建筑空调系统能耗监测动态分析模型与优化控制方法

彭云建，邓飞其，邱佰平



建筑空调系统能耗监测动态分析模型与优化控制方法

彭云建1，邓飞其1，邱佰平2

（1. 华南理工大学 自动化科学与工程学院，广东 广州 510641；2. 深圳达实智能股份有限公司，广东 深圳 518057)

针对大型建筑空调系统能耗监测与能效优化控制问题，通过分析建筑物与外界环境的能量交换、室内温变过程的动态特征和变化机理，考虑随机不确定性因素的影响，建立了以温度、湿度等为变量的建筑物空调能耗过程随机动态模型，分析了建筑物空调能耗与室内外环境热交换的平衡制约关系. 以建筑物舒适度指标作为能耗控制目标，建立空调能耗最小的优化控制模型，分析了系统优化途径；根据建筑物实际监测数据，应用动态回归方法探讨了如何确定建筑空调能耗模型的结构与参数，通过实际数据分析与模拟仿真结果的比较验证了模型的正确性.

建筑空调系统；能耗监测；能效优化控制；随机动态模型

近年来，建筑工程界和相关领域的专家学者对大型建筑空调系统的能耗问题进行了研究，提出了诸多建筑能耗监测、节能技术以及能耗控制与管理的方法[1-4]. 建筑运行管理节能涵盖的关键技术包括能耗数据采集方法、数据分析模型与负荷模拟软件[5-6]、能效指标和审计标准、能耗控制等，也可将之概括为3类基本理论性问题，即建筑能耗负荷分析模型[7-9]、能效评价指标与标准、优化控制模型与方法. 从已有文献的研究成果看，建筑能耗负荷分析主要是建立建筑围护材料和结构的热传递模型以及室内空间热环境变化模型，以得到系列冷/热负荷的计算公式[5-6,8-9]. 但用这些相对孤立的公式来处理建筑能耗过程监测数据，并把分析结果用作空调系统负荷选择的依据和节能控制参数，不能适应建筑环境参数的变化，且会导致分析或评估结果存在缺陷. 本文从动态系统角度分析了建筑物中央空调能耗参数变化机理，探讨了热交换和温变过程的能耗优化控制问题，以温度、湿度等反映建筑物舒适度的物理指标为变量建立了系列动态方程，确定能耗监测的主要参数和优化指标，根据动态系统优化控制理论，探讨了建筑空调能耗的优化控制方法和途径.

1 建筑物室内热环境分析和空调能耗动态模型

建筑物室内热环境可以认为是一个多因素影响的开放式动态系统，可以从不同角度描述其变化过程. 本文从建筑能耗监测的角度出发，选择室内温度、湿度等反映建筑舒适度并可以直接测量的物理量为系统状态变量，分析引起这些指标变化的主要因素和空调系统能耗的变化因素. 室内温度变化过程具有慢时变特点，且相对于热交换具有时间滞后性（时滞）.

1.1 建筑物室内温变模型

1.1.1 自然热交换

1.1.2 无空调但有不确定性吸热

1.1.3 空调控温

1.2 室内湿度和空气清洁度动态模型

1.3 建筑空调系统的动态能耗模型

根据式（3～6），选择状态变量：

则可以得到一般动态方程形式

综上所述，建筑物能耗过程是一个多变量、随机不确定性的动态过程，式（1～7）反映了建筑物能耗的如下特点：

1）建筑能耗负荷受环境参数的影响（如日照、风速与风向、温度、湿度等），外环境的这些参数决定了舒适度的相对值和温差；

2）建筑物能耗与建筑材料的隔热能力、围护结构封闭性等直接相关；

3）建筑物内部的人员数量、耗电设备对室内热环境和空气品质具有不确定性影响，统计分析监测数据可确定相关随机变量的概率特征；

4）建筑物空调系统的能效与各功能设备（制冷主机、水泵、冷却塔等）本身的效率有关，反映了各设备的主要运行参数是否合理；

建立式（1～7）描述的动态监测模型，可以解决如下几个关键性问题：

1）确定需采集的参数，给出定量指标确定数据采集点的数量和理想的部署位置；

2）实现监控功能需要的最小数据量和采样频率/速度；

3）基于模型的监测数据进行在线估计，剔除异常或错误数据；

4）应用分布式传感网络技术实现数据采集时，为提高数据融合效率和准确性提供定量依据.

2 建筑空调能耗优化控制指标与方法

目前，一些建筑能耗数据采集系统通过对中央空调系统、室内环境参数的采集和数据统计分析，为能耗在线监测和控制管理提供基础数据支撑. 根据建筑空调能耗监测动态分析模型，建筑空调能耗优化控制可以归纳为参数优化和运行过程优化.

