應(yīng)用人工智能和大數(shù)據(jù)的制冷控制系統(tǒng)節(jié)能案例分析

靳怡 高春林 劉原

摘??要：以中國南方某展館升級改造實例，提出某些條件下制冷機群控系統(tǒng)追求制冷“系統(tǒng)COP”值最優(yōu)化，而不是追求“制冷機COP”值最大化的節(jié)能目標，提出了對于制冷系統(tǒng)的整體控制邏輯，此控制策略的實施有效地降低了冷卻塔風(fēng)機能耗和冷卻水泵能耗，因此有效降低了制冷系統(tǒng)的總能耗。

關(guān)鍵詞：能效比（COP）;大數(shù)據(jù)分析;人工智能;策略的特殊性

中圖分類號：TN929.5 ??文獻標識碼：A ???文章編號：2096-6903（2019）01-0000-00

0引言

現(xiàn)代建筑物制冷系統(tǒng)主要耗能設(shè)備包括：（1）制冷機（常見于多臺應(yīng)用方式，亦稱冷水機組）、（2）冷凍水泵（常見于多臺應(yīng)用，且以其功能不同被業(yè)內(nèi)稱為冷凍水一次泵、冷凍水二次泵）、（3）冷卻水泵（常見于多臺應(yīng)用）和（4）冷卻塔風(fēng)機（常見于多臺應(yīng)用）。為了管理、控制制冷系統(tǒng)的四個主要設(shè)備，在現(xiàn)代典型的樓控系統(tǒng)里，有業(yè)內(nèi)簡稱為“冷機群控”（相對獨立于BAS之外的）的子系統(tǒng)。冷機群控系統(tǒng)的設(shè)計和管理水平?jīng)Q定了系統(tǒng)運行成本。

使用冷機群控來降低制冷系統(tǒng)能耗、提高制冷系統(tǒng)效率對于管理整個制冷空調(diào)系統(tǒng)能耗非常重要。以典型的商業(yè)辦公樓為例，制冷機能耗約占整個制冷系統(tǒng)能耗的40%，制冷系統(tǒng)能耗約占整個制冷空調(diào)系統(tǒng)能耗的40%（有時更高），而整個HVAC系統(tǒng)能耗占該商業(yè)辦公樓建筑能耗的40%（有時更高）。實際應(yīng)用中這三個（40%）百分比數(shù)值會因不同的氣象條件等因素而不同。但是，當前普遍的冷機群控系統(tǒng)的控制策略只是關(guān)注于保證制冷機高效運行，即盡量保持較高的“制冷機COP值”。

在某些邊界條件下控制策略應(yīng)該更加關(guān)注并保障整個制冷系統(tǒng)COP值;因此本文結(jié)合一個工程項目實例，進一步提出了對于制冷系統(tǒng)的整體控制邏輯。

1項目背景

本文針對中國南方某城市，一個大型展覽館建筑的制冷空調(diào)系統(tǒng)進行了樓控系統(tǒng)升級改造。該項目背景如下：

（1）大型展覽館建筑物具有比較獨特的特點，如展覽場地有二十余米高挑空的高大空間;空調(diào)面積達萬余平方米的展廳南北兩側(cè)各開啟讓重型貨車通過的大門;展覽館的使用時間沒有固定規(guī)律，每年有一百多天的展覽展會，另外有一百多天的布展撤展時間，其余一百余天的運行時間里空調(diào)系統(tǒng)冷負荷只占總冷負荷的百分之四;不同展覽的規(guī)模不同，最小規(guī)模展會的占地要求僅占建筑物空調(diào)總面積的百分之五。這個制冷系統(tǒng)的部分負荷變化范圍較大。

（2）南方城市的氣象特點是室外空氣相對濕度變化范圍大，對控制冷卻水回水溫度和控制室內(nèi)空氣相對濕度提出了更多限制。

（3）該制冷系統(tǒng)共包括11臺制冷能力大小不同的離心式制冷機，總制冷能力高達21000冷噸。在原有制冷系統(tǒng)水管路規(guī)劃時，把11臺冷機設(shè)計成6個編組，通過復(fù)雜的冷機編組運行提供不同的制冷能力。

