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(fēng)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(dān)主要城市的交通負(fù)擔(dān)。地鐵站是乘客進(jìn)入地鐵服務(wù)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(hù)。盡管地鐵交通系統(tǒng)有好處，但是室內(nèi)空氣污染物對(duì)通勤者具有潛在的健康風(fēng)險(xiǎn)。城市地鐵系統(tǒng)是受限且通風(fēng)不良的微環(huán)境，具有獨(dú)特的顆粒物排放源（軌道-車輪-制動(dòng)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(fēng)空調(diào)系統(tǒng)，包含空氣溫度、濕度、風(fēng)速和顆粒濃度等檢測(cè)系統(tǒng)。然而，在做這項(xiàng)工作時(shí)，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(fēng)條件等因素。在這種情況下，機(jī)械通風(fēng)系統(tǒng)通常用于向室內(nèi)空間供應(yīng)來自外部的新鮮空氣來改善室內(nèi)空氣質(zhì)量。機(jī)械通風(fēng)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(fēng)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(fēng)系統(tǒng)被認(rèn)為具有最大的節(jié)能潛力[1]。

隨著我國經(jīng)濟(jì)增長和城市化發(fā)展，城市交通壓力增大，這導(dǎo)致更高的能源消耗和相應(yīng)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(luò)是一個(gè)復(fù)雜的系統(tǒng)，也是一個(gè)巨大的能源消耗者。據(jù)報(bào)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(fēng)空調(diào)系統(tǒng)消耗的電力約占總能耗的31%，僅次于機(jī)車電力牽引系統(tǒng)。因此，分析地鐵站通風(fēng)空調(diào)系統(tǒng)的能耗和負(fù)荷特性，提出節(jié)能建議具有重要意義。由于地下地鐵站對(duì)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(fēng)機(jī)的運(yùn)行，并建議總節(jié)電率在59.5%～73.4%。除此之外，部分學(xué)者研究表明，將節(jié)能解決方案應(yīng)用于現(xiàn)有系統(tǒng)時(shí)，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(shí)，通過采用一種特定的技術(shù)或單獨(dú)的解決方案（如站臺(tái)屏蔽門系統(tǒng)、變頻裝置、直接膨脹空調(diào)、人工智能通風(fēng)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(shí)現(xiàn)地下地鐵站中整個(gè)暖通空調(diào)系統(tǒng)的整體優(yōu)化，是當(dāng)前業(yè)內(nèi)面臨的一項(xiàng)持續(xù)挑戰(zhàn)。

2 國內(nèi)正在運(yùn)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(fēng)空調(diào)系統(tǒng)運(yùn)行和管理中存在的問題。

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

（2）地鐵站的溫度通常低于設(shè)定設(shè)備啟動(dòng)或運(yùn)行要求的溫度，這可以通過負(fù)荷或功耗預(yù)測(cè)及空調(diào)機(jī)組的調(diào)整頻率來控制。地鐵站的通風(fēng)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(qiáng)電室通風(fēng)和空調(diào)系統(tǒng)的開啟過于主觀，有時(shí)溫度過低。在計(jì)算能耗負(fù)荷時(shí)存在誤差，而且通常還要照顧到某些冗余系數(shù)，導(dǎo)致在選擇設(shè)備過程中出現(xiàn)過大的冷卻能力、風(fēng)扇功率、泵電流和冷卻劑水頭，從而降低了設(shè)備實(shí)際運(yùn)行效率。

（4）地下通風(fēng)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(chǎng)所，其設(shè)計(jì)標(biāo)準(zhǔn)比民用建筑中舒適的室內(nèi)空調(diào)設(shè)計(jì)標(biāo)準(zhǔn)更為全面。

此外，在設(shè)計(jì)過程中沒有使用計(jì)算機(jī)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(dāng)前對(duì)地鐵通風(fēng)空調(diào)系統(tǒng)的舒適性和節(jié)能性的綜合評(píng)估較少，對(duì)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(yùn)營商的運(yùn)營成本和乘客的舒適度在建筑運(yùn)營后期階段是共存的，因此需要進(jìn)行交叉研究分析[4]。

