摘 要:針對某帶蓄冷裝置的區(qū)域供冷系統(tǒng),基于時(shí)間序列對負(fù)荷進(jìn)行預(yù)測。以制冷機(jī)組日運(yùn)行成本最小化為目標(biāo),建立能源站優(yōu)化控制模型,分析了50%、75%、l00%設(shè)計(jì)冷負(fù)荷條件下的優(yōu)化控制策略。
關(guān)鍵詞:區(qū)域供冷 蓄冷裝置 時(shí)間序列 負(fù)荷預(yù)測 優(yōu)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 項(xiàng)目概況
區(qū)域供冷系統(tǒng)可配置高效、環(huán)保的大型設(shè)備,通過專業(yè)化的管理實(shí)現(xiàn)供能的產(chǎn)業(yè)化[1-3]。更重要的是可利用蓄冷技術(shù)降低機(jī)組的裝機(jī)容量,緩解電力供應(yīng)緊張形勢及電力建設(shè)與新增用電的矛盾。對于帶蓄冷裝置的區(qū)域供冷系統(tǒng),核心問題是能源站的優(yōu)化控制,即合理安排和分配峰谷電價(jià)時(shí)段內(nèi)制冷機(jī)組制冰冷量、供冷量及蓄冰槽融冰供冷量,使能源站能夠更加經(jīng)濟(jì)地滿足負(fù)荷需求。學(xué)術(shù)界及工程界普遍認(rèn)為,負(fù)荷預(yù)測為能源站優(yōu)化控制提供了基礎(chǔ)[4-5]。本文以天津文化中心南區(qū)的區(qū)域供冷系統(tǒng)(帶蓄冷裝置)能源站作為研究對象,對負(fù)荷預(yù)測方法及能源站優(yōu)化控制策略進(jìn)行探討。
天津文化中心南區(qū)能源站供冷對象為博物館、美術(shù)館、圖書館、大劇院等單體公共建筑,總供冷面積為304336m2,設(shè)計(jì)冷負(fù)荷為26866kW。采用地埋管地源熱泵,地埋管換熱器埋設(shè)于景觀湖底。能源站配置2臺制冷能力為l344kW的螺桿式熱泵機(jī)組作為基載機(jī),4臺制冷能力為3573kW的離心式三工況(制冰、供冷、供熱工況)熱泵機(jī)組作為主機(jī),蓄冰槽的蓄冷能力為260.6GJ。
2 基于時(shí)間序列的動態(tài)負(fù)荷預(yù)測
基于時(shí)間序列的動態(tài)預(yù)測是一種以時(shí)間為參數(shù)的離散隨機(jī)過程,針對平穩(wěn)時(shí)間序列,前人已經(jīng)建立了諸多成熟的預(yù)測模型。其中,具有代表性的是由Box和Jenkins提出的差分自回歸移動平均模型(ARIMA)。該模型的基本思路是:對于非平穩(wěn)時(shí)間序列,用若干次差分使其成為平穩(wěn)時(shí)間序列,再用自回歸滑動平均模型(ARMA)對平穩(wěn)時(shí)間序列建模,最后經(jīng)反變換得到非平穩(wěn)時(shí)間序列的動態(tài)預(yù)測模型[6]。
本文選擇以小時(shí)為單位,在選定的時(shí)間間隔基礎(chǔ)上,對負(fù)荷數(shù)據(jù)進(jìn)行分析與處理。雖然以24h為周期的負(fù)荷數(shù)據(jù)呈現(xiàn)周期變化趨勢,但仍為非平穩(wěn)時(shí)間序列,因此必須采用差分方法進(jìn)行平穩(wěn)化處理,平穩(wěn)化處理后再進(jìn)行ARMA模型的建立[7]。
在差分自回歸移動平均模型的基礎(chǔ)上,考慮預(yù)測誤差,對初步預(yù)測結(jié)果進(jìn)行修正,從而得到最終預(yù)測結(jié)果。預(yù)測誤差算法:從歷史時(shí)間序列中選取一定量的觀測時(shí)間序列,采用一次簡單移動平均算法計(jì)算預(yù)測誤差。對于觀測時(shí)間序列蜀,Xq,Xq-1,…,Xq-N+1預(yù)測誤差d的計(jì)算式為:
式中d——預(yù)測誤差
Xq、Xq-1、…、Xq-N+1——q時(shí)刻、q-1時(shí)刻、q-N+1時(shí)刻的觀測時(shí)間序列
N——觀測時(shí)間序列的數(shù)量
經(jīng)過修正的t時(shí)刻最終預(yù)測結(jié)果Ft,f的計(jì)算式為:
Ft,f=d+Ft,p
式中Ft,f——經(jīng)過修正的t時(shí)刻最終預(yù)測結(jié)果
Ft,p——t時(shí)刻初步預(yù)測結(jié)果
3 能源站優(yōu)化控制模型
3.1 蓄水槽模型
蓄冰槽雖然不是能耗設(shè)備,但由于其傳熱性能決定了蓄冷、釋冷速率,將影響能源站的優(yōu)化控制。引入狀態(tài)變量x表示蓄冰槽的剩余冷量比例;引入控制變量u表示蓄冰槽工作狀態(tài)的速率,蓄冰槽工作狀態(tài)分為蓄冷、釋冷、不蓄冷也不釋冷,蓄冷時(shí)u取正值,釋冷時(shí)“取負(fù)值,不蓄冷也不釋冷時(shí)u為0。蓄冰槽模型可表達(dá)為:
xk+1=xk+ukDt
xmin≤xk≤xmax
umin≤uk≤umax
式中xk+1——第k+1小時(shí)的蓄冰槽剩余冷量比例
xk——第k小時(shí)的蓄冰槽剩余冷量比例
