节能环保技术在暖通空调系统的应用研究

李忠锋 2024-05-28

针对暖通空调（ＨＶＡＣ）系统高耗能、高污染的问题，从数据分析方面设计了ＨＶＡＣ系统的智慧数据中心。通过传感器获取ＨＶＡＣ终端的数据，利用联邦学习平均算法实现数据分析。采用多路径通信保证数据传输的安全，实现了ＨＶＡＣ系统精准节能运行。设计了地源热泵功能模块和热能回收功能模块。地源热泵功能模块可实现对太阳能和地热能等可再生能源的利用，保证了ＨＶＡＣ系统的环保性。由试验仿真的分析与对比结果可知，该ＨＶＡＣ系统实现了耗电量和排出热量的减少。该ＨＶＡＣ系统可确保节能环保技术的应用效能。

Part.0

引言

暖通空调系统为人们带来了方便、舒适。以往的研究已经提出了暖通空调系统的节能环保技术^［1］。文献^［2］在暖通空调系统中采用建筑调适技术，以提高暖通空调系统所在建筑的能源利用效率，间接起到节能环保的作用。然而，该技术未能直接对暖通空调进行技术上的改进，仅靠数据分析实现建筑的更优运行，起到的节能环保作用较小。文献^［3］在暖通空调系统中采用了低温辐射电热棒方法，通过电热棒和电热膜取热，保证了暖通空调系统的节能和环保。但该方法只能在温度差别不大的环境使用，不能广泛地应用于各地的暖通空调系统中。

基于上述问题，本文设计了一套软硬件统一协调的暖通空调系统。该系统采用了创新的节能环保技术和地源热泵技术，可以让暖通空调系统更加节能。同时，本文还在暖通空调系统中设计了能源循环利用机制，减少了含碳气体的排放。本文在暖通空调系统的新房系统和制冷系统中采用不同的热回收技术，提高了资源的利用率，保证了暖通空调系统的环保性能。

Part.01

暖通空调系统的总体设计方案

暖通空调系统主要有温度、通风和空气调节等功能。本文设计的暖通空调系统主要采用了节能环保的设计理念，分别从精准控制、可再生资源利用和能量回收三个方面设计了相关的节能环保技术。

暖通空调系统总体设计如图１所示。

图1 暖通空调系统总体设计图

暖通空调系统主要由中央暖通空调主机、暖通终端和对应的通信网络组成。该系统主要有三大节能环保功能设计，即智能数据中心、可再生能源利用模块和热能回收模块。

①智能数据中心。 智能数据中心可以自动化运行。每个暖通终端都连接着高精度的传感器，可以精准地测量暖通终端运行中功耗、所处环境的温度和运行中排出气体的热量等数据。这些数据通过通信网络集中送到中央暖通空调主机^［4］。

②可再生能源利用模块。 可再生能源利用模块采用了地源热泵技术，可利用太阳能和地热能。在本文设计中，热泵机组分别连接地下泵藕式垂直埋管和水井。

③热能回收模块。 热能回收模块包括以新风热能循环回收功能为主的多种热能回收功能。新风热能回收功能的实现依靠排风口和进风口中间的热能回收装置。除了新风热能循环功能外，该模块还可以利用暖通空调系统的余热，将热能用于日常热水。这样既提高了能源利用率，又节约了资源，还不会对环境造成污染^［5］。

Part.02

暖通空调系统的智能数据中心

本文设计的暖通空调系统的智能数据中心主要分为两个模块，即算法模块和通信模块。算法模块采用了联邦学习平均算法，通过对暖通空调系统建立数学模型，跨设备训练系统中各暖通终端，并将训练结果汇合到智能数据中心，从而完成对暖通空调系统的数据分析。通信模块采用了多路径通信方式，实时评估各通信路径的质量，并选取最优通信路径作为数据传播的路径，以保证系统运行数据的可靠传输。

2.1

联邦学习平均算法

本文设计的暖通空调系统采用了机器学习模型的分支（即联邦学习）来处理暖通空调系统的数据分析问题。智能数据中心采用联邦学习中的平均算法，对不同用户所在暖通空调的数据终端实施本地数据训练。在得到本地模型后，各终端节点再统一将数据上传到数据中心，汇总成新的联邦学习模型。这能在保证各本地数据信息安全的前提下，构建去中心化数据的集合以及联合多方数据，从而利用加密后的中间参数完成多数据源对于联合模型的共同训练^［6］。

