用于冷水机组能效提升的模型预测控制：结合多时段预测与基于机器学习的系统模型

提出基于冷水机组回水温度（CHR）的预测控制方法，通过多项式模型整合未来制冷容量输入，建立多模型预测框架（24种负荷预测+12种CHR预测），结合BONMIN求解实时优化，在曼谷5000RT商业建筑中验证实现11.07%能效提升，并保持43天稳定运行。

作者：Assawayut Khunmaturod, Andaman Lekawat, Sittisak Tongdee, Warodom Khampanchai

公司地址：AltoTech Global，Ban Tad Thong，Wang Mai，Pathum Wan，曼谷10330，泰国

摘要

模型预测控制（MPC）在冷水机组应用中具有显著的节能潜力，但在实际改造过程中面临诸多挑战，尤其是设备输出数据与建筑物实际热状态之间的脱节问题。本文提出了一种新方法，利用回水温度（CHR）预测来实现主动式冷水机组控制。该创新之处在于开发了多项式CHR预测模型，这些模型将未来的冷却能力作为输入参数，使MPC能够在达到传统阈值之前评估降低冷却能力所带来的热效应。与被动控制不同，后者需要等待温度指标，我们的方法能够预测不同停机情景下的CHR变化，从而在确保热舒适度的同时，提前确定安全降低冷却能力的时机。该框架采用多时段集成方法，包含24个负荷预测模型和12个CHR预测模型，即使在训练数据不连续的情况下也能提供可靠的预测结果。最终形成的混合整数非线性规划（MINLP）问题结合了Gordon-Ng冷水机组模型和运行约束，并通过开源的非线性混合整数编程工具BONMIN实时求解，同时具备自动回退策略。在曼谷的一栋5000 RT规模的商业建筑中进行的实地应用显示，与传统控制方式相比，节能效果达到了11.07%。经过43天的扩展验证，该方法的表现始终稳定，且节能效果与天气无关。这种方法利用了每台冷水机组中已有的温度传感器，无需额外安装设备即可立即实现高级优化。

引言

冷水机组是大型商业建筑中能耗最高的系统之一，占空间调节总能量的40%以上[1]。在热带气候条件下，建筑物的暖通空调（HVAC）能耗占比高达56%[2]，某些地区甚至达到70%[3]。随着全球能源消耗预计到2050年增长近50%[4]，而建筑物占全球最终能源消耗的30%[5]，优化冷水机组的运行成为减少碳排放和节省成本的关键途径。

冷水机组优化的复杂性源于设备的非线性特性、变化的负荷、相互连接的子系统以及运行约束。传统的基于规则的控制策略虽然可靠，但由于其被动性质和无法预测未来情况，导致能源消耗效率低下。

模型预测控制（MPC）作为一种强大的优化工具，能够预测未来系统状态并在约束条件下主动管理控制动作[6]-[15]。过去十年中，众多研究表明，MPC通过优化冷水机组的运行顺序和设定点控制，可有效降低能耗，模拟环境下的节能效果介于5%至14%之间[16]-[18]。

然而，MPC的实际应用面临一个根本性问题：冷水机组容量读数与建筑物实际热状态之间的脱节。容量读数反映的是受泵的动态和流量变化影响的瞬时设备输出，而这种变化在热效应影响空间之前10-20分钟才会发生。建筑物的热质量进一步加剧了控制的复杂性，导致容量波动，同时空间条件保持稳定。最关键的是，容量读数无法提供关于未来热变化的预测信息。

回水温度（CHR）为这一测量难题提供了直接解决方案。CHR反映了建筑物的整体热状态——从所有冷却盘管返回的水携带了实际被排出的热量。与容量读数不同，CHR具有平稳且可预测的动态特性，这使其非常适合用于预测性控制。由于每台冷水机组都装有CHR传感器用于安全监控，因此无需额外基础设施。通过开发将未来冷却能力作为输入参数的预测模型，我们将CHR从被动的安全阈值转变为主动控制的机会，从而能够在确保舒适度的同时提前决定停机时间。

