安艷萍，錢 平

（上海應(yīng)用技術(shù)學(xué)院 工程創(chuàng)新學(xué)院，上海 201418）

在軌道交通運營初期，空調(diào)系統(tǒng)能耗甚至超過總能耗的40%，嚴重影響地鐵運營的經(jīng)濟性。因為地鐵站臺候車乘客數(shù)量是不斷變化的，并且大部分時間內(nèi)少于額定工作情況下計算定員人數(shù)，所以在乘客稀疏時就會造成能源浪費[1]。圍繞整體系統(tǒng)按需供應(yīng)的節(jié)能目標，使集群式空調(diào)系統(tǒng)中的各個機組的控制系統(tǒng)具有規(guī)范一致的結(jié)構(gòu)功能以及良好的交互性和協(xié)作性。對地鐵站空調(diào)系統(tǒng)要求的分布式控制技術(shù)的研究顯得更加必要和迫切。

目前國內(nèi)外對軌道交通的節(jié)能研究更多的是針對影響軌道交通能耗的某一具體領(lǐng)域，如對車輛及電機單元進行能耗有效性設(shè)計[2]，最優(yōu)化控制參數(shù)（如牽引和制動力）[3]，以變頻技術(shù)為代表的電氣控制技術(shù)[4]，對環(huán)控系統(tǒng)采用各種方法優(yōu)化能量消耗[1-2]等，但實際實施自動控制的確有很大難度。

本文對系統(tǒng)中若干個空調(diào)機的控制采用分布式人工智能控制策略。根據(jù)空調(diào)系統(tǒng)多機組分布運行的多組設(shè)定參數(shù)形成進化的“染色體序列”，通過對模型輸出的能耗進行對比評估和設(shè)計特定的進化算子，對參數(shù)組群體實施“優(yōu)勝劣汰”的選擇，從而實現(xiàn)了控制參數(shù)組的優(yōu)化。經(jīng)過控制系統(tǒng)的滾動優(yōu)化過程，產(chǎn)生非劣解的優(yōu)化控制參數(shù)組，通過模糊聚類的策略產(chǎn)生多機組優(yōu)化組合序列，作為通風及冷水多機組控制器的控制設(shè)定參數(shù)，以達到環(huán)控系統(tǒng)設(shè)備協(xié)調(diào)運行和節(jié)約能耗的控制目的。

1 地鐵站空調(diào)系統(tǒng)控制

軌道交通的環(huán)控系統(tǒng)的能耗與外界環(huán)境氣候條件、列車運行模式、客流量、控制方式和風機運行模式等諸多因素有關(guān)?？刂频妮斎胱兞繛樵O(shè)定的溫濕度數(shù)值、實際的溫濕度數(shù)值及站臺人群密度數(shù)值，系統(tǒng)的控制輸出為經(jīng)節(jié)能優(yōu)化計算后獲得的各變頻器的工作頻率。空調(diào)系統(tǒng)控制框圖如圖1所示。

圖1 空調(diào)系統(tǒng)控制框圖Fig.1 Air conditioning system control diagram

2 變頻器優(yōu)化控制方案

優(yōu)化控制的切入點主要是按人群實際需求對空調(diào)系統(tǒng)的模式進行轉(zhuǎn)換，以及冷水機組臺數(shù)加載和起停模式，保障環(huán)控系統(tǒng)的溫濕度和冷熱給風量趨于合適。動態(tài)地選取優(yōu)化參數(shù)集中的數(shù)據(jù)作為啟動和設(shè)定多機組運行的控制參數(shù)。根據(jù)理論節(jié)能計算，電動機消耗功率P與電動機轉(zhuǎn)速n的關(guān)系為P=kn3（k為常數(shù)），假設(shè)ne為電動機額定轉(zhuǎn)速，n為應(yīng)用變頻器后電動機的實際轉(zhuǎn)速，則變頻器調(diào)速系統(tǒng)的節(jié)能率g可以按式（1）計算：

