黃 莉，蘇子怡，李曉鋒

（1. 清華大學(xué)中國新型城鎮(zhèn)化研究院，北京 100084；2. 清華大學(xué)建筑學(xué)院，北京 100084）

近年來，城市軌道交通系統(tǒng)發(fā)展迅速。截至2020年底，中國大陸已有45座城市投入運(yùn)營244條線路和4 681座車站，另有57座城市在建車站4 298座。其中，地鐵占比 78.8%，是城市軌道交通系統(tǒng)的主要制式[1]。

在地鐵用能構(gòu)成中，通風(fēng)空調(diào)系統(tǒng)是主要用能系統(tǒng)，約占地鐵系統(tǒng)總能耗的1/3～1/2[2]。隨著地鐵規(guī)模和能耗的不斷增加，地鐵車站通風(fēng)空調(diào)系統(tǒng)節(jié)能逐漸成為研究熱點(diǎn)[3-4]。因此，有必要研究地鐵車站通風(fēng)空調(diào)系統(tǒng)能耗的影響因素及重要程度，從而給出運(yùn)行管理中需要重點(diǎn)關(guān)注的參數(shù)，助力地鐵車站的節(jié)能運(yùn)行。

通過對地鐵車站通風(fēng)空調(diào)系統(tǒng)能耗原理模型進(jìn)行敏感性分析，對關(guān)鍵影響因素進(jìn)行了識別和排序，獲得了模型輸入?yún)?shù)的重要性排序和量化指標(biāo)，指出了地鐵車站節(jié)能設(shè)計(jì)和運(yùn)營需要關(guān)注的重要參數(shù)，為車站的低能耗運(yùn)營管理提供了參考借鑒。

1 敏感性分析

1.1 敏感性分析方法

敏感性分析是一種用于識別和量化輸入?yún)?shù)對輸出結(jié)果影響程度的方法[5]，廣泛應(yīng)用于建筑性能關(guān)鍵影響參數(shù)的識別和排序[6]。

敏感性分析方法分為全局敏感性分析和局部敏感性分析[7]。全局敏感性分析通過改變模型所有輸入來評估各輸入?yún)?shù)的重要性，其結(jié)果相較于局部敏感性分析更加可靠[8]。全局敏感性分析常用的方法有基于回歸的方法、基于篩選的方法和基于方差的方法[9]?；诨貧w的方法具有計(jì)算速度快、可解釋性好的優(yōu)點(diǎn)；基于篩選的方法常用于對復(fù)雜模型中不重要的變量進(jìn)行篩選，以降低問題的復(fù)雜性[10]；基于方差的方法穩(wěn)健性好、準(zhǔn)確度高，且可以估計(jì)各輸入?yún)?shù)之間的相互作用。

已有研究指出，敏感性分析結(jié)果與采用的方法有關(guān)，為了避免重要參數(shù)的丟失，一般使用至少兩種根本不同的敏感性分析方法，給出可靠的結(jié)果[11]。因此，本文采用了基于回歸、篩選和方差的3種敏感性分析方法，對比結(jié)果給出了地鐵車站通風(fēng)空調(diào)系統(tǒng)能耗模型的關(guān)鍵影響因素。

敏感性分析有以下5個基本步驟[12](見圖1)：①結(jié)合研究目的，確定了待研究的64個輸入?yún)?shù)；②根據(jù)文獻(xiàn)調(diào)研、設(shè)計(jì)手冊、實(shí)際工程經(jīng)驗(yàn)等確定各輸入?yún)?shù)取值的概率密度函數(shù)；③選擇合適的抽樣方法為模型生成輸入數(shù)據(jù)樣本庫；④將輸入樣本庫輸入地鐵車站通風(fēng)空調(diào)系統(tǒng)能耗原理模型(模型框架見圖2)，模擬得到輸出樣本；⑤對模型的輸入和輸出結(jié)果執(zhí)行敏感性分析，識別關(guān)鍵輸入?yún)?shù)并進(jìn)行重要性排序。

