林凯威 陈振乾

东南大学能源与环境学院

0 引言

随着我国城市化进程的提高，人们对生活环境的要求越来越高，中央空调在人们的生活中随处可见，而中央空调系统运行带来的能源浪费问题也随之而来。比如：其在调节空气参数的过程流量、温度的不匹配，会造成大量的能源浪费。因此现代化建筑中央空调系统不仅需对环境中空气参数进行严格地控制，还需要尽可能地减少能源浪费的现象。现在自动化控制系统广泛应用于中央空调的控制上，不仅可以减少人工成本使中央空调自动化，还能实现中央空调系统的节能运行[1]。大部分情况下中央空调系统都是按照最大负荷进行设计的，这导致了其大部分时间都运行在部分负荷工作状态下，因此空调节能运行至关重要[2]。中央空调系统是一个典型的混杂系统，系统中包含连续变量，传统控制方法通过测量建筑物内部热工参数（例如供回水温差）来调整中央空调系统的运行状态。由于影响建筑能耗的因素经由外界传递到空调系统中存在着时间滞后，往往得不到良好的控制效果[3]。近期预测算法被越来越多地应用于中央空调系统控制，但预测算法的计算往往需要大量的运行数据，在建筑中央空调系统运行之初便也无法使用这种算法。因此，可以建立合适的建筑中央空调能耗系统模型可以帮助中央空调系统更准确地计算出实时负荷，从而更节能地运行。

本文结合SketchUp、OpenStudio、Energy Plus 等软件，对建筑中央空调系统能耗模型进行建立，并对建筑物内的参数进行分析，并研究能耗变化的因素，并就建筑冷热负荷预测展开研究，利用预测控制在PLC中建立冷冻水变流量控制系统，并对控制效果进行了对比研究。

1 能耗模型建立

1.1 工程概况

本研究采用的模型为淮安市某医院建筑，总建筑面积77116.25 m2，地上十三层，地下两层，建筑高度为50 m，地下为设备机房、地下车库、服务用房等设施，地上部分主要功能为：大厅，门诊部及病房等。本研究所选用的建筑位于夏热冬冷地区，属于甲类公共建筑并按照65%的建筑节能设计标注进行设计。

1.2 软件介绍

目前Energy Plus 有多种第三方建模平台，包括OpenStudio、DesignBuilder、Simergy 等软件，本文将采用OpenStudio 进行软件建模。

OpenStudio 是美国可再生能源实验室（National Renewable Energy Laboratory，NREL）领导多家单位参与开发的继承EnergyPlus 进行能耗模拟，使用Radiance 进行采光模拟，具有多平台版本的建筑能耗模拟软件[4]。OpenStudio 包括一个分析框架和运行管理器，可以自动修改建筑能源模型，并在EnergyPlus中模拟它们，在单个数据库中收集结果[5]。OpenStudio相比其他能耗模拟软件，具有以下几个特点：使用SketchUp 建模，建模效率高。使用模板，加快模拟数据的输入速度。使用云端在线数据库，可进行在线云计算。可应用Measure 对模型进行修正。参数化分析。模拟结果有详尽的报告，并拥有优秀的可视化界面。

1.3 模型的建立

能耗模拟的3D 模型应当尽量保持与原建筑一致，本文在充分的实地调研、对比竣工图纸之后，利用SketchUp 软件内的Open Studio 插件建立目标建筑的3D 模型，根据使用功能划分不同热工区域，将相同热工参数的区域进行合并从而简化模型，减少参数的同时也可加快模拟速度，建筑具体物理模型如图1 所示：

图1 建筑物理信息模型

1.3 建筑信息的录入

建立3D 模型之后，需要将目标文件导入OpenStudio 主程序之中，对建筑能耗模型进行信息补入，主要包括以下步骤：设定建筑所处区域的气候条件。设定建筑围护结构参数。设定不同时间下中央空调系统运行特性。设定空间内各种室内负荷的密度特性。对模型内的房间进行类型划分。设定中央空调系统的循环特性[6]。

2 模拟结果分析

在OpenStudio 补充完参数后，将IDF 文件导入到Energy Plus 中运行模拟。由于数据库缺乏淮安市气象数据，且南京气候与淮安接近，因此气象数据依据Energy Plus 自带的南京典型气象年逐时气象数据（CHN_Jiangsu.Nanjing.582380_CSWD）作为模型的气象参数数据输入，模拟时期分为三类：第一模拟期为典型设计日1，时间为1 月21 日0:00 至24:00。第二模拟器为典型设计日2，时间为7 月21 日0:00 至24:00。第三模拟期为全年模拟，时间月1 月1 日0:00 至12 月31 日24:00。

