CN117290939B - 一种适用于地铁车站的蓄冷设计计算方法 - Google Patents
一种适用于地铁车站的蓄冷设计计算方法 Download PDFInfo
- Publication number
- CN117290939B CN117290939B CN202311575453.2A CN202311575453A CN117290939B CN 117290939 B CN117290939 B CN 117290939B CN 202311575453 A CN202311575453 A CN 202311575453A CN 117290939 B CN117290939 B CN 117290939B
- Authority
- CN
- China
- Prior art keywords
- cold
- time
- month
- load
- model
- 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.)
- Active
Links
- 238000009825 accumulation Methods 0.000 title claims abstract description 193
- 238000004364 calculation method Methods 0.000 title claims abstract description 31
- 238000001816 cooling Methods 0.000 claims abstract description 117
- 230000005611 electricity Effects 0.000 claims abstract description 76
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 43
- 238000011084 recovery Methods 0.000 claims abstract description 17
- 230000003068 static effect Effects 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims description 46
- 238000004378 air conditioning Methods 0.000 claims description 34
- 241000220317 Rosa Species 0.000 claims description 16
- 238000013486 operation strategy Methods 0.000 claims description 5
- 238000004146 energy storage Methods 0.000 claims description 2
- 230000007774 longterm Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Geometry (AREA)
- Marketing (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Entrepreneurship & Innovation (AREA)
- Structural Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Water Supply & Treatment (AREA)
- Evolutionary Computation (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种适用于地铁车站的蓄冷设计计算方法,包括以下步骤:建立设计冷负荷模型;建立逐月负荷系数模型;建立逐时负荷系数模型;基于设计冷负荷、逐月负荷系数、逐时负荷系数,建立各月逐时冷负荷模型;基于各月逐时冷负荷,建立日冷负荷模型;基于设计冷负荷、各月逐时冷负荷,建立冷机日供蓄冷量模型;基于冷机日供蓄冷量,建立蓄冷水池蓄冷量模型;基于蓄冷水池蓄冷量、日冷负荷,建立蓄冷率模型;基于蓄冷水池蓄冷量,建立蓄冷水池有效容积模型;建立冷机各月逐时制冷量模型;建立静态投资回收期模型。本发明适应性广、实用性高,满足不同输入条件如车站系统负荷、峰谷电价时段、分时电价的变化需求,具有推广潜力和产业化前景。
Description
技术领域
本发明属于蓄冷设计技术领域,具体涉及一种适用于地铁车站的蓄冷设计计算方法。
背景技术
目前,我国城市轨道交通发展迅速。其中,环控系统作为地铁车站与区间能源消费及环境保障的重要组成部分,其运行能耗约占地铁总能源消耗的30%-40%。同时,空调负荷的急剧增长已经成为季节性电力紧张的最主要原因,导致电网峰谷差不断拉大,影响电网安全。蓄冷技术是实现电网“移峰填谷”的有效途径之一,实现节约运行电费,平衡电网负荷,实现广义节能。在城市轨道交通领域应用蓄冷技术具有重要意义和经济价值。
