基于和声搜索的环控通风调控策略优化

孙 良

(西安建筑科技大学 建筑设备科学与工程学院，西安 710055)

0 引言

随着城市化进程的快速发展，城市轨道交通越来越受到关注，凭借便捷、舒适、安全、守时和经济等诸多优势在国内得到迅速发展，已经成为人们出行方式最主要的交通工具。地铁车站是城市轨道交通的重要组成部分，因其多为地下空间，密封性强且客流量大，导致地铁车站台PM2.5浓度高，空气品质差，易引发人体疾病。世界卫生组织(WHO)在2005年版的《空气质量准则》中指出：当PM2.5年均浓度达到35 μg /m3时，人的死亡风险比10 μg /m3的情形约增加 15%[1]。

通过调查选取北京、上海、武汉、深圳、成都和西安这6个城市[2-8]，每个城市选取了6个地铁车站站台，如表1所示。通过获得站台日平均PM2.5的数据，并根据GB3095-2012《环境空气质量标准》[9]和 GB50157-2013《地铁设计规范》[10]绘制表2，如下所示。

从表1和表2可知，36个地铁车站台内的日平均PM2.5浓度都在《地铁设计规范》规定限值以下，但它们都超过《环境空气质量标准》所规定的一级标准限值，且有19个地铁车站超过了二级标准限值。因此，地铁车站台的环控通风系统对站台PM2.5浓度的调控显得尤为重要，但环控通风系统在调控站台PM2.5浓度的过程中能源消耗大，图1是地铁车站各项能耗占比情况[11]，其中地铁车站风机的总能耗占17%，是除冷水机组和照明设备之外最大耗能设备。所以如何通过对环控通风系统的优化调控实现降低站台PM2.5的浓度值以及环控通风系统能耗，是一个值得研究的问题。

图1 地铁车站设备能耗占比图

国内外针对地铁车站环控通风系统的调控开展了大量的研究。Kim等人通过PI控制器调节环控通风系统风机频率，控制站外颗粒物流入的浓度，实现降低能耗和提高空气品质的目标[12]。Lee等人提出增益调度方法控制站台空气品质，PID控制器控制风机频率，划分不同的时间段进行调节，可将站台颗粒物浓度保持在120μg/m3以下，并节约4%的能耗[13]。李勇通过研究拟合风机频率与站台温度，在构建PID控制模型的同时，采用Fluent对运行状况进行模拟，提出的智能控制方法能改善站台空气环境[14]。贾栋提出使用模糊PID控制算法控制风机频率，改变送风量，并对公共区环境参数综合控制。结果表明采用模糊PID控制具有调节时间短、超调量小和抑制干扰的效果[15]。

Heo等人提出基于深度强化学习算法的数据驱动智能通风控制系统方法。可降低14.4%的能耗，提高站台空气品质[16]。Nam等人采用模式分解和移动窗口的门控循环单元模型对站外空气品质和客流量预测，并提出迭代动态规划的环控通风系统，提高空气品质和15.65%的能源效率[17]。杨福通过分析风水系统换热过程、变风量模式和定风量模式，提出变风量和定风量联合的节能调控运行模式。此模式比变风量节能4%，比定风量节能17%[18]。

温倩通过神经网络预测客流量，调整环控通风系统的控制策略，动态调节新风量的大小，实现新风系统的变风量控制[19]。

Liu等人利用预测误差法辨识方变量过程模型，用模型预测控制器控制颗粒物浓度，遗传算法确定最优集合点。此策略降低颗粒物浓度和节约24%的能耗[20]。Li等人通过PID控制站台颗粒物浓度，遗传算法在不同时间间隔确定站台颗粒物浓度的最佳设定值，降低能耗10.3%，颗粒物浓度峰值降低14 μg/m3[21]。

