節能環保技術在暖通空調系統的應用研究

李忠鋒

(中國中鐵一局集團建筑安裝工程有限公司,陜西 西安 710043)

0 引言

暖通空調系統為人們帶來了方便、舒適。以往的研究已經提出了暖通空調系統的節能環保技術[1]。文獻[2]在暖通空調系統中采用建筑調適技術,以提高暖通空調系統所在建筑的能源利用效率,間接起到節能環保的作用。然而,該技術未能直接對暖通空調進行技術上的改進,僅靠數據分析實現建筑的更優運行,起到的節能環保作用較小。文獻[3]在暖通空調系統中采用了低溫輻射電熱棒方法,通過電熱棒和電熱膜取熱,保證了暖通空調系統的節能和環保。但該方法只能在溫度差別不大的環境使用,不能廣泛地應用于各地的暖通空調系統中。

基于上述問題,本文設計了一套軟硬件統一協調的暖通空調系統。該系統采用了創新的節能環保技術和地源熱泵技術,可以讓暖通空調系統更加節能。同時,本文還在暖通空調系統中設計了能源循環利用機制,減少了含碳氣體的排放。本文在暖通空調系統的新房系統和制冷系統中采用不同的熱回收技術,提高了資源的利用率,保證了暖通空調系統的環保性能。

1 暖通空調系統的總體設計方案

暖通空調系統主要有溫度、通風和空氣調節等功能。本文設計的暖通空調系統主要采用了節能環保的設計理念,分別從精準控制、可再生資源利用和能量回收三個方面設計了相關的節能環保技術。

暖通空調系統總體設計如圖1所示。

圖1 暖通空調系統總體設計圖

暖通空調系統主要由中央暖通空調主機、暖通終端和對應的通信網絡組成。該系統主要有三大節能環保功能設計,即智能數據中心、可再生能源利用模塊和熱能回收模塊。

①智能數據中心。智能數據中心可以自動化運行。每個暖通終端都連接著高精度的傳感器,可以精準地測量暖通終端運行中功耗、所處環境的溫度和運行中排出氣體的熱量等數據。這些數據通過通信網絡集中送到中央暖通空調主機[4]。

②可再生能源利用模塊。可再生能源利用模塊采用了地源熱泵技術,可利用太陽能和地熱能。在本文設計中,熱泵機組分別連接地下泵藕式垂直埋管和水井。

③熱能回收模塊。熱能回收模塊包括以新風熱能循環回收功能為主的多種熱能回收功能。新風熱能回收功能的實現依靠排風口和進風口中間的熱能回收裝置。除了新風熱能循環功能外,該模塊還可以利用暖通空調系統的余熱,將熱能用于日常熱水。這樣既提高了能源利用率,又節約了資源,還不會對環境造成污染[5]。

2 暖通空調系統的智能數據中心

本文設計的暖通空調系統的智能數據中心主要分為兩個模塊,即算法模塊和通信模塊。算法模塊采用了聯邦學習平均算法,通過對暖通空調系統建立數學模型,跨設備訓練系統中各暖通終端,并將訓練結果匯合到智能數據中心,從而完成對暖通空調系統的數據分析。通信模塊采用了多路徑通信方式,實時評估各通信路徑的質量,并選取最優通信路徑作為數據傳播的路徑,以保證系統運行數據的可靠傳輸。

2.1 聯邦學習平均算法

本文設計的暖通空調系統采用了機器學習模型的分支(即聯邦學習)來處理暖通空調系統的數據分析問題。智能數據中心采用聯邦學習中的平均算法,對不同用戶所在暖通空調的數據終端實施本地數據訓練。在得到本地模型后,各終端節點再統一將數據上傳到數據中心,匯總成新的聯邦學習模型。這能在保證各本地數據信息安全的前提下,構建去中心化數據的集合以及聯合多方數據,從而利用加密后的中間參數完成多數據源對于聯合模型的共同訓練[6]。

聯邦學習平均算法架構如圖2所示。

圖2 聯邦學習平均算法架構圖

本文設計的暖通空調系統采用聯邦學習平均算法作為數據傳播的架構。本文假設暖通空調系統中有k個暖通終端,即該系統擁有k個用戶。各終端序號由1到k。第k個終端中有nk個本地數據。本地數據的訓練采用梯度下降算法,以尋找數據的最優目標值。

已知參加訓練的終端數據,即可根據終端數據計算出假設函數。

hθ(x)=θ0x0+θ1x1+θ2x2

(1)