联邦学习平均算法架构如图２所示。

图2 联邦学习平均算法架构图

本文设计的暖通空调系统采用联邦学习平均算法作为数据传播的架构。本文假设暖通空调系统中有ｋ个暖通终端，即该系统拥有ｋ个用户。各终端序号由１到ｋ。第ｋ个终端中有ｎ_ｋ个本地数据。本地数据的训练采用梯度下降算法，以寻找数据的最优目标值。

在第ｔ轮数据训练开始时，随机挑选Ｎ个终端开始训练。智能数据中心向Ｎ个终端发送全局模型参数ｗ^ｔ，使得理想最优数据ｗ^ｔ_Ｎ＝ｗ^ｔ。

已知参加训练的终端数据，即可根据终端数据计算出假设函数。

ｈ_θ（ｘ）＝ θ_０ｘ_０＋ θ_１ｘ_１＋ θ_２ｘ_２（１）

式中：ｈ_θ（ｘ）为终端的假设函数；θ_０、θ_１和 θ_２分别为不同功率下暖通终端单位时间消耗的能量；ｘ_０、ｘ_１和ｘ_２分别为对应功率下暖通终端运行的时间。

有了暖通终端的假设函数，就可以求出终端的损失函数。

式中：Ｊ（θ）为终端的损失函数；ｎ为本轮参加训练的终端数量；ｗ^ｔ_Ｎ为理想最优数据。

计算出终端的损失函数后，即可以求出该损失函数的梯度向量。

式中：∇为梯度算子；∇Ｊ（θ）为暖通终端的梯度向量。

有了终端数据的梯度向量，暖通终端数据就可以进行梯度下降，从而向最优数据逼近。

暖通终端的第一次梯度下降为：

θ^１＝ θ^０－ α × ∇Ｊ（θ）^０（４）

式中：θ^０为暖通终端的原始功耗向量，表示为［ θ_０，θ_１，θ_２］；α 为梯度下降步长；θ^１为第一次梯度下降后的终端功耗的向量状态。

本文采用式（４）依次对暖通终端数据进行梯度下降，使暖通终端数据接近终端数据的最优表示，直至最接近数据的最优表示时停止。停止式为：

∇Ｊ（θ）^ｉ ≤ ε （５）

式中：∇Ｊ（θ）^ｉ为第ｉ次梯度下降后 θ^ｉ的梯度向量；ε为梯度下降终止距离值，通常取值为１ｅ⁃５。

当第ｉ次梯度下降后，θ^ｉ的梯度向量经计算后小于 ε，此时可以表示暖通终端的数据经过梯度下降后最接近理想最优数值。由上述分析可得，θ^ｉ近似等于ｗ^ｔ_Ｎ，则本文令 θ^ｉ为新的暖通终端理想最优数值。

梯度下降算法如图３所示。

图３梯度下降算法示意图

当第Ｎ个暖通终端的ｎ_ｋ个本地样本均找到最优数据时记为暖通终端的一次本地更新。对于一个有ｋ个暖通终端的联邦学习模型，一轮时间内要在每个被选暖通终端中进行多次本地更新，以保证数据的精准性。具体次数如式（６）所示。

式中：Ｅ为所有终端在一轮时间内可以进行本地更新的次数和；Ｂ为终端更新的批处理；ｕ_ｋ为最终每轮终端需要进行本地更新的次数。

当Ｎ个暖通终端都完成ｕ_ｋ次本地更新时，即记为完成一轮数据训练。Ｎ个终端将训练后的模型数据（即新的暖通终端理想最优数值ｗ^ｔ_Ｎ′）上传至智能数据中心。智能数据中心将收集来的数据用加权平均的方式进行聚合，得到下一轮的全局训练参数^［7］。

式中：ｗ^ｔ＋１为第（ｔ＋１）轮的全局训练参数；ｎ_ｋ为第ｋ个终端中含有本地数据的数量；ｎ_Ｎ为Ｎ个被选终端的本地数据数量和。

有了第（ｔ＋１）轮的全局训练参数，就可以重新选择多个终端，从而进行下一轮的数据训练。

2.2

多路径通信

本文设计的暖通空调系统智慧数据中心采用了联邦学习数据处理模型。该模型强调了数据的本地计算，只传播数据计算结果。所以，对于该模型而言，数据传播速度和准确率更为重要。为了提高数据传播的准确率和速度，本文采用了多路径通信的方式。

