基于物聯網技術的隧道風機環境自適應節能控制方法

摘 要：為優化隧道風機環境自適應節能控制效果，降低能源消耗，實現節能減排、建設綠色交通的目標，提出了基于物聯網技術的隧道風機環境自適應節能控制方法。首先，利用物聯網技術，實時監測隧道環境參數的動態變化；其次，根據隧道環境的實時工況，計算隧道運營需風量，為自適應節能控制提供數據支持；然后，建立隧道風機工作特性分析模型，全面分析風機的工作特性；在此基礎上，采用風機群分段自適應節能控制策略，對風機運行狀態進行相應的自適應節能控制。實驗結果表明，提出的方法在能源消耗方面表現出了良好的性能優勢，可以有效降低能源消耗，避免了不必要的能源浪費，具有較好的節能效果。

關鍵詞：物聯網技術；隧道風機；環境自適應；節能控制；環境參數；需風量

中圖分類號：TP272 文獻標識碼：A 文章編號：2095-1302（2025）02-0-03

0 引 言

在交通工程領域，隧道的建設與運營管理對保障交通安全、提高運輸效率具有重要意義。隧道風機作為隧道通風系統的重要組成部分，其運行狀態直接影響到隧道內的空氣質量和行車安全[1]。隧道風機是一種用于隧道等地下工程的大型軸流通風機，主要負責為隧道內部提供新鮮空氣，排出有害氣體，改善隧道內的空氣環境，保障隧道內人員的正常工作和設備的正常運行[2]。為保證隧道安全可靠地運營，良好可靠的風機環境至關重要。

當前，傳統的隧道風機控制方法多依賴于人工設定和定時開關，缺乏實時的數據支持和智能化的控制策略，不僅無法實時響應隧道內的環境變化，還導致風機運行狀態與實際需求不匹配，降低了其運行效率，并因過度運行而造成能源浪費[3]。因此，如何實現隧道風機的智能化、自適應控制，以提高能效和保障環境質量，成為了亟待解決的問題。

通過物聯網技術，可以實時獲取隧道內的環境參數，并利用這些數據來調整風機的運行狀態[4]。這種數據驅動的控制方式，不僅能夠實時響應環境變化，提高隧道的空氣質量，還能有效降低能源消耗，為隧道的運營管理帶來極大的便利[5]。基于此，本文提出了一種基于物聯網技術的隧道風機環境自適應節能控制方法。

1 隧道風機環境自適應節能控制方法

1.1 基于物聯網技術監測隧道環境參數

隧道環境參數監測對后續風機環境自適應節能控制起著至關重要的作用。首先，選擇高精度的傳感器設備，確保設備性能穩定可靠，能夠準確反映隧道內的環境狀況。根據隧道的實際工況及特征，包括隧道長度、寬度以及車流量等，合理規劃傳感器的部署位置，確保傳感器設備能夠全面覆蓋隧道內的環境參數[6]。將傳感器牢固安裝在隧道頂部或側壁等位置，為每個傳感器配備相應的數據采集設備[7]。利用物聯網技術，將部署的傳感器設備與數據采集設備相連接，確保傳感器數據能夠實時、準確地傳輸至控制中心[8]。根據傳感器監測到的隧道環境參數，對隧道的CO體積分數、煙霧體積分數占比進行計算，公式分別如下所示：

（1）

（2）

式中：Qc表示隧道內CO體積分數占比；Rl表示傳感器設備實時監測到的CO體積分數值；Rc表示規范規定的CO體積分數安全閾值；Qy表示隧道內煙霧體積分數占比；Rs表示傳感器設備實時監測到的煙霧體積分數值；Ry表示規范規定的煙霧體積分數安全閾值。

1.2 隧道運營需風量計算

采用上述基于物聯網技術的方法采集完隧道環境參數后，根據隧道環境的實時工況，計算隧道運營需風量，為后續風機環境自適應節能控制提供數據支持。從廣義程度上來說，需風量指的是通過機械通風的方式，向隧道內提供能夠稀釋各類污染物的最大風量[9]。隧道運營需風量計算公式如下所示：

