辦公樓變頻空氣源熱泵序列優化控制

劉兆輝李震宇譚洪衛，3徐 汶馮文波伊比益

(1同濟大學機械與能源工程學院 上海 201804;2同濟大學綠色建筑及新能源研究中心 上海 200092;3聯合國環境規劃署-同濟大學環境與可持續發展學院 上海 200092;4浙江華云電力實業集團公司 杭州 310008)

辦公樓變頻空氣源熱泵序列優化控制

劉兆輝1，2李震宇1，2譚洪衛1，2，3徐 汶4馮文波4伊比益4

(1同濟大學機械與能源工程學院 上海 201804;2同濟大學綠色建筑及新能源研究中心 上海 200092;3聯合國環境規劃署-同濟大學環境與可持續發展學院 上海 200092;4浙江華云電力實業集團公司 杭州 310008)

為了滿足公共建筑中空調系統部分負荷下的節能運行調節需求，制冷機房經常配置多臺冷水機組。空調系統中冷水機組能耗占比較高，而機組序列控制在系統滿足室內負荷需求與節能中運行起關鍵作用。為了提高熱泵機組的運行能效，本文提出一種空氣源熱泵機組的序列優化控制方法。首先建立變頻空氣源熱泵機組模型，然后建立多臺同型號機組序列優化控制目標函數，同時給出實時建筑負荷下求解機組最佳運行序列組合的算法與步驟。以某工程為例，利用eQUEST軟件分析了辦公樓全年的空調負荷變化，并在夏季、冬季典型日負荷基礎上，對比分析了熱泵機組序列優化控制策略與傳統策略。結果表明:與傳統策略相比，在10%～100%的系統部分負荷范圍內，采用序列優化控制策略的機組能耗平均降低13.4%。在夏季典型日，熱泵機組能耗降低14.5%;在冬季典型日，熱泵機組能耗降低12.3%;在過渡季典型日，熱泵機組能耗降低3.3%。在供冷季，采用機組序列優化控制策略能耗降低14.1%;在供熱季能耗降低9.0%。熱泵機組的序列優化控制策略具有明顯的節能效果。

空氣源熱泵;變頻;部分負荷;序列優化控制;節能

AbstractThe heating， ventilation， and air conditioning(HVAC)system accounts for a large portion of the total energy consumption of a building.When aiming to achieve energy efficiency， the vital factor is optimal operation of the chiller plants， which constitute a large percentage of the system energy consumption.In fact， chiller plants are often configured with multiple chillers， in order to meet the requirements for energy efficient operation of the HVAC systems of public buildings under partial loads.The chiller sequence control plays a significant role in satisfying the indoor load demand and facilitating energy-saving operation.In this paper，to improve the energy efficiency of the air-source heat pumps， an optimal sequencing control strategy is presented， taking an office building as an example.To develop this strategy，a variable-speed heat-pump model and the objective function for optimization of the heat-pump sequence control were first established， so as to determine the optimal solutions under partial building loads.Here， the variation of the actual capacity under different operation conditions was taken into consideration.In addition，the annual cooling and heating loads of the selected office building were analyzed using eQUEST software.It was found that loads greater than 70%of the peak loads occupy only 24%of the cooling time and 8%of the heating time.Finally，the optimal sequencing control strategy was contrasted with the traditional strategy based on the typical daily loads in the summer， winter， and transition seasons;the results indicate that the heat-pump energy consumptions are reduced by 14.5% ，12.3%，and 3.3%，respectively.In addition，the energy consumption for the entire year was analyzed.The results show that the energy consumed by the heat pump is reduced by 14.1%during the cooling season and 9.0%during the heating season following adoption of the optimal sequencing control strategy.Thus，the optimal sequencing control strategy for the heat pump has a remarkable energy saving effect.

Keywordsair source heat pump;frequency conversion;part load;optimal sequencing control;energy efficiency

