基于冷負荷需求預測的空調系統智能節能控制

摘要：冷負荷需求預測是空調系統智能節能控制的核心，通過對建筑物的冷負荷進行實時監測和預測，為空調系統的運行提供依據。為了合理配置與使用空調系統的能源，實現節能，有必要預測冷負荷需求，研究空調系統智能節能控制方法。本文首先收集歷史冷負荷數據，建立冷負荷需求預測模型，對空調系統的冷負荷需求進行合理預測，其次設定空調系統節能運行參數，包括溫度、濕度、新風量、運行模式和風速等，最后建立空調系統智能節能控制策略優化目標函數，設計空調系統智能節能控制策略，并執行控制動作，以提供節能且舒適的環境。試驗表明，提出的方法應用后，節能優勢顯著，節能率超過26%，能耗明顯降低。

關鍵詞：冷負荷；需求預測；空調系統；智能節能控制

中圖分類號：TP399 文獻標識碼：A 文章編號：1008-9500（2024）04-0-03

DOI：10.3969/j.issn.1008-9500.2024.04.048

Intelligent Energy-Saving Control of Air Conditioning Systems Based on Cooling Load Demand Prediction

SHAO Yuxia， LI Hailong， LIU Chuanming， LU Xiaofei

（Shandong Hechuang Intelligent Technology Co.， Ltd.， Jinan 250014， China）

Abstract： Cooling load demand prediction is the core of intelligent energy-saving control in air conditioning systems， and it provides a basis for the operation of air conditioning systems by real-time monitoring and prediction of the cooling load of buildings. In order to reasonably allocate and use energy in air conditioning systems， achieve energy conservation， it is necessary to predict cooling load demand and study intelligent energy-saving control methods for air conditioning systems. In this paper， firstly， historical cooling load data is collected， and a cooling load demand prediction model is established to reasonably predict the cooling load demand of the air conditioning system， and then energy-saving operating parameters are set for the air conditioning system， including temperature， humidity， fresh air volume， operating mode， and wind speed， finally， an optimization objective function for the intelligent energy-saving control strategy of the air conditioning system is established， and an intelligent energy-saving control strategy for the air conditioning system is designed， and control actions are executed to provide an energy-saving and comfortable environment. The experiment shows that the proposed method has significant energy-saving advantages after application， with an energy-saving rate of over 26% and a significant reduction in energy consumption.

Keywords： cooling load; demand prediction; air conditioning system; intelligent energy-saving control

傳統的空調系統控制方法大多基于經驗或者固定的運行模式，缺乏對實際冷負荷需求的考慮，可能會導致能源浪費[1-2]。為了解決上述問題，有必要探索基于冷負荷需求預測的空調系統智能節能控制方法。冷負荷需求預測是空調系統智能節能控制的核心，通過對建筑物的冷負荷進行實時監測和預測，為空調系統的運行提供依據[3]。通過預測未來一段時間內的冷負荷需求，可以提前調整空調系統的運行參數，滿足實際需求，同時降低能耗[4]。這種方法不僅提高空調系統的運行效率，還對節能減排和減少建筑運行費用有重大意義。因此，本文提出一種基于冷負荷需求預測的空調系統智能節能控制方法，為推動空調系統的節能技術進步、實現建筑節能減排提供有力支持。

1 基于冷負荷需求預測的空調系統智能節能控制方法設計

1.1 建立冷負荷需求預測模型

第一，通過傳感器收集歷史冷負荷數據，包括時間序列數據和其他相關影響因素的數據。第二，通過探索性研究，獲取冷負荷數據的基本統計特征、變化趨勢和分布情況。這有助于初步識別空調系統冷負荷數據的潛在規律。第三，根據冷負荷需求預測的目標，選擇與冷負荷需求相關的特征[5]。這些特征可能包括環境參數、建筑物特性、氣候條件等影響因素。第四，利用預測算法，對歷史冷負荷數據進行分析，建立冷負荷需求預測模型，如式（1）所示。第五，根據歷史數據對模型進行訓練，學習冷負荷需求的預測規律。在此基礎上，實時采集空調系統運行特征數據并將其輸入模型中，對未來的冷負荷需求進行預測。

y（t）=f [x1（t），x2（t），…，xn（t）]（1）

式中：y（t）為t時刻的冷負荷需求；xn（t）為影響冷負荷需求的特征數據；f [t]為預測函數，可以是線性函數或非線性函數。

1.2 設定空調系統節能運行參數

冷負荷需求預測模型建立后，確定空調系統未來冷負荷需求預測的目標，并對空調系統節能運行參數進行設定。首先，了解建筑物特性，包括用途、面積、布局和建筑材料等。這些特性對空調系統的設計和運行有重要影響。其次，基于建筑用途和舒適度要求，設定合理的室內溫度和濕度范圍。最后，根據人員密度和空氣質量要求，采用式（2）計算必要的新風量。

Q=N×qm（2）

式中：Q為室內所需的新風量；N為室內人數；qm為每人所需要的新風量。

新風量對空調系統能耗及室內空氣質量都有直接影響，過多會大幅度增加空調能耗，過少會降低室內空氣質量，因此要確定新風量的實際需求并進行設定。要評估外部環境影響，避免外部環境因素影響空調系統的運行效率和能耗。根據建筑特性和需求，選用適當的空調系統類型，配置自動控制模塊。該模塊可以根據室內外溫濕度、人員密度和新風量等參數自動調整空調的運行模式。綜上，設定的空調系統節能運行參數如表1所示。按照設定參數，提供舒適的環境，同時盡可能地節約能源。

