部分负荷下空调机房系统群控策略优化研究

■暖通空调

doi：10．3969j．issn．1673-7237．2019．11．009

部分负荷下空调机房系统群控策略优化研究

沈

楠，刘

邈，刘魁星，刘

刚

（天津大学天津市建筑物理环境与生态技术重点实验室，天津300072）

摘要：

*

对实现部分负荷下中央空调机房群控系统优化所需的技术进行了一系列研究。采用参数辨识的方法对空调冷冻水系统、冷却水系统和冷水机组的功率进行数学建模，平均准确度达到99%以上。根据功率优化的目标函数和约束条件，对多变量最优化算法进行对比并选择，计算

在天津大学地源热出部分负荷下的最优控制参数。提出匹配空调机组状态响应的控制方法，

泵空调机房进行实验，新的控制策略比传统的机房系统节约电能29.67%，比现有的机房群控

策略具有更高的能源使用效率。

关键词：

机房群控；全局优化；参数辨识；

TU111A中图分类号：文献标志码：能源使用效率

文章编号：

1673-7237（2019）11-0045-07

OptimizationofAirConditioningRoomGroupControlling

StrategySystemunderPartialLoad

SHENNan，LIUMiao，LIUKui-xing，LIUGang

（TianjinUniversity，Tianjinkeylaboratoryofbuildingphysicalenvironmentand

ecologicaltechnology，Tianjin300072，China）

Abstract：Thispaperdidaseriesofresearchesonthetechnologyoftheairconditioningsystemgroupcontroloptimization．Mathematicalmodelsofthepoweroftheairconditioningchilledwatersystem，coolingwatersystemandchillerunitsareestablishedbyparameteridentificationmethod．Averageaccuracyofparameteridentificationisover99%．Accordingtotheoptimizationobjectivefunctionandconstraints，multivariateoptimizationalgorithmsarecomparedandselected，andtheoptimalcontrolparametersarecalculatedunderpartialload．Acontrolmethodofmatchingthestateofairconditioningunitsisproposed．ThenthegroundsourceheatpumpairconditioningroominTianjinUniversityisstudiedexperimentally．Thenewcontrolstrategysaved29.67%electricitycomparedtothetraditionalairconditioningsystemgroupcontrolstrategyandhadhigherenergyefficiency．

Keywords：airconditioningroomgroupcontrolling；globaloptimization；parameteridentification；energyefficiency

0引言

空调系统的最大负载能力由最不利环境条件决［1］定，在这样的环境条件下达到了空调运行的最大负荷条件，然而空调设备在97%的时间内都在70%负荷以下波动运行。机房群控系统的基本架构就是以变