圖1 敏感性分析基本步驟Figure 1 Flowchart of sensitivity analysis

圖2 地鐵車站通風(fēng)空調(diào)系統(tǒng)能耗原理模型框架Figure 2 Framework of the VAC energy model in subway stations

1.2 敏感性分析結(jié)果

通過基于回歸、篩選和方差的3種敏感性分析方法得到了64個輸入?yún)?shù)的敏感性指標(biāo)，由于不同方法采用的指標(biāo)不同，為了方便比較，對參數(shù)的敏感性指標(biāo)進(jìn)行了歸一化處理(0表示敏感性最低的參數(shù)，1表示敏感性最高的參數(shù))，結(jié)果如圖3所示。3種敏感性分析得到的變量重要性排序見圖4和表1。對比發(fā)現(xiàn)，3種敏感性分析方法在很大程度上識別了同一組重要的參數(shù)：① 3種方法識別出的重要性排序前3的參數(shù)及排序完全相同，均為室外空氣相對濕度、室外空氣溫度和機(jī)械新風(fēng)量；② 3種方法識別出的重要性排序前25%的參數(shù)相同，都包括設(shè)備能效、無組織滲風(fēng)量、站內(nèi)環(huán)境參數(shù)、隧道環(huán)境參數(shù)和客流量，但是3種方法得到的參數(shù)排序有差異，基于方差和篩選的方法排序較相似，基于回歸的方法與前兩者差異較大；③其他參數(shù)的重要性排序差異較大，可能的原因是敏感性指標(biāo)均較小，導(dǎo)致排序誤差較大。圖5比較了3種方法的計(jì)算時間，以計(jì)算效率最高的基于回歸的方法為參照，基于方差和篩選的方法計(jì)算時長分別為前者的25倍和3倍。綜合考慮計(jì)算效率和敏感性排序結(jié)果，基于篩選的方法的適用性較好。

圖3 3種敏感性分析得到的參數(shù)敏感性結(jié)果對比Figure 3 Comparison of the sensitivity indices of the three methods

圖4 3種敏感性分析方法的參數(shù)排序結(jié)果對比Figure 4 Comparison of the parameter ranking of the three methods

圖5 3種敏感性分析方法的計(jì)算時間對比Figure 5 Comparison of the computation costs of the three methods

表1 3種敏感性分析方法對應(yīng)的參數(shù)重要性排序Table 1 Parameter ranking results of the three sensitivity analysis methods

2 通風(fēng)空調(diào)系統(tǒng)能耗影響因素

通過上述敏感性分析得到了地鐵站通風(fēng)空調(diào)系統(tǒng)能耗的影響因素重要性排序。進(jìn)而結(jié)合車站管理，探究了運(yùn)營管理重要參數(shù)在其可能的變化范圍內(nèi)改變，對地鐵車站通風(fēng)空調(diào)系統(tǒng)能耗的定量影響程度，并且以能耗最高的工況為基準(zhǔn)進(jìn)行比較，分析了對能耗的影響程度百分比。

2.1 室外及隧道空氣參數(shù)

室外空氣參數(shù)影響車站通風(fēng)空調(diào)系統(tǒng)供冷負(fù)荷中的機(jī)械新風(fēng)負(fù)荷和出入口滲風(fēng)負(fù)荷，隧道空氣參數(shù)主要影響車站的屏蔽門滲風(fēng)負(fù)荷。隨著室外和隧道空氣參數(shù)(相對濕度和溫度)的提高，地鐵車站通風(fēng)空調(diào)能耗相應(yīng)增加。

