空调运行负荷预测方法的研究综述

王钟敏

【摘要】：空调运行负荷预测是空调系统优化控制的关键技术。为了充分了解该领域内已有的研究成果，开展更深入的探索和应用研究，本文对空调负荷预测国内外研究现状进行分析总结。简述运行阶段空调负荷预测的概念和意义，将其与设计阶段负荷预测进行比较，阐明空调运行负荷预测的特点。对比分析预测理论的黑箱方法和白箱方法，指出空调运行负荷预测的适用方法和关键问题。综述目前空调运行负荷预测模型的建模方法和影响因素，比较各种建模方法的优缺点，探討了影响因素的选取和作用。指出现有研究的不足之处，提出有效利用建模的新技术、重视负荷的内在因素分析、加强模型的自适应研究是未来空调运行负荷预测的发展方向。

【关键词】：空调系统；负荷预测；运行阶段；空调运行负荷；预测方法

引言

空调运行负荷预测是指在建筑运行阶段，对未来时刻空调系统运行所需要的冷热量进行短期预测。其目的是为空调系统优化控制服务，以预测的负荷分布为基础，确定最优的运行工况或设定点，制定最佳的空调运行策略，保证空调房间的舒适性和空调系统运行的节能性。

1、运行阶段与设计阶段负荷预测的区别

1.1预测目的不同

设计阶段的空调负荷预测是为了合理选择空调系统方案。是否能准确预测建筑空调负荷，对空调系统的设备容量选择、管路尺寸和系统投资都有很大的影响，同时关系到建筑物实际运行能耗和舒适性水平。运行阶段的负荷预测是为了优化空调系统的控制策略。目前，大部分负荷预测是为了优化控制冰蓄冷系统，但是也有负荷预测是为了优化控制冷水机组、变风量空调系统。预测未来时刻空调系统的负荷，目的是根据负荷分布确定最优的运行工况、设定点，制定合理的空调运行策略，以室内舒适度为前提条件，保证空调系统的经济运行。

1.2预测对象不同

在设计阶段，空调负荷预测是对传统理论的空调负荷进行预测，即“设计负荷”。通常预测所取的室外气象条件为典型气象年，空调系统为了维持空调房间的温湿度，需要从空调房间带走的冷热量。在运行阶段，空调负荷预测与理论计算负荷不同，而是系统提供给用户末端的供冷量，这里我们称为“空调运行负荷”。比如为了优化冰蓄冷系统运行时，预测对象是“制冷系统运行负荷”，即制冷系统提供给空调水系统的冷热量；而用于优化变风量系统运行时，预测对象应为“空调机组运行负荷”，即空调机组提供给空调风系统的冷热量。空调运行负荷与理论的空调房间负荷一般不同，由于管网的滞后性和设备的控制调节影响，两者在时间和量上具有不匹配性。

1.3影响因素不同

在设计阶段，可以获得具体的建筑设计参数，负荷预测的影响因素能够考虑得非常详细，包括影响空调房间负荷的所有参数，如建筑物理参数、室外气象环境、室内环境参数以及建筑使用参数等。在运行阶段，由于空调运行负荷比空调房间负荷更为复杂，除了考虑空调房间负荷的影响因素之外，还应考虑到空调系统的热容量、时间延迟、运行调节以及建筑的实际使用等影响因素。

2、空调运行负荷预测研究的关键问题

2.1建模工作量大

对于每个建筑，应用能耗模拟软件建模要花费大量时间，输入大量参数，建模工作繁琐。并且，软件专业性太强，很难被运行管理人员所掌握，输入参数的细微差别也可能会导致负荷预测结果有很大差异。

2.2影响参数获取困难

建筑仿真建模需要输入大量参数，但在实际运行中很难获取所有影响因素。譬如，利用EnergyPlus预测能耗，气象参数需要20余种，在实际中很难实时测量这些数据。此外，在建筑的运行阶段，很多项目的设计图纸、技术资料存在丢失现象，由于设计参数不全，建立准确的仿真模型是非常困难的。

2.3预测与实际很难吻合。在仿真建模中，设计

者根据自身对问题的理解，进行了不同程度的假设和简化，会产生一定误差。例如，在模拟建筑曲面的时候，通常会“以直代曲”。此外预测数据为空调房间负荷，而不是空调运行负荷，没有考虑管网水蓄热造成的滞后、控制调节产生的延迟等问题，从而造成模拟结果与实际很难相符，很难达到运行调节要求。

3、空调运行负荷预测模型的建模方法

3.1时间序列法

空调负荷可以按一定时间间隔进行测量和记录，形成一个有序的时间序列集合。时间序列方法就是利用负荷时间序列建立数据模型，来预测建筑未来时刻的空调负荷，属于趋势预测法。传统的时间序列分析方法主要是基于线性模型的研究，将时间序列看成一个随机过程，对其进行概率数理统计，其理论与方法已基本趋于完善和成熟，可以分为平稳时间序列分析和非平稳时间序列分析两大类。平稳时间序列分析包括自回归模型（AR模型）、滑动平均模型（MA模型）、自回归滑动平均模型（ARMA模型）；非平稳时间序列分析包括差分自回归滑动平均模型（ARIMA模型）、季节模型（Season模型）等。

3.2人工神经网络

人工神经网络是模仿人脑神经网络进行学习和处理问题的智能信息处理理论，它由大量具有处理功能的神经元和连接神经元的权值构成非线性系统，可以实现与人脑相似的学习、记忆、识别等信息处理功能，能够解决复杂的、不确定性的、非线性的问题。

3.3组合预测法

由于传统预测方法和人工智能预测方法都有不足之处，为了尽可能地提高预测精度，国内外许多学者开始探究组合预测法，即采用2种以上不同方法建立负荷预测模型。

结语

建筑运行阶段空调负荷预测是空调系统优化控制的基础，是随着空调系统复杂化和节能减排的需求发展起来的，对实现空调系统节能运行有重要意义。运行阶段空调负荷预测与设计阶段负荷预测显著不同，预测对象并非是理论上的空调房间负荷，而是满足空调系统运行所提供的实际冷热量，因此影响因素更为复杂，预测精度要求更高。

【参考文献】

[1]张伟捷，王景刚，张杰.冰蓄冷空调系统预测控制理论研究[J].电工技术学报，2004，19（3）：88-93.

[2]何大四，张旭.改进的季节性指数平滑法预测空调负荷分析[J].同济大学学报，2005，33（12）：1673-1676.

[3]陈柳.小波时间序列在空调负荷预测中的应用[J].流体机械，2008，36（2）：83-86.