（3）

式中：Qp表示隧道運營需風量；ΔMp表示隧道內某類污染物排放預測增量；Mp表示隧道內某類污染物實測排放量；Cad表示隧道內氣體污染物的容許體積分數；Cam表示隧道內氣體的背景體積分數。通過上述公式，取稀釋隧道各類污染物的空氣體積流率最大值作為隧道運營需風量。

1.3 建立隧道風機工作特性分析模型

隧道運營需風量計算完畢后，建立隧道風機工作特性分析模型[10]。建立了風機特性與運行參數之間的數學關系模型，模型表達式如下所示：

（4）

式中：Q表示風機的風量；k表示風機運行比例系數；n為風機的轉速。將收集到的歷史運行數據輸入數學模型，進行計算和分析，對數據進行擬合處理。通過對比實際運行數據與理論計算結果，得出隧道風機風量與轉速之間的關系，進而獲取隧道風機的運行特性。

1.4 隧道風機群分段自適應節能控制

隧道風機工作特性分析完畢后，在此基礎上，對隧道風機環境進行自適應節能控制。大多數隧道環境相對封閉，且通風分段過長，嚴重降低了隧道內污染物的排出速度，增加能耗的同時影響了隧道內的行車安全。為了更加合理地控制隧道風機的啟閉狀態，實現安全節能的隧道通風環境，本文采用風機群分段自適應節能控制策略。隧道縱向風機平面布設，如圖1所示。

如圖1所示，采用中間風塔和隧道射流風機相組合的方式，構建隧道風機環境。將隧道劃分成兩個區域：I段和II段。I段由隧道排風井和排風路段吊設的l組射流風機組成，II段由隧道送風井和送風路段吊設的m組射流風機組成。隧道風機群環境由風塔內i臺軸流排風機、i'臺軸流送風機、吊設在排風路段的j組射流風機、吊設在送風路段的j'組射流風機共同組成。計算此時隧道風機環境的送風量，公式如下所示：

（5）

式中：Qr1表示隧道I段設計風量；Qe表示風機提供風量；Qreq1表示隧道I段的需風量。結合上述基于物聯網監測到的隧道環境參數變化，按照一定的閾值，將隧道風機環境劃分為不同的區間，每個區間對應不同的風機運行狀態。根據區間劃分的結果與風機環境送風量的實際情況，對風機運行狀態進行相應的自適應節能控制。具體控制方式如下所示：

（1）當隧道內環境參數處于低體積分數區間時，關閉風機，根據環境參數的動態變化，自適應降低風機的轉速或減少風機的運行臺數，進而降低能源消耗。同時，保持隧道內的通風效果，確保空氣質量良好。若發現關閉風機后隧道環境參數超標，則可能需要適當延遲關閉時間。

（2）當隧道內環境參數處于中體積分數區間時，保持風機在一定的轉速下運行，以滿足隧道內的通風需求。同時，根據實際情況，可以適當調整風機的運行臺數，以達到節能目的。

（3）當隧道內環境參數處于高體積分數區間時，啟動風機通風，根據隧道通風情況及空氣質量，提高風機的轉速或增加風機的運行臺數，以加強隧道內的通風效果，降低污染物體積分數。同時，注意避免能源浪費，合理控制風機運行狀態。

在實施隧道風機群分段自適應節能控制策略的過程中，物聯網會實時監測隧道內的環境參數變化。當環境參數跨越體積分數區間邊界時，控制中心會自適應控制風機運行狀態，以適應新的環境參數區間。通過不斷地進行自適應控制，確保風機運行狀態始終與隧道環境相匹配，實現節能目的。

2 實驗分析

2.1 實驗準備

選擇某高速公路的隧道通風系統作為實驗樣本。該隧道全長約5 km，主要用于連接城市與郊區，車流量較大，特別是在早晚高峰時段，車流量非常密集，因此對通風系統的要求較高。在隧道內，裝有3臺大型軸流通風機，標號為TFJ-01#、TFJ-02#、TFJ-03#，分別位于隧道的入口、中部和出口處。這些風機的主要技術參數如下所示：

