摘要：综述了国内外在气象参数对供热系统热负荷预测及动态调节影响方面的研究成果，提出我国在该领域的研究宜借鉴国外的研究思路。
关键词：集中供热系统；负荷预测；气象参数；动态调节
Review on Research Method of Dynamic Regulation for Heat-supply Network with Meteorological Parameters
YUAN Shan-shan，TIAN Zhe，ZHU Neng，LI Zhen-fa，GU0 Jun，LI Ming-cai
Abstract：The research findings concerning influence of meteorological parameters on heat load prediction and dynamic regulation of heat-supply system are reviewed. It is put forward that the foreign research ideas should be used for reference in this research field in China.
Key words：centralized heat-supply system；load prediction；meteorological parameter；dynamic regulation
我国70%以上的供暖建筑采用集中供热方式，然而能源利用效率存在问题，其中供热参数难以随气象参数的变化及时调节是重要原因之一[1]。由于供热系统和建筑物有很大的热惰性，气象参数和供水温度、流量等参数的变化对用户室内温度的影响并不是立刻产生，而是滞后一段时间。热源当日的供热量不但与当日的室外温度、太阳辐射、风速、供回水温度、流量有关，而且与前几Et的这些参数有关。鉴于以上供热系统的热特性，必须对集中供热系统的运行进行动态调节。学者们对供热系统热特性的识别、预测进行了大量研究，而研究气象参数对集中供热系统热特性的影响机理，成为我国建筑节能的关键技术之一。鉴于国内外不同的研究方法，本文对国内外学者在这方面的探索和研究进行综述。
1 国内研究进展
① 气象参数在热特性研究中的处理方法
1994年，石兆玉[2]指出，由于供热系统和建筑有很大的热惰性，室外温度、太阳辐射等参数的变化对用户室内温度的影响并不是立刻发生，而是滞后一段时间。为了对供热系统的热特性加以识别，进而确定以往参数对当日供热参数影响的具体时间，建立了当日供热参数与前几日供热参数和室外综合温度的关系式，通过大量实测数据，用最小二乘法对关系式进行拟合，得出关系式中各个系数。室外综合温度是考虑室外温度与太阳辐射的综合影响，为室外温度再加上太阳辐射热折算成的室外温度增量。折算方法为太阳辐射强度除以太阳辐射折算系数，太阳辐射折算系数与建筑物不同朝向的围护结构面积之比有关，取值范围为160～210kJ/(m2·℃·d)，其波动值对室内温度影响幅度小于0.3℃。
1999年，付林[3]指出，对于一个以质调节方式运行的热网，从系统辨识的角度看，其输入参数为供水温度、室外温度，输出参数为回水温度、室内温度。以回归-滑动评价混合模型ARMA表示输出、输入参数之间的关系，公式中各项系数及阶次取决于供热系统的热特性，由实际热网运行数据确定。采用广义最小二乘法，对不同阶次分别辨识公式的各项系数。
② 气象参数在负荷预测中的处理方法
朱学莉等人[4]认为，依据平均室外温度确定供热系统负荷的传统预测方法不精确。由于建筑耗热量除与室外温度有关外，还与风向、风速、太阳辐射以及建筑物的结构、形状及使用情况有关，而且耗热量相对室外温度变化具有延迟性。他采用时序法对供热系统负荷进行预报，预报过程由回归-滑动评价混合模型ARMA描述。
张德山等人[5]从气象学角度，综合考虑风、太阳辐射、城市热岛效应对室外温度的影响，提出了节能温度概念。通过实测数据建立室外温度与热负荷指标的关系，利用多年室外温度资料和自动站气象信息建立了可预报的热负荷指标，指导热电厂供热运行。