2.1 参数优化

空调系统对每个具体工况而言，都有一条最佳的特性曲线，在这条曲线上主机效率最高而能耗最小，因此，控制主机满足该工况的特性曲线可以达到节能的目的. 合理选择或配置空调的性能参数和运行参数，如送风温度、湿度、风量和风速，根据空调实际负荷调节主机台数或选择主机功率，使空调系统运行在节能工况中，可以减少式（3～6）中因空气置换、制冷/加热、冷却水循环等产生的能耗.

2.2 运行过程优化

3 建筑能耗监测动态分析模型实例

根据已经采集到的建筑空调系统能耗数据和环境参数，针对理论模型（1～7），应用统计分析和随机逼近方法，确定各类变量的函数关系和待定参数，从而得到能够描述实际建筑空调能耗过程的模型. 其中，空调系统的能耗计算和负荷预测函数可以参考文献[2～4].

深圳达实智能股份有限公司的CEMP系统（City Energy Management Platform）对深圳某商业大厦近两年的能耗数据进行了采集，统计处理综合数据，选取2010年6月下旬的测量数据，绘制室内外温度和湿度变化曲线如图1～2所示. 利用最小二乘法建立温差和湿度差的拟合曲线如图3所示.

选择该商业大厦在相同气候环境下进行节能改造前后的空调能耗绘制棒图，并基于温度湿度变化值和能效优化控制模型进行数值模拟，三类能耗情况对照如图4所示.

从图4短期能耗曲线可以看出，实施能效优化运行管理能够在保证建筑物舒适度的条件下降低空调的能耗. 能效优化模型模拟结果虽然不能完全跟踪实际优化曲线，但能够为监控系统提供数值分析方法和参考依据.

4 结语

本文对建筑空调系统管理节能中的能耗过程监测与优化运行的理论模型进行了探讨，通过对建筑空调系统能耗过程中主要参数量变机理的分析，建立了带随机项的能耗动态监测模型，确立了主要优化目标，并在能耗过程动态模型的基础上探讨了建筑空调运行过程优化问题的数学模型和求解方法. 应用这些模型和方法对实际能耗数据进行统计分析，可为建筑空调系统节能方案的设计和控制决策提供依据.

图1 6月19-28日10天室内外温度曲线

图2 6月19-28日10天室内外湿度曲线

图3 6月19-28日10天室内外温差和湿度差曲线

图4 6月19-28日10天的能耗对照曲线

[1] 刘洋. 居住建筑能耗动态模拟研究与能耗计算软件的开发[D]. 天津：天津大学，2004.

[2] 唐娟，魏兵，石舒健. 基于Matlab/Simulink的某空调系统能耗仿真分析[J]. 建筑热能通风空调，2004, 29(2):153-57.

[3] 罗智特，杜雁霞，贾代勇. 空调动态负荷计算方法及其比较[J]. 制冷与空调，2005, 5(2): 57-61.

[4] 孙萍. 节能住宅建筑能耗模拟研究[D]. 北京：北京工业大学，2005.

[5] 刘洋，刘俊杰，朱能. 住宅建筑能耗的动态模拟[J]. 煤气与动力，2004, 24(1): 17-20.

[6] 方洋旺. 随机系统最优控制[M]. 北京：清华大学出版社，2005.

A Dynamic Analysis Model and an Optimal Control Method for Monitoring Energy-consumption of Air-conditioning Systems in Large Buildings

PENGYun-Jian1, DENGFei-Qi1, QIUBai-ping2

(1. College of Automation Science and Engineering, South China University of Technology, Guangzhou 510641, China; 2. Shenzhen Dashi Intelligence Tech. Co. Ltd., Shenzhen 518057, China)

The paper explores problems on monitoring energy-consumption of air-conditioning systems in large buildings and the optimal control of energy-consumption efficiency. By probing into dynamic characteristics and mechanism of heat exchange between buildings and their environment, indoor temperature variation and the like, and also taking into account the effect of uncertain factors in the dynamic process, the paper proposes a stochastic dynamic model for energy consuming systems. The model takes indoor air temperature and humidity inside buildings as variables in describing equations, which offer quantitative analysis of equilibrium and constraint relationship between air-conditioning systems’ energy-consumption and heat exchange. Secondly, comfort level in buildings is selected as optimization index of control scheme, and an optimal control model and the strategy for minimizing energy-consumption are suggested. Lastly, with data collected by buildings monitoring systems, the paper discusses how to decide structures and parameters of the air-conditioning systems’ energy-consuming model based on a dynamic regression method, and verifies the model’s validity by running data analysis and comparison of simulation results.

air-conditioning systems in buildings; energy-consumption monitoring; optimal control of energy-consumption’s efficiency; stochastic dynamic model

1006-7302（2012）01-0037-06

TU831

A

2011-07-20

彭云建（1974—），男，湖南邵阳人，讲师，博士，主要研究方向为随机动态系统建模、分析与控制及其应用.