中央空调冷站节能控制：负荷估计、变水量与能效比解析

简介：这是一份以中央空调节能系统分析与控制为主题的PDF论文资料，面向暖通空调工程师、建筑能源管理从业者及高校相关专业学生，可作为技术预研与课程学习参考。内容围绕冷负荷估计、数据处理和节能控制模型展开，重点分析了冷负荷准确估计对避免过度制冷、优化供冷量的意义，以及如何通过运行数据整理与挖掘揭示系统运行规律，为控制策略提供科学依据。资料综合了公共建筑空调能效比分析、单台空调负荷动态特性、变水量二次泵供水系统效率优化、直膨式空调节能策略及变频改造等多个研究方向，覆盖从理论建模到工程应用的常见场景。压缩包共1个PDF文件，大小2.14MB，文末带有参考文献列表，便于按引文脉络回溯原始研究与扩展阅读。已有75人学习使用。这份资料既能帮助读者快速建立空调节能控制的整体框架，也能为实际项目的参数处理、控制方案设计和技术预研提供较系统的参考。

1. 中央空调能耗占比与节能控制的两条主线

大型公共建筑的中央空调冷站通常占建筑总能耗的四到六成，其中冷冻水系统、冷却水系统与冷机群控的匹配度，决定了这座冷站是跑在额定工况还是跑在实时负荷上。实际项目里我接手过不少节能诊断，发现大量能耗浪费并不来自设备老化，而是来自水泵定频运行、冷机台数切换滞后、压差设定值固定这三类控制问题。彭新一和李学强在2011年发表的这份研究把中央空调节能控制收敛成两条主线：第一条是冷负荷估计与数据处理，让系统知道当前到底需要多少冷量；第二条是基于负荷需求的控制模型，让冷机、水泵、阀门的动作跟随负荷变化。这篇文章面向的是暖通运维工程师、节能改造项目负责人和楼宇自控算法工程师，我会把负荷估计、变水量控制、能效比计算与现场验证这几个环节逐一拆开讲，包括其中容易踩坑的参数细节。

2. 冷负荷估计实战：数据清洗与逐时负荷预测

2.1 为什么冷负荷估计是节能控制的前置条件

冷负荷估计这个环节直接决定冷水机组加减机、冷冻水泵频率和供水温度设定值这三个核心控制量。如果负荷估计偏高，系统会多开一台冷机或把频率拉到上限，造成不必要的耗电；估计偏低则导致供水温度上升、末端除湿能力下降，部分区域出现供冷不足投诉。彭昌勇等人基于冷负荷需求建立的空调节能控制模型，本质就是把负荷估计作为控制器的输入，再由控制器输出设备启停与频率指令。

常见的负荷估计方法有三类：一是基于室内外温度、湿度的简化物理模型，适合没有历史数据的新项目；二是基于历史运行数据的回归或时序模型，适合改造项目；三是把两者结合，用物理模型做骨架、用实时数据做修正。在这篇研究发表的时间背景下，典型做法是用简化物理模型加逐时气象数据估算，再对照冷冻水供回水温差和流量反算的实际冷量做校正。这里我一般建议先做数据清洗，再做负荷计算，顺序不能反，否则清洗规则会被测量噪声带偏。

2.2 数据采集通道与预处理流程

冷负荷估计依赖的数据源通常包括室外温湿度、太阳辐射、冷冻水供回水温度、冷冻水流量、各区域温度设定值。前两项属气象侧，后三项属系统侧。BA系统里采样周期常见为1分钟到15分钟，默认5分钟一条记录，但做负荷分析时我习惯把数据重采样到小时级，这样能平滑掉冷机启停瞬间的流量波动。下面是一段预处理代码，处理的是从BA系统导出的CSV：

import pandas as pd raw = pd.read_csv("chiller_plant.csv", parse_dates=["timestamp"]) df = raw.set_index("timestamp").resample("1h").mean() # 剔除冷冻水供回水温差小于0.5℃的时段 df = df[df["dt_chw"] >= 0.5].copy() # 计算实际冷量（kW），C_p为水的比热4.186 kJ/(kg·℃) df["q_actual"] = ( df["flow_chw"] * df["dt_chw"] * 4186 / 3600 )

