Method for acquiring part load distribution coefficient of air conditioning system

This paper presents a method to acquire runtime distribution ratio of building air conditioning system under part load condition (part load coefficient of system) through practical energy consumption data. By utilizing monthly energy consumption data of the entire year as the analysis object,this paper identifies data distribution,verifies distribution characteristics and analyzes distribution probability density for the issue of running time distribution ratio of air conditioning system in part load zones in the whole operation period,thus providing a basic calculation basis for an overall analysis of energy efficiency of air conditioning system. In view of the general survey of public building energy consumption carried by the government of Chongqing,this paper takes the governmental office building as an example,the part load ratio coefficient corresponding to practical running of air conditioning system of governmental office building in Chongqing is obtained by utilizing the above probability analysis and the solving method of probability density function. By utilizing the ratio coefficient obtained using this method,the part load coefficient with any running ratio of air conditioning system can be obtained according to the requirement of analysis,which can be used in any load ratio for analyzing running energy efficiency of air conditioning system.

Distributed Air-Conditioning Energy Management System within the Smart Grid Context

-Air-conditioning （AC） systems are the major energy consumption units in residential and commercial buildings. In the context of smart grid, optimizing AC operations leads to substantial saving in energy consumption, reducing the consumer＇s bill and contributing to the environment by minimizing carbon emissions from generating stations. This paper presents a distributed AC energy management system for buildings by using networked master-slaves controller architecture. The proposed system was designed, simulated, and experimentally tested by using real AC units in a students＇ residence hall. Based on the students＇ class schedules, several operational scenarios were implemented and tested. The proposed system implementation leads to a 40% to 60% saving of the consumed energy by the tested units. The same energy management scheme can be applied and implemented in other commercial and residential buildings.

Control Strategies of Large-scale Residential Air Conditioning Loads Participating in Demand Response Programs

Residential air conditioning(RAC)loads have great potential to be included in demand response(DR)programs.This paper studies large-scale RAC loads participating in DR programs,such as modeling,parameters identification,DR characteristics and control strategies.First,an aggregate model of large-scale RAC loads are established based on the buildings’performance with heat storage and insulation,avoiding the calculation of a single RAC model.Then,parameters of the aggregate model are identified based on the RACs’power and outdoor temperatures.Based on the aggregate model,DR characteristics of RAC loads are analyzed,including the dynamic relationship between power,outdoor and indoor temperature,and the potential of DR combined with the users’comfort.Next,the DR control strategies adapted for large-scale RAC loads are established by adjusting the temperature set-points.The DR strategies consider users’comfort and calculate the control signals of each RAC load according to the DR power,including adjustment temperature and adjustment time,which are sent to each RAC load for execution.In the DR process,the control center does not need to obtain the users’indoor temperature,which is conducive to protecting the users’privacy.DR strategies of RAC loads when the control degree within/beyond the DR potential are both proposed,and a load recovery control strategy is also introduced.Finally,the effectiveness and accuracy of the proposed model and DR control strategies are verified by simulation results.

Optimal Scheduling of Air Conditioners for Energy Efficiency

Energy saving is one of the most important research hotspots, by which operational expenditure and CO2 emission can be reduced. Optimal cooling capacity scheduling in addition to temperature control can improve energy efficiency. The main contribution of this work is modeling the telecommunication building for the fabric cooling load to schedule the operation of air conditioners. The time series data of the fabric cooling load of the building envelope is taken by simulation by using Energy Plus, Building Control Virtual Test Bed （BCVTB）, and Matlab. This pre-computed data and other internal thermal loads are used for scheduling in air conditioners. Energy savings obtained for the whole year are about 4% to 6% by simulation and the field study, respectively.