原有制冷系統(tǒng)包括以下設(shè)備：制冷機、一次冷凍水泵、二次冷凍水泵、冷卻水泵、冷卻塔風(fēng)機、控制設(shè)備二次冷凍水泵變頻控制柜、空調(diào)機設(shè)備制冷站、照明設(shè)備制冷站。原有制冷系統(tǒng)能耗（耗電量）包括能耗制冷機、能耗水泵、能耗風(fēng)機、能耗控制設(shè)備以及能耗制冷站內(nèi)部空調(diào)和照明設(shè)備。11臺制冷機COP值介于4.8至5.3之間。整個制冷系統(tǒng)COP值約4.1，整個制冷系統(tǒng)年耗電量為約550萬kWh。

為了實現(xiàn)整個制冷系統(tǒng)能耗低而效率高，本文作者提出的“制冷系統(tǒng)COP值”整體控制邏輯策略是：追求制冷“系統(tǒng)COP”值最優(yōu)化，而不是追求“制冷機COP”值最大化，最終目的是降低制冷系統(tǒng)的能源消耗。

2原系統(tǒng)需要解決的問題

支持“制冷機”COP值最大化的原因是因為：保證制冷機COP最大值是基于以下三個條件之間：

（1）制冷設(shè)備運行時保證冷凍水供回水溫度和溫差，例如常見的空調(diào)系統(tǒng)的冷凍水供水溫度7℃，回水溫度12℃，溫差5℃;

（2）制冷設(shè)備運行時保證冷卻水供回水溫度和溫差，例如常見的冷卻塔的冷卻水供水溫度32℃，回水溫度27℃，溫差5℃;

（3）制冷設(shè)備運行時保證一次冷凍水恒流量、冷卻水恒流量。

這種運行策略的優(yōu)點是：制冷系統(tǒng)在全負荷運行狀態(tài)下，保持了制冷機效率較高。

這個項目（如1.1所述）的制冷系統(tǒng)并非永遠在全負荷狀態(tài)下運行，制冷機編組在50%以上的時間內(nèi)處于部分負荷（75%負荷至90%負荷）的狀態(tài)下運行。在此狀態(tài)下冷卻水恒流量運行，冷卻水泵能耗和冷卻塔風(fēng)機能耗基本保持不變;如果在這個狀態(tài)下冷卻水變流量運行，冷卻水泵能耗和冷卻塔風(fēng)機能耗將會降低，而原有的制冷機效率變化不大，即此部分負荷狀態(tài)下的整個制冷系統(tǒng)COP值可以提高。為了解決這個問題，制定了升級改造措施。

3升級改造措施和效果

最終升級改造措施確定如下：新增冷卻水泵變頻控制柜、新增冷卻塔風(fēng)機變頻控制柜、應(yīng)用全新的冷機群控策略邏輯以及增加安裝電能表、溫度傳感器和壓力變送器、直接數(shù)字控制器（DDC）、數(shù)據(jù)庫等。

制冷量是由DDC從每臺制冷機控制接口讀取數(shù)據(jù)后計算編組冷機制冷量總和，以計算制冷系統(tǒng)COP值。新的冷機群控策略在本文下一節(jié)詳細闡述，通過計量和測量，此升級改造效果簡述如下：改造后最終實現(xiàn)整個制冷系統(tǒng)COP值從4.1提高到4.8，整個制冷系統(tǒng)每年節(jié)約耗電量約94萬千瓦時，節(jié)能率約為17%。

4控制策略和實現(xiàn)策略的算法

首先，冷機群控系統(tǒng)建立了一個關(guān)于“制冷系統(tǒng)COP值數(shù)據(jù)庫”，其基于（冷機運行時）每15分鐘記錄的氣象條件（室外空氣溫度和相對濕度）、冷卻塔風(fēng)機頻率、冷卻水供回水溫度、冷卻水泵頻率、冷卻水流量、制冷機的制冷量、冷凍水二次泵頻率、冷凍水二次回路的供回水溫度和溫差、冷凍水一次回路的供回水溫度和溫差（冷凍水一次泵是恒流量運行）等數(shù)據(jù)。這些數(shù)據(jù)共同組成了制冷系統(tǒng)COP值的邊界條件。

