混合式制冷制熱系統控制方法研究

張 燦，姚嫣菲，徐 堅

（1. 浙江華云清潔能源有限公司，杭州 311112；2. 浙江交通職業技術學院，杭州 311112；3. 江西新能源科技職業學院，江西 新余 338004）

0 引言

地源熱泵是典型的混合式制冷制熱系統，是指以土壤源為主要冷熱源，結合其他輔助冷熱源的熱泵空調。在南方地區，通常采用冷卻塔、冰蓄冷等輔助冷源；在北方地區，通常采用太陽能、污水源等輔助熱源［1］。

混合式系統不僅具有單一地源熱泵高效節能的優點，還可以利用輔助冷熱源來平衡過多的冷負荷或熱負荷，避免地下“熱堆積”現象［2］。目前，在埋管空間有限的建筑中，混合式系統的應用較多。

混合式系統的控制難點在于如何合理切換冷熱源。已有的控制方法包括:控制埋管換熱器供水溫度在一定范圍內；控制埋管換熱器供水溫度與室外環境溫度差；設定輔助冷熱源的啟停時間［3］。采用傳統控制方法往往會出現前兩個月埋管換熱器運行效果好，后兩個月效果很差，甚至低于輔助冷熱源的效率，原因是沒有對埋管換熱器運行狀況進行評估，不能及時發現潛在的故障風險，錯過了最佳的調控時間［4］。

本文在準確預測系統短期、中期和長期冷熱負荷的基礎上，采用變周期模型評估健康狀況，進而控制地源和輔助冷熱源的啟停，實現對混合式系統的合理控制。

1 冷熱負荷預測

對于地源熱泵系統，冷熱負荷的變化會導致地下溫度場的變化，從而影響系統的制冷（熱）量和效率［5］，因而準確預測冷熱負荷非常必要。然而，由于氣象因素和人類生活行為的混沌性質，冷負荷數據總是表現出非線性和動態的特征，因而將冷負荷精確可靠的預測變得非常困難［6］。

本文采用改進的DBN網絡預測短期、中期和長期冷熱負荷。DBN 是將多個受限玻爾茲曼機（restricted Boltzmann machine，RBM）［7］組成的網絡模型逐層訓練以挖掘高維特征，在高維以及非線性、動態性強的數據預測中取得良好效果。傳統RBM 可視層輸入一般為二進制，而空調負荷為連續性數據，容易導致數據丟失，因此本文引入帶獨立高斯分布的連續性受限玻爾茲曼機（CRBM）替代傳統RBM，如圖1所示。

圖1 改進的DBN網絡結構Fig.1 Improved DBN network structure

改進DBN算法具體步驟如下:

（1）輸入訓練樣本，并對樣本進行CRBM處理；

（2）初始化各RBM層的權重和偏置γ={ω,a,b}，開始RBM的迭代訓練；

（3）優化更新γ，計算原目標對參數γ的梯度，然后根據更新的梯度對參數γ進行更新，直到參數γ滿足要求；

（4）利用更新的參數γ進行反向訓練，更新整體網絡參數；

（5）進行冷負荷數據的預測。

以下結合實例介紹空調冷負荷預測方法。

1.1 短期負荷預測

短期負荷受天氣影響較大。因此，根據近兩日的氣象參數和短期負荷，結合天氣預報信息預測下個工作日的短期負荷。

短期負荷計算如下

式中:t為開啟時間，s；C為水的比熱，J∕（kg·℃）；ρ為水的密度，kg∕m3；Ti為地源側回水溫度，℃；To為地源側供水溫度，℃；V為地源側流量，m3∕s。

氣象參數選擇平均溫度和平均濕度。預測方法采用改進的DBN 網絡結構。輸入變量包括近兩日的冷負荷值、平均溫度和平均濕度以及下一工作日的天氣預報（平均溫度和平均濕度），輸出值為下一工作日的冷負荷。

1.2 中期負荷預測

中期負荷受天氣影響較小，且具有較強的季節時序性，只需根據去年的數據，結合近期的冷負荷來預測中期負荷。

預測方法采用改進的DBN 網絡結構。輸入變量包括:去年的中期冷負荷值和氣象參數，最近10日的冷負荷平均值和氣象參數，去年對應的10日冷負荷平均值，輸出變量為中期冷負荷的預測值。