相较于普通民用建筑,地铁车站环控系统的蓄冷时间更短,且设备管理用房需24小时持续不断供冷。目前,鲜有针对地铁车站蓄冷系统的计算方法和运行策略,设计流程和计算步骤不够明确,现有计算方法中逐时负荷估算系数缺少地铁车站类建筑数据,不能快速准确地对地铁车站蓄冷系统进行技术性和经济性分析,亟需研发一种适用于地铁车站的蓄冷设计计算方法。
发明内容
本发明为解决现有技术存在的问题而提出,其目的是提供一种适用于地铁车站的蓄冷设计计算方法。
本发明的技术方案是:一种适用于地铁车站的蓄冷设计计算方法,包括以下步骤:
A.建立设计冷负荷模型;
B.建立逐月负荷系数模型;
C.建立逐时负荷系数模型;
D.基于设计冷负荷、逐月负荷系数、逐时负荷系数,建立各月逐时冷负荷模型;
E.基于各月逐时冷负荷,建立日冷负荷模型;
F.基于设计冷负荷、各月逐时冷负荷,建立冷机日供蓄冷量模型;
G.基于冷机日供蓄冷量,建立蓄冷水池蓄冷量模型;
H.基于蓄冷水池蓄冷量、日冷负荷,建立蓄冷率模型;
I.基于蓄冷水池蓄冷量,建立蓄冷水池有效容积模型;
J.建立冷机各月逐时制冷量模型;
K.建立静态投资回收期模型。
更进一步的,步骤A建立设计冷负荷模型,具体过程如下:
首先,得到大系统设计冷负荷;
然后,得到小系统设计冷负荷;
最后,将大系统设计冷负荷、小系统设计冷负荷相加得到设计冷负荷模型。
更进一步的,所述小系统设计冷负荷包括人员管理用房系统设计冷负荷、设备管理用房系统设计冷负荷。
更进一步的,步骤B建立逐月负荷系数模型,具体过程如下:
首先,根据空调季各月平均气温、湿度等信息,得到逐月冷负荷;
然后,基于逐月冷负荷,得到逐月负荷系数模型。
更进一步的,步骤C建立逐时负荷系数模型,具体过程如下:
首先,根据典型日客流、室外空气参数等信息得到大系统逐时冷负荷;
然后,基于大系统逐时冷负荷,得到大系统日逐时负荷系数;
再后,得到人员管理用房系统逐时负荷系数;
最后,得到设备管理用房系统逐时负荷系数。
更进一步的,步骤D基于设计冷负荷模型、逐月负荷系数模型、逐时负荷系数模型,建立各月逐时冷负荷模型,具体过程如下:
首先,将大系统设计冷负荷与大系统日逐时负荷系数相乘;
然后,将人员管理用房系统设计冷负荷与人员管理用房系统逐时负荷系数相乘;
再后,将设备管理用房系统设计冷负荷与设备管理用房系统逐时负荷系数相乘;
最后,将上述结果累加,结合逐月负荷系数模型,得到各月逐时冷负荷模型。
更进一步的,步骤E基于各月逐时冷负荷模型,建立日冷负荷模型,具体过程如下:
首先,得到步骤D中的各月逐时冷负荷模型;
然后,基于各月逐时冷负荷模型,得到日冷负荷模型。
更进一步的,步骤F基于设计冷负荷、各月逐时冷负荷,建立冷机日供蓄冷量模型,具体过程如下:
首先,得到设计冷负荷、各月逐时冷负荷;
然后,得到谷电价开始时间、谷电价结束时间;
最后,建立基于上述参数的冷机日供蓄冷量模型。
更进一步的,步骤G基于冷机日供蓄冷量,建立蓄冷水池蓄冷量模型,具体过程如下:
首先,得到冷机日供蓄冷量;
然后,建立基于冷机日供蓄冷量的蓄冷水池蓄冷量模型。
更进一步的,步骤H基于蓄冷水池蓄冷量、日冷负荷,建立蓄冷率模型,具体过程如下:
首先,得到蓄冷水池蓄冷量、日冷负荷;
然后,根据蓄冷水池蓄冷量、日冷负荷,得到蓄冷率模型。
更进一步的,步骤I基于蓄冷水池蓄冷量,建立蓄冷水池有效容积模型,具体过程如下:
首先,得到蓄冷水池蓄冷量;
然后,得到供回水温差,基于蓄冷水池蓄冷量、供回水温差,建立蓄冷水池有效容积模型。
更进一步的,步骤J建立冷机各月逐时制冷量模型,具体过程如下:
首先,建立蓄冷阶段即谷电价阶段的冷机各月逐时制冷量模型;
然后,建立释冷阶段即峰电价阶段的冷机各月逐时制冷量模型;
再后,建立释冷阶段即平电价阶段的冷机各月逐时制冷量模型;
最后,将上述冷机各月逐时制冷量模型综合,得到冷机各月逐时制冷量模型的总表达。
更进一步的,步骤K建立静态投资回收期模型,具体过程如下:
首先,计算得到常规设计方案全年电费;
然后,计算得到蓄冷方案全年电费;
最后,基于常规设计方案全年电费、蓄冷方案全年电费,计算静态投资回收期。
本发明的有益效果如下:
本发明适用于地铁车站水蓄冷系统,有助于实现电网“移峰填谷”,节约运行电费,平衡电网负荷。
本发明公布的设计方法和计算步骤适应性广、实用性高,可满足不同输入条件如车站系统负荷、峰谷电价时段、分时电价等信息的变化需求,具有推广潜力和产业化前景。
本发明采用部分负荷蓄冷方式,相比较其他蓄冷系统冷机容量设计方法,本发明公布冷机容量按车站设计负荷进行设置,有利于保障地铁车站整套冷源的稳定性和可靠性,特别适合地铁车站预留水蓄冷系统设计。
本发明建立了逐月负荷系数模型和逐时负荷系数模型,并基于设计经验和实际工程数据提出逐月负荷系数和逐时负荷系数估算表。相较于《民用建筑暖通空调设计统一技术措施》等标准中估算逐时冷负荷的方法,填补了地铁车站类建筑日逐时负荷系数估算数据的空白,同时考虑了逐月负荷的变化,使得逐时负荷的计算更加简便和准确。
本发明采用谷电价时段蓄冷、峰电价时段优先释冷的运行策略,谷电价时段冷机边蓄冷边供冷,峰电价时段优先蓄冷水池供冷,不足的冷量由冷机供冷,有利于最大程度降低电费。
本发明基于全空调周期采用逐时负荷、冷机逐时制冷量与分时电价相结合的方法计算静态投资回收期,相较于其他基于典型设计日的计算方法,可以更加准确地对水蓄冷方案进行经济性分析。
