医院型智慧能源场景能耗分析与改进策略研究

吕宝龙 郑承新 李镇东 赵鸿飞

（1、武汉光谷绿动能源有限公司，湖北 武汉 430073 2、国家电投集团科学技术研究院有限公司，北京 102209）

以医院为场景的智慧能源系统通常以分布式能源为主要形式。分布式能源站不但能够提供电、热、冷、汽、水“一篮子”的能源解决方案，而且能够通过融合先进的感知、通讯、运行优化及控制技术，实现能耗和能效提升[1]。分布式能源能够从源侧以及源荷互动的角度优化建筑能耗。同时在建筑领域，近年来我国的建筑节能政策、相关技术的发展已经较为成熟，不论是新建的民用建筑工程还是建筑节能环保的改造工程均有较高的能耗质量[2]。

湖北省某新建医院采用了分布式能源站作为能源解决方案，19 年底完成整体搬迁后，19～20 年冬季的供暖出现了能耗过大的问题，本文尝试从建筑节能理论和医院建筑设计材料以及医院所属能源站的实际运行数据入手，对该建筑的整体能耗进行分析，同时结合能源站工况寻优软件，分析找寻能耗偏高原因并给出运行指导。

1 医院（用户侧）用能分析

本节基于医院现场的用能现状和能源站运行数据，从环境温度、通风（含新风系统）量、用能习惯等方面，对医院热负荷偏高的现象给出分析。

1.1 环境温度分析

根据传热学原理，换热量与室内外温差成正比，其中维持合理的室内温度是供热效果的核心指标。根据《城市集中供热管理办法》规定第二十三条：用户室内采暖温度为18℃±2℃，且不低于16℃。此处我们选取医院的室内温度为18℃进行分析。

同时，从中央气象台获取当地的天气历史数据如下：

表1 当地室内外温度表

从数据可知，20 年冬季的气温较19 年低是导致热负荷升高的原因之一。由于19 年和20 年的平均风速值近似相等，空气流速对对流换热系数的影响可忽略。由此可知其他条件不变，由于气温差异导致20 年12 月的冬季热负荷比19 年同期升高16.2%。

1.2 通风量（含新风系统）分析

根据楼宇传热计算的习惯，按照换热方式和换热系数不同，将换热量进行拆分计算：

【总传热量】=【外墙传热量】+【外窗传热量】+【屋顶传热量】+【渗透传热量】

由于门窗通风、新风系统均是将户外的空气进入室内，从而带来散热损失，他们直接影响【渗透传热量】。同时根据有关规定，公共场所需保持开窗通风，其中带有新风系统设备的有关建筑建议保持全开状态，下文将基于此对其影响进行计算分析。

1.2.1 新风系统能量计算

对于医院，新风系统- 空调系统的耗能占整个楼宇25%-50%（甚至更高）。根据设计图纸中的新风系统选型、空气参数等数据，可得到20 年12 月，新院区新风系统的实际制热功率，以及在19 年同期的环境条件下，同等建筑的新风系统制热功率。

表2 新风系统能耗表

由表可知，20 年12 月在新风系统全开的情况下，单机制冷功率近似等于额定功率，验证了该估算方式的可行性。同时比19 年的气象条件，同样在新风系统全开的情况下，20 年的新风热负荷提高了25.9%。

1.2.2 通风量影响分析

通过测试房间的温度和建筑供暖能耗，定量分析了开窗造成的热损失大小，利用示踪气体法得到了不同窗户开度下房间的通风换气次数[4]。所测试的7 个小区的开窗热损失最高达到0.05GJ/(m2·a)，占建筑耗热量的15 %左右，开窗热损失量超过了其他热损失环节。

医院从2020 年11 月供暖开始，收疫情政策的影响门窗开启，同时许多通道封闭措施不严等现象导致采暖热损失增大，估计建筑耗热量损失增加10%以上。

1.3 用能习惯分析

本文选取并采集了医院能源站12 月21 日的运行数据，作为典型日数据，并对比参考能源站“可行性研究报告”中的设计参数，对医院- 能源站的系统进行分析。经过数据汇总、清洗、计算，得到医院的典型日实际负荷曲线与设计热负荷曲线。

图1 热负荷负荷曲线对比

12 月21 日医院的实际日热负荷总量：231.35GJ，同时，设计报告中院冬季典型日热负荷总量：279.36GJ，二者量级一致。通过对比分析，发现：实际热负荷在日内的峰谷差距不明显，日内最高10.6Gj/h，最低9.1 Gj/h，即工作时间负荷与夜间负荷基本相同。