多路径通信架构如图４所示。

图4 多路径通信架构图

本文采用多路径通信的方式进行数据传输。每个暖通终端都有多条线路通向中心服务器。当暖通终端通过传感器采集到环境温度等数据后，根据自身耗能和环境温度综合得出暖通空调终端提高或减少温度的行动数据。暖通终端将自身行动数据传输到分割器中。分割器分管数台暖通终端，将不同终端的行动数据进行融合处理。分割器将融合后的数据分割成适合不同通信通道的数据，再经不同通信通道传向数据处理中心。本文设计的通信通道有５Ｇ无线通信网络、局部区域网络（local area network，LAN）和电路交换网等网络。不同通信通道将数据传播到数据处理中心侧的转换器，再由转换器将不同类型的数据转换成统一的数据形式，并将统一的数据传给中心服务器^［8］。

Part.03

地源热泵空调模块

为了节能环保，本文在暖通空调系统中加入了地源热泵空调模块。该模块在地下架设垂直埋管和水井，利用土壤和水井吸收的太阳能和热能及热泵原理，实现可供热、可制冷的效果。通过少量的电能输入，就能实现更节能环保的采暖和制冷效果^［9］。

地源热泵空调模块结构如图５所示。

图5 地源热泵空调模块结构图

地源热泵空调模块主要由两部分组成。一部分是地上的热泵机组和对应的储水管、风机盘管等功能机组。这部分与暖通终端和系统用户相连。另一部分是埋于地下的模块部分，包括旋流除砂器、回水井和取水井等的地下水式地源热泵部分，以及以泵藕式垂直埋管为核心的垂直式地源热泵部分。地源热泵空调模块与暖通空调系统的智能控制中心相连。采用智能控制技术后，智能控制中心可以更精准地控制热泵模块进行冷热交换。

泵藕式垂直埋管通过钻孔，埋在地下５０～３００ｍ深的土壤中。埋在地下的封闭管将从地下收集或排出热量，再通过管道中的循环水进行热量循环，并带给地表热泵主机。地下水式垂直埋管通过机组内的闭式循环系统，经过换热器与水井抽取的深层地下水进行冷热交换^［10］。采用两种地源热泵空调技术，既可以满足不同暖通终端的个性化需求，又可以更好地利用地下的太阳能和水能，保证节能环保的技术在暖通空调系统中起相应作用。

Part.04

热回收技术模块

本文设计了暖通空调系统中的热回收模块。该模块主要由新风系统的进出风热力循环和制冷剂过热后的热力利用组成。两个功能模块之间由智能数据中心控制，并由循环水泵连接，负责通过内部循环水来实现热量的传递回收，以达到节能环保的目的。

热回收技术模块结构如图６所示。

图6 热回收技术模块结构图

本文在新风系统的进气口和排气口之间设计了联通的交换管，对排出去的热能进行回收^［11］。一部分热能直接通过交换管来到进气口，对进入室内的新风进行热能利用。另一部分热能则来到回收箱，经暖通系统内部的存储箱，由智能数据中心调度至暖通系统内部的水泵热循环系统之中。

热回收技术模块的核心技术是对系统使用制冷剂过程中的热量进行回收。一部分热量采用板式热交换器，直接通过智能数据中心连接循环水泵热回收模块，经数据终端的自动控制，消除多余的热量损失^［12］。另一部分热量则来到冷凝器部分，通过水源热泵的辅助，满足用户日常热水需求。通过热量回收，不仅可以消除暖通空调系统运行过程中可能出现的过热问题，还减少了暖通空调系统的热污染排放，回收了部分热能，满足了用户室内温度和热水要求，达到了节能环保的目标。

Part.05

试验结果和分析

本文研究了节能环保技术在暖通空调系统中的应用，通过多种技术方案实现了暖通空调系统的精确管理、可再生能源利用和热能回收等功能。为了验证应用的性能，本文搭建试验平台对暖通空调系统进行测试。

试验平台使用两台计算机、一个数据库、一个服务器以及相关通信设备，搭建暖通空调系统的模拟试验环境。本文设置暖通空调系统环境温度为５～２０ ℃ ，部署计算平台作为暖通空调系统的数据处理中心。

