APP下载

冰蓄冷空调系统高效调控运行案例研究

2021-07-28王廷伟刘建波夏小平

建筑热能通风空调 2021年6期
关键词:平段冰蓄冷量

王廷伟 刘建波 夏小平

南方电网综合能源股份有限公司

冰蓄冷系统运行调控较为复杂,许多学者注重传热过程、蓄放控制及系统设计经济性,并做了大量理论性研究与探讨[1],仍存在与实际联系不紧密等不足之处。本文依据项目实际运行数据,长期跟踪分析运行模式是否处于高效区间,给出增加费用节约空间;同时,提出系统高效运行评价指标,并初步建立冰槽蓄放过程评价指标体系,更好服务于冰蓄冷项目高效运营。

1 项目基本情况

本项目为科研办公楼宇,中央空调采用冰蓄冷系统,利用夜间电网低谷电价运行双工况冷水机组制冷,以冰的形式储存于蓄冰槽,在白天用电高峰时将冰融化提供建筑空调用冷,提高供电一次能源利用效率,降低空调运行费用和提高空调品质,系统采用国内主流、主机效率高、控制简单可靠的主机上游+冰槽下游的串联系统(图1)。

图1 项目冰蓄冷系统系统图

空调系统选用4 台900RT 双工况冷水机组,2 台300RT 基载冷水机组,设计尖峰负荷6300RT,总蓄冰量约20600RT,提供13~15 万m2建筑面积建筑用冷。

2 影响高效调控运行的关键因素

项目实际运行数据取自2019 年5-10 月,当地峰谷电价时段:谷段,0:00-8:00;平段,8:00-14:00、17:00-19:00、22:00-24:00;峰段,14:00-17:00、19:00-22:00。

针对冰蓄冷系统运行特点,提出冰槽利用率(α)、残冷率(β)以及峰平段放冷比(γ)分析影响蓄冰槽高效调控运行因素。定义如下。

式中:Qs为实际蓄冷量,RTh;Qe为额定蓄冷量,RTh;Qc为残余冷量,RTh;Qg为峰段放冷量,RTh;Qp为平段放冷量,RTh。

2.1 冰槽利用率

冰蓄冷系统冰槽蓄冷量设计峰值20600RTh,然而随着地区气候变化,特别冬季低用冷需求导致蓄冷量降低,本项目选取时间属于高用冷需求,蓄冷量可全部放完,蓄冷量则越多越好。

图2 所示为项目2019 年8:00 时蓄冷终了时刻冰槽蓄冷量,发现部分时期蓄冷量并未达到设计值20600RTh,若按照蓄冷量设计值偏差10%测算,至少有27 天蓄冷量低于设计值90%,甚至最低不足17000RTh,则全年冰槽利用率约85.3%。

图2 蓄冰槽8:00 时刻终了蓄冷量

2.2 冰槽残冷率

项目设计时未考虑冰槽冷量未放完的残余冷量,实际上残余冷量是无法避免的,但是应尽可能降低其占比,将会导致节能效益被夸大。

图3 所示为项目2019 年0:00 时蓄冰槽残余冷量,从全年数据分布看,残冷量维持在1800RTh 左右,残冷率约10%。从各月数据分布看,8 月份残冷量最高,接近2000RTh。5 月与10 月残冷量最低,约1500RTh。综上所述,仅部分时期日残冷量达到4000RTh,残冷率整体分布较为平均。

图3 冰槽0:00 时残冷量与残冷率

2.3 峰平段放冷比

项目冰蓄冷系统放冷过程,存在三种运行模式,包括蓄冰槽单独放冷,冷水机组单独放冷以及两者联合放冷。不管何种方式,最理想情况高峰时段末端供冷则全部由蓄冷量覆盖。

图4 所示为项目2019 年峰段与平段放冷量情况,正常情况下横坐标两端峰段放冷量占比较大,中间占比相对较低,然而6 月份前后及8 月份峰段占比偏低,存在放冷异常。从全年峰段放冷量看,峰段放冷量占比68.6%,峰平段放冷比为2.18。

表1 所示为5-10 月峰段放冷量占比,9 月份最高为78%,峰平段放冷比3.55,7 月及8 月份低于70%,放冷比不足2.33。若6-8 月份峰段放冷量提升至相同水平,高峰时段放冷量增加16.6 万RTh,效益相应提升5.45%。

表1 项目高峰放冷量占总放冷量比例

3 改进措施与效果分析

冰蓄冷空调系统依赖峰谷电价政策,低谷电价蓄冷,峰平段电价放冷,系统建成后,尽可能把蓄冰槽蓄满、用尽,且尽可能覆盖高峰电价时段,因而做好以这几点将成为冰蓄冷系统高效调控运行的关键。

3.1 提升冰槽利用率

提升冰槽利用率是容易保证的,确保8 小时蓄冰时间即可,冰槽就能达到设计蓄冷量。由前面分析可知,5-10 月本项目冰槽利用率仅85.3%,远低于设计值98.1%,具备实施价值。

如图5 所示项目供冷量与蓄冷量,每日供冷量远大于蓄冷量,蓄冷量可全部被利用,冰槽利用率将提升至98.6%,相应增加蓄冷量50.4 万RTh;若全部用于平段放冷,效益相应提升8.3%;若全部用于峰段放冷,效益则相应提升15.6%,节约效果明显。

图5 项目供冷量与蓄冷量情况

3.2 加强项目用冷量预测

5 月份工作日与节假日逐时供冷量差距较大,详见图6、7,对于第一个高峰电价时段(14:00-16:00),工作日集中在2000~3000RTh,节假日则集中在1000~2000RTh,各时段用冷量基本一致;对于第二个电价高峰时段(19:00~21:00),随着项目冷负荷降低,工作日集中分布0~2000RTh,而节假日集中分布0~1500RTh。

图6 工作日逐时供冷量分布区间

图7 节假日逐时供冷量分布区间

因此,若项目办公人员与面积变化不大,以上统计数据亦变化较小,能够相对精确判断项目用冷量分布区间,进而对冰蓄冷系统运行进行调控。

表2 项目各月工作日逐时供冷量分布(单位:kRTh)

国内外关于空调负荷预测研究已较为普遍,采用包括遗传算法、神经网络算法、离散规划数学模型等[2],后期将据此开展应用分析。

4 结论

1)针对冰槽蓄放过程,提出三个关键指标,评价实际运行质量。其中,蓄冷槽利用率低于设计值,保证每日最大蓄冷量,效益最大可提升15.6%。

2)结合蓄放过程质量评价,且加强项目用冷量预测,可对系统运行实施高效调控,优化冰槽残冷率和峰平段放冷比,实现冰蓄冷系统效益最大化。

猜你喜欢

平段冰蓄冷量
基于三维激光扫描仪的隧洞表观缺陷检测研究
冬暖式大棚蓝莓需冷量管理
山西榆社化工多举措推进降本增效
北京CBD核心区某地标性建筑冰蓄冷设计
樱桃在广西灵川的引种表现及其需冷量研究
E-Elman神经网络在冰蓄冷空调系统建模中的应用
浅谈旋流竖井泄洪洞涡室的优化试验
某金融中心冰蓄冷系统的应用与经济性分析
试论冰蓄冷技术应用
液态乙烯冷量综合利用的技术改造