商场过渡季节中央空调冷源系统运行参数优化研究

闫军威 梁艳辉 黄扬春 喻 凡



商场过渡季节中央空调冷源系统运行参数优化研究

闫军威 梁艳辉 黄扬春 喻 凡

（华南理工大学机械与汽车工程学院 广州 510641）

针对夏热冬暖地区商场过渡季节空调系统运行特点，以广州某商场中央空调冷源系统为研究对象，提出各设备单元的能耗模型，根据空调实际运行数据，利用最小二乘方法对各模型的参数进行辨识，以冷源系统运行设备总能耗最小为目标，探讨基于遗传算法的中央空调冷源系统最佳运行参数值，并将优化的运行参数由动态变量来控制进行实验验证。结果表明：与原运行方式相比，参数优化运行方式下冷源系统节能率为7.07%。

商场；过渡季节；空调冷源系统；运行参数；优化；遗传算法

0 引言

夏热冬暖地区，过渡季节时间长。在大型商场建筑中，即使在过渡季节室外气温适宜的条件下，由商场内人流量大、射灯多的特点，商场内也有一定的冷负荷，为满足商场内舒适性要求，中央空调系统需长时间处于运行状态，且目前中央空调系统运行控制方式大多采用恒定或者根据管理者经验修改运行参数设定值的方式对下位机控制器进行控制，在过渡季节部分负荷运行时，因运行参数不合理导致控制特性较差及能耗浪费严重，存在较大的节能潜力。

通常，夏热冬暖地区商场空调系统能耗比重较大，占建筑总能耗约25%[1]。文献[2-5]对夏热冬暖地区商场空调系统能耗与运行管理进行了分析，提出了有针对性的节能技术措施，理论计算与实际应用均表明具有较好的节能效果。本文针对夏热冬暖地区大型商场过渡季节空调系统运行时间长、能耗高的特点，探讨大型商场过渡季节中央空调冷源系统最佳运行参数值，并以广州某商场中央空调冷源系统为研究对象，选取过渡季节空调系统常采用的运行方式进行分析，在保证商场内舒适性和系统安全运行的前提下，以冷源系统运行设备总能耗最小为目标，得出最佳的冷水供水温度、冷水流量、冷却水流量及冷却塔风机频率组合运行参数值，并通过动态变量控制优化的运行参数，对该方法进行节能效果验证。

1 研究对象

本文以广州某商场中央空调冷源系统为研究对象，该空调冷源系统主要由4台冷水机组、6台冷冻泵、6台冷却泵及8台冷却塔组成。其中冷水机组采用2台大机和2台小机；冷冻泵、冷却泵及冷却塔均有两种功率不同的型号，分别与大、小两种冷水机组搭配使用，主要设备参数如表1所示。该系统已搭建了一套冷源集中管理控制系统，配备有水温传感器、压差传感器、流量计、水泵变频器、冷却塔风机变频器、多功能电表、室外温湿度传感器等设备，可通过通讯接口将水温、压差、水流量、水泵频率、冷却塔风机频率、电量、室外温湿度等参数进行采集并存储至数据服务器，此外该冷源集中管理控制系统可对冷源运行参数进行实时控制，实验平台系统示意图如图1所示。

表1 空调冷源系统设备参数

图1 中央空调系统实验平台系统示意图

2015年该商场中央空调冷源系统总用电量为346.73万kWh，其中过渡季节（3～5月份及10～11月份）冷源系统总用电量为130.30万kWh，耗电量较高，占冷源系统全年总用电量的37.58%。通常，商场冷负荷不同，冷源系统设备组合运行方式也不同，而不同负荷条件下存在最佳的冷源运行参数组合，使得冷源系统能耗最小[7]。在过渡季节该商场中央空调冷源系统通常开启1台大机，1台75kW冷冻泵、1台90kW的冷却泵及若干台冷却塔，本文对该商场过渡季节冷源系统设备组合运行方式进行分析，在满足末端负荷需求的前提下，得出该运行方式下冷源系统最佳运行参数值，进一步挖掘该商场冷源系统的节能潜力。