式中：Fe表示額定功率50 Hz；F表示實際頻率。

環(huán)控系統(tǒng)空調(diào)多機組變頻控制的設(shè)定參數(shù)組決定了多機組運行的工作頻率，通過計算可以得到各工作頻率與節(jié)能效率的關(guān)系如表1所示。

表1 工作頻率與節(jié)能效率關(guān)系Tab.1 Relationship of working frequency and energy-saving efficiency

實際的運行過程中，多機組工作頻率的設(shè)定，一是依據(jù)車站人群密度和站臺溫濕度的實時數(shù)據(jù)來設(shè)定空調(diào)機組運行參數(shù)，同時又要考慮如何優(yōu)化變頻參數(shù)設(shè)定，保證空調(diào)機組運行的節(jié)能效率。

以上海軌道交通10號線的宋園路站情況為例，回排風機和空調(diào)風機的頻率基本保持在37.5 Hz，節(jié)能率分別為55.67%和55.67%?；嘏棚L機的功率為15 kW，節(jié)省功率等于15×55.67%=8.35 kW；同樣空調(diào)風機的功率為37kW，節(jié)省功率為20.60kW。因此，變頻情況下回排風機和空調(diào)風機每運行1 h可節(jié)省能耗28.95 kW·h，相當于節(jié)省55.67%的功耗。

因此，應(yīng)用MAS進化算法，采用優(yōu)化控制策略確定控制模式，根據(jù)溫濕度和人群密度的變化自動調(diào)節(jié)控制器的輸出，從而改變各變頻器的頻率值，實現(xiàn)節(jié)能優(yōu)化的控制目的。

3 冷水機組建模及參數(shù)的優(yōu)化方案

在大型的中央空調(diào)系統(tǒng)中，冷水機組的耗電量約占整個系統(tǒng)能耗的50%左右，目前研究冷水機組的節(jié)能主要集中在冷水機組群控及其優(yōu)化控制策略上[5]。利用Petri網(wǎng)建立冷水機組加/卸載模型，如圖2所示。

在模型中將2臺冷水機組命名為I和II。P7表示冷機I為開狀態(tài)，P8表示冷機II為開狀態(tài)，P6到T1、T2的有向弧均為抑制弧，即當P6中無托肯時，T1和T2才有可能觸發(fā)，而且T3必須比T1、T2有優(yōu)先一級的發(fā)生權(quán)。因此，若僅當P7中有托肯時，T1觸發(fā)，表示冷機I開時設(shè)置只有1臺冷機開標志的動作；同樣地，若僅當P8中有托肯時，T2觸發(fā)，則表示冷機II開時設(shè)置只有1臺冷機開標志的動作；當P7、P8中均有托肯時，T3觸發(fā)，表示設(shè)置2臺機均開標志的動作，則P6表示2臺機均開的標志。對控制參數(shù)設(shè)置，仿真一定時間后，只有P5機開狀態(tài)，表明合理控制冷水機組運行臺數(shù)的加/卸載，可以降低冷水機組的能耗，有利于整個空調(diào)系統(tǒng)的節(jié)能。

圖2 冷水機組加/卸載模型Fig.2 Model of chiller/unloading

每個機組的運行控制存在多個控制參數(shù)，這些參數(shù)保證了單機組在低負荷下仍能正常工作，而在空調(diào)系統(tǒng)多機組運行過程，在節(jié)能降耗和動態(tài)調(diào)節(jié)要求下，存在若干個非劣解集可作為多機組輸出控制信息，這些非劣解即是多機組的控制參數(shù)組。

用模糊集合論來描述待優(yōu)化的運行參數(shù)組[6]，設(shè)有 A 集合｛A1，A2，…An｝，集合 A 中任意 Ai都設(shè)計具備一個能力向量， 其中，用于描述 Ai執(zhí)行節(jié)能操作的能力強弱，是分析節(jié)能能力而得出的模糊評價。

