医院建筑中央空调系统节能研究

丁欣之

（江苏省住房和城乡建设厅科技发展中心，南京 210036）

在公共建筑的全年能源使用去向中，大约50%～60%用于供暖空调与制冷系统，可见中央空调系统的节能优化运行已成为建筑节能不可或缺的一部分。医院作为典型的公共建筑，其建筑健康发展和空调系统节能运行更值得关注。

1 医院建筑中央空调系统能耗分析

以无锡市某医院建筑为例，研究中央空调系统的运行特性。多数情况下，公共建筑中央空调系统夏季运行时间较长，该医院建筑中央空调系统共有三个分区，分别为A区、D区和G区，各分区空调系统在制冷季的运行时段为每年的5～10月，在对目标医院建筑中央空调系统进行节能诊断时，以医院A区（主要功能为门诊）为例，并简化建筑模型，利用DeST软件平台，分析建筑的全年动态负荷特性，公共建筑模拟时间为8：00～18：00，目标医院A区全年动态负荷如图1所示。

特点与普通公共建筑差异较大，表现在全年动态负荷特性图上也有所不同，目标医院建筑的夏季制冷期较长，且制冷期总的冷负荷较大。制冷期间，中央空调系统主要设备制冷季运行功率如图2所示。

从图2上可以看到，在空调机组运行过程中，相对于冷冻水泵、冷却水泵及二次冷冻泵等，主机的运行功率要高很多，且随着系统冷负荷的变化呈现大幅度上升或者下降趋势，因此，主机的节能性是空调系统能效的重要影响因素。另一方面，主机的运行特性受环境温度制约，环境温度的波动影响着主机运行的稳定性。

表1 基于冷水机组效率负荷特性的群控策略

2 中央空调系统节能控制方案

本文在研究目标医院中央空调系统的节能控制方案时，冷水机组选用了基于冷水机组能耗特性的群控策略，冷冻水系统采用智能模糊预测控制方案，冷却水系统采用基于自适应算法的冷却水泵节能控制[1-2]。

2.1 自适应模糊PID控制

2.1.1 冷水机组节能控制技术

针对目标医院中央空调系统的实际运行特点，基于冷水机组效率负荷特性的群控方案见图3。主机效率负荷特性的群控流程描述为：根据制冷机组COP、主机冷凝温度、环境总负荷、机组负荷率、主机蒸发温度及外界湿球温度，再基于控制系统相关历史数据的存储，利用自适应模糊PID技术，建立机组最佳效率模型算法，结合控制系统预测到的未来时刻负荷变化趋势，得到机组效率群控策略，进而选择出效率最高的运行机组组合。基于冷水机组效率负荷特性的群控策略见表1。

2.1.2 冷却水系统节能控制技术

冷却水系统的自适应节能控制流程描述为：根据制冷机组的排热负荷、冷却水泵特性、冷却塔额定散热量、环境负荷率、冷却水温度及外界湿球温度，基于相关历史数据存储，通过数学方法建立冷却水最佳效率算法模型，结合冷却水自适应算法得到最佳冷凝器中点温度。从控制原理上来看，与冷冻水系统智能模糊预测控制类似，冷却水系统的节能控制也是以温度为基准，调节冷却水流量来适应制冷机组排热负荷的变化。冷却水系统优化控制流程图如图4所示。

2.2 智能模糊预测控制

智能模糊预测控制理论主要运用于冷冻水系统的控制，通过水泵变频实现，冷冻水流量的变化以其供回水温差或者供回水压差为固定变量，它随用户端负荷的变化而改变[3-5]，冷冻水系统模糊优化控制原理如图5所示。

由此，整个冷冻水系统智能模糊预测控制流程描述为：在某一环境温度下，控制系统的负荷预测器基于负荷数据库预测出相应时刻下的空调系统负荷，再根据相对应的温度及压力保护限值，模糊控制器进行模糊化处理、模糊化推理和清晰化处理，并将处理结果反馈给执行器控制柜，进而控制冷冻水泵，调节水泵运行。冷冻水泵经调节运行后，由传感器获得水泵的供回水温度、回水流量和供回水压差等，基于此反馈，再进行信息处理与负荷计算，将结果传递给模糊控制器，如此循环控制。

2.3 系统自适应模糊预测控制

与常规PID控制相比，智能预测模糊控制包含了负荷预测器和模糊控制器这两个关键部件，智能模糊预测控制系统流程如图6所示，其中负荷预测器是对未来某一时刻环境负荷的预测，本文采用BP神经网络模型对空调系统的负荷进行预测[6-7]。环境影响因子作为模糊控制器的输入，但考虑本课题自身特点，无法将环境影响因子一一列入，因而环境影响因子带来的负荷变化反馈到系统运行设备的特性上，如冷冻水泵流量等。

夏季制冷时，冷冻水泵流量变化过程比较缓慢，再结合冷冻水系统智能模糊预测控制示意图分析，对两个输入变量和三个输出变量均选用三角形隶属度函数[8]。

在对智能模糊预测控制系统进行相关仿真之前，需要对一些仿真参数进行确定，本文研究的智能模糊预测控制系统中包含传感器对冷冻水回水温度和流量等的感应，而冷冻水泵至传感器之间存在一定的距离，因而需考虑此过程的滞后时间。此外，结合冷水机组的实际运行特点，将冷冻水流量控制的数学模型简化为二阶惯性加纯滞后的典型动态传递函数，表示如下：

式中，G（s）为简化后的冷冻水流量控制数学模型；s为时间变量。

智能模糊预测控制器和常规PID控制器响应曲线对比，如图7所示，红色实线表示为模糊预测控制系统模拟条件下的响应曲线，蓝色虚线表示为常规PID控制系统模拟条件下的响应曲线，在两者对应的被控对象模型和系统各仿真参数均相同的情况下，智能模糊预测控制不容易发生振荡，也无超调，相比而言，常规PID控制会产生一定幅度的振荡，且达到稳定的时间较智能模糊预测控制有一定的延迟，因此，在中央空调系统的负荷预测系统中应用智能模糊预测控制器，对于系统反应速度的提高和系统节能控制方案的完善将具有实际应用意义。

3 结语

本文说明了应用在冷水机组和冷却水系统的节能控制自适应模糊—PID控制理论，阐述了在冷冻水系统节能控制上的智能模糊预测控制理论应用。结果表明：模糊PID控制技术控制效果优于常规PID控制技术；系统采用节能控制方案后，节能效益和环境效益明显提高。尤其对医院中央空调系统在运行过程中存在的“两低一高”难题提供了解决思路，同时为医院中央空调系统的运行管理人员提供经验借鉴和指导。