地铁空调系统智能节能控制策略

安艳萍，钱 平

（上海应用技术学院 工程创新学院，上海 201418）

在轨道交通运营初期，空调系统能耗甚至超过总能耗的40%，严重影响地铁运营的经济性。因为地铁站台候车乘客数量是不断变化的，并且大部分时间内少于额定工作情况下计算定员人数，所以在乘客稀疏时就会造成能源浪费[1]。围绕整体系统按需供应的节能目标，使集群式空调系统中的各个机组的控制系统具有规范一致的结构功能以及良好的交互性和协作性。对地铁站空调系统要求的分布式控制技术的研究显得更加必要和迫切。

目前国内外对轨道交通的节能研究更多的是针对影响轨道交通能耗的某一具体领域，如对车辆及电机单元进行能耗有效性设计[2]，最优化控制参数（如牵引和制动力）[3]，以变频技术为代表的电气控制技术[4]，对环控系统采用各种方法优化能量消耗[1-2]等，但实际实施自动控制的确有很大难度。

本文对系统中若干个空调机的控制采用分布式人工智能控制策略。根据空调系统多机组分布运行的多组设定参数形成进化的“染色体序列”，通过对模型输出的能耗进行对比评估和设计特定的进化算子，对参数组群体实施“优胜劣汰”的选择，从而实现了控制参数组的优化。经过控制系统的滚动优化过程，产生非劣解的优化控制参数组，通过模糊聚类的策略产生多机组优化组合序列，作为通风及冷水多机组控制器的控制设定参数，以达到环控系统设备协调运行和节约能耗的控制目的。

1 地铁站空调系统控制

轨道交通的环控系统的能耗与外界环境气候条件、列车运行模式、客流量、控制方式和风机运行模式等诸多因素有关。控制的输入变量为设定的温湿度数值、实际的温湿度数值及站台人群密度数值，系统的控制输出为经节能优化计算后获得的各变频器的工作频率。空调系统控制框图如图1所示。

图1 空调系统控制框图Fig.1 Air conditioning system control diagram

2 变频器优化控制方案

优化控制的切入点主要是按人群实际需求对空调系统的模式进行转换，以及冷水机组台数加载和起停模式，保障环控系统的温湿度和冷热给风量趋于合适。动态地选取优化参数集中的数据作为启动和设定多机组运行的控制参数。根据理论节能计算，电动机消耗功率P与电动机转速n的关系为P=kn3（k为常数），假设ne为电动机额定转速，n为应用变频器后电动机的实际转速，则变频器调速系统的节能率g可以按式（1）计算：

式中：Fe表示额定功率50 Hz；F表示实际频率。

环控系统空调多机组变频控制的设定参数组决定了多机组运行的工作频率，通过计算可以得到各工作频率与节能效率的关系如表1所示。

表1 工作频率与节能效率关系Tab.1 Relationship of working frequency and energy-saving efficiency

实际的运行过程中，多机组工作频率的设定，一是依据车站人群密度和站台温湿度的实时数据来设定空调机组运行参数，同时又要考虑如何优化变频参数设定，保证空调机组运行的节能效率。

以上海轨道交通10号线的宋园路站情况为例，回排风机和空调风机的频率基本保持在37.5 Hz，节能率分别为55.67%和55.67%。回排风机的功率为15 kW，节省功率等于15×55.67%=8.35 kW；同样空调风机的功率为37kW，节省功率为20.60kW。因此，变频情况下回排风机和空调风机每运行1 h可节省能耗28.95 kW·h，相当于节省55.67%的功耗。

因此，应用MAS进化算法，采用优化控制策略确定控制模式，根据温湿度和人群密度的变化自动调节控制器的输出，从而改变各变频器的频率值，实现节能优化的控制目的。

3 冷水机组建模及参数的优化方案

在大型的中央空调系统中，冷水机组的耗电量约占整个系统能耗的50%左右，目前研究冷水机组的节能主要集中在冷水机组群控及其优化控制策略上[5]。利用Petri网建立冷水机组加/卸载模型，如图2所示。

在模型中将2台冷水机组命名为I和II。P7表示冷机I为开状态，P8表示冷机II为开状态，P6到T1、T2的有向弧均为抑制弧，即当P6中无托肯时，T1和T2才有可能触发，而且T3必须比T1、T2有优先一级的发生权。因此，若仅当P7中有托肯时，T1触发，表示冷机I开时设置只有1台冷机开标志的动作；同样地，若仅当P8中有托肯时，T2触发，则表示冷机II开时设置只有1台冷机开标志的动作；当P7、P8中均有托肯时，T3触发，表示设置2台机均开标志的动作，则P6表示2台机均开的标志。对控制参数设置，仿真一定时间后，只有P5机开状态，表明合理控制冷水机组运行台数的加/卸载，可以降低冷水机组的能耗，有利于整个空调系统的节能。

图2 冷水机组加/卸载模型Fig.2 Model of chiller/unloading

每个机组的运行控制存在多个控制参数，这些参数保证了单机组在低负荷下仍能正常工作，而在空调系统多机组运行过程，在节能降耗和动态调节要求下，存在若干个非劣解集可作为多机组输出控制信息，这些非劣解即是多机组的控制参数组。

用模糊集合论来描述待优化的运行参数组[6]，设有 A 集合｛A1，A2，…An｝，集合 A 中任意 Ai都设计具备一个能力向量， 其中，用于描述 Ai执行节能操作的能力强弱，是分析节能能力而得出的模糊评价。

任务集｛T1，T2，…Tm｝，每个任务均有一定的能力需求，其中。

通过参数组优选进化，构造面向节能运行m个任务的m个参数组C1，C2，…Cm，使任务得到优化求解，即节能运行的各项任务尽可能地由节能运行能力最适合的运行参数组成优化参数组来控制多机组的运行。根据矩阵A、T直积运算可计算出每个单元对不同任务的加权能力向量：