探究供冷期間上述參數(shù)在其可能的變化范圍內(nèi)波動對通風(fēng)空調(diào)能耗的影響，結(jié)果如圖 6?？梢钥闯觯彝饪諝庀鄬穸群蜏囟鹊淖兓瘜δ芎挠绊戯@著。室外空氣相對濕度在 20%到 100%之間變化時，通風(fēng)空調(diào)能耗從90 kW·h變成570 kW·h，能耗變化百分比高達(dá) 84%。室外空氣溫度在 24℃到 40℃之間變化時，能耗變化百分比為78%。

圖6 室外及隧道空氣參數(shù)變化對通風(fēng)空調(diào)能耗的影響Figure 6 Impact of outdoor and tunnel air variables on VAC energy use

隧道空氣參數(shù)對能耗的影響程度低于室外空氣參數(shù)，隧道相對濕度對能耗的影響為33%，溫度對能耗的影響為28%。

2.2 機(jī)械新風(fēng)量

機(jī)械新風(fēng)量影響車站通風(fēng)空調(diào)系統(tǒng)的供冷負(fù)荷，機(jī)械新風(fēng)過量供應(yīng)導(dǎo)致供冷負(fù)荷大幅增加，造成能源浪費(fèi)。根據(jù)對地鐵車站的大規(guī)模調(diào)研，發(fā)現(xiàn)當(dāng)前多數(shù)車站供冷期間機(jī)械新風(fēng)量在1.0萬～5.5萬m3/h之間。不同機(jī)械新風(fēng)量對應(yīng)的通風(fēng)空調(diào)能耗如圖 7?？梢钥闯觯瑱C(jī)械新風(fēng)量在其常見的取值范圍內(nèi)變化，對空調(diào)季通風(fēng)空調(diào)能耗的影響程度為43%。

圖7 機(jī)械新風(fēng)量變化對通風(fēng)空調(diào)能耗的影響Figure 7 Impact of mechanical air volume on VAC energy use

2.3 設(shè)備能效

地鐵通風(fēng)空調(diào)系統(tǒng)設(shè)備能效參數(shù)包括冷機(jī)性能參數(shù)COP、冷卻水輸送系數(shù)、冷卻塔能效、冷凍水輸送系數(shù)、末端設(shè)備能效。模型的敏感性分析結(jié)果顯示，上述參數(shù)中末端設(shè)備能效比和冷機(jī) COP對供冷期間通風(fēng)空調(diào)系統(tǒng)能耗的影響程度較大。

探究末端設(shè)備能效比和冷機(jī) COP變化對能耗的影響，結(jié)果如圖8所示。當(dāng)末端設(shè)備能效比在3～10之間變化時，通風(fēng)空調(diào)能耗從460 kW·h變?yōu)?80 kW·h，降低了39%。當(dāng)冷機(jī)COP在3～8之間變化時，通風(fēng)空調(diào)能耗從440 kW·h變?yōu)?80 kW·h，降低了36%。

圖8 設(shè)備能效變化對通風(fēng)空調(diào)能耗的影響Figure 8 Impact of equipment efficiency on VAC energy use

2.4 無組織滲風(fēng)量

地鐵車站的無組織滲風(fēng)量影響車站的無組織滲風(fēng)冷負(fù)荷從而影響能耗。無組織滲風(fēng)由兩部分組成，一部分是從隧道經(jīng)屏蔽門進(jìn)入站臺的屏蔽門滲風(fēng)量，另一部分是從室外經(jīng)出入口通道進(jìn)入站廳的出入口滲風(fēng)量。根據(jù)調(diào)研，當(dāng)前多數(shù)地鐵車站的屏蔽門和出入口無組織滲風(fēng)量在0.4萬～3.2萬m3/h之間，不同滲風(fēng)量對能耗的影響結(jié)果如圖9所示?？梢钥闯觯鋈肟跐B風(fēng)量對能耗的影響程度為29%，屏蔽門滲風(fēng)量對能耗的影響程度為12%，前者比后者對能耗的影響程度更大，主要原因是供冷時段室外空氣參數(shù)比隧道空氣參數(shù)更為不利。