式中:hθ(x)為終端的假設函數;θ0、θ1和θ2分別為不同功率下暖通終端單位時間消耗的能量;x0、x1和x2分別為對應功率下暖通終端運行的時間。

有了暖通終端的假設函數,就可以求出終端的損失函數。

(2)

計算出終端的損失函數后,即可以求出該損失函數的梯度向量。

(3)

有了終端數據的梯度向量,暖通終端數據就可以進行梯度下降,從而向最優數據逼近。

暖通終端的第一次梯度下降為:

θ1=θ0-α×J(θ)0

(4)

式中:θ0為暖通終端的原始功耗向量,表示為[θ0,θ1,θ2];α為梯度下降步長;θ1為第一次梯度下降后的終端功耗的向量狀態。

本文采用式(4)依次對暖通終端數據進行梯度下降,使暖通終端數據接近終端數據的最優表示,直至最接近數據的最優表示時停止。停止式為:

J(θ)i≤ε

(5)

梯度下降算法如圖3所示。

圖3 梯度下降算法示意圖

當第N個暖通終端的nk個本地樣本均找到最優數據時記為暖通終端的一次本地更新。對于一個有k個暖通終端的聯邦學習模型,一輪時間內要在每個被選暖通終端中進行多次本地更新,以保證數據的精準性。具體次數如式(6)所示。

(6)

式中:E為所有終端在一輪時間內可以進行本地更新的次數和;B為終端更新的批處理;uk為最終每輪終端需要進行本地更新的次數。

(7)

式中:wt+1為第(t+1)輪的全局訓練參數;nk為第k個終端中含有本地數據的數量;nN為N個被選終端的本地數據數量和。

有了第(t+1)輪的全局訓練參數,就可以重新選擇多個終端,從而進行下一輪的數據訓練。

2.2 多路徑通信

本文設計的暖通空調系統智慧數據中心采用了聯邦學習數據處理模型。該模型強調了數據的本地計算,只傳播數據計算結果。所以,對于該模型而言,數據傳播速度和準確率更為重要。為了提高數據傳播的準確率和速度,本文采用了多路徑通信的方式。

多路徑通信架構如圖4所示。

圖4 多路徑通信架構圖

本文采用多路徑通信的方式進行數據傳輸。每個暖通終端都有多條線路通向中心服務器。當暖通終端通過傳感器采集到環境溫度等數據后,根據自身耗能和環境溫度綜合得出暖通空調終端提高或減少溫度的行動數據。暖通終端將自身行動數據傳輸到分割器中。分割器分管數臺暖通終端,將不同終端的行動數據進行融合處理。分割器將融合后的數據分割成適合不同通信通道的數據,再經不同通信通道傳向數據處理中心。本文設計的通信通道有5G無線通信網絡、局部區域網絡(local area network,LAN)和電路交換網等網絡。不同通信通道將數據傳播到數據處理中心側的轉換器,再由轉換器將不同類型的數據轉換成統一的數據形式,并將統一的數據傳給中心服務器[8]。

3 地源熱泵空調模塊

為了節能環保,本文在暖通空調系統中加入了地源熱泵空調模塊。該模塊在地下架設垂直埋管和水井,利用土壤和水井吸收的太陽能和熱能及熱泵原理,實現可供熱、可制冷的效果。通過少量的電能輸入,就能實現更節能環保的采暖和制冷效果[9]。

地源熱泵空調模塊結構如圖5所示。

圖5 地源熱泵空調模塊結構圖

地源熱泵空調模塊主要由兩部分組成。一部分是地上的熱泵機組和對應的儲水管、風機盤管等功能機組。這部分與暖通終端和系統用戶相連。另一部分是埋于地下的模塊部分,包括旋流除砂器、回水井和取水井等的地下水式地源熱泵部分,以及以泵藕式垂直埋管為核心的垂直式地源熱泵部分。地源熱泵空調模塊與暖通空調系統的智能控制中心相連。采用智能控制技術后,智能控制中心可以更精準地控制熱泵模塊進行冷熱交換。

泵藕式垂直埋管通過鉆孔,埋在地下50～300 m深的土壤中。埋在地下的封閉管將從地下收集或排出熱量,再通過管道中的循環水進行熱量循環,并帶給地表熱泵主機。地下水式垂直埋管通過機組內的閉式循環系統,經過換熱器與水井抽取的深層地下水進行冷熱交換[10]。采用兩種地源熱泵空調技術,既可以滿足不同暖通終端的個性化需求,又可以更好地利用地下的太陽能和水能,保證節能環保的技術在暖通空調系統中起相應作用。

