地鐵通風空調(diào)系統(tǒng)的能耗預測和節(jié)能措施研究

曹虎

（蘭州市軌道交通建設(shè)有限公司，甘肅 蘭州 730000）

1 地鐵通風空調(diào)系統(tǒng)的能耗現(xiàn)狀及研究必要性

與其他地面交通工具（如公共汽車和電車）相比，地鐵可以有效地利用地下空間，分擔主要城市的交通負擔。地鐵站是乘客進入地鐵服務的基本入口，是一種特殊的地下建筑。這些車站建在地下，因此其室內(nèi)環(huán)境和能源效率比傳統(tǒng)建筑更難維護。盡管地鐵交通系統(tǒng)有好處，但是室內(nèi)空氣污染物對通勤者具有潛在的健康風險。城市地鐵系統(tǒng)是受限且通風不良的微環(huán)境，具有獨特的顆粒物排放源（軌道-車輪-制動器相互作用中的摩擦產(chǎn)生）。為了給地鐵乘客提供健康、舒適和安全的環(huán)境，所有用于調(diào)節(jié)室內(nèi)環(huán)境參數(shù)的地下地鐵站都配備了通風空調(diào)系統(tǒng)，包含空氣溫度、濕度、風速和顆粒濃度等檢測系統(tǒng)。然而，在做這項工作時，它們也在消耗高能量。城市地鐵系統(tǒng)的室內(nèi)空氣質(zhì)量水平取決于濕度、內(nèi)部溫度、擁擠程度和通風條件等因素。在這種情況下，機械通風系統(tǒng)通常用于向室內(nèi)空間供應來自外部的新鮮空氣來改善室內(nèi)空氣質(zhì)量。機械通風系統(tǒng)有助于稀釋污染物，但它增加了建筑能耗?？照{(diào)和通風系統(tǒng)消耗建筑空間總電量的35%～50%。盡管如此，地下車站的通風系統(tǒng)被認為具有最大的節(jié)能潛力[1]。

隨著我國經(jīng)濟增長和城市化發(fā)展，城市交通壓力增大，這導致更高的能源消耗和相應的環(huán)境挑戰(zhàn)。城市交通節(jié)能是我國低碳生態(tài)城市建設(shè)的重要因素，它決定了我國城市的可持續(xù)發(fā)展。作為城市公共交通的骨干，地鐵系統(tǒng)為現(xiàn)代城市提供了更便捷高效的交通條件。然而，地鐵網(wǎng)絡是一個復雜的系統(tǒng)，也是一個巨大的能源消耗者。據(jù)報道，我國城市軌道交通線路長度超過5 500 km，2018年耗電72.3億kW·h，占我國總用電量的1.06%。此外，地鐵站通風空調(diào)系統(tǒng)消耗的電力約占總能耗的31%，僅次于機車電力牽引系統(tǒng)。因此，分析地鐵站通風空調(diào)系統(tǒng)的能耗和負荷特性，提出節(jié)能建議具有重要意義。由于地下地鐵站對暖通空調(diào)能源的高需求，有必要為其制定節(jié)能策略。ZHANG等[2]研究了地下地鐵站中創(chuàng)新環(huán)境控制系統(tǒng)的能源性能，并確定了在不同情況下其具有20.6%～60.4%的節(jié)能潛力。YANG等[3]嘗試將變頻技術(shù)用于地下地鐵站中泵和風機的運行，并建議總節(jié)電率在59.5%～73.4%。除此之外，部分學者研究表明，將節(jié)能解決方案應用于現(xiàn)有系統(tǒng)時，節(jié)能潛力超過30%。盡管各種研究已經(jīng)證明了暖通空調(diào)系統(tǒng)的節(jié)能潛力，但是維持在可接受的環(huán)境的同時，通過采用一種特定的技術(shù)或單獨的解決方案（如站臺屏蔽門系統(tǒng)、變頻裝置、直接膨脹空調(diào)、人工智能通風等），表明了暖通空調(diào)系統(tǒng)具有節(jié)能潛力。此外，地下地鐵站中暖通空調(diào)系統(tǒng)的能量需求和性能受到不同因素的影響，找到最合適的節(jié)能策略，以正確處理各種因素并實現(xiàn)地下地鐵站中整個暖通空調(diào)系統(tǒng)的整體優(yōu)化，是當前業(yè)內(nèi)面臨的一項持續(xù)挑戰(zhàn)。

