基于粒子群算法的軌道交通車站通風(fēng)空調(diào)節(jié)能控制方法

摘要 通風(fēng)空調(diào)系統(tǒng)的能耗不僅直接關(guān)系到車站內(nèi)乘客的舒適度，還深刻影響著整個(gè)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(fēng)空調(diào)節(jié)能控制方法。首先，針對影響軌道交通車站通風(fēng)空調(diào)設(shè)備能耗的因素進(jìn)行分析，有效實(shí)現(xiàn)空調(diào)系統(tǒng)能源利用效率的提高；其次，建立車站通風(fēng)空調(diào)的節(jié)能控制模型，達(dá)到車站的節(jié)能降耗的目標(biāo)；最后，確保通風(fēng)空調(diào)系統(tǒng)具備出色的適應(yīng)力，以應(yīng)對多樣化的控制需求，基于粒子群完成空調(diào)系統(tǒng)的節(jié)能優(yōu)化與控制。實(shí)踐結(jié)果表明：基于粒子群算法的軌道交通車站通風(fēng)空調(diào)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(qiáng)的適應(yīng)性。

關(guān)鍵詞 空調(diào)節(jié)能控制；通風(fēng)空調(diào)；軌道交通車站；粒子群算法；節(jié)能環(huán)保

中圖分類號(hào) D26.4 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 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(fēng)空調(diào)系統(tǒng)的能耗問題日益凸顯，成為影響軌道交通運(yùn)營成本和環(huán)境可持續(xù)性的關(guān)鍵因素之一。因此，探索并實(shí)施有效的節(jié)能控制策略，對于降低運(yùn)營成本、提升能源利用效率以及促進(jìn)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(jīng)網(wǎng)絡(luò)訓(xùn)練、模式識(shí)別等多個(gè)領(lǐng)域展現(xiàn)出強(qiáng)大的應(yīng)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(gè)體間的信息共享和協(xié)作，不斷調(diào)整搜索方向和速度，以尋找全局最優(yōu)解。在復(fù)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(jīng)有很多學(xué)者對軌道交通車站通風(fēng)空調(diào)節(jié)能控制方法進(jìn)行了研究。例如，劉俊等[1]通過對車站空調(diào)系統(tǒng)實(shí)施按需節(jié)能技術(shù)改造，設(shè)計(jì)針對冷水機(jī)組、水泵、冷卻塔風(fēng)機(jī)及末端空氣處理設(shè)備的節(jié)能調(diào)控方案，并構(gòu)建了一個(gè)系統(tǒng)節(jié)能管理平臺(tái)，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(hù)結(jié)構(gòu)的模型，隨后構(gòu)建基于工頻運(yùn)行的空調(diào)系統(tǒng)基礎(chǔ)模型，用于節(jié)能評(píng)估，分析采用最小水流量控制策略的空調(diào)系統(tǒng)及其節(jié)能成效。而該文方法將粒子群算法應(yīng)用于軌道交通車站通風(fēng)空調(diào)節(jié)能控制，旨在通過智能優(yōu)化手段，動(dòng)態(tài)調(diào)整系統(tǒng)參數(shù)，實(shí)現(xiàn)能耗與舒適度的最佳平衡。

1 軌道交通車站通風(fēng)空調(diào)節(jié)能控制方法

1.1 影響軌道交通車站通風(fēng)空調(diào)設(shè)備能耗的因素分析

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

基于上述分析，該文首先對車站通風(fēng)空調(diào)系統(tǒng)的各設(shè)備進(jìn)行分析：

（1）冷水機(jī)組是空調(diào)系統(tǒng)中能耗較高的關(guān)鍵組件之一，其性能常以能效比（COP）作為評(píng)估標(biāo)準(zhǔn)。COP代表冷機(jī)的制冷效率，具體計(jì)算為冷機(jī)制冷能力A與其消耗功率W的比值。COP值越高，意味著冷機(jī)的運(yùn)行效能越佳，其計(jì)算公式如下：

（1）

式中：A——冷機(jī)制冷能力（kW）；W——消耗功率（kW）。

冷水機(jī)組的能耗與多種因素緊密相關(guān)，包括機(jī)組負(fù)荷、冷凍水的供水溫度、冷卻水的回水溫度以及冷水機(jī)組本身的負(fù)荷，其能耗的表達(dá)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(jī)組的能耗（kW·h）；q1——冷水機(jī)組的負(fù)荷（kW）；——擬合系數(shù)。

