摘要：本文针对某办公建筑冰蓄冷空调系统，通过BP神经网络对比计算，发现具有1个和2个隐含层的神经网络预测次日逐时负荷最为准确。在此基础上提出多次预测取平均值的方法。结果表明该方法的指标评估结果要远远优于指标平均的结果。然后以预测次日逐时负荷为基础，以系统运行经济最小化为目标，建立目标函数和客观约束的数学模型，通过MATLAB优化工具箱成功计算出了经济最优的冷量分配结果。与目前常见的主机优先和融冰优先两大控制策略对比分析，经济最优控制策略能够满足供冷需求且最为经济。
关键词：冰蓄冷空调系统BP神经网络预测负荷经济最优控制策略
引言：冰蓄冷空调系统通常应用在办公楼，大型商场，宾馆，饭店和医院等负荷变化较大的场合。它主要有两个优点：1）降低装机容量，从而减少制冷主机和电力增容费用。2）在实行峰谷电价的城市，因充分使用低谷电，冰蓄冷空调可大大节约运行费用。由于冰蓄冷空调系统比常规空调多出许多额外的设备，系统结构复杂，对自控的要求也更高。如果在运行中其策略或控制方法选择不适，会导致移峰填谷的优势没有完全发挥，造成运行节约的经济未达到预期目标，使得该技术的推广受到一定的限制。本文根据某冰蓄冷空调系统，针对其目前使用的主机优先供冷的运行控制方式加以改进，以神经网络预测建筑冷负荷作为基础，通过优化算法合理分配制冷主机和蓄冰装置逐时供冷量，从而得到经济最优化的运行方式。
一、建筑负荷实测
本文先对位于淮安的某办公建筑冰蓄冷空调系统的逐时供冷量和室外温湿度进行测试，测试时间从2016年8月5日至8月18日，共计317个小时。测试工具为ZUF-100型超声波能量表和RC-4HC型温湿度测量仪，测得的数据如图1和图2所示。
图1实测建筑冷负荷
图2实测干球温度和相对湿度
二、负荷预测
建筑冷负荷是与多种因素相关的非线性系统，而人工神经网络（ArtificialNeuralNetwork，ANN）对于此类系统在模型建立方面具有较好的适应性，同一种结构几乎不需要修改就能在不同建筑中使用。因此本文选用ANN作为淮安办公建筑冷负荷预测的工具。
1、结构与参数的选择
ANN隐含层个数和各隐含层神经元个数的选取目前还没有统一的准则。Kawashima指出隐含层可按照2n+1（n为输入层神经元个数）选取。人工神经网络的BP算法最具影响力，据统计，有近90%的神经网络采用这一方法。本文选用具有13个神经元隐含层的BP神经网络预测冷负荷。
为了简化办公建筑的负荷预测，本文将从建筑物冷负荷影响因素主要有内扰和外部环境两个部分进行分析。虽然内扰在夏季负荷中占较大比重，可是在正常工作日，它跟作息时间有关，因此本文使用时间来体现内扰的影响。石磊对外部环境与冷负荷的相关性做出了研究，研究表明，室外干球温度和湿度对冷负荷具有较强的线性相关性，而太阳辐射与冷负荷成非线性相关。考虑到实际测量和影响权重，将室外空气干球温度、湿度作为输入参数。本文最后确定选用BP神经网络输入层6组参数为：星期、时刻、k时刻室外干球温度、k-1时刻室外干球温度、k-2时刻室外干球温度、k时刻室外空气相对湿度。输出层1组参数，为建筑物k时刻的逐时冷负荷。
2、冷负荷预测评估
将6组输入参数和1组输出参数归一化处理后，统一导入MATLAB神经网络工具箱中进行训练。选取前250h数据用于训练神经网络，后67h数据用于验证网络准确度。MATLAB神经网络工具箱在预测负荷时，阀值和权值随机产生，所以每次预测的值会有所差别。因为隐含层的层数无法确定，所以本文分别将一至五层隐含层，用相同数据每层预测30次，研究不同个数隐含层对预测结果的影响。为了量化分析不同结构的BP神经网络预测精度，分别使用了三个指标来评价预测结果。
1）相对误差δ
此处相对误差指的是预测总量与实测总量的相对误差。能量表实际测得最后67h内空调总负荷共为430258kWh，而将预测总负荷的相对误差从小到大依次排列，结果如图3所示。
图3预测总负荷相对误差
2）均方根误差mse