12-06；收稿日期：2018-01-10修回日期：2019-：“十三五”*基金项目国家重点研发计划项目：目标和效果导向的绿

色建筑设计新方法及工具（2016YFC0700200）；国家自然“寒冷气候区低能耗公共建筑空间设计理论与方科学基金

（51338006）；高等学校学科创新引智计划资助法”（B13011）

频水泵、空调机组为基础，根据平衡建筑热负荷所需

以达到对能源要输出的能量对系统进行整体地控制，

的优化利用。目前市场上成熟的机房群控系统产品

并不多见，多数的工程现场为追求系统运行的稳定性和安全性，所采取的控制方式较为简单如水泵长期定频运行，或者只进行水系统变频控制，未能实现整个系统的优化。

针对这种现象，近年来有许多对于空调系统节能控制的研究，取得了良好的效果。对于各设备的节能策略研究，华南理工大学刘雪峰对中央空调系统制冷

45

沈楠，等：部分负荷下空调机房系统群控策略优化研究

主机、冷却水系统、冷却塔等设备子系统的节能方法

为各个子设备系统的节能策略提供了进行了深入研究，

［2］［3］

良好参考。Vakiloroaya对不同形式的暖通空调系统的优化控制策略进行了总结和分析，建立了系统各部件

差别和控制时序，使得产生热量的空调机组和运输热

从而进一步挖掘节能潜力。量的水泵运行状态相匹配，

1

基于匹配空调机组响应状态的机房群控

策略

能耗模型，并对某商业建筑的中央空调进行了优化。

对于空调系统控制参数全局优化，山东大学段胜才使用交叉熵算法对空调系统进行优化控制，平均节

［4］

能率为25.34%。东南大学张青采用非线性规划算法对机房群控参数进行了整体的动态优化，通过仿真

［5］

模拟进行验证。潘昭海对冷冻机房的节能控制数学模型进行研究，对核心控制参数进行定性分析，建

通过实际运行对比，该群控系统立参数优化数据库，

可比传统的控制方法节能30%

［6］

基于匹配空调机组响应状态的机房群控策略主

确定优化算法的要包括有建立设备功率的数学模型、

目标函数与约束条件、选取合适的优化算法进行计

算、在实际的空调机房进行对比实验四个步骤，其技术路线如图1所示。各步骤的详细说明如下。

（1）建立设备功率的数学模型采用一种基于历史数据与实时更新数据的参数辨识方法，对变频水泵、冷水机组的功率的数学模型进行建立并验证。

（2）确定优化算法的目标函数与约束条件

以设备功率之和最小作为优化计算的目标函数，设备自身的运行特性和设备之间的约束特性作为优化计算的约束条件。

（3）选取合适的优化算法进行计算

根据空调系统优化计算问题的特点选取遗传算法进行优化计算，得到优化后的控制参数。

（4）在实际的空调机房进行对比实验

提出匹配空调机组响应状态的机房群控策略，并和标准工况、传统群控策略在天津大学低碳建筑实验舱进行3天的对比实验验证。

。YaoY提出高计

算效率的分解协调算法对实际的中央空调系统进行

［7］

全局能耗优化，具有显著节能效果。Parameshwaran对空调的优化控制涉及的多变量耦合进行研究，提出基于变制冷剂流量与变风量地模糊控制遗传算法用

在线优化控制参数，在夏季于空调系统的优化运行，

获得54%的节能潜力，在冬季最大可获得61%的节能

［8］

潜力，年平均节能潜力可达到36%。现有的研究成果对于各设备系统的节能策略及控制参数进行全局优化，本文在此基础上综合考虑整个空调机房系统的优化，提出了匹配机组响应状态的机房群控策略。考虑中央空调系统各个设备的响应时间

图1整体技术路线

Fig.1Overalltechnicalroute

1.11.1.1

空调系统设备功率模型参数辨识变频水泵功率模型参数辨识——变频水泵的频观察输入量—采用参数辨识方法，

——水泵的实时功率，率、水系统的流量，输出量—进行数学模型建立。

本文使用的参数方程参考ASHRAEapplications

handbook［9］指出的水泵的能耗和流量、扬程具有强相关关系。其能耗数学模型可推导成式（1）：

23

Ppump=a0+a·1G+a·2G+a·3GkW；式中：Ppump为水泵的功率，

G为水泵的流量，m3/h；a0，a1，a2，a3为模型的参数。而根据水泵运行的相似性原理：

G1f1

=G2f2

（1）

通过分析系统参数辨识是一种实验统计的方法，

在运行过程中的输入输出数据，经过算法估计一种参数模型，该模型无法表示地源热泵系统实际的运行机理，但能够反应输入输出参数的关系。本小节主要介绍对地源热泵系统所包含的三个设备子系统进行功率模型的参数辨识，以便得到数学模型后对整个系统的效率优化计算。

冷冻水系统和冷却水系统的主要能耗设备为变频水泵，然而由于每个机房的管网特性不同，以及末端所需的最不利压差值也不同，想要通过纯理论的计算得到水系统的功率数学模型较为困难。因此本文46

