智慧型建筑能源管理系统研究

,

(1.中国建筑上海设计研究院有限公司, 上海 200062;2.同济大学 电子与信息工程学院, 上海 201804)

0 引 言

近年来,随着我国公共建筑大量的增加以及建筑智能化程度的不断提高,公共建筑使用的各类设备能耗数量大幅上升,公共建筑已成为建筑中的用能大户。据统计,近年我国公共建筑能耗强度增长约40%左右,能耗总量增长近2倍。在每年竣工的约4亿m2的公共建筑中,2万m2以上的大型公共建筑面积占城镇建筑面积的比例不到4%,但其能耗却占到全国总建筑能耗的20%以上,其中单位面积耗电量更是普通民宅的10～15倍。而在公共建筑全年能耗中50%～60%都消耗于空调制冷与采暖系统[1-2]。因此,针对公共建筑中的主要能耗设备和系统,采用建筑能源管理系统(Building Energy Management System,BEMS)来实现能效管理、降低整体能耗就显得至关重要[3-4]。

当前,国内外BEMS系统经过十多年的开发与研究,取得了一定成效,部分已在一些大型公共建筑案例中得到应用。这些应用中多以建筑分项计量为主,主要是对电量的计量,如对建筑物内的空调、照明、电梯、给排水等使用状况进行监测和控制,但在确保建筑能源需求的前提下,为实现有效节能,现有系统在能耗设备节能控制策略的自适应调节以及能耗的有效评估等方面还需开展深入的研究[5]。

本文选取建筑能耗大户空调系统为研究对象,在对其能耗简化模型进行分析的基础上,提出基于多系统联动的智慧型建筑能源管理系统设计方案,期望通过各子系统获取数据,生成直接作用于空调系统的节能控制策略,以实现降低系统总能耗的目标,最后利用MATLAB搭建系统仿真模型,验证智慧型能源管理系统中相关控制策略的有效性。

1 智慧型建筑能源管理系统方案设计

1.1 系统基本架构设计

BEMS系统从楼宇自动化系统逐步发展而来,可以通过对建筑物整体的能耗设备进行统合监控、自动控制以及最优化管理,以实现高效节能;同时采用以智能建筑为核心的节能技术,通过网络对空调、电力、照明等设备实现一体化管理[6-9]。一般地,BEMS系统可采用分层分布式基本架构进行设计。BEMS系统基本架构如图1所示。

图1 BEMS系统基本架构

图1中,BEMS系统主要包括操作层、管理层、决策层。工作时,系统操作层的终端采集仪表将采集到的数据通过网络发送给管理层的能源管理专家后通过现场分析,再将处理好的数据发送给决策层的能源优化中心,在该层通过相关优化方法得到相应的节能方案后,再进一步通过Internet把远程优化指令发送给能源管理专家,籍此将接收到的优化指令通过各类设备控制器对操作层的空调、电梯、照明、安防等设备系统进行控制。

在实际应用中,BEMS系统的能耗管理所涉环节较多,但其中空调、安防、电梯、照明等主要耗能系统的运行会对整体建筑能耗水平起到主要的影响作用,尤其空调系统相比其他系统而言其复杂程度和能耗水平均最高。因此,下面主要以空调系统为主要研究对象,在对其设备简化模型进行分析的基础上,提出基于多系统联动的控制设计方案,实现对空调系统能耗的优化控制。

1.2 建筑能耗影响因素分析

影响建筑能耗的客观因素非常多,如建筑本身情况、人员流动情况、季节变化等[10]。而对于既定大型公共建筑,建筑面积、暖通空调位置和数量等因素不可更改,因此不作为节能控制策略的考虑因素,而大型公共建筑中客流变化较大,人体作为热源发出的热量会对室内温度产生较大影响,因此不可忽略[11-13]。根据实际数据观测和分析可知,大型公共建筑中客流量存在分布不均匀、随时间变化性大、随节日变化性大等特点,若任何情况下空调始终保持同种模式运行,会在客流量较少或分布不均时造成能耗浪费,故可将客流量作为节能优化控制考虑因素之一。同时,环境温度直接影响室内初始温度,进而影响室内外的热传递,因此也将环境温度作为考虑因素,这样既可在温度适宜时节约能耗,也可在高温时提升室内舒适度。

1.3 基于多系统联动的智能控制系统设计

在综合考虑客流量和环境温度两个节能控制影响因素的基础上,提出基于多系统联动的智能控制系统设计方案。基于多系统联动的智能控制系统总体结构如图2所示。

基于多系统联动的智能控制系统总体结构包含3个子系统,分别为设备监控及能源管理子系统、客流统计子系统和无线网络通信子系统。

(1) 设备监控及能源管理子系统功能主要是运用自动化仪表、计算机过程控制和网络通信技术,对建筑物内空调设备运行状况进行自动化检测、监视、优化控制及管理。

图2 基于多系统联动的智能控制系统总体结构

(2) 客流统计子系统通过在不同区域安装客流统计设备,统计每个出入口、电梯、扶梯实时客流,将信息传输给能源管理子系统,为后期对空调能耗控制提供依据。

(3) 无线网络通信子系统通过监测各个无线接入点(Access Point,AP)覆盖区域的客流量,从而得出精准的客流分布数据,与客流统计子系统相配合,实现客流的实时控制和预测。