3 地鐵通風(fēng)空調(diào)系統(tǒng)能耗預(yù)測(cè)模型構(gòu)建

通過對(duì)地鐵通風(fēng)空調(diào)系統(tǒng)的能耗現(xiàn)狀分析、研究必要性分析及針對(duì)國內(nèi)正在運(yùn)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(fēng)空調(diào)系統(tǒng)是一個(gè)隨時(shí)間變化的復(fù)雜非線性系統(tǒng)，并且，地鐵站通風(fēng)空調(diào)系統(tǒng)的能耗受客流量、新風(fēng)機(jī)性能、室內(nèi)外溫度、濕度等多種因素的強(qiáng)烈影響。其數(shù)學(xué)模型煩瑣且難以建立，因此有必要選擇合理的預(yù)測(cè)模型預(yù)測(cè)空調(diào)能耗[5]。BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型具有很強(qiáng)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(yù)測(cè)模型，然后模擬預(yù)測(cè)數(shù)據(jù)以獲得準(zhǔn)確的預(yù)測(cè)結(jié)果。該網(wǎng)絡(luò)具有較高的計(jì)算速度和較強(qiáng)的容錯(cuò)能力。BP神經(jīng)網(wǎng)絡(luò)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(hào)關(guān)系的非線性特點(diǎn)，它一般由多個(gè)輸入與單一輸出構(gòu)成。BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖1所示，計(jì)算如下式：

圖1 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

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

一般的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型會(huì)采用粒子群算法，但其在迭代前期過程中有時(shí)會(huì)出現(xiàn)收斂過快的情況，這導(dǎo)致粒子分布不均，最終導(dǎo)致總體收斂速度降低。針對(duì)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(luò)預(yù)測(cè)模型進(jìn)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(diǎn)融合至粒子群算法中，從而擴(kuò)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(jìn)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(qiáng)弱。c1、c2為算法中的學(xué)習(xí)因子；r1、r2為[0，1]的隨機(jī)數(shù)。

在粒子群算法中引入遺傳算法，對(duì)適應(yīng)度排序前部的粒子進(jìn)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(jī)數(shù)。對(duì)適應(yīng)度排序后的粒子進(jìn)行變異操作，從而生成下一代粒子，變異概率為Pm，重新對(duì)所有粒子的適應(yīng)度進(jìn)行排序并重新組合，算式如下：

式中，Gmax為最大進(jìn)化代數(shù)。

4 基于BP神經(jīng)網(wǎng)絡(luò)優(yōu)化模型的地鐵通風(fēng)空調(diào)系統(tǒng)能耗預(yù)測(cè)計(jì)算分析

對(duì)地鐵空調(diào)負(fù)荷搭建BP神經(jīng)網(wǎng)絡(luò)模型，采用粒子群、遺傳算法相混合的算法對(duì)其權(quán)值和閾值進(jìn)行了優(yōu)化，并對(duì)比了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)及優(yōu)化后的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)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(yùn)營時(shí)間共493組相關(guān)數(shù)據(jù)，隨機(jī)選取470組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，剩余23組數(shù)據(jù)作為測(cè)試數(shù)據(jù)。設(shè)置BP隱含層節(jié)點(diǎn)數(shù)為10，學(xué)習(xí)速率值為0.01，訓(xùn)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(xué)習(xí)因子c1=2、c2=2，進(jìn)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(luò)優(yōu)化模型的地鐵通風(fēng)空調(diào)系統(tǒng)能耗預(yù)測(cè)結(jié)果見表1。

表1 基于BP神經(jīng)網(wǎng)絡(luò)優(yōu)化模型的地鐵通風(fēng)空調(diào)系統(tǒng)能耗預(yù)測(cè)結(jié)果