环控通风空调系统的控制方法，除了能实现健康的站内空气品质和降低通风能耗的目标外，还应适应多扰动的影响。PID控制精度低，有一定时滞性，无法实现动态输入调整；各个PID单点控制之间没有交互，PID控制方法不适用于有节能要求与精细控制需求的地铁车站。模型预测控制需要适当的、较为精确的模型；且因其在线优化而要求控制器具有较为强大的计算能力，故对于不确定的多扰动的系统控制能力有限。神经网络控制在线优化计算量大、算法复杂；需要精确的系统模型，对于复杂的多扰动的系统适用性不强。因此，鉴于自抗扰控制器不依赖于精确的对象模型，对系统的不确定性具有较强的适应性，并具有抗干扰能力强、精度高、响应速度快等特点，选取自抗扰控制器建立通风控制模型。

1 PM2.5动态变化情况

1.1 运行现状

本文以西安某地铁车站为研究对象，地铁车站环控通风系统相关设备的控制是按照由地铁运营相关部门根据实际情况制定的时间表确定相应的模式运行，具体运行模式如表3所示。

表3 环控通风系统运行时间表[22]

由表3可知，每个季度占据时间短则1个月，长可达5个月，但地铁车站空气品质是一个实时变化的过程，环控通风系统不能满足跟随空气品质动态变化的控制要求，且环控通风系统能源利用率低。因此，考虑到现环控通风系统无论运行何种模式，其都将有组合空调风机或回排风机的参与，可将环控通风系统运行模式划分为只送不排模式、不送只排模式、即送又排模式。

1.2 数据采集

选取站台PM2.5浓度反映地铁车站的空气品质，引用文献[13，16，23-24]中西安市某地铁车站测得10天的客流量、地铁时刻表、站台PM2.5浓度、站外PM2.5浓度、组合式空调机和回排风机相应的频率数据，采样间隔为0.5 h，如图2所示。

图2 地铁车站空气品质相关数据

图2 (a)显示了上午7点至10点和下午5点至8点有大量的地铁通过市图书馆站。图2 (b)显示了一个完整的星期内客流量的变化情况，在工作日，高峰期时间分别为上午7点至10点和晚上5点至8点，而周末相对比较平均。图2(c)显示了显示站台PM2.5浓度的日变化有两个高峰期，分别为上午7点至10点和晚上5点至8点，其变化规律和客流量相类似，站外PM2.5浓度小于站台PM2.5浓度。图2(d)显示了组合空调风机的频率回排风机的频率的数值基本是在43 Hz上下浮动，属于定频控制。

1.3 一阶惯性时滞模型

在对控制地铁车站台内PM2.5浓度的过程中，首先是要对站台PM2.5浓度进行动态识别。因此，需要一个能描述平台PM2.5浓度变化的动态模型。本研究使用最小二乘法辨识一阶惯性时滞模型(FOPTD，first-order plus time delay model)从而获得PM2.5动态变化模型，其传递函数如下所示[25-26]：

(1)

u(s)和y(s)是系统的输出和输入变量，K，T，τ分别是系统的静态增益、时间常数和滞后时间。地铁站台的PM2.5浓度主要受到地铁运行时刻表、客流量以及站外PM2.5浓度的影响，这3个视为环控通风系统的干扰变量。此外，在控制站台PM2.5浓度的过程中，是通过改变组合空调风机和回排风机的频率实现的，因此，需要建立每个变量与站台PM2.5浓度动态变化的FOPTD。

1)干扰变量：地铁时刻表。

Gd1为站台PM2.5浓度对地铁数量变化响应的过程模型。其输入是地铁数量，输出为站台PM2.5浓度，其传递函数如下所示：

(2)

由式可知，每单位时间内因地铁运行会增加站台上0.276 7倍的PM2.5，站台上因地铁运行导致的PM2.5变化需要0.030 9天(44分钟)，站台上PM2.5变化达到总变化量的63.3%需要0.056 5天(81分钟)。

2)干扰变量：客流量。

Gd2为站台PM2.5浓度对客流量变化响应的过程模型。其输入客流量，输出为站台PM2.5浓度，其传递函数如下所示：

(3)

由式可知，每单位时间因客流量会增加站台上0.099 1倍的PM2.5，站台上因客流量导致的PM2.5变化需要0.041 9(60分钟)天，站台上PM2.5变化达到总变化量的63.3%需要0.056 5天(81分钟)。