1.3 長期負荷預測

長期負荷需考慮長周期（30年）內的年負荷值，假設氣候不發生較大的變動，根據歷史監測數據和近1年的負荷來預測長期負荷。

預測方法采用改進的DBN 網絡結構。輸入變量包括:最近1年的年均負荷和氣象參數，最近2個制冷季的負荷值和氣象參數，輸出變量為長期負荷的預測值。

1.4 預測模型驗證

為了驗證改進DBN網絡預測短期、中期和長期冷熱負荷的準確性，需要進行實驗驗證。所需預測數據通過實測數據得出，前7年的1 176組數據作為模型訓練數據，其中短期、中期和長期各392組；后3年的504組數據作為測試數據，其中短期、中期和長期各168組。

項目為酒店類建筑，位于杭州，空調面積6 000 m2，系統采用單U型地下埋管，主機為兩臺水源熱泵機組，冷卻塔作為輔助冷源，總制冷量617 kW，總制熱量659 kW。

運行數據包含氣象參數、地源側供回水溫度、用戶側供回水溫度、機組和系統耗電量。時間自2009年12月31日至2019年12月31日，總計87 600 h。通過計算供回水溫度和流量能夠較為準確地得出空調負荷的實際變化趨勢，滿足模型驗證要求。訓練集預測結果如圖2所示，測試集預測結果如圖3所示。

圖2 訓練集預測結果Fig.2 Prediction results of training set

圖3 測試集預測結果Fig.3 Test set prediction results

由圖2可知，在訓練集預測結果中，空調系統負荷預測結果與真實值誤差基本在±10%以內，負荷預測精度較高。

由圖3可知，在測試集預測結果中，預測結果稍差，但大部分的負荷預測結果與真實值誤差在±10%以內。對訓練集與測試集預測結果的誤差進行統計，誤差在5%以內的數據占比分別為82.22%和80.27%，誤差在10%以內的數據占比分別為98.06%和96.92%，訓練集預測結果的決定系數R2=0.964 3，測試集預測結果的R2=0.943 0，模型泛化性能較好。

圖4 分別給出了短、中、長期負荷的預測值，橫坐標為時間序列號，可以看出預測值符合實際變化趨勢，且預測精度較高。

圖4 短、中、長期負荷預測值與實測值對比Fig.4 Comparison among short，medium and long-term load forecasting value and measured value

將改進的DBN預測模型與BP預測模型、LSTM預測模型以及DBN預測模型在劃分好的訓練集和測試集上測試對比，結果如表1所示，其中RMSPE為均方根百分比誤差，由表1可知本文所提的模型準確度較高。

表1 預測模型對比Table 1 Comparison of forecasting models%

2 埋管換熱器的健康評估

2.1 埋管換熱器的變周期模型

本文針對不同時間尺度，不同空間區域的傳熱過程，采用變周期模型計算地下溫場變化。

2.1.1 短期模型

本文采用文獻［8］提出的有限長線源模型，并將其中的線熱源強度用短期平均負荷-qs代替，如下所示

2.1.2 中期模型

采用文獻［8］的有限長線源模型計算埋管換熱器中周期的最大溫升，并將其中的線熱源強度用夏（冬）季平均負荷代替，如下所示

計算點p的溫升需同時考慮N個埋管的影響，如下所示

式中:θp為p點的溫升，℃；θi為某個鉆孔單獨運行時在p點的溫升，℃。

2.1.3 長期模型

同時考慮熱源、熱匯影響，即可得到群管長期換熱的有限長圓柱體熱源模型如下

2.2 健康評估

埋管換熱器的設計壽命在30 年以上。為確保其穩定高效運行，需進行全面的健康評估，以便及時采取有效的控制措施。

2.2.1 健康指數的定義

混合式系統的健康指數是評估某一周期內，埋管換熱器運行效率高低的指標，最高值為100分，最低值為0分。

地下溫度場的變化對于系統的運行影響很大，制熱運行時，地下溫度場溫度高，則埋管換熱器的供水溫度高，主機性能系數高，健康指數高；地下溫度場溫度低，則埋管換熱器的供水溫度低，主機性能系數低，健康指數低。

制冷運行時，地下溫度場溫度低，則埋管換熱器的供水溫度低，主機性能系數高，健康指數高；地下溫度場溫度高，則埋管換熱器的供水溫度高，主機性能系數低，健康指數越低。

為了全面評估系統的運行狀況，根據不同的時間周期，定義短期制冷健康指數為Hcs，中期制冷健康指數為Hcm，長期制冷健康指數為Hcl，短期制熱健康指數為Hhs，中期制熱健康指數為Hhm，長期制熱健康指數為Hhl。