比較分析優(yōu)化前后兩種預(yù)測(cè)模型表現(xiàn)出的預(yù)測(cè)效果，兩種方法的測(cè)試集相對(duì)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(luò)預(yù)測(cè)模型最大絕對(duì)誤差為42.84 kW。優(yōu)化后的預(yù)測(cè)模型最大絕對(duì)誤差為13.11 kW，預(yù)測(cè)結(jié)果更為精確。采用優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)地鐵車站中央空調(diào)負(fù)荷的預(yù)測(cè)誤差更小，具有更高的預(yù)測(cè)精度，在實(shí)際工程中可行性更高。通過建立BP神經(jīng)網(wǎng)絡(luò)空調(diào)負(fù)荷預(yù)測(cè)模型，使用粒子群、遺傳算法的混合算法對(duì)BP神經(jīng)網(wǎng)絡(luò)空調(diào)負(fù)荷預(yù)測(cè)模型進(jìn)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(fēng)空調(diào)系統(tǒng)預(yù)測(cè)模型。由以上結(jié)果得知，神經(jīng)網(wǎng)絡(luò)法對(duì)地鐵空調(diào)負(fù)荷模型的預(yù)測(cè)較為精確，認(rèn)為可以廣泛使用。經(jīng)過算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型能夠滿足地鐵車站空調(diào)負(fù)荷的要求，相較于基本的BP模型具有更好的預(yù)測(cè)精度。

表2 優(yōu)化前后兩種預(yù)測(cè)算法結(jié)果

5 地鐵通風(fēng)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(dá)到舒適節(jié)能效果

地鐵站的通風(fēng)空調(diào)系統(tǒng)要達(dá)到節(jié)能的目的，必須降低地鐵站的通風(fēng)空調(diào)系統(tǒng)能耗。目前主要技術(shù)方式是在地鐵正常運(yùn)行時(shí)，根據(jù)站內(nèi)負(fù)荷的變化控制空調(diào)的變頻。其在某一時(shí)間段站內(nèi)溫度過低時(shí)表明此時(shí)站內(nèi)溫度控制在理想范圍。利用BP神經(jīng)網(wǎng)絡(luò)算法，反推這一時(shí)期地鐵站的通風(fēng)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(fēng)機(jī)的回風(fēng)溫度調(diào)整組合式空調(diào)的頻率時(shí)，當(dāng)回風(fēng)溫度較高時(shí)，要增大空調(diào)頻率，加大送風(fēng)量；當(dāng)回風(fēng)溫度較低時(shí)，需要降低空調(diào)頻率，降低送風(fēng)量。該方法適用于地鐵站內(nèi)溫度相對(duì)較低或某一時(shí)間段內(nèi)客流量較小的情況下，對(duì)地鐵站通風(fēng)空調(diào)系統(tǒng)的預(yù)測(cè)。這種方法不僅能手動(dòng)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(dá)到節(jié)能的目的。

5.2 利用氣流形成活塞效應(yīng)減少通風(fēng)工況下空調(diào)器的運(yùn)行能耗

通過列車誘導(dǎo)氣流形成活塞效應(yīng)，能夠使地鐵車站通風(fēng)空調(diào)系統(tǒng)達(dá)到節(jié)能的目的，大大減少對(duì)系統(tǒng)的能耗。利用列車進(jìn)站和出站時(shí)的不同氣流條件，當(dāng)列車移動(dòng)時(shí)，正壓力通過推動(dòng)空氣在前方產(chǎn)生，負(fù)壓則由于缺少空氣而在后方產(chǎn)生。當(dāng)列車進(jìn)入車站時(shí)，隧道中的空氣將被推入車站，當(dāng)列車離開車站時(shí)，車站中的空氣會(huì)被吸入隧道，以填充列車后面的真空區(qū)。由此減少了通風(fēng)工況下空調(diào)器的運(yùn)行能耗，進(jìn)而可以達(dá)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(fēng)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(jìn)的節(jié)能策略被認(rèn)為是針對(duì)地鐵通風(fēng)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?yàn)樗鼈冊(cè)陂L期運(yùn)行中具有減少地下車站通風(fēng)空調(diào)系統(tǒng)能耗的重要能力。其中，基于BP神經(jīng)網(wǎng)絡(luò)算法的預(yù)測(cè)方法對(duì)地鐵通風(fēng)空調(diào)系統(tǒng)的精心設(shè)計(jì)和維護(hù)是非常有效的。此外，減少機(jī)械新鮮空氣供應(yīng)已被證明是一種易于操作且成本適當(dāng)?shù)目刂撇呗浴８鶕?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(jìn)將對(duì)不斷擴(kuò)大的城市地鐵網(wǎng)絡(luò)的能耗和碳排放的減少做出更大貢獻(xiàn)。