义乌市政府中央空调系统由两台冷机、两台冷冻水泵、两台冷却水泵、两台冷却塔组成，在实际运行中常开一台海尔磁悬浮冷水机组、一台可变频的冷冻水泵、一台可变频的冷却水泵、两台定频的冷却塔。

　　经过7月24日-8月18日期间累计20个工作日的交替运行，AI运行模式通过调节冷却水泵频率、冷冻水泵频率和冷机出水温度设定值的方式较原自控模式节能16.81%，累计节能量达2397.7kWh，验证了AI运行模式下的节能效果。

　　项目节能措施

　　EBET易博通过在现场部署智鸿边缘计算设备和AI强化学习算法的方式实现冷却水泵变频、冷冻水泵变频、冷水机组出水温度优化。

　　

 

　　图1 义乌市政府1号楼智鸿边缘计算器现场部署照片

　　01

　　冷却水泵变频

　　自控模式下冷却水泵定40Hz运行，在AI运行模式下，以整体运行能耗和室内温度变化为奖励，对冷却水泵进行变频运行，上下限为30Hz~50Hz。从运行结果来看，AI运行模式下牺牲了冷却水泵的运行能耗，而进一步降低了冷机的进水温度，实现整体能耗的下降。

　　02

　　冷冻水泵变频

　　自控模式下冷冻水泵定50Hz运行，在AI运行模式下，以整体运行能耗和室内温度变化为奖励，对冷冻水泵进行变频运行，上下限为35Hz~50Hz。从运行结果来看，AI运行模式下对冷冻水泵进行适时的降低，实现冷冻水泵的运行能耗下降约30%左右。

　　以7月24日为例，其冷却水泵频率和冷冻水泵频率的变化如图2所示。

　　

 

　　图2 7月24日冷冻水泵、冷却水泵频率变化情况

　　03

　　冷机变出水温度设定值

　　自控模式下冷机的出水温度设定值固定为8℃，在AI运行模式下，以整体运行能耗和室内温度变化为奖励，实现冷机变出水温度设定值的方式运行，上下限为7~11℃。通过室内温度状态情况实时调整冷机的出水温度设定值，可以实现末端冷量的按需供给，同时进一步降低末端的温度波动，减小冷水机组的能源消耗。以7月24日为例，其冷机出水温度设定值变化如图3所示。

　　

 

　　图3 7月24日冷机出水温度设定值的变化情况

　　测量和验证方案

　　验证基准

　　经前期数据修复，义乌 1 号楼 PLC 数据、电量、温度数据均校核准确。冷站运行实时采集数据共两份，义乌云平台采集、EBET易博盒子采集数据正常且一致。

　　通过前期模式切换设计，平台组态界面有个算法/自控切换按钮，见图4。通过平台的日历功能进行模式切换，即周一到周五每日切换一次，下周一与上周五开启模式相反，见图5。制冷系统启停由现场物业人员控制，固定为每天 7:30-21:30。由于周六、周天开启时间随机，不纳入对比测试，按算法模式运行。

　　

 

　　图 4

　　

 

　　图 5

　　项目边界

　　项目边界包括冷却水泵、冷却塔、冷冻水泵、冷水机组的设备用电量。

　　节能量的单位

　　本次节能量的计算单位为kWh(千瓦时)。

　　节能量的计算方式

　　

 

　　数据获取方法和来源

　　用电量和室内温度的数据来自于甲方的平台通过mqtt的方式传送给乙方，空调系统的运行数据则是乙方通过直接对接PLC的交换机获取数据。

　　测量期

　　本项目的测量期为7月24日至8月18日的工作日，每日早上7点30分至晚上21点30分。具体的交替运行时间如表所示：

　　

 

