摘要 通風空調系統(tǒng)的能耗不僅直接關系到車站內乘客的舒適度，還深刻影響著整個軌道交通系統(tǒng)的能源效率和碳排放水平，因此該文提出基于粒子群算法的軌道交通車站通風空調節(jié)能控制方法。首先，針對影響軌道交通車站通風空調設備能耗的因素進行分析，有效實現(xiàn)空調系統(tǒng)能源利用效率的提高；其次，建立車站通風空調的節(jié)能控制模型，達到車站的節(jié)能降耗的目標；最后，確保通風空調系統(tǒng)具備出色的適應力，以應對多樣化的控制需求，基于粒子群完成空調系統(tǒng)的節(jié)能優(yōu)化與控制。實踐結果表明：基于粒子群算法的軌道交通車站通風空調節(jié)能控制方法具有顯著的節(jié)能效果、良好的系統(tǒng)穩(wěn)定性和較強的適應性。

關鍵詞 空調節(jié)能控制；通風空調；軌道交通車站；粒子群算法；節(jié)能環(huán)保

中圖分類號 D26.4 文獻標識碼 A 文章編號 2096-8949（2024）23-0001-03

0 引言

隨著城市軌道交通系統(tǒng)的快速發(fā)展，車站通風空調系統(tǒng)的能耗問題日益凸顯，成為影響軌道交通運營成本和環(huán)境可持續(xù)性的關鍵因素之一。因此，探索并實施有效的節(jié)能控制策略，對于降低運營成本、提升能源利用效率以及促進城市軌道交通的綠色可持續(xù)發(fā)展具有重要意義。粒子群算法作為一種基于群體智能的優(yōu)化算法，自提出以來便在函數(shù)優(yōu)化、神經網(wǎng)絡訓練、模式識別等多個領域展現(xiàn)出強大的應用潛力和優(yōu)勢。其原理模仿了鳥群覓食的自然行為，通過群體中個體間的信息共享和協(xié)作，不斷調整搜索方向和速度，以尋找全局最優(yōu)解。在復雜系統(tǒng)的優(yōu)化問題中，PSO算法憑借其良好的全局搜索能力和魯棒性，成為解決非線性、多模態(tài)及高維優(yōu)化問題的有力工具。

近年來，已經有很多學者對軌道交通車站通風空調節(jié)能控制方法進行了研究。例如，劉俊等[1]通過對車站空調系統(tǒng)實施按需節(jié)能技術改造，設計針對冷水機組、水泵、冷卻塔風機及末端空氣處理設備的節(jié)能調控方案，并構建了一個系統(tǒng)節(jié)能管理平臺，確保按需供冷，提升了系統(tǒng)能效，降低了能源消耗。何大四等[2]建立車站建筑圍護結構的模型，隨后構建基于工頻運行的空調系統(tǒng)基礎模型，用于節(jié)能評估，分析采用最小水流量控制策略的空調系統(tǒng)及其節(jié)能成效。而該文方法將粒子群算法應用于軌道交通車站通風空調節(jié)能控制，旨在通過智能優(yōu)化手段，動態(tài)調整系統(tǒng)參數(shù)，實現(xiàn)能耗與舒適度的最佳平衡。

1 軌道交通車站通風空調節(jié)能控制方法

1.1 影響軌道交通車站通風空調設備能耗的因素分析

軌道交通車站通風空調系統(tǒng)的能耗占整個車站能耗的較大比例，特別是在空調供冷季，通風空調系統(tǒng)能耗甚至達到地鐵車站總能耗的60%～70%左右[3]。因此，提高通風空調系統(tǒng)的能效，對于降低軌道交通車站的整體能耗、減少運營成本具有重要意義。

基于上述分析，該文首先對車站通風空調系統(tǒng)的各設備進行分析：

（1）冷水機組是空調系統(tǒng)中能耗較高的關鍵組件之一，其性能常以能效比（COP）作為評估標準。COP代表冷機的制冷效率，具體計算為冷機制冷能力A與其消耗功率W的比值。COP值越高，意味著冷機的運行效能越佳，其計算公式如下：