暖通空调系统模拟试验架构如图７所示。

图7 暖通空调系统模拟试验架构

试验在模拟仿真暖通系统时，传感器实时收集暖通终端的数据，并将暖通终端数据上传到数据库中，由数据中心对暖通终端数据进行分析处理。为了仿真暖通空调系统长时间运行的特点，本文对比本文系统、文献［２］系统和文献［３］系统三个暖通空调系统在长时间运行下单位时间能耗变化的情况。长时间运行试验数据如表１所示。

表1 长时间运行试验数据

由表１数据可知，当暖通空调系统刚开始运行时，文献［２］系统单位小时耗电量比文献［３］系统单位小时耗电量低。随着运行时间的延长，文献［２］系统单位小时耗电量明显上升，文献［３］系统单位小时耗电量上升幅度较小。本文系统与文献［２］系统和文献［３］系统对比，既有着初运行耗电量低，又有着耗电量随着时间上升幅度小的优点，节能性能明显强于另两个系统。

本文对比三个系统的环保性能，在三个系统出风口设置热量传感器，同时记录三个系统排出气体数据。

试验系统排放热量对比如图８所示。

图８试验系统排放热量对比图

由图８可知，三个系统在不同运行功率下排放的气体热量不同。文献［３］系统排放的气体热量明显高于其他两个系统。在运行功率小于４ｋＷ时，本文系统对比文献［２］系统并无明显优势。但当功率大于等于４ｋＷ时，文献［２］系统排放气体热量迅速增加，明显高于本文系统。本文系统从低功率模式到高功率模式下所排放的气体热量均小于其他两个系统。这证明了本文系统具有更强的气体热量循环利用功能。

Part.06

结论

本文设计了可以实现多种节能环保效果的暖通空调系统。本文运用智能数据中心进行数据收集、分析和处理。智能数据中心采用联邦学习中的平均算法分析系统中的数据，在提高了传播数据速度的同时保证了数据安全。本文还建立了地源热泵功能模块和热能回收模块，通过热泵原理和热回收技术保证了暖通空调系统的节能环保性。然而，本文也有设计不足之处。如何在数据中心对暖通空调系统实现高精度的数据采集，以及如何设计更高精度、更多维度的暖通空调系统传感器，是后续研究需要关注的课题。

参考文献

［１］张桂荣．暖通空调系统中新型传感器的应用［Ｊ］．计算机仿真，２０２０，３７（２）：４６７⁃４７０．

［２］谢榭，周旭．基于运行数据的暖通空调系统调适技术分析与实践［Ｊ］．建筑技术，２０２０，５１（９）：１０９８⁃１１０３．

［３］李向东．基于疫情防控的超低能耗建筑暖通空调系统设计思考［Ｊ］．暖通空调，２０２１，５１（１）：１０⁃１５．

［４］吴剑林，李怀，于震，等．某近零能耗办公楼暖通空调系统优化运行分析［Ｊ］．建筑科学，２０２０，３６（６）：３５⁃４１．

［５］王清江．数据中心暖通空调水冷系统节能控制优化分析［Ｊ］．节能与环保，２０２２（９）：４１⁃４３．

［６］郑楷洪，肖勇，王鑫，等．一个面向电力计量系统的联邦学习框架［Ｊ］．中国电机工程学报，２０２０，４０（Ｓ１）：１２２⁃１３３．

［７］张鹏程，魏芯淼，金惠颖．移动边缘计算下基于联邦学习的动态ＱｏＳ优化［Ｊ］．计算机学报，２０２１，４４（１２）：２４３１⁃２４４６．

［８］李玲，齐兵，李松．基于ＤｅＳＴ软件模拟的超低能耗建筑暖通空调系统适用性分析［Ｊ］．暖通空调，２０２２，５２（Ｓ１）：３０７⁃３１１．

［９］汤小亮，易继锋，陈焰华，等．网安基地展示中心暖通空调系统绿色设计及节能减排分析［Ｊ］．暖通空调，２０２２，５２（７）：７４⁃７８．

［１０］贺舒，韦航，李娟，等．航站楼暖通空调系统节能措施及节能技术应用探讨［Ｊ］．暖通空调，２０２１，５１（Ｓ１）：１３１⁃１３５．

［１１］夏本明．变风量控制系统在化学试验室暖通空调系统中的应用［Ｊ］．暖通空调，２０２２，５２（９）：１１５⁃１２１，１１４．