香港办公建筑暖通空调系统的优化控制
香港城市大学建筑技术科学系 都佳 谢松辉 陈佑宗 孙勇军
【摘 要】建筑节能在全社会节能减排中占据重要地位，政府办公建筑的指引表率作用不容忽视。本文结合已有理论研究基础，以香港某政府办公建筑暖通空调系统的优化改造为例，针对暖通系统典型问题，提出相应解决方案。通过改进测量数据预处理方法与冷机、AHU控制方案和运行策略，实现该办公建筑系统表现多方面提高。通过建立计算机模拟平台与实施系统节能改造，实现空调季8.7%的月节能量、平均5.8%的日峰值电耗降低量，同时有效提高系统稳定性和可靠性。
【关键字】建筑节能，办公建筑，能耗数据分析，系统控制优化
1.项目背景概述
建筑节能是我国实现可持续发展及建设节约型社会的重要方面。2014年，我国建筑面积达到561亿平方米，相当于22万个鸟巢体育场，已有的建筑“总商品消耗”即建筑运行能耗占据全国能源消费宗浪的五分之一 [1] 。同时，我国建筑终端能耗在2000~2012年增长37% [2] 。总量大、比例高且增速快，建筑节能具有巨大潜力。并且，综合考虑中国能耗现状，工业、交通与建筑中，建筑行业节能可行性最高。中国建筑节能未来的发展方向或者说是终极目标是建筑近零能耗甚至是零能耗 [3] 。
公共建筑节能是中国建筑节能工作的重要方面。从建筑面积来看，公共建筑面积 为 107亿平方米，占据我国建筑面积总量的 19% ；从能耗总量来看，除去北方采暖能耗，2014 年，公共建筑商品能耗总量为 2.35 亿吨标煤在中国建筑商品能耗中比例最大；从强度来看，公共建筑在国四类用方面（北方采暖、城镇住宅农村商品及生物质用能公共建筑），能耗强度 最高，为21.9 kgce/m2，以上多种角度方面来看 ，公共建筑的能耗均为中国整体建筑能耗的不可忽视组成部分 ，也是中国建筑节能事业的关键环节 。政府办公建筑是公共建筑的重要组成部分。近十年来，其节能工作逐步得到有关部门重视，出台《国家机关办公建筑和大型公共建筑节能监管体系建设实施方案》、《公共机构节能条例》 [4]等规范条例，并设立公共机构节能管理司进行政府机关办公建筑的管理工作。
在香港，机电工程署（EMSD）于1994年成立能源效益事务处，致力于开发、推广和实践节约能源；2015年，环境局联合发展局和运输及房屋局提出《香港都市节能蓝图：2015-2025+》 [5]中，特别指出政府是香港最大用电量的用户之一（超过 6%），根据2013-2013年度总用电数据，政府建筑物用电占据 56%（约14亿度电）。政府办公建筑的节能在建筑节能工作的探索、实践及推广中占据重要地位。
同时，在针对办公建筑节能实践中，发现其能耗系统存在的问题：例如，设计阶段多种因素导致的系统容量设计偏大 [6] ，设备选型出现偏差，使得运行阶段冷机、水泵等设备偏离设计工作区，效率低下；再如，运行阶段管理缺失，部分管理人员只关注是否正常运行，未能提出具体的节能目标，出现能耗较高、室内舒适度不满足等的粗放运行结果 [7] 。在实际建筑中，针对具体建筑的具体问题提出解决方案、进行改造并总结结论，将为办公建筑节能工作提供宝贵的工程经验。作者针对香港某政府办公建筑（以下简称建筑A），进行了为期超过一年的节能诊断、暖通系统分析及改造工作，本文将详解介绍该案例。
2.研究问题与方法
建筑A位于香港北角，于2010年12月建成启用。建筑A楼高32层，整体建筑面积约4.1 万 平方米，主要用作行政办公建筑，亦设有多项其他设施，例如室内练靶场、羁留中心、多用途演讲厅、展览廊和传媒接待室。其暖通系统简介如下，冷热源由4台额定总制冷量2108kW的水冷机组（WCC）和2台额定总制冷量1033kW的空冷机组（ACC）组成；冷冻水系统为二级泵系统，其中一级水泵为定频水泵，二级水泵为变频水泵；冷却水系统使用定频水泵；空气处理系统包括空调箱（AHU）等。
按照建筑能耗审计通用指标，根据2014年运行数据对建筑A的运行表现及节能潜力进行深入分析，总结得到以下三个研究要点。
冷机电耗运行等记录各处存在不同程度的数据偶然错漏点，在全年电耗逐月曲线中出现明显失真点；同时在冷冻水、冷却水的供回水温度测量记录中也存在波动的、持续的测量误差。如何克服这些误差，进行正确有效的负荷计算是后期节能分析的基础。