根据下式隶属函数求得每个单元对不同任务组合的隶属度：

根据实际情况选取阈值λ∈［0，1］，阈值的大小直接影响着联盟生成的结果。值越大，参加联盟的Agent就越少；反之就越多，联盟完成任务的成功率越高，但可能会带来资源浪费。因此，阈值的选取要有一定的灵活性，在实际系统中，应根据任务的规模，结合历史经验加以选取。考虑到一个联盟至少要有一个Agent T，以模糊聚类的策略生成多任务联盟，使任务由能力最适合的Agent组成联盟来求解，同时允许1个Agent参加多个联盟。

4 进化算法控制策略的组成模块

控制算法基于模型算法控制MAC由4个基本模块组成，主要包括内部模型、能耗计量反馈校正、滚动优化计算和能耗参考输入轨迹4部分[7-8]。它采用基于脉冲响应的非参数模型作为内部模型，用控制参数组作为输入输出信息，经模型输出误差反馈校正后，再与节能指标参考输入轨迹比较，应用二次型性能指标滚动优化，再计算出当前时刻下应输出到各单元控制系统的优化控制参数组，完成整个控制循环。进化控制策略的组成如图3所示。

图3 进化控制策略组成模块示意Fig.3 Evolutionary control strategy of module diagram

4.1 滚动优化计算模块

滚动优化计算模块采用了进化优化算法，控制系统根据遗传算法每代产生大量可行解和隐含的并行性这一特点设计一种决策优化方法，基于排序的表现矩阵测度可行解，对所有目标总体表现好坏的向量进行比较。另外引入个体适应度定标保持种群的多样性，采用自适应变化的方式确定交叉和变异概率。模块组成框图如图4所示。

图4 滚动优化计算模块组成框图Fig.4 Rolling optimization calculation module composition block diagram

4.2 改进优化算法

为了实现多机组空调系统的节能目标，在控制参数组进化过程中引入节能激励因子F，对控制参数组的运行方式及控制目标进行调整，引入节能激励因子F实现参数组序列优先进化，以此提高该组参数的个体适应度Pj，实现优先进化。

式中：α，β为适应度函数系数，根据个体适应度大小的不同分别构造；节能激励因子F=1.1g，其中g是激励因子的代数，每次循环结束，根据求得的最优解的情况对g进行调整。其数学表达式为

该算法优点是通过1次计算即可得到问题的非劣解集，简化了多目标问题的优化求解步骤。

5 进化算法仿真

通过计算比较，判断出运行模式后，优化控制算法由上位机实现，控制系统的输入输出逻辑控制由PLC控制器实现。控制的输入变量为设定的温湿度数值、实际的温湿度数值及站台人群密度的数值，系统的控制输出为经过节能优化计算后获得的各变频器的工作频率。控制程序逻辑框图如图5所示。

图5 控制程序逻辑框图Fig.5 Control program logic diagram

在进化过程中，通过节能激励因子F调整空调系统控制参数序列被选择的概率值，节能激励因子F值越大，被选择的概率越大，使用节能效率高的风、水系统能耗设备控制参数组成的染色体组合实现优先进化，算法的仿真结果如图6所示。

图6 进化算法仿真曲线Fig.6 Evolutionary algorithm simulation cure

仿真结果表明了该进化算法的收敛性，在初始时进化进度比率相对较高，在进化到2代时，进度比率可达0.25；经进化30代后，进化比率降到0.025，进化速度较快；继续进化后，进化比率有所上升，说明该进化算法没有陷入局部极小；当进化到60代以后，进度比率基本稳定，趋近于0，说明最终种群已接近Pareto非劣解优化解集。仿真结果表明：系统的鲁棒性较强，具有全局搜索能力，不易陷入局部极小，而且在运行时间方面，同样达到进化算法最优解的质量水平，所用时间短，收敛速度较快。

6 结语

地铁站空调系统节能研究从 “以人为本”和“节能环保可持续发展”的角度出发，较全面地研究和分析了轨道交通系统中空调系统的能耗特点和模型，创新引入站台人群密度（即站台客流分布密度）作为控制参数，应用改进的进化算法，为多机组空调群变频器的参数优化和机组优化组合运行设计一种新的智能控制策略，达到最优节能目标；与传统控制器相比，智能进化控制更能解决大规模复杂系统控制问题，实时地、具有自适应功能地自动调节，达到所供即所需；同时，空调节能控制技术可推广应用于带空调设施的大型建筑、其它地下设施，如大中型商场、购物中心、车站、机场候机室。

[1]宋敏华.城市轨道交通节能技术发展趋势研究[J].工程建设与设计，2009（1）：15-19.

[2]马锋.地铁新环控系统可行性及节能效果研究[D].天津：天津大学，2012.

[3]朱培根，朱颖心，李晓峰.地铁通风与热模拟方案及其分析[J].流体机械，2004，32（11）：39-42.

[4]余磊，何斌，王晓保.地铁车站空调通风系统变频节能控制的设计[J].风机技术，2009（1）：53-56.

[5]马素贞.多台冷水机组的优化配置与节能运行研究[J].建筑科学，2012，28（2）：75-79.

[6]李远成，阴培培，赵银亮.基于模糊聚类的推测多线程划分算法[J].计算机学报，2014，37（3）：580-592.

[7]云庆夏.进化算法[M].1版.北京：冶金工业出版社，2000.

[8]宋晓峰，亢金龙，王宏.进化算法的发展与应用[J].现代电子技术，2006，20（3）：66-68.