地鐵空調系統智能節能控制策略

安艷萍，錢 平

（上海應用技術學院 工程創新學院，上海 201418）

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

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

本文對系統中若干個空調機的控制采用分布式人工智能控制策略。根據空調系統多機組分布運行的多組設定參數形成進化的“染色體序列”，通過對模型輸出的能耗進行對比評估和設計特定的進化算子，對參數組群體實施“優勝劣汰”的選擇，從而實現了控制參數組的優化。經過控制系統的滾動優化過程，產生非劣解的優化控制參數組，通過模糊聚類的策略產生多機組優化組合序列，作為通風及冷水多機組控制器的控制設定參數，以達到環控系統設備協調運行和節約能耗的控制目的。

1 地鐵站空調系統控制

軌道交通的環控系統的能耗與外界環境氣候條件、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。控制的輸入變量為設定的溫濕度數值、實際的溫濕度數值及站臺人群密度數值，系統的控制輸出為經節能優化計算后獲得的各變頻器的工作頻率。空調系統控制框圖如圖1所示。

圖1 空調系統控制框圖Fig.1 Air conditioning system control diagram

2 變頻器優化控制方案

優化控制的切入點主要是按人群實際需求對空調系統的模式進行轉換，以及冷水機組臺數加載和起停模式，保障環控系統的溫濕度和冷熱給風量趨于合適。動態地選取優化參數集中的數據作為啟動和設定多機組運行的控制參數。根據理論節能計算，電動機消耗功率P與電動機轉速n的關系為P=kn3（k為常數），假設ne為電動機額定轉速，n為應用變頻器后電動機的實際轉速，則變頻器調速系統的節能率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。

環控系統空調多機組變頻控制的設定參數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能效率的關系如表1所示。

表1 工作頻率與節能效率關系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定，一是依據車站人群密度和站臺溫濕度的實時數據來設定空調機組運行參數，同時又要考慮如何優化變頻參數設定，保證空調機組運行的節能效率。

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

因此，應用MAS進化算法，采用優化控制策略確定控制模式，根據溫濕度和人群密度的變化自動調節控制器的輸出，從而改變各變頻器的頻率值，實現節能優化的控制目的。

3 冷水機組建模及參數的優化方案

在大型的中央空調系統中，冷水機組的耗電量約占整個系統能耗的50%左右，目前研究冷水機組的節能主要集中在冷水機組群控及其優化控制策略上[5]。利用Petri網建立冷水機組加/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，P8表示冷機II為開狀態，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，而且T3必須比T1、T2有優先一級的發生權。因此，若僅當P7中有托肯時，T1觸發，表示冷機I開時設置只有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，則表示冷機II開時設置只有1臺冷機開標志的動作；當P7、P8中均有托肯時，T3觸發，表示設置2臺機均開標志的動作，則P6表示2臺機均開的標志。對控制參數設置，仿真一定時間后，只有P5機開狀態，表明合理控制冷水機組運行臺數的加/卸載，可以降低冷水機組的能耗，有利于整個空調系統的節能。

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，這些參數保證了單機組在低負荷下仍能正常工作，而在空調系統多機組運行過程，在節能降耗和動態調節要求下，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組。

用模糊集合論來描述待優化的運行參數組[6]，設有 A 集合｛A1，A2，…An｝，集合 A 中任意 Ai都設計具備一個能力向量， 其中，用于描述 Ai執行節能操作的能力強弱，是分析節能能力而得出的模糊評價。

任務集｛T1，T2，…Tm｝，每個任務均有一定的能力需求，其中。

通過參數組優選進化，構造面向節能運行m個任務的m個參數組C1，C2，…Cm，使任務得到優化求解，即節能運行的各項任務盡可能地由節能運行能力最適合的運行參數組成優化參數組來控制多機組的運行。根據矩陣A、T直積運算可計算出每個單元對不同任務的加權能力向量：

