超高效智能环控系统节能控制与健康诊断研究

阎杰，李元阳，方兴，梁锐，孙靖，傅家早

（1-上海美控智慧建筑有限公司，上海 200000；2-广东美的暖通设备有限公司，广东佛山 528311）

0 引言

建筑能耗与工业能耗、交通能耗并列，是三大能耗大户。仅是建筑物在建造和使用过程中消耗的能源比例，就已经超过全社会能耗的30%[1]。在现代大型公共建筑中，中央空调耗电量占比最大，约达50%。一般将机房性能系数（Coefficient of Performance，COP）高于5.0的空调机房称为高效空调机房[2]。据不完全统计，空调机房全年能效比大多仅在2.0～2.5，有很大的提升空间，表明提升环控系统能效对于建筑节能减排有着显著的作用。

通过实际工程案例发现，必须针对真实工况采用定制化、稳定性强的控制策略达到整体性节能目的，仅通过高效设备和优化环控系统甚至会造成能耗高于常规系统的情况。此外，由于环控系统设备种类繁多以及影响因素复杂，如果设备缺乏维护或者操作不当，可能会出现故障，导致空调系统的能耗通常比正常运行时增加约15%～30%[3]。当前很多设备的故障报警功能只能监测严重故障，对于慢性故障很难及时发现。

近年来，专家学者在环控系统优化控制方面做出了广泛的研究，主要分为基于数据驱动优化方法和基于模型优化方法。基于数据驱动优化方法是通过采集实际工程中设备的运行数据，通过大数据方法寻找控制变量与工况参数的内在关系；基于模型求出不同工况下的最优解。秦云飞等[4]根据实际工程数据，提出空调冷冻水流量测量控制方案，依据水泵流量和频率以及扬程的关系回归分析预测水泵水流量，从而实现空调系统变水流量优化控制的目的。卓明胜等[5]基于3台永磁同步变频离心式冷水机组，建立了完整的中央空调水系统仿真模型，分析了冷水机组在提高供水温度优化控制、冷却水泵优化控制、冷冻水泵优化控制的中央空调系统群控优化控制策略下的系统节能率。赵爱国等[6]在仿真建模的基础上，提出一种多联机与新风机复合空调系统降低能耗的局域优化控制策略，包括新风送风温度优化控制与机组负荷优化分配控制，采用的优化控制策略可节约系统5.29%的能耗。徐新华[7]针对武汉某地铁站通风空调控制系统提出了升级节能改造方案，改造后的系统可以根据空调负荷对风机、水泵运行频率和水阀开度等进行自动调节与系统优化，制冷季采用节能运行模式、节能率为31.5%。杨臣等[8]利用建筑能耗仿真软件Energyplus对某机场建筑及其空调系统建立了仿真模型，采用改进的FEMP标准法和配对样本t检验法验证仿真模型，并基于已验证的模型模拟送风温度优化设定对系统能耗的影响。王喜春等[9]利用酒店建立的制冷系统能耗预测多项式模型，对水温、泵速和风机转速进行优化，使系统总节能优化达11.7%。

在空调系统故障诊断方面，国内外学者从数据驱动与专家规则两个角度开展了众多研究工作。YU等[10]提出了一种基于关联规则挖掘算法的数据挖掘方法，在一个综合建筑的变风量空调系统中验证，发现了设备运行故障。陈振阳等[11]建立排风热回收空调系统故障树模型，实现实际系统中“冬季空调区域温度过低”征兆的故障诊断，并给出合理的维修意见。迟金磊[12]搭建在线回归空调箱灰箱模型，提出基于减法聚类算法的故障隔离方法。赵云峰等[13]提出了基于解析模型方法的冷水机组冷凝器结垢故障检测与诊断方法，选取4种冷水机组的特征参数构建预测模型，对比所选取特征参数的估计值和实际值的残差进行故障判断。徐畅等[14]通过使用ReliefF特征选择算法找出特征变量后导入支持向量机模型，再进行优化后可得诊断训练集与测试集准确率达到99.4%和98.8%。袁玥等[15]采用一种基于主成分分析与反向传播神经网络结合的算法，通过对制冷剂注入量的分析进行多联机性能故障诊断。朱波等[16]提出一种改进的Xgboost算法，与Adaboost模型和原Xgboost模型比较后，在数据较少的情况下仍可将准确率提升15.28%和4.68%。