對于公共建筑而言，空調系統能耗較高，其耗電量占總耗電量的40% ～60%[1]。其中冷水機組能耗占比較大，因此系統節能研究的關鍵在于冷水機組的運行優化。對于冷水機組的配置優化，通常采用基于機組部分負荷性能曲線比較不同種負荷分配方案從而獲得較優控制方案的優化方法。例如，蔣小強等[2]以兩臺相同的容量并聯運行的螺桿式冷水機組為例，比較不同負荷率下的機組總性能系數(COP)來比較不同優化方案的節能效果;馬素貞[3]分析了多臺冷水機組配置下的運行策略，結果表明，采取平均負荷分配的方式較為節能，特別是對于同型號的機組組合方式。劉雪峰等[4]對冷水機組平均負荷分配下的運行特征進行了分析，表明離心式冷水組在70%～100%負荷率下才能有較高的能效比。張韻輝等[5]對冷水機組運行的影響因素進行了分析，指出采用BP網絡預測最小預熱/預冷期和最長提前停機時間對機組進行最優啟停控制可以降低系統能耗。閆軍威等[6]基于空調系統全年冷負荷分布特性及以冷水機組總能耗最小為目標，利用遺傳算法求解多臺冷水機組負荷優化分配。在夏季與過渡季，改進后冷水機組能耗與原運行方式的能耗相比分別降低了25.75%和5.35%。李覲[7]提出了一種用COP與機組部分負荷率及冷卻水進水溫度性能曲線的方案比較機組運行方案的方法;施靈等[8]根據部分負荷性能曲線設計并比較四種不同的優化配置方案。但是這些優化都僅限于優化方案之間的比較，不能直接得到最優化的負荷分配方案，也未考慮實際運行中機組的實際性能與額定參數的差距。Liao Yundan等[9]對分別依靠機組負荷、回水溫度、旁通流量以及機組功率實現機組序列控制的四種方法的不確定性來源進行分類和描述，并通過案例模擬不確定性對機組序列控制的影響。Chang Y.C.等[10]借助遺傳算法實現對兩臺離心式冷水機組的優化控制，并解決了拉格朗日法在負荷率較低時不收斂的問題。H.Z.Abou-Ziyan等[11]分析了不同壓縮機和冷機開啟臺數對機組綜合COP的影響，但同樣沒有考慮實際運行中機組性能的變化。Chang Y.C.等[12]則借助分支界限法實現對冷水機組的最優化控制，機組能耗相比傳統方法降低明顯。Fan B.等[13]提出了基于部分負荷概率分布情況的優化控制策略，改進后的策略在保證機組COP維持在較高水平的同時也避免了機組的頻繁啟動。

在實際工程中，制冷機房經常配置多臺冷水機組便于系統在部分負荷下時靈活調節，但是這種調節也是階梯性的，調節空間有限。隨著變頻技術的發展，目前市場上出現了變頻空調機組，該類機組的特點是其最高COP的運行狀態點并非與部分負荷率最高點相對應。從而如何保證機組在最優的部分負荷下運行是系統總體運行能效最高的關鍵。傳統熱泵機組啟停控制方法包括[9]:基于機組承擔負荷的啟停序列控制、基于回水溫度的啟停序列控制、基于機組功率的啟停序列控制、基于系統回水溫度的啟停序列控制等。其中，基于負荷控制的方法被認為是最精確的方法，因為其直接反映了負荷指標。但是，直接通過供回水溫度、流量測量所獲得的負荷并不能準確反映建筑的真實負荷需求，Sun Y.等[14]提出一種基于融合直接測量數據與間接測量數據的方法來提高負荷預測的準確度，進而提高冷機序列控制的準確性。

本文提出一種適合變頻空氣源熱泵的基于負荷的序列優化控制方法。建立了熱泵機組模型以及機組序列優化控制的目標函數。利用eQUEST軟件對建筑全年逐時負荷進行了模擬分析。在此基礎上得到不同負荷狀況下的最佳的熱泵機組運行序列。并對熱泵機組序列優化控制策略與傳統序列控制策略的能耗進行了比較。

1 空調系統

本文研究了一棟位于浙江省海寧市(北緯30.32°;東經120.42°)的辦公大樓，空調系統原理如圖1所示。大樓共15層，地下1層，地上14層，建筑面積為9 509 m2，主要建筑功能為營業大廳、辦公、會議等。空調系統冷熱源采用六臺冷熱量為100 kW的變頻空氣源熱泵機組，型號為MIC340AR5，輸配系統采用三臺額定功率為11 kW的水泵，并安裝有變頻調節裝置，空調末端采用風機盤管。

圖1 空調系統原理Fig.1 Principles of air conditioning system

2 熱泵機組模型

熱泵機組模型可以分為物理模型與經驗模型，而經驗模型可以分為黑箱模型和灰箱模型[15]。與灰箱模型相比，黑箱模型基于歷史數據，參數辨識更加簡單[16]。本文采用DOE-2冷水機組模型，其是一種多元多項式形式的黑箱模型。該模型考慮了不同運行狀態(溫度、部分負荷率等)對機組實際能力的修正，提出了三個修正因子:機組能力修正因子k1、非額定工況溫度下功率修正因子k2以及部分負荷下功率修正因子k3，具體表示如下:

