Целесообразность применения прогнозного теплопотребления при настройке систем общеобменной вентиляции

Система вентиляции здания является одной из подсистем системы теплоснабжения. Система приточной вентиляции включает элементы подогрева и увлажнения приточного воздуха. Калорифер получает тепловую энергию от автоматизированного индивидуального теплового пункта (АИТП) объекта. Основным элементом АИТП является электронный регулятор — это устройство следит за параметрами теплоносителя в подсистемах. На основе этих данных вырабатываются управляющие команды.

Основным контролируемым параметром в тепловом пункте является температура «прямой» сетевой воды. Регулятор АИТП, как правило, представляет собой часть простой одноконтурной автоматизированной системы регулирования (АСР), которая работает с существенными запаздываниями. Часто реализуют так называемое «погодозависимое регулирование», где применяется АСР с компенсацией «возмущения», в качестве которого выступает температура наружного воздуха.

Автоматизированная система регулирования теплового пункта должна решать следующие задачи:

  • поддержание оптимальной температуры теплоносителя;
  • минимизация энергопотребления;
  • учёт тепловой энергии;
  • дистанционное управление и диспетчеризация.

В целях определения основных соотношений между расходами и температурами теплоносителя в системе отопления здания, а также параметров здания как объекта управления исследуется система отопления с зависимым присоединением к источнику тепла на основе автоматизированного теплового пункта.

Для повышения эффективности система автоматизации каждой подсистемы должна опираться не только на температуру теплоносителя в «обратном» трубопроводе, но и выполнять расчёты спроса в зависимости от условий функционирования объекта. В этой статье рассмотрены особенности расчёта теплового баланса здания школы и возможности прогнозирования спроса на тепловую энергию.

Выбор схемы ИТП

Тепловая нагрузка потребителей значительно изменяется в зависимости от времени суток, погодных условий, тепловлажностных режимов отапливаемых помещений, режима работы оборудования и других факторов. Для обеспечения эффективной работы системы необходимо осуществлять её регулирование на основе принципа связности. При несвязном варианте регулируется каждая нагрузка в отдельности с учётом неравномерности потребления, на абонентские вводы подаётся требуемое в данный момент количество теплоты. При связном регулировании регулируется условная суммарная нагрузка исходя из средней величины потребления по каждой нагрузке (с запасом и без учёта неравномерности потребления).

Центральные тепловые пункты по типу работы подразделяют на два типа. Независимые — такие схемы подключения теплового пункта характеризуются экономической выгодой (до 40%), так как в них между оборудованием конечных потребителей и источником тепловой энергии установлены теплообменники тепловых пунктов, которые регулируют количество подаваемого тепла, а также их неоспоримым преимуществом является повышение качества подаваемой воды. Зависимые — теплоноситель из теплосетей попадает непосредственно в систему отопления. Такая система достаточно проста (отсутствует необходимость установки дополнительного оборудования). Но данная особенность ведёт к важному недостатку, а именно к невозможности регулирования подачи тепла потребителю.

Методы регулирования систем централизованного теплоснабжения:

1. Качественный — регулирование отпуска теплоты осуществляется за счёт изменения температуры теплоносителя, поступающего в систему отопления здания. Недостатки метода:

  • повышенный температурный график для компенсации отбора воды на ГВС;
  • колебания температуры воздуха в помещении, связанные с влиянием нагрузки ГВС на работу систем отопления и различным соотношением нагрузок ГВС и отопления у потребителей;
  • большая тепловая инерционность регулирования тепловой нагрузки;
  • снижение качества теплоснабжения при регулировании температуры сетевой воды по средней за несколько часов температуре наружного воздуха и пр.

2. Количественный — регулирование отпуска теплоты осуществляется посредством изменения расхода теплоносителя, подаваемого к потребителю. Для зависимых схем с элеваторным смешением может приводить к разрегулировке отопительных систем вследствие возрастания гравитационного перепада, возникающего из-за увеличения разности температур воды в радиаторах при снижении её расхода.

3. Качественно-количественный — регулирование осуществляется за счёт одновременного изменения расхода и температуры теплоносителя.

Применение системы автоматики ИТП позволяет повысить подачу тепловой энергии в объект на основе несвязного качественно-количественного регулирования. Дополнительное применение алгоритмов прогнозирования позволяет:

  • улучшить экологические показатели объекта за счёт снижения величины теплового загрязнения;
  • повысить точность регулирования нагрузок подсистем системы теплоснабжения здания;
  • повысить энергетическую эффективность объекта;
  • снизить объём потребления тепловой энергии и оптимизировать затраты на теплоснабжение.

