区域供冷系统逐时冷负荷的分析及数值预测

.作者:蒋小强 龙惟定 李敏
.来源期刊:中南大学学报(自然科学版)2010年第1期
.中文关键字:区域供冷系统;冷负荷;人工神经网络;预测
.英文关键字:district cooling; cooling load; neural network; prediction
.中文摘要:为了正确选择区域供冷系统设计负荷并优化其主机运行策略,对某区域供冷系统的逐时实际冷负荷变化规律及数值预测进行研究。通过对该区域供冷系统冷冻水供回水温度及流量进行实测,得到并分析实际逐时冷负荷;通过增加输入层数据,建立改进人工神经网络负荷预测模型并对预测值及其误差进行分析。研究结果表明:区域供冷系统在各负荷区间运行时间分布较均匀;在实测期间,系统在高负荷区间的运行时间所占比例为17.5%,最低负荷区间的运行时间所占比例为13.5%,其他负荷区间运行时间比例为15%~20%,这与单区域供冷系统负荷越大则运行时间越短的特点完全不同;并且区域供冷系统连续24 h工作,实测日最小运行负荷仅为当日最大实际负荷的11.8%,逐时负荷变化范围大,这说明区域供冷系统更应注意机组容量选型和运行策略优化;由经改进人工神经网络算法得出的负荷预测值与实际值较吻合,其相对误差受用冷区域功能与特点的影响。
.英文摘要:To determine district cooling system(DCS) design load and optimize their chillers’ operation strategy, the variation law and prediction of hourly cooling load in a DCS were studied. By measuring the temperature and flow rate of the return and supplying chilled water in the DCS, actual hourly cooling load was obtained and analyzed; moreover by adding input data, an improved neural network model (INNM) for predicting cooling load value was built, and the relative error of prediction value was analyzed. The results show that the running time is almost even whether under high load intervals or under low ones. The proportion of running time in the highest load intervals is 17.5%, while that in the lowest load interval is 13.5%, and the proportion in other intervals is among 15%-20%. The variation law in the DCS is very different from the one in the single region air-conditioning: The character of the latter is that the larger the load, the shorter the running time. Moreover, the DCS works for 24 h, the minimum load is only 11.8% of the maximum; that is, the variation range of the cooling load is great, which shows the importance of choosing the chiller capacity and optimizing the operation strategy. And the predicted cooling loads obtained from the INNM can be consistent with the actual values well, and its relative error is affected by the function and the character of the DCS.
.基金信息:美国能源基金会资助项目
详细信息展示

区域供冷系统逐时冷负荷的分析及数值预测

蒋小强1, 2,龙惟定3,李敏2

 (1. 同济大学 机械工程学院,上海,200092;

2. 广东海洋大学 工程学院,广东 湛江,524025;

3. 同济大学 中德工程学院,上海,200092)

摘  要:为了正确选择区域供冷系统设计负荷并优化其主机运行策略,对某区域供冷系统的逐时实际冷负荷变化规律及数值预测进行研究。通过对该区域供冷系统冷冻水供回水温度及流量进行实测,得到并分析实际逐时冷负荷;通过增加输入层数据,建立改进人工神经网络负荷预测模型并对预测值及其误差进行分析。研究结果表明:区域供冷系统在各负荷区间运行时间分布较均匀;在实测期间,系统在高负荷区间的运行时间所占比例为17.5%,最低负荷区间的运行时间所占比例为13.5%,其他负荷区间运行时间比例为15%~20%,这与单区域供冷系统负荷越大则运行时间越短的特点完全不同;并且区域供冷系统连续24 h工作,实测日最小运行负荷仅为当日最大实际负荷的11.8%,逐时负荷变化范围大,这说明区域供冷系统更应注意机组容量选型和运行策略优化;由经改进人工神经网络算法得出的负荷预测值与实际值较吻合,其相对误差受用冷区域功能与特点的影响。

