張會福

(華潤智慧能源有限公司，廣東 深圳 518001)

1 引言

中國建筑行業(yè)規(guī)模居世界第一，現(xiàn)有城鎮(zhèn)總建筑存量約650億m2[1]，這些建筑在使用過程中排放了約21億t二氧化碳，約占中國碳排放總量的20%，其中空調(diào)能耗占到民用建筑能耗的40%左右，本文對空調(diào)冷站系統(tǒng)實際運行數(shù)據(jù)進(jìn)行分析，并提出一種新的空調(diào)冷站全局優(yōu)化控制方法，并將優(yōu)化后的空調(diào)能耗數(shù)據(jù)與實測數(shù)據(jù)進(jìn)行對比分析，得到全局優(yōu)化控制方法的節(jié)能潛力。

2 運行數(shù)據(jù)與分析方法

2.1 運行數(shù)據(jù)

本項目所使用的空調(diào)冷站運行數(shù)據(jù)，來自浙江某辦公樓7月份實際運行數(shù)據(jù)，項目基本信息見表1。

表1 項目基本信息

部分逐時監(jiān)測數(shù)據(jù)見圖1。

圖1 逐時運行數(shù)據(jù)

2.2 分析方法

本文通過建立冷水機組、冷凍水泵的數(shù)學(xué)模型，然后采用模擬仿真的方法，驗證了控制方法的有效性。

3 模型建立

設(shè)備的數(shù)學(xué)模型可以分為黑箱模型、灰箱模型和白箱模型[2]。作為本文數(shù)據(jù)來源的實際空調(diào)冷站系統(tǒng)，冷卻水泵和冷卻塔風(fēng)機都是定頻，無法實現(xiàn)優(yōu)化自主調(diào)節(jié)，所以在本文優(yōu)化方案中，只需要建立冷水機組和冷凍水泵的數(shù)學(xué)模型進(jìn)行尋優(yōu)計算，以下為建模過程。

3.1 冷水機組建模

冷水機組白箱模型需要建立各元件(包括壓縮機、經(jīng)濟器、膨脹閥、冷凝器以及蒸發(fā)器等)的變工況模型，并通過反復(fù)迭代進(jìn)行求解，白箱模型主要為ASHRAE primary systems toolkit基于熱力學(xué)第一定律和傳熱方程提出的物理模型[3，4]。比較經(jīng)典的灰箱模型有，Gordon等提出Gordon-NG 模型[5]。黑箱模型主要有DOE-2、MP、BQ、SI、SMP模型[6]等。

考慮到現(xiàn)場數(shù)據(jù)采集的難度和完整度，本文冷水機組的建模主要是采用多元線性回歸模型和神經(jīng)網(wǎng)絡(luò)模型。

3.1.1 多元線性回歸模型

多元線性回歸模型屬于黑箱模型[7]，本模型中將以冷凍水進(jìn)水溫度(Tei)、冷凍水出水溫度(Teo)、冷卻水進(jìn)水溫度(Tci)、冷卻水出水溫度(Tco)、冷凍水瞬時流量(Qe)為自變量，并以機組COP為因變量進(jìn)行建模，模型表達(dá)式如下：

COP=α1Tei+α2Teo+α3Tci+α4Tco+α5Qe+α0

(1)

式(1)中，α0為常數(shù)項，α1，α2，α3，α4，α5為回歸系數(shù)。

采用最小二乘法對以上方程進(jìn)行求解，求解方程如下：

COP=0.693Tei-0.319Teo-0.273Tci+0.164Tco

-0.005Qe+4.134

(2)

此時R2=0.69，預(yù)測值與測試值表現(xiàn)見圖2。

圖2 冷水機組多元線性回歸模型預(yù)測精度

3.1.2 神經(jīng)網(wǎng)絡(luò)模型

神經(jīng)網(wǎng)絡(luò)模型也屬于黑箱模型，本模型中將以冷凍水出水溫度(Tei)、冷凍水出水溫度(Teo)、冷卻水進(jìn)水溫度(Tci)、冷卻水出水溫度(Tco)、冷凍水瞬時流量(Qe)為自變量，并以機組COP為因變量，建立反饋型神經(jīng)網(wǎng)絡(luò)。

經(jīng)計算模型R2=0.74，預(yù)測值與測試值表現(xiàn)如圖3。

圖3 冷水機組神經(jīng)網(wǎng)絡(luò)模型預(yù)測精度

通過多元線性回歸模型和神經(jīng)網(wǎng)絡(luò)模型精度對比分析可知，神經(jīng)網(wǎng)絡(luò)模型預(yù)測精度要比多元線性回歸模型預(yù)測精度要高，所以，本文選擇神經(jīng)網(wǎng)絡(luò)模型作為制冷主機的數(shù)學(xué)模型。