本发明基于设计经验和实际案例首次较为全面和系统地公布了适用于地铁车站的蓄冷设计方法和计算步骤,可通过编程实现自动化和程序化,有利于快速准确地对地铁车站蓄冷系统进行技术性和经济性分析。
附图说明
图1 是本发明的方法流程图。
具体实施方式
以下,参照附图和实施例对本发明进行详细说明:
如图1所示,一种适用于地铁车站的蓄冷设计计算方法,包括以下步骤:
A.建立设计冷负荷模型;
B.建立逐月负荷系数模型;
C.建立逐时负荷系数模型;
D.基于设计冷负荷、逐月负荷系数、逐时负荷系数,建立各月逐时冷负荷模型;
E.基于各月逐时冷负荷,建立日冷负荷模型;
F.基于设计冷负荷、各月逐时冷负荷,建立冷机日供蓄冷量模型;
G.基于冷机日供蓄冷量,建立蓄冷水池蓄冷量模型;
H.基于蓄冷水池蓄冷量、日冷负荷,建立蓄冷率模型;
I.基于蓄冷水池蓄冷量,建立蓄冷水池有效容积模型;
J.建立冷机各月逐时制冷量模型;
K.建立静态投资回收期模型。
步骤A建立设计冷负荷模型,具体过程如下:
首先,得到大系统设计冷负荷;
然后,得到小系统设计冷负荷;
最后,将大系统设计冷负荷、小系统设计冷负荷相加得到设计冷负荷模型。
所述小系统设计冷负荷包括人员管理用房系统设计冷负荷、设备管理用房系统设计冷负荷。
步骤B建立逐月负荷系数模型,具体过程如下:
首先,根据空调季各月平均气温、湿度等信息,得到逐月冷负荷;
然后,基于逐月冷负荷,得到逐月负荷系数模型。
步骤C建立逐时负荷系数模型,具体过程如下:
首先,根据典型日客流、室外空气等参数得到大系统逐时冷负荷;
然后,基于大系统逐时冷负荷,得到大系统日逐时负荷系数;
再后,得到人员管理用房系统逐时负荷系数;
最后,得到设备管理用房系统逐时负荷系数。
步骤D基于设计冷负荷模型、逐月负荷系数模型、逐时负荷系数模型,建立各月逐时冷负荷模型,具体过程如下:
首先,将大系统设计冷负荷与大系统日逐时负荷系数相乘;
然后,将人员管理用房系统设计冷负荷与人员管理用房系统逐时负荷系数相乘;
再后,将设备管理用房系统设计冷负荷与设备管理用房系统逐时负荷系数相乘;
最后,将上述结果累加,结合逐月负荷系数模型,得到各月逐时冷负荷模型。
步骤E基于各月逐时冷负荷模型,建立日冷负荷模型,具体过程如下:
首先,得到步骤D中的各月逐时冷负荷模型;
然后,基于各月逐时冷负荷模型,得到日冷负荷模型。
步骤F基于设计冷负荷、各月逐时冷负荷,建立冷机日供蓄冷量模型,具体过程如下:
首先,得到设计冷负荷、各月逐时冷负荷;
然后,得到谷电价开始时间、谷电价结束时间;
最后,建立基于上述参数的冷机日供蓄冷量模型。
步骤G基于冷机日供蓄冷量,建立蓄冷水池蓄冷量模型,具体过程如下:
首先,得到冷机日供蓄冷量;
然后,建立基于冷机日供蓄冷量的蓄冷水池蓄冷量模型。
步骤H基于蓄冷水池蓄冷量、日冷负荷,建立蓄冷率模型,具体过程如下:
首先,得到蓄冷水池蓄冷量、日冷负荷;
然后,根据蓄冷水池蓄冷量、日冷负荷,得到蓄冷率模型。
具体的,步骤A建立设计冷负荷模型,具体如下:
首先,得到大系统设计冷负荷;
然后,得到小系统设计冷负荷;
最后,将大系统设计冷负荷、小系统设计冷负荷相加得到设计冷负荷模型,设计冷负荷模型的表达如下:
其中,——设计冷负荷,kW;
——大系统设计冷负荷,kW;
——小系统设计冷负荷,kW。
更为具体的,大系统设计冷负荷根据车站土建条件、室内外空气计算参数、预测远期高峰客流等信息按现有设计方法进行计算。
更为具体的,小系统设计冷负荷根据公式(2)进行计算,具体如下:
其中,——小系统设计冷负荷,kW;
——人员管理用房系统设计冷负荷,kW;
——设备管理用房系统设计冷负荷,kW。
人员管理用房系统设计冷负荷、设备管理用房系统设计冷负荷/>分别根据人员管理用房环境要求、设备管理用房发热量及运行环境要求、室内外空气计算参数等信息按现有设计方法进行计算。
具体的,步骤B建立逐月负荷系数模型,具体过程如下:
首先,根据空调季各月平均气温、湿度信息,得到逐月冷负荷;
然后,基于逐月冷负荷,得到逐月负荷系数模型,具体的模型表达如下:
其中,——逐月负荷系数,n为空调季月份;
——逐月冷负荷,kW,n为空调季月份;
所述逐月冷负荷根据空调季各月平均气温、湿度等信息按现有设计方法进行计算。
具体的,步骤C建立逐时负荷系数模型,具体过程如下:
首先,根据典型日客流、室外空气得到大系统逐时冷负荷;
然后,基于大系统逐时冷负荷,得到大系统日逐时负荷系数,具体模型表达如下:
其中,——大系统日逐时负荷系数,t为时刻;
——大系统逐时冷负荷,kW,t为时刻;
——车站开始运营时间;
——车站结束运营时间。
所述大系统逐时冷负荷根据典型日客流、室外空气计算参数等信息按现有设计方法进行计算。
再后,得到人员管理用房系统逐时负荷系数,具体模型表达如下:
其中,——人员管理用房系统逐时负荷系数,t为时刻;
——车站开始运营时间;
——车站结束运营时间。
最后,得到设备管理用房系统逐时负荷系数,具体模型表达如下:
其中,——设备管理用房系统逐时负荷系数,t为时刻。
具体的,步骤D基于设计冷负荷模型、逐月负荷系数模型、逐时负荷系数模型,建立各月逐时冷负荷模型,具体过程如下:
首先,将大系统设计冷负荷与大系统日逐时负荷系数相乘;