中央空调负荷精细化调控双层优化技术研究

针对当前中央空调系统粗放式调节不能准确释放调控潜力的问题,深入分析中央空调各子系统工作原理与调控方式,提出基于双层优化的中央空调负荷精细化调控技术方案。首先,面向实际工程实践需求建立建筑湿热标度模型;然后,建立以舒适度和经济性优化目标函数为主的上层调控模型,采用Shapley值法对温湿设定值的进行分配;接着,建立以各子系统优化组合能耗最低为优化目标函数的下层调控模型,采用蚁群算法对优化目标函数进行求解;之后,通过求解双层模型,制定包括末端风机、冷冻水泵以及冷水机组等组件的精细化调控策略;最后,通过多个算例验证所提中央空调负荷精细化调控技术方案的正确性与有效性。

地铁车站弱电设备间设备发热量确定方法

介绍了一种地铁车站弱电设备间设备发热量确定新方法,该方法利用弱电设备发热量实测数据与模型预测数据相互验证,可以有效提高弱电设备发热量确定结果的准确性。研究了室内气温、地铁是否运营、设备额定功率和车站类型等因素对设备发热量的影响。研究结果表明:基于间接测量和预测模型的地铁车站弱电设备间设备发热量确定方法可以提高和保障设备发热量计算结果的准确性;室内气温会显著影响设备外表面和围护结构内表面温度及围护结构内表面热流密度,但对设备外表面热流密度的影响较小;地铁是否运营对弱电设备间设备发热量有较大影响,地铁运营期间设备发热量大于非运营期间;设备额定功率对弱电设备间设备发热量峰值有较大影响,车站类型和建筑面积对设备发热量峰值的影响很小。

考虑热舒适度的居民空调负荷调控潜力差异化评估

居民空调负荷是电力系统重要的灵活性资源,评估其调控潜力有助于负荷高效管理,促进节能减排。然而,受资金成本、数据存储和隐私保护等因素制约,居民空调状态及参数难以直接测量,差异化评估不同居民空调负荷的调控潜力存在困难。此外,居民使用空调是为了满足自身的热舒适度要求。若评估空调负荷调控潜力时忽视热舒适度限制,将导致评估值过高,降低负荷管理策略的有效性。因此,提出一种考虑热舒适度的居民空调负荷调控潜力差异化评估方法。该方法首先建立居民热舒适度及空调热动力学模型,提取影响居民热舒适度和空调负荷的关键参数;然后,利用隐马尔可夫模型和维特比算法辨识空调状态及参数;在此基础上,计算不同居民热舒适度可接受范围内的空调负荷调控潜力。基于真实居民负荷数据的算例分析表明,所提方法能够准确辨识居民空调状态并有效评估满足居民热舒适度要求的空调负荷调控潜力。

空调温控负荷集群参与光伏消纳的潜力评估与互动框架

空调温控负荷集群作为当下最具调节潜力的需求侧响应资源之一,在削峰、填谷、分布式光伏消纳和电网调控中将发挥重要作用。因此,提出一种电力市场环境下,基于数据驱动和深度置信网络的空调温控负荷集群参与分布式光伏消纳的可调节潜力评估与互动框架。首先,利用数据驱动构建了基于深度置信网络的可调节潜力评估模型,实时输出温控负荷集群的可调节潜力;其次,考虑功率调整量在一定范围内变化的前提下,构建基于深度置信网络的需求互动模型,对温控负荷集群进行实时温度调控。最后,以冀北地区某10kV馈线作为实际算例进行分析,结果表明:所提框架能够充分利用空调温控负荷集群的可调节潜力,参与分布式光伏的消纳。

住宅厨房空调冷负荷及其影响因素研究

住宅厨房空间因存在高温燃烧热源和烹饪空气污染源,是热舒适和空气品质问题相对集中的区域。随着生活水平的提高,人们对厨房热湿环境的舒适性要求越来越高,新的厨房空调产品也逐渐出现,而现有的负荷研究无法为厨房空调的设计提供有效依据。为了探索住宅厨房空调冷负荷及其影响因素,以某典型住宅厨房为例,研究了厨房冷负荷的大小分布、来源构成、影响变量以及地域差异。结果表明,厨房空调冷负荷集中分布在800~1600W/m^(2),潜热负荷占比高达75%,室外补风在显热负荷和潜热负荷中平均占比30%和71%。地域差异导致峰值负荷大小和出现小时数不同,这对空调选型有重要影响。现有的厨房空调需要匹配合理的运行策略和补风形式才能满足厨房冷量需求。