3.2 冷凍水泵建模

水泵耗功率主要與水泵流量和揚程相關(guān)，由于數(shù)據(jù)源沒有水泵進(jìn)出口端壓力數(shù)據(jù)，所以水泵數(shù)學(xué)模型也采用神經(jīng)網(wǎng)絡(luò)模型方法，建立水泵功率與流量的之間的反饋型神經(jīng)網(wǎng)絡(luò)。

經(jīng)計算模型R2=0.68，預(yù)測值與測試值表現(xiàn)見圖4。

圖4 水泵神經(jīng)網(wǎng)絡(luò)模型預(yù)測精度

4 聯(lián)合尋優(yōu)

空調(diào)系統(tǒng)是一個各參數(shù)之間耦合度非常高的系統(tǒng)，傳統(tǒng)的樓宇內(nèi)空調(diào)系統(tǒng)的運行還是在給定控制策略基礎(chǔ)上的固定邏輯運行。隨著信息通信技術(shù)、控制技術(shù)的發(fā)展，使得基于云端計算+邊緣計算的聯(lián)合控制成為現(xiàn)實，從而可以將更為高級的控制方法應(yīng)用到實際工程中，擺脫了現(xiàn)場控制元器件的束縛。20世紀(jì)80年代初期產(chǎn)生了一系列智能算法(也稱現(xiàn)代優(yōu)化算法)，有模擬退火算法、遺傳算法、人工神經(jīng)網(wǎng)絡(luò)、禁忌搜索算法、蟻群算法、差分算法和粒子群算法等。其中遺傳算法有簡單通用、魯棒性強、適用并行處理、應(yīng)用范圍廣等特點[8～16]，本文采用遺傳算法進(jìn)行尋優(yōu)計算。

冷水機組數(shù)學(xué)模型有5個自變量(冷凍水進(jìn)水溫度(Tei)、冷凍水出水溫度(Teo)、冷卻水進(jìn)水溫度(Tci)、冷卻水出水溫度(Tco)、冷凍水瞬時流量(Qe))，其中，冷卻水側(cè)溫度和為固定值，同時在制冷量一定的條件下，冷凍水進(jìn)出水溫度和流量之間是存在定量關(guān)系的，只要知道其中兩個未知量，第三個就能確定，同時考慮到冷凍水泵的數(shù)學(xué)模型只有1個自變量(冷凍水瞬時流量(Qe)，所以將算法尋優(yōu)的變量定為：冷凍水出水溫度(Teo)和冷凍水瞬時流量(Qe)。由于冷水機組數(shù)學(xué)模型和冷凍水泵數(shù)學(xué)模型是基于實測數(shù)據(jù)建立起來的，所以數(shù)學(xué)模型的有效應(yīng)用范圍是實測自變量的最大與最小值范圍內(nèi)。

經(jīng)遺傳算法尋優(yōu)計算得到，優(yōu)化前后的冷凍水供水溫度、冷凍水供回水溫差、冷凍水流量以及冷水機組與冷凍水泵的總功率對比見圖5～8。

圖5 冷凍水出水溫度對比

圖6 冷凍水供回水溫差對比

圖7 冷凍水流量對比

圖8 總功率對比

以上的結(jié)果表明：①優(yōu)化后的冷凍水出水溫度有所升高，少部分時間段降低；②冷凍水供回水溫差升高；③冷凍水流量變??；④綜合效果是冷水機組與冷凍水泵總功率降低13.4%。

5 結(jié)論與討論

本文通過建立冷水機組和冷凍水泵的數(shù)學(xué)模型，運用遺傳算法對冷水機組和冷凍水泵的運行參數(shù)尋優(yōu)，降低了空調(diào)冷站整體運行能耗。研究發(fā)現(xiàn)：

(1)在冷站測點數(shù)據(jù)有限的條件下，采用黑箱模型建立冷水機組的數(shù)學(xué)模型更有效，本文采用神經(jīng)網(wǎng)絡(luò)模型建立了冷水機組和冷凍水泵的數(shù)學(xué)模型，模型R2均達(dá)到68%以上。

(2)啟發(fā)式算法在進(jìn)行多參數(shù)尋優(yōu)中效果顯著，本文利用遺傳算法對冷水機組和冷凍水泵的運行參數(shù)進(jìn)行綜合尋優(yōu)，使冷水機組與冷凍水泵總功耗降低13.4%。