2 中央空调冷源系统各设备单元能耗模型

2.1 冷水机组能耗模型

冷水机组是中央空调系统的供冷设备。其实际功率计算表达式如下：

式中，e为冷水机组制冷量，kW；chiller为冷水机组功率，kW；为冷水机组运行能效。

其中，冷水机组运行能效有多种经验模型，Tong-Shing Lee等[8]对不同的COP模型进行比较，发现Reddy等[9]提出的多元多项式经验模型（MP模型）精度较好，该模型与冷水机组制冷量、冷水回水温度、冷却水回水温度三个参数有关，其表达式如下：

式中，chwr、cwr分别为冷水回水温度、冷却水回水温度，℃；0～9为模型系数。

2.2 水泵能耗模型

水泵是中央空调系统中冷水和冷却水的动力设备。对变频水泵而言，水泵实际功率不仅与流量、扬程、水泵效率及电机效率有关，还与变频器效率有关，其理论计算表达式如下：

式中，pump为水泵实际功率，kW；为水密度，kg/m3；为重力加速度，m/s2；p为水泵实际体积流量，m3/h；p为水泵实际扬程，m；为水泵全效率；为水泵效率；为电机效率；为变频器效率。

文献[10]指出电机效率和变频器效率为水泵频率的辨识模型，水泵扬程为水泵流量和频率的辨识模型，而辨识这些模型的模型系数所需数据很难获取，且将辨识模型代入（3）中，水泵能耗模型相对复杂，工程实用性低。文献[11]提出水泵能耗可表示为水泵频率及水泵流量的多项式模型，其表达式如下：

冷冻泵能耗模型：

冷却泵能耗模型：

式中，0～3、0～3为模型系数；chw、cw分别为冷水和冷却水流量，m3/h；chwo、cwo为冷冻泵和冷却泵额定流量，m3/h；chwp、cwp为冷冻泵和冷却泵比转速；chwp、cwp为冷冻泵和冷却泵电机实际运行转速；chwpo、cwpo为冷冻泵和冷却泵电机额定转速；chwp、cwp为冷冻泵和冷却泵电机实际运行频率，Hz；chwpo、cwpo为冷冻泵和冷却泵电机额定频率，Hz。

2.3 冷却塔风机能耗模型

冷却塔是中央空调系统的散热设备。其风机功率理论计算公式类似于水泵功率理论计算公式，表达式如下：

式中，fan为风机功率，kW；a为风量，m3/h；为冷却塔进出口风压差，Pa；为风机效率。

针对变频冷却塔风机，风量与冷却塔进出口风压差难以准确获取。在忽略冷却塔风机自身发热的情况下，文献[12]提出变速冷却塔风机能耗可表示为风机比转速的多项式模型，其计算表达式如下：

式中，0～3为模型系数；fan为风机比转速；fan为风机实际转速；fano为风机额定转速；fan为风机实际运行频率，Hz；fano为风机额定运行频率，Hz。

3 基于遗传算法的中央空调冷源系统运行参数优化分析

选取2016年过渡季节1典型日（4月2日）空调冷源系统设备组合运行方式进行分析，当天商场空调冷源系统运行设备为：1#冷水机组、3#冷冻泵、3#冷却泵及5#～7#冷却塔。根据中央空调运行情况，辨识运行设备单元模型、选取优化参数、确定优化目标和约束条件及编写优化算法程序。

3.1 模型参数辨识

利用该中央空调冷源集中管理控制系统采集的数据，采用最小二乘法分别对1#冷水机组能效模型、3#冷冻泵能耗模型、3#冷却泵能耗模型及冷却塔能耗模型的模型系数进行辨识，各设备单元模型系数如下：（1）1#冷水机组能效模型系数0～9分别为：46.2686，-1.2341，-2.5441，-0.0073，0.0106，0.0906，1.1700×10-6，0.0091，2.2408×10-4，-1.7805×10-4；（2）3#冷冻泵能耗模型系数0～3分别为：113.3043，-90.5927，70.0571，-18.4323；（3）3#冷却泵能耗模型系数0～3分别为：125.8799，-0.1351，1.7730×10-4，-8.2124×10-8；（4）冷却塔能耗模型系数0～3分别为：-0.4130，2.1866，0.7474，1.9708。