3)干扰变量：站外PM2.5浓度。

Gd3为站台PM2.5浓度对客流量变化响应的过程模型。其输入是站外PM2.5浓度，输出为站台PM2.5浓度，其传递函数如下所示：

(4)

由式可知，每单位时间因站外PM2.5浓度变化会增加站台上1.090 6倍的PM2.5，站台上因站外PM2.5导致的PM2.5变化需要0.050 2天(72分钟)，站台上PM2.5变化达到总变化量的63.3%需要0.056 5天(81分钟)。

4)操纵变量：组合空调风机。

Gp1为站台PM2.5浓度对组合空调风机频率变化响应的过程模型。其输入是风机频率，输出为站台PM2.5浓度，其传递函数如下所示：

(5)

由式可知，每增加一个风机，站台上的PM2.5浓度会减少1.202 6倍，站台上因风机导致的PM2.5变化需要0.022 4天(32分钟)，站台上PM2.5变化达到总变化量的63.3%需要0.012 6天(18分钟)。

5)操纵变量：回排风机。

Gp2为站台PM2.5浓度对回排风机频率变化响应的过程模型。其输入是风机频率，输出为站台PM2.5浓度，其传递函数如下所示：

(6)

由式可知，每增加一个风机，站台上的PM2.5减少1.827倍，站台上因风机导致的PM2.5变化需要0.022 6天(33分钟)，站台上PM2.5变化达到总变化量的63.3%需要0.002 2天(3分钟)。

(7)

通过计算结果如下表4所示。

表4 评价指标

从表中的评价指标可以知道，客流量、组合空调风机和回排风机的模型输出值和测量值能够很好的拟合，但是地铁时刻表和站外PM2.5浓度的变化模型输出值和测量值吻合度较差。

2 环控通风系统调控策略优化

地铁车站环控通风系统采取的控制原理如图3所示，控制系统中将自抗扰控制器(ADRC，active disturbances rejection control)作为反馈控制器(FB，feedback control)，只送不排模式下控制组合空调风机，不送只排模式下控制回排风机，即送又排模式下控制组合空调风机和回排风机，反馈控制器通过调节风机频率控制站台上 PM2.5 浓度，达到PM2.5浓度的设定值，通风系统由5个FOPTD构成，将控制系统与通风系统集成，实现环控通风的目的。

图3 环控通风系统控制原理图

图4 自抗扰控制器结构图

2.1 自抗扰控制器

自抗扰控制器中的跟踪微分器可以避免因为期望值的突变导致控制变量对控制系统发生较大的冲击，跟踪微分器能让突变的信号变成连续渐变的信号，对控制系统起到缓冲作用，并且采用非线性组合的方式来降低系统的稳态误差，并且避免系统发生超调现象；非线性状态误差反馈控制律则是通过取代线性加权的组合，以达到更优的控制效果；扩张状态观测器可以进行实时估计和补偿，消除控制系统内部不确定模型和外部的总干扰变量。

跟踪微分器的设计：

(8)

其中：T为采样周期；r为速度因子；fh为最速下降函数。

扩张状态观测器的设计：

(9)

(10)

其中：δ为区间长度；α1、α2、b0为设计参数；β01、β02、β03为整定参数，

非线性状态误差反馈控制率的设计：

(11)

其中：α3、α4为设计参数；β1、β2为整定参数。

扰动补偿控制量设计：

(12)

通过遗传算法(GA，genetic algorithm)对自抗扰控制器的参数进行寻优整定，从而获得良好的控制效果，考虑目标函数的建立应综合考虑控制精度、响应速度和稳定性问题，采用目标函数如下所示：

(13)

其中：e(t)为输入值与输出值之间的误差，t为时间，σ为超调量，w1和w2为权重系数，设定w1=3，w2=1。

遗传算法对参数寻优步骤如下：

1)初始化整定参数的种群为100；

2)设置遗传算法参数：进化代数为300，选择概率为0.08，交叉概率为0.6，变异概率为0.05，计算目标函数；

3)对整定参数种群进行选择、交叉和变异，若满足终止条件，进行步骤4)，反之，继续进行步骤3)；

4)符合终止条件，输出整定参数值。

2.2 控制策略优化

环控通风系统能耗可以通过风机频率和能耗的数据，采用拟合的方法取得三阶多项式来进行估计[20]，组合空调风机和回排风机结论大致相同[27]。

En=0.000742286(f)3-0.00357(f)2+0.21005(f)-0.5386

(14)