2.2.2 健康指數的計算方法

由于主機制冷時性能系數和地源側供水溫度成近似線性負相關，故本文提出一種制冷和制熱健康指數的計算公式，如下所示

一般以土壤初始溫度為最佳值，在主機低效運行區間選擇某一溫度值作為最差值。健康指數的具體計算步驟如下:

（1）預測短期、中期和長期冷熱負荷；

（2）將熱物性參數和冷熱負荷預測值代入埋管換熱器的變周期模型，得出埋管換熱器的短期、中期和長期供水溫度；

（3）根據實際情況確定制冷和制熱工況的最佳或最差供水溫度。夏季制冷時，理想的供水溫度為18 ℃，較差值為32 ℃；冬季制熱時，理想的供水溫度為18 ℃，較差值為4 ℃；

（4）將數據分別代入式（6）、式（7）即可得出埋管換熱器各周期的健康指數。

3 混合式制冷制熱系統的控制策略

傳統混合式系統一般采用總負荷及源側供水溫度混合控制策略，如表2所示。

表2 傳統控制方法Table 2 Traditional control method

上述控制策略控制原理簡單，易于實現，但沒有考慮負荷的動態特性，在一些冷熱負荷差異較大的地區容易存造成低效率運行，甚至存在熱堆積的風險。為此本文提出一種基于負荷預測和健康評估技術的動態控制策略。

3.1 控制目標

因地下埋管換熱器換熱性能的變化存在滯后性，故需要提前評估，提前控制才能保證在全壽命周期內（30 年）的健康運行。為此，本文利用6 項健康指數來評估埋管換熱器的短期、中期和長期制熱制冷性能即健康狀況，并以此作為故障判斷依據，針對不同類型的故障采取相應的控制措施。

具體的健康指數控制目標值，應根據實際工程中輔助冷熱源的運行狀況來確定。一般地，地源熱泵的運行效率應該高于輔助冷熱源，此時為健康狀態；當地源熱泵效率低于輔助冷熱源時為不健康狀態。

3.2 控制策略

確定6 項健康指數的控制目標最低值Nc和Nh，兩者的數值應綜合考慮各輔助冷熱源的特性來確定。以冷卻塔作輔助冷熱源為例，由于濕球溫度是冷卻塔的冷卻極限溫度，因此可以夏季平均濕球溫度值對應的健康指數值作為控制目標。

當健康指數過低時，存在故障風險，啟動相應的輔助冷熱源，控制策略如表3所示。

表3 控制策略Table 3 Control strategy

與常規控制方法不同，本文提出，當中期健康指數過低時，應增加當季輔助冷源的運行時間，即不僅在高負荷日啟動輔助冷熱源，也在低負荷日開啟輔助冷熱源，最大限度降低埋管換熱器的負荷。當長期健康指數過低時，應采取強制恢復運行，利用輔助冷熱源為埋管換熱器進行恢復性蓄能，以消除地下“熱堆積”。

4 實例分析

4.1 工程概況

該項目為杭州某酒店類建筑，空調面積6 000 m2，系統采用單U 型地下埋管160 個，孔深65 m，主機為兩臺水源熱泵機組，總制冷量618 kW，總制熱量658 kW，選用冷卻塔作為輔助冷源，冷卻塔和埋管換熱器串聯連接。

4.2 傳統控制方法的運行分析

2018 年采用傳統控制法啟停輔助冷源，設定埋管換熱器的最高出水溫度為32 ℃。當溫度超過設定值時，啟動冷卻塔，當地源側供水溫度低于28 ℃時，關閉冷卻塔。冷卻塔和埋管換熱器的負荷情況如圖5所示。

圖5 中，縱向條紋代表某日埋管換熱器和冷卻塔的平均負荷。在制冷季初期，負荷較小，地下溫場溫度較低，埋管換熱器承擔了所有負荷。7月初，負荷增大，地下溫度逐漸升高，冷卻塔承擔的負荷逐漸增加。到7月末，冷卻塔承擔了大部分負荷。