（2）

沈楠，等：部分负荷下空调机房系统群控策略优化研究

式中：f1、f2为水泵在变频控制前后的频率值。但是要

满足上述的相似性原理需要满足一定的工程条件：一是机房系统中无背压系统存在，二是并联水泵同步变频调速，三是系统的管路特性曲线不变或偏离不多

［10］

。故而在冷冻水系统与冷却水系统水泵满足上

述运行条件的情况下，

功率数学模型的建立就转化成为以频率为输入、功率为输出的参数辨识问题。选取批处理最小二乘法及递推最小二乘法进行

参数辨识［11］

。最小二乘法是一种经典的参数辨识方法，它的衍生算法具有各自的特点。本文使用批处理最小二乘算法对地源热泵系统的历史运行数据进行分析得出参数化初始值。

系统的输入输出关系可以描述成下式的最小二乘格式：

z（k）=hT

（k）·θ+n（k）

（3）

式中：z（k）为系统的输出量即本研究中的Ppump；

hT（k）为可观测的数据向量即本研究中的G；

n（k）为均值为零的随机噪声。

利用数据序列z（k），h（k），建立代表参数估计误差的准则

L

函数J（θ）=

∑［z（k）－hT（k）·θ］2，

通过对准则函数k=1

进行极小化运算得到θ：｛a0，

a1，a2，a3｝的参数估计值从而完成模型建立。

θ=（HT

H）

－1

HTZ

（4）

式中：H、

Z均为输入数据和输出数据组成的矩阵H｛h（1），h（2），…，h（k）｝T，Z=｛z（1），z（2），…，z（k）｝。

递推最小二乘算法对后续时间段内的数据进行参数辨识，并与实际的功率值进行比较。递推算法是获得新的数据就修正一次参数辨识的估计值，

从而能够随着实验的进行获得满意的辨识结果。算式如下：θ（k）=θ（k－1）+K（k）［

z（k）－hT（k）θ（k－1）］（5）K（k）=M（k－1）h（k）［hT（k）M（k－1）h（k）+1］－1

（6）

M（k）=［I－K（k）hT

（k）M（k－1）］

（7）式中：K（k）为递推算法的数据增益；

M（k）为数据协方差矩阵，M（k）=（HTH）－1

。

1．1．2

冷水机组功率模型参数辨识相比于水泵功率模型，空调冷水机组更加复杂，

涉及多个变量输入。影响冷水机组能耗的因素众多，本文参考被广泛接受的ASHRAEapplicationshand-book

［9］

提出的模型。

P=bT2

C0+b1（cwr－Tchws）+b2（Tcwr－Tchws）+

b3（Tcwr－Tchws）Qe+b2

4Qe+b5Qe（8）

式中：PC为热泵机组的功率，

kW；Tcwr为冷却水的进水温度，℃；Tchws为冷冻水的供水温度，℃；Qe为机组的负荷，kW；

b0，b1，b2，b3，b4，b5为功率模型中的参数。相比于水泵的参数辨识，空调机组模型更加复

杂，

因此本文采用了最小二乘法的衍生算法，遗忘因子递推最小二乘辨识。引入遗忘因子进行计算可以消除旧数据信息的影响，适用于冷水机组这样复杂的时变系统。

θ（k）=θ（k－1）+K（k）［

z（k）－hT（k）θ（k－1）］（9）K（k）=M（k－1）h（k）［hT（k）M（k－1）h（k）+μ］－1

（10）

M（k）=

1

μ

［I－K（k）hT（k）M（k－1）］，0＜μ≤1（11）

新引入的遗忘因子μ由人工确定，并根据数据量

及更新速度调整。1．2

最优化计算的目标函数与约束条件

本文的优化计算方法适用于水循环中央空调系统，即计算对象仅包括冷冻水系统、冷却水系统及冷水机组。并在以下假设条件下进行优化计算：冷却侧不论何种冷热源（地源井、冷却塔）都能够使水循环吸收或释放足够的能量；中央空调末端无论何种形式（风机盘管、地板辐射）都能使水循环吸收或释放目标能量。

1．2．1最优化计算目标函数

将空调机房的水泵和机组功率之和作为目标函

数进行最优化计算，

求解其最小值，从而得出机房控制变量的最优化参数值。空调系统的总功率为Pall。进行最优化计算的目标函数如下：

minPall=min（Pp1+Pp2+PC）

（12）

式中：Pp1为冷冻水系统水泵功率；

Pp2为冷却水系统水泵功率；

PC为热泵机组功率，见公式（1）和（8）。f1为冷冻水泵变频控制的频率值，f2为冷却水泵变频控制的频率值，以及冷冻水出水温度Tchws作为最优化计算后得出的控制参数变量值，其余的参数值均

作为最优化计算的输入变量，

由空调系统直接测量得到初值，然后通过算式计算得到递推值。1．2．2

最优化计算的约束条件

机房群控的效率优化控制策略必须保证整个系

统稳定运行，

要求系统的各个运行参数在一定的范围内变动。这些参数范围由设备自身约束以及设备间

47

沈楠，等：部分负荷下空调机房系统群控策略优化研究

的约束决定。

（1）水泵的变频运行频率范围约束：

fminmax1＜f1＜f1（13）fmin2＜f2＜fmax

2（14）

频率下限值由水泵的最低运行频率和管网特性中的最不利压差点所需扬程共同决定，频率上限值则为工频频率。

（2）冷冻水系统和冷却水系统的供回水温度及温差约束：

TminTmaxchws＜chws≤Tchws（15）Tminmaxchwr＜Tchwr≤Tchwr（16）Tminmaxcws＜Tcws≤Tcws（17）Tmin＜Tmaxcwrcwr≤Tcwr（18）Tminmaxchw＜ΔTchw≤ΔTchw（19）Tmin＜ΔTmaxchwchw≤ΔTchw

