摘 要：针对某带蓄冷装置的区域供冷系统，基于时间序列对负荷进行预测。以制冷机组日运行成本最小化为目标，建立能源站优化控制模型，分析了50％、75％、l00％设计冷负荷条件下的优化控制策略。
关键词：区域供冷 蓄冷装置 时间序列 负荷预测 优化控制
Load Prediction and Optimal Control of District Cooling System with Cold Storage Device
Abstract：The load of a district cooling system with cold storage device is predicted based on time sequence．Taking the minimum operation cost as the objective，the optimal control model of energy station is set up．The optimal control strategies under the design cold load conditions of 50％,75％ and l00％are analyzed．
Key words：district cooling j cold storage device；time sequence；load prediction；optimal control
1 项目概况
区域供冷系统可配置高效、环保的大型设备，通过专业化的管理实现供能的产业化[1-3]。更重要的是可利用蓄冷技术降低机组的装机容量，缓解电力供应紧张形势及电力建设与新增用电的矛盾。对于带蓄冷装置的区域供冷系统，核心问题是能源站的优化控制，即合理安排和分配峰谷电价时段内制冷机组制冰冷量、供冷量及蓄冰槽融冰供冷量，使能源站能够更加经济地满足负荷需求。学术界及工程界普遍认为，负荷预测为能源站优化控制提供了基础[4-5]。本文以天津文化中心南区的区域供冷系统(带蓄冷装置)能源站作为研究对象，对负荷预测方法及能源站优化控制策略进行探讨。
天津文化中心南区能源站供冷对象为博物馆、美术馆、图书馆、大剧院等单体公共建筑，总供冷面积为304336m2，设计冷负荷为26866kW。采用地埋管地源热泵，地埋管换热器埋设于景观湖底。能源站配置2台制冷能力为l344kW的螺杆式热泵机组作为基载机，4台制冷能力为3573kW的离心式三工况(制冰、供冷、供热工况)热泵机组作为主机，蓄冰槽的蓄冷能力为260.6GJ。
2 基于时间序列的动态负荷预测
基于时间序列的动态预测是一种以时间为参数的离散随机过程，针对平稳时间序列，前人已经建立了诸多成熟的预测模型。其中，具有代表性的是由Box和Jenkins提出的差分自回归移动平均模型(ARIMA)。该模型的基本思路是：对于非平稳时间序列，用若干次差分使其成为平稳时间序列，再用自回归滑动平均模型(ARMA)对平稳时间序列建模，最后经反变换得到非平稳时间序列的动态预测模型[6]。
本文选择以小时为单位，在选定的时间间隔基础上，对负荷数据进行分析与处理。虽然以24h为周期的负荷数据呈现周期变化趋势，但仍为非平稳时间序列，因此必须采用差分方法进行平稳化处理，平稳化处理后再进行ARMA模型的建立[7]。
在差分自回归移动平均模型的基础上，考虑预测误差，对初步预测结果进行修正，从而得到最终预测结果。预测误差算法：从历史时间序列中选取一定量的观测时间序列，采用一次简单移动平均算法计算预测误差。对于观测时间序列蜀，Xq，Xq-1，…，Xq-N+1预测误差d的计算式为：
式中d——预测误差
Xq、Xq-1、…、Xq-N+1——q时刻、q-1时刻、q-N+1时刻的观测时间序列
N——观测时间序列的数量
经过修正的t时刻最终预测结果Ft,f的计算式为：
Ft,f＝d+Ft,p
式中Ft,f——经过修正的t时刻最终预测结果
Ft,p——t时刻初步预测结果
3 能源站优化控制模型
3.1 蓄水槽模型
蓄冰槽虽然不是能耗设备，但由于其传热性能决定了蓄冷、释冷速率，将影响能源站的优化控制。引入状态变量x表示蓄冰槽的剩余冷量比例；引入控制变量u表示蓄冰槽工作状态的速率，蓄冰槽工作状态分为蓄冷、释冷、不蓄冷也不释冷，蓄冷时u取正值，释冷时“取负值，不蓄冷也不释冷时u为0。蓄冰槽模型可表达为：
xk+1＝xk+ukDt
xmin≤xk≤xmax
