如何解决能耗大户中央空调制冷站能耗难题？

中央空调制冷站，详细介绍并分析几种制冷站控制方法，包括变水温控制方法、冷冻水变流量控制技术。通过对这几种控制方法的分析可以看出，采用基于负荷预测的冷冻水流量动态控制策略可以使得冷冻水系统始终处于最佳的冷量供应状态，并节省冷冻水泵的能耗。中央空调系统制冷站主要由制冷机组、冷却水泵、冷冻水泵和冷却塔等设备组成。本文根据制冷站的特点，对制冷站的控制方法进行了分析。

在一次/二次泵冷冻水系统中，如果假定负荷与流量成正比，冷冻水供回水温差恒定，并且系统运行在设计工况下，传统的控制方式是：可以根据系统流量将冷水机组分阶段地投入运行，使得冷水机组按照流量进行逐台加载或卸载。当二次回路的流量增加开始超过一次回路时，增开一台一次泵和冷水机；当二次回路的流量减少到超过一台冷水机的流量时，便关闭一台冷水机和一次泵。

但是，由于盘管结垢、温控器设定错误和冷冻水供回水温差过小等因素，系统很少会在设计的温差下运行，大部分时间都是在部分负荷下运行。因此，以流量来反映负荷的状态并不可靠。所以，在传统的空调制冷站控制方法中，控制的假定条件通常是不成立的。通过这种控制方法来控制空调制冷站的运行，势必会造成以部分负荷状态运行的冷水机组台数比实际需要投入运行的台数多，使得制冷站的运行效率低下。

例如，使用碳氢类制冷剂的冷水机，随着冷凝器入口的冷却水温度每降低1℃，其制冷量可以增加0.5%～1.5%。但是，当冷水机组按照流量进行逐台加载或卸载时，却无法发挥其在较高能效比运行工况下制冷量增大的好处。在典型的一次/二次泵冷冻水系统中，只要流量超过了一台冷水机的设计流量，即使运行中的冷水机组处于部分负荷运行状态，下一台冷水机组便须投入运行。

为了提高运行效率，必须采取措施来避免冷冻水供回水温差减小，使冷水机组合理加载和卸载。

变水温控制方法

由于受气象条件等因素影响，空调系统在多数时间都处于部分负荷下运行，空调负荷远小于设计负荷。因此，根据空调负荷的全年变化情况，在部分负荷时段调整制冷机运行参数，适当提高制冷机蒸发温度及冷水供水温度，可以提高机组的运行效率，降低运行能耗。

研究表明，随着冷水机组的出口冷水温度升高，冷水机组的制冷量逐渐增加，COP值逐渐增加。冷水温度的升高使冷水机组的蒸发压力和蒸发温度升高，从而改善主机的制冷性能，使得制冷量和COP 值增加。当空调负荷变化时，可以通过调节离心式制冷机进口导叶或调节转速，改变蒸气吸入量，以适应供冷量的要求。冷水温度与供冷量分阶段呈线性关系，冷水温度越低，供冷量越大。当冷水流量较低时，提高冷水流量能够显著增大供冷量；当冷水流量较大时，再提高冷水流量并不能使供冷量明显增大。冷冻水出水温度每升高1℃，COP提高2%～4%。因此在满足工艺要求的基础上尽量提高制冷机组出水温度可达到节能的目的。所以，根据气象条件和空调负荷的变化，确定合理的供水温度，在部分负荷时段实行分阶段变水温运行，即在不同的时间段采用不同的制冷机组出水温度，可以提高制冷机运行效率，降低运行能耗，达到节能运行的目的。

目前，最常见的中央空调冷冻水变流量控制技术，主要有恒压差控制和恒温差控制两种。

恒压差控制是指通过恒定冷冻水供回水压差来调节冷冻水流量。通过安装在冷冻水系统管路上的压差传感器检测到冷冻水供回水压差，将实测压差与设定压差进行比较，然后根据二者之间的偏差采用PID 控制技术来对变频冷冻水泵进行变频控制，从而对冷冻水泵进行流量调节。

