冰蓄冷集中供冷系统的优化控制应用算法研究

史春燕 叶重阳 常亚翠

1.中国中冶美丽乡村与智慧城市研究院 重庆 400013;

2.中冶赛迪股份工程技术有限公司 重庆 400013;

3.中冶赛迪电气技术有限公司 重庆 400013

引言

随着能源短缺、电力污染等环境压力的加剧,以及国内出台的“峰谷电价”的利益引导,“削峰填谷、平衡电网负荷”成为集中供冷供热空调系统的研究热点。应运而生的蓄冰空调系统[1],充分利用夜间廉价的低谷电力储存冷量,在电力高峰期补充空调冷负荷需要,将部分高峰时段电力需求转移到低谷时段,节约系统运行成本。由于制冷机组在制冰工况下的效率要明显低于正常水冷工况,且蓄冰过程存在一定冷量损失,因此冰蓄冷的总体效率大约只有制冷机组直接供冷效率的60%左右[2]。在1∶2∶3的谷、平、峰三段电价下,如控制不当,可能造成冰蓄冷系统能源费用超出正常供冷费用的情况。这正是目前冰蓄冷技术推广的主要障碍。在已有的冰蓄冷控制策略研究中,论文[3]中综述了冰蓄冷工程中的6种控制方法,除“优化控制策略”外的5种控制方式都过于简单,控制效果距离最优相差较远。而文中仅给出了“优化控制策略”的思想,没有具体实现方法。论文中采用动态规划方法给出了优化控制算法,但求解过程涉及因素复杂,其精确控制结果在工程实施中难度很大(工程控制误差一般较大,很难精确控制)。论文中提出了冰蓄冷优化控制的单位冷量价格控制思想,将确定制冷机组及蓄冰槽冷量输出的控制思想转化为确定制冷机组逐时启动台数,采用机组优先控制策略,并给出了基于规则推理的优化步骤。这种结合机组优先与优化思想的控制策略在简化算法的同时方便了工程实施,但文中单位冷量价格确定太过简化,其规则的完整性和适用范围仍需探讨。论文中提出了冰蓄冷优化控制的机组优先网格控制思想,将逐时刻负荷离散成网格的值,根据规则进行网格的优先级排序,将问题转化为每个网格的负荷由机组或者融冰承担的问题。其算法求解过程简单,并避开了复杂的机组、辅助设备运行费用的计算,该方法能得到确切解,但是该论文构建的模型简单,不适合在复杂的实际工程中应用。本文在以往研究的基础上,基于复杂的实际工程应用,提出了基于机组优先的离散规划控制方法,提高机组的运行COP并实现蓄冰槽的最大利用,从而实现能源站全工况的优化控制。

1 理论模型

某CBD区域江水源热泵冰蓄冷集中供冷系统,共有基载机组10台,双工况机组8台,蓄冷槽总储冷量330785k W(94080RTh),其设备布置图及简化示意如下所示:

1.1 系统运行工况分析

根据电价政策,系统设计的夜间时段为电价低谷阶段(23:00－次7:00),其余的时段为白天时段。由系统供回水温度决定系统的运行工况如下图所示:

(1)白天时段(7:00～22:00)

由于系统在白天时段供水出口温度的要求为不高于3℃,而基载主机出口温度为4.5℃,双工况换板的出口温度也为4.5℃,因此系统在白天时段基载主机、双工况主机开启的同时必须联合融冰供冷才能达到所要求的供水出口温度。

当制冷主机联合融冰供冷时,制冷主机出口流量是Q,水比热为C,则主机供冷总量R_主机＝CQ(13℃－4.5℃),融冰最低的供冷总量R_融冰＝CQ(4.5℃－3℃),则制冷主机与融冰联合供冷时,其最大的配比为:

R_主机:R_融冰 ＝(13－4.5):(4.5－3)＝8.5:1.5,即融冰出力至少占总供冷负荷的15%才能满足供水出口温度3℃的要求。

(2)夜间时段(23:00－次7:00)

由于系统在夜间时段供水出口温度的要求为4.5℃,基载主机出口温度为4.5度,满足夜间温度要求。因此,夜间为双工况主机制冰时段,夜晚的负荷由基载主机承担。

1.2 优化控制影响因素分析

实施冰蓄冷空调系统优化控制相关的影响因素包括:空调(用冷)时段的逐时负荷、各时段电价,制冷主机的动态特性和蓄冰槽的蓄融冰动态特性。

(1)制冷主机的动态特性可以由厂家提供的负荷率与能效比COP的曲线数据获得。在该江水源项目中,制冷机运行在85%负荷率时达到机组的COP峰值。另外,根据论文[8]知,当多台同规格制冷机并行运行时,其各机组负荷率相同时,系统运行最经济。

(2)蓄冰槽的蓄融冰动态特性可以根据厂家提供的冰量与出口温度关系数据来得到。大量的工程实测表明:在蓄冷阶段的绝大部分时间内可以近似认为蓄冷率是恒定的,某一时刻蓄冰槽的释冷率可以统一表示为蓄冰槽中剩余冰量的函数。

1.3 离散规划数学模型介绍

使用机组额定出力将逐时负荷进行离散,机组最大出力以上的网格为A类网格,是必须要融冰供冷的负荷;最大出力线下的网格是B类网格,对B类网格按照一定规则进行量化排序,确定融冰的具体时刻和供冷量。下图以单台主机额定功率2000KW,10台组成的机组为例,机组最大出力为14000kw,在红线之上的网格称为A类网格,无空闲机组,必须融冰供冷;红线之下的网格称为B类网格。

