分布式能源站的空调冷热负荷预测和分析

高群伟 　朱晨光　郝徐进　黄晓洋

分布式能源系统（ DES）是涵盖各种发电、储能和能源监控的解决方案。分布式能源站是指功率不大（ 几十千瓦到几十兆瓦）、小型模块化、分布于负荷附近的 清洁环保发电设施，是一种经济、高效、可靠的发电形式 。冷热电负荷综合预测具有较高的预测准确度，是电力系 统规划、电力系统经济调度和能量管理的重要模块。预测分布式能源站的空调冷热负荷作为智慧能源建设的关键 点，通过设计建模，以达到较佳的智慧能源建设效果。现 就分布式能源站的空调冷热负荷预测分析如下：

当前在智慧能源的建设领域，形成了一种以能 源产业为主导，互联网技术及现代通信技术为手段，综合 利用大数据技术及可再生能源的建设方法，来满足区域功 能目标的现实需求。分布式能源站在传统供能形式的基础 上，形成了一种集合“电、热、冷、水、气”等多形式的 供能。在实现大范围供能上，更符合行业业态要求，也更 能在供能区域内负荷的增长及其分期建设中，提升供能经 济性效果。分布式能源站冷热负荷预测，能够准确预测各 地块及各供能分区未来的负荷增长情况，且适用于对尚未 开发的地块和区域的预测。

（一）预测方法

表1 分布式能源站冷热负荷预测方法流程

（二）预测中的关键问题

由于分布式能源站的供能面积较大，供能范围 内道路、河流等分布情况复杂，为减少能源站和降低管 网施工难度，降低供能能耗，提高项目经济性，要严格遵 守《实用供热空调设计手册》、《燃气冷热电分布式能源 技术应用手册》等书籍规范。根据地块建设进度确定地块 现状，该建设进度具体包括未拍地、已拍地、报建、设计 、施工和投产。对于已投产地块，按照实际开始用能时间 计算。对于未投产地块，根据地块建设进度按照下文公式 推算开始用能时间，并预测各地块负荷的逐年增长情况。 对于不同业态，其负荷增长的速度不尽相同。逐年负荷 数据具体包括：用能分区数量、用能地块数量、用能建筑 面积、用能负荷。分布式能源站项目通常需要根据供能区 域内负荷的增长情况分期建设，其依据是供能分区内各地 块的逐年负荷增长情况，通过环路流量与水温将两者进行 耦合，以总换热量为指标，对室外温度逐时变化系数加以 配比（β）。对于总供能负荷较小、地块数量较少的供能 分区，前期采用临时供能或共用临近分区供能设施的方式 ，待分区内总供能负荷和用能地块数量达到一定数值时， 则建设正式的供能设施，以此提高项目的经济性。

（三）涉及的预测公式

1.确定用能对象的热/冷负荷公式：

QS=S×Q （1）

式中，Qs为用能对象的基准负荷（单位：w） ;s为用能对象的用能面积（单位：m）;Q 为用能对象所属的建筑业态的单位面积冷/热负荷指标（单位：w/ m）;

2.外界环境温度相关的热，冷负荷相关负荷， 公式为：

Qwh =awuw（t-t） （2）

式中，Qwh为围护结构负荷（单位：w）;aw为围护结构总的表面积（单位：m）; uw为围护结构传热系数（单位：w/（m·℃））; t为室内设计温度（单位：℃）;t为室外温度（单位：℃ ）;

3.对公式（2）进行变换简化，结果为：

Qwh=aw×uw×（t- t）=awuwt- awuwt （3）

式中，k为围护结构温度变化系数（单位：w/ ℃），b为常数（单位：w）;当外界环境温度t等于室外设 计温度t时的围护结构负荷Qwh= pQs;当外 界环境温度t等于室内设计温度ta时围护结构负荷Qwh =0;