圖6為埋管換熱器的供回水溫度變化情況，圖6中曲線代表埋管換熱器供水或者回水溫度的日平均值。6月20日前，地埋供回水溫度較低，冷卻塔始終未達到開啟的條件，埋管換熱器的換熱量較大。7月1日以后，埋管換熱器回水溫度在某些時段高于37 ℃，冷卻塔開啟，但以埋管換熱器單獨運行為主。7月20日以后，埋管換熱器回水溫度顯著升高，且埋管換熱器供回水溫差也逐漸變小，以埋管換熱器和冷卻塔聯合運行為主。

由圖5、圖6 可以看出，在制冷季前期埋管換熱器換熱能力強，供水溫度低；而在中期和后期，換熱能力差，供水溫度高，主機的運行條件非常不利。

圖5 2018年夏季負荷分配Fig.5 Load distribution in the summer of 2018

圖6 2018年夏季埋管換熱器供回水日均溫度Fig.6 Average temperature of supply and return water in the summer of 2018

4.3 健康評估控制方法的運行分析

2019年采用基于健康評估技術的控制方法，以制冷工況為例，如表4所示。

表4 改進的控制方法Table 4 Improved control methods

杭州地區夏季濕球溫度的平均值為23.6 ℃，濕球溫度是冷卻塔的冷卻極限溫度，因此當地源側出水溫度高于23.6 ℃時，可能存在故障風險，故設置系統健康指數控制目標Nc為60分。輔助冷熱源開啟時間t=max{1.1ts，1.1tm，1.1tl}，其中ts、tm、tl分別為前1天的開啟時間，前90天的平均開啟時間，前365天的平均開啟時間。冬季埋管換熱器能夠滿足熱負荷，無須切換輔助熱源。

4.3.1 負荷預測

根據天氣預報及歷史運行數據預測出短期、中期和長期負荷。負荷預測結果顯示輸出值（即預測值）能較好地跟蹤實測值，其中，短期預測結果R2 為0.931，中期和長期負荷預測結果的R2 分別為0.946和0.952，說明本方法預測空調負荷是可靠的。

圖7為改進的控制方法。由圖7可以看出，采用新控制方法后，冷卻塔提前40天啟動，這是由于5月11日短期健康指數低于設定值，為了保證高效運行啟動輔助冷源。2019年夏季，冷卻塔運行時基本避開了室外溫度較高時段，且承擔的負荷平均比2018年增加了23.9%，主要是通過準確的負荷預測，合理分配負荷，實現了主動控制。

圖7 2019年夏季負荷分配Fig.7 Load distribution in the summer of 2019

4.3.2 健康評估及運行控制

為分析健康評估方法的合理性及控制方法的有效性，統計了2019年夏季埋管換熱器供回水溫度和短期、中期和長期健康指數，如圖8 所示，能耗對比如表5所示。

圖8 2019年夏季埋管換熱器供回水日均溫度Fig 8 Average temperature of supply and return water in the summer of 2019

表5 能耗對比Table 5 Energy consumption comparison

短期健康指數總體呈逐漸下降趨勢，從5 月1日最高值100分降至5月11日60分，表示埋管換熱主機功耗比例一般在2%～4%，耗電量一般占總耗電量的3%以內，過渡季節一般采用變頻調節可實現冷卻塔超低功耗運行，故相應的變化可忽略不計。

由表5可知，對比傳統控制，本文所提方法總耗電量較低。且通過提前啟動輔助冷熱源，有效降低了電網高峰時段的負荷，實現了移峰填谷。從長期來看，由于冷熱負荷不平衡，采用傳統的水溫控制方法，埋管換熱器往往會超負荷運行，導致地下土壤溫度逐年升高，主機性能系數逐年降低。因此，采用基于健康評估技術的控制方法對于長期穩定高效運行是非常必要的。

5 結束語

本文主要貢獻如下:

（1）采用改進的DBN網絡預測短期、中期和長期冷熱負荷預測負荷，并通過實測實驗數據驗證了模型的準確性。實現了對空調需求的提前判斷，尤其是中期和長期冷熱負荷的預測，有助于冷熱源的合理調配，實現主動控制。

（2）提出了混合式制冷制熱系統埋管換熱器的健康評估技術，分別對短期、中期和長期運行狀態進行量化評估，并根據評估結果確定輔助冷熱源開啟時間，保證了系統的長期穩定高效運行，計算更方便，結果更精確。

（3）對比了兩種不同控制方法的運行情況，表明采用健康指數的評估方法，能提前診斷系統的潛在故障，充分利用冷卻塔的高效運行區間，延緩地下溫度的持續升高，實現了混合式制冷制熱系統的高效運行。D