（1）

式中：A——冷機制冷能力（kW）；W——消耗功率（kW）。

冷水機組的能耗與多種因素緊密相關，包括機組負荷、冷凍水的供水溫度、冷卻水的回水溫度以及冷水機組本身的負荷，其能耗的表達公式如下：

（2）

式中：t2 ， t1——冷凍水供水、冷凍水回水的溫度（℃）；p1——冷水機組的能耗（kW·h）；q1——冷水機組的負荷（kW）；——擬合系數(shù)。

（2）水泵是空調水系統(tǒng)中的關鍵部件，其能耗與流量、揚程、頻率及運行數(shù)量密切相關[4]。特別是水泵的揚程與頻率隨流量的變化大致呈二次曲線關系：揚程降低時，流量會上升，流量增加初期，頻率會提升，但超過一定點后頻率將開始下降。為估算水泵能耗，需建立單臺水泵的模型，具體如下：

（3）

式中：——水泵的頻率（Hz）；——水泵的揚程（m）；——水泵的功率（kW）；——水泵的流量（m3/h）；——水泵的實際功率（kW）；——水泵的額定功率（kW）。

（3）冷卻塔的能耗與回水溫度、進水溫度以及空氣濕球溫度密切相關[5]，具體關聯(lián)如下：

（4）

式中：t3——冷卻塔的冷卻水回水溫度（℃）；t4——冷卻水的進水溫度（℃）；——冷卻塔的效率；t5——空氣濕球溫度（℃）。

基于上述步驟，完成對通風空調系統(tǒng)中影響各設備能耗的分析。

1.2 建立車站通風空調的節(jié)能控制模型

地鐵車站通風空調系統(tǒng)包含眾多設備，難以全面覆蓋，該文重點討論的是軌道交通車站與空調末端的風機盤管之間的連接關系[6，7]。

軌道交通車站傳遞函數(shù)：

（5）

式中：Ts——風機盤管送風溫度（℃）；Tu——地鐵車站內的實際溫度（℃）；k1——地鐵車站放大系數(shù)，T1——地鐵車站時間常數(shù)（h）；——地鐵車站純滯后時間（h）。

風機盤管傳遞函數(shù)：

（6）

式中：T2——風機盤管時間常數(shù)（h）；Dw——風機盤管水流量（m3/h）；k2——風機盤管放大系數(shù)；——風機盤管純滯后時間（h）。

干擾的傳遞函數(shù)：

（7）

式中：Tu——車站內的實際溫度（℃）；——車站內所有干擾熱量換算成的溫度變化（℃）；——干擾溫度對車站內實際溫度的影響程度；——干擾影響到車站內溫度的延遲時間（h）。

冷水系統(tǒng)的近似傳遞函數(shù)：

（8）

式中：k3——回水溫度與車站內溫度的比例系數(shù)；k4——水泵流量與頻率的比例系數(shù)。

綜合上述分析，可得出軌道交通車站的冷水節(jié)能控制模型的表達公式如下：

（9）

式中：k——冷水系統(tǒng)近似放大系數(shù)；——冷水系統(tǒng)近似純滯后時間。

通過以上步驟，可以建立一個有效的車站通風空調節(jié)能控制模型，為車站的節(jié)能降耗和可持續(xù)發(fā)展作出貢獻。

1.3 實現(xiàn)空調系統(tǒng)節(jié)能優(yōu)化與控制

粒子群算法相較于其他智能算法，具備以下優(yōu)勢：其擁有記憶特性，能同時維持局部與全局的最優(yōu)解，其原理較為簡明，實現(xiàn)起來較為容易，且需要調整的參數(shù)數(shù)量較少，該算法能夠根據(jù)實際情況靈活調整搜索策略，從而加速搜索過程，并且在尋找最優(yōu)解時無須依賴問題的特定信息，顯示出良好的魯棒性。因此，該文選擇對空調系統(tǒng)進行節(jié)能控制的設計時，使用模糊PID控制的基礎上結合粒子群算法進行優(yōu)化控制。