任務(wù)集｛T1，T2，…Tm｝，每個任務(wù)均有一定的能力需求，其中。

通過參數(shù)組優(yōu)選進化，構(gòu)造面向節(jié)能運行m個任務(wù)的m個參數(shù)組C1，C2，…Cm，使任務(wù)得到優(yōu)化求解，即節(jié)能運行的各項任務(wù)盡可能地由節(jié)能運行能力最適合的運行參數(shù)組成優(yōu)化參數(shù)組來控制多機組的運行。根據(jù)矩陣A、T直積運算可計算出每個單元對不同任務(wù)的加權(quán)能力向量：

根據(jù)下式隸屬函數(shù)求得每個單元對不同任務(wù)組合的隸屬度：

根據(jù)實際情況選取閾值λ∈［0，1］，閾值的大小直接影響著聯(lián)盟生成的結(jié)果。值越大，參加聯(lián)盟的Agent就越少；反之就越多，聯(lián)盟完成任務(wù)的成功率越高，但可能會帶來資源浪費。因此，閾值的選取要有一定的靈活性，在實際系統(tǒng)中，應(yīng)根據(jù)任務(wù)的規(guī)模，結(jié)合歷史經(jīng)驗加以選取?？紤]到一個聯(lián)盟至少要有一個Agent T，以模糊聚類的策略生成多任務(wù)聯(lián)盟，使任務(wù)由能力最適合的Agent組成聯(lián)盟來求解，同時允許1個Agent參加多個聯(lián)盟。

4 進化算法控制策略的組成模塊

控制算法基于模型算法控制MAC由4個基本模塊組成，主要包括內(nèi)部模型、能耗計量反饋校正、滾動優(yōu)化計算和能耗參考輸入軌跡4部分[7-8]。它采用基于脈沖響應(yīng)的非參數(shù)模型作為內(nèi)部模型，用控制參數(shù)組作為輸入輸出信息，經(jīng)模型輸出誤差反饋校正后，再與節(jié)能指標參考輸入軌跡比較，應(yīng)用二次型性能指標滾動優(yōu)化，再計算出當前時刻下應(yīng)輸出到各單元控制系統(tǒng)的優(yōu)化控制參數(shù)組，完成整個控制循環(huán)。進化控制策略的組成如圖3所示。

圖3 進化控制策略組成模塊示意Fig.3 Evolutionary control strategy of module diagram

4.1 滾動優(yōu)化計算模塊

滾動優(yōu)化計算模塊采用了進化優(yōu)化算法，控制系統(tǒng)根據(jù)遺傳算法每代產(chǎn)生大量可行解和隱含的并行性這一特點設(shè)計一種決策優(yōu)化方法，基于排序的表現(xiàn)矩陣測度可行解，對所有目標總體表現(xiàn)好壞的向量進行比較。另外引入個體適應(yīng)度定標保持種群的多樣性，采用自適應(yīng)變化的方式確定交叉和變異概率。模塊組成框圖如圖4所示。

圖4 滾動優(yōu)化計算模塊組成框圖Fig.4 Rolling optimization calculation module composition block diagram

4.2 改進優(yōu)化算法

為了實現(xiàn)多機組空調(diào)系統(tǒng)的節(jié)能目標，在控制參數(shù)組進化過程中引入節(jié)能激勵因子F，對控制參數(shù)組的運行方式及控制目標進行調(diào)整，引入節(jié)能激勵因子F實現(xiàn)參數(shù)組序列優(yōu)先進化，以此提高該組參數(shù)的個體適應(yīng)度Pj，實現(xiàn)優(yōu)先進化。

式中：α，β為適應(yīng)度函數(shù)系數(shù)，根據(jù)個體適應(yīng)度大小的不同分別構(gòu)造；節(jié)能激勵因子F=1.1g，其中g(shù)是激勵因子的代數(shù)，每次循環(huán)結(jié)束，根據(jù)求得的最優(yōu)解的情況對g進行調(diào)整。其數(shù)學(xué)表達式為

