李曉敏

（山西大同大學建筑與測繪工程學院，山西大同 037003）

在室內(nèi)雙通道暖通空調(diào)能耗預測中，目前主要是動態(tài)溫度調(diào)節(jié)，通過比較空調(diào)房間室內(nèi)熱環(huán)境因素，結合尋優(yōu)控制算法，實現(xiàn)對空調(diào)能耗的自動化預測[1-2]。空調(diào)能耗預測方法有DBSCAN 聚類算法分析方法、關聯(lián)規(guī)則挖掘算分以及K-Means聚類預測算法等[3]，另外還有基于負荷預測的超高層建筑供水系統(tǒng)能耗綜合預測算法[4]和基于局部離群因子算法的室內(nèi)雙通道暖通空調(diào)能耗預測方法[5]。這些傳統(tǒng)統(tǒng)計分析法的環(huán)境適應性不好。

針對上述問題，提出基于組合權重分析和神經(jīng)網(wǎng)絡的室內(nèi)雙通道暖通空調(diào)能耗預測方法（以下簡稱權重神經(jīng)網(wǎng)絡法），實現(xiàn)室內(nèi)雙通道暖通空調(diào)能耗預測優(yōu)化。經(jīng)實驗測試分析，在提高預測精度方面有一定的優(yōu)越性能。

1 雙通道空調(diào)能耗分配結構參數(shù)分析

1.1 能耗分配結構模型

為了實現(xiàn)室內(nèi)雙通道暖通空調(diào)能耗預測，結合空調(diào)房間冷/熱負荷開銷調(diào)節(jié)的方法，建立空調(diào)能耗的分配結構模型。通過能量配置和負荷動態(tài)，調(diào)節(jié)送風量消除負荷，以室外溫度、照明和設備使用率等作為室內(nèi)雙通道暖通空調(diào)能耗的組合權重，建立室內(nèi)雙通道暖通空調(diào)的能耗模擬結構模型。結合動態(tài)溫度調(diào)控策略[6]，通過建立對應的空調(diào)能耗預測的總體調(diào)控模型，分析能耗閾值。在夏季工況下進行空調(diào)逐時能耗開銷分析，將能耗模式進行分組控制，建立能耗模式的判決決策樹。結合能耗分析集成設計策略，構建能耗預測模型[7]。總體實現(xiàn)技術圖如圖1。

圖1 能耗預測技術結構圖

結合室內(nèi)雙通道暖通空調(diào)能耗的負荷和熱平衡分析，建立室內(nèi)雙通道暖通空調(diào)能耗傳遞模型如圖2。

圖2 能耗傳遞模型

圖2中，空調(diào)系統(tǒng)能耗傳遞通過負荷、系統(tǒng)、設備三個模塊構成。根據(jù)室內(nèi)雙通道暖通空調(diào)分布墻體的熱通量，得到墻體內(nèi)表面的熱通量進出參數(shù)，則任意節(jié)點n的能耗為：

式中：PECS是室內(nèi)雙通道暖通空調(diào)一個單位的系統(tǒng)冷熱源的能耗；PMEMS是房間外表面熱平衡交換矩陣中一個單元的能耗；PTran和PRe分別為熱傳導傳遞函數(shù)的傳遞系和長波輻射交換通量；cn是房間外表面熱平衡通量。

根據(jù)上述對室內(nèi)空氣熱平衡參數(shù)分析，建立基于空調(diào)使用率的能耗模擬的能耗開銷數(shù)據(jù)分配模型，結合空氣對流和水分蒸發(fā)熱量分析，進行空調(diào)能耗分配結構設計[8]。

1.2 能耗開銷參數(shù)分析

采用動態(tài)溫度調(diào)控的空調(diào)系統(tǒng)能耗建模方法，根據(jù)空氣溫度、平均熱輻射溫度和裝外表面溫度作為約束自變量[9]，將人體感受到的溫度分為熱（+3)、稍暖（+2)、暖（+1)、舒適（0）、稍涼(-1)、涼(-2)、冷(-3)共七個指標，結合個體間存在差異性，得到空調(diào)能耗約束參數(shù)與人體體感對應關系如圖3。

圖3 空調(diào)能耗約束參數(shù)與人體體感對應關系

根據(jù)圖3建立基于空調(diào)使用率的能耗模擬的能耗檢測模型[10]，結合當前環(huán)境下室內(nèi)雙通道暖通空調(diào)熱通路ij上第k號能耗分布，得到動態(tài)溫度調(diào)控輸出為：

式中：dl是一條熱通路（節(jié)點i和j之間）的溫度調(diào)控范圍的最大值；dspan為空調(diào)系統(tǒng)逐時動態(tài)溫度設定值，通常設置為26℃；PILA、PPre和PPost分別為室外逐時氣溫能耗損耗、前置放大器和后置放大器的能耗[11]。

基于空調(diào)系統(tǒng)能耗仿真和動態(tài)控制，動態(tài)調(diào)節(jié)溫度參數(shù)[12]，得到空調(diào)房間熱環(huán)境中一條通路ij的能耗為：

在活躍狀態(tài)下，采用組合權重分析和動態(tài)神經(jīng)網(wǎng)絡預測的方法，構建空調(diào)能耗預測模型。根據(jù)能耗開銷參數(shù)分析結果，采用溫度預測模型優(yōu)化設計的方法，得到空調(diào)能耗預測的權重和偏置項[13]。

