HVAC智慧調控與柔性用能實驗平臺 暖通供熱 平臺功能與應用

       以“注重理論聯系實際、強化工程能力訓練，培養適應能力強的創新人才"為實驗教學目標，涉及冷熱源工程、暖通空調、流體輸配管網、熱質交換原理與設備、建筑設備與能源系統智能化、大數據與人工智能應用等多門本科專業課實驗教學服務、相關研究生科研實驗，可實現企業用戶定制用于企業人才培養和產品開發服務。通過本平臺實驗深化學生對本專業知識的系統理解與學習，掌握暖通空調系統運行調試檢測的專業技能，培養學生分析解決實際問題的能力。

       平臺以其優良的技術架構、豐富的功能模塊及顯著的應用優勢，為建筑環境與能源應用工程領域的教學、新質生產力發展、科研及社會服務提供優良的、可拓展的實驗平臺支撐。

       平臺致力于開展智能優化控制、空調柔性提升、建筑能耗與室內外環境參數關系、柔性調控策略、溫濕度獨立控制空調系統中濕度需求響應策略等方面的深入研究。通過結合設備性能、節能潛力及環境品質等多維度考量，為空調系統在不同環境狀態下的運行方案及參數設定提供科學依據。

HVAC智慧調控與柔性用能實驗平臺 暖通供熱 系統構成

        平臺結合了物聯網、云計算、大數據、人工智能、可視化數字大屏展示，可實現定風量系統、變風量系統和風機盤管加新風系統的多種運行工況（7種基本工況）及控制策略的研究。

       冷熱源系統：該平臺配備了兩臺并聯的空氣源熱泵機組（一臺定頻，一臺變頻），既可獨立運行，也可聯合工作，以滿足各種冷熱負荷及運行工況的需求。

       空調末端系統：包括變頻式組合式空調機組（AHU）、直流無刷式風機盤管機組以及壓力無關型VAV-Box變風量箱，為用戶提供多樣化的空調末端選擇。

       輸配系統：由一次泵系統和二次泵系統組成，兩者均具備變頻控制功能，確保空調系統的穩定運行及高效輸配。

       蓄能罐：平臺配備了一個容積為2.3立方米的蓄能罐，該蓄能罐可與熱泵聯合運行，通過水系統閥門的切換，實現供冷、供熱、儲能、釋能及混合供給等多種運行工況。

       附屬設施：管道加熱器、真空脫氣機及定壓補水裝置。

       監測系統：包括上百個硬測點和200余個軟測點。除此之外還擁有可視化管控界面。

       數據交互與控制系統：由動力控制、數據采集、邊緣計算及集中管控等部分組成，具備設備智能調控、數據采集、分析判斷及存儲等功能，通過運行PLC程序與AI智慧算法，實現對HVAC系統的全面智慧調控與柔性用能。

 智能控制與柔性用能

       1、負荷預測

       采用人工神經網絡（ANN）算法精準預測空調負荷，多元的AI算法庫可為特定空調系統匹配預測算法，預測準確度可達94%以上，為空調系統優化控制策略的制定提供了堅實可靠的數據支撐。

       2、AI 優化控制

       基于空調系統歷史用能大數據，以COP、PMV和能耗等為約束目標，訓練AI優化算法模型，模型將自動感知室內外環境參數的變化、自動判斷并決策優化系統的控制參數，助力建筑實現柔性用能，在提高空調舒適度的同時，節約空調能耗，降低運行費用。

        3、精細化管理

       建立空調能源數據精細化采集網絡，將空調系統總能耗拆分到冷熱源、水泵、冷卻塔、風機和末端等分項，將末端能耗拆分到用戶/樓層分項，數據可視化技術展示空調用能去向與能效高低，各區域用能情況更加透明化、精細化、可追溯化，能源管理更加規范化。快速診斷空調系統用能狀況，及時發掘節能潛力，確定節能方向，提高系統能效。

        4、智慧化運維

       “AI專家"替代繁瑣人工，實現高效低成本安全運維。通過 AI 智能調節功能，幫助運維人員自動調整空調系統運行模式，減少運維人員數量和減輕工作負荷，提高工作效率。通過 AI算法模型實時監控空調設備運行狀態，實現設備的預測性維護，變被動維護為主動服務，預防惡性事故發生，減少安全隱患，提高設備運行效率。通過運維數據庫的搭建，實現能源系統設備的全生命周期管理，提高物業運維管理水平。

       5、柔性用能

       接入本平臺的空調系統可通過需求側響應的形式參與到“虛擬電廠"計劃中，轉“源隨荷變"為“荷隨源變"，實現柔性用能，削峰填谷，緩解電網壓力，降低用電成本，減小空調設備初投資。

       6、靈活化場景匹配

       能管系統采取模塊化設計方式，可以根據不同項目需求靈活搭建應用系統，適用于各類場景下的空調系統能源管理，兼容 Modbus、BACnet、OPC等各類通訊協議和接口。涉及的常見場景包含：公共建筑（辦公樓、商場、學校、醫療機構等公共場景）、工業建筑（生產制造車間、倉儲物流園區等工業建筑）和居住建筑（住宅小區、酒店、公寓等居住場所）的空調系統能源管理/節能改造項目。

 平臺優勢與展望

       預留接口與可擴展性：本實驗平臺預留有冷熱源及控制接口，為未來系統拓展、效能提升及開發新的控制策略和算法模型提供了堅實基礎。

      科研成果轉化與項目落地：平臺專注于公共建筑集中空調系統的運行數據積累、學習與深度挖掘，將空調系統運行基本原理、工程師的運維經驗和歷史運維數據融入AI算法中，進行多種HVAC和AI算法模型訓練，完成不同工況調試。通過機器理解與深度學習，預測、優化得到不同環境狀態下空調系統運行方案及參數設定，實現空調系統智慧和柔性用能，為科研成果轉化及項目落地提供有力技術支撐和調試平臺。      

       教學資源建設與行業推動：平臺將持續豐富配套教學資源，完善并提升實驗的自由度和開放性，促進行業實現跨學科融合、智能化轉型及人才培養模式的更新；同時，推動教育創新、科研發展及產業升級，為建環專業的新質生產力發展提供優良的、可拓展的綜合實驗平臺支撐。