空调新风系统需求响应潜力评估及影响因素研究

需求响应是保障电力供需平衡的重要措施,空调是重要的需求响应资源。空调新风负荷能耗占比高,但是基于室内二氧化碳浓度的新风负荷参与电力系统需求响应的潜力尚不清晰。该文以办公建筑新风系统为例,分别以单位小时能耗最低和全天电费最低为目标,提出了新风系统短期响应和全天响应策略,并建立了相应的响应潜力评估方法。研究结果表明:室内二氧化碳浓度惯性小,新风系统调节速度快,是优良的短期响应资源,单位小时能耗可削减20%~100%,人员密度越低,响应潜力越大,夏季尖峰电价时段平均可削减34%的新风负荷。以峰谷分时电价为响应信号,全天总运行费用可节省14%。在此基础上,进一步探究了室内二氧化碳浓度上限、人员密度、换气次数和气候区对新风负荷响应潜力的影响规律。新风柔性为建筑参与电网响应提出了新的解决方案,对于改善电力供需矛盾有较高的应用价值。

考虑多重轮换调控的空调负荷调控潜力评估与控制策略

调度空调柔性负荷是缓解电网高峰负荷的有效措施,对稳定电网运行具有重要意义。首先,构建空调负荷模型,兼顾考虑空调可投切和空调允许关断时长,引入微元法的思想,提出考虑控制时长影响的空调调控潜力评估方法。其次,分析负荷聚合商系统发展需求,基于软件定义网络提出空调状态监控系统架构。然后,以空调群聚合功率变化量与电网调控需求量差值最小为目标,以用户舒适度为重要约束,考虑空调投切状态与空调调控总时长,构建考虑多重轮换调控的空调控制策略。最后,通过仿真分析验证了所提模型不仅能根据不同响应时长准确评估空调调控潜力,而且能够提升空调可调控能力。

基于启停控制的办公建筑空调用电负荷调度研究

为挖掘空调系统用电负荷调度潜力,以青岛市某办公建筑空调系统为例,搭建TRNSYS能耗模拟仿真平台,模拟启停控制下空调系统用电情况,对空调系统用电负荷调度潜力进行分析。模拟结果表明,在保证室内热舒适的前提下,10:30-11:30停机1 h负荷调度效果最好,调度容量为557.81 kWh。若聚合区域内50栋类似规模建筑,停机1 h可调度容量为27.89 MWh,区域负荷调度效果十分可观。

基于多目标回归的空调负荷预测方法

针对空调为二次泵变流量系统时,考虑分区域供冷工况下,采用多目标回归方式解决负荷预测问题将有利于提高负荷预测准确性的情况,提出了两种多目标回归的中央空调负荷预测模型,即多目标支持向量回归(support vector regression,SVR)负荷预测模型和多目标长短期记忆(long short term memory,LSTM)神经网络负荷预测模型,利用上海市某医院的二次泵变流量系统数据对两个模型进行训练和预测,并与单目标回归预测模型进行比较.研究结果表明:相较单目标回归预测模型,两种多目标预测模型的预测精度更高;多目标SVR负荷预测模型较多目标LSTM负荷预测模型的预测准确性更高.

