基于運行數據的酒店建筑制冷系統能耗預測及節能分析

王喜春，張靖，張春路*

（1-上海東方延華節能技術服務股份有限公司，上海 200060；2-同濟大學機械與能源工程學院，上海 201804）

0 引言

大型酒店類建筑，尤其是四星級以上的酒店，其能耗多高于辦公建筑、商業建筑等，屬于能源消耗較大的一類公共建筑[1-2]。高級酒店通常采取全年制冷的方式，制冷能耗可占整體建筑能耗的15%～30%，具有極大的節能潛力[3-5]。

運行策略需要同時考慮系統的穩定性和節能性[6-8]，對從業人員的專業性提出了一定要求?；谌藶榕袛嗟牟呗哉{整很難實現系統整體性節能，需要引入全局能耗預測模型調整運行控制策略。

現有冷水機組能耗模型可分為兩類[9]：回歸分析模型和機器學習模型。前者包括線性回歸模型、半經驗模型[10]、多元多項式模型[11]和DOE-2 模型[12]等，通?；趶S家提供的性能數據參數得到，和運行數據聯系不緊密；后者包括支持向量機模型[13-14]、神經網絡模型[15-16]和梯度提升回歸樹模型[17]，對數據數量和質量有一定要求，適用于檢測完善的系統，建模較復雜。

本文利用上海某酒店制冷系統2018—2020年的運行數據，建立制冷系統能耗預測模型，體現不同策略控制造成的機組能耗變化；基于給定的策略表，優化該系統的歷史運行策略參數，可簡單有效地指導現場運維工作。

1 系統原理

1.1 系統及設備信息

該酒店位于上海中心城區，總建筑面積為98,805 m2。酒店采用雙管制末端，滿足全年制冷需求，制冷系統原理如圖1所示。冷源配備3 臺名義制冷量2,408 kW 的離心式冷水機組，配備3 臺冷卻塔、4 臺冷凍水泵和4 臺冷卻水泵。

圖1 某酒店制冷系統原理

1.2 系統運維現狀

酒店制冷系統冷水機組采用“平均負載率法”[18]承擔和分配系統制冷負荷。圖2所示為2018—2020年8月暖通系統能耗。

圖2 2018—2020年8月暖通系統能耗

2 能耗預測模型

2.1 數據采集和預處理

以2018—2020年5～10月制冷階段系統運行數據和能耗數據為基礎，去除缺失值后共產生20,365組有效樣本數據。包括冷凍水/冷卻水供回溫度、冷凍水泵、冷卻塔、冷水機組開啟臺數和各部分累積耗電量等。由于測點傳感器故障，冷凍水和冷卻水流量及冷卻水溫度等數據存在缺失或異常值情況。

如式(1)，為了保證不同性質數據尺度區間不影響綜合分析可靠性，對數據進行標準化。

式中，x?為樣本數據平均值，s為數據的標準差。

2.2 冷水機組能耗建模

水冷冷水機組的能耗模型一般可采用冷凍水供水溫度、冷卻水溫度、冷凍水流量、冷卻水流量和空調負荷進行擬合[19-20]，如式(2)所示：

式中，Wc為冷水機組能耗，kW；Tch為冷凍水供水溫度，℃；Tct為冷卻水溫度，℃；qch為冷凍水體積流量，m3/h；qcw為冷卻水體積流量，m3/h；Q為總負荷，kW。

由于冷凍水流量、冷卻水溫度等數據存在缺失或異常等情況，需要使用其他數據進行替代?？紤]到冷凍水流量與冷凍水泵能耗呈對應的正相關關系，如式(3)所示，可用水泵能耗數據代替冷水機組模型中缺失的流量變量。

式中，Wch為冷凍水系統能耗，kW；qch為冷凍水泵流量，L/s；qm,ch為冷凍水泵額定流量，L/s；Wm,ch為其額定功率，kW。

存在較多異常值的冷卻水的溫度數據則可由冷卻塔功耗與室外環境溫度進行替代。由于冷卻塔功耗與冷卻塔風機轉速呈正相關，反映了冷卻塔風量的變化，如式(4)所示。因此，冷卻塔功耗和室外環境溫度的變化，可以反映冷卻水溫度的變化。