本文为了实现建筑环控系统的持续高效运行，开发了超高效智能环控系统，包括基于“硬件在环”原理建立了环控系统的动态仿真平台、多智能体自适应节能控制技术以及智慧运维云平台大数据健康诊断技术。

1 超高效智能环控系统“硬件在环”动态仿真平台

实际工程项目中，环控系统的节能控制策略及节能控制效果评价只有等到系统施工完成后积累较长时间的运行数据才能得出，在这一过程中需要工程人员跟进调试，且无法保证最终的控制策略能实现系统的最优运行。因此，搭建环控系统仿真测试平台有助于在项目初期测试验证系统的节能控制策略，简化现场调试工作，且在项目交付后的很长一段时间内对控制策略继续优化调整。

传统环控系统的仿真是采用纯软件开发，问题是环控系统是一个非线性的复杂系统，对所有设备建立数学模型是很复杂的过程，仿真的准确性不高。而且纯软件仿真的时间标尺和实际控制过程的时间标尺不同步，不能完全模拟环控系统的真实控制过程[17]。因此，基于实物控制器建立了超高效智能环控系统“硬件在环”动态仿真平台。动态仿真平台由实物控制器和仿真软件两部分组成。其原理在于，实物控制器通过可编程逻辑控制器软件写入环控系统的控制逻辑，例如冷水机组、水泵及冷却塔的开停控制，水泵、风机的变频控制等。利用控制器的物理硬线通道，模拟冷水机组、水泵、阀门、冷却塔等设备的运行状态与故障状态，同时能接收被测目标的控制命令执行相应动作。仿真软件基于C++平台开发，则用于模拟环控系统中各设备的运行状态，具体包括：气象参数提取模块、建筑负荷预测模块、管网阻力特性仿真模块、环控系统仿真模块、机房控制逻辑输入模块及节能效果呈现模块。

与常规环控系统仿真软件相比，超高效智能环控系统“硬件在环”动态仿真平台通过在仿真系统中接入实物控制器，可以模拟传感器采集信号、获取真实控制参数，使得系统仿真控制效果更接近于实际，从而更好地验证节能控制策略与算法。

以某地铁车站环控系统为例，根据实际系统形式与设备配置参数在动态仿真平台建立该环控系统的仿真模型，选取2020年7月实际负荷参数输入动态仿真平台，计算空调机房的全月逐时仿真能耗，空调机房能耗为冷水机组、冷冻水泵、冷却水泵及冷却塔能耗之和。空调机房8月全月逐时仿真能耗与实际能耗对比如下图所示。

图1 空调机房8月全月逐时仿真能耗与实际能耗对比

计算空调机房逐时能耗与实际能耗的均方根误差RMSE为8.3%，小于10%的误差限，说明仿真能耗与实际能耗的误差是可以接受的，利用动态仿真平台可以很好地测试与验证节能控制策略。

2 多智能体自适应节能控制技术

2.1 冷水机组节能控制模块

本文提出负荷精准适配控制方法，其原理是采用负荷预测方法获取系统的总负荷需求，并根据每台冷水机组能效特性曲线对机组运行负荷进行寻优，可以保证每台冷水机组都运行在高效区间，且解决冷量供给侧与需求侧的不平衡问题。其中负荷预测是运用神经网络模型，采用负荷精准配适控制方法对每台机组的负荷优化分配。

2.2 冷冻水系统节能控制模块

依靠冷冻水泵运转及旁通调节冷冻水系统的流量和压差可达到系统正常循环的目的，但无法避免较大截流损失和大流量、高压力、低温差的现象，最终造成电能的浪费和环控系统最末端达不到合理效果。为解决这一问题，本文提出全局能量平衡控制方法（图3）。