这段代码做的事情是：把原始数据按小时重采样取均值，过滤掉冷冻水侧温差过小的点，随后用流量和温差相乘计算实际冷量。注意flow_chw的单位如果来自电磁流量计通常是 m³/h，水的密度近似取1000 kg/m³，算出的冷量单位就是 kW；如果流量单位是 L/s，换算系数需要整体调整。

参数上关注三点。第一，resample的窗口大小决定负荷曲线的平滑程度，1小时适合逐时负荷分析，15分钟会保留更多动态特征但噪声也大。第二，温差下限阈值要根据系统设计温差调整：大温差系统设计温差10℃可以设到1℃，常规5℃系统设0.5℃更稳妥。第三，分时段剔除比全局剔除更合理，夜间部分末端关闭时段流量可能低到测量精度以下，这类点应该按运行状态字段过滤，而不是只按温差过滤。

2.3 简化物理模型的逐时负荷估算

数据清洗完，下一步是用气象参数估算逐时冷负荷。这里我用的是一个工程上常见、不需要太多参数的简化模型，按围护结构传热、新风负荷和内部负荷三项叠加：

def estimate_cooling_load(t_oa, t_room, q_solar_hour, area_env=8000, k_env=0.9): # 围护结构传热负荷 q_envelope = k_env * area_env * (t_oa - t_room) # W q_envelope = max(q_envelope, 0) # 室外温度低于室内时不作为冷负荷 # 新风负荷：按500人、每人30 m³/h估算新风量，焓差简化按温差×1.2计算 occupants = 500 fresh_air_m3h = occupants * 30 q_fresh = fresh_air_m3h * 1.2 * (t_oa - t_room) / 3.6 # W # 内部负荷：设备与照明按面积密度35 W/m² q_internal = 35 * area_env # W q_total = q_envelope + q_fresh + q_internal + q_solar_hour return q_total / 1000 # kW

这个模型的逻辑：围护结构负荷用传热系数、面积和室内外温差线性估算，忽略墙体蓄热；新风负荷按每人新风量乘以密度1.2 kg/m³和温差计算，除以3.6把kJ/h折算成W；内部负荷按单位面积功率密度估算。q_solar_hour是逐时太阳辐射得热，按朝向和遮阳系数折算，是当天估算里波动最大的项。

简化模型的局限在于把墙体当作无热容处理，所以对上午负荷上升段和下午衰减段会存在几个小时的相位偏差。对控制策略来说，我更关心负荷变化的趋势和量级，而不是精确到个位数的冷量值。实际项目中，我会把模型输出与q_actual做相关性对比，相关系数0.8以上就可以认为模型可用于控制器输入。

2.4 负荷估计的误差边界与补偿策略

负荷估计误差一般来自三个方面：气象预报的偏差、内部负荷估算偏差、新风量假设与实际新风阀开度不一致。针对误差，我通常采用两种补偿手段。第一种是实测冷量跟随：每天零点把当天实际冷量和前一天模型预测值比较，偏差超过15%时，第二天把模型中的内部负荷密度参数做一次反向修正。第二种是控制死区：把负荷估计作为冷机加减机的判断依据时，在估计值上下各设3%~5%的死区，避免冷机在加减机边界反复启停。死区太小会造成冷机频繁启停，缩短压缩机寿命，冷机启动过程本身的电流冲击和能耗损失也不可忽略。

提示：负荷估计的目标不是让预测值等于真实值，而是让预测误差落在控制逻辑的容忍范围内。误差小于10%时，系统能效比损失通常在3%以内，这个匹配关系在工程上完全可接受。

3. 变水量系统与二次泵变频控制的效率优化

3.1 一次泵/二次泵系统的水力特性与节能空间

变水量系统的节能逻辑一句话可以概括：末端需要的流量是变化的，水泵就不该定频跑。但为什么很多项目在冷冻水系统改了一次泵变流量后，仍然没有明显节能？核心原因是压差设定点取得太保守。