式中:tsup為機組出水溫度，℃;tair為周圍環境空氣溫度，℃;Q為單臺機組承擔的負荷，kW;Cr為機組的實際制冷/制熱能力，kW;C0為機組的額定制冷/制熱能力，kW;PLR為機組的部分負荷率;W為機組實際功率，kW;W0為機組額定功率，kW。系數a1、a2、b1、b2、d1、d2、e1、e2、f1和f2通過機組樣本數據擬合得到。

3 熱泵機組序列控制策略

3.1 傳統序列控制

傳統的機組序列控制以機組額定負荷為閾值，在該控制方法中，假設當前機組運行臺數為n臺，機組開啟第n+1臺機組的負荷界限值可表示為:

關閉第i臺機組時的負荷界限值可表示為:

式中:Qb，n+1、Qb，n-1分別為加載第n+1 與卸載第n臺機組的負荷界限值，kW。但在實際控制中，通常要對啟停控制設置一定延遲，避免機組的頻繁啟動。

3.2 序列優化控制

根據ASHRAE手冊[17]，多臺冷機一般并聯設置以獲得相同的冷水出水溫度，對于具有相似性能特征的冷機，每臺運行的機組處于相同的部分負荷時最優的負荷分配策略。文中6臺空氣源熱泵機組型號相同，所以負荷分配也采用均勻分配的策略，其可以用式(9)表示:

基于前文建立的機組模型，每臺機組功耗以及機組總能耗可表示如下:

式中:Qtotal為系統總負荷，kW。空調系統運行時，對于某瞬時系統的運行狀態:Cr、Qtotal、tsup和tair為已知或要求為定值，而機組臺數n為此狀態下待求解的變量。Wi可以表示為n的函數，即:

在實際運行中，由于機組存在部分負荷率限制，機組開啟臺數具有上限值和下限值。即需滿足:

式中:PLRmax、PLRmin分別為機組的部分負荷率最高和最低限制，%。

系統能耗最小值的目標函數可簡化為:

求解目標函數Wmin所得的機組臺數n即為最優的機組運行策略。

圖2所示為機組序列優化控制的具體邏輯，先根據式(3)修正室外氣溫對機組能力的影響，再根據系統的總負荷值，根據式(15)求解得出滿足空調系統負荷需求同時總能耗最小的的臺數組合。

圖2 機組序列優化控制算法Fig.2 Optimization algorithm of sequencingcontrol of heat pumps

4 結果與討論

4.1 負荷模擬與分析

利用eQUEST軟件建立建筑模型，對全年空調運行時間(6月1日00∶00—10月31日24∶00，共計153 d)逐時負荷進行計算，模擬結果如圖3所示。可知該建筑夏季峰值負荷為453.5 kW，冬季峰值負荷為367.6 kW。

根據模擬出的全年逐時冷熱負荷，統計全年冷熱負荷頻率和發生時間，具體見表1(只統計建筑的工作時間，即07∶00 ～17∶00)，由冷熱負荷分布頻率可以看出，70%以上的冷負荷率只占供冷時間的24%，70%以上的熱負荷率只占供熱時間的8%。通過統計不同部分負荷率區間具體時間以及室外空氣平均溫度，通過表1可以發現空調冷熱負荷與室外溫度有較大的關系。

圖3 全年逐時負荷Fig.3 Annual hourly loads

表1 部分負荷分布及室外平均溫度Tab.1 Partial loads distribution and average outdoor temperatures

4.2 部分負荷下兩種策略性能對比

為比較空調系統在部分負荷情況下不同機組序列控制策略的性能，計算了不同負荷下機組的開啟數量。以eQUEST軟件得到的峰值負荷作為建筑的滿負荷，假設空調系統在不同的負荷率下運行。圖4～圖6所示分別為優化策略與傳統策略的機組運行臺數、機組COP及機組功率的對比。在負荷變化下，采用優化策略后機組總的COP與總功率變化較為平滑。

圖4 兩種策略機組運行臺數對比Fig.4 Contrast of operating number of two control strategies

圖5 兩種策略機組COP對比Fig.5 Contrast of COPs of two control strategies

因此采用優化策略的機組臺數相比傳統策略下的機組臺數有所增加，在10% ～100%的系統負荷范圍內，機組COP平均提高了16.4%，機組的平均功率減少了13.4%。這是由于變頻機組在部分負荷率較低情況下機組COP較高，見其部分負荷特性曲線(圖7)。

