《Energy Conversion and Management》：Precise control of district heating secondary networks: a dynamic simulation approach with room temperature feedback
编辑推荐：
本研究提出区域供暖系统综合控制策略，通过热力学入口温度反馈调节与优化热交换站供水温度算法协同，结合变频泵动态控制，实现室温稳定（19±0.1℃）与能耗双降（热11.68%/电15.98%）。基于Modelica的住宅二级管网动态模型验证，系统温度波动降低62.7-92.5%，并具备2.16kgCO2/m2的碳减排潜力。
王安庆|王海超|王天宇|李慕燕|罗志文|里斯托·拉赫德尔马
大连工业大学建筑环境与设施工程学院，中国大连116024
摘要
作为建筑供暖的关键基础设施，区域供暖系统面临着在需求日益动态的情况下实现脱碳和提高运行效率的双重紧迫挑战。传统的区域供暖系统调控主要依赖于热电厂和/或变电站的集中控制。然而，终端用户的控制对于节约区域供暖能耗变得越来越重要。本研究提出了一种综合控制策略，将热力学入口温度反馈调节与优化的换热站供水温度确定方法相结合。通过这些方法的协同作用以及变频泵的运行，系统实现了稳定终端用户热舒适度和减少能耗的双重目标。研究建立了一个基于Modelica的住宅二次供暖网络仿真模型，并通过现场运行数据进行了验证。使用室温反馈实现PID控制的入口阀，展示了精确的热调节能力，能够保持室内温度在19±0.1°C的稳定范围内。对比分析显示，各用户的温度标准偏差减少了62.7–92.5%，系统整体节能分别为11.68%（热能）和15.98%（电能）。所提出的方法在扩大应用规模后显示出显著的碳减排潜力，超过2.16 kgCO2/m2，为现代化区域供暖系统的控制范式提供了全面的解决方案，同时解决了液压和热力学优化问题。
引言
过去四十年里，全球能源使用量翻了一番[1]。建筑物占总能源需求的近40%，并贡献了全球温室气体排放量的四分之一[2]，其中区域供暖系统（DHS）消耗了大约40%的建筑物能源[3]。2004年至2020年间，中国区域供暖系统的能源消耗量大幅增加[4]。据估计，到2030年，区域供暖系统覆盖面积将扩大到约200亿平方米，从而不可避免地导致更高的能源需求[5]。2022年，区域供暖系统的二氧化碳排放量达到了4.4亿吨，占建筑物总排放量的约21%[6]。为应对全球气候变化的挑战，中国在第75届联合国大会上承诺力争在2030年前达到碳排放峰值，并在2060年前实现碳中和，从而在系统性地减少碳排放的同时协同解决生态和环境问题[7]。由于控制策略中缺乏对建筑物热反馈的充分整合，区域供暖系统经常出现供需不匹配的问题，导致舒适度下降和能源效率低下。因此，将区域供暖系统从主要的碳排放源转变为高效、灵活和低碳的能源基础设施不仅是必要的，而且十分紧迫。优化热供应与需求的协调是提升现代区域供暖系统运行性能和环境可持续性的关键机会，直接有助于实现2030年和2060年的减排目标。
区域供暖系统对于实现建筑行业的脱碳至关重要。核心挑战在于精确匹配热供应与动态的建筑需求，以消除浪费并确保舒适度。区域供暖系统控制的演变可以理解为从集中式的供应侧调节向分布式、需求感知的协调转变。本综述批判性地审视了这一进程，指出了建筑网络接口处存在的持续差距，并明确了本研究的主要贡献。
中国的区域供暖系统通常通过热源和变电站之间的集中协调进行运行[[8]]，[9]]，[10]]。这种模式由于缺乏实时的建筑热反馈整合而存在“感知差距”，导致供需不匹配，从而影响舒适度和效率[7]。主要障碍是精度与成本之间的权衡[11]。即使是一些结合了建筑反馈的先进研究，也仍然停留在这种集中式模式内。例如，李等人[11]，[12]利用有效的室温实施了预测性反馈控制来调节变电站阀门，减少了温度波动并实现了5.9%-7.9%的节能效果。然而，这种方法本质上仍属于集中式区域供暖调节，缺乏建筑层面的综合控制机制。同样，M.D等人[13]虽然整合了室温和室外温度来控制变电站供水温度，但未能解决由于液压条件不稳定导致的终端恒温阀调节失败的问题[14]，[15]。这揭示了一个关键限制：变电站控制与建筑终端设备之间缺乏有效的协同作用。
先进传感器网络的部署促进了数据驱动的热负荷预测方法的发展。机器学习技术，如支持向量回归（SVR）[16]、集成黑盒模型和物理模型的方法[17]以及基于聚类的优化人工神经网络（ANN）[18]，已经实现了高达7.8%以下的平均绝对百分比（MAPE）预测精度。然而，将这些精确预测转化为精确的室温控制仍然受到很大限制[19]。根本问题在于负荷预测的能源平衡基础与室温的非线性动态之间的不匹配，以及微小温度波动与系统级热负荷之间的弱相关性。仅仅依赖更准确的预测无法解决闭环控制问题；需要将预测模型与考虑建筑动态的控制策略更深入地整合起来。
