第三章 中央空調及熱泵系統運用 BEMS 建立智慧型運轉策
第一節 展覽類建築空調系統運轉診斷與智慧型運轉
科工館建築物概述
國立科學工藝博物館位於高雄市三民區九如一路 720 號，為一棟地上 6 層，
地下 1 層樓之建築物。作為供民眾展覽參觀及辦公用。圖 20 為國立科學工藝博 物館建築物之外觀。
圖20. 國立科學工藝博物館之建築外觀圖
中央空調 BEMS 專家智慧診斷技術研究
28
科學工藝博物館中央空調系統概述
科學工藝博物館外觀圖空調系統由 5 台製冰機、2 台 250RT 冰水主機、3 桶 儲冰槽、泵浦及空調箱等等所組成。儲冰槽已組合為 3 組，如下圖 21 所示。融 冰時，經由冰水管路連接於 4 台版式熱交換器，進行熱交換，提供現場空調。冰 水管路與 2 台冰水主機並聯；由於採分量設計，空調負荷由冰水主機及冰同時提 供冰水，以滿足需求，如下系統圖 23 所示。
圖21. 科學工藝博物館儲冰系統升位圖
第三章 中央空調 BEMS 智慧診斷實際案例
圖22. 科學工藝博物館 BEMS 監控頁面
圖23. 科學工藝博物館空調系統升位圖
中央空調 BEMS 專家智慧診斷技術研究
30
高效主機先發與智慧型運轉模式建立之流程
為有效辨別各不同冰水主機之性能以建立智慧型運轉模式，首先頇將各主機 之長時間運轉數據進行迴歸分析，以建立每台主機之行能曲線 CH1~CHN。然後，
至回水溫度之高低與預測實際負荷之變動並藉以啟動加載模式。同時，針對不同 之負荷型態選取最適合之台數控制之運轉策略。
此策略之建立可經由不同台數主機之組合形成之總耗電量作為判斷之基 準，在從其中求取最小者作為運轉策略。由於原先進行回歸分析之建立實乃依據 實際之運轉數據而得，因此，在實際運轉操作時，所選取之預測總耗電值將與實 際值極為接近，具有高準確度，此即為本計劃運用自行建立之實驗模式之精髓所 在，中央空調主機最佳化運策略電腦模擬運算圖如下所示。
第三章 中央空調 BEMS 智慧診斷實際案例
圖24. 中央空調主機最佳化運策略電腦模擬運算圖
中央空調 BEMS 專家智慧診斷技術研究
32
CH1~CHN 性能迴歸分析式建立
根據 WF Stoecker 所提出的實驗模式(Experimental model)藉由實際運轉中 所 得 到 實 驗 數 據 ， 來 進 行 迴 歸 分 析 ， 以 推 估 實 際 情 況 ， 遠 比 用 數 學 模 式 (Mathematical model)來的準確。此方法可運用於大型中央空調系統於進行商業運 轉中，所有之冰水主機系統運轉參數，如冰水主機供應溫度、回水溫度、冰水流 量與主機耗電量等決定主機系統運轉能源效率之主要因素。經由 BEMS 進行即 時線上之數據分析如耗電量、PLF 及冷凍能力等，來建立性能迴歸分析曲線圖，
以便進行性能分析、最佳運轉模式建立，如下所示。
……(1)
Vchw：基準線熱泵主幹管的熱泵流量(LPM)Tchwrt ：基準線熱泵主幹管的熱泵回水溫度(℃) Tchsrt ：基準線熱泵主幹管的熱泵出水溫度(℃) ρw：水之密度 1 kg/L
Cpw:水之比熱 4.186 kJ/kg-℃
定義主機性能回歸分析式
…..(2)
第三章 中央空調 BEMS 智慧診斷實際案例 由量測可獲得:
1.冰水出水溫度 2.冰水回水溫度 3.冰水流量
4.冷卻水進水溫度
代入 Qevap 公式算出Ｑe。
再帶入方程式(2)求得熱泵之 COP。此即可做為後續改善熱泵時之基準線，
可得知改善前後之經濟效益。
圖25. 科工館 CH-1 性能曲線圖
中央空調 BEMS 專家智慧診斷技術研究
34
圖26. 科工館 CH-2 性能曲線圖
表7. 不同季節下部分負載率與耗電量之運轉參數
負載 100% 90% 80% 70% 60% 50%
冰水主機
CH-1 169 166 163 154 140 123 CH-2 175 170 170 161 144 116
離峰時間儲冰模式之最佳化
根據台電三段式電價表中，離峰用電費不到尖峰時間電費的三分之一；因 此，利用儲冰系統在離峰時間製冰，於尖峰時段融冰可大量節省電費。此節約電 費之主要來源，乃電力公司為了鼓勵間峰時段電力不足時，客戶能將部分需求轉 移至晚上離峰時段，對於電力調度有貢獻，且不必於全國需量大增而集中之時，
將成本高之發電機組投入運轉而節約。因此，將此電價優惠回饋於用戶端乃雙贏 之策略。下圖 28 所示為台電三段式電價表，表中尖峰用電為 4.26 元而半尖峰及 離峰僅需 2.7 或 1.35 元，因此利用離峰時間製冰，於尖峰時段融冰可以省下大量 運轉電費。
第三章 中央空調 BEMS 智慧診斷實際案例
圖27. 利用 BEMS 控制融冰速率以便與空調主機匹配，形成最小之尖峰電力 需量為可行之策略
圖28. 台電三段式電價表
融冰系統
空調負荷
中央空調 BEMS 專家智慧診斷技術研究
36
自回水溫度預測實際負荷並啟動加載模式
藉由 BEMS 線上觀察冰水主機回水端溫度及出水端溫度，可即時推算目前 所需之空調負載。若發現目前提供空調能力不足時，將反應於回水溫度之升高，
並進行加載模式，以提供足夠之空調能力。如下表 8 所示，由 BEMS 監控系統 發現大樓回水溫度在早上 10 點時達到 17 ℃隨即進行加載模式。
表8. 自回水溫度預測空調負荷
時間 08:00 09:00 10:00 11:00 12:00 13:00 14:00 15:00 大樓回
水溫 (℃)
13.8 15 17.2 15.2 12.8 13.1 12 13.4
擬定全部不同負荷、不同台數下之運轉策略