上圖中節(jié)能控制的誤差e和誤差變化率ec為輸入，其量化因子為ke、kec，輸出變量的比例因子為。

利用粒子群算法優(yōu)化模糊控制參數(shù)，包括量化因子ke、kec及比例因子。在模糊PID控制器內，通過粒子群算法調整模糊隸屬度函數(shù)，使之成為一個自適應系數(shù)的模糊控制器。此舉旨在調整PID的三個關鍵參數(shù)，進而優(yōu)化系統(tǒng)動態(tài)性能，降低超調，并增強控制系統(tǒng)的穩(wěn)健性。

鑒于ITAE指標應用廣泛，其結合了誤差絕對值的時間積分與超調量，能全面考慮系統(tǒng)的超調與調節(jié)時間，故選擇其作為節(jié)能控制模型的適應度函數(shù)，具體指標函數(shù)公式為：

（10）

式中：j（t）——傳遞函數(shù)的輸入輸出誤差；O——節(jié)能控制模型產生的超調量；——權重系數(shù)；——空調系統(tǒng)運行時間，節(jié)能控制模型的目標是使得M值最小。

在粒子群優(yōu)化算法中，粒子持續(xù)更新其位置與速度，生成新的控制參數(shù)，這些參數(shù)通過連接程序傳遞給節(jié)能控制模型運行，隨后將仿真得到的適應度值反饋回粒子群優(yōu)化程序，完成軌道交通車站通風空調的節(jié)能控制。

2 試驗測試與分析

2.1 試驗準備

軌道交通車站作為城市交通的重要節(jié)點，其通風空調系統(tǒng)的能耗占據(jù)了運營成本的相當一部分。為降低能耗、提高運營效率，采用先進的優(yōu)化算法對通風空調系統(tǒng)進行節(jié)能控制顯得尤為重要。粒子群算法作為一種元啟發(fā)式算法，具有全局搜索能力強、收斂性好等優(yōu)點，適用于解決此類優(yōu)化問題。為證明該文設計的基于粒子群算法的軌道交通車站通風空調節(jié)能控制方法的可行性，現(xiàn)進行試驗測試，該次試驗首先基于MATLAB/Simulink搭建一個通風空調系統(tǒng)仿真平臺，該平臺的各項技術參數(shù)如下表1所示。

該試驗收集了S市在某運營軌道交通站點全天的實際運營數(shù)據(jù)，涵蓋溫度、濕度、二氧化碳濃度、供回水溫度及能源消耗等信息。試驗過程中，這些實際數(shù)據(jù)被用作輸入?yún)?shù)，通過仿真平臺再現(xiàn)地鐵運行環(huán)境。

該次測試聚焦于軌道交通車站通風空調系統(tǒng)的能耗，該能耗主要由系統(tǒng)自身產生，測試在空調使用高峰期（6月～9月）進行。冷水系統(tǒng)的核心設備涵蓋冷水機組、冷卻水泵、冷凍水泵及冷卻塔，將收集并分析冷水系統(tǒng)在優(yōu)化前后的能耗數(shù)據(jù)：優(yōu)化前，系統(tǒng)采用傳統(tǒng)的工頻運行模式；優(yōu)化后，則實施了基于粒子群算法的節(jié)能控制策略。在車站內溫度、濕度等負荷條件動態(tài)變化的場景下，采用粒子群算法執(zhí)行節(jié)能控制策略的優(yōu)化模擬測試，最終系統(tǒng)輸出經優(yōu)化后的能耗數(shù)據(jù)，并據(jù)此對測試運行的結果進行了對比分析。

