靳怡 高春林 刘原

摘  要：以中国南方某展馆升级改造实例，提出某些条件下制冷机群控系统追求制冷“系统COP”值最优化，而不是追求“制冷机COP”值最大化的节能目标，提出了对于制冷系统的整体控制逻辑，此控制策略的实施有效地降低了冷却塔风机能耗和冷却水泵能耗，因此有效降低了制冷系统的总能耗。

关键词：能效比（COP）;大数据分析;人工智能;策略的特殊性

中图分类号：TN929.5   文献标识码：A    文章编号：2096-6903（2019）01-0000-00

0引言

现代建筑物制冷系统主要耗能设备包括：（1）制冷机（常见于多台应用方式，亦称冷水机组）、（2）冷冻水泵（常见于多台应用，且以其功能不同被业内称为冷冻水一次泵、冷冻水二次泵）、（3）冷却水泵（常见于多台应用）和（4）冷却塔风机（常见于多台应用）。为了管理、控制制冷系统的四个主要设备，在现代典型的楼控系统里，有业内简称为“冷机群控”（相对独立于BAS之外的）的子系统。冷机群控系统的设计和管理水平决定了系统运行成本。

使用冷机群控来降低制冷系统能耗、提高制冷系统效率对于管理整个制冷空调系统能耗非常重要。以典型的商业办公楼为例，制冷机能耗约占整个制冷系统能耗的40%，制冷系统能耗约占整个制冷空调系统能耗的40%（有时更高），而整个HVAC系统能耗占该商业办公楼建筑能耗的40%（有时更高）。实际应用中这三个（40%）百分比数值会因不同的气象条件等因素而不同。但是，当前普遍的冷机群控系统的控制策略只是关注于保证制冷机高效运行，即尽量保持较高的“制冷机COP值”。

在某些边界条件下控制策略应该更加关注并保障整个制冷系统COP值;因此本文结合一个工程项目实例，进一步提出了对于制冷系统的整体控制逻辑。

1项目背景

本文针对中国南方某城市，一个大型展览馆建筑的制冷空调系统进行了楼控系统升级改造。该项目背景如下：

（1）大型展览馆建筑物具有比较独特的特点，如展览场地有二十余米高挑空的高大空间;空调面积达万余平方米的展厅南北两侧各开启让重型货车通过的大门;展览馆的使用时间没有固定规律，每年有一百多天的展览展会，另外有一百多天的布展撤展时间，其余一百余天的运行时间里空调系统冷负荷只占总冷负荷的百分之四;不同展览的规模不同，最小规模展会的占地要求仅占建筑物空调总面积的百分之五。这个制冷系统的部分负荷变化范围较大。

（2）南方城市的气象特点是室外空气相对湿度变化范围大，对控制冷却水回水温度和控制室内空气相对湿度提出了更多限制。

（3）该制冷系统共包括11台制冷能力大小不同的离心式制冷机，总制冷能力高达21000冷吨。在原有制冷系统水管路规划时，把11台冷机设计成6个编组，通过复杂的冷机编组运行提供不同的制冷能力。

原有制冷系统包括以下设备：制冷机、一次冷冻水泵、二次冷冻水泵、冷却水泵、冷却塔风机、控制设备二次冷冻水泵变频控制柜、空调机设备制冷站、照明设备制冷站。原有制冷系统能耗（耗电量）包括能耗制冷机、能耗水泵、能耗风机、能耗控制设备以及能耗制冷站内部空调和照明设备。11台制冷机COP值介于4.8至5.3之间。整个制冷系统COP值约4.1，整个制冷系统年耗电量为约550万kWh。

为了实现整个制冷系统能耗低而效率高，本文作者提出的“制冷系统COP值”整体控制逻辑策略是：追求制冷“系统COP”值最优化，而不是追求“制冷机COP”值最大化，最终目的是降低制冷系统的能源消耗。

2原系统需要解决的问题

支持“制冷机”COP值最大化的原因是因为：保证制冷机COP最大值是基于以下三个条件之间：

（1）制冷设备运行时保证冷冻水供回水温度和温差，例如常见的空调系统的冷冻水供水温度7℃，回水温度12℃，温差5℃;

（2）制冷设备运行时保证冷却水供回水温度和温差，例如常见的冷却塔的冷却水供水温度32℃，回水温度27℃，温差5℃;

（3）制冷设备运行时保证一次冷冻水恒流量、冷却水恒流量。

这种运行策略的优点是：制冷系统在全负荷运行状态下，保持了制冷机效率较高。

这个项目（如1.1所述）的制冷系统并非永远在全负荷状态下运行，制冷机编组在50%以上的时间内处于部分负荷（75%负荷至90%负荷）的状态下运行。在此状态下冷却水恒流量运行，冷却水泵能耗和冷却塔风机能耗基本保持不变;如果在这个状态下冷却水变流量运行，冷却水泵能耗和冷却塔风机能耗将会降低，而原有的制冷机效率变化不大，即此部分负荷状态下的整个制冷系统COP值可以提高。为了解决这个问题，制定了升级改造措施。