　　节能量计算结果

　　经过计算，在7月24日-8月18日交替运行期间，AI运行模式较自控运行模式平均节能率为16.81%、平均节能量为239.77kWh、总节能量为2397.71kWh。其分项设备的节能情况如下表所示，可以看出其中节能贡献占比最高的为冷机达到65.78%，其次为冷冻水泵占比为40.08%，而对冷却水泵来说，由于原本定频40Hz运行，在AI运行下，适当的会提高冷却水泵频率，提高冷却侧流量，从而进一步降低冷却水回水温度，减少冷机能耗，因此AI模式下冷却水泵能耗有所增长，对于冷却塔而言其无变频装置，亦不可单台控制启停，因此AI模式下未对冷却塔进行任何的优化，-0.6%的节能率可以认为是单纯的对比误差，可以忽略不计。

　　

 

　　典型相似日对比

　　根据室外温度的情况，选取7月25日自控模式和7月26日AI算法模式来进行对比，详细分析AI算法模式和自控模式下的运行差异。

　　1

　　室外温度对比

 

　　

 

　　从室外温度对比可以看出，7月25日和7月26日室外温度曲线变化基本一致，具备典型相似日的对比条件。

　　2

　　室内温度对比

 

　　

 

　　从室内温度变化可以看出，AI算法控制和自控控制下其室内温度大部分时间都控制在28℃以内，而在下午17点40分左右，由于下班时间负荷波动较大，在自控模式下其定参数运行的方式无法适应这种负荷波动，导致了室内温度超过预期控制温度，而对AI算法而言，其很好的察觉到了负荷的波动，并适当的给予调整，使得室内温度的变化更加平稳。

　　3

　　冷却水泵频率对比

 

　　

 

　　目前对于自控模式而言，其冷却水泵的频率定40Hz运行，而对AI算法而言，它更多的是考虑从整体能耗的角度出发，调整冷却水泵的频率，以实现总体的能耗最低。

　　4

　　冷冻水泵频率对比

 

　　

 

　　

 

　　目前对于自控模式而言，其冷冻水泵的频率定50Hz运行，而对AI算法而言，它更多的是从末端负荷需求和实时能耗角度出发，调整冷冻水泵的频率，以实现在保证末端舒适度的前提下总体的能耗最低。

　　5

　　冷水机组实时功率对比

 

　　

 

　　

 

　　7月25日和7月26日冷机能耗的实时功率曲线和冷机出水温度设定值分别如图所示，可以看出在冷机刚启动的半小时内能耗方面AI模式和自控模式下基本一致，但是在冷机启动后，由于出水温度设定值的变化，AI运行模式下的冷机能耗基本始终低于自控模式下的冷机能耗，只有在下午17点40分左右，AI算法识别到末端负荷的增加，及时的响应了末端负荷的需求，降低了冷机的出水温度设定值并提高了冷冻水泵的频率。

　　对比总结

　　对于AI强化学习算法而言，由于其建立了和末端舒适度的实时联动，相当于采用AI+物联网的方式，在冷冻侧实现了末端冷量的精确供给，其较自控模式而言大大减少了无效的冷量供给。在冷却侧则着重考虑整体思维，不追求单台设备的能耗最低，而是追求系统总能耗最低，这也是为什么在本项目上AI强化学习算法牺牲了冷却水泵的部分能耗去追求进一步降低冷水机组的能耗。

　　进一步优化的空间

　　加装冷却塔变频装置

　　现在冷却塔缺少变频装置，一旦开启就是满频运转，在增加完冷却塔变频装置后，可以进一步对冷却塔频率进行优化，降低冷却塔的运行能耗。

　　放开冷水机组出水温度设定值

　　目前冷水机组的出水温度设定值限制为8~11℃，按照实际办公及商业项目案例经验出水温度可以适当放宽到13摄氏度，因为AI强化学习算法会实时监控末端负荷，在保证末端温度的条件下选择最合适的出水温度，来降低冷机能耗。

　　水泵频率下限调试

　　目前冷却水泵的下限定为35Hz，冷冻水泵的下限定为40Hz，其实可以针对实际运行情况做一次水泵频率下限调试，进一步确认实际的水泵频率下限，给AI算法更大的优化空间。