图3 全局能量平衡控制原理

智能环控系统通过负荷预测算法预测空调末端的实时冷负荷，计算当前空调末端所需的冷冻水量，并将预测冷冻水流量值传输给智慧一体阀（即具有数据采集功能的动态平衡电动调节阀），通过比较实际流量与预测流量之差自动调节阀门的开度，空调系统的所有末端设备均能达到最佳流量。同时，冷冻水泵根据末端流量的变化自动调节运行频率，实现冷冻水系统的全局能量平衡控制。通过全局能量平衡控制，在部分负荷状态下每个末端设备也能按需输配到最佳流量。输配系统的动力水泵以最小工作压差实现最优运行，可以降低能耗。

根据水泵特性建立模型（流量、扬程、功率和频率关系）和水系统特性建立水泵控制模型：

式中，Hp为水泵扬程，m；Hn为管网阻力，Pa；n为水泵频率，Hz；Q为水流量，m3/s；H0为水泵最小扬程，m，相当于传统水系统控制中最不利末端的压差，可由理论计算或调试确定。

根据水泵厂家提供的水泵性能曲线，对式(1)进行回归，获取水泵在不同频率下的扬程-流量关系。根据设计工况点（Q0，H0）求出阻力系数S1。当超高效环控系统检测到空调末端负荷发生变化时，根据负荷预测结果和供回水温差计算出当前冷冻水需求流量Qdemand，代入式(2)可求得当前管网阻力Hn。由Hp=Hn进一步计算出冷冻泵频率，自适应调整水泵变频器的频率设定值，从而实现冷冻泵的变频节能控制。

超高效智能环控系统检测系统最不利端设备的压差值，根据冷冻水系统最不利环境下的最小压差值的需求，来修订分集水器的压差设定值；系统检测分集水器压差根据修订过的压差设定值调节压差旁通阀，并合理配置PID参数尽量减小压差旁通阀的开度，以减小系统的旁通回流造成的能量损失。在压差旁通阀小于一定开度压时再根据冷冻水分集水器压差检测值和修订后的压差设定值调节冷冻水泵的频率来保证冷冻水系统的供回水压差。

2.3 冷却水系统节能控制模块

由于在一定的温度范围内，冷却水温度的变化对冷水机组能耗的影响与对冷却水泵和冷却塔风机能耗的影响正好相反。例如，在一定范围内降低冷却水进水温度，有利于提高冷水机组的效率、降低冷水机组能耗，但冷却水温度降低，导致冷却水泵和冷却塔风机的能耗升高。只有将冷水机组能耗、冷却水泵能耗、冷却塔风机能耗三者统一考虑，在每种负荷条件、环境参数及蒸发侧温度下找到一个能保持冷却水系统效率最高所对应的冷却塔出水温度、供回水温差设定值组合，可实现冷水机组、冷却塔和冷却风机的整体节能，即冷量高效制取。

在不同的空调系统负荷和室外湿球温度下，不同的冷却水供回水温差、逼近度（冷却塔出水温度-湿球温度）对应不同冷却水系统功率值；存在一个最佳设定值组合，使冷却水系统的运行功率达到最低，冷却水系统功率优化目标如式(3)所示：

式中，N为冷却水系统总功率，kW；Nch为制冷机组功率，kW；Ncwp为冷却水泵功率，kW；Nct为冷却塔风机功率，kW；Δtcw为冷却塔供回水温差，℃；Δtappr为逼近度，℃。