式中，Wct為冷卻水系統能耗，kW；a為冷凍水泵能耗，采用定速泵可近似為常數，kW；b為冷卻塔風機開啟個數，采用分區分檔開啟；qct為冷卻塔風機風量，m3/h；qm,ct為冷卻塔風機額定風量，m3/h；Wm,ct為冷卻塔風機額定功率，kW。

建筑空調負荷主要分為兩部分，即圍護結構的負荷，以及室內人員和設備負荷。前者主要與室外溫度有關，后者主要與建筑內人員數量有關。由于無法直接統計人員數量，故可以采用建筑照明負荷估計人員入住情況。在模型中，以人員與設備負荷率θ為非圍護結構負荷的相對大小。

冷水機組多項式模型如式(5)所示：

式中，Tenv為環境溫度，℃；Twat為冷凍水供水溫度，℃；θ為人員與設備負荷率。

使用2018—2020年制冷季節的冷水機組運行數據與能耗數據建立了回歸模型，共確定56 個模型參數用于擬合五變量三次多項式。經檢驗，擬合后模型決定系數R2為0.85，平均絕對百分比誤差（Mean Absolute Percentage Error，MAPE）為5.9%，模型總體精度良好。

圖3所示為其他變量一定時，單臺冷水機組的能耗隨著室外溫度、冷凍水供水溫度、冷凍水體積流量和負荷率的變化，用于對模型的趨勢進行合理性檢驗。由圖3 可知，該多項式模型可以很好預測冷水機組能耗不同變量變化的趨勢，具有較好的預測能力。

圖3 單臺冷水機組能耗隨室外溫度、冷凍水供水溫度、冷凍水體積流量和負荷率的變化

2.3 空調制冷系統能耗模型

如式(6)所示，制冷系統能耗共包括4 部分：冷水主機、冷凍水系統、冷卻水系統和末端風盤。

式中，WFCU為末端風盤能耗，kW。

無論是否有客人入住，該酒店末端風盤保持常開，末端風盤能耗近似為常數。經計算，將平均值作為末端能耗產生的平均誤差小于1%。

3 策略參數優化

分別給定三檔冷水供水溫度、冷凍水泵轉速、冷卻塔風機轉速進行計算。供水溫度和冷凍水轉速擋位匹配，保持制冷量處于同一水平。如表1所示，基于給定的9 個策略進行后續策略優化。

表1 給定策略表

按每1 ℃室外氣溫和5%人員和設備負荷率劃分區間，并進行最優策略的優化計算，得到如圖4所示的最優策略優化計算結果。

圖4 最優策略優化計算結果

由表1 可知，在不同工況下，該系統分別有不同的最優冷凍水溫度設定值，可根據策略優化的結果對冷凍水溫度設定進行實時調節，從而實現不同工況下的節能運行。此外，優化策略的結果表明該系統冷卻塔的最優設定點始終為低風機轉速，這可能是由于該系統冷卻塔選型相對偏大引起。通過進一步的調研和數據分析確認了這一結果。以2020年8月為例，冷卻塔一直處于高檔位運行，冷卻水供回水溫差處于5.4～8.1 ℃，已經高于國標推薦設計值5 ℃。導致冷卻塔能耗大幅上升，但主機能耗下降幅度不大，因此總能耗上升。

對2018—2020年歷史運行策略進行優化，優化后的系統總體節能量達11.7%，如圖5所示。

圖5 優化前后系統能耗對比

4 結論

本文以上海某酒店為例，分析了該酒店2018—2020年制冷系統運行數據，建立了制冷系統能耗預測多項式模型模型，并基于給定的策略表對歷史運行策略進行優化分析，得出如下結論：

1）利用多項式模型對制冷系統能耗進行預測，模型擬合優度R2為0.85，平均絕對百分比誤差MAPE 為5.9%，可以較好反映由策略調控造成的機組能耗變化趨勢，對運行策略的制定提供指導；

2）基于給定的運行策略表，分區域計算了最優運行策略，對歷史運行策略進行優化，優化后系統整體節能量達11.7%。