系统联动是系统智能控制的重要部分,通过预先设置的系统联动控制方案,当条件满足时系统自动将控制信号按照联动方案发送出去,控制相关的设备。各子系统间的联动控制方案设计如下:

① 客流统计子系统与设备监控及能源管理子系统。当建筑物内某客流统计点的客流量大于该统计点预设最大流量的60%时,则该区域的空调给定温度降低0.5 ℃;客流量为预设最大流量的40%～60%时,空调给定温度保持不变;客流量小于预设最大流量的40%时,空调给定温度提高0.5 ℃。

② 无线网络通信子系统与客流统计子系统。当两个相邻无线AP覆盖范围内的客流量发生变化时,通过分析客流量变化趋势(变大或变小)进而判断客流流向,对客流分布进行预测,并将信息传递给客流统计子系统,调节各区域空调温度的给定值。

1.4 智慧型系统能耗控制策略

1.4.1 系统能耗控制原理

以空调作为设备能耗简化模型,对所设计系统的能耗控制策略进行研究。空调系统能耗控制结构如图3所示,其中温度、客流量等作为影响信号输入量,通过相应控制器对空调循环系统进行控制,并将空调系统当前状态和参数实时反馈至能耗分析和评估系统,经过相应优化控制策略对空调进行控制。

图3 空调系统能耗控制结构

空调系统由室外机和室内机两部分组成,其中室外机由室外换热器、压缩机等部分组成;室内机由室内换热器、电子膨胀阀组成。室外换热器与室内换热器的构成相同,通过电子膨胀阀的适当调节可以自由转换运行模式,即根据系统制冷或者制热模式转换为蒸发器或冷凝器,满足各个房间制冷或制热的要求[14-16]。因此,对空调系统的能耗控制主要通过采集室内舒适性参数、室外环境参数和表征制冷系统运行状况的状态参数,根据系统运行的优化准则,调节压缩机输气量、风扇的转速以及膨胀阀的开度等可控参数,来保证室内环境的舒适性,从而实现节能控制。

1.4.2 基于模糊控制的能耗优化控制策略

当前空调控制中应用最广泛的PID控制在系统参数调节过程中存在响应速度和精确度受比例、积分系数影响较大的不足,而模糊控制技术在对系统逻辑的模糊化处理上,具有控制灵活、动态响应快和精确度高等优点。因此,采用模糊控制方法对图3中的控制器进行设计,以实现空调系统的能耗优化控制[17-19]。

在能耗优化控制策略中,首先将室内外温度、实际客流量给定值作为输入变量,通过温度计算模块求解室内实际温度,并计算温差。接着将温差及客流量作为模糊控制器的输入变量,经量化处理后根据模糊规则进行模糊决策,确定空调输出参数调整量,再经非模糊化处理后输出变量。最后利用模糊控制器输出量对空调循环系统进行调节。相应设计过程为:模糊控制器输入变量温度偏差E论域取[-1,1],模糊量化语言为(N、ZO、PS、PB);输入变量客流量ρ论域取[0,1],模糊量化语言为(ZO、PS、PM、PB);输出变量压缩机控制修正量Δu论域取[-0.5,0.5],模糊量化语言为(NB、NS、ZO、PS、PB)。模糊规则表如表1所示。

表1 模糊规则表

2 智慧型建筑能源管理系统能耗仿真

为验证上述能耗优化控制策略的有效性,选取上海某大型商业体的一层建筑空间,根据其实际空调等耗能设备的具体物理分布和各类参数进行建筑能耗控制的仿真建模,并从不同角度对仿真结果进行分析与对比。其中设备类型包含1.1 kW单体空调机20台和11 kW空调机组4台,总额定功率为66 kW。

2.1 不同空调系统控制方式对比分析

传统的空调系统控制方式为温度控制,而目前多数商业建筑空调设备采取起停时间表控制策略,因此以温度控制和起停时间表控制两种控制策略作为参考,与基于模糊控制的智慧型控制策略的能耗控制效果进行对比[20-22]。

温度控制策略通过温度传感器对空气进行温度采集,将采集到的温度信号传输给控制模块,再由控制模块比较采集温度与设定温度是否一致,然后驱动空调机的加热或降温循环对空气进行处理,从而模拟实现空调温度控制单元的工作情况。

起停时间表控制策略按照规定的条件开启或者关闭设备,该规定条件可以是营业时间,也可以是其他相关条件,这种控制方式操作简单,可达到一定的节能效果。时间表控制策略如表2所示,根据每个时段的特点控制设备投入运行的比例。

