虹桥机场能源中心 (供冷、供热) 系统位于上海虹桥机场西航站楼北侧约300m, 主要为虹桥西航站楼、南侧酒店及预留部分 (航站楼北侧指廊、北侧酒店) 供冷和供热。能源中心内供冷、供热系统及配套电气10kV配电系统、服务对象的建筑面积共47.3万平方米, 其中本期服务范围的总建筑面积为38.8万平方米, 规划预留的服务范围的总建筑面积为8.5万平方米。
能源中心供冷系统包括冷冻系统、蓄冷系统、冷却系统、消防监控系统, 其中冷冻系统包括8台约克冷水机组, 8台ITT冷冻一次泵以及6台ITT变频冷冻二次泵;蓄冷系统包括2座蓄冷水罐, 5台ITT蓄冷循环水泵;冷却系统包括8台组装式两联体BAC冷却塔, 8台ITT冷却水泵。
能源中心的供冷系统为末端直供系统, 摈弃了末端板交, 最大程度减少热损失, 整个冷冻水系统通过一次水泵 (工频) 、二次水泵系统 (变频) 及三次水泵系统 (变频) 构成循环, 供冷时主要通过二次泵的变流量来满足末端的需求, 二次变流量泵的变频控制由设在每个系统环路最不利处 (三处) 的压差值控制。
由于末端负荷的预测受众多因素影响, 包括航班流量, 建筑结构, 天气情况等, 末端航站楼内旅客流量的多少及室外气温情况都对用能需求造成直接的影响。对末端负荷量进行预测, 可以使我们对当日用能需求做到提前预判, 并根据当前系统冷量制定合理、经济的运行策略。然而在我们寻找同类型研究对象后发现:国内外的能源中心基于采集大量数据所需的人员、成本投入, 及诸多不确定因素的干扰, 此类负荷预测模型并没有深入的实施过。
能源中心作为机场的供冷及供热保障, 基本都是属于被动的满足末端负荷的需求进行冷量的供应, 由于航班、客流量的变化, 供冷负荷量完全受控于末端航站楼的用能需求, 而整个供冷工作自冷量生产到管网输送至末端需花费50min, 耗时较长。因此我们需要对末端用能负荷进行提前预判, 制定合理、经济的运行策略。
数据收集的对象为虹桥地区的当日温度、当日湿度、当日供冷量, 其中温度和湿度为了能够反映当日的整体情况, 以上海是气象站发布的虹桥地区的气象数据为主, 以能源中心内自有的气象站数据为参考, 求取各时段的平均值作为数据分析中用到的温湿度数据。供冷量按照能源中心自身安装的能量计数据为依据, 作为模型中的供冷量值。
经过一段时间的数据收集, 发现每日供冷量数据受到航班等影响因素限制, 考虑到能源中心供冷模式的特殊性, 在夜间低谷时段会开启冷水机组进行蓄冷工作所以在供冷量处理过程中将原先0:00～24:00的数据修改成6:00～22:00的日供冷量数据, 这样能够最大限度避免其他干扰因素, 对于模型建立本身来说, 6:00～22:00也是常规的供冷时间, 研究这段时间段的供冷量对运行指导更有意义。
通过本次供冷季的数据收集, 整合上一个供冷季时整理出的部分数据, 我们总共收集到的数据包括2010年供冷季8月至2010年10月以及2011年6月至2011年8月, 期间每日的日平均气温, 日平均湿度, 日供冷量, 共210组原始数据。
根据研究的前提条件, 在假定建筑结构、旅客流量等因素不变的情况下, 系统供冷量与温湿度一定是存在影响关系的。对于偏离这种关系的数据点, 我们归为由于客观条件引起的数据变化, 直接予以剔除我们的模型意义就是能够指导运行, 所以能够承受适当的误差率。
我们将所有收集到的数据按照温度进行排列, 得到了同一温度下不同湿度对应的不同制冷量。通过计算这些供冷量的平均值我们发现, 温度确实是影响供冷量的首要因素, 不同温度下的平均供冷量变化趋势如图1。
图1很明显地显示出, 随着温度的上升, 供冷量也随之增加了。对于同一温度下, 不同湿度所引起的供冷量变化, 我们也希望能够限定范围, 允许在平均供冷量上下浮动, 但是对于偏离程度大得值就予以剔除。
在温度一定的情况下, 湿度的变化会影响供冷量的变化, 通过将同一温度下的湿度进行升序排列, 绘出供冷量变化趋势如图2。
