面向太阳能 - 空气源热泵混合供暖系统动态供热供需匹配的房间级控制策略

《ENERGY CONVERSION AND MANAGEMENT》：A room-level control strategy for dynamic heat supply–demand matching in solar–air source heat pump hybrid heating systems

　　

摘要 太阳能 - 空气源热泵混合供暖系统在清洁供暖应用方面显示出巨大潜力。然而，它们在建筑中的运行常常受到源侧热量供应与动态房间级热量需求之间不匹配的制约，导致局部过热或供热不足，并降低控制精度和效率。为解决此问题，本研究提出了一种动态房间级热量供需匹配的控制策略。首先，建立了一个纳入关键影响因素的热负荷分配模型，将建筑总负荷分解为动态房间级需求。其次，引入供需不匹配指数，量化实际供应与动态需求在单个房间、空间分散和全周期层面上的偏差，从而将局部供应过剩和供应不足转化为明确的优化目标。基于此公式化表达，设计了一种具有聚合层和分配层的分层模型预测控制策略。开发并验证了一个仿真系统，数据来自物理实验平台。该方法与传统比例 - 积分 - 微分控制和集中式模型预测控制进行了比较，涵盖供需不匹配、室内温度、水箱温度、泵流量和能耗等多个性能指标。结果表明，该方法将平均绝对房间级不匹配降低至 6.63%，室内温度均方根误差降低至 0.19°C，同时相对于比例 - 积分 - 微分控制和集中式模型预测控制，系统能耗分别降低了 14.53% 和 8.07%。这些结果证实了该方法在提高混合供暖系统供需协调和能源效率方面的有效性。

引言 随着能源消耗的持续增长，气候变化、环境污染和能源短缺问题日益严重 [1]。建筑运行阶段是全球能源使用和碳排放的主要来源 [2]。根据国际能源署的数据，建筑运行约占全球最终能源消耗的 30%，贡献了全球能源相关排放的约 26% [3]。在建筑系统中，暖通空调（HVAC）系统约占建筑运行能耗的 38%，相当于全球最终能源使用量的约 12% [4]。因此，提高建筑供暖系统的运行效率对于减少建筑能耗、提高清洁能源利用率以及缓解碳排放具有重要意义。

在清洁供暖技术快速发展的背景下，先进热泵和多能集成供暖系统因其高效率、环境效益和低碳性能而展现出巨大的应用潜力。在这些技术中，跨临界二氧化碳热泵系统已应用于建筑供暖和生活热水生产 [5]。同时，与太阳能 [6] 和地热能 [7] 等可再生能源耦合的多源热泵系统，已成为提高可再生能源利用率和供暖效率的重要途径 [8]。特别是太阳能 - 空气源热泵（SASHP）混合供暖系统，结合了太阳能的清洁利用 [9]、空气源热泵的高效辅助供暖能力以及可靠的连续供暖 [10]，已成为建筑供暖领域的研究重点。

之前的研究表明，太阳能集热器和辅助热泵的协调运行可以有效提高供暖稳定性和可再生能源利用率。Kamel 等人回顾了不同应用场景和气候条件下的太阳能辅助热泵系统 [11]。Wang 等人提出了一种带储热的太阳能 - 空气源热泵建筑能源供应系统，以改善太阳能和空气能的互补利用 [12]。Tan 等人证明，太阳能 - 空气耦合可以提高低温条件下热泵的性能并缓解太阳能的间歇性 [13]。Bae 等人实验证实了太阳能热 - 热泵耦合在提高系统效率方面的潜力 [14]。

然而，在实际建筑运行中，SASHP 系统仍面临显著的供需不匹配问题。在源侧，热量供应能力在太阳辐射、室外温度和辅助热泵输出的共同影响下随时间变化 [15]。在需求侧，建筑由多个功能、面积、朝向、围护结构特性和占用模式不同的房间组成，导致热负荷具有强烈的空间异质性和时间动态性 [16]。因此，实现可变源侧热量供应与动态房间级热量需求之间的精确匹配，对于提高 SASHP 系统的运行性能至关重要。