（20）

式中：Tchwr为冷冻水回水温度；

Tcws冷却水出水温度。

对于使用空调机组供热的使用工况，水系统的各个参数均应在合理范围之内，进出水温度差ΔTchw由系统运行现场的工程经验决定范围。

（3）设备之间的约束：在冷冻水循环和空调机组内部工质循环中存在能量平衡关系式：

Qe=Gchwc水（Tchwr－Tchws）

（21）

同样在冷却水循环和空调机组内部工程循环的能量平衡关系式：

Ppump1+Qe=Gcwc水（Tcwr－Tcws）

（22）

1.3

最优化算法选择

从上述的目标函数和约束条件可以看出，空调机房群控优化策略是一个单目标多变量强耦合非线性的复杂问题。解决此类数学问题有许多可以选择的算法，如经典算法中的牛顿法、共轭梯度法及其他衍生算法；之后出现的智能化算法如遗传算法、神经网络算法。

经典算法的特点是收敛速度快，算法规则较为明

确，

理论完善，因此计算量较小。但是同时对数据和算式的要求很高，否则很容易陷入局部最优，不能求出全局最优解。

智能化算法各有特点，其中的遗传算法能够很好地解决陷入局部最优的特点。遗传算法是一种全局搜索最优解的算法，其缺点是运行时间较长。空调机房群控策略的控制参数改变时间间隔大都在10min以上，因为较为频繁的更改参数会造成热泵机组内压缩机启停过于频繁，机组使用寿命缩短等问题。因此，在有足够算法运行时间保证的情况下，本文选择

了遗传算法作为最优化算法［12］

。48

图2

遗传算法流程

Fig.2Processofgeneticalgorithm

如图2为遗传算法的计算流程。首先进行种群初始化，将优化计算涉及的n个变量进行染色体编码，染色体由m位基因组成二进制编码，每个基因取值0或1。根据约束条件（13）至（22），设定染色体有效取值赋范空间X即为种群X=（X1，

X2，X3，…，XT其中X=（X1n），i，X2i，X3i，…，Xmii），因此可将整个种群初始化为一个m×n的浮点数矩阵。

遗传算法每进行一次迭代，都要对每个染色体是否符合优胜劣汰条件进行适应度评价。该评价函数Eval（X）由优化计算的目标函数确定。

每一代染色体进行适应度评价后，需通过选择算法进行更新种群。首先将种群中所有染色体的适应

值求和得到∑n

i=1Eval（Xi），以每个染色体的适应值Eval（Xi）与∑ni=1Eval（Xi）的比值作为染色体累计概

率p（Xi）。在区间［0，1］上产生一个随机数，该数值大小为p（Xi）的选取下限，如此进行n次选取。以上

就是轮盘赌选择算法种群更新过程。

交叉算法和变异算法是对染色体内部的基因编码进行更新，从而全局搜索适应值更高的染色体。交叉算法一般包含单点交叉和多点交叉，当代染色体X11A、X11B通过交换单个或多个基因得到下代染色体X21A、X21B。之后进行变异算法，预设变异概率pv，随机产生区间［0，1］上的一个随机数若小于pv，改变该染色体基因，循环m次完成变异算法。设定最大迭代次数、结果精度等终止条件。最终寻找到符合条件的染