液压平衡对于公平的热分配至关重要[20]，[21]。然而，即使在平衡条件下，强烈的热液压耦合也可能导致热不平衡[22]。最近的一些先进方法，如结合神经网络的模型预测控制（MPC）[23]和基于智能算法的阀门优化[24]，旨在解决这一问题。这些研究的一个持续缺陷是，建筑物要么被简化为静态负荷模型（仅适用于液压分析），要么在建立动态室温模型时，它们没有与网络范围内的液压动态深度耦合。这揭示了第二个关键限制：研究中液压和热调节仍然分离，阻碍了真正的供需匹配。
在二次网络侧实施分布式控制已成为一个重要的研究方向。目前，这类研究主要集中在调节各个分支或终端单元的阀门，以实现流量重新分配和液压平衡[25]。核心目标是消除液压不平衡并确保达到设计或目标流量。许多研究采用智能算法来优化阀门开度，旨在最小化液压不平衡率或使分支流量接近设定值[25]，[20]。这些方法理论上可以改善热分配的空间均匀性，并已被证明可以减少整个系统的泵送能耗[26]，[27]。然而，它们的控制目标和优化变量始终围绕液压参数（如流量或压力差）展开，未能与室温——即舒适度和能源需求的最终指标——建立闭环联系。
研究转向利用建筑热惯性进行精确控制[[28]]，[29]]。袁等人[30]和侯等人[31]的研究利用热惯性数据或MPC与室温作为核心目标，实现了节能效果。王等人[32]提出了一种基于MPC的分区控制方法，用于单栋建筑。然而，这些先进的建筑侧策略要么仅限于单栋建筑[32]，其网络协调的可行性未经验证，要么仅作为集中式设定点优化的先进反馈信号，未能在建筑设备和网络调节设备之间形成分布式协同闭环。
现有研究在区域供暖系统研究中发现了几个未解决的挑战：
(1)当前研究将液压调节和热调节视为独立的过程。液压调节关注流量分配，但忽略了建筑热动态，常常导致局部过热或供暖不足，从而无法实现真正的供需匹配。
(2)热供应与用户需求之间的不匹配导致室内温度波动大和能源浪费。没有精确的需求预测和动态控制，热供应无法与实际需求在时空上对齐。
(3)大多数区域供暖系统的控制仍然集中在供热站，对建筑侧策略的探索有限，忽视了终端用户的分布式优化。
为了解决这些挑战，本研究提出了以下解决方案：
(1) 通过将散热器与基于RC的房间模型耦合，开发了全尺寸的二次网络仿真，以提高动态精度。
(2) 在液压平衡条件下量化室温分布，便于比较分析液压和热平衡。
(3) 提出了一种新的热站供水温度设定方法和混合区域供暖系统控制策略。通过结合热力学入口温度反馈，减少了室内温度波动，提高了热舒适度，并降低了站点的能耗。
章节摘录
主要贡献和创新点
本节介绍了三种不同的控制策略和关键创新。
材料与方法
本研究的研究流程图如图4所示。本研究通过将区域供暖案例与OpenModelica仿真相结合，开发了一个高保真的区域供暖系统模型。该框架包括：(i) 基于能量守恒的RC网络模型，通过建筑围护结构（内墙、屋顶、地板）中的热存储动态及其与室内空气的对流耦合，全面解决了建筑热惯性问题；(ii) 使用管道流量微分方程的液压模型
结果
本节总结了不同控制策略的比较性能，分析了：(1) 区域供暖站的操作状态，(2) 室温的空间分布，(3) 能源消耗，以及(4) 潜在的碳排放影响。
讨论
本研究建立了一个涵盖从变电站到建筑终端的完整区域供暖系统的高保真模型，并对多变量系统参数进行了全面验证。在此基础上，我们提出并实施了RTFC控制方法，用于热力学入口阀门，建立了协调区域供暖站、循环泵和热力学入口阀门的多级控制框架。这种综合方法显著减少了室内温度波动
结论
本研究提出了一种RTFC控制方法，用于热入口调节，证明了其与各种终端设备的兼容性。所开发的方法有效解决了两个持续存在的挑战：建筑温度波动过大和区域供暖站能耗过高。具体而言，RTFC结合了一种创新的供水温度确定算法，防止了热入口处阀门的剧烈开度调整，从而
CRediT作者贡献声明
王安庆：撰写——原始草稿。王海超：撰写——审阅与编辑，资金获取，概念构思。王天宇：可视化，验证。李慕燕：可视化，验证。罗志文：监督。里斯托·拉赫德尔马：监督。
利益冲突声明
作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。
致谢
本研究得到了中国国家重点研发计划——中芬政府间科技创新合作（2021YFE0116200）和国家自然科学基金-RS国际合作项目的支持：数字-基于孪生的气候变化下低碳供暖智能控制（国家自然科学基金资助编号：52311530087 和RS资助编号：223541）。
作者贡献：
王安庆：方法论，撰写——原始草稿。王海超：概念构思，撰写——审阅与编辑，