2 空調(diào)能耗預測優(yōu)化

2.1 能耗參數(shù)檢測和估計

通過對室內(nèi)熱環(huán)境的逐時段動態(tài)調(diào)節(jié)，建立室內(nèi)雙通道暖通空調(diào)能耗的動態(tài)檢測模型。在II 型溫度調(diào)配下，通過人體的熱舒適性分析[14]，得到空調(diào)房間熱環(huán)境可滿足人體的熱舒適性要求約束下的獨立同分布控制目標函數(shù)為：

采用統(tǒng)計決策分析方法，引入墻體內(nèi)熱平衡、房間內(nèi)表面熱平衡、房間外表面熱平衡特征量，得到墻體內(nèi)熱平衡動態(tài)壓力分布為：

在間隙流的作用下，得到空調(diào)能耗預測的負荷為：

式中：lr為零能耗控制閾值；EDF為空調(diào)系統(tǒng)能耗的演化變量。

采用神經(jīng)網(wǎng)絡預測，得到空氣環(huán)路、冷熱水環(huán)路和冷卻水環(huán)路的能耗開銷之和為：

式中：ER為空氣環(huán)路能耗；ET為冷熱水環(huán)路能耗；EF為冷卻水環(huán)路能耗；ERx(l)為輻射散熱；EDF為可見光占比；E Tx為照明功率。

由超高層建筑供水系統(tǒng)能耗的多相等效飽和特征分布，根據(jù)上述分析，建立基于空調(diào)使用率的能耗模擬的能耗開銷數(shù)據(jù)分配模型，采用數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡動態(tài)擬合的方法，實現(xiàn)室內(nèi)雙通道暖通空調(diào)能耗參數(shù)檢測和估計。

2.2 能耗預測模擬

基于空氣流動和材料的阻熱特性分析，得到房間熱容的能量平衡態(tài)滿足，建立房間熱容的能量平衡方程?；趤喐褡討埩糠治?，得到能量平衡特征量用{v1,v2,…,vv}表示。供熱系統(tǒng)輸出到室內(nèi)的能量信息為：

式中：E為室內(nèi)空氣熱流量；K(as)為冷風滲透熱流量；as為供熱系統(tǒng)的熱流量。

根據(jù)供熱系統(tǒng)的熱流量的輸出特性，得到熱能耗流體密度為：

式中：E為設計冷風滲透量；η為氣對流和水分蒸發(fā)導致的熱比系數(shù)；ω為對流熱流狀態(tài)分布系數(shù)；b為長波輻射熱通量。

建立流體動力粘度預測模型，得到空調(diào)能耗模式、能耗異常數(shù)據(jù)、能耗預測模型參數(shù)，進而建立空調(diào)排放因子、耗電因子預測模型，實現(xiàn)對空調(diào)能耗的動態(tài)預測和評估。能耗預測的實現(xiàn)流程如圖4。

圖4 能耗預測的實現(xiàn)流程

3 實驗測試

實驗中，室內(nèi)雙通道暖通空調(diào)系統(tǒng)設置：功率0.47 kW 冷卻塔1 臺，連續(xù)測試時間為運行時間08:00-20:00，暖通輸出節(jié)點100，風機效率0.7，冷卻水泵效率0.9，空調(diào)熱傳導、空氣熱平衡載荷以及對流熱通量等熱力學參數(shù)擬合見表1。

表1 室內(nèi)雙通道暖通空調(diào)的熱力學參數(shù)擬合值

根據(jù)表1 對室內(nèi)雙通道暖通空調(diào)的參數(shù)擬合和設定結果，進行空調(diào)能耗預測，得到權重神經(jīng)網(wǎng)絡算法和傳統(tǒng)PID（比例積分微分法）預測算法的預測結果如圖5。

分析上述仿真結果得知，權重神經(jīng)網(wǎng)絡法進行室內(nèi)雙通道暖通空調(diào)系統(tǒng)預測的精度較高（比傳統(tǒng)方法提高了23.6%）。測試收斂值如圖6，表明權重神經(jīng)網(wǎng)絡法能在較短時間內(nèi)收斂到最低能耗，提高了室內(nèi)雙通道暖通空調(diào)系統(tǒng)的能力。

圖6 預測收斂擬合曲線

采用3種不同方法，測試能耗預測誤差，對比結果見表2。可見，權重神經(jīng)網(wǎng)絡法進行能耗預測建模誤差較小。

表2 能耗預測誤差對比

4 結語

構建室內(nèi)雙通道暖通空調(diào)能耗預測模型，對溫度參數(shù)和耗能因素調(diào)節(jié)，根據(jù)人體的熱舒適性需求，結合空調(diào)自動控制系統(tǒng)，降低熱波動，提出基于組合權重分析和神經(jīng)網(wǎng)絡的室內(nèi)雙通道暖通空調(diào)能耗預測方法，建立室內(nèi)雙通道暖通空調(diào)的能耗模擬結構模型，分析能耗閾值；結合空氣對流和水分蒸發(fā)熱量分析，進行空調(diào)能耗分配結構設計；采用神經(jīng)網(wǎng)絡預測算法，實現(xiàn)能耗開銷預測。研究表明，權重神經(jīng)網(wǎng)絡法的預測精度較高，誤差較小。