医院中央空调系统节能平台将人工智能等技术应用到中央空调系统的设计、实施与运维之中，通过智慧节能策略的执行和控制，协助医院达到节能增效的目的。基于负荷预测和空调水系统运行优化的中央空调AI智能管控系统，通过数据采集、负荷预测、自动控制、策略优化等功能，有效提升中央空调系统的智能化水平和运行效率。医院采用中央空调AI智能管控系统，综合节能率可达10%左右，节能效果显著。

综合医院作为一种特殊的公共建筑，为人民群众提供医疗、预防、康复、保健、教学、科研等全方位的服务，医院的服务内容要求必须配备各种功能的医疗机械和机器，这决定了综合医院建筑的复杂性^[6]。医院用能设备主要有医疗器材、办公设备、空调系统、生活热水系统、照明系统、供暖系统等，其能耗包括电、水、天然气、蒸汽、燃煤、燃油及医用气体等，导致医院建筑能源形式多样，能源体系复杂^[7]。而医院门急诊部门时间安排和患者的病症不同，致使医疗设备运行时间等具有不确定性，故需全天输送能源供应医院，导致医院能耗居高不下。相关数据显示，医院能耗比其它公共建筑能耗要高1.6~2.0倍^[8]，其中耗电量占医院能耗的86.9%^[^9]。医院建筑的能耗主要集中在夏季，约占总耗能量的50%左右，即便夏初和夏末，能耗也高于其他时期。医院能耗水平与医院的建筑基本情况、类型、等级、以及大型医疗设备数量等有关，一般建筑面积大、就诊人次多、大型医疗设备多的医院综合能耗较高。

在国家实施和推进“双碳”战略的大环境下，对医院建筑的实施节能减排举措十分必要，在满足医院建筑在室内环境、人文服务和医疗质量的前提下，对既有医院建筑进行节能改造，从而降低医院建筑整体运行能耗以及成本，成为目前对各大中型医院可持续发展的重要方向。在保证医院建筑整体稳定运行的前提下，了解医院能源需求结构和利用情况，发掘其用能系统和运行管理之中的节能潜力，是目前医院建筑节能的研究重点之一。人工智能是当前备受关注的新兴技术，应用人工智能技术对建筑运行的海量数据进行分析，从空调系统自身的运行数据中挖掘出提高空调系统运行性能的规则和手段，以降低建筑能耗，具有重要的现实意义和研究价值。因此，本文以夏热冬冷地区某医院建筑的中央空调系统为研究对象，利用基于负荷预测和空调水系统运行优化的中央空调AI智能管控系统，探索医院中央空调系统节能原理和优化控制策略，并结合实例分析中央空调系统的节能降耗效果，为医院中央空调系统的运行优化和节能降耗提供参考。

01 空调负荷预测方法

目前大型公用建筑负荷预测主要通过冷冻水供回水温度来获取建筑实时负荷^[10]，如图1所示，这种方法未充分考虑空调末端用户侧的随机行为和室外环境变化对负荷的影响，不能真实反映空调末端的实时负荷需求，而基于此确定的冷水机组、水泵和冷却塔的启停搭配，缺乏可信度。因此，准确预测空调末端负荷，对建筑负荷约束下空调水系统优化控制尤为重要。

图1 传统负荷预测方法

短期负荷预测方法采用统计回归方法建立建筑物的热响应模型，该模型描述某个时段内各种影响因子（比如天气、时间段、制冷/热量）与该时段内室内平均温度变化间的统计关系，模型利用建筑室内外温湿度、室内期望温度等相关影响因子，预测未来一个时间段内的负荷需求作为短期负荷预测。远期负荷预测方法采用时序数据聚类的方法，从历史数据中学习典型负荷变化模式，根据当前天气、节假日等条件，从典型模式中预测出未来24小时的负荷需求。短期负荷预测利用当前时间点供回水温度、室外温湿度等较多的已知条件，获取较准确的预测，而远期负荷预测着重反映未来24小时的负荷变化趋势。短期和远期负荷预测获得的量化数据为最终负荷模型预测控制提供了重要的输入条件，如图2所示。准确的负荷预测使建筑物避免发生过冷或过热的情况，同时减小室内温湿度的波动范围，负荷预测过程如图2所示。