4.3 典型日分析

為了分析實際運行中優化策略的實際節能效果，在eQUEST模擬的逐時負荷基礎上計算機組總能耗。選取夏季某典型日、冬季某典型日以及過渡季節典型日，比較兩種策略下機組啟停臺數、COP及能耗如圖8～圖9所示。

圖6 兩種策略機組功率對比Fig.6 Contrast of power of two control strategies

圖7 機組部分負荷特性Fig.7 Performance of the heat pump under partial loads

圖8 夏季典型日優化前后機組運行臺數、COP和功率對比Fig.8 Contrast of unit number,COP and power of the two strategies in summer typical day

圖9 冬季典型日優化前后機組運行臺數、COP和功率對比Fig.9 Contrast of unit number,COP and power of the two strategies in winter typical day

結果表明:典型日開機時刻機組能耗較高，這是由于建筑夜間空調未運行，建筑由于圍護結構的熱惰性積蓄了熱量，早上開機時空調較大。夏季典型日內熱泵機組COP平均提升17.1%，能耗降低14.5%。而冬季典型日內熱泵機組COP平均提升14.8%，能耗降低12.3%。

對于過渡季節某典型日，比較優化前后機組啟停臺數、COP及能耗，結果如圖10所示。

在過渡季節，建筑負荷較低，為了滿足機組的最低負荷率以及水流量要求，機組開啟臺數具有一定限制，過渡季典型日內熱泵機組COP平均提升3.8%，能耗降低3.3%。

4.4 全年能耗分析

基于表1中關于不同部分負荷率室外平均溫度的分析，使用本文建立的模型計算不同部分負荷區間下機組平均功率，并計算功率降低百分比，比較不同部分負荷下機組序列優化控制的效果，如圖11所示。可知部分負荷率較低或較高的情況下，由于機組臺數最低、最高負荷率限制，機組啟停臺數優化節能效果不明顯。而在40% ～90%的部分負荷率區間，啟停臺數優化可以降低機組功率8%。

圖11 夏季與冬季不同部分負荷率下優化前后機組功率對比Fig.11 Contrast of heat pumps power under partial loads in both summer and winter

結合負荷分布分析及前文統計的不同負荷率區間的時間，計算全年不同負荷率下的機組總能耗計算，比較優化前后機組能耗情況，圖12所示為夏季、冬季機組不同負荷率的總能耗對比。

圖13所示為全年能耗統計。在供冷季期間，機組序列優化控制前總能耗為81 888 kW·h，優化后機組總能耗為 70 382 kW·h，熱泵機組能耗降低14.1%;在供熱季期間，機組序列控制優化前總能耗為47 688 kW·h，優化后機組總能耗為43 401 kW·h，熱泵機組能耗降低9.0%。熱泵機組序列優化控制策略具有比較明顯的節能效果。

5 結論

本文分析了一棟辦公樓全年的空調負荷變化，在滿足負荷需求的前提下，提出一種適合變頻空氣源熱泵的序列優化控制方法，并與傳統控制策略進行了對比，得出如下結論:

1)將室外氣溫和建筑負荷作為兩個獨立變量輸入，對不同室外氣溫下機組能力及能耗進行修正，提高了模型預測精度。

2)對于變頻空氣源熱泵機組，開啟臺數較多時每臺機組的部分負荷率較低，COP較高，機組能耗更低，在10% ～100%的系統負荷范圍內，機組COP平均提高了16.4%，機組的平均功率減少了13.4%。

3)夏季典型日內熱泵機組COP平均提升17.1%，能耗降低14.5%;冬季典型日內熱泵機組COP平均提升14.8%，能耗降低12.3%;過渡季典型日內熱泵機組COP平均提升3.8%，能耗降低3.3%。

圖12 夏季與冬季不同負荷率優化前后機組總能耗對比Fig.12 Contrast of heat pumps energy consumption under partial loads in both summer and winter

圖13 優化前后機組全年能耗統計Fig.13 Contrast of annual energy consumption of heat pumps before and after optimization

4)采用機組序列優化控制策略后，在供冷季期間，熱泵機組能耗降低14.1%;在供熱季期間，熱泵機組能耗降低9.0%。熱泵機組的序列優化控制策略具有明顯的節能效果。

[1]江億.我國建筑能耗狀況與節能重點[J].建設科技，2007(5):26-29.(JIANG Yi.Domestic building energy consumption situation and energy-saving priorities[J].Construction Science and Technology，2007(5):26-29.)

[2]蔣小強，龍惟定，李敏.部分負荷下冷水機組運行方案的優化[J].制冷與空調(北京)，2009，9(3):96-97.(JIANG Xiaoqiang， LONG Weiding， LI Min.Optimization of operation scheme for chiller under part load[J].Refrigeration and Air-conditioning， 2009， 9(3):96-97.)

[3]馬素貞.多臺冷水機組的優化配置與節能運行研究[J].建筑科學，2012，28(2):75-79.(MA Suzhen.Study on optimal allocation and energy-saving operation of multiple chillers[J].Building Science， 2012， 28(2):75-79.)

[4]劉雪峰，劉金平.均勻負荷分配的冷水機組并聯運行特性分析[J].制冷學報，2006，27(6):43-47.(LIU Xuefeng，LIU Jinping.Parallel operation characteristics analysis of water chiller of uniform load distribution[J].Journal of Refrigeration，2006，27(6):43-47.)

[5]張韻輝，呂震中，張小松.冷水機組的優化運行[J].暖通空調，2004，34(3):13-16.(ZHANG Yunhui，LYU Zhenzhong，ZHANG Xiaosong.Optimum control of chillers[J].Journal of HV&AC，2004，34(3):13-16.)

[6]閆軍威，陳城，周璇，等.多臺冷水機組負荷分配優化策略仿真研究[J].暖通空調，2016，46(4):98-104.(YAN Junwei， CHEN Cheng， ZHOU Xuan， et al.Simulation study on optimal load distribution strategy of multiple chillers[J].Journal of HV&AC， 2016， 46(4):98-104.)

[7]李覲.基于性能曲線的冷水機組配置和運行優化[J].制冷，2012，31(2):10-16.(LI Jin.Configuration and optimized operation of water chiller based on performance curves[J].Refrigeration， 2012， 31(2):10-16.)

[8]施靈，馬益民.冷水機組優化配置及節能運行模式研究[J].制冷，2008，27(3):75-77.(SHI Ling，MA Yimin.A study on the optimized allocation mode and ener-gy saving operation mode of water chiller units[J].Refrigeration，2008，27(3):75-77.)

[9]LIAO Yundan， HUANG Gongsheng， SUN Yongjun， et al.Uncertainty analysis for chiller sequencing control[J].Energy and Buildings， 2014， 85:187-198.

[10]CHANG Y C，LIN J K，CHUANG M H.Optimal chiller loading by genetic algorithm for reducing energy consumption[J].Energy and Buildings， 2005， 37(2):147-155.

[11]ABOU-ZIYAN H Z，ALAJMI A F.Effect of load-sharing operation strategy on the aggregate performance of existed multiple-chiller systems[J].Applied Energy， 2014， 135:329-338.

[12]CHANG Y C，LIN F A，LIN C H.Optimal chiller sequencing by branch and bound method for saving energy[J].Energy Conversion and Management， 2005， 46(13):2158-2172.

[13]FAN B，JIN X，DU Z.Optimal control strategies for multichiller system based on probability density distribution of cooling load ratio[J].Energy and Buildings， 2011， 43(10):2813-2821.

[14]SUN Y，WANG S，HUANG G.Chiller sequencing control with enhanced robustness for energy efficient operation[J].Energy and Buildings， 2009， 41(11):1246-1255.

[15]SWIDER D J.A comparison of empirically based steady-

Optimal Sequencing Control of Variable-speed Air-source Heat Pumps in Office Building

Liu Zhaohui1，2Li Zhenyu1，2Tan Hongwei1，2，3Xu Wen4Feng Wenbo4Yi Biyi4
(1.School of Mechanical Engineering， Tongji University， Shanghai， 201804， China;2.Research Center of Green Building and New Energy， Tongji University， Shanghai， 200092， China;3.UNEP-Tongji Institute of Environment for Sustainable Development， Tongji University， Shanghai， 200092， China;4.Zhejiang Huayun Electric Power Industrial Group， Hangzhou， 310008， China)

TU83;TQ051.5

A

2016年11月10日

0253-4339(2017)05-0021-08

10.3969/j.issn.0253-4339.2017.05.021

譚洪衛，男，教授，博士生導師，同濟大學綠色建筑及新能源研究中心，(021)65980778，E-mail:hw_tan@tongji.edu.cn。 研究方向:建筑節能技術、可再生能源在建筑中的應用技術、建筑能效監管平臺體系、城市低碳能源規劃技術。

About the corresponding authorTan Hongwei， male， professor， Ph.D.supervisor， Research Center of Green Building and New Energy， Tongji University， +86 21-65980778，E-mail:hw_tan@tongji.edu.cn.Research fields:building energy efficiency technology，renewable energy application technology in building，building energy efficiency supervision platform，urban low-carbon energy planning technology.