选取某地铁车站一个夏季典型日的运行工况进行优化分析，冷却水系统节能优化控制模块的逐时优化结果与初始设定值对比如图4和图5所示。

由图4和图5可知，通过优化求解出的冷却水供回水温差优化设定值低于初始设定值，逼近度优化设定值高于初始设定值。

图4 冷却水供回水温差优化结果对比

图5 逼近度优化结果对比

图6所示为冷却水系统优化结果对比，由图6可知，采用冷却水系统节能控制模块后，冷却水系统全天能耗有了明显降低，节约能耗497.75 kW，节能率12.6%。

图6 冷却水系统能耗优化结果对比

2.4 风和水协调节能控制模块

环控系统的最终目标在于以室内温度为控制对象的室内冷量需求，其源头在冷水机组的冷量供应。能量传递从冷源需求侧到冷源供给侧共有6个控制环节：送风机、回排风机、水阀、冷冻泵、冷水机组、冷却泵和冷却塔。每个控制环节环环相扣，将整个系统有机地整合在一起。传统空调控制技术，空调水阀和空调风量控制相互独立，空调末端控制和冷水机房的控制相互独立，该控制方法不能很好地将冷量供应与冷量需求相匹配，控制存在滞后性，也不利于系统的节能。风和水协调节能控制技术消除了空调控制的孤岛，空调风量和水量根据算法计算结果判断优先调风量还是优先调水量，并同步调节冷源系统的冷冻泵流量及冷水机组的负荷，降低了系统的综合能耗，减小了系统的波动。

当末端温度发生变化，偏离或接近了系统设计目标所允许的范围时，说明末端负荷需求发生了变化，且变化量超出或接近了系统允许的范围，空调末端控制器调节空气处理系统风机的频率，从而改变送入的冷量，使公共区环境温度满足设计的要求。冷冻水节能控制模块根据预测总负荷计算出目标冷冻水流量，并根据实际流量与目标流量控制末端水阀的开度，使末端设备均能达到最佳流量。由于系统末端负荷在短期内不可能发生较大突变，也就是说系统的冷量需求不会发送突变，且制冷站采用的是输出冷量控制，而非温度、压力、温差等简单PID控制，因此本系统的风和水协调策略可以保证在末端风机动态调节时，不会影响制冷站的稳定控制。当冷水机组输出冷量改变后，对冷却水环节的散热需求相应改变，冷却水节能控制模块通过对冷却水系统（冷却塔、冷却水泵、冷水机组）的整体能效进行分析，采用冷却水系统最佳效率寻优控制对冷却水回水温度与供回水温差设定值进行寻优，寻找到冷却水系统的能效最高点，从而动态调整冷却水泵频率、冷却塔风机运行。

通过风和水协调策略，保证了各末端空气处理机组送风温度随实际应用需求动态调节，使风机的变频控制的冷量需求预测算法可以实现，将风系统的变频控制与水系统的变频控制协调起来，有效防止了系统的振荡。通过协同控制各末端空调箱的动态平衡阀和送风机、冷冻水泵频率、冷却水泵频率及冷却塔频率，既可实现风系统与水系统协调工作，又可实现环控系统的整体最优运行效率。

3 智慧运维云平台大数据健康诊断

环控系统中出现的各类故障会带来系统控制失效、能耗的升高和用户热舒适性降低等问题。自动化的设备健康状态检测与诊断是环控系统的一项重要功能，用于及时发现并降低各类故障带来的影响，健康状态诊断的目的是判断设备或系统的运行能效是否低于正常值，及时发现系统控制中存在的问题，并识别引起故障的原因。当前大多数环控系统健康诊断的参考值都参考厂家数据或行业标准，随着云计算技术的发展，云端海量数据的有效存储和即时利用已成为现实，复杂的数据处理、故障信息分析辨识已可以在云端实现。通过在云端建立环控设备及系统的能效+故障的复合诊断模型，通过网络通讯读取现场设备运行数据，自动检测、识别故障信息，并结合专家知识库给出故障诊断结果、规划维修路径，从而实现环控系统的稳定运行和智能化运维。下面以冷水机组与冷却塔为例，展示智慧运维云平台的大数据健康诊断功能。

3.1 冷水机组健康诊断

随着冷水机组的长时间运行，不可避免出现冷凝器结垢、制冷剂泄漏以及运行异常等诸多问题，引起机组能效的降低。为了在主机故障未发生前及时识别出主机能效的异常衰减情况，快速通知运维人员对设备进行维护性保养，从而保障系统高效运行的同时延长主机寿命，需要开发冷水机组的健康诊断方法。

