您的浏览器不支持JavaScript,请开启后继续
  • "

    ✅火狐体育app✅㊣全球最大,最信誉的线上综合平台✅火狐体育app✅千款游戏,砖石级服务,火狐体育app,欢迎各界玩家加入体验!

  • "

    China Heating,Ventilation and Air Conditioning
    联系热线:010-64693287 / 010-64693285

    基于大数据的住宅建筑多联机系统室外机设计方法研究

    • 作者:
    • 中国暖通空调网
    • 发布时间:
    • 2021-07-12

    钱明杨1、燕达1、江亿1、刘华2、王宝龙1

    1 清华大学建筑学院建筑节能研究中心;2 空调设备及系统运行节能国家重点实验室

           【摘   要】多联机系统广泛应用于居住建筑之中,通常由一个室外机与多个室外机组成。多联机系统的室外机容量设计对系统运行能耗影响大。本文对实际居住建筑中的354个多联机系统的逐分钟供冷量数据进行了分析,针对系统不同负荷率的出现小时数统计,发现仅有3%的时间负荷率达到80%以上。针对这一现象对室外机容量设计的配置率进行了优化调整,并通过统一的多联机能耗模型计算不同配置率情况下的能耗水平与不满意率,最后基于计算结果为不同室内机台数的多联机系统给出了推荐的室外机容量设计配置率。

           【关键词】多联机 容量设计 配置率 居住建筑

    1 引言

           多联机系统通常是一个室外机与多个室内机通过管路连接的制冷空调系统,由于其每个室内机末端都可以单独调节灵活可控,室外机采用变频或变容量控制[1],广泛应用于居住建筑与小型办公建筑之中,近年来其市场占有率快速增长,2013年-2018年中央空调市场占有率从37.9%增长至50.4%[2],并且多联机的能耗占比也持续增长,2017年城镇住宅制冷能耗中5%为多联机供冷能耗[3]。所以提高多联机系统的效率降低能耗变得尤为重要。

           多联机系统的容量设计是多联机系统设计的基础,设计容量的大小会影响系统出投资与实际运行效率。若多联机系统容量设计偏小,则使得系统无法满足用户供冷供热需求;若多联机系统容量设计偏大,则会导致多联机系统长期处于低负荷率运行,运行效率低能耗高。对于多联机系统的末端室内机容量设计,通常以设计工况的房间负荷决定[4],而对于室外机设计容量,其需要满足所有室内机的需求来设计,首先计算每个室内机的设计工况容量,考虑不同方位房间最大负荷出现的时刻,并考虑负荷安全系数,作为室外机的设计容量[5],所以室外机容量与室内机容量总和往往不同,众多研究者提出了“连接率”[6]、“配置比”[7]等指标定义了室内机容量总与室外机容量的比值。国家标准GB/T 18837-2015中定义了各室内机的名义制冷量之和与室外机组名义制冷量之和的比为“配置率”[8],行业标准JGJ 174-2010中规定:一般系统配置室内机总能力控制在室外机能力的50%~130%之间[9]。对于配置率大于100%,即室内机容量总和大于室外机容量的情况,被定义为室外机超配。已有研究指出,对于公共建筑可以适当超配110%,而对于家用多联机可以超配130%[10]

           从已有的研究中可知,目前室内机与室外机容量的配置率只给出了一个数值范围,其次目前的计算方法中仅考虑了不同方位房间峰值负荷出现的时间差异,而实际建筑中的多联机系统每个末端都可以灵活调控,能使得用户完全按照个人需求进行调节,所以用户的空调人行为对多联机系统的运行及能耗影响非常大[11-12],而用户的空调人行为差异巨大,使用传统的少量的案例测试[13]或者大规模调研问卷都难以获取真实用户的空调人行为分布情况[14],即很难通过实地测试或问卷调研获取不同多联机系统的复杂运行模式。但是随着智能家居、物联网和数据传输存储技术的发展,大规模的建筑空调系统数据的获取变得更加容易[15]。数据挖掘分析方法可以很好地获取实际空调的复杂运行模式[16],将实际多联机运行数据作为输入,建立定量化的模拟分析模型,就能更好地计算获取推荐的多联机系统配置率。更为重要的是目前针对居住建筑仅推荐家用多联机可以超配130%的建议,并需要工程师们根据实际工程在进行调整,未能给出更好的工程指导意见。

           针对目前已有研究中的不足,本文对实际居住建筑中354个多联机系统的逐分钟供冷负荷率数据进行了分析,同时对多联机系统同时运行室内机台数进行了分析,发现用户的部分时间部分空间的空调使用习惯使得系统供冷负荷率长时间处于低负荷率,仅少量时间能达到系统的满负荷运行。针对这一现象,对室外机容量设计的配置率进行了优化调整,并通过多联机系统优化研究的动态仿真[17]方法,建立统一的多联机能耗模型计算不同配置率情况下的能耗水平与不满意率,最后基于计算结果为不同室内机台数的多联机系统给出了推荐的室外机容量设计配置率。