4 熱回收技術模塊

本文設計了暖通空調系統中的熱回收模塊。該模塊主要由新風系統的進出風熱力循環和制冷劑過熱后的熱力利用組成。兩個功能模塊之間由智能數據中心控制,并由循環水泵連接,負責通過內部循環水來實現熱量的傳遞回收,以達到節能環保的目的。

熱回收技術模塊結構如圖6所示。

圖6 熱回收技術模塊結構圖

本文在新風系統的進氣口和排氣口之間設計了聯通的交換管,對排出去的熱能進行回收[11]。一部分熱能直接通過交換管來到進氣口,對進入室內的新風進行熱能利用。另一部分熱能則來到回收箱,經暖通系統內部的存儲箱,由智能數據中心調度至暖通系統內部的水泵熱循環系統之中。

熱回收技術模塊的核心技術是對系統使用制冷劑過程中的熱量進行回收。一部分熱量采用板式熱交換器,直接通過智能數據中心連接循環水泵熱回收模塊,經數據終端的自動控制,消除多余的熱量損失[12]。另一部分熱量則來到冷凝器部分,通過水源熱泵的輔助,滿足用戶日常熱水需求。通過熱量回收,不僅可以消除暖通空調系統運行過程中可能出現的過熱問題,還減少了暖通空調系統的熱污染排放,回收了部分熱能,滿足了用戶室內溫度和熱水要求,達到了節能環保的目標。

5 試驗結果和分析

本文研究了節能環保技術在暖通空調系統中的應用,通過多種技術方案實現了暖通空調系統的精確管理、可再生能源利用和熱能回收等功能。為了驗證應用的性能,本文搭建試驗平臺對暖通空調系統進行測試。

試驗平臺使用兩臺計算機、一個數據庫、一個服務器以及相關通信設備,搭建暖通空調系統的模擬試驗環境。本文設置暖通空調系統環境溫度為5～20 ℃,部署計算平臺作為暖通空調系統的數據處理中心。

暖通空調系統模擬試驗架構如圖7所示。

圖7 暖通空調系統模擬試驗架構

試驗在模擬仿真暖通系統時,傳感器實時收集暖通終端的數據,并將暖通終端數據上傳到數據庫中,由數據中心對暖通終端數據進行分析處理。為了仿真暖通空調系統長時間運行的特點,本文對比本文系統、文獻[2]系統和文獻[3]系統三個暖通空調系統在長時間運行下單位時間能耗變化的情況。長時間運行試驗數據如表1所示。

表1 長時間運行試驗數據

由表1數據可知,當暖通空調系統剛開始運行時,文獻[2]系統單位小時耗電量比文獻[3]系統單位小時耗電量低。隨著運行時間的延長,文獻[2]系統單位小時耗電量明顯上升,文獻[3]系統單位小時耗電量上升幅度較小。本文系統與文獻[2]系統和文獻[3]系統對比,既有著初運行耗電量低,又有著耗電量隨著時間上升幅度小的優點,節能性能明顯強于另兩個系統。

本文對比三個系統的環保性能,在三個系統出風口設置熱量傳感器,同時記錄三個系統排出氣體數據。

試驗系統排放熱量對比如圖8所示。

圖8 試驗系統排放熱量對比圖

由圖8可知,三個系統在不同運行功率下排放的氣體熱量不同。文獻[3]系統排放的氣體熱量明顯高于其他兩個系統。在運行功率小于4 kW時,本文系統對比文獻[2]系統并無明顯優勢。但當功率大于等于4 kW時,文獻[2]系統排放氣體熱量迅速增加,明顯高于本文系統。本文系統從低功率模式到高功率模式下所排放的氣體熱量均小于其他兩個系統。這證明了本文系統具有更強的氣體熱量循環利用功能。

6 結論

本文設計了可以實現多種節能環保效果的暖通空調系統。本文運用智能數據中心進行數據收集、分析和處理。智能數據中心采用聯邦學習中的平均算法分析系統中的數據,在提高了傳播數據速度的同時保證了數據安全。本文還建立了地源熱泵功能模塊和熱能回收模塊,通過熱泵原理和熱回收技術保證了暖通空調系統的節能環保性。然而,本文也有設計不足之處。如何在數據中心對暖通空調系統實現高精度的數據采集,以及如何設計更高精度、更多維度的暖通空調系統傳感器,是后續研究需要關注的課題。