[发明专利]基于室内平均温度的空调负荷预测方法

说明书

技术领域

本发明涉及中央空调技术领域，尤其涉及一种基于室内平均温度的空调负荷预测方法。

背景技术

中央空调系统采用集中的冷热源(由冷机、锅炉、水泵、冷却塔、换热器等组成)向建筑物提供空调或生产所需的制冷/热量。准确预测未来一段时间内的制冷/热需求(负荷)有助于自动化控制系统或者运行人员调整冷热源的运行，确保空调服务质量(对舒适性空调而言要确保用户的舒适度，对生产过程要言要确保工艺对温湿度的要求)，降低冷热源的能耗水平。

大部分的中央空调系统将空调供水和回水总管上的温差或压差当作是预测负荷的基础。以温差为例：认为温差在某个范围内，制冷/热量足够；温差上升，说明当前制冷/热量不够；温差小到一定程度，说明当前制冷/热量过大。以压差为例：认为压差在某个范围内，制冷/热量足够；压差上升，说明当前制冷/热量过大；压差小到一定程度，说明当前制冷/热量不足。此外，人们还将温差与流量的乘积当做负荷水平。

在楼宇自动化系统较完备的大楼中，人们将空调末端设备(空调箱、风机盘管等)的阀门开度作为预测负荷的基础。制冷时当末端的温度超过设定的上限时，这些阀门倾向于最大开度，当低于下限时，这些阀门倾向于最小开度。制热时当末端的温度超过设定的上限时，这些阀门倾向于最小开度，当低于下限时，这些阀门倾向于最大开度。根据末端阀门整体的开度可以估计负荷高于、接近、还是低于当前的制冷/热量。

为了对制冷/热负荷进行长时间跨度的预测，人们采用统计(各种回归分析方法)或者机器学习(例如人工神经元网络)的方法根据历史数据对制冷/热负荷随各种因素变化的规律进行总结和提取，然后根据当前以及近期的各种条件推断出负荷未来的变化情况。

采用温差的负荷预测方法与末端的实际需求脱节，并且只能对极近期的负荷进行大概推测。举个极端的例子，中央空调处在制冷状态，冷冻水供水温度为7℃。室内温度降到了20℃以下。然而由于管路的冷量散失以及末端设备的控制问题回水温度还可能在10℃左右。3℃的供回水温差意味着大楼仍然有制冷要求，而实际上此时的大楼已经过冷了，暂时无需再提供制冷量了。

同样，采用压差的负荷预测方法与末端的实际需求脱节，并且只能对极近期的负荷进行大概推测。与压差测点距离不同的两台空调末端设备，它们的冷冻水阀门发生相同的变化时，对总管压差造成的变化是不同的。因此总管压差与各个末端冷冻水阀门的开度变化之间没有简单的线性叠加关系。负荷不足和负荷过大在空间上不同的分布会产生同样的总管压差。因此压差信息无法准确指示负荷水平。

相比前两种方法，参考空调末端设备的阀门开度进行负荷预测仍然只能对极近期的负荷进行大概推测，但它利用了用户侧的信息。可惜的是阀门开度受到控制策略和设备可靠性的影响很大。不合理的阀门控制策略、失灵的阀门都会导致用户侧信息失真。

上述三种方法都只能推测极近期的负荷水平，不能对1个小时甚至几个小时后的负荷水平进行推测。而且都只能给出定性的负荷水平估计(高于、接近、还是低于当前制冷/热量)。

将温差与流量的乘积(当前制冷/热量)作为量化的负荷水平也不准确，因为该乘积实际上反映的是当前建筑物的冷/热量损失，并不是建筑物真正的负荷需求。

采用统计或者机器学习的方法能够取得量化的较长时间跨度的负荷预测数据，但由于缺乏用户侧直接采集的负荷信息，所获得的负荷数据不能反映用户侧真正的制冷/热需求。这些方法往往将总管上记录到的制冷或制热总量作为实际的负荷，但由于没有从用户侧直接获得负荷信息，无法判断当前制冷/热量是过供应、欠供应、还是正合适，所以采用的“负荷”数据并不能反映当时用户真正的制冷/热需求。错误的数据基础不能保证获得准确的统计结果(根据长期过供应的数据获得的统计结果会推测出一个导致过供应的负荷预测数据)。

此外，多数大时间跨度的预测方法不能很好地反应极近期的负荷变化。实际上近期预测(例如未来半小时内的预测)可以利用更多的已知条件(例如当前时间点供回水温度，当前室外温湿度等)获得更准确的估计，而远期预测使用的许多数据本身也是推测出来的含有较大的不确定性。不区分近期与远期预测，采用“一视同仁”的方法获得整个时段的负荷预测将不可避免地牺牲近期预测的准确性。

发明内容

本发明要解决的技术问题是：针对目前对于中央空调未来一段时间的负荷预测准确性不高，无法反映用户真实的制冷/热的需求，容易造成空调能耗浪费的现状，本发明提供了一种基于室内平均温度的空调负荷预测方法来提高负荷预测的准确性。