2 國內(nèi)正在運行的地鐵站空調(diào)系統(tǒng)存在的問題

本研究的某地鐵站通風空調(diào)系統(tǒng)運行和管理中存在的問題。

（1）通風空調(diào)系統(tǒng)利用站臺屏蔽門的平均漏風量確定最小機械新風量，這不僅無法維持車站內(nèi)的“正壓”，還大大增加了新風負荷和耗電量。地鐵站通風空調(diào)系統(tǒng)的通風量全年穩(wěn)定，但發(fā)現(xiàn)一些房間的熱負荷在運行和停運期間表現(xiàn)出明顯的峰谷變化，實際通風量和熱負荷不匹配。

（2）地鐵站的溫度通常低于設(shè)定設(shè)備啟動或運行要求的溫度，這可以通過負荷或功耗預測及空調(diào)機組的調(diào)整頻率來控制。地鐵站的通風空調(diào)系統(tǒng)在溫度控制方面有一定的滯后，將室內(nèi)溫度調(diào)節(jié)到穩(wěn)定狀態(tài)需要大約30min。

（3）強電室通風和空調(diào)系統(tǒng)的開啟過于主觀，有時溫度過低。在計算能耗負荷時存在誤差，而且通常還要照顧到某些冗余系數(shù)，導致在選擇設(shè)備過程中出現(xiàn)過大的冷卻能力、風扇功率、泵電流和冷卻劑水頭，從而降低了設(shè)備實際運行效率。

（4）地下通風空調(diào)系統(tǒng)舒適度差。地鐵站作為乘客停留在室外空間和列車的過渡場所，其設(shè)計標準比民用建筑中舒適的室內(nèi)空調(diào)設(shè)計標準更為全面。

此外，在設(shè)計過程中沒有使用計算機模擬技術(shù)來研究乘客的舒適度，存在降低乘客舒適度的可能性，并且，當前對地鐵通風空調(diào)系統(tǒng)的舒適性和節(jié)能性的綜合評估較少，對地鐵空調(diào)系統(tǒng)的研究已從能耗研究轉(zhuǎn)向舒適性研究。然而，運營商的運營成本和乘客的舒適度在建筑運營后期階段是共存的，因此需要進行交叉研究分析[4]。

3 地鐵通風空調(diào)系統(tǒng)能耗預測模型構(gòu)建

通過對地鐵通風空調(diào)系統(tǒng)的能耗現(xiàn)狀分析、研究必要性分析及針對國內(nèi)正在運行的地鐵站空調(diào)系統(tǒng)存在的問題探討后發(fā)現(xiàn)，地鐵車站的通風空調(diào)系統(tǒng)是一個隨時間變化的復雜非線性系統(tǒng)，并且，地鐵站通風空調(diào)系統(tǒng)的能耗受客流量、新風機性能、室內(nèi)外溫度、濕度等多種因素的強烈影響。其數(shù)學模型煩瑣且難以建立，因此有必要選擇合理的預測模型預測空調(diào)能耗[5]。BP神經(jīng)網(wǎng)絡預測模型具有很強的非線性映射能力。通過問題輸入和變量輸出，就可以在它們之間建立預測模型，然后模擬預測數(shù)據(jù)以獲得準確的預測結(jié)果。該網(wǎng)絡具有較高的計算速度和較強的容錯能力。BP神經(jīng)網(wǎng)絡模型普遍為3層式，分別是輸入層、輸出層和隱含層。由于BP神經(jīng)元信號關(guān)系的非線性特點，它一般由多個輸入與單一輸出構(gòu)成。BP神經(jīng)網(wǎng)絡拓撲結(jié)構(gòu)如圖1所示，計算如下式：

圖1 BP神經(jīng)網(wǎng)絡拓撲結(jié)構(gòu)

