比約為13.9%。

圖7 機組總能耗優(yōu)化前后對比

4 結(jié)論

本文以中部地區(qū)某公共建筑的多冷水機組系統(tǒng)為研究對象。采集該機組系統(tǒng)的相關(guān)運行數(shù)據(jù)，并使用冷水機組的能效比與部分負荷率的數(shù)學(xué)模型對該機組進行擬合，擬合情況較好。使用遺傳算法對該機組模型進行優(yōu)化計算得到優(yōu)化的控制策略，并將優(yōu)化控制策略與原有的控制策略相比較，在相同運行時間段和工況內(nèi)，優(yōu)化策略總耗能減少12 135.63kW，節(jié)能百分比為14.3%。由此可見，遺傳算法在多冷水機組負荷分配方面有良好的應(yīng)用，且在機組節(jié)能的實際應(yīng)用方面可以較好地推廣。