然后,将人员管理用房系统设计冷负荷与人员管理用房系统逐时负荷系数相乘;
再后,将设备管理用房系统设计冷负荷与设备管理用房系统逐时负荷系数相乘;
最后,将上述结果累加,结合逐月负荷系数模型,得到各月逐时冷负荷模型,具体模型表达如下:
其中,——各月逐时冷负荷,kW,n为空调季月份,t为时刻;
——大系统设计冷负荷,kW;
——人员管理用房系统设计冷负荷,kW;
——设备管理用房系统设计冷负荷,kW;
——考虑蓄冷装置无效容量、冷损失的附加系数,一般可取1.05~1.1;
——逐月负荷系数,n为空调季月份;
——大系统日逐时负荷系数,t为时刻;
——人员管理用房系统逐时负荷系数,t为时刻;
——设备管理用房系统逐时负荷系数,t为时刻。
具体的,步骤E基于各月逐时冷负荷模型,建立日冷负荷模型,具体模型表达如下:
其中,——日冷负荷,kWh,n为空调季月份;
——各月逐时冷负荷,kW,n为空调季月份,t为时刻。
具体的,步骤F基于设计冷负荷、各月逐时冷负荷,建立冷机日供蓄冷量模型,具体模型表达如下:
其中,——冷机日供蓄冷量,kWh,n为空调季月份;
——各月逐时冷负荷,kW,n为空调季月份,t为时刻;
——谷电价开始时间;
——谷电价结束时间。
具体的,步骤G基于冷机日供蓄冷量,建立蓄冷水池蓄冷量模型,具体模型表达如下:
其中,——蓄冷水池蓄冷量,kWh;
——冷机日供蓄冷量,kWh,n为空调季月份。
具体的,步骤H基于蓄冷水池蓄冷量、日冷负荷,建立蓄冷率模型,具体模型表达如下:
其中,——蓄冷率;
——日冷负荷,kW,n为空调季月份。
具体的,步骤I基于蓄冷水池蓄冷量,建立蓄冷水池有效容积模型,具体过程如下:
首先,得到蓄冷水池蓄冷量,蓄冷水池蓄冷量由上文得出;
然后,得到供回水温差,建立蓄冷水池有效容积模型,具体模型表达如下:
其中,——蓄冷水池有效容积,m³;
——蓄冷水池蓄冷量,kWh;
——蓄能周期内实际输出与理论上可用能量之比,可取0. 85~0. 90;
——水的密度,kg/m³;
——水的比热容,kJ/(kg•K);
——供回水温差,℃,一般不宜小于7℃。
具体的,步骤J建立冷机各月逐时制冷量模型,具体过程如下:
水蓄冷运行策略为谷电价时间段蓄冷,峰电价和平电价时间段释冷,峰电价时间段优先释冷。
j1.建立蓄冷阶段即谷电价阶段的冷机各月逐时制冷量模型,具体的模型表达如下:
其中,——冷机各月逐时制冷量,kW,n为空调季月份,t为时刻,/>t/>;
——蓄冷水池蓄冷量,kWh;
——设计冷负荷;
——各月逐时冷负荷,kW,n为空调季月份,t为时刻;
——谷电价开始时间;
——谷电价结束时间。
j2.建立释冷阶段即峰电价阶段的冷机各月逐时制冷量模型,具体的模型表达如下:
其中, ——冷机各月逐时制冷量,kW,n为空调季月份,t为时刻,/>t/>;
——蓄冷水池蓄冷量,kWh;
——各月逐时冷负荷,kW,n为空调季月份,t为时刻;
——峰电价开始时间;
——峰电价结束时间。
j3.建立释冷阶段即平电价阶段的冷机各月逐时制冷量模型,具体的模型表达如下:
其中, ——冷机各月逐时制冷量,kW,n为空调季月份,t为时刻,/>t/>;
——蓄冷水池蓄冷量,kWh;
——设计冷负荷;
——各月逐时冷负荷,kW,n为空调季月份,t为时刻;
——峰电价开始时间;
——峰电价结束时间;
——平电价开始时间;
——平电价结束时间。
具体的,步骤K建立静态投资回收期模型,具体过程如下:
k1.常规设计方案全年电费
首先,得到各月逐时冷负荷 ;
然后,建立常规设计方案全年电费模型,具体模型表达如下:
其中, ——常规设计方案全年电费,元;
——各月逐时冷负荷,kW,n为空调季月份,t为时刻;
——考虑蓄冷装置无效容量、冷损失的附加系数,一般可取1.05~1.1;
——冷机性能系数;
——分时电价,元;
——空调季月份天数,n为空调季月份。
k2.蓄冷方案全年电费
首先,得到冷机各月逐时制冷量;
然后,建立蓄冷方案全年电费模型,具体模型表达如下:
其中, ——蓄冷方案全年电费,元;
——冷机各月逐时制冷量,kW,n为空调季月份,t为时刻;
——冷机性能系数;
——分时电价,元;
——空调季月份天数,n为空调季月份。
k3.基于常规设计方案全年电费、蓄冷方案全年电费,计算静态投资回收期
基于常规设计方案全年电费、蓄冷方案全年电费,建立态投资回收期的模型表达,具体如下:
其中, ——静态投资回收期,年;
——蓄冷系统初投资,元;
——常规设计方案全年电费,元;
——蓄冷方案全年电费,元。
具体的,步骤B中逐月负荷系数,参考表1,进行估算。
注:根据中央气象台数据:30年(1991年-2020年)广州地区整编月平均最高气温、湿度测算,其他地区车站可进行参考或修正。
具体的,步骤C中大系统日逐时负荷系数参考表2,进行估算。
注:根据广州地区某车站测算,其他地区车站可进行参考或修正。
实施例
以广州地区某地铁工程项目为例。假设该地铁车站拟采用水蓄冷技术,已知大系统设计冷负荷为800kW,人员管理用房系统设计冷负荷100kW,设备管理用房系统设计冷负荷500kW,空调季为3-11月,车站开始运营时间为6时,结束运营时间为24(0)时,拟执行的峰谷分时电价高峰时段为10-12时、14-19时、低谷时段为0-8时、其余时段为平段,峰平谷比价为1.7:1:0.38,平电价为0.070006875元/kWh,水蓄冷系统初投资为120万元。计算该套水蓄冷系统的蓄冷水池有效体积、蓄冷率以及静态投资回收期,进行技术性和经济性分析。