冷机运行存在不合理的运行策略与不必要的开启。通过分析逐时系统运行效率参数（COP）曲线，发现COP数值存在规律性下降，在夜间与周末等尤为明显；某些时段，空冷机组不合理开启，造成整体系统效率低下。如何改善控制程序，配合不同时段的负荷，将系统调整至整体效率最佳的状态，是节能工作的重点。
建筑A负荷存在规律的峰值点。在初步计算负荷曲线后，又根据更为详尽的数据深入分析负荷特征，发现建筑A符合分布具有一定的周期规律。每周工作日、周六、周日负荷为三个阶梯；每日工作时间、非工作时间负荷分为两个阶梯。并且大多数情况，每日早晨冷机开启时负荷达到尖峰，这一暖通系统电耗尖峰也正是建筑A整体电耗的尖峰所在。如何通过改进启动策略，实现电耗平缓过渡，降低电耗峰值，也是改善建筑A能耗表现的一个方面。
通过文献综述及专家讨论，针对以上三个问题，提出对应解决方案，整体技术路线如图 1所示。
整体而言，根据已有监测数据基础，建立并校验，得到建筑A暖通系统计算机模拟平台；在模拟平台进行多次试验，调整得到建筑A节能改造方案；在建筑A试运行改造方案，提出合理的评价指标，综合评估节能效益。
首先，针对现场监测数据存在误差等问题，采用较为成熟的小波函数[8]、窗函数分析方法等处理现场数据，诊断数据错漏点。同时，采用数据融合[9]方法，综合直接计算负荷与间接计算负荷两个结果，得到更为可靠的负荷曲线[10][11] ，为冷机时序联动控制策略提供基础。其中，直接计算负荷是指利用测量数据中供回水温差与流量计算得到的负荷值，间接计算负荷则是指利用监测得到的蒸发冷凝温度、压力和冷机电功率等参数计算得到的负荷值。
其次，针对冷机不合理运行和不必要启停，采用目前较为完善的冷水机组联动控制方法（Chiller Sequencing Control）提高控制策略的鲁棒性。搭建并校正冷水机组、空冷机组及输配系统等模型，建立建筑A暖通系统模拟平台，利用经过验证的模拟平台多次试验，得到最适宜的冷机控制策略。对建筑A实际暖通系统控制策略进行改进，进一步验证控制策略的节能成果。
最后，针对每日规律出现的电耗亦负荷尖峰，采用末端设备逐次开启的方式，调整清晨负荷在时间序列的分布，实现负荷波动平缓化。
3.解决方案设计与实施
3.1 数据融合获得精确冷负荷
如上文所述，首先利用数据融合方法，提高建筑A暖通系统冷负荷测量值准确度。主要步骤包括，剔除测量值的离群值（Outlier）；校正直接计算结果，减少测量噪声；减小系统误差；评估与输出。
（1）根据以下公式得到直接负荷（Qdm,k）和间接负荷（Qim），
Qdm,k=cpwρw,kMw,k (Tw,rtn,k-Tw,sup,k) （1）
其中，cpw(kJ/kg·K)为冷冻水比热，ρw,k(kg/L)为冷冻水密度，Mw,k(L/s)为冷冻水流量，Tw,rtn,k、Tw,sup,k（℃）为冷冻水回、供水温度。
参考文献中冷机模型[10]，如公式：
其中，α、β（kW）为电机不定值、定值损失，通过实验获取四台水冷机组和两台风冷机组每台冷机各自对应的取值表；hfg为制冷剂（此项目中为R134a）的对应压力下潜热，取值为197.9kJ/kg；cpl、cpg为制冷剂液、气态定压比热，取值为1.265 kJ/kg·K、0.8925 kJ/kg·K；Pcom(kW)为冷机输入功率；Tev、Tcd为蒸、冷凝温度，根据测量的蒸发、冷凝压力Pev、Pcd计算得到，应用公式
计算得到，a、b取值为17.4、-3297.2。
验证模型可用后，计算时序直接、间接计算负荷增量差值[11]
dk=∣ΔQim,k-ΔQdm,k∣，并根据设置的限定值判断是否离群，得到数据融合后的负荷Qf,k(Qf,k=Qf,k-1+ΔQim,k)。
（2）得到数据融合结果后，通过在已剔除离群值的时序值序列上定义移动窗口，减小测量噪声（两个序列分别为（QKdm,1，…QKdm,Nw-1，Q dm,k；QKim,1，…QKim,Nw-1，Qim,k）。此时，
（3）利用间接计算负荷与数据融合负荷之差表征系统误差Ef,k(Ef,k=Qim,k-Qf,k)。根据设定的误差范围，修整负荷值gs4-1根据误差容许范围上下限和相关公式得到[11]）
（4）根据输出监测数据诊断与数据融合置信度。通过MATLAB程序实现上述过程，得到更为准确可靠的冷负荷曲线，如图 2所示：
