CN106152343B - 一种基于全生命周期的冰蓄冷空调系统设计优化方法 - Google Patents

一种基于全生命周期的冰蓄冷空调系统设计优化方法 Download PDF

Info

Publication number
CN106152343B
CN106152343B CN201610529105.5A CN201610529105A CN106152343B CN 106152343 B CN106152343 B CN 106152343B CN 201610529105 A CN201610529105 A CN 201610529105A CN 106152343 B CN106152343 B CN 106152343B
Authority
CN
China
Prior art keywords
ice
ice storage
model
conditioning system
cost
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201610529105.5A
Other languages
English (en)
Other versions
CN106152343A (zh
Inventor
于军琪
王胤钧
赵安军
黄健恒
严龙山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian University of Architecture and Technology
Original Assignee
Xian University of Architecture and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian University of Architecture and Technology filed Critical Xian University of Architecture and Technology
Priority to CN201610529105.5A priority Critical patent/CN106152343B/zh
Publication of CN106152343A publication Critical patent/CN106152343A/zh
Application granted granted Critical
Publication of CN106152343B publication Critical patent/CN106152343B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F5/00—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater
    • F24F5/0007—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater cooling apparatus specially adapted for use in air-conditioning
    • F24F5/0017—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater cooling apparatus specially adapted for use in air-conditioning using cold storage bodies, e.g. ice
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/14—Thermal energy storage

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种基于全生命周期模型的冰蓄冷空调设计优化方法，该方法根据冰蓄冷系统特点建立冰蓄冷空调系统运行模型，以TRNSYS模拟得到的典型气象年冰蓄冷空调运行阶段的逐时负荷为依据，并设定制冷主机、蓄冰装置的设计容量和每小时供冷量，表示出冰蓄冷空调年运行费用。结合冰蓄冷空调设备的初投资，建立冰蓄冷空调全生命周期费用最低的目标函数。使用改进的粒子群优化算法求解模型，得到使冰蓄冷系统全生命周期费用最低的制冷机组和蓄冰装置的设计容量，得到的设计容量可以为用户节约系统费用。