表2 时间表控制策略

2.2 不同控制策略节能效果仿真对比

在相同工况下分别对温度控制策略、时间表控制策略及智慧型控制策略进行仿真建模和运行,对比同一时段内3种控制方式的平均能耗量,验证智慧型能耗优化控制策略具有更好的节能效果。经过仿真运行,可得能源管理系统在不同控制方式下6月、7月日平均能耗变化情况。不同控制策略下日平均能耗变化如图4所示。

图4 不同控制策略下日平均能耗变化

如图4可知,6月室外温度较低,3种控制策略耗能均相对较小,较温度控制策略,智慧型能耗控制策略日平均节约能耗大约为40 kWh,占其能耗的40%左右,而时间表控制策略的日平均能耗约为温度控制策略日平均能耗的2.5倍;7月室外温度较高,3种控制策略中设备均投入较大功率运行,日平均能耗比较接近,但能耗优化控制策略的日平均能耗低于另外两种控制策略。

由上述分析可知,时间表控制策略虽可在一定程度上实现节能,但仍不够灵活,无法根据实际情况做出实时调整,且列表的方式难以实现对不同区域的控制,因此节能效果相对有限。温度控制策略节能效果优于时间表控制策略,但仅考虑环境温度作为空调系统调节因素,控制方式比较单一。而智慧型能耗控制策略由于增加客流分析条件,可根据外在条件的不同进行实时的变化,相同情况下能耗需求最少,故节能效果最优。

3 结 语

通过设计基于多系统联动的智慧型能源管理系统,对某商业体建筑中主要耗能设备——空调系统的能耗优化控制策略进行研究,并在相同工况下仿真比较了基于时间表控制、温度控制以及智慧型控制3种不同策略下的能耗控制效果。仿真结果表明,智慧型控制策略的节能效果明显优于传统的温度控制策略和时间表控制策略,也进一步验证基于多系统联动的能源管理控制策略的有效性。多系统联动控制还有许多有待深入研究的内容,随着智能建筑能源管理相关技术的发展,未来智慧型建筑能源管理系统在各个方面仍有待进一步拓展和提升。

[1]卜佩征,俞庆,孙尧.建筑节能与建筑能源管理系统设计[J].浙江电力,2013,32(12):62-66.

[2]瞿斌,俞俪,胡琦,等.楼宇能源监测系统在世博园区能源管理中的应用研究[J].智能建筑电气技术,2010,4(3):90-92.

[3]张声远,杨秀,江亿.我国建筑能源消耗现状及其比较[J].中国能源,2008(7):37-42.

[4]陈永攀.建筑能源系统物联网架构与实现技术研究[D].哈尔滨:哈尔滨工业大学,2011.

[5]林卫东.福建省机关办公建筑和大型公共建筑能耗监测系统的研发与应用[J].智能建筑与城市信息,2010(10):62-66.

[6]赵亚军,陈勤平,严敏.基于ZigBee技术的便携式能耗监测系统设计[J].绿色建筑,2010(6):33-35.

[7]何艳雯.基于SOAD技术的建筑能源管理系统设计与实现[D].西安:电子科技大学,2014.

[8]高扬.绿色建筑技术在暖通设计中的应用[J].住宅与房地产,2017(6):133.

[9]韩天鹤.建筑围护结构与暖通空调能量系统热力学基础研究[D].长沙:湖南大学,2015.

[10]龚艳林.建筑节能中暖通空调节能系统现状和技术措施[J].四川水泥,2016(2):106.

[11]王涛,杨艳刚,简丽.夏热冬冷地区高速公路服务区建筑空调能耗与影响因素定量关系研究——以安徽省高速公路服务区为例[J].交通运输研究,2016(3):43-48.

[12]高兵.现代暖通空调系统节能分析[J].建材与装饰,2017(8):200-201.

[13]孙灵芳,董学曼,姜其锋.模糊控制的现状与工程应用关键问题研究[J].化工自动化及仪表,2016,43(1):1-5.

[14]陈彦熹,刘建华,李旭东,等.基于ANN的绿色办公建筑HVAC系统运行能耗预测[J].建筑节能,2017,45(10):1-5.

[15]王桔林,曹兴隆,冯斌,等.大型公共建筑中央空调能耗优化控制系统的方案应用与节能测试[J].智能建筑与城市信息,2013(7):44-47.

[16]顾中煊,杨石,罗淑湘,等.区域建筑能耗预测模型和方法研究[J].建筑技术,2017,48(12):1240-1243.

[17]李灏如,李晓锋,王莹.公共建筑空调系统运行能耗评价方法研究[J].暖通空调,2017,47(7):15-20.

[18]周栋梁,仇晓彤,王红.多模型融合用于中央空调最优控制策略[J].中国新通信,2017,19(17):112-113.

[19]刘超,赵天怡,张吉礼,等.变风量空调系统新风控制研究综述[J].建筑热能通风空调,2016,35(7):47-50.

[20]杨李宁.公共建筑空调工程能效比的研究[D].重庆:重庆大学,2007.

[21]岳子丰.空调机组节能优化控制策略研究[D].北京:北京林业大学,2013.

[22]李慧静.基于智能控制算法的中央空调变风量控制系统研究[D].吉林:吉林建筑大学,2017.