图2 采用短期负荷和远期负荷相结合的负荷预测方法

02 空调水系统运行优化方法

目前，中央空调水系统运行期间，各设备的运行参数多为固定值，然而实际的中央空调水系统运行优化是一个复杂的非线性问题。中央空调水系统在运行时会因为室外天气和建筑空调负荷的变化，偏离最佳工况，造成系统的运行能耗增加。在研究中央空调水系统的优化运行时，需要综合考虑冷水机组、水泵、和冷却塔等各个设备的协同控制，以达到中央空调水系统的综合运行能耗最小^[11]。

基于人工智能算法的中央空调水系统运行优化方法，采用自适应学习建立高精度仿真模型，该模型依据设备性能参数和建筑负荷预测对各冷机、水泵和冷却塔等设备的启停、切换、参数设定等生成3小时或更长时间内的优化运行方案。该模型根据建筑负荷数据、系统运行约束条件、设备性能参数和能源费用等信息，对比出危险、安全且节能、安全但不节能等方案，在此基础上放弃危险方案并将计算资源分配到后两者上继续搜索下一阶段的操作，以此类推直到获得理想的控制路径或者达到规定的搜索步长，最佳控制路径规定了从当前开始的一个时段内不同时间点上不同设备的启停指令或参数调整指令。如果当前时间点对应的指令有别于计算机最近一次向对应设备发出的指令，计算机将当前时间点的指令发往对应设备将保持“沉默”，计算机等待了数分钟后或者检测到现场设备的状态发生变化或出现了需要关注的事件，仿真模型会根据中央空调水系统的当前状态重新搜索最佳控制路径，再次将对应当前时段的指令发往对应设备。采用优化搜索技术而不是人工预设的控制逻辑，实现了中央空调系统的自主优化节能运行，空调水系统仿真模型流程如图3所示。

基于人工智能算法的中央空调水系统仿真模型可以提高中央空调水系统对环境的适应能力、设备间相互协作能力、和运行方式的自主规划能力，使得建筑物中央空调系统在不同气候条件下、不同设备状况下能够自主地克服大多数故障和干扰，真正实现自动、安全、舒适、节能运行。

图3 空调水系统仿真模型流程图

03 工程案例

项目概况

江苏某人民医院总建筑面积约13万平方米，其中地上建筑面积约10万平方米，地下建筑面积3万平方米，包括住院楼主楼、科研生活楼、门急诊医技综合楼和辅助用房。医院采用两管制和四管制中央空调，冷源系统包含蓄冰系统、地源热泵系统和高温冷冻水系统，空调末端采用了AHU+PAU+FCU的形式。该医院采用了地源热泵提高制冷效率、采用蓄冰系统降低制冷费用等多种节能减排手段，多个节能子系统在实现设计节能的同时也对日常运行和控制提出了更高要求，节能效益的实现取决于能否合理地解决中央空调水系统设备一体化控制，空调的需求侧响应及冰蓄冷系统的运行效益等问题。空调水系统图见图4，空调系统主要设备的参数见表1。

图4 医院中央空调水系统图

表1 空调系统主要设备清单

中央空调AI智能管控系统

医院现使用中央空调AI智能管控系统对医院冷热源系统进行智能控制。基于负荷预测方法和空调水系统运行优化方法的中央空调AI智能管控系统从医院BA系统获得实时运行数据，以安全和节能为目标，根据用户实时负荷数据，依据设备性能参数和负荷预测模型对各冷机、水泵和冷却塔等设备的启停、切换、参数设定等生成3小时或更长时间内的优化运行方案，方案中针对当前时刻的运行指令和设定将通过BA系统发往相应的设备，以实现医院中央空调的节能运行，中央空调AI智能管控系统架构见图5。

图5 中央空调AI智能管控系统架构

中央空调AI智能管控系统成效分析

为了对比分析中央空调AI智能管控系统和传统方式控制下的中央空调系统能耗，以2021年7月5-7日传统运行模式下平均能耗作为基准能耗，以2021年8月11日-28日智能管控运行模式下能耗作为比较项。7月5-7日日均气温为30.37 ℃，8月11-28日均气温30.32 ℃，通过对比发现，中央空调AI智能管控系统运行模式较传统运行模式，节能29649.7 kWh，节能率为9.52%。

