摘要：节能减排是我国经济发展方式转变的突破口，其中以太阳能为基础的节能产业发展尤为迅速。早期太阳能热水工程着力于产品性能提升和应用的适应性，缺乏系统设计与运行优化，各子系统相互独立，无法实现系统间的信息共享，难于形成有机协同的整体。随着互联网与节能技术的融合发展，基于互联网技术的新业态将成为经济增长的新动力。太阳能热水工程必将朝能量利用系统优化以及节能信息化的方向发展。
关键词：太阳能；热泵供热工程；能耗监控；系统开发；应用
1系统架构
太阳能热水远程能耗监控系统是实时采集、实时监控、实时分析、能耗预测以及生产过程优化指导的监控信息化系统。本系统运用日益成熟的Web服务器技术，并结合数据处理技术与预测算法实现其功能。系统总体结构如图1所示，可分为现场监控层、服务器层以及远程用户层三部分。
.png)
图1远程监控系统系统分层
(1)现场监控层由多种传感器、数据采集器、控制与通讯模块组成。各计量装置与数据采集器通过ＲS485进行通讯，执行MODBUS协议。多种传感器如温度传感器、流量表和液位传感器等组成传感器网，实时测量系统温度、流量等各个关键采集量。数据采集器通过滤波、校准等处理传感器所获取的测量值，定时批量上传到服务器层。控制模块负责执行服务器层监控中心所下达的指令，实时控制现场设备的运行。
(2)服务器层是本系统的衔接中介，数据库操作、事务处理等均在服务器内完成。本监控系统应用阿里云服务器，运行安全稳定，数据传输快速可靠，可轻松部署各类互联网应用，并能快速响应瞬时大量网络请求。服务端的监控中心利用Socket通信技术，基于TCP/IP协议实现监控中心与工程现场之间的数据通信。Web服务器建立相应的IP地址以及网页，以HTTP协议连接Internet向外提供页面内容和图片服务。
(3)远程用户层能实现在联网的状态下用户通过浏览器输入相应的网址或者域名立即访问网站，查看现场耗能设备的运行状态。用户在Web端根据自身的需求，通过浏览器向服务器层发出请求，服务器接收请求后，对数据进行统计、分析、对比，产生各类图表信息，将结果返回至浏览器客户端，以图形、表格、曲线等形式向用户展示。
2系统软件实现
太阳能热水远程能耗监控预测系统软件部分包括八个模块，功能框架如图2所示。
.png)
图2软件功能结构
2．1用水预测算法
为满足用户供水，提升资源利用率，运用时间序列预测算法对系统短期用水量进行了预测。短期用水量预测可分为时用水量预测与日用水量预测。针对时用水量预测的数据量小，外界条件变化少，数据差异较小的特点，运用回归分析法与线性移动平均模型对其进行分别预测。针对日用水量预测外界条件变化少，数据量大，数据变化较平坦的特点，对其采用线性移动平均模型预测。
2.1.1回归分析法
自回归模型是回归分析法中一种利用同一变数x的x1至xt－1历史各期数据，预测x自身发展的线性预测方法。自回归模型在一定程度上能够根据输入和输出自行调节模型参数，当新的数据输入时，可通过递推算法自动地对系统参数进行修正，使其接近某一最佳值。自回归模型的建立可通过以下三个步骤完成:(1)按先后顺序、相同的时间间隔输入记录的历史数据;(2)对输入数据赋予不同的权值并求其加权和;(3)自动调整加权系数得到最佳模型。自回归的数学模型为:
.png)
式中:xt、xt－1、xt－2…xt－n为历史耗水数据;ψ1、ψ2、…ψn为加权系数;Ft为t周期的用水量预测值，εt为预测误差。式(1)可记为AＲ(n)自回归模型，n为回归模型的阶数。回归模型对平稳的或有随机扰动的用水量时间序列的预测精度较高。可以消除或改进回归预测模型中多重共线性、自变量选择及序列相关性造成的问题，可以使用普通的最小二乘法进行评估和求解。回归模型流程如图3所示。
2.1.2线性移动平均模型法
线性移动平均模型法是运用实时数据值来预测未来发展的短期预测方法。该方法适用于增长速率平缓，且不存在季节性因素影响的对象。线性移动平均模型能有效地消除预测中的随机波动，并做出准确的预测。线性移动平均模型法读取连续n个周期的观测值并求得算术平均值作为下一周期预测值。每当获取一个新的观测值时将对其进行有效性验证，若观测值有效，立即将它作为有效数据加入到用水量预测的数据队列中，同时剔除队列中时间最早的那个观测值，依次类推。模型可用公式(2)表示
.png)
式中:Ft+1为第(t+1)周期的用水量预测值;xt为t周期的用水量观测值;Yt+1为(t+1)周期的用水量预测残值。
.png)
图3回归模型流程
2.2热泵优化调度模型
热泵系统为本系统的能耗主体，热泵系统的最优运行能提升系统供热效率，降低能耗。故制定短期内热泵启停计划，实现热泵系统最优运行状态尤为重要。以制热水成本作为目标函数，求解满足系统供热条件、水箱蓄水条件以及水箱温度条件的最优结果，从而制定未来24h内各热泵机组的启停计划。
2.2.1目标函数
.png)
式中:Q为制热水成本，元;k为时间段，K=24;i为热泵机组编号，I=4，一共4个热泵机组;SPk为k时间段的电价，元;Mi，k为k时间段当前热泵机组是否启动加热，0为关，1为开;CperHi为当前热泵机组每小时电耗量，kWh。
2.2.2约束条件
热水系统供热量约束条件:每小时热水系统供热量Q大于用户需求量QW。
.png)
式中:Q为热水系统供热量，J;Qsol为太阳能集热量，J;Qhp为热泵供热量，J。
.png)
式中:Quse为用户热水需求热量，J;muse为用户热水使用量，kg;cp为水的比定压热容，J/(kg·℃);Tout为热水出水温度，℃;Tin为冷水进水温度，℃。水箱蓄水量约束条件:水箱蓄水下限小于当前时刻蓄水量且当前时刻蓄水量小于水箱蓄水上限。
.png)
式中:Vk为时段k开始时水箱蓄水量，m3;Fout为热水出水流速，m3/s;Fin为冷水进水流速，m3/s。水箱温度约束条件:水箱温度不低于热水出水温度设置。
.png)
式中:mi为i时刻水箱蓄水量，kg;Ti为i时刻水箱温度，℃;Qr为冷水补水的热量，J;Qcon为用户用水的热量，J。
3结语
对太阳能热水远程能耗监控系统进行了系统架构与关键技术的详细介绍，实例分析了太阳能热水系统的能耗规律与预测调度，指出了太阳能热水能耗监控系统的能控优越性。本系统实现了跨平台运行，将物联网与节能技术相融合，优化了系统控制、提高了太阳能利用率。实际项目高效运行验证了系统的可靠性和实用性。后续，将继续优化能耗预测与故障诊断算法，增强网站安全性，完善系统的功能，可为太阳能系统最优供水与故障检测提供更有力的技术支持。
参考文献
[1]王帅.太阳能热泵复合系统能耗分析及优化研究[D].杭州电子科技大学,2019.
[2]赵文君.并联式太阳能热泵热水系统模拟与实验研究[D].青岛理工大学,2011.