根據下式隸屬函數求得每個單元對不同任務組合的隸屬度：

根據實際情況選取閾值λ∈［0，1］，閾值的大小直接影響著聯盟生成的結果。值越大，參加聯盟的Agent就越少；反之就越多，聯盟完成任務的成功率越高，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，在實際系統中，應根據任務的規模，結合歷史經驗加以選取。考慮到一個聯盟至少要有一個Agent T，以模糊聚類的策略生成多任務聯盟，使任務由能力最適合的Agent組成聯盟來求解，同時允許1個Agent參加多個聯盟。

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，主要包括內部模型、能耗計量反饋校正、滾動優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的非參數模型作為內部模型，用控制參數組作為輸入輸出信息，經模型輸出誤差反饋校正后，再與節能指標參考輸入軌跡比較，應用二次型性能指標滾動優化，再計算出當前時刻下應輸出到各單元控制系統的優化控制參數組，完成整個控制循環。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 滾動優化計算模塊

滾動優化計算模塊采用了進化優化算法，控制系統根據遺傳算法每代產生大量可行解和隱含的并行性這一特點設計一種決策優化方法，基于排序的表現矩陣測度可行解，對所有目標總體表現好壞的向量進行比較。另外引入個體適應度定標保持種群的多樣性，采用自適應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 滾動優化計算模塊組成框圖Fig.4 Rolling optimization calculation module composition block diagram

4.2 改進優化算法

為了實現多機組空調系統的節能目標，在控制參數組進化過程中引入節能激勵因子F，對控制參數組的運行方式及控制目標進行調整，引入節能激勵因子F實現參數組序列優先進化，以此提高該組參數的個體適應度Pj，實現優先進化。

式中：α，β為適應度函數系數，根據個體適應度大小的不同分別構造；節能激勵因子F=1.1g，其中g是激勵因子的代數，每次循環結束，根據求得的最優解的情況對g進行調整。其數學表達式為

該算法優點是通過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，優化控制算法由上位機實現，控制系統的輸入輸出邏輯控制由PLC控制器實現。控制的輸入變量為設定的溫濕度數值、實際的溫濕度數值及站臺人群密度的數值，系統的控制輸出為經過節能優化計算后獲得的各變頻器的工作頻率。控制程序邏輯框圖如圖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，通過節能激勵因子F調整空調系統控制參數序列被選擇的概率值，節能激勵因子F值越大，被選擇的概率越大，使用節能效率高的風、水系統能耗設備控制參數組成的染色體組合實現優先進化，算法的仿真結果如圖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；經進化30代后，進化比率降到0.025，進化速度較快；繼續進化后，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，進度比率基本穩定，趨近于0，說明最終種群已接近Pareto非劣解優化解集。仿真結果表明：系統的魯棒性較強，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解的質量水平，所用時間短，收斂速度較快。

6 結語

地鐵站空調系統節能研究從 “以人為本”和“節能環保可持續發展”的角度出發，較全面地研究和分析了軌道交通系統中空調系統的能耗特點和模型，創新引入站臺人群密度（即站臺客流分布密度）作為控制參數，應用改進的進化算法，為多機組空調群變頻器的參數優化和機組優化組合運行設計一種新的智能控制策略，達到最優節能目標；與傳統控制器相比，智能進化控制更能解決大規模復雜系統控制問題，實時地、具有自適應功能地自動調節，達到所供即所需；同時，空調節能控制技術可推廣應用于帶空調設施的大型建筑、其它地下設施，如大中型商場、購物中心、車站、機場候機室。

[1]宋敏華.城市軌道交通節能技術發展趨勢研究[J].工程建設與設計，2009（1）：15-19.

[2]馬鋒.地鐵新環控系統可行性及節能效果研究[D].天津：天津大學，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.地鐵車站空調通風系統變頻節能控制的設計[J].風機技術，2009（1）：53-56.

[5]馬素貞.多臺冷水機組的優化配置與節能運行研究[J].建筑科學，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].計算機學報，2014，37（3）：580-592.

[7]云慶夏.進化算法[M].1版.北京：冶金工業出版社，2000.

[8]宋曉峰，亢金龍，王宏.進化算法的發展與應用[J].現代電子技術，2006，20（3）：66-68.