4二次校正通过热/冷负荷逐时使用系数确定 ，具体公式为：

Qsn =Qwh，n×Ri+Qel，n×Ri （4）

式中，Qsn为n时刻的热/冷负荷（单位：w） ;Qel，n为n时刻除围护结构热/冷负荷外的其他热冷负荷 （单位：w）;Ri为一日中i时刻的逐时负荷系数。

（四）设计实现

本实验通过应用一种区域供能冷热负荷预测方 法，充分考虑了建设进度、业态类型、建成后用途等参数 的影响，更能准确地预测各地块及各供能分区未来的负 荷增长情况，并且适用于尚未开发的地块和区域。该方法 物理意義清晰、简单且易于实现。以优选实施为例，通过 收集区域内各地块的地块编号、建筑名称、业主单位、计 划开工时间、计划用能时间、地块建设进度、业态、地块 面积、容积率、计算建筑面积、设计建筑面积和建成后用 途等负荷相关参数，并以此选定各业态冷、热负荷指标计 算各地块的冷、热负荷。受区域供能的供能面积较大，供 能范围内道路、河流等分布情况复杂，需根据设计规苑， 充分考虑经济供能半径和负荷大小划分供能分区，以减 少能源站及管网施工难度，降低供能能耗，提高项目经济 性。同时使用中的系数计算是根据《实用供热空调设计手 册》、《燃气冷热电分布式能源技术应用手册》等书籍规 范，并结合同类型项目确定的经验取值。即首先根据地块 建设进度确定地块现状，该建设进度具体包括未拍地、已 拍地、报建、设计、施工和投产。

以计算而得的开始用能时间为起点，根据各地 块负荷相关参数预测各地块负荷的逐年增长情况。对于已 投产并且已达到设计满负荷地块按照实际负荷记录，在计 算期内各年负荷相同。对于未投产地块，以开始用能时间 为起点，分析业态影响具体因子如：居住、办公、商业 、工业、学校、医院、酒店、车站、航站楼和数据中心 等。对于不同业态，其负荷增长的速度不尽相同，例如医 院和学校的负荷增长通常很快，而居住、办公等业态负荷 增长相对较慢，因此其应当作为一个重要的影响因子。

（五）预测结果及其应用可行性分析

分布式能源系统负荷分析以指标法为基础，通 过调研典型建筑业态具体冷/热负荷特性，将指标法与 用能特性、外界温度变化特性相结合计算用能对象的逐时 热/冷负荷，此方法计算简便且准确。对比现有的负荷计 算方法，分布式能源系统负荷分析在优化其系统装机、 提高系统运行的经济性上更具应用价值。

（六）实证分析

某地区规划建设1栋供能面积 50000m的商场及1栋供能面积3000m的办公楼，拟采用楼宇型分布式能 源供能，夏季冷负荷分析中，通过查询该地区全年逐时 气温数据，夏季空调室外设计干球温度ts为34.4℃，商 场室内设计温度24℃、办公楼室内设计温度26℃。依据 计算结果确定商场冷负荷指标为300w/m 、办公楼冷负荷指标130w/m;确定商场围护结构负荷 占比0.17、办公楼围护结构负荷占比0.34。商场冷负荷15mw，办公楼冷 负荷为3.9mw。商场围护结构负荷与温度拟合曲线为 Qwh=0.2452t-5.8846;办公楼围护结构负荷与温度拟 合曲线为Qwh=0.1579t-4.1043;通过华电源、Dest等软 件查询a地区全年逐时气温数据，冬季空调室外设计干 球温度为-2.2℃，商场室内设计温度为18℃、办公楼室 内设计温度为18℃。确定商场采暖热指标为 100w/m，办公楼冷负荷指标为60w/m;确定商场围护结构 负荷占比0.60，办公楼围护结构负荷占比为0.75;将得到的商场逐时热 负荷曲线、办公逐时热负荷曲线进行叠加，叠加后即为能 源站供能对象的全年热负荷变化曲线。

分布式能源站冷热负荷预测方法，充分考虑了 建设进度、业态类型、建成后用途等参数的影响，能够更 为准确地预测各地块及各供能分区未来的负荷增长情况， 并且适用于尚未开发的地块和区域。该方法物理意义清晰、 简单且易于实现。利用上述技术，以实现对负荷的有效预测 。