先看两个基础概念。一次泵系统只有一组冷冻水泵，冷机与水泵一一对应，管路简单，适合冷机允许流量变化的场合；二次泵系统在冷机侧设一次泵、在负荷侧设二次泵，二次泵负责克服最不利末端环路的阻力，好处是冷机侧流量可以保持基本恒定，适合冷机对最小流量有限制的场合。毕崇宁和李歧强对变水量空调二次泵供水系统效率优化的研究，就是围绕二次泵频率与压差设定点的匹配展开的。

二次泵的节能空间在于水泵功耗与转速近似成立方关系。实际受系统曲线和泵特性曲线偏移影响，指数介于2.5到3.2之间，但即使按下限算，转速从50Hz降到40Hz，功耗也能降约40%。关键前提是压差设定值不能固定在高位，否则变频器会把频率卡在45Hz附近，立方关系带来的收益大打折扣。

3.2 二次泵变频控制参数整定

二次泵控制的核心是压差设定点-频率闭环。BA系统里常见的写法是：最不利末端压差传感器测量值与设定值比较，偏差经过PID控制器输出频率指令。设定值通常取设计工况下的最不利环路压差，比如100 kPa。这个值取高了对大多数末端够用，但整个系统全年都在过流量状态下运行，水泵能耗长期偏高。

我一般把二次泵控制参数整定分为三步。第一步，将压差设定点从设计值往下试探性降低，每次降5 kPa，观察最不利末端的水阀开度变化。第二步，当某个末端水阀开度超过95%，或压差低于末端设备要求的最小压差时，把设定值回调5 kPa，作为当前工况的下限。第三步，把下限值做成随冷负荷变化的重置曲线，而不是固定值。下面是一段压差重置逻辑：

def reset_dp_setpoint(q_load_kw, q_design_kw, dp_design_kpa=100, dp_min_kpa=60): # 负荷率限制在0.2~1.0，防止低负荷时数值跳动 ratio = q_load_kw / q_design_kw ratio = max(0.2, min(1.0, ratio)) # 线性重置：负荷越低，压差设定越低 dp_set = dp_min_kpa + (dp_design_kpa - dp_min_kpa) * ratio return round(dp_set, 1)

逻辑说明：负荷率按当前估算冷量除以设计冷量计算，限制在0.2到1.0之间防止异常值干扰。压差设定值在60到100 kPa之间线性插值，负荷越低设定值越低，水泵频率跟随降低，从而节省功耗。

这个重置策略工程量不大，但效果显著。对末端带电动二通阀的系统，压差重置后阀门开度普遍从40%升到70%左右，阀权度接近合理区间，水泵功耗平均下降20%到30%。需要注意，采用压差重置时，最不利末端的识别不能只看设计图纸，要在运行中观察各支路压差和阀位来确认，因为实际管道不平衡往往与设计不一致。

3.3 压差设定点重置的边界条件

压差重置不是无底线地压低。有三个边界条件必须守住：一是末端设备的最小工作压差，风机盘管通常15~20 kPa，空气处理机组看盘管阻力，通常30~50 kPa；二是冷水机组蒸发器的最小流量限制，二次泵系统里这个约束容易忽略，二次泵流量下降后蒸发器可能进水不足；三是电动阀的调节特性，阀权度过低时阀门接近全开，小开度范围内的调节能力退化，末端温度开始漂移。

实际操作中，我会把最不利末端压差传感器安装在最远端支路的回水管上，同时在该支路供水管上装压力表做人工比对。如果没有最不利末端传感器，也可以用末端二通阀开度作为间接指标，最大阀位超过90%时回调设定值。下表是两组典型参数下的压差设置参考：

表格里的下限值不是拍脑袋定的，是按最不利末端最小工作压差加上最不利支路管道阻力估算得到的。选定时建议现场实测最不利末端压差，至少连续观察两个典型工况，低负荷夜间和高负荷午后，再确定最终值。

4. 基于冷负荷需求的节能控制模型与能效比分析

4.1 控制模型的输入输出结构

彭昌勇、熊春波和孔范增提出的基于冷负荷需求的空调节能控制模型，把控制问题的描述方式从按经验定时启停转换成了按负荷需求调节。这套模型的输入输出结构放到今天的BA系统里依然可以直接映射：输入是冷负荷估计值、室外湿球温度、冷冻水回水温度、运行冷机台数和各冷机负载率；输出是冷机台数指令、冷冻水泵频率、冷却水泵频率、冷却塔风机档位。

