HVAC智慧調控與柔性用能實驗平臺 暖通供熱 平臺功能與應用

       以“注重理論聯(lián)系實際,、強化工程能力訓練,，培養(yǎng)適應能力強的創(chuàng)新人才”為實驗教學目標，涉及冷熱源工程,、暖通空調,、流體輸配管網、熱質交換原理與設備,、建筑設備與能源系統(tǒng)智能化,、大數據與人工智能應用等多門本科專業(yè)課實驗教學服務、相關研究生科研實驗,，可實現企業(yè)用戶定制用于企業(yè)人才培養(yǎng)和產品開發(fā)服務,。通過本平臺實驗深化學生對本專業(yè)知識的系統(tǒng)理解與學習，掌握暖通空調系統(tǒng)運行調試檢測的專業(yè)技能,，培養(yǎng)學生分析解決實際問題的能力,。

       平臺以其優(yōu)良的技術架構、豐富的功能模塊及顯著的應用優(yōu)勢,，為建筑環(huán)境與能源應用工程領域的教學,、新質生產力發(fā)展、科研及社會服務提供優(yōu)良的、可拓展的實驗平臺支撐,。

       平臺致力于開展智能優(yōu)化控制,、空調柔性提升、建筑能耗與室內外環(huán)境參數關系,、柔性調控策略,、溫濕度獨立控制空調系統(tǒng)中濕度需求響應策略等方面的深入研究。通過結合設備性能,、節(jié)能潛力及環(huán)境品質等多維度考量,，為空調系統(tǒng)在不同環(huán)境狀態(tài)下的運行方案及參數設定提供科學依據。

HVAC智慧調控與柔性用能實驗平臺 暖通供熱 系統(tǒng)構成

        平臺結合了物聯(lián)網,、云計算,、大數據、人工智能,、可視化數字大屏展示,，可實現定風量系統(tǒng)、變風量系統(tǒng)和風機盤管加新風系統(tǒng)的多種運行工況（7種基本工況）及控制策略的研究,。

       冷熱源系統(tǒng)：該平臺配備了兩臺并聯(lián)的空氣源熱泵機組（一臺定頻,，一臺變頻），既可獨立運行,，也可聯(lián)合工作,，以滿足各種冷熱負荷及運行工況的需求。

       空調末端系統(tǒng)：包括變頻式組合式空調機組（AHU）,、直流無刷式風機盤管機組以及壓力無關型VAV-Box變風量箱,，為用戶提供多樣化的空調末端選擇。

       輸配系統(tǒng)：由一次泵系統(tǒng)和二次泵系統(tǒng)組成,，兩者均具備變頻控制功能,，確保空調系統(tǒng)的穩(wěn)定運行及高效輸配,。

       蓄能罐：平臺配備了一個容積為2.3立方米的蓄能罐,，該蓄能罐可與熱泵聯(lián)合運行，通過水系統(tǒng)閥門的切換,，實現供冷,、供熱、儲能,、釋能及混合供給等多種運行工況。

       附屬設施：管道加熱器,、真空脫氣機及定壓補水裝置,。

       監(jiān)測系統(tǒng)：包括上百個硬測點和200余個軟測點。除此之外還擁有可視化管控界面。

       數據交互與控制系統(tǒng)：由動力控制,、數據采集,、邊緣計算及集中管控等部分組成，具備設備智能調控,、數據采集,、分析判斷及存儲等功能，通過運行PLC程序與AI智慧算法,，實現對HVAC系統(tǒng)的全面智慧調控與柔性用能,。

 智能控制與柔性用能

       1、負荷預測

       采用人工神經網絡（ANN）算法精準預測空調負荷,，多元的AI算法庫可為特定空調系統(tǒng)匹配預測算法,，預測準確度可達94%以上，為空調系統(tǒng)優(yōu)化控制策略的制定提供了堅實可靠的數據支撐,。