umin≤uk≤umax
式中xk+1——第k+1小时的蓄冰槽剩余冷量比例
xk——第k小时的蓄冰槽剩余冷量比例
uk——第k小时蓄冰槽工作状态速率，h-1
Dt——时间间隔，h
xmin——蓄冰槽最小剩余冷量比例
xmax——蓄冰槽最大蓄冷量比例
umin——最大释冷速率，h-1
umax——最大蓄冷速率，h-1
3.2 优化控制目标
忽略蓄冰槽的热损失，将制冷机组的制冰冷量与蓄冰槽的融冰供冷量视为相等。设能源站每日供冷时间为0小时，第k小时的冷负荷为Fk。其中制冷机组承担的供冷量为Fc,k，运行成本为Fc,k；蓄冰槽承担的融冰供冷量为FL,k，运行成本(即制冷机组的制冰成本)为FL,k。则制冷机组的日运行成本Fee的计算式为：
式中Fee——制冷机组日运行成本，元
q——日供冷时间，h
Fc,k——第k小时制冷机组的供冷成本，元
FL,k——第k小时蓄冰槽融冰供冷成本（即制冷机组的制冰成本），元
将制冷机组最小日运行成本Fee,min作为优化控制目标：
式中Fee,min——制冷机组最小日运行成本，元
Fc,k——第k小时制冷机组供冷量，kW
¦c,k——第k小时制冷机组单位供冷量成本，元/kW
FL,k——第k小时蓄冰槽融冰供冷量(即制冷机组制冰冷量)，kW
¦L,k——第k小时蓄冷槽单位融冰供冷量成本(即制冷机组单位制冰冷量成本)，元／kW
供冷工况下第k小时制冷机组部分负荷率hc,k的计算式为：
式中hc,k——供冷工况下第k小时制冷机组部分负荷率
F——制冷机组的制冷能力，kW
制冰工况下第k小时制冷机组部分负荷率叩hL,k的计算式为：
式中hL,k——制冰工况下第k小时制冷机组部分负荷率
供冷工况下第k小时制冷机组电功率Pc,k的计算式为：
Pc,k＝P(d+ehc,k+gh2c,k)
式中Pc,k——供冷工况下第k小时制冷机组电功率，Kw
P——制冷机组的额定电功率，kW
d、e、g——系数，由制冷机组性能曲线拟合得到
供冷工况下第k小时制冷机组单位供冷量成本¦c,k的计算式为：
¦c,k＝chP(d+ehc,k+ gh2c,k)
式中ch——电力高峰时段单位发电功率费用，元/kW
同理，制冰工况下第k小时制冷机组单位制冰冷量成本¦L,k的计算式为：
¦L,k＝cLP(d+ehL,k+ gh2L,k)
式中cL——电力低谷时段单位发电机功率费用，元/kW
3.3 约束条件
无论供冷工况还是制冰工况，制冷机组的制冷量都不能超过制冷能力。制冷机组供冷量与蓄冰槽融冰供冷量之和应满足冷负荷要求。能源站为用户正常供冷时间为8：00—22：00，其他时间的值班负荷为800 kW。
4 优化控制结果
50％、70％、l00％设计冷负荷时的运行策略分别见图1～3。
由图l～3可知，在低谷电价时段，充分利用制冷主机进行制冰；在峰段电价时段，充分利用融冰制冷，减少高峰电力的使用。由此可知，根据能源站优化控制模型制定的控制策略，可获得较好的经济效益。
参考文献：
[1]康英姿，华贲．区域供冷系统与燃气分布式能源系统的结合[J]．煤气与热力，2007，27(2)：62-66．
[2]张朝辉，李震，端木琳．区域供冷技术的应用与技术条件[J]．煤气与热力，2007，27(3)：86-89．
[3]康英姿，华贲．区域供冷系统的技术与经济性分析[J]．煤气与热力，2007，27(11)：79-82．
[4]孙靖，程大章．基于逐时空调负荷预测的冰蓄冷优化控制策略[J]．智能建筑与城市信息，2005(5)：24-29．
[5]倪雪梅，辜兴军，许志浩．冰蓄冷系统优化蓄冷的策略的探讨[J]．制冷与空调，2004(1)：21-24．
[6]STETHIRNANN D H．Optimal control for cool storage[J]．ASHRAE Trans．，l989(1)：1-5．
[7]KAWASHIMA M．Hourly thermal load prediction for the next 24 hours by ARIMA，EWMA，LR and an artificial neural network[J]．ASHRAE Trans．，l995(1)：186-200．
本文作者：殷洪亮 由玉文 翟文鹏 郭春梅 梁春峰
作者单位：天津城建大学能源与安全工程学院
中国民航大学
您可以选择一种方式赞助本站
支付宝转账赞助
微信转账赞助