模型的核心是一个优先级逻辑：先定台数，再定泵的频率，最后调冷却塔。为什么是这个顺序？因为冷机是能耗大头，台数不对，后面参数调得再精细也只是在错误的基础上修修补补。冷机台数判断的常见依据是负荷率：单台冷机负载率持续高于90%时加机，低于40%时减机。这两个阈值之间留出较宽的滞后带，避免频繁加减机。

这里补充一个细节：加减机判断用的负荷率，应该用当前冷机实际制冷量除以额定制冷量，而不是用电流百分比。电流百分比受运行工况和冷媒状态影响，不如冷量判断精准。如果系统里没有能量表，可以用冷冻水供回水温差乘以流量近似，与第2章冷负荷估计的方法保持一致。

4.2 系统能效比计算与群控策略验证

能效比是验证节能控制模型有没有效果的核心指标。冷站层面常用系统能效比表示，即整个冷站的制冷量除以冷站总电功率：

def compute_plant_eer(q_cooling_kw, p_chiller, p_pump_chw, p_pump_cw, p_ct_fan): p_total = sum([p_chiller, p_pump_chw, p_pump_cw, p_ct_fan]) if p_total <= 0: return 0.0 return q_cooling_kw / p_total

这个函数输出不带单位，习惯上写成kW/kW或直接写EER数值。冷站典型范围是：设计工况下EER在4.5到5.5之间，部分负荷优化后可以提到6以上；如果系统常年跑在3.5以下，说明群控策略基本失效。

闵晓丹对公共建筑空调系统运行能效比的分析里有一个关键观察：实际运行能效比和设计工况能效比之间的差距，主要来自部分负荷率下的设备匹配问题。设计日冷负荷1000 kW，实际大多数时间运行在400 kW，如果仍然开着两台500 kW冷机每台跑40%负载率，冷机COP会显著低于额定值；减到一台冷机、让它在80%负载率运行，COP可能从5.0升到5.8。下表对比了不同台数策略下的能效差异：

这张表说明：同样100%总负荷，开两台不如开一台，前提是冷机能稳定运行在满负荷附近且不是频繁启停；同样40%负荷，开两台导致每台都在低负载率下运行，冷机COP和系统EER都明显下降。所以群控策略的第一优先级永远是让运行中的冷机处于高效负载区间。

4.3 PLC与变频器协同的实现框架

对应时期的研究里，刘星平关于PLC和变频器在高层建筑中央空调节能改造中的应用，给出的是一个典型的硬接线控制方案：PLC采集温度、压力、流量信号，通过模拟量模块输出频率指令给变频器，变频器直接驱动水泵或风机电机。这个方案在今天的改造项目里依然大量存在，只是PLC的通讯方式从RS485升级成了Modbus TCP或BACnet/IP。

PLC控制程序的典型扫描逻辑可以描述成一个固定周期循环：读传感器值，计算冷负荷，查台数表，计算频率目标，输出到变频器，记录历史。PID回路放在PLC里时，积分项要做抗饱和处理，否则压差传感器波动时频率指令会来回振荡。一个常见做法是把PID输出的变化率限制在每秒2 Hz以内，同时把积分分离阈值设为偏差小于10 kPa时才启用积分。

提示：变频器侧要设置好下限频率和加减速时间。冷冻水泵作为平方转矩负载，下限频率一般不低于25 Hz，低于这个值水泵扬程可能无法克服系统静压，电机也可能因为散热不良而过热。

5. 热力学边界：㶲分析与改造的设计约束

5.1 㶲损失定位：节能改造的瓶颈分析

戎卫国和孟繁晋从热力学角度对空调节能技术做的分析，核心思路是用㶲（可用能）而不是用能量来评估空调系统的每个环节。能量守恒只能告诉我们热量去了哪，㶲分析能告诉我们做功能力在哪一步被浪费掉。制冷系统里最大的㶲损失通常不在压缩机，而在冷凝器和蒸发器的换热环节，因为这两个环节的传热温差直接把高压侧和低压侧的做功能力消耗掉了。