基于奇异谱分析的CNN-BiLSTM短期空调负荷预测模型

空调负荷的精准预测对建筑空调系统优化控制具有重要意义。为提高空调负荷预测精度,提出了一种基于奇异谱分析(SSA,Singular Spectrum Analysis)的卷积神经网络(CNN,Convolutional Neural Network)和双向长短时记忆网络(BiLSTM,Bidirectional Long Short Term Memory)短期空调负荷预测模型。使用皮尔森相关系数选取与空调负荷高相关性特征。针对空调负荷的波动性和随机性,采用SSA将空调负荷分解为多个分量,同时将各个分量带入CNN-BiLSTM模型进行预测,该模型利用了CNN的特征提取和BiLSTM的双向学习能力,并将各个分量预测结果进行重构。通过不同建筑类型的空调数据对该模型进行验证分析,发现所提出模型在预测办公建筑空调负荷中RMSE、MAPE和MAE为19.47RT、14.72RT和2.33%,在预测商业建筑空调负荷中RMSE、MAPE和MAE为82.5RT、34.21RT和0.87%。结果表明,所提出的模型具有普适性且精度较高,可进行推广应用。

几种家用大功率负荷精细化建模研究

该文基于家用负荷的物理模型、用户的使用习惯和用户的舒适度要求,提出了家用大功率负荷的精细化建模方法,该方法可应用于家庭能量管理系统,具有良好的应用前景。首先,建立考虑电热水器负荷的精细化热力学动态模型,考虑气温、墙体等因素的空调房间的精细化热力学动态模型和电动汽车负荷的精细化储能模型;然后,建立这三种负荷的精细化控制模型,通过自定义家庭算例将不同个性化的精细化参数模型对比分析。MATLAB仿真结果表明,该文建立的精细化动态模型能够准确描述用户的用电规律,对用户积极参与到电力系统需求响应中去起到促进作用。

基于SSA_(n)-SSA_(l)-LSTM的短期空调负荷预测模型

本文提出了一种奇异谱分析(SSA_(n))和麻雀搜索算法(SSA_(l))优化的长短期记忆网络(LSTM)的组合空调负荷预测模型。使用皮尔逊相关系数和主成分分析法对输入特征进行挑选和处理,以消除特征之间的冗余性和相关性。针对空调负荷的波动性和随机性,采用SSA_(n)将空调负荷分解为多个分量。同时针对LSTM超参数设置的问题,采用SSA_(l)对模型进行优化,使用优化后的LSTM对各个分量进行预测,对预测结果进行重构。利用办公建筑和医疗建筑的空调负荷数据对模型进行了验证和分析。研究发现,与其他模型相比,SSA_(n)-SSA_(l)-LSTM模型表现最好,在预测办公建筑空调负荷时决定系数(R^(2))高达0.996 7,平均绝对百分比误差(MAPE)、平均绝对误差(MAE)和均方根误差(RMSE)分别为0.62%、14.42 kW和18.82 kW,在预测医疗建筑空调负荷时R^(2)高达0.992 7,MAPE、MAE和RMSE分别为0.50%、19.40 kW和25.71 kW。

贵阳某数据中心多种空调形式的应用分析

以贵阳某数据中心为研究载体,通过对工程概况、气候条件、资源条件、空调原理和技术方案的分析,对比探究了各空调方案的机柜出架数量、节能性和经济指标。结果表明:磁悬浮蒸发相变冷却空调方案建设投资高,但能够大幅度提高机柜出架数量和项目收益;该空调系统全年耗电量较少,但水资源消耗大。间接蒸发冷却空调方案的节能性最优,但是机柜出架数量最少,单位功耗造价高,利润率低。水冷式冷水空调方案节能性差,机柜出架数量较少,但建设投资低。

激励条件下的大规模空调负荷聚合集群优化策略

为提高大规模空调负荷聚合精度、提升空调集群可调节潜力,提出了激励条件下的大规模空调负荷聚合集群优化策略。首先建立了大规模空调负荷聚合架构,然后建立单体的二阶空调等值热力参数模型,同时基于蒙特卡洛方法对不同区域的空调负荷进行二次聚合,建立用户满意度与激励水平之间的关系。在此基础上,以实际空调聚合功率与缺口负荷之间的标准差最小、空调负荷聚合商补偿费用最少为优化目标,采用粒子群算法进行求解,最后通过算例说明了本文所提策略的有效性。