Description

一种基于全生命周期的冰蓄冷空调系统设计优化方法
技术领域
本发明属于节能技术领域的方案设计，具体涉及一种基于全生命周期的冰蓄冷空调系统设计优化方法。
背景技术
在夏季制冷工况下，空调的用电负荷主要集中在白天的用电高峰段，空调系统的用电极大的加剧了电网负荷压力。冰蓄冷空调是在晚上用电低峰期用蓄冷装置进行蓄冰，并将夜晚蓄的冰用于白天的用电高峰期进行制冷，这样可以达到削峰填谷的作用。冰蓄冷空调的使用一方面可以减小用电高峰期的电网压力，减少电厂建设的投资，达到节能降耗的作用,有利于整个社会的资源优化配置；另外，对于企业用户而言，由于存在峰谷电价，冰蓄冷空调减少了在高峰电价段的用电量，减少了企业空调的运行成本。
传统冰蓄冷空调的设计是按照典型设计日的逐时负荷进行制冷机组容量和蓄冰装置容量的选择。在冰蓄冷空调系统中，制冷机组和蓄冰设备容量的选择不仅与用户初投资直接相关，而且可能对冰蓄冷空调系统经济运行策略的制定也会有所限制。由于冰蓄冷空调较常规空调增加了初投资费用，如果不能达到经济运行的效果，就不能为用户节约运行费用，对冰蓄冷的推广使用有很大的限制。
发明内容
为了推广使用冰蓄冷空调系统，采用冰蓄冷空调系统更好达到削峰填谷，平衡电网的作用，本发明的目的在于，提供一种基于全生命周期的冰蓄冷空调系统设计优化方法。
为了实现上述任务，本发明采取如下的技术解决方案：
一种基于全生命周期的冰蓄冷空调系统设计优化方法，其特征在于，该方法根据冰蓄冷系统特点建立冰蓄冷空调系统运行模型，以TRNSYS模拟得到的典型气象年冰蓄冷空调运行阶段的逐时负荷为依据，并设定制冷主机、蓄冰装置的设计容量和每小时供冷量，表示出冰蓄冷空调年运行费用；结合冰蓄冷空调设备的初投资，建立冰蓄冷空调全生命周期费用最低的目标函数，使用改进的粒子群优化算法求解模型，得到使冰蓄冷系统全生命周期费用最低的制冷机组和蓄冰装置的设计容量。
具体按下列步骤进行：
步骤一，确定冰蓄冷空调系统运行周期和优化运行的时间步长；
步骤二，已有建筑或设计阶段的目标建筑典型气象年冷负荷模拟；
步骤三，冰蓄冷空调系统运行费用模型的建立，其中，为了计算冰蓄冷空调系统的运行费用，需要建立制冷机组供冷量与耗电量的关系模型和蓄冰装置单位时间步长所能提供最大供冷量的模型；
所述计算冰蓄冷空调系统的运行费用是指通过建立制冷机组制冷量与电能耗的关系、蓄冰装置的供冷模型以及系统运行的相关约束，计算出每个周期系统的运行费用，再计算出系统在典型气象年夏季工况下的总费用，即得到系统运行典型气象年的年运行费用；
步骤四，冰蓄冷空调系统初投资费用模型的建立；所述冰蓄冷空调系统初投资费用模型的建立是指：
1)建立冰蓄冷空调系统设备容量与初投资的关系，所述的冰蓄冷空调系统设备容量包括制冷机组、蓄冰装置、冰蓄冷辅助设备；
2)建立设备单位冷量估算价格指标和运杂、安装、调试费用占设备价格百分比；
步骤五，通过得到的典型气象年的费用和系统设备初投资得到系统全生命周期的费用模型，并建立系统全生命周费用最低的非线性目标函数；
步骤六，利用改进的粒子群算法对非线性模型求解。
根据本发明，上述步骤二中所述的已有建筑或设计阶段的目标建筑典型气象年冷负荷模拟，使用TRNSYS软件搭建建筑模型，并输入典型气象年的气象文件数据得到目标建筑典型气象年的冷负荷。
本发明的基于全生命周期的冰蓄冷空调系统设计优化方法能够减少因系统容量设计导致对系统优化运行的约束，可以有效地减少冰蓄冷空调系统在全生命周期的费用，提高用户的经济效益，对系统的推广使用起到重要作用。
具体实施方式
以下结合实施例对本发明作进一步的详细描述。
本实施例给出一种基于全生命周期的冰蓄冷空调系统设计优化方法，在建筑暖通设计阶段或已有建筑改造中，根据建筑的特点实施。该方法根据冰蓄冷系统特点建立冰蓄冷空调系统运行模型，以TRNSYS模拟得到的典型气象年冰蓄冷空调运行阶段的逐时负荷为依据，并设定制冷主机、蓄冰装置的设计容量和每小时供冷量，表示出冰蓄冷空调年运行费用。结合冰蓄冷空调设备的初投资，建立冰蓄冷空调全生命周期费用最低的目标函数。使用改进的粒子群优化算法求解模型，得到使冰蓄冷系统全生命周期费用最低的制冷机组和蓄冰装置的设计容量，得到的设计容量可以为用户节约系统费用。
具体包括以下步骤：