該算法優(yōu)點是通過1次計算即可得到問題的非劣解集，簡化了多目標問題的優(yōu)化求解步驟。

5 進化算法仿真

通過計算比較，判斷出運行模式后，優(yōu)化控制算法由上位機實現(xiàn)，控制系統(tǒng)的輸入輸出邏輯控制由PLC控制器實現(xiàn)?？刂频妮斎胱兞繛樵O(shè)定的溫濕度數(shù)值、實際的溫濕度數(shù)值及站臺人群密度的數(shù)值，系統(tǒng)的控制輸出為經(jīng)過節(jié)能優(yōu)化計算后獲得的各變頻器的工作頻率?？刂瞥绦蜻壿嬁驁D如圖5所示。

圖5 控制程序邏輯框圖Fig.5 Control program logic diagram

在進化過程中，通過節(jié)能激勵因子F調(diào)整空調(diào)系統(tǒng)控制參數(shù)序列被選擇的概率值，節(jié)能激勵因子F值越大，被選擇的概率越大，使用節(jié)能效率高的風、水系統(tǒng)能耗設(shè)備控制參數(shù)組成的染色體組合實現(xiàn)優(yōu)先進化，算法的仿真結(jié)果如圖6所示。

圖6 進化算法仿真曲線Fig.6 Evolutionary algorithm simulation cure

仿真結(jié)果表明了該進化算法的收斂性，在初始時進化進度比率相對較高，在進化到2代時，進度比率可達0.25；經(jīng)進化30代后，進化比率降到0.025，進化速度較快；繼續(xù)進化后，進化比率有所上升，說明該進化算法沒有陷入局部極小；當進化到60代以后，進度比率基本穩(wěn)定，趨近于0，說明最終種群已接近Pareto非劣解優(yōu)化解集。仿真結(jié)果表明：系統(tǒng)的魯棒性較強，具有全局搜索能力，不易陷入局部極小，而且在運行時間方面，同樣達到進化算法最優(yōu)解的質(zhì)量水平，所用時間短，收斂速度較快。

6 結(jié)語

地鐵站空調(diào)系統(tǒng)節(jié)能研究從 “以人為本”和“節(jié)能環(huán)保可持續(xù)發(fā)展”的角度出發(fā)，較全面地研究和分析了軌道交通系統(tǒng)中空調(diào)系統(tǒng)的能耗特點和模型，創(chuàng)新引入站臺人群密度（即站臺客流分布密度）作為控制參數(shù)，應(yīng)用改進的進化算法，為多機組空調(diào)群變頻器的參數(shù)優(yōu)化和機組優(yōu)化組合運行設(shè)計一種新的智能控制策略，達到最優(yōu)節(jié)能目標；與傳統(tǒng)控制器相比，智能進化控制更能解決大規(guī)模復(fù)雜系統(tǒng)控制問題，實時地、具有自適應(yīng)功能地自動調(diào)節(jié)，達到所供即所需；同時，空調(diào)節(jié)能控制技術(shù)可推廣應(yīng)用于帶空調(diào)設(shè)施的大型建筑、其它地下設(shè)施，如大中型商場、購物中心、車站、機場候機室。

[1]宋敏華.城市軌道交通節(jié)能技術(shù)發(fā)展趨勢研究[J].工程建設(shè)與設(shè)計，2009（1）：15-19.

[2]馬鋒.地鐵新環(huán)控系統(tǒng)可行性及節(jié)能效果研究[D].天津：天津大學(xué)，2012.

[3]朱培根，朱穎心，李曉峰.地鐵通風與熱模擬方案及其分析[J].流體機械，2004，32（11）：39-42.

[4]余磊，何斌，王曉保.地鐵車站空調(diào)通風系統(tǒng)變頻節(jié)能控制的設(shè)計[J].風機技術(shù)，2009（1）：53-56.

[5]馬素貞.多臺冷水機組的優(yōu)化配置與節(jié)能運行研究[J].建筑科學(xué)，2012，28（2）：75-79.

[6]李遠成，陰培培，趙銀亮.基于模糊聚類的推測多線程劃分算法[J].計算機學(xué)報，2014，37（3）：580-592.

[7]云慶夏.進化算法[M].1版.北京：冶金工業(yè)出版社，2000.

[8]宋曉峰，亢金龍，王宏.進化算法的發(fā)展與應(yīng)用[J].現(xiàn)代電子技術(shù)，2006，20（3）：66-68.