其中：f为风机频率。考虑到风机不工作会导致站台空间突然恶化和保证向站台提供最小新风量的要求，变频器的最小频率限制在20 Hz。

在设计地铁环控通风系统的过程中，对所提出的环控通风系统策略进行优化，在控制站台PM2.5浓度，且环控通风系统能耗最小的情况下，采用和声搜索算法(HS，harmony search algorithm)对PM2.5浓度设定值进行寻优，目标函数如下所示。

模式一：只送不排模式下，运行策略优化的目标函数。

(15)

其中：n表示更新设定点的时间间隔24 h。Lp1(t)和En1(t)分别为t时刻站台PM2.5浓度和环控通风系统的能量消耗。w1和w2分别是确定站台PM2.5浓度和通风能耗相对重要性的权重。

模式二：不送只排模式下，运行策略优化的目标函数。

(16)

模式三：即送又排模式下，运行策略优化的目标函数。

(17)

和声搜索算法对PM2.5浓度设定值寻优步骤如下：

1)建立目标函数，明确约束条件；

2)设置和声搜索算法参数：记忆库大小为500，搜索概率为0.9，微调概率为0.1，创作次数为300，频宽为1，初始化和声记忆库；

3)产生新解，更新和声记忆库，若满足终止条件，进行步骤4)，反之，继续进行步骤3)；

4)满足终止条件，寻得最优解。

3 实验结果与分析

自抗扰控制器的设计参数为：T=0.01，r=10，δ=0.01，α1=0.5，α2=0.25，b0=10，α3=0.75，α4=1；只送不排模式的整定参数为：β01=105.64，β02=66.07，β03=98.81，β1=0.61，β2=0.6；不送只排模式整定参数为：β01=142.71，β02=141.33，β03=188.27，β1=0.71，β2=0.75；即送又排模式整定参数为：β01=198.81，β02=187.94，β03=384.68，β1=0.92，β2=0.97。

3.1 只送不排模式

图5(a)中T-PM2.5是站台PM2.5浓度变化现状，FB-PM2.5是只送不排模式环控通风系统PM2.5浓度变化情况。图中FB-PM2.5浓度变化基本是处于二级标准限值范围左右。在组合空调风机未开启时，FB-PM2.5变化浓度与T-PM2.5浓度变化情况相同，在组合空调风机开启之后，在高峰期，FB-PM2.5浓度降低，在非高峰期，只送不排模式环控通风系统因节约能耗，导致组合空调风机频率降低，FB-PM2.5浓度上升。

图5 只送不排模式环控通风系统性能图

图5(b)中T-f是组合空调风机频率变化现状，FB-f是只送不排模式环控通风系统组合空调风机频率变化情况。由图2(d)可知T-f采用定频方式运行，而FB-f频率主要是根据FB-PM2.5浓度的变化而变化。在夜间组合空调风机未运行，FB-f频率为零，在高峰期FB-f频率随着FB-PM2.5浓度增加而增加，在非高峰期FB-f频率随着FB-PM2.5浓度降低而降低。

图5(c)中T-En是环控通风系统能耗变化现状，FB-En是只送不排模式环控通风系统能耗变化情况，FB-En能耗变化规律和FB-f频率变化相似。在夜间FB-En能耗为零，在高峰期FB-En能耗随着FB-f频率的增加而增加，在非高峰期FB-En能耗随着FB-f频率的降低而降低。

3.2 不送只排模式

图6(a)中T-PM2.5是站台PM2.5浓度变化现状，FB-PM2.5是不送只排模式环控通风系统PM2.5浓度变化情况，FB-PM2.5浓度变化基本是处于二级标准之内，在回排风机未开启时，FB-PM2.5浓度变化与T-PM2.5浓度变化情况相同，在回排风机开启之后，在高峰期，FB-PM2.5浓度降低，在非高峰期，不送只排模式环控通风系统因节约能耗，导致回排风机频率降低，FB-PM2.5浓度上升。