(1)确定冰蓄冷空调系统运行周期和优化运行的时间步长。因为冰蓄冷空调系统采取在夜间电价低谷段制冰，制冰用于第二天电价高峰段和平价段的供冷。对于第一天夜间制冰必须保证用完，以防止“万年冰”的形成减小融冰速率，所以，确定从第一天夜间制冰开始到第二天供冷结束为冰蓄冷空调的一个运行周期。由于系统工艺要求，制冷机组设备不能反复启停，以一小时为系统的一个优化步长。
(2)根据已有建筑或设计阶段目标建筑的典型气象年冷负荷模拟。对于冰蓄冷空调设计阶段，可以根据建筑施工图纸在TRNSYS中对建筑进行建模。在TRNSYS中输入典型气象年的数据，得到典型气象年冰蓄冷空调运行阶段建筑所需冷负荷。
(3)冰蓄冷空调系统运行费用模型的建立，为了计算冰蓄冷空调系统的运行费用，需要建立制冷机组供冷量与耗电量的关系模型和蓄冰装置单位时间步长所能提供最大供冷量的模型。此外，在系统运行周期内还有相关的约束，其中包括：冰槽蓄冰上限的约束、满足室内舒适度的约束(蓄冰和制冷机组的总供冷量等于室内所需冷量)、为了防止万年冰蓄冰应尽量用完的约束。利用系统的运行费用模型和典型气象年建筑所需冷负荷可以得到系统每个周期的运行费用，每个运行周期的和就是典型气象年冰蓄冷供冷阶段的运行费用。
(4)冰蓄冷空调系统初投资费用模型的建立。建立系统设备容量与初投资的关系，得到设备单位冷量估算价格指标和运杂、安装、调试费用占设备价格百分比，其投资费用：Tcost＝Ezl*Nzl*(1+uzl)+Exb*Nxb*(1+uxb)+Efz*Hfh*(1+ufz)，Ezl、Exb、Efz分别为制冷机组、蓄冰装置、冰蓄冷辅助设备单位冷量估算价格指标；Nzl、Nxb分别为制冷机组、蓄冰装置设备容量；Hfh为建筑最大负荷；uzl、uxb、ufz为制冷机组、蓄冰装置、冰蓄冷辅助设备运杂、安装、调试百分数。
(5)系统全生命周期非线性模型的建立。冰蓄冷空调系统年运行费用是根据TRNSYS中对建筑建模，输入当地典型气象年的气象数据后模拟得出冰蓄冷空调运行时间段逐时负荷来计算的。
因为典型气象年的气象数据具有代表意义，因此用典型气象年的年运行费用近似作为系统每年的运行费用。
系统全生命周期的费用包括初投资费用和运行费用，在系统寿命年限内的费用为：
其中，Y为空调系统寿命；n为空调实际使用的年数；i为折现率，采用行业的折现率或者社会的折现率。
为了使系统全生命周期的费用最低，建立全生命周期的非线性模型：步骤(3)中运行模型的相关约束组成对每个运行周期的约束条件。
(6)利用改进的粒子群算法对非线性模型求解
粒子群算法中系统变量设定：在算法设计中，每个时间步长(每小时)的a台制冷主机的荷载量为a个粒子变量。设建筑供冷时间为b小时，供冷阶段蓄冰供冷量在每个时间步长为一个变量。所以，在一个运行周期(一天)内a台制冷主机的荷载量有24a个变量；蓄冰供冷时间为c个小时(c个变量)，每个运行周期共24a+c个变量。冰蓄冷供冷的夏季工况共d天，共(24a+c)*d个变量，制冷机组和蓄冰装置容量设置为最后两个变量，因此每个粒子共n个变量，n＝(24a+c)*d+2。
利用粒子群算法求解步骤(5)中的系统全生命周期非线性模型，在粒子群算法中加入了变异差分，调高了算法的全局搜索能力，求解可以得到冰蓄冷空调系统全生命周期费用最低时制冷机组和蓄冰装置的设计容量。
以下是发明人给出的一个具体实施例：
研究的目标建筑为某商场建筑的改造，总商业建筑面积20万平米，空调面积18.76万平米，建筑物高40.6米。
该建筑电价分为四个时段：低谷时段(00：00～8：00)、平价时段(12：00～20：00)、高峰时段(8：00～12：00，20：00～24：00)。
根据建筑的特点，模拟得到了典型气象年的冷负荷，建立了冰蓄冷空调系统的运行模型，计算得到了系统的年运行费用。结合设备的初投资费用，得出系统全生命周费用最低的非线性目标函数。通过粒子群算法对目标函数的求接得到系统设计容量。
根据得到的设备设计容量以及建立的系统运行模型对某个运行周期制定了优化运行策略，得到建筑的供冷情况如表1所示。并比较了优化运行策略与现阶段运行费用，得出通过基于全生命周期的冰蓄冷空调系统设计优化方法设计的设备容量的优化运行可以为用户减少运行费用。
表1：建筑供冷情况

