室温传感器偏差故障对武汉地区暖通空调系统的影响研究

李冠男，姚庆，毛前军，胡云鹏，李涛

（1.武汉科技大学城市建设学院，湖北 武汉 430065；2.武汉商学院机电工程学院，湖北 武汉 430065）

0 引言

据统计，建筑能耗占全球总能耗的近40%[1]。其中，暖通空调（Heating,Ventilation and Air-Conditioning，HVAC）是主要的建筑能源消耗设备之一，其运行能耗占建筑总能耗的50%[2]。建筑节能的迫切需求给HVAC行业发展带来了巨大的挑战和机遇。为实现HVAC系统高效节能运行，自动故障检测与诊断、能耗异常管理和优化控制等新兴节能技术得到广泛的研究与应用[3]。这些技术高度依赖于从HVAC系统中传感器网络获得的大量运行数据。然而，由于实际使用时长和条件的影响，HVAC系统中的传感器不可避免的存在着不同程度的故障，影响其测量数据的准确性[4]。有研究表明：传感器故障不仅会直接导致HVAC系统运行能耗的增加，还会严重影响室内人员的热舒适性[5]。此外，通过修复传感器故障所带来的HVAC系统运行能耗损失减少率高达20%[6]，因此，研究传感器故障对HVAC系统的影响非常重要。

在此背景下，国内外学者针对HVAC系统中的传感器故障开展了广泛研究[7]。但是，目前大多数研究集中在传感器的自动故障检测与诊断[8]、控制策略优化等方面[9]，而对于关键传感器故障对HVAC系统运行性能影响的研究则相对偏少。尤其是在同一目标建筑、同一时间的室外气象环境条件下，对于不同的暖通系统受同一类传感器故障的影响程度，更是缺乏足够的定量分析。

针对上述现象，本研究以室温传感器偏差故障为例，针对同一目标建筑、同一时间的外部气象条件，在Energy Plus环境中同时开展了地源热泵（Ground Source Heat Pump，GSHP）[10]和“冷水机组+锅炉”（Chiller and Boiler，CB）[11]两种HVAC系统的故障建模工作，定量地分析了-5℃～+5℃偏差故障对两种HVAC系统的运行能耗、工作性能和室内人员热舒适性的影响程度。

1 故障仿真

1.1 建筑物概况

为保证研究的准确性和可拓展性，选取Energy Plus案例中典型模型建筑[12]，建筑类型为办公室。该单层建筑共有5个热区，中间1个核心热区，周围4个热区。整个建筑占地面积465 m2，高3.0 m，其中上方为0.6 m的回风室。每个立面都有一扇窗户，南北立面有一个玻璃门。该模拟在湖北省武汉市进行，并参考《公共建筑节能设计标准》（GB50189-2015），对两个仿真模型设定相同的建筑围护结构热工属性、室内荷载密度及其相应的运行时间表。表1为该建筑的维护结构材料和热工属性设定。

表1 建筑围护结构及热工属性Table 1 Building envelope and thermal properties

设定室内荷载：人员密度为0.11人/m2，照明功率9 W/m2，设备功率15 W/m2等。该建筑仿真周期为1 a，其中HVAC系统仅在夏季和冬季的工作日（周一-周五）运行。夏季的运行时间设定为4月15日-9月30日，冬季的运行时间设定为1月1日-3月15日和11月1日-12月31日。其中，夏季的室内设定温度为26℃，冬季的室内设定温度为20℃。

1.2 暖通空调系统

研究在同一个建筑模型中分别对CB系统和GSHP系统进行了仿真建模，如图1所示。其中，CB系统冷热源分别为冷却塔和电热水锅炉，GSHP系统的冷热源为土壤换热器。在CB系统中，室内负荷分别由独立新风系统和5个风机盘管系统承担。冷水机组和锅炉根据室内负荷需求确定水流量大小，从而在制冷或制热盘管中进行热交换，最终使室内空气温度满足设定温度。在GSHP系统中，室内负荷由中心风机盘管系统和5个室内再热盘管承担。热泵机组在不同季节的工况下通过换向阀进行水环路的方向切换，从而在制热或制冷盘管中进行热交换，最终使空气温度满足室内设定温度。

图1 目标建筑中CB系统图和GSHP系统图Fig.1 Illustration of the CB and GSHP systems in the target building