（1）隧道入口處風機：型號為T30-11 No.4.5，額定功率為220 kW，風量為240 000 m3/h，電機型號為Y2-315L1-4，轉速比為1∶1.88。

（2）隧道中部風機：型號為T35-11 No.6.3，額定功率為370 kW，風量為450 000 m3/h，電機型號為Y3-450SE-4，轉速比為1∶1.88。

（3）隧道出口處風機：型號為T40-11 No.7.1，額定功率為550 kW，風量為660 000 m3/h，電機型號為Y4-450E-4，轉速比為1∶1.88。

為了更好地監測和控制隧道內風機環境的狀況，選用了表1中的傳感器設備。

在隧道內共部署了10個傳感器設備。其中，在每個隧道風機附近位置安裝2個傳感器，主要負責監測該區域內的CO體積分數和煙霧體積分數；在隧道中部和出口處各安裝1個風速傳感器，以監測整個隧道內的風速變化狀況。

2.2 節能控制效果分析

實時采集各傳感器數據，并通過物聯網技術，將這些數據傳輸至控制中心。控制中心對接收到的傳感器數據進行處理和分析，根據結果自適應調整隧道風機的運行狀態。選擇能源消耗EC作為節能控制效果評價指標，其計算公式如下所示：

（6）

式中：P表示風機設備輸入功率；T表示風機設備運行時間。分別監測并記錄基于本文方法、文獻[3]方法、文獻[5]方法下的EC值，見表2。

通過表2得知，本文方法在能源消耗方面表現出良好的性能優勢，隧道風機的能源消耗始終低于另外兩種節能控制方法。這說明該方法能夠根據隧道內的環境參數，調整風機的運行狀態，有效降低能源消耗，避免了不必要的能源浪費，具有較好的節能效果。

3 結 語

基于物聯網技術的隧道風機環境自適應節能控制方法是為實現節能減排、建設綠色交通這一目標而提出的。該方法通過實時監測和智能控制，能夠有效降低隧道風機的能源消耗，為節能減排做出貢獻，為交通工程設備的智能化控制提供了新的思路和方法，對于提高能效、保障環境質量和降低運營成本均具有重要的現實意義。

參考文獻

[1]張偉.基于物聯網技術以及對等運算理論的液壓泵自適應節能控制系統設計與實現[J].工業技術創新，2023，10（2）：73-83.

[2]孫思琦，崔英英，梁雅博，等.自適應傳輸技術在風機故障監測中的應用研究[J].計算機測量與控制，2023，31（3）：43-48.

[3]李旭，陳曉利，李遠哲，等.火災工況下公路隧道通風智能控制模型研究[J].公路交通技術，2022，38（6）：156-162.

[4]梁雅博，邱文利，崔英英，等.風機故障監測系統中的自適應傳輸速率技術研究[J].測控技術，2022，41（8）：85-90.

[5]任濤，廖勇，陳結，等.基于RBF神經網絡的隧道施工自適應控制通風系統[J].地下空間與工程學報，2022，18（z1）：404-411.

[6]武尚將，孫育英，王偉，等.空氣源熱泵—風機盤管供暖系統變水溫自適應控制方法及應用研究[J].建筑科學，2022，38（6）：169-177.

[7]李阿蒙，陳小銳.四面山特長隧道風機智能控制系統的開發與設計[J].四川水力發電，2022，41（3）：115-118.

[8]王海英，毛明磊，何佳.基于亮度優化的綠色隧道照明模糊PID控制算法[J].隧道建設（中英文），2022，42（4）：621-629.

[9]唐爽權，朱佳樂，邱溪遠，等.基于光電互補的特長隧道新型通風照明智能聯動系統設計[J].信息與電腦（理論版），2021，33（13）：121-123.

[10]楊清海，沈恒根，孫三祥.并聯雙風機數值計算模型對隧道通風效果的影響[J].建筑熱能通風空調，2020，39（11）：33-39.

作者簡介：蔣義鑫（1986—），男，甘肅蘭州人，工程師，研究方向為機電工程與維護。

收稿日期：2024-01-26 修回日期：2024-03-07