地铁车站公共区域空调能耗影响因素的敏感性分析

黄 莉，苏子怡，李晓锋

（1. 清华大学中国新型城镇化研究院，北京 100084；2. 清华大学建筑学院，北京 100084）

近年来，城市轨道交通系统发展迅速。截至2020年底，中国大陆已有45座城市投入运营244条线路和4 681座车站，另有57座城市在建车站4 298座。其中，地铁占比 78.8%，是城市轨道交通系统的主要制式[1]。

在地铁用能构成中，通风空调系统是主要用能系统，约占地铁系统总能耗的1/3～1/2[2]。随着地铁规模和能耗的不断增加，地铁车站通风空调系统节能逐渐成为研究热点[3-4]。因此，有必要研究地铁车站通风空调系统能耗的影响因素及重要程度，从而给出运行管理中需要重点关注的参数，助力地铁车站的节能运行。

通过对地铁车站通风空调系统能耗原理模型进行敏感性分析，对关键影响因素进行了识别和排序，获得了模型输入参数的重要性排序和量化指标，指出了地铁车站节能设计和运营需要关注的重要参数，为车站的低能耗运营管理提供了参考借鉴。

1 敏感性分析

1.1 敏感性分析方法

敏感性分析是一种用于识别和量化输入参数对输出结果影响程度的方法[5]，广泛应用于建筑性能关键影响参数的识别和排序[6]。

敏感性分析方法分为全局敏感性分析和局部敏感性分析[7]。全局敏感性分析通过改变模型所有输入来评估各输入参数的重要性，其结果相较于局部敏感性分析更加可靠[8]。全局敏感性分析常用的方法有基于回归的方法、基于筛选的方法和基于方差的方法[9]。基于回归的方法具有计算速度快、可解释性好的优点；基于筛选的方法常用于对复杂模型中不重要的变量进行筛选，以降低问题的复杂性[10]；基于方差的方法稳健性好、准确度高，且可以估计各输入参数之间的相互作用。

已有研究指出，敏感性分析结果与采用的方法有关，为了避免重要参数的丢失，一般使用至少两种根本不同的敏感性分析方法，给出可靠的结果[11]。因此，本文采用了基于回归、筛选和方差的3种敏感性分析方法，对比结果给出了地铁车站通风空调系统能耗模型的关键影响因素。

敏感性分析有以下5个基本步骤[12](见图1)：①结合研究目的，确定了待研究的64个输入参数；②根据文献调研、设计手册、实际工程经验等确定各输入参数取值的概率密度函数；③选择合适的抽样方法为模型生成输入数据样本库；④将输入样本库输入地铁车站通风空调系统能耗原理模型(模型框架见图2)，模拟得到输出样本；⑤对模型的输入和输出结果执行敏感性分析，识别关键输入参数并进行重要性排序。

图1 敏感性分析基本步骤Figure 1 Flowchart of sensitivity analysis

图2 地铁车站通风空调系统能耗原理模型框架Figure 2 Framework of the VAC energy model in subway stations

1.2 敏感性分析结果

通过基于回归、筛选和方差的3种敏感性分析方法得到了64个输入参数的敏感性指标，由于不同方法采用的指标不同，为了方便比较，对参数的敏感性指标进行了归一化处理(0表示敏感性最低的参数，1表示敏感性最高的参数)，结果如图3所示。3种敏感性分析得到的变量重要性排序见图4和表1。对比发现，3种敏感性分析方法在很大程度上识别了同一组重要的参数：① 3种方法识别出的重要性排序前3的参数及排序完全相同，均为室外空气相对湿度、室外空气温度和机械新风量；② 3种方法识别出的重要性排序前25%的参数相同，都包括设备能效、无组织渗风量、站内环境参数、隧道环境参数和客流量，但是3种方法得到的参数排序有差异，基于方差和筛选的方法排序较相似，基于回归的方法与前两者差异较大；③其他参数的重要性排序差异较大，可能的原因是敏感性指标均较小，导致排序误差较大。图5比较了3种方法的计算时间，以计算效率最高的基于回归的方法为参照，基于方差和筛选的方法计算时长分别为前者的25倍和3倍。综合考虑计算效率和敏感性排序结果，基于筛选的方法的适用性较好。

图3 3种敏感性分析得到的参数敏感性结果对比Figure 3 Comparison of the sensitivity indices of the three methods

图4 3种敏感性分析方法的参数排序结果对比Figure 4 Comparison of the parameter ranking of the three methods

图5 3种敏感性分析方法的计算时间对比Figure 5 Comparison of the computation costs of the three methods

表1 3种敏感性分析方法对应的参数重要性排序Table 1 Parameter ranking results of the three sensitivity analysis methods

2 通风空调系统能耗影响因素

通过上述敏感性分析得到了地铁站通风空调系统能耗的影响因素重要性排序。进而结合车站管理，探究了运营管理重要参数在其可能的变化范围内改变，对地铁车站通风空调系统能耗的定量影响程度，并且以能耗最高的工况为基准进行比较，分析了对能耗的影响程度百分比。

2.1 室外及隧道空气参数

室外空气参数影响车站通风空调系统供冷负荷中的机械新风负荷和出入口渗风负荷，隧道空气参数主要影响车站的屏蔽门渗风负荷。随着室外和隧道空气参数(相对湿度和温度)的提高，地铁车站通风空调能耗相应增加。