Claims (2)

1.一种基于全生命周期的冰蓄冷空调系统设计优化方法，其特征在于，该方法根据冰蓄冷系统特点建立冰蓄冷空调系统运行模型，以TRNSYS模拟得到的典型气象年冰蓄冷空调运行阶段的逐时负荷为依据，并设定制冷主机、蓄冰装置的设计容量和每小时供冷量，表示出冰蓄冷空调年运行费用；结合冰蓄冷空调设备的初投资，建立冰蓄冷空调全生命周期费用最低的目标函数，使用改进的粒子群优化算法求解模型，得到使冰蓄冷系统全生命周期费用最低的制冷机组和蓄冰装置的设计容量；
具体按下列步骤进行：
步骤一，确定冰蓄冷空调系统运行周期和优化运行的时间步长；
步骤二，已有建筑或设计阶段的目标建筑典型气象年冷负荷模拟；
步骤三，冰蓄冷空调系统运行费用模型的建立，其中，为了计算冰蓄冷空调系统的运行费用，需要建立制冷机组供冷量与耗电量的关系模型和蓄冰装置单位时间步长所能提供最大供冷量的模型；
所述计算冰蓄冷空调系统的运行费用是指通过建立制冷机组制冷量与电能耗的关系、蓄冰装置的供冷模型以及系统运行的相关约束，计算出每个周期系统的运行费用，再计算出系统在典型气象年夏季工况下的总费用，即得到系统运行典型气象年的年运行费用；
步骤四，冰蓄冷空调系统初投资费用模型的建立；所述冰蓄冷空调系统初投资费用模型的建立是指：
1)建立冰蓄冷空调系统设备容量与初投资的关系，所述的冰蓄冷空调系统设备容量包括制冷机组、蓄冰装置、冰蓄冷辅助设备；
2)建立设备单位冷量估算价格指标和运杂、安装、调试费用占设备价格百分比；
步骤五，通过得到的典型气象年的费用和系统设备初投资得到系统全生命周期的费用模型，并建立系统全生命周费用最低的非线性目标函数；
步骤六，利用改进的粒子群算法对非线性模型求解。
2.如权利要求1所述的方法，其特征在于，步骤二中所述的已有建筑或设计阶段的目标建筑典型气象年冷负荷模拟，使用TRNSYS软件搭建建筑模型，并输入典型气象年的气象文件数据得到目标建筑典型气象年的冷负荷。
CN201610529105.5A 2016-07-05 2016-07-05 一种基于全生命周期的冰蓄冷空调系统设计优化方法 Expired - Fee Related CN106152343B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610529105.5A CN106152343B (zh) 2016-07-05 2016-07-05 一种基于全生命周期的冰蓄冷空调系统设计优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610529105.5A CN106152343B (zh) 2016-07-05 2016-07-05 一种基于全生命周期的冰蓄冷空调系统设计优化方法

Publications (2)

Publication Number Publication Date
CN106152343A CN106152343A (zh) 2016-11-23
CN106152343B true CN106152343B (zh) 2018-09-21

Family

ID=58061260

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610529105.5A Expired - Fee Related CN106152343B (zh) 2016-07-05 2016-07-05 一种基于全生命周期的冰蓄冷空调系统设计优化方法

Country Status (1)