关键词:区域供冷系统;冷负荷;人工神经网络;预测

中图分类号:TU831          文献标志码:A         文章编号:1672-7207(2010)01-0357-07

Hourly cooling load analysis and prediction in a district cooling system

JIANG Xiao-qiang1, 2, LONG Wei-ding3, LI Min2

(1. School of Machine Engineering, Tongji University, Shanghai 200092, China;

2. School of Engineering, Guangdong Ocean University, Zhanjiang 524025, China;

3. Sino-German School of Applied Sciences, Tongji University, Shanghai 200092, China)

Abstract: To determine district cooling system(DCS) design load and optimize their chillers’ operation strategy, the variation law and prediction of hourly cooling load in a DCS were studied. By measuring the temperature and flow rate of the return and supplying chilled water in the DCS, actual hourly cooling load was obtained and analyzed; moreover by adding input data, an improved neural network model (INNM) for predicting cooling load value was built, and the relative error of prediction value was analyzed. The results show that the running time is almost even whether under high load intervals or under low ones. The proportion of running time in the highest load intervals is 17.5%, while that in the lowest load interval is 13.5%, and the proportion in other intervals is among 15%-20%. The variation law in the DCS is very different from the one in the single region air-conditioning: The character of the latter is that the larger the load, the shorter the running time. Moreover, the DCS works for 24 h, the minimum load is only 11.8% of the maximum; that is, the variation range of the cooling load is great, which shows the importance of choosing the chiller capacity and optimizing the operation strategy. And the predicted cooling loads obtained from the INNM can be consistent with the actual values well, and its relative error is affected by the function and the character of the DCS.

Key words: district cooling; cooling load; neural network; prediction

由于建筑能耗占社会总能耗的30%左右,建筑节能已成为节能减排的重要内容之一,而建筑节能的成败很大程度上取决于建筑物空调能耗是否降低。区域供冷作为一种新型节能制冷技术,能同时为多个建筑物或多个用冷区域提供冷量。冷量在冷冻机房集中生产,可采用容量大、能效高的离心式冷水机组,且多个用冷区域会存在1个同时使用系数,主机装机总容量远低于其他制冷方式的容量;同时,系统对环境的影响能被集中控制和处理,故区域供冷是一种节能环保的绿色技术。然而,区域供冷技术实际应用时间不长,许多问题有待进一步探讨。如何正确选择区域供冷系统的设计负荷、合理选择蓄冷量(多数系统结合了蓄冷技术)、优化大容量主机的运行策略,是区域供冷系统当前急需解决的问题。区域供冷系统的负荷与单区域供冷系统不同,它受建筑物的影响更复杂。系统设计总负荷并非各区域设计负荷的简单叠加,而应考虑到区域、设备和房间的同时使用概率,即要乘以1个同时使用系数,而该同时使用系数该如何选取,一直未能很好地解决。另外,区域供冷系统的主机一般选用容量大、效率高的离心冷水机组,这些机组在低负荷时,运行效率低。为了合理安排主机群的运行方案,最有效的手段是在预测出下1 d的冷负荷逐时负荷的前提下,结合机组自身部分负荷时的性能,对运行策略进行优化。基于以上问题,有必要对实际运行的负荷进行分析,探讨影响负荷预测值的因素,找出区域系统的冷负荷变化规律。关于冷负荷的设计和变化规律的研究很多,如Vrachopoulos等[1]根据建筑物的特点,对居住建筑和办公室建筑的冷量需求进行分析,得到了负荷计算公式;Aktacir等[2]探讨了室外条件对冷负荷及系统设备选型的影响;Corgnati等[3]采用数值和实测的方法对办公建筑冷负荷进行分析。杨培志等[4]研究了汽车空调系统的运行特性。然而,对于多区域供冷系统,人们用实测数据对冷负荷进行的分析较少。关于逐时冷负荷的预测,主要有参数回归法和神经网络法[5-7]。参数回归法主要在分析影响冷负荷的主要参数的基础上(如室外干球空气温度、太阳辐射强度、湿度等),得出负荷随参数变化的经验公式。神经网络法是一种高级的插值计算方法,计算结果的精度比参数回归法的精度高,但计算过程较复杂,需借助计算机进行计算。不少科研工作者采用神经网络法对负荷进行预测[8-14]。这些研究均以单建筑或单区域的冷负荷进行预测,而区域供冷系统与常规空调系统有着诸多不同,大多数区域供冷系统是24 h运行,影响负荷变化的因素也更复杂。Masatoshi等[14]采用多层神经网络对区域供冷系统的逐时负荷进行了预测,但没有考虑冷负荷在工作日与周末的区别,而且仅根据前1 d的负荷进行预测,因而误差较大。由于区域供冷系统受区域使用特点的影响,负荷在白天或晚上,工作日或周末都会有明显区别,因此,有必要针对区域供冷的逐时冷负荷预测建立新的模型,根据先进计算技术、天气预报的范围,找到更适合区域供冷系统负荷变化的预测模型,分析预测值的变化规律。为此,本文作者首先对区域供冷系统的冷水机组运行参数进行检测,通过冷冻水供回水温度和冷冻水流量得到系统的逐时负荷并对其变化规律进行分析;然后,采用改进人工神经网络法,在考虑日期和时间段的前提下,对下1 d的逐时负荷进行预测。将负荷预测值与实际值进行比较,得到影响预测值相对误差的影响因素。