探究供冷期间上述参数在其可能的变化范围内波动对通风空调能耗的影响，结果如图 6。可以看出，室外空气相对湿度和温度的变化对能耗影响显著。室外空气相对湿度在 20%到 100%之间变化时，通风空调能耗从90 kW·h变成570 kW·h，能耗变化百分比高达 84%。室外空气温度在 24℃到 40℃之间变化时，能耗变化百分比为78%。

图6 室外及隧道空气参数变化对通风空调能耗的影响Figure 6 Impact of outdoor and tunnel air variables on VAC energy use

隧道空气参数对能耗的影响程度低于室外空气参数，隧道相对湿度对能耗的影响为33%，温度对能耗的影响为28%。

2.2 机械新风量

机械新风量影响车站通风空调系统的供冷负荷，机械新风过量供应导致供冷负荷大幅增加，造成能源浪费。根据对地铁车站的大规模调研，发现当前多数车站供冷期间机械新风量在1.0万～5.5万m3/h之间。不同机械新风量对应的通风空调能耗如图 7。可以看出，机械新风量在其常见的取值范围内变化，对空调季通风空调能耗的影响程度为43%。

图7 机械新风量变化对通风空调能耗的影响Figure 7 Impact of mechanical air volume on VAC energy use

2.3 设备能效

地铁通风空调系统设备能效参数包括冷机性能参数COP、冷却水输送系数、冷却塔能效、冷冻水输送系数、末端设备能效。模型的敏感性分析结果显示，上述参数中末端设备能效比和冷机 COP对供冷期间通风空调系统能耗的影响程度较大。

探究末端设备能效比和冷机 COP变化对能耗的影响，结果如图8所示。当末端设备能效比在3～10之间变化时，通风空调能耗从460 kW·h变为280 kW·h，降低了39%。当冷机COP在3～8之间变化时，通风空调能耗从440 kW·h变为280 kW·h，降低了36%。

图8 设备能效变化对通风空调能耗的影响Figure 8 Impact of equipment efficiency on VAC energy use

2.4 无组织渗风量

地铁车站的无组织渗风量影响车站的无组织渗风冷负荷从而影响能耗。无组织渗风由两部分组成，一部分是从隧道经屏蔽门进入站台的屏蔽门渗风量，另一部分是从室外经出入口通道进入站厅的出入口渗风量。根据调研，当前多数地铁车站的屏蔽门和出入口无组织渗风量在0.4万～3.2万m3/h之间，不同渗风量对能耗的影响结果如图9所示。可以看出，出入口渗风量对能耗的影响程度为29%，屏蔽门渗风量对能耗的影响程度为12%，前者比后者对能耗的影响程度更大，主要原因是供冷时段室外空气参数比隧道空气参数更为不利。

图9 无组织渗风量变化对通风空调能耗的影响Figure 9 Impact of unorganized air infiltration on VAC energy use

2.5 站内空气参数

地铁车站站内空气参数影响车站的供冷负荷，当室内控制温度和相对湿度较高时，通风空调系统的供冷需求较小，能耗较低。探究站内空气参数对能耗的影响，结果如图10所示。可以看出，站内空气相对湿度和温度的增加可以大大降低通风空调能耗。当站内空气相对湿度在20%～70%之间变化时，能耗变化范围为250～400 kW·h，影响程度为37%；当站内空气温度在24～30℃之间变化时，能耗变化范围为280～360 kW·h，影响程度约为22%。

图10 站内空气参数变化对通风空调能耗的影响Figure 10 Impact of station air parameters on VAC energy use

各运行管理相关的重要参数对通风空调系统能耗的影响程度见表2，总结如下：①室外空气温度在24℃到40℃之间变化时，能耗变化百分比为78%；②隧道空气温度在24～35℃之间变化时，能耗变化百分比为28%；③机械新风量在1.0万～5.5万m3/h 之间变化对能耗的影响为43%；④末端设备能效比从3提高至 10，对能耗的影响可达 39%；⑤冷机 COP从 3提高至6，对能耗的影响可达29%，提升至8可达36%；⑥出入口和屏蔽门的渗风量在0.4万～3.2万m3/h之间变化对能耗的影响程度分别为29%和12%；⑦供冷期间的站内空气温度在24～30℃之间变化对能耗的影响为22%。

表2 各重要参数对地铁车站通风空调能耗的影响程度Table 2 Impact of important parameters on VAC energy use

3 结论

研究了地铁车站通风空调系统能耗的影响因素，通过多种敏感性分析方法对参数的重要性进行了探究。对比发现，3种方法识别出的重要性排序前3的参数及排序完全相同，为室外空气相对湿度、室外空气温度和机械新风量；重要性排序前 25%的参数相同，都包括设备能效、无组织渗风量、站内环境参数、隧道环境参数和客流量，但是3种方法得到的参数排序有差异，基于方差和筛选的方法排序较相似，基于回归的方法与前两者差异较大；从计算时间上看，回归方法的计算效率最高，方差和筛选方法计算时长分别为前者的25倍和 3倍；综合考虑参数排序结果和计算效率，基于筛选的方法在该模型上的适用性较好。

进而以长江流域的地下二层典型岛式地铁车站为例，研究了各节能运行管理相关的重要参数在其变化范围内改变对能耗的定量化影响，明确了对于节能运行管理而言需要优先关注的重点，包括室外空气参数、隧道空气参数、站内空气参数、设备能效、机械新风量、无组织渗风量。