此处均方根误差指的是预测值与实测值的分散程度。将每组数据与实际测得的逐时负荷进行比较，计算出均方根σ，从小到大依次排列，则可以看到结果如图4所示。
图4预测均方根误差
3）相关系数ρXY
相关系数是两个测量变量之间关联变化程度的指标。将每组数据与实际测得的逐时负荷进行比较，并计算出相关系数，从小到大依次排列，则结果如图5所示。
图5预测相关系数
将上述各个隐含层预测数据整理，取各指标平均值结果如表1所示。
表1指标平均值评估
由表1可知，1个和2个隐含层的神经网络预测效果较好。BP神经网络在单次预测中有可能出现极端值，对于冰蓄冷空调系统的优化运行极为不利，为了避免这种情况，本文首先剔除数据中的负数，然后取30次逐时预测冷负荷的平均值，其结果如图6所示。
图6预测数据平均值
采用和上述三个指标对预测数据平均值进行评估，发现经过处理后的预测数据平均值评估结果要远远优于指标平均的结果，如表2所示。
表2预测数据平均值评估
三、经济最优运行方式
最优化问题从数学角度来讲就是一个将实际问题转化为求一元或多元函数的极值的问题。用最优化原理解决客观问题，一般经历两个步骤：建立数学模型和数学求解。
1、建立数学模型
冰蓄冷空调系统的优化实际上是在满足建筑空调负荷的条件下对主机供冷量和蓄冰槽供冷量的合理分配，从而达到运行费用最低的目标。因此本文的目标函数即为空调系统制冰与供冷的日运行费用，约束条件为冰蓄冷空调的机组供冷能力、蓄冰槽融冰能力等。
（1）系统优化数学模型
设建筑在k时刻的空调负荷为qk，其中制冷主机承担qrk，主机运行费用为R（qrk），蓄冰槽承担qik，其运行费用为I（qik），全天运行费用M为：
式中：qrk，max和qrk，min为主机k时刻的最大和最小供冷能力，kW；qik，max为蓄冰槽在k时刻最大供冷能力，kW。N为空调每天的供冷运行时间，h。
（2）融冰性能曲线
因为在上述约束条件包含了蓄冰装置在k时刻的单位时间供冷量最大值，所以必须确定蓄冰装置的性能曲线才能求解上述问题。本项目共有19台BAC蓄冰盘管，系统潜热有效蓄冰量为41472kWh。根据文献[6]采用的经验公式，拟合内融冰的蓄冰槽k时刻最大融冰速率为：
2、
图7、单位冷量价格随逐时负荷变化趋势
由图7可知，主机优先控制方式下系统供冷价格始终保持最高，随着逐时冷负荷增大而减小。之所以会发生这种现象，是因为逐时负荷低时，主机优先控制方式优先使用制冷机组，且此时制冷机组的负载率和COP很低，加之白天机组运行时为峰值电价，因此此时主机运行费用较高。但随着逐时负荷的提高，制冷机组的负载率随之提高，使得机组一直在较高能效范围内工作，造成供冷价格持续下降。当冷负荷进一步提高，机组满负荷运行，系统开始使用价格更低廉的蓄冰槽内的冷量，造成供冷价格再一次下降，最终趋向于其他两种供冷方式的价格。
结束语
综上所述，在融冰供冷基础上，系统在低负荷阶段运行时间，决定了经济最优控制最终能比其他两种控制方式节约的运行费用。
参考文献：
[1]孙可，何德，李春筱，董树锋，徐航，何仲潇.考虑冰蓄冷空调多模式的工厂综合能源系统多能协同优化模型[J].电力建设，2017，38（12）：12-19.
[2]陈秋雄，徐文东，陈敏.LNG冷能用于冰蓄冷空调的技术开发[J].煤气与热力，2012，32（08）：6-9.
[3]杜艳利，何世辉，肖睿，黄冲，冯自平.直接蒸发内融式冰蓄冷空调的蓄冷和释冷特性[J].制冷学报，2007（03）：31-35.
[4]郝荣荣，钱兴华，郭温芳.冰蓄冷空调及其在我国的应用前景[J].制冷与空调（四川），2005（02）：60-62.
[5]胡鸣若，余国和，顾安忠.蓄冷率与冰蓄冷空调经济性诸因素的关系[J].上海理工大学学报，2002（02）：113-117+121.
论文作者:方媛
论文发表刊物:《基层建设》2018年第23期
论文发表时间:2018/9/18
标签：负荷论文; 神经网络论文; 空调论文; 误差论文; 平均值论文; 本文论文; 数据论文; 《基层建设》2018年第23期论文;