面向空调运行节能的建筑空间实时负荷软测量建模方法研究

the central air conditioner has great energy saving potential in running stage by adaptive control based on realtime load, and the accurate realtime load is the basis of providing energy on demand. Traditional load calculating method has some weaknesses such as complex model, difficult modeling, and poor realtime ability. On the other hand, load prediction method needs plentiful a priori data, and is difficult to include dynamic factors. This project is Aiming at developing a soft sensing modeling method of realtime load for air conditioning control. Firstly, the temperature field of building room is analyzed and presented by several characteristic points, and then the basic temperature model of the room is set up. Secondly, from the view of exciting-response mode, the heat equilibrium and the characteristics of temperature response to air conditioner input are analyzed, and then the model structure for realtime load is proposed. Thirdly, the simulation software model is calibrated by inserting partly experimental data sets to reduce the error between the software model and real room. Based on this calibrated software model, the sample data sets can be derived for the load model parameters identification. Fourthly, the realtime load soft sensing model is finally set up by combining identified parameters and the model adjusting. Al last, the experimental system is set up to verify the feasibility and effectiveness. The methodology presented in this project will provide a good theoretical basis for the adaptive adjustment of air-conditioning system on the real dynamic cooling load.

中央空调运行阶段的实时调控具有很大的节能潜力，而准确的实时负荷是空调系统调控和按需供能的基础。传统负荷计算方法模型复杂，建模困难，实时性难以满足要求；而负荷预测方法需预知大量历史数据，难以反映动态因素，影响了准确性和实用性。本项目以面向空调运行调控的实时负荷软测量建模为目标，首先对空调房间温度场进行模拟分析与特征点表征，以有限特征点表征无限温度场，并建立房间基准温度模型；其次，从控制系统激励－响应角度出发，以房间为被控对象，通过分析房间热平衡及基准温度对于空调供冷量的响应特性，建立房间实时负荷结构模型；通过试验数据注入方法校准模拟软件仿真模型；运用该校准仿真模型产生接近实际对象的样本数据集，实现软测量模型参数的辨识；综合参数辨识方法和模型校正方法形成实时负荷软测量模型；最后建立试验系统，验证建模方法的可行性和有效性，为中央空调实现面向实际负荷的实时优化调控奠定基础。

建筑负荷是空调系统的基础数据，准确的建筑空间实时负荷对空调系统运行节能至关重要。本项目针对传统负荷计算方法在准确性、动态实时性等方面的不足，面向空调运行调控的需求，研究建筑空间实时负荷的软测量技术。首先，针对在空调房间复杂的三维温度场分布下难以获取准确基准温度的问题，研究了基于Fluent的空调房间温度场仿真建模方法，建立了基于特征参数的基准温度模型，为后续研究提供了准确的室温检测方法。其次，建筑负荷的影响因素与影响机制非常复杂，针对该复杂难测变量的软测量建模问题，从两条路线展开研究：一方面以空调房间为被控对象，分析房间空调供冷量、负荷、基准温度响应的能量平衡方程，研究房间温度响应特性对负荷的表征方法，建立基于温度响应特性的实时负荷软测量模型；另一方面，从室外气象因子引起室内负荷的机理模型出发，提取出可测的气象因子作为辅助变量，研究基于回归模型表征负荷动态线性、神经网络表征负荷静态非线性特性的混合建模方法，建立基于室外气象因子的实时负荷软测量模型。再次，由于负荷无法直接测量，因此难以获取完整的输入输出样本数据对，针对这种在无标签样本数据条件下的建模问题，提出了三种模型参数辨识方法：基于频域分解局部去除因变量的方法，基于深度学习实现无监督学习的方法，基于时间序列复杂度最小的参数优化方法，可以避开无法实测的冷负荷而实现模型参数辨识。最后，建立了空调房间实时负荷软测量试验平台，提出了负荷的实测验证方法，验证了负荷软测量方法的准确性和有效性。本项目研究的方法，对于其他复杂难测变量的软测量建模及基于无标签数据的模型参数辨识问题均有借鉴意义。本方法只需测量几个辅助变量，就可快速准确地实现实时负荷的软测量，可用于空调运行过程的节能控制及建筑被动热储能调控，也可拓展到集中供热系统的需求侧负荷预测，以及智能电网基于负荷需求的电能调度。