毕海军[6]采用模糊神经网络，对供热系统的关键控制参数——锅炉进出水温度进行了预测。他建立的预测模型采用了多种气象参数，认为与模型有关的输入气象参数有：当日的最高、最低室外温度、风向、风力以及阴晴状况。将气象参数进行了模糊化预处理，对于室外温度、风力，采用线性函数将其归一化后，输入模糊神经网络。对于用东南风、晴转多云等模糊术语表示的风向和阴晴状况，按照一定的等级设定其对应值。模糊神经网络由4个输入变量和2个输出变量组成，输入变量为白天的最高室外温度、风向、风力、阴晴状况，输出量为白天锅炉进、出水的最低温度。他认为引入多种气象参数作为模糊神经网络输入量，使得预测的精度较高、效果较好，与热网静态模型相比，有着很大的改善。
③ 气象参数在动态调节中的处理方法
国内在集中供热系统动态调节的研究中，最初只关注了室外温度这一个气象参数的影响，如文献[7]中研究的基于全局控制的考虑计量供热系统负荷动态变化的优化方法，文献[8]中研究的基于BP神经网络的计量供热系统负荷短期预测控制方法。
黄晓飞等人[9]认为，集中供热系统合理的运行温度应随室外温度变化，应与气象部门联合利用气象预报指导供热系统的运行。通过对历史室外温度日变化规律的分析，基于最高最低室外温度，构建室外温度日变化曲线。构建方法为：将一日24h划分为4个时段，根据历史室外温度变化规律建立不同时段室外温度与日最高最低室外温度的统计关系，然后基于气象预报确定未来4个时段室外温度的量化值。根据量化值及供热系统热特性确定出供水温度的量化值，以此指导供热系统的运行。
林艳[10]建立了专家模糊控制系统来动态调节供热参数，在专家模糊控制系统中选择供水温度按周期变化，在每个周期内与室外温度的平均值对应。并充分考虑了可能出现极端天气变化的情形，在专家模糊控制系统设计中定义一个数据为1h内的室外温度平均值的变量，该变量是当前时间之前1h(分12次采集，每5min采集一次)的平均值；并定义了一个变量保存当前进行控制的室外温度。在调节过程中，每次定时器时间到，读取当前的室外温度的平均值，并和进行调节的室外温度比较，如果两者的差值大于2.5℃，就重新计算供水温度的设定值，并按该值进行调节。
④ 气象参数在相关领域研究中的处理方法
气象部门运用自身专业气象知识的优势，也进行了气象预报指导供热节能和预测供热系统负荷的相关研究。庞文保等人[11]对西安1951年7月到2003年6月的逐日气象资料进行了详尽的分析，计算了700多个气象要素之间的相关，选出了相关显著的相关系数，建立了28个回归方程。由此建议供热预报发布的内容及时间：a.发布供暖起止日。在每年10月30日和次年2月27日分别发布供暖起止日的趋势预报，具体日期根据常规的旬、周预报、4～7d滚动预报逐步修正，提前一周报出。b.下周供暖天气预报，供暖期内的下周逐日平均室外温度、逐日最低室外温度、逐日天气现象以及供暖建议和有关气象分析。每周四发布下周日至周六的供暖天气预报。c.次日供暖天气预报，预报次日2:00、8:00、14:00、20:00最低、最高室外温度、风力、风向。每日17:00发布次日供暖天气预报。根据预报值逐步修正供暖起止日，并采用回归方程计算逐日平均室外温度、逐日最低室外温度、逐日定点室外温
度，以此来指导热源供热量和燃料的储备量。
2 国外研究进展
① 研究方法基础
国外学者在研究气象参数对供热系统动态调节时也采用了多种方法，但是所有的方法都是基于：回归分析法、能耗模拟法、智能计算机分析法。
回归分析法是在掌握大量的建筑耗热量数据的基础上，利用数理统计方法建立气象参数与建筑耗热量之间的回归关系函数表达式。这是一种从事物因果关系出发进行预测的方法。根据统计资料，求得因果关系的相关系数。一般，相关系数越大，因果关系越密切。通过相关系数确定气象参数和建筑耗热量、供热系统负荷之间的回归方程，以便预测今后的发展趋势。
能耗模拟法分为静态模拟法、动态模拟法。静态模拟法是一种简化的能耗计算方法。该方法虽然在理论上进行了很大简化，结果也很粗略，但计算速度快，可用于研究能耗趋势，进行供热系统比较。动态模拟法是一种比较精确的能耗计算方法。随着计算机技术的发展，采用计算机模拟，可以得到全年逐时能耗变化，并考虑建筑结构蓄热的影响，但比较耗时，主要用于建筑耗热量系统及子系统的分析及评估、经济性分析和优化等[12]。