1  冷负荷的测量方法与预测模型

1.1  冷负荷的测量方法

1.1.1  系统概况

为了得出区域供冷系统负荷的实际变化规律,以上海地区某小型区域供冷系统为研究模型,对其运行参数进行测量。该系统供冷区域总面积约30万m2,主要有商务办公、酒店、商场、餐厅、会议室等用冷区域。系统设计总冷负荷为24 800 kW。

1.1.2  测量方法与仪器

对所有运行冷水机组的冷冻水供、回水温度进行测量(得到温差),同时测得冷冻水的流量,然后,根据下列公式,可近似得出总系统逐时冷负荷:

其中:Q为系统逐时冷量,kW;C为水的比热容,kJ/(kg?℃);M为冷冻水的质量流量,kg/h;ts和tr分别为冷冻水的供、回水温度,℃。

温度测量仪为ATAL厂家生产的TEP-109,测量范围为-50~150 ℃;流量传送器为GE厂家生产的型号为 AT868W超声波流量传感器;数据记录仪为ATAL厂家生产的型号为ATAL ATM-03记录仪。温度及流量由数据记录仪自动记录并存储,每隔1 min采样1次。测试时间共26 d,分别为:2006-06-24至2006-06-30,2006-07-12至2006-07-23,2006-08-07至2006-08-13(上海地区空调能耗主要来自第6~8月)。

1.2  冷负荷的数值预测

1.2.1  人工神经网络

人工神经网络系统是指由大量的、同时也是很简单的处理单元(或称神经元)广泛地互相连接而形成的复杂网络系统,它反映了人脑功能的许多基本特征,如学习、归纳和分类,但它并不是人脑神经网络系统的真实写照,而只是对人脑进行某种简化、抽象和模拟,这也是现实情况所能做到的,是目前神经网络研究的基本出发点。神经元是神经网络中最基本的处理单元。从神经元的特性和功能可知,神经元是1个多输入单输出的信息处理单元,而且它对信息的处理是非线性的。根据神经元的特性和功能,可以把神经元抽象为1个简单的数学模型。神经网络计算模型可分3层,分别是输入层、隐藏层和输出层,如图1所示。

图1  人工神经网络模型(54个输入数据,24个输出数据)

Fig.1  Artifical neural network with 54 inputs and 24 outputs

1.2.2  计算模型

应用神经网络法预测负荷,需要知道预测日前一段时间的实际负荷。通过建立区域供冷系统负荷数据库,记录前1周的温度及负荷数据,即

       (1)

式中:x和t分别表示负荷和温度,下标第1位数分别表示预测日,下标第2位表示预测时刻。

对于输入层中54个输入值,有48个来源于式(1)中实际负荷值,取值规定如下。

若 di为星期三、星期四和星期五,则

网站首页 | 把有色金属在线设为首页 |收藏有色通搜索 | 联系我们