实现供需匹配首先依赖于建筑热量需求的准确识别。建筑热负荷预测方法已从传统的统计方法演变为基础物理机制模型，最近还有数据驱动方法。在早期研究中，Zhang 等人提出了一种结合物理机制和统计回归的白箱热负荷模型，以提高预测精度 [17]。Nielsen 和 Madsen 开发了一种灰箱模型，在保持热力学可解释性的同时纳入基于数据的校准，从而增强了模型的适应性 [18]。随着传感技术和机器学习方法的发展，数据驱动的热负荷预测逐渐成为研究焦点。例如，Zhao 等人基于小波变换、支持向量机和偏最小二乘回归构建了动态冷热负荷预测框架 [19]。He 等人采用 CatBoost 和元启发式算法提高了建筑能耗预测的准确性 [20]。Mohebbi 等人通过集成优化器与多模态回归模型开发了特征协作预测机制 [21]。这些研究大大提高了建筑热负荷预测的准确性，并为供暖系统的优化控制提供了基础。

然而，大多数现有的热负荷预测方法是针对整个建筑或单区域规模开发的，因此对各个房间之间异质热量需求的表征有限。在多房间建筑中，空间位置、围护结构特性、占用情况、运行时间表和房间间热传递会导致房间级热量需求产生显著的空间和时间变化。因此，满足建筑总热量负荷并不一定确保供应给每个房间的热量与其实际动态需求相匹配。最近的研究开始考虑房间级热量需求的异质性和房间间热耦合。Yuan 等人研究了户间热相互作用并开发了一种热量消耗分配方法 [22]，而 Zhang 等人实验证明相邻供暖和非供暖房间之间存在显著的热传递 [23]。Jia 等人将区室间相互作用纳入多区室建筑负荷预测 [24]，Tan 等人开发了一种考虑空间差异和房间间热传递的房间级热负荷分配方法 [25]。尽管这些研究改善了局部热量需求的表征和分配，但它们主要服务于负荷预测、热量消耗分配或负荷校正，尚未与实时供暖控制充分集成。因此，动态房间级热量需求识别与实际房间级热量供应调节之间的有效联系仍然缺乏。

除了热量需求识别外，供暖系统还需要有效的控制方法，以确保实际热量供应能够追踪热量需求的动态变化 [26]。传统供暖控制方法主要包括开关控制、温差控制和级联控制 [27]。尽管这些方法结构简单，但通常不足以应对建筑供暖系统固有的热惯性大、耦合性强和时间延迟长的问题 [28]。近年来，模型预测控制（MPC）因其处理多变量约束、动态预测和滚动时域优化的能力而被广泛应用于建筑供暖和 HVAC 控制 [29]。Sun 等人将模态分析和 MPC 引入 SASHP 系统，证明了 MPC 在混合供暖系统温度调节和能效提高方面的潜力 [30]。Zhao 等人提出了一种用于住宅太阳能 - 空气源混合热泵系统的自适应 MPC 方法，结果表明该方法显著提高了系统的节能效果和运行灵活性 [31]。Guo 等人开发了一种用于区域供热系统的 Informer-MPC 控制框架，证明 MPC 可以有效解决供热系统中的高热惯性、强非线性和供需不平衡问题 [32]。Taheri 等人在建筑 HVAC 系统中实施了 MPC，现场结果表明 MPC 减少了温度波动并降低了 HVAC 能耗 [33]。这些研究证明了 MPC 在建筑供暖系统的约束处理、动态优化和节能运行方面的巨大潜力。

然而，大多数现有的供暖控制和 MPC 研究主要使用室内温度偏差或整个建筑能耗作为控制目标，较少考虑实际供应给各个房间的热量是否与其动态热量需求相匹配。由于建筑热惯性导致热量输入变化后的温度响应延迟，基于温度的反馈可能无法及时识别局部的供应过剩或供应不足。此外，可接受的平均室内温度可能仍然掩盖房间之间热量分布不均的情况。因此，房间级供暖控制需要明确的供需匹配目标，直接将动态热量需求与实际热量输送联系起来，而不是仅仅依赖延迟的温度反馈。

综上所述，现有文献中仍存在几个主要的研究空白。首先，现有的热负荷预测方法主要是在整个建筑或单区域规模开发的，对多房间建筑中异质和时间变化的热量需求的房间级表征不足。其次，当前的供暖控制方法主要关注室内温度偏差或整个建筑能耗，因此无法及时表征实际房间级热量输送与动态热量需求之间的局部供应过剩或供应不足。第三，对于太阳能 - 空气源热泵混合供暖系统，仍缺乏一种有效的动态匹配机制来协调随时间变化的源侧供暖能力与异质的房间级热量需求。