A.建立设计冷负荷模型
=800+100+500=1400kW。/>
B.建立逐月负荷系数模型
参考表1,进行估算。
C.建立逐时负荷系数模型
大系统日逐时负荷系数参考表2,进行估算。
人员管理用房系统逐时负荷系数
设备管理用房系统逐时负荷系数。
D.基于设计冷负荷、逐月负荷系数、逐时负荷系数,建立各月逐时冷负荷模型
以6月份某日8时为例
=1310.736kW。
E.基于各月逐时冷负荷,建立日冷负荷模型
以6月份某日为例
=25188.24kWh。
F.基于设计冷负荷、各月逐时冷负荷,建立冷机日供蓄冷量模型
以6月份某日为例
=5854.408kWh。
G.基于冷机日供蓄冷量,建立蓄冷水池蓄冷量模型
=/>=5513.2kWh。
H.基于蓄冷水池蓄冷量、日冷负荷,建立蓄冷率模型
=/>=21%。
I.基于蓄冷水池蓄冷量,建立蓄冷水池有效容积模型
=/>=794.22m³。
J.建立冷机各月逐时制冷量模型
水蓄冷运行策略为谷电价时间段蓄冷,峰电价和平电价时间段释冷,峰电价时间段优先释冷。
j1.蓄冷阶段(谷电价)
以6月份某日7时为例
判定条件
=1287.048kWh。
j2.释冷阶段(峰电价)
以6月份某日10时为例
判定条件
0kWh。
j3.释冷阶段(平电价)
以6月份某日13时为例
判定条件/>
K.建立静态投资回收期模型
=83.73万元
=61.64万元
=5.43年。
本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易得到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种适用于地铁车站的蓄冷设计计算方法,其特征在于:包括以下步骤:
A.建立设计冷负荷模型;
首先,得到大系统设计冷负荷;
然后,得到小系统设计冷负荷;
最后,将大系统设计冷负荷、小系统设计冷负荷相加得到设计冷负荷模型;
大系统设计冷负荷根据车站土建条件、室内外空气计算参数、预测远期高峰客流信息进行计算;
B.建立逐月负荷系数模型;
首先,根据空调季各月平均气温、湿度信息,得到逐月冷负荷;
然后,基于逐月冷负荷,得到逐月负荷系数模型;
C.建立逐时负荷系数模型;
首先,根据典型日客流、室外空气参数信息得到大系统逐时冷负荷;
然后,基于大系统逐时冷负荷,得到大系统日逐时负荷系数;
再后,得到人员管理用房系统逐时负荷系数;
最后,得到设备管理用房系统逐时负荷系数;
D.基于设计冷负荷、逐月负荷系数、逐时负荷系数,建立各月逐时冷负荷模型;
各月逐时冷负荷模型,具体模型表达如下:
Qz(n,t)=Kf×Km(n)×(Ktd(t)×Qd+Ktxr(t)×Qxr+Ktxs(t)×Qxs)
其中,Qz(n,t)——各月逐时冷负荷,kW,n为空调季月份,t为时刻;
Qd——大系统设计冷负荷,kW;
Qxr——人员管理用房系统设计冷负荷,kW;
Qxs——设备管理用房系统设计冷负荷,kW;
Kf——考虑蓄冷装置无效容量、冷损失的附加系数,取1.05~1.1;
Km(n)——逐月负荷系数,n为空调季月份;
Ktd(t)——大系统日逐时负荷系数,t为时刻;
Ktxr(t)——人员管理用房系统逐时负荷系数,t为时刻;
Ktxs(t)——设备管理用房系统逐时负荷系数,t为时刻;
E.基于各月逐时冷负荷,建立日冷负荷模型;
日冷负荷模型,具体模型表达如下:
其中,Qd(n)——日冷负荷,kWh,n为空调季月份;
Qz(n,t)——各月逐时冷负荷,kW,n为空调季月份,t为时刻;
F.基于设计冷负荷、各月逐时冷负荷,建立冷机日供蓄冷量模型;
冷机日供蓄冷量模型,具体模型表达如下:
其中,Qg(n)——冷机日供蓄冷量,kWh,n为空调季月份;
Qz(n,t)——各月逐时冷负荷,kW,n为空调季月份,t为时刻;
tg1——谷电价开始时间;
tg2——谷电价结束时间;
G.基于冷机日供蓄冷量,建立蓄冷水池蓄冷量模型;
蓄冷水池蓄冷量模型,具体模型表达如下:
Qx=min(Qg(n))
其中,Qx——蓄冷水池蓄冷量,kWh;
Qg(n)——冷机日供蓄冷量,kWh,n为空调季月份;
H.基于蓄冷水池蓄冷量、日冷负荷,建立蓄冷率模型;
蓄冷率模型,具体模型表达如下:
其中,i——蓄冷率;
Qd(n)——日冷负荷,kW,n为空调季月份;
I.基于蓄冷水池蓄冷量,建立蓄冷水池有效容积模型;
蓄冷水池有效容积模型,具体模型表达如下:
其中,V——蓄冷水池有效容积,m3;
Qx——蓄冷水池蓄冷量,kWh;
η——蓄能周期内实际输出与理论上能量之比,取0.85~0.90;
ρ——水的密度,kg/m3;
c——水的比热容,kJ/(kg·K);
Δt——供回水温差,℃;
J.建立冷机各月逐时制冷量模型;
水蓄冷运行策略为谷电价时间段蓄冷,峰电价和平电价时间段释冷,峰电价时间段优先释冷;
j1.建立蓄冷阶段即谷电价阶段的冷机各月逐时制冷量模型,具体的模型表达如下:
其中,Qj(n,t)——冷机各月逐时制冷量,kW,n为空调季月份,t为时刻,tg1<t<tg2;