图6 不送只排模式环控通风系统性能图

图6(b)中T-f是回排风机频率变化现状，FB-f是不送只排模式环控通风系统回排风机频率变化情况。T-f原采用定频方式运行，由图3(d)可知，回排风机频率小于组合空调风机频率，回排风机FOPTD的增益绝对值大于组合空调风机FOPTD的增益绝对值，导致在不送只排模式环控通风系统能耗与只送不排模式环控通风系统能耗相同的情况下，不送只排模式环控通风系统PM2.5浓度均值低于只送不排模式环控通风系统PM2.5浓度均值，此外，还有可能只送不排模式环控通风系统组合空调风机运行时会携带站外PM2.5进入站台造成这种情况的发生。FB-f频率主要是根据FB-PM2.5浓度的变化而变化。回排风机频率具备组合空调风机频率高峰期、非高峰期和夜间的变化特性。

图6(c)中T-En是环控通风系统能耗变化现状，FB-En是不送只排模式环控通风系统能耗变化情况，FB-En能耗变化规律和FB-f频率变化相似。在夜间FB-En能耗为零，在高峰期FB-En能耗增加，在非高峰期FB-En能耗降低。

3.3 即送又排模式

图7(a)中T-PM2.5是站台PM2.5浓度变化现状，FB-PM2.5是只送不排模式环控通风系统PM2.5浓度变化情况。图中FB-PM2.5浓度变化基本是处于二级标准限值。FB-PM2.5浓度均值是低于前两种模式环控通风系统PM2.5浓度均值，因为模式三是组合空调风机和回排风机同时运行，在两种风机未开启时，FB-PM2.5变化浓度与T-PM2.5浓度变化情况相同，在两种风机同时开启后，在高峰期，FB-PM2.5浓度降低，在非高峰期，虽然组合空调风机和回排风机频率降低，但是在两种风机同时运行的情况下，FB-PM2.5浓度也会发生下降。

图7 即送又排模式环控通风系统性能图

图7(b)中T-f-组合空调风机和T-f-回排风机分别是组合空调风机频率变化现状和回排风机频率变化现状，FB-f-组合空调风机和FB-f-回排风机是即送又排模式环控通风系统频率变化情况，两种风机频率是根据FB -PM2.5浓度的变化而变化，在夜间两种风机未运行，FB-f-组合空调风机和FB-f-回排风机频率为零，在高峰期FB-f-组合空调风机和FB-f-回排风机频率随着FB -PM2.5浓度增加而增加，在非高峰期FB-f-组合空调风机和FB-f-回排风机频率随着FB -PM2.5浓度降低而降低。

图7(c)中T-En是环控通风系统能耗变化现状，FB-En是即送又排模式环控通风系统能耗变化情况，FB-En能耗是由组合空调风机和回排风机共同运行产生，在夜间FB-En能耗为零，在高峰期FB-En能耗随着两种风机频率的增加而增加，在非高峰期FB-En能耗随着两种风机频率的降低而降低。

表5为只送不排模式、不送只排模式和即送又排模式环控通风系统性能参数，由表可知在采样时间内PM2.5浓度均值和能耗降幅的具体情况。

表5 性能参数

4 结束语

本文针对地铁站台PM2.5浓度高，空气品质差，风机运行频率固定，能源利用效率低，且环控通风系统运行过程中受到多扰动影响等问题，提出一种基于和声搜索算法对环控通风系统调控策略优化方法。首先根据环控通风系统运行现状，分为只送不排模式、不送只排模式和即送又排模式，其次通过最小二乘辨识方法识别变量响应传递函数，并采用自抗扰控制器作为反馈控制器，建立环控通风模型，最后利用和声搜索算法对环控通风模型的PM2.5浓度设定值寻优。结果表明，在采样时间内PM2.5浓度均值的降幅分别为7%、8%和10%，能耗降幅分别为19%、19%和30%，因此，本文提出的环控通风系统调控策略优化方法不仅保证站台空气品质，且降低了环控通风系统能耗。