苏 会,陈少华,张彩瑜,马 慧,李 娜,白 娟
(国能神东煤炭集团有限责任公司,内蒙古 鄂尔多斯 017209)
当前我国建筑能耗占总的能源消耗的比重相对较高,《中国建筑节能年度发展研究报告2020》指出:2018年中国建筑相关的能耗占全社会能耗的37%,二氧化碳排放占全社会总排放的42%。其中我国北方冬季的采暖能耗占全国建筑总能耗的21%[1]。随着国家明确提出2030年“碳达峰”和2060年“碳中和”这一目标,为了有效降低采暖能耗,国内外学者对采暖建筑的负荷预测进行了广泛的研究,杨福进[2]基于自回归各态历经模型对建筑热负荷进行预测,Omer Yetemen等[3]利用自回归分析方法对地热水消耗的时间序列分析进行了研究,建立了有关热负荷的自回归模型,李锐、董妍等[4]使用BP神经网络算法对住宅区的供热负荷预测进行研究,Puning Xue等[5]提出了一种基于机器学习算法的多步超前热负荷预测框架。但是上述介绍到的负荷预测的计算方法,大多数都存在计算过程过于复杂,在实际生活实践中往往无法保证其预测的准确性。所以选择合适的负荷预测的计算方法至关重要。基于最小二乘法的负荷预测模型,利用计算机的仿真模拟,可以有效地降低能源的过度浪费,提高能源的利用效率。
以我国西北地区一实际供热系统为研究对象,并选择该研究区域的一栋居民住宅楼进行供暖仿真模拟研究。对住宅楼的面积结构进行调查分析可知,该住宅楼为5层建筑,共有6个单元,每单元每层两居民。由于住宅楼各单元的建筑结构相同,所以只介绍每单元的101号建筑面积,如表1所示,并且利用DeST软件对研究对象建立三维视图如图1所示。
表1 住宅楼建筑面积
建筑供暖热负荷由以下三部分构成:围护结构基本耗热量、附加产生的耗热量、室外的冷风渗透到室内产生的耗热量[6],建筑物的供暖热负荷公式如式(1)所示:
qi=hi[Awall(Tin-Twall,in)+Aroof(Tin-Troof,in)+
Afloor(Tin-Tfloor,in)]+AglassKglass(Tin-To)+
0.278nkVinCinρin(Tin-To)
(1)
其中,qi为供暖热负荷;hi为围护结构内表面与空气的对流换热系数;Kglass为地板导热系数;nk为每小时换气次数;Vin为冷风渗透体积;Tin为室内空气温度;Twall,in为室内一侧的墙面温度;Troof,in为室内一侧的地表面温度;Awall为外墙面积;Afloor为地面面积。
对锅炉的数学模型进行简化,使用集中分析法可以理想的认为锅炉内部的温度均匀且不随空间位置变化。锅炉内部所储存的热量等于锅炉内燃烧得热量减去热网循环带走的热量和系统补水的热量。传热平衡方程如式(2)所示。
(2)
其中,Cboiler为锅炉热容量;Tboiler为锅炉的供水温度;Uboiler为锅炉燃料的控制变量;Gfuel,max为锅炉额定燃料的消耗量;hfuel为燃料的热值;ηboiler为锅炉的热效率;cw为水的比热容;Gmake,w为管网补水流量;Tmakeup,w为锅炉补给水的温度;Gdw为管网的循环水流量;Udw为管网循环水流量的控制变量;Trw为供热管网的回水温度。
该管网供回水管道采用质量综合调节,仿真模拟过程中可以在热网管道设置温度节点进行模型简化。在管道上,某一管段的传热平衡方程式关系为:该管道中存储的热量等于上一管道传递的热量减去其传递过程中由管道散热和管网渗漏所引起的热量损失,管道热平衡方程如式(3)所示:
(3)
其中,Cn为热容量;Gn为管段n的循环流量;Gleak-n为管段n的泄漏流量;Ln为管段n的长度;Tsur-soil为土壤表层温度。
将整个散热器当中一个控制体进行简化分析,进行数学模型建立。根据能量守恒定理可知其散热器传热平衡方程如式(4),式(5)所示。
(4)
(5)
其中,Cheater为热容量;Th-heater为散热器的回水温度;qheater为散热器供热量;e为散热器设计时的过量计算系数;F为散热器的散热面积;b为根据散热器实验所确定系数。
影响建筑物内部热平衡的影响因素有:围护结构内表面温度与室内空气的对流换热、散热器释放的热量、太阳辐射的热量。建立热平衡方程式如式(6)所示:
(6)
其中,ρ为室内空气的密度;c为室内空气的比热容;V为建筑物室内空气的体积;qheater为通过散热装置传递给建筑物的热量;Ssolar,glass为太阳通过外窗传递到室内的辐射量;q为建筑物的热负荷。
对历史气象参数使用最小二乘法建立起了负荷预测的数学模型,其数学表达如式(7)~式(11)所示。
tw,i,e=0.592 5tw,i+0.342 5tw,i-1+0.065tw,i-2
(7)
Qi=216.542-5.290 6tw,i,e
(8)
(9)
(10)
(11)
利用Simulink建立负荷预测调节模型(见图2)。
将负荷预测仿真模块与区域供热系统连接进行计算机仿真模拟,可以得到基于负荷预测的室内温度变化曲线,并且将建筑物的预测热负荷与实际运行测量数据进行误差分析,如图3所示。
由图3可知,当建筑物采用负荷预测控制的供热系统时,室内温度控制在19 ℃±1 ℃的波动范围内,建筑热负荷预测值和实际值的相对误差百分比的范围在-15%~10%。
使用负荷预测模型对三个温度节点进行仿真模拟,将管网的供回水温度和室内温度的模型预测值与实际工程的运行数据进行相对误差分析,验证负荷预测控制模型的准确性。如图4所示,二次供水温度预测值与实际测量温度的响应曲线波动大致相同,最大温差未超过1 ℃,最大误差为2.5%,相对误差百分比频率分布基本符合正态分布。
如图5所示,二次网回水温度的预测值与实际值的波动曲线大致相同,最大温差为1.2 ℃,最大误差为3.5%,相对误差百分比频率分布基本符合正态分布。
如图6所示,室内温度的预测值与实际值的波动曲线大致相同,最大温差为2.2 ℃,最大误差为15%,相对误差百分比频率分布基本符合正态分布。
通过对三个温度节点进行对比和误差分析,可知其模拟仿真的预测结果与实际运行记录数据之间吻合较好,所以基于负荷预测控制的供暖系统模型是合理的有效的。
基于对历史气象参数进行数据挖掘,该供热负荷预测方法简单,并通过负荷预测仿真模型得出如下结论:
1)建筑热负荷的预测值实际数据的相对误差百分比的范围在-15%~10%。
2)使用负荷预测模型得到的不同节点的温度响应曲线与实际测量温度大致相同,说明预测数据的准确性。
3)负荷预测模型能较为理想的改善供暖系统中出现的大惯性和大滞后性这一问题,提高能源的利用效率。
为了实现“碳达峰”和“碳中和”目标,必须着力解决城市供暖系统的能源过度消耗与二氧化碳排放的快速增长。对区域供暖采用负荷预测控制模型能极大程度的降低供暖系统的资源浪费,提高资源的利用效率。