2.1 设备能耗分析

本文对建筑物的全年能耗进行了模拟，表1 及图2 展示了建筑物全年的冷热负荷及输配系统（水泵）的耗能情况，可以看到制冷系统耗电量最高，占机房总耗电量的46.32%，制热系统占机房总能耗的34.54%，而输配系统占据机房总耗电量的19.13%。因此，若想减少机房的能耗，首先应当尽量在制冷剂减少空调用电。而输配系统仅是将管网内的冷媒送至目标处，就占据了机房总能耗的19%。若能对水泵进行节能控制，也可以使机房能耗得到进一步下降。

表1 机房设备耗能情况

图2 机房设备能耗分析逐月对比

2.3 中央空调冷热负荷预测算法

中央空调系统总能耗受诸多方面影响，许多因素都难以通过仪表来进行测量，具体其外部环境影响因素包括：室外温度、湿度等。因此本文以Energy Plus 中全年模拟的中央空调系统总能耗及逐时的环境参数为依据，假设自变量与因变量之间呈线性关系，不仅仅可以简化计算，而且也易于在建筑自动化中实现[7]，以建筑冷、热负荷为自变量，环境干球温度、环境绝对湿度作为自变量，设其满足以下关系式：

式中：Yc为中央空调系统冷负荷，J；Yh为中央空调系统热负荷，J；Tout为室外干球温度，℃；Dout为室外绝对湿度，g/kg；α1～α6为拟合系数。

再考虑其它对中央空调系统总能耗产生影响的因素。虽然其无法直接通过仪表测量，但其产生的结果却可以进行记录，因此考虑将上一时刻的建筑能耗引入，因其可以间接反映当前时刻的所有影响参数，也就可以用于预测该时刻的中央空调系统总能耗。因此可以将式（1）和式（2）改写为：

利用Matlab 中的多元函数线性拟合工具nlinfit对分别对式（1）-（4）进行拟合，可以得出其上拟合参数的结果如表4 所示，如果拟合系数为正，那么说明其与中央空调系统总能耗呈正相关，反之为负相关。可以看出在制冷工况下，无论哪种拟合方式，中央空调系统总能耗与室外干球温度及绝对湿度都成正相关关系。而在制热工况下，中央空调系统总能耗与室外干球温度呈负相关关系，与绝对湿度呈正相关关系，这与人们的认知保持一致。根据拟合可以将其与全年逐时的空气干球温度、绝对湿度进行计算，用于与原负荷进行对比来评估其预测效果，可以绘制模拟负荷和预测负荷的逐时对比图（图3）。

表2 拟合系数计算那结果

图3 全年逐时拟合对比

从图3 中可以看出如果将前一时刻的建筑总负荷考虑进来，那么就可以使模拟能耗与拟合能耗进一步地接近，为了方便认识两种预算方法的差距，计算了这四次对比结果的相关系数，结果如表3 所示。可以清楚认识到，如果只考虑将室外空气干球温度及绝对湿度用于作为预测建筑能耗的工具，那么会产生一定的误差。前一时刻中央空调系统总能耗的引入，可以在很大程度上提高中央空调系统总能耗预测的精确程度，尤其在冬季，可以使预测的效果大大提升。考虑到，如果只使用两种参数由于预测中央空调系统总能耗，仪器自身存在着故障和测量误差的风险，采用多个参数同时对中央空调系统总能耗进行预测，也可以使预测结果的可靠度更高。

表3 相关系数计算结果

3 基于负荷预测的模糊PID 控制

水泵所占能耗比例高达19.13%，这是由于水泵在运行过程中往往无法在最佳效率点进行运行，因此本文以冷冻水变流量自动控制系统为例，讲解基于负荷预测的模糊PID 控制在西门子S7-300 型号的PLC 中的实现。

常规来说PLC 是通过测量冷冻水供回水温差，并与冷冻水流量相乘得出当前时刻的空调冷负荷，但需要注意到的是，此时的冷负荷并不是建筑物的实时负荷，而是延迟一定时间后系统的总负荷。因此，如若能够测得这以延迟的时间，就可以通过PLC 或上位机储存并调用往前任一时刻系统的总负荷。