其次，冷機群控系統(tǒng)每15分鐘計算一個制冷系統(tǒng)COP，然后應(yīng)用大數(shù)據(jù)（Big Data）技術(shù)，在數(shù)據(jù)庫中自動尋找配對（Machine Learning）歷史上具備相似的氣象條件的某一歷史最大值COP，應(yīng)用機器自主學(xué)習(xí)技術(shù)（Self Learning）去比較當前多項邊界條件（例如冷凍水二次泵頻率、冷凍水二次回路的供回水溫度和溫差）的差異，利用人工智能技術(shù)（AI）修正制冷系統(tǒng)的某一個邊界條件（例如修正冷卻水供回水溫度）后，冷機群控系統(tǒng)將自動設(shè)置一個新的邊界條件（例如更新冷卻塔風(fēng)機頻率）。

15分鐘后再計算一次制冷系統(tǒng)COP，如果COP比COP更高，COP將成為具備相似邊界條件的新COP;如果COP比COP更低，深度學(xué)習(xí)技術(shù)（Deep Learning）就儲存原歷史最大值COP對應(yīng)的邊界條件并確保以后相似氣象條件下不再修改此邊界條件（例如不修改冷卻塔風(fēng)機頻率、而是修改冷卻水泵頻率）。

觀測本項目實際運行發(fā)現(xiàn)：在保證制冷機冷卻器安全運行前提下，此控制策略使冷卻塔風(fēng)機變頻運行，冷卻水泵變頻運行，借助監(jiān)測室外空氣焓值，很好地控制了冷卻水供回水溫度和溫差，有效地降低了冷卻塔風(fēng)機能耗和冷卻水泵能耗，同時降低了制冷系統(tǒng)總能耗。

5實現(xiàn)此策略的特殊性

該策略的實施對于制冷系統(tǒng)來講具有一定的特殊性，現(xiàn)將其特殊性簡述如下：

（1）某些建筑物并不適用于此控制策略，只有那些逐時冷負荷變化較大的建筑物才能明顯受益;

（2）在部分負荷下，如果制冷機（例如螺桿式制冷機）COP值變化很大，此控制策略可能不會帶來大的效益;

（3）中國南方地區(qū)氣象條件中濕熱空氣影響了冷卻水供回水溫度，需要調(diào)節(jié)冷卻水流量來滿足制冷機需求和降低能耗;

（4）該展館內(nèi)部的空調(diào)機組BAS系統(tǒng)也有深度的升級改造，結(jié)果使空調(diào)機組敏感地反應(yīng)展館空間冷負荷變化，體現(xiàn)于冷凍水二次回路的供回水溫度、溫差和流量的變化;

（5）新的冷機群控策略使原有的冷凍水二次泵變頻控制系統(tǒng)真正發(fā)揮了作用，真正體現(xiàn)了制冷系統(tǒng)在部分負荷下的需求;

（6）此系列的11臺制冷機其中有6臺高壓10kV供電制冷機，還有5臺普通380V供電制冷機，并且既有單臺2000冷噸制冷量冷機，也有單臺1000冷噸制冷量冷機，同時受到原設(shè)計中冷機配對編組的限制，這些條件都使控制策略計算中受到了限制。

6?結(jié)語

本文針對某具體工程實例，提出了對于制冷系統(tǒng)的整體控制邏輯，此控制策略的實施使冷卻塔風(fēng)機、冷卻水泵變頻運行，有效地降低了冷卻塔風(fēng)機能耗和冷卻水泵能耗，因此有效降低了制冷系統(tǒng)的總能耗。

收稿日期：2019-05-10

作者簡介：靳怡（1968—），女，天津人，本科，高級工程師，研究方向：數(shù)據(jù)中心、生命科學(xué)以及綠色建筑的智能化解決方案。

Analysis of Energy Saving Cases of Refrigeration Control System Using Artificial Intelligence and Big Data

JIN Yi， GAO Chun-lin， LIU Yuan

（Siemens Building Technology （Tianjin） Co.， Ltd.， Tianjin 300050）

Abstract： Based on the example of upgrading and renovating a pavilion in southern China， it is proposed that the chiller group control system pursues the optimization of the “system COP” value of refrigeration under certain conditions， instead of pursuing the maximization of “refrigerator COP” value. The ultimate goal is to reduce the refrigeration system. Energy consumption.

Keywords： energy efficiency ratio （COP）; big data analysis; artificial intelligence; deep learning; machine learning