    图1 技术路线图

    2 多联机运行数据介绍及分析

           本文从某空调大数据监测平台获取了354套多联机系统运行数据,多联机系统所在92个城市分布情况如图 2所示,主要分布在夏热冬冷地区。不同室内机台数的多联机系统数量分布如图 3所示,多联机系统的室内机台数主要有2-10台,其中以4、5台为主。


    图2 多联机系统分布情况

    图3 不同室内机台数的多联机系统数量分布

           基于354套多联机系统的运行数据以及多联机系统供冷量的基于压缩机能量平衡法[18]的虚拟传感器方法[19]获取了这些多联机系统6月至9月(2928小时)的实际供冷量曲线,将其中一套额定制冷量为12kW的多联机系统逐时供冷负荷从小到大进行排序,如图 4所示,可见系统长时间是低负荷率的情况,最大供冷负荷为11.6kW,说明整个供冷季都没有达到额定制冷量12kW。


    图4 编号11769多联机系统实测供冷负荷排序曲线

           在所有354台实际多联机系统样本中长时间低负荷的情况非常常见,如图 5所示,室外机供冷负荷大部分时间达不到100%负荷,仅有3%的时间负荷率达到80%以上,达到满负荷的时间更加少。


    图5 不同供冷负荷的运行时间状图及统计饼图

           在所有实际多联机系统样本中长时间低负荷的情况非常常见,其主要原因是家用多联机系统用户往往仅开启自己所在房间的室内机,根据数据集中的室内机同时开启的时间比例统计,如图 6所示,85%时间同时运行不超过2台室内机,其中59%时间仅运行1台室内机,这是用户部分时间部分空间的使用习惯,这使得所有房间的室内机都开启的情况很少出现,最终导致多联机系统很难达到满负荷运行,所以可以适当减小室外机容量,使得整体的运行负荷率提高,进而提高运行效率。


    图6 室内机同时开启时间柱状图及统计饼图

    3 室外机容量优化的多联机能耗及不满意率计算模型

           为了改善多联机系统的低负荷率问题,提出优化方案可以适当减小室外机容量,使得整体的运行负荷率提高,进而提高运行效率。通过模拟计算的分析方法进行定量化的计算验证,将354套多联机系统的运行冷负荷数据输入一个统一的反映冷负荷率对效率影响的能耗计算模型,计算获取不同配置率下的多联机系统的能耗及不满意率均值,最后给出不同室内机台数的多联机对应的推荐配置率。

           优化方案是适当将校室外机容量,使得整体的运行负荷率提高,进而提高运行效率,主要考虑建议一个冷负荷率相关的多联机能耗计算模型,计算模型的性能曲线如图 7所示,多联机系统的COP计算如公式(1)(2),其中   为供冷量,  为室外机额定制冷量,Rcooling(τ)为多联机室外机负荷率,COPcooling为多联机室外机效率,对应图 7中的计算公式,Ecooling(τ)为多联机室外机的电功率。

                     (1)

            (2)

     
    图7 多联机COP随负荷率变化曲线

           为了定量化说明减小室外机容量,使用表中的配置率(Combination Ratio,以下简写为CR)来描述室外机与室内机容量的关系,配置率(CR)是各室内机的名义制冷量之和与室外机组名义制冷量之和的比,如公式(3)所示:

                   (3)

                               (4)

           配置率可以反映室内机同时使用情况,配置率越高指的是室外机设计容量越小,但是减小室外机设计容量可能导致室内机供应不足的问题。所以为了同时定量化反映供应不足的问题,本文通过不满意率(Unsatisfied Rate)来描述,不满意小时数()定义为供冷负荷需求大于室外机额定容量的时长,不满意率(Unsatisfied Rate)定义为不满意小数占供冷季总时间(,6月至9月,2928小时)比例,如公式(4)所示:

           计算不同配置率对应的不满意率,如表 1所示,对单个系统,降低室外机容量,将配置率CR提高到1.5,可以计算得知不满意率为1.2%。针对供冷负荷需求大于室外机额定容量的时刻,多联机系统按照额定制冷量输出进行能耗计算。

    表1 编号11769多联机系统的不同配置率的计算结果样例

    4 模拟结果分析

           为了能更好地提供推荐的室外机配置率的数值,计算了配置率从1.0-1.5的情况,即从不超配到超配150%。由实测的多联机室内机同时开启台数数据可知85%时间同时运行不超过2台室内机,其中59%时间仅运行1台室内机,可见若室内机个数少对应的全部开启的概率就更高,可能对于室内机个数少的系统室外机不能进行超配,所以模拟计算结果根据室内机台数不同分类统计能耗及不满意率的均值。

           其中室内机2-3台的多联机系统计算结果如图 8所示,随着配置率增大,多联机能耗均值降低,不满意率在配置率大于1.0后快速升高,说明这类系统的供冷负荷达到满负荷率的情况很多,所以对于室内机2-3台的多联机系统不能进行超配设计,推荐配置率为1.0,即对于这种系统不能通过适当减小室外机容量来降低能耗。