图2显示了在24℃下湿度升序排列时供冷量的变化趋势图, 从中可以看出, 在温度一定的情况下, 随着湿度的上升, 供冷量的需求是逐渐增大的。这是由于在一定气温下, 大气中相对湿度越小, 水汽蒸发也就越快;反之, 大气中相对湿度越大, 水汽蒸发也就越慢。所以在人们实际生活中, 冬春季会感到空气干燥, 夏季出现天气闷热的现象, 这都是由于大气中湿度的变化在起作用。
那么在这样一种供冷需求随湿度变化的趋势下, 我们可以找到筛选数据的依据对于明显偏离上升趋势的点予以剔除, 较为接近的可以仍旧采用平均值处理。考虑到由于供冷量对于温湿度, 特别是我们收集到的室外温湿度数据并没有真正与之对应的一个数学模型, 我们希望能够找到一个相对接近, 能够用于指导运行的模型, 所以具体数据处理时筛选的严格程度可自由掌握。
经过数据处理后, 我们通过数学软件1stOpt来进行三维解析式的求取。
在1stOpt中, 共有13种有化算法, 一般而言对于我们非线形回归, 曲面拟合问题采用其中的麦夸特法Levenberg-Marquardt法 (LM) +通用全局优化算法 (Universal Global Optimization-UGO) , 在软件自带的928个函数解析式库中, 寻找最佳拟合, 也就是相关系数R最接近1, 通过软件计算得到函数解析式:
Z= (p1+p2×x+p3×x^2+p4×y+p5×y^2+p6×y^3) / (1+p7×x+p8×x^2+p9×y+p10×y^2+p11×y^3) (Z为供冷量, x为温度, y为湿度)
其中各系数对应数值见表1。
具体的拟合参数如下:
最终拟合的相关系数R为0.973, 对于我们目前作为指导运行来说, 应当已经满足需求了。要提高相关系数, 就要提高拟合精度, 也就需要提高数据处理能力, 更重要的还是增加数据收集量。
图3为拟合后供冷量函数计算值与实际散点之间的关系, 从中可以看出, 拟合解析式能够基本涵盖我们实际运行时的散点, 而绝对的覆盖也是不现实的。 (如图3)
根据拟合得到的函数解析式, 我们可以通过MATLAB绘出拟合后的三维曲面与收集到的三维散点之间的关系, 如图4所示。
从图4中可以看到, 在现有的数据量和客观条件下拟合出的三维曲面能够初步覆盖供冷量的数据点, 通过日后不断扩充数据容量以及优化数据采集和处理的方法, 那么模型能够进一步被优化。
我们希望能够通过课题模型研究来完善开停机策略, 主要思路是以谷值蓄冷为主, 当负荷增加时则增加平值时段增加蓄冷时长, 随着负荷不断增加再配合平值时段的联合供冷模式进行供冷。尽可能在保障供冷质量的前提下, 避免峰值时段开机, 合理控制运行成本, 这就是设定开机策略的目的。
考虑到模型建立初期, 仍有一定的误差率, 但是对于运行人员来说, 供冷量的误差概念是模糊的, 所以我们觉得应当以时间作为单位, 也就是以我们能源中心8台冷冻机, 每台每小时1900RT制冷量为比较对象, 模型计算值与实际采集数值之间的绝对误差, 相当于8台冷冻机运行时间的上下浮动范围。这样可以让运行操作人员直观的了解到, 按照模型计算值进行提前或延迟开停机大致的时间误差范围是多少。
本文从能源中心实际运行需求出发分析供冷量与温湿度三者之间的关系, 借由数据模型的建立, 指导在实际运行操作过程中得运行策略判断, 最终目标实现供冷运行的是高效节能运行。
摘要：本文通过虹桥机场能源中心供冷运行数据的收集, 采取数学方式建立供冷量、温度、湿度三者之间的关系模式, 对负荷预测进行初步探讨, 通过供冷量的预估可以指导日后的每日的开机策略, 优化管理和运行模式, 从而实现节能的目标。
关键词：数学模型,负荷预测,节能
推荐阅读：
基于Bowtie模型的机场安全风险分析06-30
机场工作人员的辞职报告09-23
中班美术绘画教案《彩虹桥》及教学反思07-09
机场工作报告05-28
通航机场场地分析07-27
智慧机场解决方案06-22
机场消防述职报告07-08
机场商业发展趋势分析09-22
美国通用机场介绍09-30
