冰蓄冷空调系统高效调控运行案例研究

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。