3升级改造措施和效果

最终升级改造措施确定如下：新增冷却水泵变频控制柜、新增冷却塔风机变频控制柜、应用全新的冷机群控策略逻辑以及增加安装电能表、温度传感器和压力变送器、直接数字控制器（DDC）、数据库等。

制冷量是由DDC从每台制冷机控制接口读取数据后计算编组冷机制冷量总和，以计算制冷系统COP值。新的冷机群控策略在本文下一节详细阐述，通过计量和测量，此升级改造效果简述如下：改造后最终实现整个制冷系统COP值从4.1提高到4.8，整个制冷系统每年节约耗电量约94万千瓦时，节能率约为17%。

4控制策略和实现策略的算法

首先，冷机群控系统建立了一个关于“制冷系统COP值数据库”，其基于（冷机运行时）每15分钟记录的气象条件（室外空气温度和相对湿度）、冷却塔风机频率、冷却水供回水温度、冷却水泵频率、冷却水流量、制冷机的制冷量、冷冻水二次泵频率、冷冻水二次回路的供回水温度和温差、冷冻水一次回路的供回水溫度和温差（冷冻水一次泵是恒流量运行）等数据。这些数据共同组成了制冷系统COP值的边界条件。

其次，冷機群控系统每15分钟计算一个制冷系统COP，然后应用大数据（Big Data）技术，在数据库中自动寻找配对（Machine Learning）历史上具备相似的气象条件的某一历史最大值COP，应用机器自主学习技术（Self Learning）去比较当前多项边界条件（例如冷冻水二次泵频率、冷冻水二次回路的供回水温度和温差）的差异，利用人工智能技术（AI）修正制冷系统的某一个边界条件（例如修正冷却水供回水温度）后，冷机群控系统将自动设置一个新的边界条件（例如更新冷却塔风机频率）。

15分钟后再计算一次制冷系统COP，如果COP比COP更高，COP将成为具备相似边界条件的新COP;如果COP比COP更低，深度学习技术（Deep Learning）就储存原历史最大值COP对应的边界条件并确保以后相似气象条件下不再修改此边界条件（例如不修改冷却塔风机频率、而是修改冷却水泵频率）。

观测本项目实际运行发现：在保证制冷机冷却器安全运行前提下，此控制策略使冷却塔风机变频运行，冷却水泵变频运行，借助监测室外空气焓值，很好地控制了冷却水供回水温度和温差，有效地降低了冷却塔风机能耗和冷却水泵能耗，同时降低了制冷系统总能耗。

5实现此策略的特殊性

该策略的实施对于制冷系统来讲具有一定的特殊性，现将其特殊性简述如下：

（1）某些建筑物并不适用于此控制策略，只有那些逐时冷负荷变化较大的建筑物才能明显受益;

（2）在部分负荷下，如果制冷机（例如螺杆式制冷机）COP值变化很大，此控制策略可能不会带来大的效益;

（3）中国南方地区气象条件中湿热空气影响了冷却水供回水温度，需要调节冷却水流量来满足制冷机需求和降低能耗;

（4）该展馆内部的空调机组BAS系统也有深度的升级改造，结果使空调机组敏感地反应展馆空间冷负荷变化，体现于冷冻水二次回路的供回水温度、温差和流量的变化;

（5）新的冷机群控策略使原有的冷冻水二次泵变频控制系统真正发挥了作用，真正体现了制冷系统在部分负荷下的需求;

（6）此系列的11台制冷机其中有6台高压10kV供电制冷机，还有5台普通380V供电制冷机，并且既有单台2000冷吨制冷量冷机，也有单台1000冷吨制冷量冷机，同时受到原设计中冷机配对编组的限制，这些条件都使控制策略计算中受到了限制。

6 结语

本文针对某具体工程实例，提出了对于制冷系统的整体控制逻辑，此控制策略的实施使冷却塔风机、冷却水泵变频运行，有效地降低了冷却塔风机能耗和冷却水泵能耗，因此有效降低了制冷系统的总能耗。

收稿日期：2019-05-10

作者简介：靳怡（1968—），女，天津人，本科，高级工程师，研究方向：数据中心、生命科学以及绿色建筑的智能化解决方案。

Analysis of Energy Saving Cases of Refrigeration Control System Using Artificial Intelligence and Big Data

JIN Yi， GAO Chun-lin， LIU Yuan

（Siemens Building Technology （Tianjin） Co.， Ltd.， Tianjin 300050）

Abstract： Based on the example of upgrading and renovating a pavilion in southern China， it is proposed that the chiller group control system pursues the optimization of the “system COP” value of refrigeration under certain conditions， instead of pursuing the maximization of “refrigerator COP” value. The ultimate goal is to reduce the refrigeration system. Energy consumption.

Keywords： energy efficiency ratio （COP）; big data analysis; artificial intelligence; deep learning; machine learning