色体，

其代表的值即为所求解的变量值。沈楠，等：部分负荷下空调机房系统群控策略优化研究

1.4对比实验验证

1.4.1

匹配空调机组响应状态的控制策略

面对复杂控制系统问题，现有的群控策略为根据

优化计算结果，在每个控制周期开始时，同时改变各个控制参数。然而，控制系统在信号输入时，控制系统会经历一个瞬态响应过渡到下一个稳定运行状态［13］

。对于空调系统而言，

空调冷水机组的系统响应较为缓慢，具有一定的过程性，而水泵通过变频控

制具有非常短的瞬态，可以迅速达到目标控制值。为解决此问题，本文提出匹配空调机组状态响应的控制方法，即每个控制周期内，先进行空调机组冷冻水出水温度的控制，

根据机组状态响应的阶段，再改变冷冻侧水泵和冷却层水泵的频率。

图3

典型控制系统瞬态响应过程

Fig.3Processofcontrolsystemtransientresponse

如图3是典型控制系统的瞬态响应过程，

h（t）为系统输出的观察量，

在本文中为冷冻水出水温度Tchws。h（t）为1代表系统在稳态时候的值，tr为上升

时间，响应曲线从稳态值的10%上升到90%所需的时间。tp为峰值时间，响应曲线达到第一个峰值所需的时间。ts为调节时间，响曲线达到并保持在误差允许范围内的最短时间。一般认为控制系统瞬态响应在ts过渡到稳态。在本文中，由于实际工程难以获得准确的ts。采用tc作为控制信号输入时间，即当检测到h（t）到达峰值之后第一次出现稳态值的时间，发出水泵变频控制信号，使水泵与冷水机组的稳态相匹配。1.4.2对比实验介绍

本文共进行三次实验进行对比，实验地点均为天津大学低碳建筑实验舱。空调机房内部有完备的数据记录平台，包括空调机组状态（冷冻水供回温度、冷却水供回温度）、水泵运行频率、热量表、可远传功能的智能电表等。三次实验均在冬季典型气候条件下的周末进行，且在无人使用该实验舱的情况下，减少内扰因素。

第一次实验未采用机房群控策略，水泵定频45Hz运行，热泵机组冷冻水系统出水温度设定为

43℃。实时记录空调系统输出到末端的热量以及各设备的能耗。

图4第二次实验流程

Fig.4Processofthesecondexperiment

第二次实验采用传统机房群控策略。将第一次

实验中记录的空调系统输出热量数据进行整流，得到从9：00－17：00之间每20min的热量值。将该值作

为机房群控策略优化计算的输入负荷值，即Qe。根据前文确定的目标函数式（1）～（4），以及约束条件

式（5）～（14），

使用遗传算法进行系统全局优化计算。其中Qe为输入变量。Gcw、

Gchw、Tchwr、Tcws、Tcwr的初值由实验平台测量得到，其他参数均由以上变量根据计算得出。最优化求解得出每20min为一个控制周期

下f1、f2、Tchws的变量值，进行第二次实验，具体控制变量值见表1。

第三次实验采用匹配热泵机组状态的群控策略。最优化计算得出的控制变量值不变，但按照本章1.4.1节提出的匹配空调系统状态响应，调整控制信号发出的时序。

2

结果与分析

2.1

空调系统设备功率数学模型建立

使用1.1.1及1.1.2的方法在实际空调机房中进

行数据采集，水泵持续运行过程中每10s中记录一组数据，得到了空调水系统运行的实时流量、频率和功率。利用MATLAB实现两种算法的参数辨识。参数辨识结果与实测的功率值比较如下。递推次数代表参数辨识方法计算的数据组数。