在智能计算机分析法中，智能计算机系统由一种特殊系统和人工神经网络组成。人工神经网络是在现代神经科学研究成果基础上提出的一种抽象数学模型。它舍弃了线性系统和传递函数的概念，通过对人脑或自然神经网络若干基本特性的抽象和模拟，在无需了解输入和输出之间真正关系的情况下即可得到正确的结果[13]。
这3种方法的输入数据和应用目的有所区别：a.回归分析法主要需要耗热量数据、气象参数、建筑的一些特征参数。b.能耗模拟法不仅需要耗热量数据，对气象参数和建筑本体特征的细节信息要求也很高，而且还需要知道用户的行为调节习惯以及一些家庭收入水平情况。c.智能计算机分析法需要耗热量数据、气象参数、家庭收入水平和建筑的一些特征参数，输入的信息越准确，预测的精确度就会越高。这3种方法都可用于短期和长期的建筑耗热量、供热系统负荷的预测。回归分析法更多的是用于一定数量用户的建筑耗热量和供热系统负荷的预测和大范围的能源供应计划的制定；能耗模拟法主要是用于既有建筑的节能改造；智能计算机分析法的应用多是介于两者之间[14]。
② 国外研究方法及成果
国外学者更关注气象参数对建筑耗热量的影响，并进行了大量研究工作，以期通过精确预测和控制建筑耗热量实现供热系统的调节。
WERNER[15]对瑞典多个区域供热系统进行了测试，分析了影响负荷的主要因素：室外温度、自然风、太阳辐射。研究结果表明，负荷的60%可认为是受室外温度的影响，自然风的影响使负荷增加1%～4%，太阳辐射可使负荷减少1%～5%。生活热水的耗热量会因工作日、休息日而不同，平均生活热水负荷占总负荷的30%，管网热损失占总负荷的5%～8%。
WESTPHAL等人[16]采用不同的气象周期和不同标准的气象年数据，研究气象参数对建筑耗热量和供热系统负荷的影响。分别采用21、14、7d为时间周期的气象参数进行计算，发现采用不同时间周期计算的建筑耗热量的差值甚至能够达到50%。他们还对比采用不同标准的气象年数据，发现建筑耗热量的差值可以达到18%。由此认为气象数据的选取方法会对结果产生很大影响。
NIELSEN等人[17]提出了采用灰盒法进行区域供热系统负荷的模拟研究，并在实际工程中实现了基于气象预报数据和SCADA系统的负荷在线预测。首先根据物理意义建立初始模型结构，得到建筑耗热量与室外温度、风速、太阳辐射等变量的关系框架；然后采用实测数据通过局部回归和最小二乘准则逐步完成结构模型的系数拟合；最后引入高斯白噪声干预项，对残余值序列进行ARMA拟合，并用相关性及似然比对模拟结果进行了分析。
KRZYSZTOF[18]采用气象参数对室外温度修正的做法，研究了波兰华沙地区太阳辐射和风速对建筑耗热量和供热系统负荷的影响。他不仅分析了太阳辐射、风对建筑耗热量和供热系统负荷产生影响的原理，而且通过太阳辐射和风速对室外温度的修正分析得出：太阳辐射的影响比风的影响要大。太阳辐射的影响在一日内会有很大变化，一般，太阳辐射使建筑耗热量减少5%～8%。风速在2m/s以下时，基本不对建筑耗热量产生影响；当风速范围为5～10m/s时，风速每增加1m/s，相当于室外温度降低了3～4℃。
0MER等人[19]针对土耳其阿菲永地区的气候特点，选取室外温度、风速、相对湿度、太阳辐射4个气象参数进行研究，得到了建筑耗热量和这些气象参数的回归方程。他们认为，相对湿度对建筑耗热量的影响很不明显，其他3个参数有较明显的影响。采用回归方法建立了当日、前一日建筑耗热量与室外温度、风速、太阳辐射的方程关系式。并提出，对于长期的能耗预测，应考虑季风环流的影响。
3 建议
① 在研究方法的选择上，国外注重从理论上研究内在因果关系，而国内学者则是把重点放在了在对历史数据的经验分析上。只有从理论上掌握了因果关系，才能准确利用气象参数计算建筑耗热量，使供热系统负荷的预测结果更可信。
② 很多气象参数都会对供热系统负荷产生影响，国外学者把重点放在了最重要的几个参数上。而国内学者几乎都是在室外温度这一个参数上进行研究，应注重其他主要气象参数的研究工作。我国幅员辽阔，在研究中，应该考虑我国不同地区的气候特征。
③ 我国的计量供热研究开展时间不是很长，并且我国的供热系统也有自己的特点。对于利用气象参数进行供热系统的动态调节，需要针对我国的供热系统现状以及发展趋势，做进一步有价值的研究。
参考文献：
[1] 江亿，杨秀.我国建筑能耗状况及建筑节能工作中的问题[J].中华建设，2006，(2)：11-18.
[2] 石兆玉.供热系统运行调节与控制[M].北京：清华大学出版社，1994.
[3] 付林.热电(冷)联供系统电力调峰运行模式的研究(博士学位论文)[D].北京：清华大学，1999.
[4] 朱学莉，齐维贵，陆亚俊.建筑供热负荷预报与预测控制策略研究[J].控制与决策，2002，(11)：703-706.
[5] 张德山，王保民，陈正洪，等.北京市城市集中供热节能气象预报系统的应用[J].煤气与热力，2008，28(11)：A23-A25.
[6] 毕海军.基于模糊技术的小区供热站运行参数预测及燃烧控制研究(硕士学位论文)[D].青岛：中国海洋大学，2004.
[7] 李德英，郝有志，郝斌.计量供热系统动态控制理论初探[J].北京建筑工程学院学报，2001，(4)：10-15.
[8] 郝有志，李德英，郝斌.基于神经网络的供热计量系统热负荷短期预测[J].暖通空调，2003，(6)：105-107.
[9] 黄晓飞，张爱平，朱向东.冬季采暖室外气温与运行温度量化值的确定及实际运用[J].区域供热，2003，(2)：15-16.
[10] 林艳.集中供热网智能控制方法的研究(硕士学位论文)[D].大连：大连理工大学，2003.
[11] 庞文保，罗慧，李建科，等.西安市冬季采暖气象条件分析和预报方法初探[J].气象科技，2005，(6)：505-508.
[12] 陈华，涂光备，陈红兵.建筑能耗模拟的研究进展[J].洁净与空调技术，2003，(3)：5-9.
[13] 屈睿瑰.暖通设计用室外气象参数的神经网络构成[J].计算机应用与信息技术，2003，(4)：24-27.
[14] PEDERSEN L. Use of different methodologies for thermal load and energy estimations in buildings including meteorological and sociological input parameters[J]. Renewable & Sustainable Energy Reviews，2007，(11)：998-1000.
[15] WERNER S.The heat load in district heating systems (PhD Dissertation)[D].Stockholm：Chalmers University of Technology，1984.
[16] WESTPHAL F S，LAMBERTS R. The use of weather data to estimate thermal loads of non-residential buildings[J].Energy and Builds，2004，(36)：47-54.
[17] NIELSEN H A，MADSEN H. Modelling the heat consumption in district heating systems using a grey-box approach[J].Energy and Buildings，2006，(1)：63-71.
[18] KRZYSZTOF W. An influence of weather conditions on heat demand in district heating systems[J].Energy and Buildings，2008，(40)：2009-2014.
[19] OMER Y，TOLGA Y. Climatic parameters and evaluation of energy consumption of the Afyon geothermal district heating system，Afyon，Turkey[J].Renewable Energy，2009，(34)：706-710.
(本文作者：袁闪闪1 田喆1 朱能1 黎贞发2 郭军2 李明才2 1.天津大学环境科学与工程学院 天津 300072；2.天津市气候服务中心 天津 300074)
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
- 注解：本资料由会员及群友提供仅供阅读交流学习，不得用于商业用途！