为了准确地对比研究同一类型传感器偏差故障对两个系统的影响，在相同的运行设定时间内，统一设定两个HVAC系统中的重要部件参数设定。统一设定风机在600 Pa的动压下，风扇效率Ef和电机效率Em分别为0.7和0.9。同时统一设定所有的水泵工作压力为5 000 Pa，冷水环路中水泵额定功率Pc为250 W，热水环路中水泵额定功率Ph为350 W。

1.3 室温传感器故障

本文主要研究参与控制循环的室温传感器的偏差故障。在整个控制策略中，由于室温传感器的测量值要求接近室内设定空气温度，因此整个系统的控制、运行和室内条件都会受到室温传感器偏差故障影响[11]。本文使用Energy Plus进行室温传感器的偏差故障建模。故障下，室内实际设定温度和机组制冷量、制热量的计算式如式（1）和（2）所示。

式中：T′set为室内实际设定温度，℃；Tset为室内设定温度，℃；ΔT为故障偏差温度，℃；Qc为机组制冷量，kW；QH为机组制热量，kW；M为室内空气质量流量，kg/s；Δd为空气的湿度变化，kg/kg；TI，O为室内空气初始温度，℃；TI，A为室内实际空气温度，℃。

为方便后续分析，定义ΔT＞0时的偏差故障为正向故障，此时T′set＜Tset。定义ΔT＜0时的偏差故障为负向故障，即T′set＞Tset。

2 结果分析

本研究主要从HVAC系统能耗、工作性能和室内人员热舒适性3个方面分析-5℃～+5℃室温传感器偏差故障对两种HVAC系统的影响规律。表2为仿真模型的输出设定。其中：工作性能由机组性能系数（COP）和不满足小时数代表；室内人员热舒适性由预测平均指标（PMV）和预测不满意百分数（PPD）代表。

表2 仿真输出设定Table 2 Simulation output setting

2.1 暖通空调系统能耗影响

图2（a），（b）分别展示了在-5～+5℃偏差故障下，GSHP系统和CB系统中HVAC各部分能耗及其相对变化。其中，能耗的相对变化为故障结果相对无故障结果的变化。由图中堆积柱形图中的能耗可见，故障幅值和故障方向对两种HVAC系统能耗的影响规律不同。随着故障偏差值增大，GSHP系统总能耗先减小后增大，CB系统则逐渐减小。-5℃偏差故障时，两HVAC系统总能耗均最大，GSHP系统总能耗为47.54 GJ，CB系统总能耗为90.82 GJ。可以发现，-5℃偏差故障对CB系统的总能耗影响相对GSHP系统更大，这是由于CB系统中的制热COP较小导致的。CB系统在各故障偏差下的实际制热COP仅为0.8左右。因此，随着负向故障幅值的增大，CB系统的制热能耗增大更多，导致HVAC总能耗也最大。

图2 故障下GSHP和CB系统各部分能耗变化Fig.2 Energy consumption changes of the GSHP and CB system with different sensor bias faults

HVAC系统总能耗主要受制热能耗和制冷能耗影响。由图中折线图可知，随着故障偏差值增大，两系统的制热能耗相对变化均逐渐减小，制冷能耗相对变化均逐渐增大。+5℃正向偏差故障时，GSHP系统的制冷能耗相对增加了78.1%，制热能耗相对减小了26.7%；CB系统的制冷能耗相对增加了41.8%，制热能耗相对减小了93.1%。-5℃负向偏差故障时，GSHP系统的制冷能耗相对减小了17.8%，制热能耗相对增大了140.0%；CB系统的制冷能耗相对减小0.2%，制热能耗相对增大了516.0%。

图3为偏差故障方向对机组制热量、制冷量以及不满足小时数的影响示意图。

图3 制冷/热量、不满足小时数与故障偏差方向关系Fig.3 An illustration of the relationships between refrigeration/heating，Set-point unmet hours and direction of bias faults

由图3可知，当室温传感器发生正向偏差故障时（ΔT＞0），会导致室内实际空气温度（TI，A）偏小，系统制冷量（QC）随之增大，系统制热量（QH）则减小；当室温传感器发生负向故障则相反。