3.2 冷机序列控制
依据制冷机实际控制建立冷机计算模型（如公式（2））；根据实际COP得到不同负荷率下电耗修正系数，实现冷机能耗实测与模拟偏差为1%。冷机模型能够较好反映实际情况，在此基础上，结合上述冷负荷曲线，建立控制系统，完善MATLAB模拟平台。在实地测试与模拟平台中采用同样控制逻辑，冷机启停台数模拟与实际保持一致。综上，能够通过模拟方式预估与评测控制方案实际节能效果。
在前期调研中，发现非工作时间开启风冷机组、未合理规划冷机台数等粗放运行现象，导致系统表现未达到最优。通过计算机模拟平台，设计冷机序列控制方案，最终得到表 1所示，优化的冷机序列控制方案，有效解决上述问题。
表注：经多次试验，两侧弹性区间各取为4%较为合理
同时，针对清晨负荷尖峰的情况，根据以往工程时间经验，设计将 AHU设备每日工作时段启动时，分批次开启，改变以往同时开启的方式，以期削减电耗峰值。
3.3 实施优化方案与效果分析
进行如下表所示，在建筑A分步实现优化控制方案。第一阶段，改进AHU运行策略，在以往固定的开启时间之前，逐步开启AHU。第二阶段，改进建筑A暖通空调控制系统，并且输入优化的控制逻辑，测试优化的冷机序列控制方案对系统表现的影响。第三阶段，以“周”为时间单位交替运行原始、优化控制方案，在气象参数差别不大的情况下，对比能效、系统满足率等多方面表现。
选取评价指标时，需同时考虑能源账单与系统表现。建筑A电力供应商为港灯电力投资有限公司与香港其他电力公司相同，电力费用包括负荷费和耗电费两个重要组成部分 [12]。其中负荷费指每月对最高电力负荷（Demand Charge，单位：kVA）进行阶梯收费，费用占据暖通能源账单的约20%；耗电费则是指针对每月累积电能消耗总量（Energy Charge， 单位：kWh）进行阶梯收费。以上两部分均为能源账单的重要组成，因此累积耗电量、峰值电负荷是评价节能效果的两个指标。同时，为了保证用户舒适度，需要保证系统供应的稳定性，因此供水温度的平稳性也是评价运行策略优化效果的指标。
根据模拟结果与实验检测结果，评价以上三个方面的建筑A暖通系统改进效果。
（1）系统稳定性
如下图所示，在优化控制方案实验期间，供水温度更为稳定。系统设计供水温度为7℃，实验中避免了原始控制方案下出现的长时间偏离设定供水温度的情况，并且也减少了供水温度的扰动。
（2）系统能效（负荷费）
通过合理优化方案，非工作时间时按需配置冷机开启台数，避免容量过大的情况出现，并且合理使用风冷机组；工作时间能够有效根据负荷变化切换，避免开启不必要的水冷机组；同时改进冷机频繁启停的现象。以2016年6月29日至2016年7月28日为例，在一个月时间内，仅采用优化控制方案，未进行其他设备或设置改动，系统整体能效系数由3.06提升至3.35，能耗由45.7万度降低至41.7万度，实现8.7%的节能量，系统电耗曲线对比如图 4所示。
（3）系统峰电（耗电费）
优化的冷机序列控制方案与温和的AHU开启策略对于峰值电耗均有削减作用。这里峰值电耗是指在一段时间内最高的电功率[12]（连续半小时平均值）。对比AHU开启策略改进前后，以2016年9月12日与2016年9月14日电耗数据为例，通过重新分配清晨开机负荷，峰值电耗由1203 kVA降低至849 kVA，降低了 29%。对比暖通系统电耗曲线与建筑A整体电耗曲线，暖通系统的电耗峰值直接决定整体峰值，因此减少暖通系统电耗峰值有益于降低整体能源账单中耗电费。使用优化冷机序列控制方案后，以2016年9月26日至2016年10月25日电耗数据和能源账单为例，通过减少工作时段不必要的一台冷机的开启，该月峰值电耗由9月28日的1715 kVA降低为9月28日的1597 kVA，降低了7%，如图 5所示。计算2016年7月至10月每日峰值电耗，平均降低量为5.8%。
4.案例总结
