本文发表在《全球能源互联网》2021年第2期“城市能源系统智慧低碳转型的驱动机制及关键技术”专题上，欢迎点击品读。本文受国家自然科学基金（51978481）、世界银行全球环境基金技术援助项目资助。

在区域供能系统的设计与规划阶段，准确的负荷预测结果能为设备容量配置与经济性计算提供重要依据。与电负荷相比，区域内建筑群的冷热负荷会受到更多因素的影响，这使得冷热负荷不确定性更大。因此，采用建筑模型进行较为准确的冷热负荷预测，已成为项目工作流程中的必需环节。同时，为验证其实际效果，还需利用运行数据来评价建筑冷热负荷预测的准确性。随着区域供能项目的建设投产与运行，从系统实际运行的角度检验规划阶段冷热负荷预测的准确性就显得尤为重要。

1）以上海西虹桥1号能源站作为冷热负荷预测的应用对象，工作内容贯穿其规划阶段直至运行阶段的全过程，既实现了在设计中利用负荷预测结果对其设备选型进行指导，又利用运行监测数据对负荷预测结果的准确性进行了验证；

2）引入了“入住率”这一参数，用以量化描述区域供能项目的实际运营情况，为其他类似项目在利用运行数据开展相关研究的过程中，提供可参考的数值修正方法。

在区域供能系统的设计与规划阶段，准确估算建筑群的冷热负荷，能够为系统的设备容量配置与经济性分析提供合理的计算依据。随着模型仿真工具与算法的进步，建筑冷热负荷预测方法不断发展成熟，但较少有研究从实际案例 运行情况的角度评价冷热负荷预测的准确性。以上海西虹桥1号能源站作为应用案例，在项目规划初期采用基于建筑典型模型的冷热负荷指标预测算法，预测该项目地块内的各类型建筑的冷热负荷；在运行阶段，通过管路计量数据得出各类型建筑的真实冷热负荷，并引入“入住率”的概念量化冷热负荷预测值与实际值的差异。结果表明，该项目投入运行 3年的“入住率”分别达到41.4%、62.1%、85.7%。该结论与实际情况基本一致，证明了冷热负荷预测在区域供能项目应用中的准确性。

上海西虹桥1号能源站于2018年年初建成并投产。目前，该能源站为其规划区域内占地面积约为160 hm²的大型建筑群供能。该项目是集商业、餐饮、办公于一体的大型城市综合体，其中包括了办公、集中商业、街区商业等在内的多栋单体建筑，功能综合性较强，建筑群卫星图如图1所示。

? 图1 已建成能源站供能区域卫星图

本文采用基于建筑典型模型的冷热负荷指标预测算法，并在模型仿真计算的过程中，结合对项目实际状况的场景分析，对参数设置进行相应调整。在场景分析中，包含以下三种类型的建筑：办公、集中商业、街区商业，针对不同类型的建筑，生成其对应的典型模型。使用EnergyPlus软件计算各类典型建筑模型的冷热负荷指标，在计算中输入的气象参数选择上海市典型气象年数据。

通过在全年尺度上的模拟计算，能够得到各类型建筑逐小时的单位面积冷热负荷指标。根据规划阶段的实际需求，为本项目中能源站提供了其供能区域全年的逐时冷热负荷指标（如图2所示），并将其总负荷的峰值作为该区域供能系统的冷热负荷设计值，用以指导项目建设中的设备选型工作。

? 图2 全年逐时冷热负荷预测值

在本项目投产运行后，出于运营管理的需要，能源站利用其机房的节能控制系统对供能过程中的部分关键数据（冷热水干管的流量、供回水的温差）进行计量。在实际操作中，是由工作人员在每日固定时段执行“抄表”操作来实现数据计量工作的，记录从上一个“抄表”时刻到当前时刻能源站供给的累计冷热量，相当于记录了区域内建筑群的逐日总冷热负荷。如图3所示，已记录数据涵盖了从项目开始投产（2018年5月）至2021年1月的全部供能系统运行日（即系统进行检修的时段除外）的实际冷热负荷。

针对该能源站采用的这种数据计量形式，可以先根据系统运行历史记录，将全部供能时段分割为若干个供冷季、供热季，并对各个供能季中的逐日冷热负荷求极值，将单日冷热负荷最大的运行日作为实际系统运行时应参照的设计日。通过比较设计日冷热负荷的预测值与实际值，实现对冷热负荷预测结果准确度的评价。

? 图3 区域逐日冷热负荷记录结果

将冷热负荷二者综合来看，该年内能源站所需承担的峰值冷热负荷约占设计冷热负荷的65%。这一方面说明为保证设备容量的裕度，设计冷热负荷往往会选取偏大；另一方面，该结果也从侧面反映出新建建筑因入住率不足导致实际用能水平相较预测值偏低的情况。为了进一步探究“入住率”的变化情况，本文根据计量数据得出全部3个年份供冷季设计日的总冷热负荷实际值，并依次对比预测值，将该比值视为当年建筑群的“入住率”，。

计算结果如图4所示，随着建筑投入使用的时间变长，“入住率”随之提升，对于办公、商业建筑而言，这一现象是合理的。此外，最近的供冷季（即2020年5月至10月）设计日的数据显示，其“入住率”达到了85.7%，考虑到设计冷热负荷预留10%的余量，这与“2020年该建筑群的入住已基本饱和”这一实际情况基本相符，也可说明规划阶段的冷热负荷预测结果比较准确，合理地指导了设备的选型设计。

? 图4 近3年设计日冷负荷实测值及入住率

此外，随着该能源站规划范围内更多供能项目的建设完成与运营，采用本文提出的方法亦可分析其“入住率”的变化情况，从而有可能总结得到类似条件下办公及商业建筑的“入住率”变化规律。从实际应用的角度来说，将该指标作为一项影响验证过程的因素进行分析是很有意义的。这是因为“新建成建筑的使用率在建成初期往往较低”这一客观现实的存在，会导致利用实测数据对冷热负荷预测结果进行验证时产生较大的误差；同时，又受到测量条件的限制，在当前多数可获得的建筑运行数据中，较难获得其冷热负荷数据，即使其中的部分数据由于“入住率”的原因导致其质量不高，依然需要考虑对其进行处理从而提升对这些有限数据的使用率，例如可通过实地调研确定这一参数的取值。

研究团队