基于运行数据的酒店建筑制冷系统能耗预测及节能分析

2021-08-18王喜春张靖张春路

制冷技术 2021年3期

关键词：冷水机组制冷系统冷却塔

王喜春，张靖，张春路*

（1-上海东方延华节能技术服务股份有限公司，上海 200060；2-同济大学机械与能源工程学院，上海 201804）

0 引言

大型酒店类建筑，尤其是四星级以上的酒店，其能耗多高于办公建筑、商业建筑等，属于能源消耗较大的一类公共建筑[1-2]。高级酒店通常采取全年制冷的方式，制冷能耗可占整体建筑能耗的15%～30%，具有极大的节能潜力[3-5]。

运行策略需要同时考虑系统的稳定性和节能性[6-8]，对从业人员的专业性提出了一定要求。基于人为判断的策略调整很难实现系统整体性节能，需要引入全局能耗预测模型调整运行控制策略。

现有冷水机组能耗模型可分为两类[9]：回归分析模型和机器学习模型。前者包括线性回归模型、半经验模型[10]、多元多项式模型[11]和DOE-2 模型[12]等，通常基于厂家提供的性能数据参数得到，和运行数据联系不紧密；后者包括支持向量机模型[13-14]、神经网络模型[15-16]和梯度提升回归树模型[17]，对数据数量和质量有一定要求，适用于检测完善的系统，建模较复杂。

本文利用上海某酒店制冷系统2018—2020年的运行数据，建立制冷系统能耗预测模型，体现不同策略控制造成的机组能耗变化；基于给定的策略表，优化该系统的历史运行策略参数，可简单有效地指导现场运维工作。

1 系统原理

1.1 系统及设备信息

该酒店位于上海中心城区，总建筑面积为98,805 m2。酒店采用双管制末端，满足全年制冷需求，制冷系统原理如图1所示。冷源配备3 台名义制冷量2,408 kW 的离心式冷水机组，配备3 台冷却塔、4 台冷冻水泵和4 台冷却水泵。

图1 某酒店制冷系统原理

1.2 系统运维现状

酒店制冷系统冷水机组采用“平均负载率法”[18]承担和分配系统制冷负荷。图2所示为2018—2020年8月暖通系统能耗。

图2 2018—2020年8月暖通系统能耗

2 能耗预测模型

2.1 数据采集和预处理

以2018—2020年5～10月制冷阶段系统运行数据和能耗数据为基础，去除缺失值后共产生20,365组有效样本数据。包括冷冻水/冷却水供回温度、冷冻水泵、冷却塔、冷水机组开启台数和各部分累积耗电量等。由于测点传感器故障，冷冻水和冷却水流量及冷却水温度等数据存在缺失或异常值情况。

如式(1)，为了保证不同性质数据尺度区间不影响综合分析可靠性，对数据进行标准化。

式中，x−为样本数据平均值，s为数据的标准差。

2.2 冷水机组能耗建模

水冷冷水机组的能耗模型一般可采用冷冻水供水温度、冷却水温度、冷冻水流量、冷却水流量和空调负荷进行拟合[19-20]，如式(2)所示：

式中，Wc为冷水机组能耗，kW；Tch为冷冻水供水温度，℃；Tct为冷却水温度，℃；qch为冷冻水体积流量，m3/h；qcw为冷却水体积流量，m3/h；Q为总负荷，kW。

由于冷冻水流量、冷却水温度等数据存在缺失或异常等情况，需要使用其他数据进行替代。考虑到冷冻水流量与冷冻水泵能耗呈对应的正相关关系，如式(3)所示，可用水泵能耗数据代替冷水机组模型中缺失的流量变量。

式中，Wch为冷冻水系统能耗，kW；qch为冷冻水泵流量，L/s；qm,ch为冷冻水泵额定流量，L/s；Wm,ch为其额定功率，kW。

存在较多异常值的冷却水的温度数据则可由冷却塔功耗与室外环境温度进行替代。由于冷却塔功耗与冷却塔风机转速呈正相关，反映了冷却塔风量的变化，如式(4)所示。因此，冷却塔功耗和室外环境温度的变化，可以反映冷却水温度的变化。

式中，Wct为冷却水系统能耗，kW；a为冷冻水泵能耗，采用定速泵可近似为常数，kW；b为冷却塔风机开启个数，采用分区分档开启；qct为冷却塔风机风量，m3/h；qm,ct为冷却塔风机额定风量，m3/h；Wm,ct为冷却塔风机额定功率，kW。

建筑空调负荷主要分为两部分，即围护结构的负荷，以及室内人员和设备负荷。前者主要与室外温度有关，后者主要与建筑内人员数量有关。由于无法直接统计人员数量，故可以采用建筑照明负荷估计人员入住情况。在模型中，以人员与设备负荷率θ为非围护结构负荷的相对大小。

冷水机组多项式模型如式(5)所示：

式中，Tenv为环境温度，℃；Twat为冷冻水供水温度，℃；θ为人员与设备负荷率。

使用2018—2020年制冷季节的冷水机组运行数据与能耗数据建立了回归模型，共确定56 个模型参数用于拟合五变量三次多项式。经检验，拟合后模型决定系数R2为0.85，平均绝对百分比误差（Mean Absolute Percentage Error，MAPE）为5.9%，模型总体精度良好。

图3所示为其他变量一定时，单台冷水机组的能耗随着室外温度、冷冻水供水温度、冷冻水体积流量和负荷率的变化，用于对模型的趋势进行合理性检验。由图3 可知，该多项式模型可以很好预测冷水机组能耗不同变量变化的趋势，具有较好的预测能力。

图3 单台冷水机组能耗随室外温度、冷冻水供水温度、冷冻水体积流量和负荷率的变化

2.3 空调制冷系统能耗模型

如式(6)所示，制冷系统能耗共包括4 部分：冷水主机、冷冻水系统、冷却水系统和末端风盘。

式中，WFCU为末端风盘能耗，kW。

无论是否有客人入住，该酒店末端风盘保持常开，末端风盘能耗近似为常数。经计算，将平均值作为末端能耗产生的平均误差小于1%。

3 策略参数优化

分别给定三档冷水供水温度、冷冻水泵转速、冷却塔风机转速进行计算。供水温度和冷冻水转速挡位匹配，保持制冷量处于同一水平。如表1所示，基于给定的9 个策略进行后续策略优化。

表1 给定策略表

按每1 ℃室外气温和5%人员和设备负荷率划分区间，并进行最优策略的优化计算，得到如图4所示的最优策略优化计算结果。

图4 最优策略优化计算结果

由表1 可知，在不同工况下，该系统分别有不同的最优冷冻水温度设定值，可根据策略优化的结果对冷冻水温度设定进行实时调节，从而实现不同工况下的节能运行。此外，优化策略的结果表明该系统冷却塔的最优设定点始终为低风机转速，这可能是由于该系统冷却塔选型相对偏大引起。通过进一步的调研和数据分析确认了这一结果。以2020年8月为例，冷却塔一直处于高档位运行，冷却水供回水温差处于5.4～8.1 ℃，已经高于国标推荐设计值5 ℃。导致冷却塔能耗大幅上升，但主机能耗下降幅度不大，因此总能耗上升。

对2018—2020年历史运行策略进行优化，优化后的系统总体节能量达11.7%，如图5所示。