本文提出了一种利用CHR温度进行预测性控制的方法，以便在确保舒适度的同时，提前识别降低冷却能力的机会。虽然传统控制依赖于CHR阈值，但我们的方法能够预测不同控制情景下的CHR变化。关键在于CHR的热惯性：降低冷却能力后，CHR会逐渐上升，为优化提供了时间窗口。

我们的贡献包括：

• 1. 多项式CHR预测框架，用于建模冷却能力决策与温度变化之间的关系，实现安全的主动停机。
• 多时段集成方法，包括24个负荷预测模型和12个CHR预测模型，以实现可靠的预测性控制。
• 在曼谷一座5000 RT规模的商业建筑中进行实地验证，通过开源的非线性混合整数编程工具BONMIN实现实时MINLP优化，获得了11.07%的节能效果。

与需要额外传感器或复杂系统模型的方法不同，该框架利用现有传感器，使现有建筑能够立即进行高级优化。通过将CHR从安全约束转变为预测性控制资源，我们的方法消除了MPC应用的传统障碍。

本文结构如下：第2节回顾相关研究并指出研究空白；第3节介绍方法论，包括负荷预测、CHR预测和MPC建模；第4节描述建筑系统和控制架构；第5节分析实地应用结果，包括预测性能和节能效果验证；第6节讨论结论和实施经验。

相关工作

过去十年中，先进控制策略在冷水机组中的应用取得了显著进展。我们将相关研究分为三类：（1）MPC建模和优化方法；（2）建筑能源系统的预测方法；（3）实际应用及其局限性。

方法论

本研究提出了一种用于优化冷水机组运行顺序和停机计划的MPC策略。鉴于实时准确负荷数据的获取受到限制，我们利用CHR作为替代指标来指导控制决策。

建筑和冷水机组概述

本案例研究对象是位于泰国曼谷的一座零售商场，建筑面积为220,000平方米，配备有95,988平方米的空调空间。该商场每天运营时间为05:30至22:00，冷却负荷范围为0-3376 RT（平均2604 RT）。

冷水机组由六台主要的水冷离心式冷水机组组成：四台1000 RT容量和两台500 RT容量，总容量为5000 RT。所有冷水机组使用R-134a制冷剂，额定效率为0.598-0.644 kW/RT。该机组采用主变流量配置运行。

负荷预测性能

多时段预测框架使用该建筑两个月的运行数据进行了验证。表3展示了24个独立预测模型的性能指标，所有预测时段的准确率均较高。

模型的平均绝对误差范围为125-190 RT（约为平均建筑负荷的10%-15%），所有预测时段的R值均超过0.97。

基于树的集成方法在预测性能方面表现出色。

结论

本文提出了一种利用CHR温度预测进行冷水机组优化的新方法，实现了主动控制决策。在曼谷一座5000 RT规模的商业建筑中的实地验证显示，节能效果达到了11.07%，并且在43天的持续运行中表现稳定。

该创新的核心在于实现预测性控制而非被动控制。通过将未来冷却能力作为多项式CHR模型的输入参数，MPC能够在提前评估各种停机方案。

作者贡献声明

Assawayut Khunmaturod：撰写、审稿与编辑、初稿撰写、软件开发、方法论研究、数据分析、概念构思。

Andaman Lekawat：软件开发、数据分析。

Sittisak Tongdee：数据分析、概念构思。

Warodom Khampanchai：撰写、审稿与编辑、资源协调、数据分析。

资金支持

本研究未获得公共部门、商业机构或非营利组织的任何特定资助。

未引用的参考文献

[17], [18], [19], [20], [21], [22], [23]

利益冲突声明

作者声明不存在可能影响本文研究结果的已知财务利益冲突或个人关系。