圖9 無組織滲風(fēng)量變化對通風(fēng)空調(diào)能耗的影響Figure 9 Impact of unorganized air infiltration on VAC energy use

2.5 站內(nèi)空氣參數(shù)

地鐵車站站內(nèi)空氣參數(shù)影響車站的供冷負(fù)荷，當(dāng)室內(nèi)控制溫度和相對濕度較高時，通風(fēng)空調(diào)系統(tǒng)的供冷需求較小，能耗較低。探究站內(nèi)空氣參數(shù)對能耗的影響，結(jié)果如圖10所示?？梢钥闯觯緝?nèi)空氣相對濕度和溫度的增加可以大大降低通風(fēng)空調(diào)能耗。當(dāng)站內(nèi)空氣相對濕度在20%～70%之間變化時，能耗變化范圍為250～400 kW·h，影響程度為37%；當(dāng)站內(nèi)空氣溫度在24～30℃之間變化時，能耗變化范圍為280～360 kW·h，影響程度約為22%。

圖10 站內(nèi)空氣參數(shù)變化對通風(fēng)空調(diào)能耗的影響Figure 10 Impact of station air parameters on VAC energy use

各運(yùn)行管理相關(guān)的重要參數(shù)對通風(fēng)空調(diào)系統(tǒng)能耗的影響程度見表2，總結(jié)如下：①室外空氣溫度在24℃到40℃之間變化時，能耗變化百分比為78%；②隧道空氣溫度在24～35℃之間變化時，能耗變化百分比為28%；③機(jī)械新風(fēng)量在1.0萬～5.5萬m3/h 之間變化對能耗的影響為43%；④末端設(shè)備能效比從3提高至 10，對能耗的影響可達(dá) 39%；⑤冷機(jī) COP從 3提高至6，對能耗的影響可達(dá)29%，提升至8可達(dá)36%；⑥出入口和屏蔽門的滲風(fēng)量在0.4萬～3.2萬m3/h之間變化對能耗的影響程度分別為29%和12%；⑦供冷期間的站內(nèi)空氣溫度在24～30℃之間變化對能耗的影響為22%。

表2 各重要參數(shù)對地鐵車站通風(fēng)空調(diào)能耗的影響程度Table 2 Impact of important parameters on VAC energy use

3 結(jié)論

研究了地鐵車站通風(fēng)空調(diào)系統(tǒng)能耗的影響因素，通過多種敏感性分析方法對參數(shù)的重要性進(jìn)行了探究。對比發(fā)現(xiàn)，3種方法識別出的重要性排序前3的參數(shù)及排序完全相同，為室外空氣相對濕度、室外空氣溫度和機(jī)械新風(fēng)量；重要性排序前 25%的參數(shù)相同，都包括設(shè)備能效、無組織滲風(fēng)量、站內(nèi)環(huán)境參數(shù)、隧道環(huán)境參數(shù)和客流量，但是3種方法得到的參數(shù)排序有差異，基于方差和篩選的方法排序較相似，基于回歸的方法與前兩者差異較大；從計(jì)算時間上看，回歸方法的計(jì)算效率最高，方差和篩選方法計(jì)算時長分別為前者的25倍和 3倍；綜合考慮參數(shù)排序結(jié)果和計(jì)算效率，基于篩選的方法在該模型上的適用性較好。

進(jìn)而以長江流域的地下二層典型島式地鐵車站為例，研究了各節(jié)能運(yùn)行管理相關(guān)的重要參數(shù)在其變化范圍內(nèi)改變對能耗的定量化影響，明確了對于節(jié)能運(yùn)行管理而言需要優(yōu)先關(guān)注的重點(diǎn)，包括室外空氣參數(shù)、隧道空氣參數(shù)、站內(nèi)空氣參數(shù)、設(shè)備能效、機(jī)械新風(fēng)量、無組織滲風(fēng)量。