其中，Xa為輸入層的神經(jīng)元；Wab為神經(jīng)元賦值強度關(guān)系；θb為閾值；f（-）為模型計算中的激活函數(shù)。

一般的BP神經(jīng)網(wǎng)絡預測模型會采用粒子群算法，但其在迭代前期過程中有時會出現(xiàn)收斂過快的情況，這導致粒子分布不均，最終導致總體收斂速度降低。針對以上問題，基于遺傳算法、粒子群算法結(jié)合的混合算法將BP神經(jīng)網(wǎng)絡預測模型進行優(yōu)化。把遺傳算法中的變異性和交叉操作引入粒子群算法形成混合算法，這種混合將遺傳算法全局尋優(yōu)的特點融合至粒子群算法中，從而擴展粒子的搜索軌跡，減少其出現(xiàn)搜索僵局的情況?；旌纤惴ǖ牧鞒倘鐖D2所示。粒子群算如下法：

圖2 混合算法流程圖

式中，Vi代表的是粒子的速度；Xi為粒子的位置；pibest為粒子的局部最優(yōu)解；pgbest為粒子的全局最優(yōu)解；k為進化代數(shù)；w為慣性權(quán)系數(shù)，代表局部和全局尋優(yōu)能力的強弱。c1、c2為算法中的學習因子；r1、r2為[0，1]的隨機數(shù)。

在粒子群算法中引入遺傳算法，對適應度排序前部的粒子進行交叉操作，交叉概率為Pc，粒子的位置、速度交叉過程如下：

其中，α1、α2為[0，1]之間的隨機數(shù)。對適應度排序后的粒子進行變異操作，從而生成下一代粒子，變異概率為Pm，重新對所有粒子的適應度進行排序并重新組合，算式如下：

式中，Gmax為最大進化代數(shù)。

4 基于BP神經(jīng)網(wǎng)絡優(yōu)化模型的地鐵通風空調(diào)系統(tǒng)能耗預測計算分析

對地鐵空調(diào)負荷搭建BP神經(jīng)網(wǎng)絡模型，采用粒子群、遺傳算法相混合的算法對其權(quán)值和閾值進行了優(yōu)化，并對比了傳統(tǒng)BP神經(jīng)網(wǎng)絡及優(yōu)化后的神經(jīng)網(wǎng)絡預測結(jié)果的相關(guān)參數(shù)。數(shù)據(jù)選取某地鐵車站2022年7月12日至7月29日中工作日地鐵站運營時間共493組相關(guān)數(shù)據(jù)，隨機選取470組數(shù)據(jù)作為訓練數(shù)據(jù)，剩余23組數(shù)據(jù)作為測試數(shù)據(jù)。設(shè)置BP隱含層節(jié)點數(shù)為10，學習速率值為0.01，訓練誤差值為0.001，最大迭代次數(shù)為500。設(shè)置慣性權(quán)系數(shù)w=0.8，學習因子c1=2、c2=2，進化代數(shù)k=100，粒子種群數(shù)目m=30，變異概率Pm=0.01，交叉概率Pc=0.4。其中，基于BP神經(jīng)網(wǎng)絡優(yōu)化模型的地鐵通風空調(diào)系統(tǒng)能耗預測結(jié)果見表1。