Country Link
CN (1) CN106152343B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106951630B (zh) * 2017-03-17 2021-03-16 深圳市云科设计咨询服务有限公司 一种应用于空调系统中的制冷主机设备选择方法
CN107676925B (zh) * 2017-11-27 2020-01-14 中山路得斯空调有限公司 一种计算中央空调系统储冷设备的用电量的方法
CN109408884A (zh) * 2018-09-19 2019-03-01 同济大学 用于集中式空调系统自动设计的信息处理方法
CN109919384A (zh) * 2019-03-14 2019-06-21 深圳市爱能森科技有限公司 蓄冷空调制冷主机容量预测方法、装置、存储介质及终端
CN109960874A (zh) * 2019-03-25 2019-07-02 华南理工大学建筑设计研究院有限公司 一种基于运行经济性的蓄冷系统运行方法
CN111076376B (zh) * 2019-12-18 2021-03-16 西安建筑科技大学 冷负荷需求预测及冰蓄冷空调负荷分配的方法和系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004037046A (ja) * 2002-07-08 2004-02-05 Mitsubishi Electric Building Techno Service Co Ltd 氷蓄熱型空調機監視システム
JP2007303759A (ja) * 2006-05-12 2007-11-22 Toyo Netsu Kogyo Kk 氷蓄熱システムの運転制御方法
CN102519113A (zh) * 2011-12-10 2012-06-27 深圳市得益节能科技有限公司 一种中央空调蓄冰移峰填谷控制方法
CN103574845A (zh) * 2013-11-04 2014-02-12 国家电网公司 一种基于冷负荷预测的冰蓄冷系统优化控制方法
CN104913438A (zh) * 2015-05-19 2015-09-16 广州供电局有限公司 冰蓄冷系统控制优化方法与系统
CN105333543A (zh) * 2015-07-03 2016-02-17 方颖 一种多功能中央空调系统及其运行控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004037046A (ja) * 2002-07-08 2004-02-05 Mitsubishi Electric Building Techno Service Co Ltd 氷蓄熱型空調機監視システム
JP2007303759A (ja) * 2006-05-12 2007-11-22 Toyo Netsu Kogyo Kk 氷蓄熱システムの運転制御方法
CN102519113A (zh) * 2011-12-10 2012-06-27 深圳市得益节能科技有限公司 一种中央空调蓄冰移峰填谷控制方法
CN103574845A (zh) * 2013-11-04 2014-02-12 国家电网公司 一种基于冷负荷预测的冰蓄冷系统优化控制方法
CN104913438A (zh) * 2015-05-19 2015-09-16 广州供电局有限公司 冰蓄冷系统控制优化方法与系统
CN105333543A (zh) * 2015-07-03 2016-02-17 方颖 一种多功能中央空调系统及其运行控制方法

Also Published As

Publication number Publication date
CN106152343A (zh) 2016-11-23

Similar Documents

Publication Publication Date Title
CN106152343B (zh) 一种基于全生命周期的冰蓄冷空调系统设计优化方法
CN103574845B (zh) 一种基于冷负荷预测的冰蓄冷系统优化控制方法
Luo et al. Development of integrated demand and supply side management strategy of multi-energy system for residential building application
Li et al. Optimization and analysis of CCHP system based on energy loads coupling of residential and office buildings
CN107800157B (zh) 含聚合温控负荷和新能源的虚拟发电厂双层优化调度方法
CN108039710B (zh) 一种基于阶跃特性的空调负荷参与的电网日前调度方法
CN105183991B (zh) 一种区域综合能源系统的规划与设计方法
CN110094802A (zh) 一种热泵与蓄热式电锅炉联合供暖负荷分配方法及装置
Fumo et al. Energy and economic evaluation of cooling, heating, and power systems based on primary energy
Fan et al. The method of evaluating operation performance of HVAC system based on exergy analysis
Deng et al. Comparative analysis of optimal operation strategies for district heating and cooling system based on design and actual load
CN109685396B (zh) 一种计及公共楼宇需求响应资源的配电网能量管理方法
CN108053064A (zh) 一种电蓄冷负荷预测方法
CN110657512A (zh) 基于热电联合调度的冰蓄冷空调经济性分析方法和装置
Timmons et al. Decarbonizing residential building energy: A cost-effective approach
CN106557843A (zh) 一种用能需求预测方法
Oró et al. Energy model optimization for thermal energy storage system integration in data centres
CN104156787A (zh) 一种基于不同负荷特性的电力分区负荷预测方法
US20180351362A1 (en) System and method for sizing a capacity of an energy storage device
Li et al. Control method of multi-energy system based on layered control architecture
Zhao et al. Model predictive control for the ice-storage air-conditioning system coupled with multi-objective optimization
Tejani et al. Enhancing urban sustainability: Effective strategies for combining renewable energy with HVAC systems
CN108199369A (zh) 面向多种电力市场准入关联的地域性微电网低成本优化运营方法
CN118396432A (zh) 区域供冷系统能效评估方法和装置、电子设备
Parvathy et al. A smart demand side management mechanism for domestic energy consumers with major HVAC load

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180921

Termination date: 20210705

CF01 Termination of patent right due to non-payment of annual fee