uk——第k小時(shí)蓄冰槽工作狀態(tài)速率,h-1
Dt——時(shí)間間隔,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——最大釋冷速率,h-1
umax——最大蓄冷速率,h-1
3.2 優(yōu)化控制目標(biāo)
忽略蓄冰槽的熱損失,將制冷機(jī)組的制冰冷量與蓄冰槽的融冰供冷量視為相等。設(shè)能源站每日供冷時(shí)間為0小時(shí),第k小時(shí)的冷負(fù)荷為Fk。其中制冷機(jī)組承擔(dān)的供冷量為Fc,k,運(yùn)行成本為Fc,k;蓄冰槽承擔(dān)的融冰供冷量為FL,k,運(yùn)行成本(即制冷機(jī)組的制冰成本)為FL,k。則制冷機(jī)組的日運(yùn)行成本Fee的計(jì)算式為:
式中Fee——制冷機(jī)組日運(yùn)行成本,元
q——日供冷時(shí)間,h
Fc,k——第k小時(shí)制冷機(jī)組的供冷成本,元
FL,k——第k小時(shí)蓄冰槽融冰供冷成本(即制冷機(jī)組的制冰成本),元
將制冷機(jī)組最小日運(yùn)行成本Fee,min作為優(yōu)化控制目標(biāo):
式中Fee,min——制冷機(jī)組最小日運(yùn)行成本,元
Fc,k——第k小時(shí)制冷機(jī)組供冷量,kW
¦c,k——第k小時(shí)制冷機(jī)組單位供冷量成本,元/kW
FL,k——第k小時(shí)蓄冰槽融冰供冷量(即制冷機(jī)組制冰冷量),kW
¦L,k——第k小時(shí)蓄冷槽單位融冰供冷量成本(即制冷機(jī)組單位制冰冷量成本),元/kW
供冷工況下第k小時(shí)制冷機(jī)組部分負(fù)荷率hc,k的計(jì)算式為:
式中hc,k——供冷工況下第k小時(shí)制冷機(jī)組部分負(fù)荷率
F——制冷機(jī)組的制冷能力,kW
制冰工況下第k小時(shí)制冷機(jī)組部分負(fù)荷率叩hL,k的計(jì)算式為:
式中hL,k——制冰工況下第k小時(shí)制冷機(jī)組部分負(fù)荷率
供冷工況下第k小時(shí)制冷機(jī)組電功率Pc,k的計(jì)算式為:
Pc,k=P(d+ehc,k+gh2c,k)
式中Pc,k——供冷工況下第k小時(shí)制冷機(jī)組電功率,Kw
P——制冷機(jī)組的額定電功率,kW
d、e、g——系數(shù),由制冷機(jī)組性能曲線擬合得到
供冷工況下第k小時(shí)制冷機(jī)組單位供冷量成本¦c,k的計(jì)算式為:
¦c,k=chP(d+ehc,k+ gh2c,k)
式中ch——電力高峰時(shí)段單位發(fā)電功率費(fèi)用,元/kW
同理,制冰工況下第k小時(shí)制冷機(jī)組單位制冰冷量成本¦L,k的計(jì)算式為:
¦L,k=cLP(d+ehL,k+ gh2L,k)
式中cL——電力低谷時(shí)段單位發(fā)電機(jī)功率費(fèi)用,元/kW
3.3 約束條件
無論供冷工況還是制冰工況,制冷機(jī)組的制冷量都不能超過制冷能力。制冷機(jī)組供冷量與蓄冰槽融冰供冷量之和應(yīng)滿足冷負(fù)荷要求。能源站為用戶正常供冷時(shí)間為8:00—22:00,其他時(shí)間的值班負(fù)荷為800 kW。
4 優(yōu)化控制結(jié)果
50%、70%、l00%設(shè)計(jì)冷負(fù)荷時(shí)的運(yùn)行策略分別見圖1~3。
由圖l~3可知,在低谷電價(jià)時(shí)段,充分利用制冷主機(jī)進(jìn)行制冰;在峰段電價(jià)時(shí)段,充分利用融冰制冷,減少高峰電力的使用。由此可知,根據(jù)能源站優(yōu)化控制模型制定的控制策略,可獲得較好的經(jīng)濟(jì)效益。
參考文獻(xiàn):
[1]康英姿,華賁.區(qū)域供冷系統(tǒng)與燃?xì)夥植际侥茉聪到y(tǒng)的結(jié)合[J].煤氣與熱力,2007,27(2):62-66.
[2]張朝輝,李震,端木琳.區(qū)域供冷技術(shù)的應(yīng)用與技術(shù)條件[J].煤氣與熱力,2007,27(3):86-89.
[3]康英姿,華賁.區(qū)域供冷系統(tǒng)的技術(shù)與經(jīng)濟(jì)性分析[J].煤氣與熱力,2007,27(11):79-82.
[4]孫靖,程大章.基于逐時(shí)空調(diào)負(fù)荷預(yù)測的冰蓄冷優(yōu)化控制策略[J].智能建筑與城市信息,2005(5):24-29.
[5]倪雪梅,辜興軍,許志浩.冰蓄冷系統(tǒng)優(yōu)化蓄冷的策略的探討[J].制冷與空調(diào),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 翟文鵬 郭春梅 梁春峰
作者單位:天津城建大學(xué)能源與安全工程學(xué)院
中國民航大學(xué)
您可以選擇一種方式贊助本站
支付寶轉(zhuǎn)賬贊助
微信轉(zhuǎn)賬贊助