       2,、AI 優(yōu)化控制

       基于空調系統(tǒng)歷史用能大數據，以COP,、PMV和能耗等為約束目標,，訓練AI優(yōu)化算法模型，模型將自動感知室內外環(huán)境參數的變化,、自動判斷并決策優(yōu)化系統(tǒng)的控制參數,，助力建筑實現柔性用能，在提高空調舒適度的同時,，節(jié)約空調能耗,，降低運行費用。

        3,、精細化管理

       建立空調能源數據精細化采集網絡,，將空調系統(tǒng)總能耗拆分到冷熱源、水泵,、冷卻塔,、風機和末端等分項，將末端能耗拆分到用戶/樓層分項,，數據可視化技術展示空調用能去向與能效高低,，各區(qū)域用能情況更加透明化、精細化,、可追溯化,，能源管理更加規(guī)范化?？焖僭\斷空調系統(tǒng)用能狀況,，及時發(fā)掘節(jié)能潛力,，確定節(jié)能方向，提高系統(tǒng)能效,。

        4,、智慧化運維

       “AI專家”替代繁瑣人工，實現高效低成本安全運維,。通過 AI 智能調節(jié)功能,，幫助運維人員自動調整空調系統(tǒng)運行模式，減少運維人員數量和減輕工作負荷,，提高工作效率,。通過 AI算法模型實時監(jiān)控空調設備運行狀態(tài)，實現設備的預測性維護,，變被動維護為主動服務,，預防惡性事故發(fā)生，減少安全隱患,，提高設備運行效率,。通過運維數據庫的搭建，實現能源系統(tǒng)設備的全生命周期管理,，提高物業(yè)運維管理水平,。

       5、柔性用能

       接入本平臺的空調系統(tǒng)可通過需求側響應的形式參與到“虛擬電廠”計劃中,，轉“源隨荷變”為“荷隨源變”,，實現柔性用能，削峰填谷,，緩解電網壓力,，降低用電成本，減小空調設備初投資,。

       6,、靈活化場景匹配

       能管系統(tǒng)采取模塊化設計方式，可以根據不同項目需求靈活搭建應用系統(tǒng),，適用于各類場景下的空調系統(tǒng)能源管理,，兼容 Modbus、BACnet,、OPC等各類通訊協(xié)議和接口,。涉及的常見場景包含：公共建筑（辦公樓、商場,、學校,、醫(yī)療機構等公共場景）、工業(yè)建筑（生產制造車間,、倉儲物流園區(qū)等工業(yè)建筑）和居住建筑（住宅小區(qū),、酒店,、公寓等居住場所）的空調系統(tǒng)能源管理/節(jié)能改造項目。

 平臺優(yōu)勢與展望

       預留接口與可擴展性：本實驗平臺預留有冷熱源及控制接口,，為未來系統(tǒng)拓展、效能提升及開發(fā)新的控制策略和算法模型提供了堅實基礎,。

      科研成果轉化與項目落地：平臺專注于公共建筑集中空調系統(tǒng)的運行數據積累,、學習與深度挖掘，將空調系統(tǒng)運行基本原理,、工程師的運維經驗和歷史運維數據融入AI算法中,，進行多種HVAC和AI算法模型訓練，完成不同工況調試,。通過機器理解與深度學習,，預測、優(yōu)化得到不同環(huán)境狀態(tài)下空調系統(tǒng)運行方案及參數設定,，實現空調系統(tǒng)智慧和柔性用能,，為科研成果轉化及項目落地提供有力技術支撐和調試平臺。      

       教學資源建設與行業(yè)推動：平臺將持續(xù)豐富配套教學資源,，完善并提升實驗的自由度和開放性,，促進行業(yè)實現跨學科融合、智能化轉型及人才培養(yǎng)模式的更新,；同時,，推動教育創(chuàng)新、科研發(fā)展及產業(yè)升級,，為建環(huán)專業(yè)的新質生產力發(fā)展提供優(yōu)良的,、可拓展的綜合實驗平臺支撐。