49

沈楠，等：部分负荷下空调机房系统群控策略优化研究

表1冷冻水系统水泵功率参数辨识结果

Table1Identificationresultofchilledwatersystempumppower

递推次数实际值/kW

辨识值/kW误差误差百分比/%

302.26202.27760.01560.690

602.19662.20730.01070.486

902.12072.12110.00040.020

表2

1202.03902.04780.00880.430

1501.96981.96370.00610.309

1801.96561.96970.00410.208

2101.89381.90290.00910.480

2401.82471.82820.00350.190

2701.75881.76530.00650.368

3001.76091.76240.00150.088

冷却水系统水泵功率参数辨识结果

Table2Identificationresultofcoolingwatersystempumppower

递推次数实际值/kW辨识值/kW误差误差百分比/%

302.96972.96830.00140.048

602.86302.87250.00950.332

902.75622.75980.00360.132

1202.65512.65840.00330.123表3

1502.65382.65690.00310.116

1802.56642.56030.00610.238

2102.46332.47170.00840.341

2402.46322.46420.00100.041

2702.46932.46470.00460.185

3002.46672.46480.00190.078

空调冷水机组功率辨识结果

Table3Identificationresultofairconditioningunitpower

递推次数实际值/kW辨识值/kW误差误差百分比/%

3027.543427.45420.08920.324

6027.552827.12790.42491.542

9027.586027.55910.02690.098

12027.608027.23500.37301.351

15018.202918.12880.07410.407

18027.383027.08410.29891.091表4

21027.491027.34550.14550.529

24027.233427.20680.02660.098

27027.576327.57600.00030.001

30027.543427.45420.08920.324

通过以上对机房群控系统的功率模型辨识的结果可以看出，水系统的水泵功率建模与实测值相比平空调机组为0.6%。采用参数辨均误差率为0.33%，

识的方法所得到的功率模型精度可以用于机房群控系统的效率优化计算。2.2

对比实验结果及分析

按1.4.2节所述的实验流程在天津大学低碳建

采样时刻10：0011：0012：0013：0014：0015：0016：0017：00总能耗

2018年1月5日、13日、14日实验结果对比

13，and14，2018January5，实验一

实验二第二次实验

h能耗/kW·25.4224.0423.4418.0620.3827.1726.6428.45193.61－

节能

率/%27.0030.1732.2047.6939.2113.4416.2516.08－28.02

实验三第三次实验

h能耗/kW·26.6324.0523.3716.9019.5526.8226.0525.80189.18－

节能

率/%23.5330.1332.3951.0441.6914.5518.1223.92－29.67

Table4Comparisonofexperimentalresultson

第一次实验

h能耗/kW·34.8234.4234.5734.5333.5431.3931.8133.91268.98－

1月5日筑实验舱进行实验。图5为天气变化趋势，

14日进进行第一次实验的整体气温低于1月13日、行第二次和第三次实验时，而1月13日和14日气温

较为接近。第一次实验采用热量表测量机组冷冻水供回干管得出实验时间内共输出热量790kW·h，第二次实验共输出热量696kW·h，第三次实验共输h。受室外气温变化的影响，出743kW·第二次和第三次实验的输出热量值整体低于第一次实验。

平均节能率/%

表4中的节能率均以第一次实验的能耗为基值

采用机房群控系统获计算得来。从表4中可以看出，

得了很好的节能率。但是由于三次实验的室外天气

条件有差异，导致空调热负荷不同。因此定义综合能观察源使用效率η=总输出热量Eq/总电能消耗Ee，三次实验的综合能源使用效率如下。

表5

综合能源使用效率对比

Table5Comparisonofcomprehensiveenergyefficiency

总输出热量Eq/

hkW·790

696743

总电能消耗Ee/

hkW·268.93

193.61189.18

综合能源使用效率η2.943.593.93

图5实验室外天气变化趋势/℃

第一次实验第二次实验第三次实验

Fig.5Outdoorweathertrendsduringexperiment/℃

50

沈楠，等：部分负荷下空调机房系统群控策略优化研究

由表5可以看出，采用了匹配机组状态控制方法

综合能源使用效率分别比无群控策略的第三次实验，

9.47%。与传统群控策略分别提高了33.67%、

giesforHVACenergysaving［J］．EnergyConversion＆Management，2014，77（1）：738－754．

［4］段胜才．空调水系统节能优化控制研究［D］．济南：山东大学，2015．［5］张青．中央空调系统节能运行控制方法研究［D］．南京：东南大学，2016．

［6］潘昭海，唐旺，郭莉．冷冻机房群控系统节能策略分析［J］．制冷与2017，17（2）：44－48．空调，

［7］YeYao，JingChen．Globaloptimizationofacentralair-conditioning．EnergyandBuild-systemusingdecomposition-coordinationmethod［J］ings，2010，42（5）：570－583．

［8］PARAMESHWARANR，KARUNAKARANR，KUMARCVR，etal．Energyconservativebuildingairconditioningsystemcontrolledand．EnergyandBuildings，optimizedusingfuzzy－geneticalgorithm［J］2010，42（5）：745－762．

［9］SOUTHARDLE，XIAOBINGLIU，SPITLERJD．Performanceof2014，56（12）：HVACSystemsatASHRAEHQ［J］．ASHRAEJournal，12－23．