根据模型精度判断准则[13]，将期望误差百分比EEP和95%置信区间作为模型的评价指标，表2给出了各设备单元模型验证精度。由表2可知，各设备模型的相对误差在95%的置信区间内的数据均超过92%，EEP均低于3.5%，因此建立的各设备模型具有较高的精度。

表2 模型验证精度

3.2 优化参数的选取

中央空调冷源系统能耗包括冷水系统能耗和冷却水系统能耗。从理论上讲，当空调末端冷负荷需求一定时，对冷水系统而言，存在某一确定的冷水供水温度和冷水流量参数组合，使得冷水系统设备运行能耗最小；当冷水机组冷凝器散热量及室外气象参数一定情况下，对冷却水系统而言，存在某一确定的冷却水流量和冷却水回水温度参数组合，使得冷却水系统设备运行能耗最小，而冷却水回水温度取决于冷却塔风量，风量大小可通过冷却塔风机运行频率来调节，因此冷却塔风机频率可间接反映冷却水回水温度；对整个空调冷源系统而言，冷水机组冷凝器散热量与空调末端冷负荷需求及冷水机组压缩机对制冷剂做的功相关，因此中央空调冷源系统的运行优化问题可以表示为空调运行中冷水供水温度、冷水流量、冷却水流量及冷却塔风机频率的寻优过程。综合考虑以上因数，选取冷水供水温度chws、冷水流量chw、冷却水流量cw及冷却塔风机频率fan作为空调冷源系统节能运行的优化参数。

3.3 目标函数及约束条件

以冷源系统所有运行设备总能耗最下为优化目标，其数学表达式为：

式中，total为冷源系统所有运行设备总能耗，kW；为第台冷却塔风机运行功率，kW，由于所运行的3台冷却塔型号规格相同且为同步变频控制，可认为。

在空调系统实际运行过程中，为满足冷负荷需求及系统运行稳定性，需考虑系统本身的物理约束条件及系统的能量平衡关系。根据研究对象实际运行情况，约束条件有：

1）冷水机组制冷量与冷水流量、冷水供回水温度之间关系应满足：

式中，为水比热容，kJ/(kg·℃)；chws为冷水供水温度，℃。

2）由于5#～7#冷却塔型号规格相同且为同步变频控制，可认为3台冷却塔的散热性能基本一致，若忽略冷却水管路热损及冷却塔风机自身发热，则冷却塔散热量与冷却水流量、冷却水进出水温度之间关系应满足：

式中，c为总散热量；为空气侧的传热效率；a为单台冷却塔风量，m3/h；为空气密度，kg/m3；ao,s为冷却塔出口空气达到冷却水出水温度时所对应的饱和状态的焓值，ai为冷却塔入口空气焓值，KJ/kg。

根据文献[14]，空气侧传热效率为风水比、冷却塔入口水温与空气湿球温度之差的函数，表达式如下：

式中，0～5为模型系数；a为空气质量流量，kg/h；cw为冷水流量，kg/h；tw,i为冷却塔入口水温，近似等于冷却水出水温度，℃；wb为空气湿球温度，℃。

3）冷水供水温度、冷却水回水温度应满足：

4）冷水流量、冷却水流量应满足：

5）冷却塔风机运行频率应满足：

为了便于优化求解，引入带惩罚因子的惩罚函数，将有约束的优化问题转化为无约束的优化问题[15]，则参数优化模型为：

3.4 基于遗传算法的中央空调冷源系统参数优化流程

针对上述多变量非线性问题，本文利用遗传算法进行寻优计算。首先需确定算法的编码方式、操作参数及适应度函数[15,16]：

1）编码。采用二进制编码方式对chws，chw，cw，fan四个变量进行编码，编码长度为10；

2）遗传算法操作参数。遗传算法操作参数包括种群大小、交叉概率P、变异概率P、最大迭代次数等，这些参数的取值对遗传算法有很大影响[15]。结合本文优化目标并综合考虑寻优的准确性、优化变量的解空间大小及收敛性，本文选取种群大小为100，交叉概率为0.5，变异概率0.01，最大迭代次数为150；