Qx——蓄冷水池蓄冷量,kWh;
Qs——设计冷负荷;
Qz(n,t)——各月逐时冷负荷,kW,n为空调季月份,t为时刻;
tg1——谷电价开始时间;
tg2——谷电价结束时间;
j2.建立释冷阶段即峰电价阶段的冷机各月逐时制冷量模型,具体的模型表达如下:
其中,Qj(b,t)——冷机各月逐时制冷量,kW,n为空调季月份,t为时刻,tf1<t<tf2;
Qx——蓄冷水池蓄冷量,kWh;
Qz(n,t)——各月逐时冷负荷,kW,n为空调季月份,t为时刻;
tf1——峰电价开始时间;
tf2——峰电价结束时间;
j3.建立释冷阶段即平电价阶段的冷机各月逐时制冷量模型,具体的模型表达如下:
其中,Qj(n,t)——冷机各月逐时制冷量,kW,n为空调季月份,t为时刻,tp1<t<tp2;
Qx——蓄冷水池蓄冷量,kWh;
Qs——设计冷负荷
Qz(n,t)——各月逐时冷负荷,kW,n为空调季月份,t为时刻;
tf1——峰电价开始时间;
tf2——峰电价结束时间;
tp1——平电价开始时间;
tp2——平电价结束时间;
K.建立静态投资回收期模型
静态投资回收期的模型表达,具体如下:
其中,A——静态投资回收期,年;
Cc——蓄冷系统初投资,元;
Cs——常规设计方案全年电费,元;
Cx——蓄冷方案全年电费,元。
2.根据权利要求1所述的一种适用于地铁车站的蓄冷设计计算方法,其特征在于:所述小系统设计冷负荷包括人员管理用房系统设计冷负荷、设备管理用房系统设计冷负荷。
3.根据权利要求1所述的一种适用于地铁车站的蓄冷设计计算方法,其特征在于:步骤D基于设计冷负荷模型、逐月负荷系数模型、逐时负荷系数模型,建立各月逐时冷负荷模型,具体过程如下:
首先,将大系统设计冷负荷与大系统日逐时负荷系数相乘;
然后,将人员管理用房系统设计冷负荷与人员管理用房系统逐时负荷系数相乘;
再后,将设备管理用房系统设计冷负荷与设备管理用房系统逐时负荷系数相乘;
最后,将上述结果累加,结合逐月负荷系数模型,得到各月逐时冷负荷模型。
4.根据权利要求1所述的一种适用于地铁车站的蓄冷设计计算方法,其特征在于:步骤E基于各月逐时冷负荷模型,建立日冷负荷模型,具体过程如下:
首先,得到步骤D中的各月逐时冷负荷模型;
然后,基于各月逐时冷负荷模型,得到日冷负荷模型。
5.根据权利要求1所述的一种适用于地铁车站的蓄冷设计计算方法,其特征在于:步骤F基于设计冷负荷、各月逐时冷负荷,建立冷机日供蓄冷量模型,具体过程如下:
首先,得到设计冷负荷、各月逐时冷负荷;
然后,得到谷电价开始时间、谷电价结束时间;
最后,建立基于上述参数的冷机日供蓄冷量模型。
6.根据权利要求1所述的一种适用于地铁车站的蓄冷设计计算方法,其特征在于:步骤G基于冷机日供蓄冷量,建立蓄冷水池蓄冷量模型,具体过程如下:
首先,得到冷机日供蓄冷量;
然后,建立基于冷机日供蓄冷量的蓄冷水池蓄冷量模型。
7.根据权利要求1所述的一种适用于地铁车站的蓄冷设计计算方法,其特征在于:步骤H基于蓄冷水池蓄冷量、日冷负荷,建立蓄冷率模型,具体过程如下:
首先,得到蓄冷水池蓄冷量、日冷负荷;
然后,根据蓄冷水池蓄冷量、日冷负荷,得到蓄冷率模型。
8.根据权利要求1所述的一种适用于地铁车站的蓄冷设计计算方法,其特征在于:步骤I基于蓄冷水池蓄冷量,建立蓄冷水池有效容积模型,具体过程如下:
首先,得到蓄冷水池蓄冷量;
然后,得到供回水温差,基于蓄冷水池蓄冷量、供回水温差,建立蓄冷水池有效容积模型。
9.根据权利要求1所述的一种适用于地铁车站的蓄冷设计计算方法,其特征在于:步骤J建立冷机各月逐时制冷量模型,具体过程如下:
首先,建立蓄冷阶段即谷电价阶段的冷机各月逐时制冷量模型;
然后,建立释冷阶段即峰电价阶段的冷机各月逐时制冷量模型;
再后,建立释冷阶段即平电价阶段的冷机各月逐时制冷量模型;
最后,将上述冷机各月逐时制冷量模型综合,得到冷机各月逐时制冷量模型的总表达。
10.根据权利要求1所述的一种适用于地铁车站的蓄冷设计计算方法,其特征在于:步骤K建立静态投资回收期模型,具体过程如下:
首先,计算得到常规设计方案全年电费;
然后,计算得到蓄冷方案全年电费;
最后,基于常规设计方案全年电费、蓄冷方案全年电费,计算静态投资回收期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311575453.2A CN117290939B (zh) | 2023-11-24 | 2023-11-24 | 一种适用于地铁车站的蓄冷设计计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311575453.2A CN117290939B (zh) | 2023-11-24 | 2023-11-24 | 一种适用于地铁车站的蓄冷设计计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117290939A CN117290939A (zh) | 2023-12-26 |
CN117290939B true CN117290939B (zh) | 2024-03-22 |
Family