其重要的假设:每个网格的供冷只能采用主机供冷或者融冰供冷其中一种进行。优化分配问题转换为将B类网格分配到主机或者融冰的优先级问题。

1.4 离散规划数学模型结合实际项目问题

根据逐时刻的预测负荷情况进行特定的离散,根据2.1节的分析,联合工况下,融冰供冷量至少为预测总负荷的15%,属于A类网格。剩余的85%预测负荷将进行网格离散处理。

当某时刻的85%预测负荷小于10台基载＋8台双工况机组总COP峰值负荷时,使用机组COP峰值负荷将该时刻负荷进行离散,记为B1类情况,否则记为B2类情况,使用机组的额定负荷对该时刻负荷进行离散。

(1)确定量化的约束条件

约束条件1:机组最大出力约束

约束条件2:有效防止制冷机低负荷运行

约束条件3:尽可能将蓄冰使用在电力高峰时段

约束条件4:尽可能保持制冷机组工作的连续性,避免频繁启停机

(2)确定检验条件

检验条件1:最大蓄冰容量检验

检验条件2:逐时最大融冰速度检验

(3)约束条件量化:

1)约束1的量化模型:

N取值为18,≤时为基载主机,s 1为基载主机的额定负荷量化值,时为双工况主机,是双工况主机的额定负荷量化值。

理论上,蒸发温度每降低1℃,制冷机组的平均耗电率增加3%。基载主机出口温度为4.5℃,效率100%,双工况制冷出口温度3.5℃,效率为97%,因此,在联合工况下,优先启动基载主机。在进行机组最大出力约束量化时,从下往上,先离散10台基载主机,再离散8台双工况。

2)约束2的量化模型:

B 1类情况下,Qe为制冷主机的85%额定负荷,B 2类情况下,Qe为制冷主机额定负荷。

3)约束3的量化模型:

遵循尖峰电价优先用冰原则,Ap值越小,优先级越高。

约束4的量化模型:

Ar[i,j]＝α∗(N－j),

表示为层数越高,值越小,优先级越高,有效防止频繁起停机。

(4)确定离散网格的优先级模型:

综合各种影响因素,得出总优先级系数表达式:

Prio[i,j]＝An[i,j]＋Ap[i,j]×Aq[i,j]＋Ar[i,j]

(5)输出检验

计算每个网格Prio[i,j]值,根据该值按小到大排序,越小的网格优先使用融冰。使用约束5总蓄冰罐容量以及逐时最大融冰速度进行检验。

2 模型求解算法描述

(1)初始化逐时预测负荷、7点时刻的现存冰量以及设备的故障状态,并进行边界检验。

(2)计算A类网格的总融冰量,逐时负荷的15%以及剩余超出机组总能力的部分。

(3)进行B类网格离散处理,根据逐时负荷的情况进行判断,如果主机承担的总负荷小于全部机组的COP峰值负荷,则使用COP峰值负荷进行离散,反之,使用主机额定负荷进行离散。

(4)计算每个网格的Prio[i,j]值,根据该值按小到大排序,越小的网格优先使用融冰。

(5)依次累加融冰供冷量,当累加第n个网格融冰总量小于总蓄冰罐容量,当累加到n＋1个网格融冰总量大于总蓄冰罐容量时,取总融冰量为前个网格融冰量W,则总需蓄冰量为W,蓄冰设备使用率为W/Q,其中,Q为蓄冰罐容量。

(6)同时加入最大融冰速率检验,如果该时刻的融冰供冷达到最大融冰速率V,则该时刻的剩余网格不再具有优先条件,排除后,再次用Prio值排序,排序后继续进行检验判断。此时,最大融冰速率可以使用蓄冰剩余冰量进行量化约束(随着剩余冰量变化),也可以设置合适的固定值。

(7)算法流程见下图:

(8)根据离散规划算法计算调度结果

当预测日负荷为能源站100%负荷时,调度结果如下所示,在7:00－13:00以及17:00－22:00,机组均以COP峰值即85%额定负荷运行,效率最优;在14:00－16:00负荷高峰时段,机组近额定负荷运行,满足供冷需求;当日的冰槽为96.62%的高利用率,实现系统最大化的“削峰填谷”,使得系统运行接近理论上的最优化状态,实现最大化的经济效益。

当预测日负荷为80%负荷时,调度结果如下图所示,在7:00－22:00的各白天时段,系统机组均运行机组COP峰值状态下,冰槽也达到96.15%的高利用率。

从调度结果可以看出,在日负荷较高的情况下,大多数时间机组是运行在COP峰值负荷率情况下,少数高峰时段运行负荷率高于COP峰值设定,接近其设备额定能力;在日负荷一般的情况下,机组均运行在COP峰值,冰槽利用率非常高,整个系统运行接近理论上的最优化状态,对系统经济运行具有较高的指导价值。

?

?

3 结论

本文针对复杂的江水源联合冰蓄冷系统实际工程应用,提出了改进的离散规划优化控制方法,能根据逐时段负荷特点进行恰当的量化,并能统一进行系统的调度,保证了机组的运行效率、蓄冰罐的利用率以及机组的运行连续性等,并且该方法能得到确切解,经验证,该方法可行并且效果良好,非常适合解决江水源联合冰蓄冷集中供冷系统的全自动优化调度问题。