具体到中央空调系统，冷凝温度每升高1℃，冷机COP大概下降2%到3%；蒸发温度每降低1℃，COP下降约3%。所以热力学层面的节能优先顺序是：先减小冷凝器和蒸发器的传热温差，再谈水泵风机变频。很多项目把精力放在水泵变频上，却忽略了冷却塔风机全年高速运行导致冷凝压力偏高，这是分析维度上的本末倒置。

5.2 设计约束与运行约束的差异

改造项目里最常见的矛盾是：系统按设计工况选了设备，但运行工况远偏离设计点。设计工况假设室外35℃、室内26℃、冷负荷100%，而实际全年大部分时间室外在20℃到30℃之间、负荷在30%到70%之间。在偏离工况下，设备的性能曲线完全不是样本册上的样子。

我在评估改造方案时先做三件事：核对冷冻水系统最不利环路的实测压差和计算压差是否一致；检测冷水机组在低负载率下的实际COP曲线；测量冷却塔散热能力是否因为填料老化或布水不均而衰减。这三项决定了变水量改造、台数控制和冷却塔优化各自还剩多少空间。如果冷机本身的COP在部分负荷下已经很差，那么负荷估计和控制模型做得再精细，也只是在低效率设备外围做文章。

5.3 热力学分析与数据驱动方法的结合

纯热力学分析的问题在于，设备厂家给的性能曲线通常只有几个固定工况点，中间区域靠插值，误差较大。纯数据驱动方法的问题在于，回归模型在没见过的新工况下外推不可靠。两者结合的做法是：用热力学关系确定模型函数形式，用现场数据拟合其中的系数。

比如冷水机组的COP随负载率和冷却水进水温度的变化，可以写成：

def estimate_chiller_cop(load_ratio, tcws_in, a0=5.5, a1=-2.8, a2=-0.08): # 负载率0.3~1.0，冷却水进水温度20~35℃内有效 cop = a0 + a1 * (load_ratio - 0.5) + a2 * (tcws_in - 30.0) return max(cop, 2.0)

这个模型的形式来源于热力学常识：COP随负载率的变化在0.3到1.0范围内接近线性，随冷却水进水温度升高而降低。三个系数用现场小时粒度数据做线性回归即可拟合出来。系数a1为负表示负载率高于50%时COP下降，这在部分冷机上也可能不是单调关系；如果拟合结果与预期方向不一致，说明冷机存在明显的低负载率劣化，或者数据里混入了停机时段，需要回头检查数据清洗条件。

用这个简化模型做群控仿真时，比直接用厂家插值表要稳得多，因为它不会在样本点之外产生不合理的外推值。对每个改造方案，先把冷机、水泵、冷却塔的模型串起来，再灌入一年的逐时负荷和气象数据，算出全年逐时EER，这才是判断改造方案能否落地的依据。

6. 现场调试验证：从负荷预测到节能投运的检查项

验收时不能只看系统能自动运行了，要看控制器的每一个输入输出链路是否闭环。下表是冷站节能改造项目里的投运检查清单，按验证顺序排列：

调试时最容易踩的坑有三个。第一个是压差传感器安装位置不在最不利末端，导致重置逻辑永远优先保护错误的支路，表现是某一层一直冷量不足而其他层过热。解决方法是先做末端阀门全开测试，找出压差最低的末端重新安装传感器。第二个是冷量计算在低流量时段出现负值，原因是流量计在量程下限附近的测量噪声被温差放大，处理办法是在控制逻辑里加最小流量判断：流量低于设计值20%时，冷量输出按0处理。第三个是负荷预测模型在梅雨天气明显低估负荷，因为简化模型里的新风负荷只考虑了温差没有考虑潜热，这时需要把室外湿球温度引入模型，或者切换到基于实测冷量的跟随模式。

验证的最后一步是记录改造前后各一周的逐时数据，计算日均冷站EER、总电耗和对应的减碳量折算。EER提升15%到25%在变水量加群控优化项目里是常见区间；如果低于10%，优先检查冷机台数策略是否让每台冷机跑在高效负载区间，而不是去调水泵变频器的PID参数。

本文还有配套的精品资源，点击获取