ID=89253857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311575453.2A Active CN117290939B (zh) | 2023-11-24 | 2023-11-24 | 一种适用于地铁车站的蓄冷设计计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117290939B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106969450A (zh) * | 2017-04-19 | 2017-07-21 | 南京酷朗电子有限公司 | 地铁环境控制系统和方法 |
CN110657512A (zh) * | 2018-06-29 | 2020-01-07 | 清华大学 | 基于热电联合调度的冰蓄冷空调经济性分析方法和装置 |
CN111553465A (zh) * | 2020-04-27 | 2020-08-18 | 西安建筑科技大学 | 一种基于vmd-gru网络的公共建筑冷负荷预测方法 |
CN112989590A (zh) * | 2021-03-08 | 2021-06-18 | 中国铁路设计集团有限公司 | 一种地铁车站公共区内部冷负荷的计算方法 |
CN113324297A (zh) * | 2021-06-07 | 2021-08-31 | 广东申菱环境系统股份有限公司 | 一种地铁车站的环控系统及其控制方法 |
CN115406020A (zh) * | 2022-07-13 | 2022-11-29 | 广州地铁设计研究院股份有限公司 | 一种低位闭式水蓄冷供冷系统 |
CN116538665A (zh) * | 2023-05-30 | 2023-08-04 | 深圳达实智能股份有限公司 | 基于蓄放冷预调节地铁站空调模型的控制系统及方法 |
-
2023
- 2023-11-24 CN CN202311575453.2A patent/CN117290939B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106969450A (zh) * | 2017-04-19 | 2017-07-21 | 南京酷朗电子有限公司 | 地铁环境控制系统和方法 |
CN110657512A (zh) * | 2018-06-29 | 2020-01-07 | 清华大学 | 基于热电联合调度的冰蓄冷空调经济性分析方法和装置 |
CN111553465A (zh) * | 2020-04-27 | 2020-08-18 | 西安建筑科技大学 | 一种基于vmd-gru网络的公共建筑冷负荷预测方法 |
CN112989590A (zh) * | 2021-03-08 | 2021-06-18 | 中国铁路设计集团有限公司 | 一种地铁车站公共区内部冷负荷的计算方法 |
CN113324297A (zh) * | 2021-06-07 | 2021-08-31 | 广东申菱环境系统股份有限公司 | 一种地铁车站的环控系统及其控制方法 |
CN115406020A (zh) * | 2022-07-13 | 2022-11-29 | 广州地铁设计研究院股份有限公司 | 一种低位闭式水蓄冷供冷系统 |
CN116538665A (zh) * | 2023-05-30 | 2023-08-04 | 深圳达实智能股份有限公司 | 基于蓄放冷预调节地铁站空调模型的控制系统及方法 |
Non-Patent Citations (3)
Title |
---|
冰蓄冷空调技术在地铁环控中的应用研究;贺江波;《中国优秀博硕士学位论文全文数据库(硕士) 工程科技II辑》;全文 * |
某城市地铁车站采用冰蓄冷系统分析;贺利工;《应用技术》;全文 * |
水蓄冷空调系统的运行性能分析;张田;《中国优秀硕士学位论文全文数据库 工程科技II辑》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117290939A (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Energy flexibility investigation of advanced grid-responsive energy control strategies with the static battery and electric vehicles: A case study of a high-rise office building in Hong Kong | |
Dávi et al. | Energy performance evaluation of a net plus-energy residential building with grid-connected photovoltaic system in Brazil | |
CN105240916B (zh) | 一种适用于高原寒冷地区建筑的主动式太阳能系统优化方法 | |