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

（3）

式中：——水泵的頻率（Hz）；——水泵的揚(yáng)程（m）；——水泵的功率（kW）；——水泵的流量（m3/h）；——水泵的實(shí)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(jìn)水溫度以及空氣濕球溫度密切相關(guān)[5]，具體關(guān)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(jìn)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(fēng)空調(diào)系統(tǒng)中影響各設(shè)備能耗的分析。

1.2 建立車站通風(fēng)空調(diào)的節(jié)能控制模型

地鐵車站通風(fēng)空調(diào)系統(tǒng)包含眾多設(shè)備，難以全面覆蓋，該文重點(diǎn)討論的是軌道交通車站與空調(diào)末端的風(fēng)機(jī)盤管之間的連接關(guān)系[6，7]。

軌道交通車站傳遞函數(shù)：

（5）

式中：Ts——風(fēng)機(jī)盤管送風(fēng)溫度（℃）；Tu——地鐵車站內(nèi)的實(shí)際溫度（℃）；k1——地鐵車站放大系數(shù)，T1——地鐵車站時(shí)間常數(shù)（h）；——地鐵車站純滯后時(shí)間（h）。

風(fēng)機(jī)盤管傳遞函數(shù)：

（6）

式中：T2——風(fēng)機(jī)盤管時(shí)間常數(shù)（h）；Dw——風(fēng)機(jī)盤管水流量（m3/h）；k2——風(fēng)機(jī)盤管放大系數(shù)；——風(fēng)機(jī)盤管純滯后時(shí)間（h）。

干擾的傳遞函數(shù)：

（7）

式中：Tu——車站內(nèi)的實(shí)際溫度（℃）；——車站內(nèi)所有干擾熱量換算成的溫度變化（℃）；——干擾溫度對車站內(nèi)實(shí)際溫度的影響程度；——干擾影響到車站內(nèi)溫度的延遲時(shí)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(nèi)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(dá)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(shí)間。

通過以上步驟，可以建立一個(gè)有效的車站通風(fēng)空調(diào)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(xiàn)。

1.3 實(shí)現(xiàn)空調(diào)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(shí)維持局部與全局的最優(yōu)解，其原理較為簡明，實(shí)現(xiàn)起來較為容易，且需要調(diào)整的參數(shù)數(shù)量較少，該算法能夠根據(jù)實(shí)際情況靈活調(diào)整搜索策略，從而加速搜索過程，并且在尋找最優(yōu)解時(shí)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(diào)系統(tǒng)進(jìn)行節(jié)能控制的設(shè)計(jì)時(shí)，使用模糊PID控制的基礎(chǔ)上結(jié)合粒子群算法進(jìn)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(nèi)，通過粒子群算法調(diào)整模糊隸屬度函數(shù)，使之成為一個(gè)自適應(yīng)系數(shù)的模糊控制器。此舉旨在調(diào)整PID的三個(gè)關(guān)鍵參數(shù)，進(jìn)而優(yōu)化系統(tǒng)動(dòng)態(tài)性能，降低超調(diào)，并增強(qiáng)控制系統(tǒng)的穩(wěn)健性。

鑒于ITAE指標(biāo)應(yīng)用廣泛，其結(jié)合了誤差絕對值的時(shí)間積分與超調(diào)量，能全面考慮系統(tǒng)的超調(diào)與調(diào)節(jié)時(shí)間，故選擇其作為節(jié)能控制模型的適應(yīng)度函數(shù)，具體指標(biāo)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(chǎn)生的超調(diào)量；——權(quán)重系數(shù)；——空調(diào)系統(tǒng)運(yùn)行時(shí)間，節(jié)能控制模型的目標(biāo)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(yùn)行，隨后將仿真得到的適應(yīng)度值反饋回粒子群優(yōu)化程序，完成軌道交通車站通風(fēng)空調(diào)的節(jié)能控制。

2 試驗(yàn)測試與分析

2.1 試驗(yàn)準(zhǔn)備

軌道交通車站作為城市交通的重要節(jié)點(diǎn)，其通風(fēng)空調(diào)系統(tǒng)的能耗占據(jù)了運(yùn)營成本的相當(dāng)一部分。為降低能耗、提高運(yùn)營效率，采用先進(jìn)的優(yōu)化算法對通風(fēng)空調(diào)系統(tǒng)進(jìn)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(qiáng)、收斂性好等優(yōu)點(diǎn)，適用于解決此類優(yōu)化問題。為證明該文設(shè)計(jì)的基于粒子群算法的軌道交通車站通風(fēng)空調(diào)節(jié)能控制方法的可行性，現(xiàn)進(jìn)行試驗(yàn)測試，該次試驗(yàn)首先基于MATLAB/Simulink搭建一個(gè)通風(fēng)空調(diào)系統(tǒng)仿真平臺(tái)，該平臺(tái)的各項(xiàng)技術(shù)參數(shù)如下表1所示。