表1 基于BP神經(jīng)網(wǎng)絡優(yōu)化模型的地鐵通風空調(diào)系統(tǒng)能耗預測結(jié)果

比較分析優(yōu)化前后兩種預測模型表現(xiàn)出的預測效果，兩種方法的測試集相對誤差分析見表1和表2。由表1和表2可知，優(yōu)化前的神經(jīng)網(wǎng)絡預測模型最大絕對誤差為42.84 kW。優(yōu)化后的預測模型最大絕對誤差為13.11 kW，預測結(jié)果更為精確。采用優(yōu)化后的BP神經(jīng)網(wǎng)絡預測模型對地鐵車站中央空調(diào)負荷的預測誤差更小，具有更高的預測精度，在實際工程中可行性更高。通過建立BP神經(jīng)網(wǎng)絡空調(diào)負荷預測模型，使用粒子群、遺傳算法的混合算法對BP神經(jīng)網(wǎng)絡空調(diào)負荷預測模型進行優(yōu)化，將其權(quán)值和閾值優(yōu)化后，得到精度高、速度快的地鐵通風空調(diào)系統(tǒng)預測模型。由以上結(jié)果得知，神經(jīng)網(wǎng)絡法對地鐵空調(diào)負荷模型的預測較為精確，認為可以廣泛使用。經(jīng)過算法優(yōu)化的BP神經(jīng)網(wǎng)絡模型能夠滿足地鐵車站空調(diào)負荷的要求，相較于基本的BP模型具有更好的預測精度。

表2 優(yōu)化前后兩種預測算法結(jié)果

5 地鐵通風空調(diào)系統(tǒng)的節(jié)能措施

5.1 通過變頻控制策略調(diào)控溫度和調(diào)整用電達到舒適節(jié)能效果

地鐵站的通風空調(diào)系統(tǒng)要達到節(jié)能的目的，必須降低地鐵站的通風空調(diào)系統(tǒng)能耗。目前主要技術(shù)方式是在地鐵正常運行時，根據(jù)站內(nèi)負荷的變化控制空調(diào)的變頻。其在某一時間段站內(nèi)溫度過低時表明此時站內(nèi)溫度控制在理想范圍。利用BP神經(jīng)網(wǎng)絡算法，反推這一時期地鐵站的通風和空調(diào)系統(tǒng)能耗可以節(jié)省近3.5%的電力。通過回排風機的回風溫度調(diào)整組合式空調(diào)的頻率時，當回風溫度較高時，要增大空調(diào)頻率，加大送風量；當回風溫度較低時，需要降低空調(diào)頻率，降低送風量。該方法適用于地鐵站內(nèi)溫度相對較低或某一時間段內(nèi)客流量較小的情況下，對地鐵站通風空調(diào)系統(tǒng)的預測。這種方法不僅能手動調(diào)節(jié)地鐵站空調(diào)系統(tǒng)的頻率，還能調(diào)節(jié)控制器，使其能夠智能調(diào)節(jié)地鐵站空調(diào)系統(tǒng)的頻率，從而達到節(jié)能的目的。

5.2 利用氣流形成活塞效應減少通風工況下空調(diào)器的運行能耗

通過列車誘導氣流形成活塞效應，能夠使地鐵車站通風空調(diào)系統(tǒng)達到節(jié)能的目的，大大減少對系統(tǒng)的能耗。利用列車進站和出站時的不同氣流條件，當列車移動時，正壓力通過推動空氣在前方產(chǎn)生，負壓則由于缺少空氣而在后方產(chǎn)生。當列車進入車站時，隧道中的空氣將被推入車站，當列車離開車站時，車站中的空氣會被吸入隧道，以填充列車后面的真空區(qū)。由此減少了通風工況下空調(diào)器的運行能耗，進而可以達到節(jié)能的目的。

6 結(jié)語

地鐵系統(tǒng)正在迅速發(fā)展，其能源消耗也在大幅增長。在地鐵中使用的地下車站通風空調(diào)系統(tǒng)是主要的能源消耗者，因此受到研究人員越來越多的關(guān)注。采用先進的節(jié)能策略被認為是針對地鐵通風空調(diào)系統(tǒng)最有前途的解決方案。目前，這些策略不斷被提出是因為它們在長期運行中具有減少地下車站通風空調(diào)系統(tǒng)能耗的重要能力。其中，基于BP神經(jīng)網(wǎng)絡算法的預測方法對地鐵通風空調(diào)系統(tǒng)的精心設(shè)計和維護是非常有效的。此外，減少機械新鮮空氣供應已被證明是一種易于操作且成本適當?shù)目刂撇呗?。根?jù)已證明的現(xiàn)有策略的節(jié)能潛力可以推斷，暖通空調(diào)節(jié)能策略的不斷改進將對不斷擴大的城市地鐵網(wǎng)絡的能耗和碳排放的減少做出更大貢獻。