在分布式能源站的系统布局中，对比常规分供 系统，其采用单位面积法估算冷热负荷，按照以冷热 定电的方式确定发电设备容量。借鉴其在财务净现值 、动态投资回收期、财务内部收益率、节能上通过能量 当量法，建筑业态围护结构负荷占总热负荷比，围护结 构负荷占总冷负荷比：写字楼0.55～0.75，0.25～0.35 宾馆0.55～0.68，0.45—0.6，商场0.45～0.65，0.1～ 0.18，住宅0.75～0.9。为保证能源站技术、经济的合理性 ，综合考虑了能源利用效率、系统经济性、合规性、地区 限定政策等，确定了各部分能源形式的比例，并对其进 行了合理规划。在测评层面，采用了江水直接冷却技术 ，经测评，该系统相对传统的供冷供热系统，夏季节约 费用993.3万元，冬季节约费用909.4万元，具有良好的 经济性。以APEC低碳示范城镇建设指标体系为规划导则， 依据基础指标和应用指标中的能源结构优化指标评价 分数项，从APEC低碳示范社区区域能源资源供能潜力计 算出发，结合区域能源负荷预测进行低碳社区的区域能 源规划，结合整个社区的规划，在该低碳生态示范区内 设置四个能源站，基于能源供需比较和社区内用能特点， 提供多种能源形式互为补充、综合利用复合能源系统，优 化区域低碳能源结构，在不同季节保证系统长年高效的运 行。采用地埋管与换热水箱并联的方式作为复合冷热源 ，可同时实现红外伪装和节能要求。为探讨该复合冷热源 系统的运行换热特性，基于TRNSYS软件建立地埋管、换热 水箱数理模型，首先对流体流速、进口温度等影响因素 进行模拟分析，证实只要滿足流量配比控制适当，复合冷 热源可满足战时空调系统的供冷需求，复合冷热源之间 存在最佳流量配比，β值（β-室外空气温度逐时变化系 数）越大，最佳流量配比的值越小，且不受环路流量与进 口水温变化的影响，当B为1.0、1.5、2.0时，最佳流量配 比依次为4/6、3/7、2/8。采用基于BP（Back Propagation）神经网络的空调能耗预测与监控系统，将室外温湿度、房 间冷热负荷、空调维持温湿度作为BP神经的输入，利用 DeST分析并仿真在不同环境条件下的空调能耗，证实两者 误差百分比在区间[-1.319%，1.270%]。

预计应用后，根据空调运行情况，收集每个时 间粒度空调负荷数据，粒度至少到小时级，换而言之，每 个空调在每个小时要有一条负荷记录。收集空调参数记录 ，包括以下基本信息：冷剂类型、定频＼变频、制冷量， 其中制冷剂（冷媒）类型包括：r22、r410、r32等多种类 型。根据所属区域获取环境温度，建立环境温度与时间关系 数据集，粒度至少到小时级。根据收集的具体参数，结 合获取的环境温度，基于多参数回归模型训练负荷预测模 型，将训练模型参数记录入库;引入时间段维度，历史同 期时间段内，模型参数波动有一定阈值，通过检查离群点 ，筛选去除离群点，将训练结果集进行收敛，存储预测模 型参数。具体所述的多参数回归模型训练负荷预测模型 为：αx制冷剂类型+βX环境温度+γx制冷量+δx定/ 变频=y负荷，根据上述公式中收集的历史空调负荷数据， 训练回归模型，拟合得出参数α、β、γ、δ;完成训练 模型。完成的训练模型，结合待预测空调参数与环境温度 ，将回归模型参数做离群点检测，进一步优化多元回归预 测模型，完成未来一段时间空调负荷预测。根据影响空 调负荷的参数而建立的多元回归模型，通过k-means算法 去除离群点，进一步收敛，提升模型预测的准确度。该预测 方法能够简明、有效、快速、准确的完成空调负荷预测，能 够为能源管理平台用电能源预测与评估提供有效的数据支持 。

上文概述了分布式能源站的空调冷热负荷预测 背景和意义，通过构筑分布式能源站的空调冷热负荷预测 模型及其实施细节，结果表明，分布式能源站的空调冷热 负荷预测更能满足智慧能源的建设要求。