由于压差响应的时滞性比较小，当负荷侧流量波动频繁时，压差能够较快跟随流量的变化而变化，调节时间较短。但是，由于冷冻水系统的负荷与压差之间没有直接的关系，空调负荷的变化不能准确地通过压差的变化来描述；同样，压差的变化也不能准确地反映负荷的变化。因此，将压差作为被控变量来调节冷冻水流量，不可能保证冷冻水流量准确地随着负荷变化而变化。冷冻水系统中供回水管路之间的压差是由其阻力产生的。当冷冻水流量没有发生明显变化时，水流阻力也不会发生明显变化，此时压差是不会改变的。但是，如果冷冻水流量不变，当空调负荷变化时，冷冻水温度会随之改变，而压差却没有改变。此时，恒压差控制便失去对冷冻水流量的有效控制。因此，恒压差控制仅仅适用于负荷变化并伴随有明显的冷冻水流量变化，从而有压差变化的场合。

恒温差控制是指通过恒定冷冻水供回水温差来调节冷冻水流量。通过安装在冷冻水系统管路上的温度传感器检测到冷冻水供回水温差，将实测温差与设定温差进行比较，然后根据二者之间的偏差采用PID控制技术来对变频冷冻水泵进行变频控制，从而对冷冻水泵进行流量调节。

由于冷冻水供回水温差的变化可以直接反映空调负荷的变化，因此，将冷冻水供回水温差作为被控变量，可以获得比较好的控制效果。但是，由于温度采集点离空调末端有一定的距离，并且空调管路比较长，冷冻水要经过一个循环(一定时间)后，其温度变化才能反映出来。因此，恒温差控制也具有时滞性，当前时刻所检测到的冷冻水供回水温差，实质上反映的是一段时间以前的温度变化。将其作为被控变量来调节冷冻水流量，也不可能保证冷冻水流量准确地随着负荷变化而变化。当空调负荷发生突变时，由于温度变化的时滞性导致冷冻水流量不能及时地跟随负荷的变化而产生相应的调节动作，存在较大的控制时间滞后，影响了控制的及时性和快速性。

以上两种控制方法都采用了经典的PID控制。PID控制需要通过对比例系数Kp积分时间常数Ti和微分时间常数TD进行整定。这种整定过程实质上是对比例、微分和积分三部分控制作用的折中，整定过程中三个参数之间互相影响，很难收到预期的效果。PID控制无法解决稳定性与准确性之间的矛盾。加大控制作用，可以使偏差减小，准确性提高，但却降低了稳定性；反之，如果限制控制作用，可以保证稳定性，但是却又降低了控制作用的准确性。

变水量节能控制是要使冷水所载的冷量及冷却水所带走的热量与不断变化的末端负荷相匹配，从而能够节约水输送环路水泵的运行费用。随着温度和湿度以及其他环境因素的变化，空调系统的负荷会发生变化，所需的水量也会随着负荷的变化而变化。

通常情况下，由于冷水机组绝大多数都在低负荷的情况下运行，如果水泵的频率与负荷的变化不匹配，会造成严重的大流量小温差现象。在进行变水量节能控制时，要保证各设备在大范围内变流量运行的同时，将出水温度控制在允许的范围内。

在冷冻水泵变频、冷却水泵定频的情况下，采用变水量控制策略，通过控制冷冻水泵的频率来改变冷冻水的流量，达到减少冷冻水泵的耗能的目的。由于仅仅通过温差控制来实现水泵的变频，会使水泵频率波动较大，影响控制的稳定性。因此，可以在温差控制的同时，对末端空调机组的水阀开度进行控制，通过末端空调机组水阀开度和末端温差来控制水泵的频率，可以在保证末端负荷冷量需求的同时，大大减小冷冻水泵的能耗，从而达到较好的控制效果和节能效果。

负荷预测控制是指基于对空调系统负荷的预测而对冷冻水流量进行控制。负荷预测控制是一种超前控制，它通过对冷冻水系统供水温度、回水温度、流量、温差和室外环境温度等参数进行检测，对数据进行分析、处理，采用先进的负荷预测方法，推理出空调系统“未来时刻”的负荷，提前对冷冻水泵进行变频控制，对冷冻水流量进行调节，使系统提供的冷量与负荷需求的冷量相匹配，最大限度地减小偏差。

当系统运行时，首先通过负荷预测技术对空调负荷进行预测，通过当前时刻的冷冻水系统供水温度、回水温度、流量、温差、空调区域实际冷量、室外环境温度和室外太阳辐射强度等参数，预测出下一时刻的空调负荷(即空调区域所需冷量)，将其传送给模糊控制器。模糊控制器通过比较得到被控空调负荷偏差及偏差变化率，利用模糊控制规则库中的一系列控制规则，经过模糊推理，得到可以获得预期冷量的系统优化运行参数(如冷冻水流量) 的模糊控制值，并对其进行清晰化处理，将其转换为精确的控制量，通过执行器去控制冷冻水泵(被控对象)的运行台数和转速，从而调节冷冻水流量，为下一时刻提供空调设备所需的冷量。