Cole et al. | Use of model predictive control to enhance the flexibility of thermal energy storage cooling systems | |
Chegari et al. | Local energy self-sufficiency for passive buildings: Case study of a typical Moroccan building | |
CN109919480A (zh) | 一种三层目标的能源互联网规划方法及设备 | |
CN108053064A (zh) | 一种电蓄冷负荷预测方法 | |
Liu et al. | Energy consumption comparison analysis of high energy efficiency office buildings in typical climate zones of China and US based on correction model | |
Fan et al. | Two-layer collaborative optimization for a renewable energy system combining electricity storage, hydrogen storage, and heat storage | |
Liu et al. | A case study of ground source direct cooling system integrated with water storage tank system | |
Ozcan et al. | Numerical simulation and parametric study of various operational factors affecting a PV-battery-air conditioner system under prevailing European weather conditions | |
CN115186356A (zh) | 一种考虑建筑形态布局的区域能源系统规划方法 | |
Da et al. | Simulation and experiment of a photovoltaic—air source heat pump system with thermal energy storage for heating and domestic hot water supply | |
CN109146284B (zh) | 一种城市建筑可再生能源综合利用量及规模的核算系统及方法 | |
Qi et al. | Study on optimization of winter operation characteristics of solar-ground source heat pump in Shanghai | |
CN117290939B (zh) | 一种适用于地铁车站的蓄冷设计计算方法 | |
Yuan et al. | Analysis of influencing factors on heat consumption of large residential buildings with different occupancy rates-Tianjin case study | |
Medrano et al. | Economics and climate change emissions analysis of a bioclimatic institutional building with trigeneration and solar support | |
CN107563547B (zh) | 一种用户侧用能纵深优化综合能源管控方法 | |
CN116029518A (zh) | 一种计及广义储能的园区综合能源系统的碳排放规划方法 | |
Ha et al. | A study of zero energy building verification with measuring and model-based simulation in exhibition building | |
Bruggmann et al. | Toward grid-friendly zero-energy buildings | |
Vallati et al. | Renewable Energy System Applied to Social Housing Building in Mediterranean Climate | |
Lammle et al. | Valuation of Novel Waste Heat Sources and a Path Towards Adoption | |
Duran | State of the art and economic viability of a photovoltaic system with energy storage in residential buildings |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |