“近零建筑”綜合能源系統智慧控制設計

王啟帆

[摘? ? 要]如何實現綜合能源系統多種能源運行時機的智能切換，一直是綜合能源領域的一個難題。本文在冷熱聯供系統中通過智能預測能耗負荷，將地源、空氣源、光伏以及蓄能罐多種新能源的產能過程進行全自動智能控制，實現在最合適的時機自動切換使用最合適的能源，優化各個能源的產能過程，避免造成的能源浪費，真正實現“近零能耗”。

[關鍵詞]智能控制;負荷預測;冷熱聯供;能源切換;近零能耗

[中圖分類號]TU201.5 [文獻標志碼]A [文章編號]2095–6487（2020）03–0–03

[Abstract]How to realize the intelligent switching of multiple energy operation time in integrated energy system is always a difficult problem in the field of integrated energy. In this paper， through the intelligent prediction of energy consumption load in the combined cooling and heating system， the production process of ground source， air source， photovoltaic and storage tank is fully automatic and intelligent control， so as to automatically switch to use the most appropriate energy at the most appropriate time， optimize the production process of each energy， avoid energy waste， and truly realize "near zero energy consumption".

[Keywords]intelligent control; load forecasting; combined cooling and heating; energy switching; near zero energy consumption

當前對于冷熱聯供系統的綜合利用技術已經十分成熟，但是由于新能源具有間斷式供應，波動性大，對持續供能不利的特性，同時當下蓄能設備投建費用較高，難以大規模應用，再加上不同季節用戶側負荷會發生跨越式變化，造成多數綜合能源供能系統難以實現“近零能耗”。因此，如何應對各類能源供能系統智能切換的問題，優化綜合能源系統控制過程已成為供能行業的研究熱點。

針對以上問題本文提出一種通過能耗負荷預測來優化配置綜合能源運行效率的控制方法。首先，利用智能負荷預測模型來預測未來供能系統中的能耗負荷，他們分別通過預測溫差計算理論熱負荷量、分段熱量需求變化調整熱負荷量、實際溫度反饋修正熱負荷量和大數據智能預測優化熱負荷量。其次，建立多模式綜合能源系統模型，將不同能耗負荷及天氣環境條件作為多模式條件依據，實現不同環境條件下能源運行模式的全自動切換。再次，利用蓄能設備將可再生能源進行充分的運用和儲存，降低能源的浪費。在滿足正常用戶側供能的情況下，將富余的光能、地熱能、空氣能等進行蓄能，實現綜合能源系統的蓄能和供能同時運行。最后，采用基于H∞控制理論的多變量PID模型，將每個供能設備維持在最高效的運行狀態，即可實現“近零能耗”。

1 智能冷/熱負荷預測模型

1.1 溫度趨勢外推計算

當前擁有精確的短期天氣預報技術，天氣預報數據具有很高的可信度，我們每小時獲取一個下一小時的天氣信息，計算預測溫度下的負荷指標值，如式（1）所示：

式（1）中：R1為預測熱指標值，單位Kcal/m2·h;R0為設計熱指標值，單位Kcal/m2·h;T1為預測的室外溫度，單位℃。T0為設計室外溫度，單位℃。T標為冬天室內標準溫度，夏天室內標準溫度，單位℃。

計算所有供能面積預測溫度下的熱負荷量，如式（2）所示：

式（2）中：Q1為預測熱負荷量，單位Kcal·h;R1為預測熱指標值，單位Kcal/m2·h。S為建筑面積，單位m2。

將單位換算為能量判斷常用單位，如式（3）所示：

式（3）中：Q2為預測熱負荷量，單位GJ·h;Q1為預測熱負荷量，單位Kcal·h。

1.2 時間序列加權計算

一天之中用戶的實際需求溫度不是固定的，這個需求溫度可以根據不同時間段來進行加權計算，本次我們將其定義為工作時段和夜間及節假日時段，根據不同時段的權值對預測負荷量Q2進行加權計算。

工作時段預測溫度下的熱指標值，如式（4）所示：

式（4）中：R1為預測熱指標值，單位Kcal/m2·h。R0為設計熱指標值，單位Kcal/m2·h;T1為預測的室外溫度，單位℃。T0為設計室外溫度，單位℃。T標1為工作時段冬天室內標準溫度/夏天室內標準溫度，單位℃。f 1為工作時段權值。

夜間及節假日預測溫度下的熱指標值，如式（5）所示：

式（5）中：R1為預測熱指標值，單位Kcal/m2·h。R0為設計熱指標值，單位Kcal/m2·h。T1為預測的室外溫度，單位℃。T0為設計室外溫度，單位℃。T標2為夜間及節假日時段冬天室內標準溫度/夏天室內標準溫度，單位℃;f2為工作時段權值。

后續步驟參考溫度趨勢外推計算，最終計算出工作時段預測熱負荷量Q3和夜間及節假日時段預測熱負荷量Q4。

1.3 穩態反饋權值修正計算

根據當前一小時平均的室內實際溫度值，與設計溫度進行比較得出比例偏差，對預測下一個小時熱負荷量進行權值的修正。

兩個時段的權值進行動態修正，如式（6）所示：

式（6）中：f1為工作時段權值.f2為工作時段權值。T2為工作時段實際室內溫度，1小時內平均溫度;T3為夜間及休息時段實際室內溫度，1小時內平均溫度。

1.4 灰色數據預測計算

針對采集的關鍵參數，室內溫度、地源熱泵供回水溫度、風冷熱泵供回水溫度、蓄能罐供回水溫度、產熱量等，這些大量非結構性、非確定性規律的數據進行自適應分析，自主學習優化計算熱負荷量的預測結果。

采用大數據平臺對數據進行匯總整理，通過邊緣計算的方式在控制器端進行具體的優化計算，我們用模糊預測技術輔助進行短期負荷預測，此時可認為負荷的發展是一個平穩的隨機過程。如果遇見政治、經濟等可能造成重大轉折的事件，需要破壞原有數基模型重新構建。

將一天24h的實際熱負荷量分為24個時區，我們認為其在每天的同一個時區數據的變化過程為灰色過程，每個時區建立一個灰色模型。

（8）將a和b的值帶入，可解得預測時序k下的預測值。

室內溫度、地源熱泵供回水溫度、風冷熱泵供回水溫度、蓄能罐供回水溫度、產熱量，我們將這8項數據均進行預測計算。

根據預測數據先進行判斷預測熱負荷Q3或者Q4產熱量時三個熱源是否處于最佳運行狀態，COP是否達到期望，如果是則不進行干預調整，如果不是的話根據灰色模型預測熱負荷值Q5，與Q3或者Q4求加權平均值Q6，權值比例為動態比例，從0.5：0.5開始計算，每計算一個Q6進行COP判斷，直到COP達到最佳值。

2 多模式綜合能源系統控制模型

“近零能耗”建筑綜合能源系統，由光伏系統、地源熱泵機組冷熱聯供系統、風冷熱泵機組冷熱聯供系統以及蓄能設備冷熱聯供系統組成。如圖1所示。

2.1 光伏陣列建模

本次計算光伏系統中光伏陣列穩態輸出的功率采用簡化模型，如式（16）所示：

式中：PP為光伏陣列輸出功率，單位為W。PPVN為在標準測試條件下的輸出功率，單位為W。G為光照強度，單位為W/m2。

光伏產生的電能既能滿足用戶側電負荷需求又能滿足冷熱聯供系統的用電需求，多余的電量一方面通過蓄電池組進行回收，另一方面通過冷熱聯供系統轉化為熱/冷能，由冷熱聯供系統的蓄能設備進行收回。

2.2 冷熱聯供系統建模

冷熱聯供模型反映其消耗的能量與產生的能量之間的關系，如式（17）所示：

式（17）中：QS為供能設備實際產能量，單位為J.C水為水的比熱容，單位為J/kg·℃。T供為供能設備二次側的供水溫度，單位為℃。T回為供能設備二次側的回水溫度，單位為℃。L為二次側循環流量，單位為m3/h。t為設備運行時間，單位為h。ρ水為水的密度，單位為kg/m3。

冷熱聯供系統包括地源熱泵機組、風冷熱泵機組以及蓄能設備組成，系統整體的模型如式（18）所示：

式（18）中：Q總為某一時段下冷熱聯供系統的所有供能量.Q地源、Q風冷、Q蓄能分別為各個供能設備在同一時段的產能量。T地源、T風冷、T蓄能分別為各個供能設備在同一時段的運行時間。

2.3 多模式自動切換控制

根據上述預測出來的一小時后的負荷值以及光伏-冷熱聯供系統的產能量，通過邏輯判斷實現光伏-冷熱聯供系統的模式切換，所有操作均由系統自動控制，做到提前預測，提前響應，始終將系統的運行效率保持在最佳。

2.4 富余能量的儲存和轉化

上文已經提到“近零建筑”存在冷、熱、電負荷高峰和低谷的情況，所以在實際運行中有很多時候會有富余的能量，電能的直接存儲通常是用蓄電池組，但是蓄電池的造價成本過高，這里采用成本較低的蓄能罐將富余的電能轉化為熱能進行存儲，全部轉化儲存過程都為全自動進行，通過上述模型計算結果進行判斷。

3 控制模型配置結果分析

過渡季和夏季完全實現“零能耗”，冬季由于光伏輸出功率較低所以還是有一部分購電量。蓄能罐是主要的供能設備，60%～90%的供能量由蓄能罐產生，地源熱泵作為主要電能轉化熱能的轉化設備，其運行時間和耗電量是最大的。

4 結語

本文基于“近零能耗”建筑，提出一種光伏-冷熱聯供系統的綜合能源智慧控制算法模型，通過實現綜合能源系統中各個產能設備的最優產能狀態、智能運行切換等控制過程，達到減少能源浪費實現“近零能耗”的目的。實際運行效果表明，在過渡季和夏季供冷季，已經完全實現“零能耗”，一個是夏季和過渡季光伏輸出負荷較高，再一個就是多源系統切換能在最合適的時機切換最有效率的運行模式。在冬季的時候，由于光照強度下降光伏輸出負荷較低，所以出現了購電的情況，但整體購電量處于一個較低水平，效果還是比較明顯的。

本文提出控制模型在綜合能源冷熱聯供系統中具有一定價值，但是發電部分的能源類型還是較為單一，未來將進一步考慮風光-冷熱電聯供的綜合能源系統。

參考文獻

[1] 石兆玉，楊同球.供熱系統運行調節與控制[M].北京：中國建筑工業出版社，2018.

[2] 加鶴萍，丁一，宋永華，等.信息物理深度融合背景下綜合能源系統可靠性分析評述[J].電網技術，2019，43（1）：1-11.

[3] 楊挺，趙黎媛，王成山，等.人工智能在電力系統及綜合能源系統中的應用綜述[J].電力系統自動化，2019，43（1）：2-14.

[4] 李建設，王亞偉.關于工業園區智慧型綜合能源系統的研究[J].節能與環保，2019（8）：65-66.

[5] 彭克，張聰，徐丙垠，等.多能協同綜合能源系統示范工程現狀與展望[J].電力自動化設備，2017，37（6）：3-10.

[6] 鐘鳴.基于泛在電力物聯網的綜合能效提升[J].電氣時代，2020（1）：24-27.

[7] 韓宇，彭克，王敬華，等.多能協同綜合能源系統協調控制關鍵技術研究現狀與展望[J].電力建設，2018，39（12）：81-87.

[8] 顏玉林，李斯吾，連偉紅，等.丹麥綜合能源服務實踐經驗及對我國的啟示[J].中國電力企業管理，2019（34）：54-59.

[9] 王永真，張寧，關永剛，等.當前能源互聯網與智能電網研究選題的繼承與拓展[J].電力系統自動化，2020，44（4）：1-8.

[10] 蔡剛.高質量構筑省域現代能源體系——“十四五”能源發展規劃的幾個重點問題[J].浙江經濟，2020（7）：10-15.