将当前时刻的实际负荷与预测负荷进行比较，根据二者的偏差对预测负荷控制效果进行评估，并根据比较和评估情况，对负荷进行实时在线修正：当空调实际负荷大于预测负荷时，提高冷冻水泵的转速，从而增大冷冻水流量，以增加冷量供应，保证空调末端对冷量的需求；当空调实际负荷小于预测负荷时，降低冷冻水泵的转速，从而减小冷冻水流量，以减小冷量供应，减少多余的冷量输送。

将负荷预测控制技术与模糊控制技术结合起来，对冷冻水泵进行变频控制，通过不断地反复检测、反复比较和反复调节，就可以实现空调负荷所需冷量与冷冻水泵所提供的冷量相适应，使得冷冻水系统始终处于最佳的冷量供应状态，节省冷冻水泵的能耗。

作为一类优化控制算法，预测控制与通常的离散最优控制算法不同，不是采用一个不变的全局优化目标，而是采用滚动式的有限时域优化策略。这意味着优化过程不是一次离线进行的，而是反复在线进行的。这种有限优化目标的方法，在理想情况下只能得到全局的次优解。但其滚动实施，却能顾及由于模型失配、时变和干扰等引起的不确定性，及时进行弥补，始终把新的优化建立在实际的基础上，使控制保持实际上的最优。预测控制的三个特征，即预测模型、滚动优化和反馈校正，正是一般控制论中模型、控制和反馈概念的具体体现。预测控制的滚动优化和反馈校正始终建立在实际控制过程的基础上，能够有效地克服控制系统中模型不精确、非线性和时变等不确定性的影响。

可以将神经网络、模糊控制与非线性预测优化控制结合起来，采用神经网络模糊预测优化控制方法对冷冻水流量进行预测控制。采用前馈神经网络作为预测模型，以自调整模糊控制器作为优化控制器，采用多步预测方式，系统的优化性能指标综合考虑负荷偏差(即空调负荷实际冷量与预测冷量之间的偏差)最小和冷冻水泵的能耗最小这两方面因素。神经网络模糊预测优化控制系统的结构如图所示。

神经网络模糊预测优化控制系统结构图

由于建立中央空调系统的负荷预测模型需要的相关变量很多，各变量之间的关系相互耦合，错综复杂，而且中央空调系统具有很强的非线性和时变性，采用传统的机理建模方法不容易实现。

基于神经网络的建模方法避开了传统意义上具有确定数学关系的模型，它利用神经网络所具有的自学习能力和良好的逼近非线性映射的能力，在非线性系统建模中有明显的优势。因此首先利用前馈神经网络建立对象的负荷预测模型。采用三层前馈神经网络作为中央空调系统的负荷预测模型，神经网络预测模型由输入层、隐层和输出层组成。将k时刻的室外太阳辐射强度、室外温度、室外相对湿度、冷冻水系统供水温度、回水温度、流量、温差、空调区域实际冷量和冷冻水泵的变频器控制电压等作为神经网络预测模型的输入，将k+1时刻的空调负荷冷量作为模型的输出。在对神经网络预测模型参数进行辨识时，应注意到神经网络的泛化问题。为了提高神经网络的泛化能力，采用贝叶斯正则化方法来对神经网络预测模型进行辨识。

然后采用多步预测性能指标来训练自调整模糊控制器，对于每一个采样时刻，性能指标只在涉及从该时刻起的未来有限时段内进行优化。到了下一采样时刻，优化时段同时向前推移，这样便可以保证最优点的获得，也能减轻搜索最优点过程中的计算量，使控制策略反应更及时。

最后将自调整模糊控制器与神经网络预测模型相结合，利用神经网络模糊预测控制策略对冷冻水流量进行预测控制。采用神经网络模糊预测控制策略对中央空调冷冻水流量进行控制，可以取得良好的控制效果，同时又能根据性能指标的要求降低冷冻水泵的能耗，从而在满足空调负荷要求的同时，也达到了节省冷冻水泵能耗的目的。

免责声明：舒适100网部分文章信息来源于网络以及网友投稿，于传递更多信息之目的，如权利人发现存在误传其作品情形，请及时与本站联系。