实现预测控制，应首先考虑如何采集所需要的数据，通过模拟量输入通道配合温湿度传感器，容易实现对室外温湿度的实时采集。本文通过拓展模块IM153-4PN 里的模拟量输入点位PIW256 及PIW258采集室外环境温湿度数据，并将其转换为相应的工程值。而上一周期的负荷，通过读取系统储存数据得出。

根据式（3）～（4），设立5 个新变量β1～β4以及预测负荷值Q 分别对应Beta1～4 及Q_Simu，并赋予对应点的值。利用PLC 内的ADD 和MUL 工具，即可根据式（3）～（4）算出最近一个小时内建筑物的总制冷量，从而拟合出当前时刻建筑物冷负荷。

实现将预测负荷运用至自动化控制系统中，同样需要运用温差对冷冻水系统进行自动化控制。普通自动控制方法之所以控制效果不佳，主要是因为当前建筑负荷与实测负荷不等而导致的。如图4 所示，可以通过预测负荷与实测负荷的差值eq 及其变化率ecq 当作模糊控制器2 的输入量，按照与模糊控制器1 相同的模糊规则进行模糊推理，得到PID 控制器的另外三个调节量：ΔKp,2,ΔKi,2及ΔKd,2，因此修正后PID 的三个控制参数可以修正为：

ΔKp,1、ΔKi,1、ΔKd,1为依据以温差为基础的模糊PID控制器1 的三个输出值，ΔKp,2、ΔKi,2、ΔKd,2为以负荷差值为基础的模糊控制器2 的三个输出值。通过温差以及负荷差值对PID 控制器进行参数的实时修正，即可使控制效果得到更大的优化效果。如图4 所示：

图4 基于负荷预测的模糊PID 控制原理

4 测试结果及分析

4.1 调节效果对比

无论是改变设备或是控制方法，其最终的目的都是为了降低运行费用同时提高人体在使用空调时的舒适性，舒适性的评价标准可以通过供回水温差在调节过程中供回水温差的变化情况进行判断。利用现有模糊PID 算法及预测算法与此前采用的普通PID 控制方法进行对比，在过渡季节（4 月10 日、4 月11 日、4月12 日）的开机时间段分别对供回水温差进行测量，每30 s 采集一次数据，实验结果如图5 所示。可以看到，使用常规PID 控制对冷冻水流量进行控制，不仅会产生超调，而且会产生一定的震荡，控制效果不佳。使用模糊算法及预测算法对其进行改进后，不仅使超调量得到巨大的改善，而且控制精度也比普通PID 控制要高。

图5 温差控制效果对比

4.2 能效果对比

改造控制方法，在保证了人体舒适性的前提下，应当尽量保证其运行费用的节能效果，通过计量在同一季节，不同年份下空调水泵的能耗情况来对节能控制方法进行评价。图6 是分别采用PID 控制及模糊PID 控制对水泵能耗进行计算的结果，经过计算可知，利用模糊PID 可将水泵能耗降低7.3%，具有一定节能效果。而加入预测算法之后，节能效果可以达到9.6%，因此加入预测算法有利于减少冷冻水系统能耗。

图6 节能效果对比

5 结论

本文主建立淮安市某医院公共建筑的能耗模型。得到了建筑物全年能耗的数据，并分析了制冷系统，制热系统及输配系统的耗能情况并进行了分析。此外，本文还就影响建筑总能耗的影响因素展开了讨论，研究了各项参数对建筑总能耗的影响程度。最后，本文研究了建筑负荷预测算法，利用模拟得出的逐时数据进行了公式的拟合，并对比了两种预算算法的精确程度。最后本文讨论了如何利用负荷预测算法对中央空调冷冻水变流量系统进行优化。得出了以下结论：

1）大型中央空调系统中的制冷所需能耗最高，达到机房能耗的46.32%。而水泵虽然不参与制冷制热，但其能耗依旧较高，机房总能耗的21%，若能将水泵能耗进一步降低就可以明显减少中央空调系统的总能耗。

2）中央空调系统总能耗可以通过测量室外空气干球温度，绝对湿度及前一时刻总能耗来共同预测。经过分析可知其预测精度高，无论是预测负荷和模拟负荷的相关系数都能达到0.99 以上，相比于只采用室外空气干球温度和绝对湿度来进行负荷预测的方法要来得更为可靠。

3）通过PLC 建立了中央空调冷冻水变流量自动控制系统，利用负荷预测与模糊PID 控制方法共同对流量进行控制，结果表明使用预测算法不仅可以减少系统控制时间，增强系统控制精度，而且比普通PID控制方法节能9.6%。