以某实际项目中一台250 RT冷水机组为例，说明智慧运维云平台对冷水机组的健康诊断过程。基于该机组一个月的历史运行数据，云平台给出的诊断结果如下图7所示。图7中无点曲线表示冷水机组的实际COP，带点曲线表示通过预测模型计算得出的冷水机组预测COP，图中大多数情况下实际COP与预测COP误差在±8%以内。通过图8统计冷水机组全月的误差率值，结果表明在该月内该冷水机组有83.7%的时间COP误差在±8%以内，说明该冷水机组运行能效处于正常水平。

图7 智慧运维云平台冷水机组健康诊断结果

图8 智慧运维云平台冷水机组健康诊断误差率

3.2 冷却塔健康诊断

冷却塔是中央空调系统中不可或缺的重要组成设备，冷却塔运行状况的好坏，直接影响到冷水机组的能效以及整个中央空调系统的综合能效。冷却塔发挥其最大作用，在于在一定室外气象条件和负荷条件下，充分利用冷却塔的换热面积和风机风量，保证冷却水与空气进行充分的热质交换，使得冷却水出水温度被降到足够低，从而降低冷水机组的冷凝温度、提高冷水机组能效[18]。因此，需要对冷却塔运行效率进行有效的诊断，可以同时发现设备运行问题与运行故障，及时告知运维人员调整控制策略或进行现场检修，保证冷却塔始终处于高效运行状态。

冷却塔健康诊断的基准为冷却塔理论出水温度[19]，其反映的是冷却塔运行满足设计要求状态下冷却水的出水温度。通过比较实测出水温度与理论出水温度的接近程度，计算出冷却塔的热力学效率值越大，说明实测出水温度越接近于理论出水温度，则冷却塔的实际性能越能满足设计要求，冷却塔理论出水温度根据冷却塔传热传质模型求取[20]。该诊断方法综合考虑了影响冷却塔性能的因素，即设备构造因素和控制因素，控制因素则通过气水比体现。同时，从上述方程可以看出，冷却塔热力学效率不是气水比的单一函数，更不是简单的线性关系，从控制上单纯提高气水比并不能提升冷却塔的能效，因此气水比的增大到底会使冷却塔性能提高或下降，需要看具体的热力学效率计算结果。

以某实际项目中一台冷却塔为例，说明智慧运维云平台对冷却塔的健康诊断过程。基于该冷却塔某月的历史运行数据，云平台给出的诊断结果如图9所示。

图9 智慧运维云平台冷却塔健康诊断结果

由图9可知，在该月内该冷却塔有96.4%的时间热力学效率超过80%，说明该冷却塔运行效率处于正常水平。

4 结论

本文通过研究“硬件在环”动态仿真技术、多智能体自适应节能控制技术与云平台健康诊断技术开发了超高效智能环控系统，分析了各模块及诊断效果，得到如下结论：

1）通过能效动态仿真平台实现环控系统全年能耗仿真，通过接入控制单元的“硬件在环”技术，得到计算空调机房逐时能耗与实际能耗的均方根误差RMSE为8.3%，小于10%的误差限，实现对节能控制算法的精确验证；

2）针对冷源系统研发冷水机组负荷精准适配技术，实现冷水机组整体能效比最优的控制目标；针对冷冻水系统，研发全局能量平衡控制技术降低输配系统的能耗；针对冷却水系统，通过多目标优化方法获取使得系统能耗最低的冷却塔、冷却泵控制参数组合，实验节能率可达到12.6%；针对系统风侧与水侧解耦联动控制需求，研发了环控系统风-水协调控制技术，保证了冷量供给与需求之间的动态平衡，减小控制过程的波动；

3）基于大数据分析研发智慧运维云平台健康诊断技术，根据云端采集的历史运行数据，分析识别数据间的潜在关系与模式，发现在一个月内冷水机组有83.7%的时间COP误差在±8%以内，冷却塔有96.4%的时间热力学效率超过80%，表明该冷水机组和冷却塔的运行能效均处于正常水平；并据此建立设备的健康诊断模型，实现对系统运行状态与性能趋势的诊断与评价，提高了设备维护的效率；

4）通过对超高效智能环控系统的研究与应用，有效解决了公共建筑中环控系统能效水平低、控制滞后波动、故障难发现的问题，保障系统长期高效、健康运行。