3）适应度函数。因本文的目标函数为最小值优化问题，选取适应度函数为：

式中，()为适应度函数；o为足够大的正数；()为目标函数。

根据上述确定的条件，编写基于遗传算法的中央空调冷源系统运行参数优化程序，其流程如图2所示：

图2 遗传算法求解冷源参数的优化流程

4 仿真优化结果与实验验证

采用上述优化算法对4月2日空调冷源系统运行参数进行仿真优化。当天冷负荷变化曲线如图3所示，室外气象参数如图4所示。

图3 4月2日空调末端瞬时冷负荷

图4 4月2日与4月3日室外气象参数

4月2日（原运行方式日：日期1）该商场中央空调系统开机时间为9:30，基本达到稳定运行状态时间为10:00。为保证仿真结果准确性，采用空调系统运行稳定后的数据进行优化，优化时间范围为10:00～19:00，优化周期与该空调冷源管理控制系统数据采集周期相同，为3min。

为验证采用优化参数运行的节能效果，选取4月3日（参数优化运行方式日：日期2）进行实验验证。在实验验证过程中，通过一些动态变量来控制优化的运行参数，即通过设定冷冻泵变频器频率和冷水供回水压差控制冷水流量，通过设定冷却泵变频器频率控制冷却水流量，冷水供水温度与冷却塔风机频率可直接设定，确保空调系统正常运行。实验验证条件如下：

1）室外温湿度与4月2日基本一致，如图4所示；2）空调系统开机时间、运行设备及设备运行台数与4月2日完全相同；3）实验验证时间为10:00至18:00；4）考虑到实验验证过程中运行参数工作点变动过于频繁会影响系统运行的稳定性，故以60min共20组优化值的平均值作为该时间段空调冷源系统运行参数的设定值，结果如表3所示；5）实验验证过程中，对商场内温湿度进行记录，以验证商场内空调环境的舒适性。

表3 空调冷源系统优化参数表

通过空调系统的电量采集模块对各设备能耗进行实时采集，表4为该商场空调冷源系统各设备在原运行方式下（日期1）和参数优化运行方式下（日期2）的能耗统计与节能率分析，图5为在两种不同运行方式下冷源系统逐时能耗对比。

表4 不同运行方式下各设备能耗统计与节能率分析

图5 不同运行方式下冷源系统逐时能耗对比

表4得知，冷水机组与冷却塔运行能耗减少，节能率分别为9.34%和25.93%，而冷冻泵与冷却泵运行能耗增加，增加比例分别为2.45%和5.08%，空调冷源系统总体节能率为7.07%。这是由于参数优化运行方式是从冷源整体的角度出发，综合考虑冷源各运行参数并进行合理设定，从而达到降低中央空调冷源系统整体运行能耗的目的，也表明整个冷源系统的优化并不一定使单个运行设备得到优化。由图5也可得知，原运行方式下冷源的能耗明显低于参数优化运行方式下冷源的能耗。

图6 不同运行方式下冷水机组与空调冷源系统各时段能效对比

由图6得知，与原运行方式相比，参数优化运行方式下冷水机组能效比COP与冷源能效比EERr有不同程度的提高，这是由于过渡季节空调系统运行处于部分负荷下，适当提高了冷水出水温度，因此冷水机组与空调冷源系统能效比均有所提高。

5 结论

针对夏热冬暖地区商场过渡季节中央空调系统运行时间长、能耗高的问题，提出基于遗传算法的中央空调冷源系统运行参数优化研究。在满足商场内舒适性及安全运行的前提下，对冷源系统冷水供水温度、冷水流量、冷却水流量及冷却塔风机频率进行了优化，并将优化结果应用于实验研究。结果表明，冷源系统优化运行总能耗与原运行方式相比降低7.07%，具有良好的节能效果，为夏热冬暖地区商场过渡季节中央空调冷源系统运行参数优化设定提供参考。

[1] 王永真,陈颖,肖小清,等.广州地区商场建筑能耗调研与分析[J].建筑科学,2012,28(12):67-70.