2.2 工作性能影响

研究使用系统COP及不满足小时数两个指标来评价HVAC系统的工作性能。不满足小时指在这个小时内，室内空气温度高于室内制冷设定温度或低于室内制热设定温度及相应温度公差范围，本研究的温度公差为±0.2℃。总不满足小时数指1 a内的制冷不满足小时数和制热不满足小时数之和，总不满足小时数越小代表暖通空调系统的室内空气调节能力越出色。图4为-5～+5℃偏差故障时，两HVAC系统的平均COP和总不满足小时数的变化。由图4中柱状图可知，CB系统的年平均制冷COP在-5～0℃故障下几乎不变，为3.90；在0～+5℃故障下逐渐增大，+5℃故障时制冷COP增加到3.97。GSHP系统年平均制冷COP在-5～+5℃故障下逐渐减小，在+5℃故障时制冷COP减小到3.38。CB系统和GSHP系统制热COP在-5～+5℃故障下变化很小，其中锅炉制热COP接近0.80，地源热泵系统制热COP接近1.83。因此，在需求制热量增大的负向故障下，CB系统总能耗相对增加更多。正如2.1节中所述，CB系统总能耗受负向故障影响的程度大于GSHP系统。

图4 故障下HVAC系统平均COP和总不满足小时数Fig.4 Average COP and total Set-point unmet hours of HVAC systems with different sensor bias faults

图4的折线图展示了故障下两个系统全年的总不满足小时数变化。结果表明，-5～+5℃故障下总不满足小时数先增大后减小。但0～+5℃故障下的两个系统的总不满足小时数增大较为明显，这与武汉地区在夏、冬季的室内外温差有关。夏季温差大，受故障影响所需制冷量更多，室内空气温度更不易达到室内制冷设定温度，制冷不满足小时数增加更明显。其中，GSHP系统在+5℃偏差故障下的总不满足小时数为1 153 h，在-5℃偏差故障下的总不满足小时数为51.25 h；CB系统在+5℃偏差故障下总不满足小时数为1 129.8 h，在-5℃偏差故障下总不满足小时数为0.25 h。同时，由于CB系统故障下的制热耗电量大于GSHP系统，因此CB的制热不满足小时数受故障影响更小。

2.3 热舒适性影响

PMV是由Fanger教授[15]提出的用于表征人体冷热感的评价指标，表示在某个环境中大部分人的平均冷热感觉。PMV指标将人体舒适度分为7个等级，例如：PMV=-1时，热感觉为微凉；PMV=+2时，热感觉为暖；PMV=0时，热感觉为舒适。PMV指标越接近0，人体热舒适性越好。

PPD表征人群对热环境不满意百分数的指标，PMV和PPD之间的定量关系为

图5为-5～+5℃故障偏差下的年平均PMV和年平均PPD变化。

图5 故障偏差下房间的全年PMV/PPD均值Fig.5 Annual average room PMV/PPD values of different sensor bias faults

从图5中可以看出，在-5～+5℃的偏差故障下，GSHP系统下的年平均PMV值在-0.78～-1.01之间，CB系统下的年平均PMV值在-0.86～-1.08之间。-5～+5℃故障下，两个系统的年平均PMV均值逐渐减小，年平均PPD值逐渐增大。因此随着故障偏差值的增大，室内热舒适性逐渐变差。

3 结论

为了研究同一类型故障对不同HVAC系统的影响，本文以室温传感器偏差故障为例，针对同一目标建筑、同一时间的外部气象条件，同时开展了GSHP和CB系统的仿真模拟研究。根据模拟结果，定量分析了-5～+5℃故障对两种HVAC系统的运行能耗、工作性能和室内人员热舒适性的变化。分析结论如下。

①室温传感器的故障幅值和故障方向对不同HVAC系统的影响程度及规律不一致。

②室温传感器故障对HVAC系统的制冷能耗和制热能耗的影响较大。GSHP和CB系统中的制冷能耗在+5℃偏差故障时分别相对增加了78.1%和41.9%，制热能耗在-5℃偏差故障时分别相对增加了140%和516%。

③正向故障较负向故障对HVAC系统的不满足小时数影响更大。+5℃偏差故障时，GSHP和CB系统的总不满足小时数分别为1 153 h和1 129.8 h。

④两HVAC系统的平均COP、年平均PMV和年平均PPD受室温传感器影响变化相对不大。两系统的室内人员热舒适性受故障影响程度接近。