［10］符永正，周红丹，柳志威．水泵比例定律在供暖空调工程中的应用2010，40（2）：39－42．分析［J］．暖通空调，

［11］．北京：国防工业出版社，李言俊，张科．系统辨识理论及应用［M］2009：13－24．

［12］孟华，龙惟定，王盛卫．基于遗传算法的空调水系统优化控制研J］．建筑节能，2007，（1）：39－42．究［

［13］M］．广州：华南理工大学出版社，1989．周其节．自动控制原理［

3结论与展望

本文着眼于对机房群控实现所需的各项技术进

行研究。①使用参数辨识方法对空调系统中的水泵、冷水机组进行数学建模并通过实测数据与辨识结果进行对比验证。②选取遗传算法对水循环中央空调系统进行功率最优化计算。③提出了匹配机组响应状态的控制方法，并进行了实际实验验证。传统的群控策略为同时改变其控制参数，则不能使能源效率利

能够让水用达到最优。本文所提出的方法优势在于，泵输送热量的能力真正和机组释放热量的能力相匹

配，真正使优化计算的目的达到，使得机房内部的能量输配效率达到最优。

但是，在优化算法方面限于硬件设备条件，无法获得更高的计算效率。同时，本次实验是以第一次实

在实际的机房群控验实测能耗作为热量输出的标准，

策略实施时，需要精确的实时能耗预测作为支撑。

参考文献：

［1］江华，刘宪英，黄忠．中央空调能耗现状调查与分析［C］//2005西2005－09，南地区暖通空调热能动力年会论文集．总第73期，中国重：《制冷与空调》2005：34－36．编辑部，庆

［2］刘雪峰．中央空调冷源系统变负荷运行控制机理与应用研究［D］．2012．广州：华南理工大学，

［3］VakiloroayaV，SamaliB，FakharA，etal．Areviewofdifferentstrate-

作者简介：com）。指导教师：

沈楠（1993），男，满族，吉林人，毕业于天津大学，建筑学

专业，硕士研究生，主要从事建筑科学与技术研究（715566783@qq．

刘刚（1977），男，河南郑州人，博士，教授，研究方向为建

筑技术科学（lglgmike@163．com）。

（上接第39页）

子系统和太阳能供热子系统等。确定了绿色社区建筑与多源分布式能源系统供能侧和用能侧的基本信

息数据，数据信息包括静态信息和动态信息。基于VisualStudio为开发平台，采用C#语言和SQLServer数据库搭建了绿色社区多源分布式能源系统的一体化软件，包含实时显示、基本信息、历史查询、数据曲线、数据分析、能耗预测等模块。实现了绿色社区能

能源输配和能源使用的集中监测和管理，实源生产、

现供能和用能的协调统一，便于实现绿色社区能源系

统的一体化管理与优化调度，真正实现社区能源系统的节能降耗。

参考文献：

［1］BinodPrasadKoirala，EltaKoliou，JonasFriege，etal．Energeticcom-munitiesforcommunityenergy：areviewofkeyissuesandtrendsshapingintegratedcommunityenergysystems［J］．RenewableandSustainableEn-ergyReviews，2016，56：722－744．

［2］胡延凯．公共建筑能耗数据釆集与信息处理一体化集成技术研D］．济南：山东建筑大学，2015．究［

［3］俞辉，．湘潭大学自然唐桂忠．大型公共建筑能耗数据集成技术［J］2013，35（4）：105－109．科学学报，

［4］刘丹．大型公共建筑能耗监测平台及监管模式［J］．西安建筑科技2014，46（1）：96－100．大学学报：自然科学版，

［5］刘雨洋，汪家权，许建．基于无线数据传输技术的智能云制控能耗J］．通讯世界，2014，（22）：15－17．监测平台［

［6］王长涛，韩忠华，原宝龙，等．基于GPRS无线传输的建筑能耗监测2013，29（1）：181－186．系统［J］．沈阳建筑大学学报：自然科学版，

［7］牛冲丽，王涛．基于物联网的大型公共建筑能耗监测与节能服J］．物联网技术，2015，5（7）：29－31，34．务［

［8］蔡华，．无冯春芳．利用物联网实现对城市重点能耗监测与管理［J］2015，（6）：49－50．线互联科技，

［9］姚庆梅，．山贾燕，张永坚，等．省级医院建筑节能监测系统研究［J］2015，30（1）：71－77．东建筑大学学报，

作者简介：张珣珣（1993），女，山东青岛人，硕士，主要从事建筑与能

源系统自动化研究（zhang_xunxun@126.com）。指导教师：

李慧（1970），女，山东人，博士，教授，主要从事建筑与能

源系统自动化研究（lhh@sdjzu.edu.cn）。

51