[2] 陈伟青,周孝清,刘芳,等.广州某商场空调系统能耗状况与节能性分析[J].广州大学学报,2008,7(4):91-74.

[3] 何业龙.广州市某大型商场空调系统运行性能分析[J].制冷,2012,31(2):57-61.

[4] 张烽.夏热冬暖地区购物中心空调风系统节能探讨[J].建筑热能通风空调,2010,29(3):75-77.

[5] 闫军威,冯家亮.广州某商场空调系统节能改造[J].暖通空调,2014,44(5):87-90.

[6] 曾昭向,卢清华.中央空调节能技术分析与探讨[J].制冷与空调,2013,27(1):45-48.

[7] 杨助喜,岳献芳,王立.基于蜜蜂进化型遗传算法的中央空调系统能耗优化研究[J].建筑科学,2011,27(6): 78-82.

[8] Tzong-Shing Lee, Ke-Yang Liao, Wan-Chen Lu. Evaluation of the suitability of empirically-based models for predicting energy performance of centrifugal water chillers with variable chilled water flow[J]. Applied Energy, 2012,93:583-595.

[9] Reddy TA, Andersen KK. An evaluation of classical steady-state off-line linear parameter estimation methods applied to chiller performance data[J]. HVAC Res, 2002,8(1):10-24.

[10] 胡磊,卢军,陈明,等.集中空调冷却水变流量节能研究[J].暖通空调,2005,35(6):52-54.

[11] 李苏泷,朱孟标,张国强.水泵变频调速方案计算机辅助论证[J].暖通空调,2005,35(3):83-85.

[12] 颜永民.建筑冷热源系统自适应优化控制模型的研究[D].长沙:湖南大学,2007.

[13] 吕安林,张晶,赵树民.灰色模型的精度及误差检验研究[J].华中理工大学学报,1998,26(1):41-45.

[14] Lu L, Cai W A. Universal Engineering Model For Cooling Towers[C]. International Refrgeration and Air Conditioning Conference. 2002:625.

[15] 岳敏楠,柳建华. 基于遗传算法的车辆用空调换热的优化[J].制冷与空调,2008,22(4):42-45.

[16] 周双喜,杨彬.影响遗传算法性能的因数及改进措施[J].电力系统自动化,1996,7(20):24-26.

Operating Parameters Optimization of Central Air-conditioning Cold Source System of Shopping Mall in the Transitional Season

Yan Junwei Liang Yanhui Huang Yangchun Yu Fan

( School of Mechanical & Automotive Engineering, SCUT, Guangzhou, 510641 )

In hot summer and warm winter area, aiming at the operating characteristics of the air-conditioning system of a shopping mall in the transitional season, taking the central air-conditioning cold source system of a shopping mall in Guangzhou as the research object, proposes the energy consumption model of the equipment unit, based on the actual running data of air-conditioning, identifies the parameters of each model by using the least squares method. On this basis, taking the minimum total energy consumption of central air-conditioning cold source system as the goal, obtains the optimum operating parameters of central air-conditioning cold source system based on the genetic algorithm, and the optimized operation parameters are controlled by the dynamic variables to verify the experiment results. The results show that: compared with the original operation mode, the energy saving rate of the cold source system of parameter optimized operation mode is about 7.07%.

shopping mall; transitional season; central air-conditioning cold source system; operating parameters; optimization; genetic algorithm

1671-6612（2016）06-677-07

TB65

A

闫军威（1968-），男，教授级高级工程师，E-mail：mmjwyan@scut.edu.cn

梁艳辉（1990-），男，在读硕士研究生，E-mail：lyhyanhui@163.com

2016-10-10