1.3 空調系統智能節能控制

空調系統節能運行參數設定后，設計空調系統智能節能控制策略，并執行控制動作。空調系統智能節能控制是一種通過智能化手段實現空調系統高效、節能運行的方法。建立空調系統智能節能控制策略優化目標函數z，如式（3）所示。在綜合考慮多種約束的情況下，以控制策略為目標函數進行優化，包括設定溫度范圍、系統最大輸出與最小輸出等，動態調整空調系統的控制參數，持續監測空調系統的能耗和室內環境質量。根據監測結果，對控制策略進行調整，以適應實際運行情況的變化。

式中：z為控制策略優化目標函數；T為實際運行時間；y（t）為t時刻的實際冷負荷需求；y（t）為t時刻的預測冷負荷需求；u（t）為t時刻的控制輸入（設定溫度、濕度等）；u（t）為t時刻空調系統智能節能優化控制輸入；c1、c2均為智能節能控制權重系數。

空調系統通過通信接口接收來自控制系統的控制信號，驗證接收的控制信號是否在合理范圍內。根據接收的控制信號，通過執行器對空調系統進行調節。在進行控制操作的同時，對空調系統的工作狀況及室內環境參數進行實時監控。將這些監控數據反饋給空調系統的智能控制模塊，以便控制模塊能夠根據實際情況進行調整。通過智能節能控制策略和執行控制動作，可以實現對空調系統的智能節能控制目標，有效降低系統運行能耗。

2 試驗分析

2.1 試驗準備

為了驗證所提的基于冷負荷需求預測的空調系統智能節能控制方法的有效性與實際應用效果，設計試驗。試驗選擇某辦公大樓作為研究對象。辦公大樓具有代表性的空調系統，其冷負荷需求在不同季節和天氣條件下具有較大的波動。辦公大樓的建筑面積為8 000 m2，其水冷式中央空調系統采用樓宇自動化系統進行控制，控制方式分為自動模式和手動模式。

辦公大樓具有先進的空調系統，能夠提供穩定的冷負荷需求。選擇辦公大樓的8～13層作為試驗區域，這6層包含不同類型的辦公室，如開放式辦公室、獨立辦公室和會議室等，能夠反映不同的冷負荷需求。試驗區域共設置120個數據采集點，平均每層有20個。采集點分布在各房間的關鍵位置，如室內、出風口和回風口等。在此基礎上，應用所提的基于冷負荷需求預測的空調系統智能節能控制方法開展測試。

2.2 節能控制效果分析

試驗時間為6周。為了更加直觀地判斷空調系統節能控制效果，采用對比試驗的方法，將所提的基于冷負荷需求預測的空調系統智能節能控制方法設置為試驗組，將相關研究提出的傳統節能控制方法分別設置為對照組1[2]與對照組2[4]，對比3種方法的節能控制效果。試驗選擇將空調系統節能率作為性能評價指標，其計算公式如式（4）所示。

式中：η為空調系統節能率；Ws為辦公大樓空調系統采用智能節能控制方法前的能耗；Wr為辦公大樓空調系統采用智能節能控制方法后的能耗。

試驗以節能率為指標，評估不同方法對空調系統節能控制的貢獻。試驗期間，分別記錄辦公大樓空調系統在2種傳統節能控制模式和智能節能控制模式下的能耗數據。數據采集頻率為每小時一次，確保能夠捕捉各種動態變化。根據節能率計算公式，得出3種節能控制方法下的空調系統節能率，并進行對比，結果如圖1所示。對比結果顯示，所提的基于冷負荷需求預測的空調系統控制方法在節能方面優勢顯著，節能率較高，大于26%，說明空調系統節能控制方法的效果更好，能夠更好地節約能源，降低運行成本，并減少對環境的影響。

3 結語

研究和發展空調系統的節能控制技術對于降低建筑能耗、推動綠色建筑的發展具有重要意義。本文重點介紹基于冷負荷需求預測的空調系統智能節能控制方法，通過試驗驗證該方法的有效性和優越性。該方法通過預測建筑物的冷負荷需求，優化控制空調系統的運行參數，對能源進行合理配置與使用，以實現節能減排，具有良好的應用前景和實用價值。

參考文獻

1 孫祖春，羅天成，高 見，等.從全過程調適角度解析我國變風量空調系統典型問題[J].暖通空調，2023（2）：138-142.

2 田 野，楊子軒，趙長春，等.基于模型預測控制的新風機組節能優化控制方法[J].暖通空調，2023（2）：193-196.

3 張可任，楊晚生，顏 彪，等.基于VMD-IPSO-GRU的機場航站樓冷負荷多步預測模型[J].暖通空調，2023（2）：84-88.

4 李元陽，方 興，胡 欽，等.某地鐵車站通風空調系統風水聯動控制方法及應用[J].暖通空調，2023（2）：226-231.

5 劉 俊，車輪飛，於 澤，等.典型地鐵站通風空調控制系統節能改造分析[J].暖通空調，2023（2）：250-253.