图6 AI智能管控运行模式与传统运行模式下能耗对比

通过对比表2中AI智能管控运行模式与传统运行模式下不同类型机组的能耗发现，地源热泵机组能耗从2232.1 kWh上升至5674.5 kWh，而高温冷水机组能耗从3393.3 kWh下降至5674.5 kWh，双工况机组能耗从8603.5下降至3682.7 kWh，机组总能耗下降了11.13%。通过对比AI智能管控运行模式与传统运行模式下不同类别机组的能耗占比发现，地源热泵机组能耗占比从15.7 %提升至44.9 %，而高温冷水机组能耗占比从23.9%提升至26.0 %，双工况机组能耗从60.6%下降至29.1%，传统运行模式下主要由双工况机组输出冷量，而在AI智能管控运行模式下主要由地源热泵机组输出冷量，经中央空调AI智能管控系统优化后，在满足医院制冷需求条件下，中央空调水系统的运行策略发生变化，达到节能目的。

表2 AI智能管控运行模式与传统运行模式下机组能耗对比

04 结论与展望

本文围绕医院中央空调AI智能管控系统，具体阐述了负荷预测方法和空调水系统运行优化方法。采用短期和远期相结合的负荷预测方法，实现空调负荷的按需供应，避免建筑物过度供冷，同时准确的负荷预测为中央空调水系统优化提供重要的输入条件；中央空调水系统优化采用自适应学习方法建立高精度仿真模型，动态调节中央空调水系统运行参数，保证空调系统在最佳状态下工作，提高空调系统的节能效果，有效降低了医院空调系统设备运行能耗。中央空调AI智能管控系统实现了中央空调水系统设备的高效节能、智能化控制、智慧化运维。

中央空调系统节能改造是一项复杂的系统化工程，使空调系统更好地满足医院环境品质需求的条件下，同时实现能源的高效利用，减少社会资源浪费，改善管理粗放造成供冷量过度供应，以减轻医院经济压力。为此，医院采用中央空调AI智能管控系统，在正确预测医院空调末端需要的冷量的基础上，利用自适应学习方法建立中央空调水系统最佳运行方案，综合节能率可达10%左右，节能增效前景可观。

参考文献

[1]张抗,苗淼,张立勤.“双碳”目标与中国能源转型思考(一):能源转型与碳达峰、碳中和[J].中外能源,2022,27(03):1-6.[2]李以通,李晓萍,邱兰兰.公共建筑运行能耗特征分析及能耗指标[J].建筑节能(中英文),2021,49(09):31-34.

[3]Gonzalez M E.Improving customer satisfaction of a healthcare facility:reading the customers’ needs[J].Benchmarking:An International Journal,2019,26(03):854-870.

[4]国家卫生健康委员会规划发展与信息化司.2020年我国卫生健康事业发展统计公报[J].中国病毒病杂志,2021,11(05):321-329.

[5]中国建筑节能年度发展研究报告[R].北京:清华大学建筑节能研究中心,2020.

[6]邱茂新,魏建军,苏元颖,等.“医院建筑设计创新与效率研究”主题沙龙[J].城市建筑,2015(19):6-14.

[7]王云霞.碳中和背景下北京市医院节能减碳现状及路径分析[J].节能与环保,2021(04):34-36.

[8]朱永松,罗蒙,甘宁,等.大型综合性医院节能管理的分析与对策[J].中国医院,2011,15(02):73-75.

[9]张磊.医院建筑能耗现状及节能策略研究:以某医院为例[J].科技展望,2015,25(12):17.

[10]蒋小强, 龙惟定, 李敏. 区域供冷系统逐时冷负荷的分析及数值预测[J]. 中南大学学报(自然科学版), 2010, 41(01):357-363.

[11]王欣.上海某制药厂冷冻机房自控改造节能分析[J].建筑热能通风空调,2021,40(04):63-65+44.