为验证此现象，从能源站DCS 系统中截取12 月6 日（星期日）和12 月15 日（星期二），此时能源站采暖出水温度均设定在55℃左右，通过观察回水温度，发现医院供暖曲线平滑，工作日下班时段采暖负荷下降不明显。

分析原因，可能是医院的住院负载较门诊偏高，同时非工作时间，有人忘记关闭空调，导致热量无差别浪费。

综上所述，通过分析医院2020 年的用能现状和能源站运行数据，严寒天气、不良的用能习惯共同造成医院热负荷偏高的现象。

2 分布式能源站系统运行策略寻优

本节从能源站运行寻优的角度，利用工况寻优系统，对其运行参数进行优化分析，挖掘其能耗、经济性空间，对能源站的后续运行提供指导。

2.1 能源站设备介绍

能源站包含800kw燃气内燃机2 台、烟气热水型溴化锂2台（与燃机一拖一部署，额定制冷功率930kw、制热功率800kw）、900RT 电制冷4 台、3.5mw 燃气真空供热锅炉2 台、2.8mw 燃气真空热水锅炉1 台、2t/h 燃气蒸汽锅炉2 台、156kwp屋顶光伏。能够为用户提供电、热、冷、热水、蒸汽等多类型能源。能源站供热设备于2020 年11 月投运供暖，内燃机及发电机组于2020 年12 月正式供电。

2.2 寻优系统及寻优思路介绍

本文所使用的的工况寻优系统，是运用机理建模与基于能源站传感器网络采集的大数据驱动技术，实现能源系统动态寻优模型的构建及在线自演进、自优化。同时，运用AI 寻优技术，实现系统经济性与能耗优化提升的动态寻优目标。

寻优系统主要分为5 个功能模块：（按照运行的调用流程）日前的负荷预测和生产计划，实时的优化调度和经济性评估，利用历史数据的模型训练。5 个模块组成了一个闭环，预测结果是生产计划的条件、生产计划作为调度指令的参考，实时寻优的结果作为经济性评估的标杆工况，同时经济性结果是模型训练迭代的目标，模型自演进为后续的模块提供更准确的模型，最终形成一个循环上升的效果。

寻优系统平台使用Orleans 微服务架构、底层Linux 系统、应用Docker 容器化部署，与DCS 系统的通讯接口采用Modbus实现数据的采集和下控，在硬件方面关键设备的热备、物理隔离等，共同保证系统的安全、稳定、可用、可拓展。

2.3 寻优结果及分析

由于医院冬季的典型日电负荷数据未采集，所以本文选用设计电、热负荷作为边界条件进行寻优计算，按照能源站传统的“以热定电”模式进行运行模拟，得到设备负荷分配指令，作为寻优模式的对比。

图2 用户冬季典型日电负荷及“以热定电”工况运行曲线图

图3 用户冬季典型日热负荷及“以热定电”工况运行曲线图

同时，根据能源站与业主方、燃气公司等公司签订的采购合同，梳理出能源单价如表3 所示，作为计算的关键边界条件。

表3 单位能耗及售能价格

将用户负荷曲线导入计算模型，同时将系统设置为测试模式进行离线计算，通过工况寻优算法计算得到能效最高的设备出力指令。

图4 冬季负荷及设备理想出力图

图5 冬季运行成本对比图

通过对结果可知，首先，分布式能源站能够降低系统的运行成本，而运用寻优算法可以比“以热定电”模式进一步节约运行成本。同时，智能寻优对比“以热定电”模式的结果，发现智能寻优的燃机出力很低，并维持在基本出力。经过分析发现，是当时的燃机价格较高，导致内燃机发电的能效较低，所以寻优算法主动降低了燃机的出力。

3 结论

我国已经全面推行绿色建筑理念，通过技术创新和施工管理的有效结合，切实提升了建筑的保温性能、降低了单位供暖能耗[5]。但是不能忽略的是，在实际的生产生活过程中，严寒天气、相关政策、不良的用能习惯同样会造成建筑能耗偏高的现象。

因此，在源侧的供暖单位（如分布式能源站）需要采取合理的运行控制策略，通过融合机器学习。人工智能寻优等数字化技术，控制优化供热量，使其随着供暖负荷的变化及时调整，减少过量供热的情况。同时在用户侧，尤其是公共场所，如办公区、商业建筑、学校医院等，应优化能耗管理模式，减少能源的浪费现象，共同推进并实现绿色建筑理念。