Тестирование упрощённого детерминированного подхода

Исследуемым объектом является школа в городе Москве, построенная по типовому проекту 65–426/1. Для выполнения детерминированного расчёта использовался существующий СП 50.13330.2012 [1], разработанный с целью повышения уровня безопасности людей и сохранности материальных ценностей в зданиях.

Минимально необходимый набор исходных данных [2] по объекту приведён в табл. 1.

Расчёт производится для отопительного сезона 2021/2022 [3]. База данных включает получасовые значения следующих климатических показателей [4]:

  • температура наружного воздуха [°C] на высоте 2 м над поверхностью земли;
  • атмосферное давление [мм рт. ст.], приведённое к среднему уровню моря;
  • относительная влажность наружного воздуха [%] на высоте 2 м над поверхностью земли;
  • направление ветра [угол] на высоте 10–12 м над земной поверхностью, осреднённое за десятиминутный период, непосредственно предшествовавший сроку наблюдения;
  • скорость ветра [м/с] на высоте 10–12 м над земной поверхностью, также осреднённая за десятиминутный период, непосредственно предшествовавший сроку наблюдения;
  • процент «заоблаченности» небосвода.

Также в число анализируемых данных включены значение дня (рабочий или выходной день) и длительность пребывания мужчин, женщин и детей.

Имеющиеся данные содержат недостатки: часть наблюдений не является полной, а каждое наблюдение содержит параметры за тот же месяц, что и значение теплопотребления, которое должно быть спрогнозировано. Это создаёт противоречие с поставленной задачей: не имеет смысла прогнозировать потребление за уже прошедший месяц. В связи с этим следует провести отдельный этап предобработки данных, в ходе которого данные будут приведены к виду, при котором каждое наблюдение будет описывать ситуацию, подходящую для обучения с учителем. То есть новые наблюдения должны содержать данные за прошлый месяц, которые уже известны и сняты, а значение теплопотребления, которое можно спрогнозировать, должно определяться за текущий месяц.

В ходе данного преобразования неизменно будут потеряны данные по каждой из школ: первый месяц наблюдений не будет рассматриваться, так как в этот месяц неизвестно значение показателей за предшествующий месяц; последний месяц будет рассматриваться, однако показатели за него не смогут перейти в следующий месяц. После выполнение преобразования набор содержит 1663 наблюдения, из которых 1603 указаны как обучающие, а 60 — как тестовые. Результаты расчёта приведены в табл. 2. 

 

Анализ полносвязных моделей показывает, что оптимальными являются конфигурации моделей с тремя скрытыми слоями: они достигают лучших результатов, при этом не проигрывая во времени более простым моделям с меньшим числом скрытых слоёв [5].

Использование различного объёма пакетов в целом не даёт значительных отличий в рамках отдельной модели, однако именно те модели, которые были обучены с использованием пакетов объёмом 64, дали лучшие результаты с точки зрения валидационного и тестового множеств, если принимать во внимание показатель средней квадратичной ошибки (Mean Squared Error, MSE), играющий роль функции потерь. Использована классическая искусственная нейронная сеть — многослойный перцептрон (Multilayered Perceptron, MLP).

Характеристики двух моделей — MLP-d32relu-d32relu-mse-8, достигшей лучшей точности на валидационном множестве, и MLP-d512relu-d32relu-d32relu-mse-8, лучшей на тестовом множестве, приведены в табл. 3. Каждая составляющая теплового баланса рассчитана со своей погрешностью, показанной на рис. 1.

Наибольшими погрешностями обладают инфильтрационные потери через окна, инфильтрационные потери через входную группу и тепловые потери через системы вентиляции. При этом наибольшими тепловыми потерями являются теплопотери через системы вентиляции и через ограждающие конструкции.

Заключение

Создан рабочий программный продукт по прогнозному расчёту составляющих теплового баланса зданий типовых проектов. Данный продукт позволяет производить расчёты детерминированным и стохастическим способами с применением искусственных нейронных сетей различной конфигурации. В процессе работы успешно выполнены поставленные задачи:

  • разработан математический аппарат по определению теплового загрязнения и объёма тепловых потерь в сетях на участке «ТЭЦ — магистраль — ЦТП»;
  • выполнено проведение численного эксперимента;
  • выполнено формирование объекта dataset;
  • произведена отладка программного обеспечения на основе математического аппарата взаимосвязи величины негативного воздействия на окружающую среду объекта генерации и сетей.

Успешно выполнено тестирование программного продукта и рассмотрен пример расчёта теплового баланса на имеющихся реальных данных по зданию школы типового проекта 65–426/1 в Москве.