該試驗(yàn)收集了S市在某運(yùn)營軌道交通站點(diǎn)全天的實(shí)際運(yùn)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(yàn)過程中，這些實(shí)際數(shù)據(jù)被用作輸入?yún)?shù)，通過仿真平臺(tái)再現(xiàn)地鐵運(yùn)行環(huán)境。

該次測試聚焦于軌道交通車站通風(fēng)空調(diào)系統(tǒng)的能耗，該能耗主要由系統(tǒng)自身產(chǎn)生，測試在空調(diào)使用高峰期（6月～9月）進(jìn)行。冷水系統(tǒng)的核心設(shè)備涵蓋冷水機(jī)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(yùn)行模式；優(yōu)化后，則實(shí)施了基于粒子群算法的節(jié)能控制策略。在車站內(nèi)溫度、濕度等負(fù)荷條件動(dòng)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(jīng)優(yōu)化后的能耗數(shù)據(jù)，并據(jù)此對測試運(yùn)行的結(jié)果進(jìn)行了對比分析。

2.2 試驗(yàn)結(jié)果與分析

基于上述試驗(yàn)準(zhǔn)備，該車站的通風(fēng)空調(diào)的冷水系統(tǒng)節(jié)能優(yōu)化控制前后的能耗測試結(jié)果如下表2所示。

根據(jù)上述試驗(yàn)結(jié)果可以看出，該文設(shè)計(jì)的基于粒子群算法的軌道交通車站通風(fēng)空調(diào)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(qiáng)的適應(yīng)性。粒子群算法作為一種優(yōu)化算法，在多個(gè)領(lǐng)域都展現(xiàn)出了良好的性能，特別是在處理復(fù)雜、非線性、多目標(biāo)的優(yōu)化問題時(shí)。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(fēng)空調(diào)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(xiàn)。在軌道交通車站通風(fēng)空調(diào)節(jié)能控制方面，粒子群算法可以通過對車站通風(fēng)空調(diào)系統(tǒng)的運(yùn)行參數(shù)進(jìn)行優(yōu)化，以達(dá)到節(jié)能的目的。

3 結(jié)束語

綜上所述：基于粒子群算法的軌道交通車站通風(fēng)空調(diào)節(jié)能控制方法不僅展現(xiàn)其在優(yōu)化復(fù)雜系統(tǒng)控制策略上的顯著優(yōu)勢，還為實(shí)現(xiàn)軌道交通車站的綠色運(yùn)營和節(jié)能減排提供了切實(shí)可行的技術(shù)路徑。通過模擬試驗(yàn)與實(shí)際應(yīng)用的驗(yàn)證，證明該方法在提高通風(fēng)空調(diào)系統(tǒng)的運(yùn)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(dú)特的尋優(yōu)機(jī)制和良好的全局搜索能力，在解決軌道交通車站通風(fēng)空調(diào)系統(tǒng)的多變量、非線性優(yōu)化問題上展現(xiàn)出了強(qiáng)大的適應(yīng)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(zhì)量的同時(shí)，最大限度地減少了能源消耗。此外，該研究還強(qiáng)調(diào)了數(shù)據(jù)驅(qū)動(dòng)與智能控制相結(jié)合的重要性，為后續(xù)軌道交通車站的智能化管理和運(yùn)維提供了新的思路。隨著大數(shù)據(jù)、云計(jì)算和人工智能技術(shù)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(jìn)技術(shù)進(jìn)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(xiàn)

[1]劉俊，車輪飛，於澤，等.典型地鐵站通風(fēng)空調(diào)控制系統(tǒng)節(jié)能改造分析[J].暖通空調(diào)， 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(diào)系統(tǒng)節(jié)能控制研究[J].中原工學(xué)院學(xué)報(bào)， 2022（4）：42-48+79.

[3]王碩，李準(zhǔn)，孫天寶，等.熱泵型冷熱源及熱回收系統(tǒng)在精密空調(diào)節(jié)能改造中的應(yīng)用[J].潔凈與空調(diào)技術(shù)， 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(diào)節(jié)能效果實(shí)證研究[J].建筑科學(xué)， 2024（8）： 199-207.

[5]龐云飛，孫豪杰，褚堃，等.公共建筑全空氣空調(diào)系統(tǒng)節(jié)能運(yùn)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(diào)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(diào)系統(tǒng)現(xiàn)狀調(diào)研及節(jié)能改造潛力分析[J].建筑技術(shù)， 2024（14）： 1693-1696.