當空調系統主機運轉面臨需依空調負荷的變化，調整空調主機的運轉台數 時，其節能策略建立進行之方法為列出不同負荷下所需加載冰水主機，依此主機 容量進行選取 PLF 接近 80%之組合，如此便可消除過量設計之耗電量(kwh)及需 量(kw)，並使主機負載皆為 80%以上，而達到運轉最佳化之目的。以科工館為例，
該系統有 2 台冰水主機皆為 250 RT，由上述回水溫得知現場需求負荷需再增加 冰水主機運轉；為決定加載順序於是列出不同組合、不同負荷下主機耗電情形，
藉此來得到滿足現場需求下且耗電量最小。根據科工館歷史紀錄進行運轉策略分 析，如下表 9 至表 12 所示。
第三章 中央空調 BEMS 智慧診斷實際案例
09:00 250RT(100%) 250RT(0%)
0 8435 169 169 0
尖峰時間
10:00 250RT(100%) 250RT(100%)
1100 7335 344 169 175
11:00 250RT(100%) 250RT(100%)
1083 6252 344 169 175
半尖峰時 間
12:00 250RT(100%) 250RT(100%)
1043 5209 344 169 175
13:00 250RT(100%) 250RT(100%)
902 4307 344 169 175
尖峰時間
14:00 250RT(100%) 250RT(100%)
785 3522 344 169 175
15:00 250RT(100%) 250RT(100%)
956 2566 344 169 175
16:00 250RT(100%) 250RT(100%)
968 1598 344 169 175
17:00 250RT(100%) 250RT(100%)
359 1239 344 169 175
中央空調 BEMS 專家智慧診斷技術研究
10:00 250RT(80%) 250RT(80%)
1200 7235 333 163 170
11:00 250RT(80%) 250RT(80%)
1183 6052 333 163 170
半尖峰時 間
12:00 250RT(80%) 250RT(80%)
1143 4909 333 163 170
13:00 250RT(80%) 250RT(80%)
1002 3907 333 163 170
尖峰時間
14:00 250RT(80%) 250RT(80%)
885 3022 333 163 170
15:00 250RT(80%) 250RT(80%)
1056 1966 333 163 170
16:00 250RT(80%) 250RT(80%)
1068 898 333 163 170
17:00 250RT(80%) 250RT(80%)
459 439 333 163 170
第三章 中央空調 BEMS 智慧診斷實際案例
10:00 250RT(70%) 250RT(70%)
1250 7185 315 154 161
11:00 250RT(70%) 250RT(70%)
1233 5952 315 154 161
半尖峰時 間
12:00 250RT(70%) 250RT(70%)
1193 4759 315 154 161
13:00 250RT(70%) 250RT(70%)
1052 3707 315 154 161
尖峰時間
14:00 250RT(70%) 250RT(70%)
935 2772 315 154 161
15:00 250RT(70%) 250RT(70%)
1106 1666 315 154 161
16:00 250RT(70%) 250RT(70%)
1118 548 315 154 161
17:00 250RT(70%) 250RT(70%)
509 39 315 154 161
中央空調 BEMS 專家智慧診斷技術研究
10:00 250RT(70%) 250RT(70%)
1250 7185 315 154 161
11:00 250RT(70%) 250RT(70%)
1233 5952 315 154 161
半尖峰時 間
12:00 250RT(70%) 250RT(70%)
1193 4759 315 154 161
13:00 250RT(70%) 250RT(70%)
1052 3707 315 154 161
尖峰時間
14:00 250RT(70%) 250RT(70%)
935 2772 315 154 161
15:00 250RT(70%) 250RT(70%)
1106 1666 315 154 161
16:00 250RT(70%) 250RT(70%)
1118 548 315 154 161
17:00 250RT(70%) 250RT(70%)
509 39 315 154 161
第三章 中央空調 BEMS 智慧診斷實際案例
優先選取高性能主機先發
抉擇最佳運轉策略後，選取高性能主機作為優先加載對象，以最小耗電得到 相同空調負荷輸出，進而得到節能目的。
完成最佳運轉策略並進行節能效益分析
於本計畫改善前，依傳統冰水主機運轉模式為加載兩台滿載冰水主機以避免 融冰速率過快，而未考慮冰主機耗電及負載最佳化。同時，並未先進行電腦模擬 進行空調負荷預測也未進行性能回歸分析。新的空調主機運轉策略則以總耗電量 最低的運轉模式來滿足空調需求。於此，將改善前與改善後耗電量進行節能效益 評估，如下表 14 所示。
表14. 節能效益分析
改善前 改善後
空調負荷耗電量(kw) 3037kw 2799
節能效益 7%
節省電費(元/天) 1713 元/天
中央空調 BEMS 專家智慧診斷技術研究
42