为解决这些问题，本研究提出了一种 SASHP 系统的源 - 荷协调控制方法，旨在实现动态房间级热量供需匹配。该方法建立在房间级热量需求识别的基础上，以供需不匹配作为优化目标，并采用分层模型预测控制来协调源侧总热量供应调度与房间侧热量分配，从而减少局部供应过剩、供应不足和整体系统能耗。

本研究的主要贡献总结如下：
（1）提出了一种用于房间级供暖过程的供需不匹配表征方法。开发了一种供需不匹配（SDM）指数，以量化实际房间级热量供应与动态热量需求之间的偏差，从而将难以通过传统温度反馈直接捕获的局部供应过剩和供应不足转化为可计算和可优化的控制目标。
（2）开发了一种动态房间级热负荷分配方法。通过综合考虑楼层位置、平面位置、房间面积、房间间热传递和运行时间表，将建筑总热负荷分解为动态房间级热量需求，为房间级热量供需匹配控制提供需求侧输入。
（3）设计了一种分层模型预测控制（HMPC）策略。通过聚合层总热量供应预算和分配层优化房间级热量分配的协调，将可用的源侧热量供应与房间侧热量需求相匹配，实现从建筑总热量供应到房间级热量输送的动态匹配。
（4）基于真实多功能建筑实验平台验证了所提出方法的有效性。使用物理实验平台的数据对仿真模型进行校准和验证，并进行多房间和多建筑场景的比较分析，以展示所提出方法在供需匹配、温度稳定性和节能性能方面的综合优势。

本文其余部分组织如下。第 2 节介绍了 SASHP 系统的运行原理和基于 SDM 的供需不匹配表征方法，开发了房间级热负荷分配方法，并提出了用于动态供需匹配的 HMPC 策略。第 3 节展示了物理实验平台、仿真模型开发、模型准确性验证以及具有不同热量需求特征的多建筑场景配置。第 4 节基于验证的仿真模型对不同控制策略的综合性能进行了比较分析。最后，第 5 节总结了主要结论。

章节片段 方法 本节首先描述了混合供暖系统的运行原理和数学模型，并制定了热量供需不匹配指标。在此基础上，介绍了整体框架、动态房间级热量需求分解方法和分层模型预测控制策略。

实验平台与仿真系统开发 本节介绍了用于评估所提出控制策略的物理实验平台及相应的仿真系统。首先描述了建筑特性、混合供暖设备、监测设备和房间功能。然后使用测量数据开发并校准仿真模型，随后进行模型验证和对比控制及建筑场景的配置。

结果与讨论 为验证所提出 HMPC 控制策略的综合性能，选择了传统比例 - 积分 - 微分（PID）控制 [34] 和集中式 MPC 控制 [35] 作为基准方法。

传统的 PID 控制在实际供暖系统中是一种常用的温度反馈控制策略，其特点是结构简单、实施成本低且工程应用广泛 [36]。集中式 MPC 代表了一种典型的预测性。结论：本研究将太阳能 - 空气源热泵混合供暖系统的源 - 荷协调从传统的室内温度调节推进到了房间级动态热需求识别、供需不匹配量化、整栋建筑供热优化以及房间级热量分配。通过协调上层总供热优化与下层房间级热量分配，该方法实现了时变源侧之间的有效匹配。CRediT 作者贡献声明：马文强：写作 – 初稿，可视化，方法论，调查，形式分析，数据整理。谭鑫：写作 – 审查与编辑，验证，监督，资源提供。孙国新：写作 – 审查与编辑，监督，资源提供，经费获取，概念化。许凯旋：验证，数据整理。余启辉：调查，形式分析。蔡茂林：调查，概念化。王波：可视化，监督。竞争利益声明：作者声明，他们没有任何已知的竞争财务利益或个人关系可能影响本文报告的工作。致谢：本研究得到了国家自然科学基金（52568019）、内蒙古自治区教育厅一流学科专项研究项目（YLXKZX-NKD-039）的支持。马文强 | 谭鑫 | 孙国新 | 许凯旋 | 余启辉 | 蔡茂林 | 王波 中国内蒙古自治区包头市 014010，内蒙古科技大学机械工程学院