    图8 室内机2-3台的多联机系统计算结果

           其中室内机4-6台的多联机系统计算结果如图 9所示,随着配置率的提高,在配置率小于1.4时,系统的不满意率升高较少,均在0.3%以下。图中三种系统的不满意率升高的速率不同,明显室内机台数越多,不满意率上升越慢。可见对于4-6台室内机的系统的配置适当超配,配置率小于1.4则不满意率基本可以负荷需求。


    图9 室内机4-6台的多联机系统计算结果

           为了保证尽可能低的不满意率(小于0.03%),所以推荐室内机4-6台多联机系统的配置率分别为1.1-1.3,不同情况的能耗节能率如表 2所示,室内机数量越多,推荐配置率越大,室外机可以适当减小容量。

    表2 不同室内机台数的多联机系统推荐配置比即节能比例

    5 结论与建议

           本文对实际居住建筑中的354个多联机系统的逐分钟供冷量数据进行了分析,并通过统一的多联机能耗模型进行了模拟计算,通过以上分析得到以下结论:

           (一)较多系统长时间处于低负荷率,总时间上仅有3%的时间负荷率达到80%以上,多联机系统很难达到满负荷。其主要原因是用户空调人行为的部分时间部分空间模式(85%时间同时运行不超过2台室内机,其中59%时间仅运行1台室内机);

           (二)对于室内机2-3台的多联机系统不能进行超配设计,推荐配置率为1.0,即对于这种系统不能通过适当减小室外机容量来降低能耗;

           (三)对于室内机4-6台多联机系统,可以适当进行超配设计,推荐的配置率分别为1.1-1.3,在不满意率小于0.03%时,相比于配置率1.0的节能比例在4%-10%。

           本文讨论了多联机系统的配置率推荐值,即讨论了当室内机设计容量合理的情况下,室外机容量与室内机容量匹配设计的方法。但是目前工程中依旧存在室内机容量设计过大的现象,并且也多个室内机负荷不均匀[20]的问题,这些都会影响多联机系统的性能,未来研究中需要进一步考虑室内机选型偏大的问题,进一步合理设计室外机的额定制冷量。

    参考文献

           [1] 叶建新.多联机空调系统的绿色节能设计特点和优势[J].建筑节能,2015,43(06):23-25.
           [2] 2018年度中国中央空调市场总结报告  第三章  主流机型市场分析[J].机电信息,2019(04):29-46.
           [3] The Future of Cooling In China, IEA, 2019
           [4] GB 50736-2012, 民用建筑供暖通风与空气调节设计规范[S].
           [5] 袁建新,谷炳龙.多联机系统设备选型高容量指标的疑惑[J].暖通空调,2016,46(09):84-87.
           [6] 刘曙光,王晓宇.多联机VRV系统设计[J].才智,2009(29):64.
           [7] 刘正恩.家用多联式空调(热泵)机组的能效初探[J].制冷与空调,2009,9(06):27-30.
           [8] GB/T 18837-2015, 多联式空调(热泵)机组[S].
           [9] JGJ 174-2010, 多联机空调系统工程技术规程[S].
           [10] 曾卫军.多联机空调系统设计问题探析[J].科技创新与应用,2019(18):101-102.
           [11] 李兆坚,江亿.住宅空调方式的夏季能耗调查与思考[J].暖通空调,2008(02):37-43+64.
           [12] Yu, X., Yan, D., Sun, K., Hong, T., & Zhu, D. (2016). Comparative study of the cooling energy performance of variable refrigerant flow systems and variable air volume systems in office buildings. Applied energy, 183, 725-736.
           [13] 赵德印,张旭,徐强.基于实测数据的办公建筑多联机加班运行能耗研究[J].暖通空调,2019,49(04):43-48.
           [14] Feng, X., Yan, D., Wang, C., & Sun, H. (2016). A preliminary research on the derivation of typical occupant behavior based on large-scale questionnaire surveys. Energy and Buildings, 117, 332-340.
           [15] Fan, C., Xiao, F., Li, Z., & Wang, J. (2018). Unsupervised data analytics in mining big building operational data for energy efficiency enhancement: a review. Energy and Buildings, 159, 296-308.
           [16] 陈焕新,刘江岩,胡云鹏,李冠男.大数据在空调领域的应用[J].制冷学报,2015,36(04):16-22.
           [17] 邵双全,梁楠,田长青.多联式空调制冷系统动态仿真研究[J].制冷学报,2011,32(01):16-22.
           [18] 丁连锐,曲宗峰,亓新,张国辉,王宝龙,石文星.房间空气调节器实际运行性能测量方法研究[J].中国标准化,2019(03):172-179.
           [19] Liu, H., et al., Performance of VRF systems based on large scale monitoring. IOP Conference Series: Materials Science and Engineering, 2019. 609: p. 052012
           [20] 赵伟,周德海,石文星.多联机空调系统的性能域[J].暖通空调,2010,40(07):98-102+107.

           备注:本文收录于《建筑环境与能源》2020年10月刊 总第37期(第22届全国暖通空调制冷学术年会文集)。版权归论文作者所有,任何形式转载请联系作者。

    火狐体育app