本文针对建筑A的暖通系统，实施节能诊断与改进。归纳暖通系统存在的三个改进点：冷机电耗运行等记录各处存在不同程度的数据偶然错漏点；冷机运行存在不合理的运行策略与不必要的开启；每日规律出现电耗亦负荷尖峰。提出针对性改进方案：基于数据预处理和数据融合得到更为准确的负荷曲线，设计并实现优化的冷机序列控制，实施温和的AHU开启策略。建立模拟平台协助并评估改进方案后，改进建筑A控制系统，进一步分析系统能效表现。在能耗方面，2016年7月份（这里指6月29日至7月28日）实现8.7%的节能量，2016年7月至10月实现日峰值电耗平均降低5.8%。按照建筑A电力供应单位（港灯电力投资有限公司）的分项阶梯电费计算方法，实施上述改进后，2016年7月的电费如表 2所示，实现了较好的经济效益。
同时，关于改造方案中冷机模型与运行策略的适用性等方面还有待探究。案例研究过程中，与香港机电工程署等相关单位建立了良好的合作关系，为后续探究改造方法的适用性提供可能。
致谢：本工作受到香港机电工程署（EMSD）多方面支持，包括提供建筑A的建筑基本信息、建筑运行数据，协助完成建筑A自控系统改造、进行多次实验，组织专题汇报研讨会，特此致谢！
参考文献
[1] 清华大学建筑节能研究中心. 中国建筑节能年度发展研究报告, 2016.
[2] International Energy Agency, Tsinghua University Building Energy Research Center. Building Energy Use in China, 2015.
[3] 陈向国. 徐伟:建筑节能的发展目标是近零能耗[J]. 节能与环保,2015,(10):16-23.
[4] 公共机构节能条例 . 2008. http://www.gov.cn/flfg/2008 -08/11/content_1069579.htm
[5] 香港特别行政区政府. 环境局. 香港都市节能蓝图：2015-2025+.
[6] 张野,燕达,刘烨,张晓亮. 公共建筑空调负荷计算参数的探讨[J]. 供热制冷,2016,(06):54-57.
[7] 田雪冬. 公共建筑全过程能耗总量控制管理方法研究[D]. 清华大学: 清华大学,2016.
[8] N. C. F. Tse, J. Y. C. Chan, W. H. Lau, J. T. Y. Poon and L. L. Lai, "Real-Time Power-Quality Monitoring With Hybrid Sinusoidal and Lifting Wavelet Compression Algorithm," in IEEE Transactions on Power Delivery, vol. 27, no. 4, pp. 1718-1726, Oct. 2012. doi: 10.1109/TPWRD.2012.2201510
[9] Gongsheng Huang , Shengwei Wang & Yongjun Sun (2008) Enhancing the Reliability of Chiller Control Using Fused Measurement of Building Cooling Load, HVAC&R Research, 14:6, 941-958.
[10] Huang G, Wang S, Sun Y. Enhancing the reliability of chiller control using fused measurement of building cooling load[J]. HVAC&R Research, 2008, 14(6): 941-958.
[11] Yongjun Sun. Online Optimal Control of Multiple-Chiller Systems in Large Buildings [D]. The Hong Kong Polytechnic University,2009.
[12] 港灯电力投资有限公司: 账单、缴费及供电价目表.https://www.hkelectric.com/en/customer-services/billing-payment-electricity-tariffs/maximum-demand-tariff
备注：本文收录于《建筑环境与能源》2018年10月刊总第15期（第21届暖通空调制冷学术年会文集）。
版权归论文作者所有,任何形式转载请联系作者。