2.2 試驗結果與分析

基于上述試驗準備，該車站的通風空調的冷水系統(tǒng)節(jié)能優(yōu)化控制前后的能耗測試結果如下表2所示。

根據(jù)上述試驗結果可以看出，該文設計的基于粒子群算法的軌道交通車站通風空調節(jié)能控制方法具有顯著的節(jié)能效果、良好的系統(tǒng)穩(wěn)定性和較強的適應性。粒子群算法作為一種優(yōu)化算法，在多個領域都展現(xiàn)出了良好的性能，特別是在處理復雜、非線性、多目標的優(yōu)化問題時。通過優(yōu)化控制策略，該方法能夠顯著降低軌道交通車站通風空調系統(tǒng)的能耗，為城市軌道交通行業(yè)的可持續(xù)發(fā)展做出貢獻。在軌道交通車站通風空調節(jié)能控制方面，粒子群算法可以通過對車站通風空調系統(tǒng)的運行參數(shù)進行優(yōu)化，以達到節(jié)能的目的。

3 結束語

綜上所述：基于粒子群算法的軌道交通車站通風空調節(jié)能控制方法不僅展現(xiàn)其在優(yōu)化復雜系統(tǒng)控制策略上的顯著優(yōu)勢，還為實現(xiàn)軌道交通車站的綠色運營和節(jié)能減排提供了切實可行的技術路徑。通過模擬試驗與實際應用的驗證，證明該方法在提高通風空調系統(tǒng)的運行效率、降低能耗以及提升乘客舒適度方面均取得了較好的效果。粒子群算法以其獨特的尋優(yōu)機制和良好的全局搜索能力，在解決軌道交通車站通風空調系統(tǒng)的多變量、非線性優(yōu)化問題上展現(xiàn)出了強大的適應性。通過不斷地迭代和更新粒子位置與速度，算法能夠快速收斂到最優(yōu)解或近似最優(yōu)解，從而在保證車站環(huán)境質量的同時，最大限度地減少了能源消耗。此外，該研究還強調了數(shù)據(jù)驅動與智能控制相結合的重要性，為后續(xù)軌道交通車站的智能化管理和運維提供了新的思路。隨著大數(shù)據(jù)、云計算和人工智能技術的不斷發(fā)展，基于粒子群算法的節(jié)能控制方法有望與其他先進技術進一步融合，形成更加高效、智能的軌道交通車站環(huán)境控制系統(tǒng)。

參考文獻

[1]劉俊，車輪飛，於澤，等.典型地鐵站通風空調控制系統(tǒng)節(jié)能改造分析[J].暖通空調， 2023（S2）：250-253.

[2]何大四，趙忠濤，夏三縣，等.基于最小水流量的地鐵車站空調系統(tǒng)節(jié)能控制研究[J].中原工學院學報， 2022（4）：42-48+79.

[3]王碩，李準，孫天寶，等.熱泵型冷熱源及熱回收系統(tǒng)在精密空調節(jié)能改造中的應用[J].潔凈與空調技術， 2024（3）：91-94+31.

[4]吳明萱，張淞博，孫玉卿，等.智能建筑環(huán)境控制系統(tǒng)的照明與空調節(jié)能效果實證研究[J].建筑科學， 2024（8）： 199-207.

[5]龐云飛，孫豪杰，褚堃，等.公共建筑全空氣空調系統(tǒng)節(jié)能運行研究——以青島市某博物館展廳為例[J].綠色建筑， 2024（4）：152-158.

[6]高家緒，潘松法，王軒，等.寧波地區(qū)既有公共建筑空調系統(tǒng)節(jié)能改造路徑探索[J].綠色建筑， 2024（5）：96-100.

[7]朱曉姣，柳松，張圣楠，等.北京市辦公建筑空調系統(tǒng)現(xiàn)狀調研及節(jié)能改造潛力分析[J].建筑技術， 2024（14）： 1693-1696.