1、地铁机电设备监控子系统（EMCS）风水联动节能控制方案2. 2. 3设备性能跟踪与检测空调设备供应商通常会提供各类设备的性能数据，但该类数据是在实3佥室环境下，在标准工况下得到的，但空调系统设备在工作一段时间后会出现不同的性能退化，常规自控系统无法检测这类变化。智能控制单元采用非线性支持向量机(SVM)技术对设备的性能模型进行在线辨识，这-技术不仅能实时跟踪主要设备的性能变化，而且可对性能明显退化的设备给出维护建议。同时设备的实时性能数据也作为优化引擎的必要输入，智能控制单元能根据设备性能差异，系统负荷需求，合理安排各设备的工作计划，达到全系统运行效率最优化。图4.支持向量机(SVM)设备性能
2、自动检测设备效率差异对比图5.设备性能跟踪与检测2. 2.4基于神经网络的水流量软测量在实际项目中，由于成本、安装等原因，除了冷冻水主管，单台冷冻水主机，组合式空调箱的冷冻水管往往没有安装流量传感器，而冷冻水流量是计算系统，冷水主机，组合式空调箱制冷负荷的关键性参数。GB50189-2005明确指出：“准确的流量测量是变流量系统成功的关键，无论是用哪种流量测定方法，其测量的精度和准确度都是至关重要的。采用设计流量或者是试运行的稳定流量代替设备的实际流量有一定的局限性，尤其对于冷量需求变化较大的变水流量和变风量的系统，用平均流量代替实际流量会造成较大误差。径向基RBF神经网络是一种改进型的前馈神
3、经网络，它由多层前项网络结构发展而来是一种典型的三层结构网络，RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析等问题。2. 2.5多维度算法优化以一个典型的2台冷机，3台冷冻泵，3台冷却泵，2台冷却塔的水冷系统为例，每台设备只考虑三种状态：开，停，不可用（故障或者检修）。以常用的划分粒度，一天24小时共96个时间片，则系统全天的状态组合数约为5百万个，如果还要考虑主机的水温，水泵的频率等实数型变量的话，则复杂度成指数级增加，常规的基于分支条件判断的群控逻辑方法无法有效覆盖如此大的状态空间，
4、一方面会导致容易逻辑失效，经济性也无法保证。图7.逻辑复杂性描述设备仿真模型最优运行计划与设定点根据设备连接约束，在大量可行方案中自动产生候选运行方案 迭代，选优，验证1.N动态规划引擎图8.动态规划示意通风空调系统优化控制的目标是在满足末端舒适度，设备安全运行的前提卜，使全系统设备全时段运行费用最少。一般离线优化软件将优化问题大大简化，只考虑主机设备的运行规划，所有水泵和冷却塔均未纳入优化范围。而智能控制单元内置自主研发的在线动态规划引擎，采用经过改进的遗传算法，将空调系统全部设备的运行规划考虑在内，大大提高了优化的范围和全系统的能源效率。代图9.遗传算法示意2.3系统运行原理2. 3.1风
5、水工作原理受限于传统软硬件和技术的限制常规空调系统的控制，水系统（冷热源设备及管路阀门）的群控和空气调节设备的控制相对独立，分别由各自的控制模块（硬件，逻辑，软件）独立完成。但从整体而言，空调系统的工作原理是站内空气中的热量传递到站外大气中的一个转换过程，如图1（）所示：大气冷却塔冷水机组空调箱站内空间图io.空调系统原理从控制系统的角度来看，空调系统的总体控制目标是站内各区（大系统）空气的温度，湿度（C02浓度控制体现在新风换气量，可通过室内外嬉差折算为热负荷），直接可控变量为冷却塔风机的频率、冷却水泵频率、冷水主机的水温设定点、冷冻水泵频率、空调箱的电磁阀开度、风机的频率以及这些设备的启停
6、命令。而优化控制的目的是在工作时段内，满足站内各区舒适度设定的条件下，使得空调系统的各设备的拒体能耗全时段最小，如图11所示:玄内溷制室建筑用途季节*15即度化（St中1）IftB （工作日荷莉供水砌1XM彻S需求供水压力H束JWVWif安全后可约支运行倾此泰安全启尊约麦任涪语断 的来E制约束A3ttS妁安全安金侦Etl路女全At8.心ajriBir痕晚吱此.小（RR） 低蟋Ftlf蹄技哄 （9m）.E设g找但图11空调系统控制参变量为了解决空调系统的控制问题，可将以上优化问题拆分为若干子任务，如图12所示:未来一段时间内每时刻需要多少冷量可使站内温湿度满足需求冷量需求计算冷水主机在不同负荷水
7、平下的效率，水泵在不同频率下的效率，风机在不同频率下的效率设备性能计算给定一段时间内的冷量需求，给定每台设备的性能函数，如何选择设备运行的参数组合，使系统整体能耗最小参数组合优化图12.优化控制工作步骤2. 3.2空调负荷预测站内的冷量需求是空调系统工作的依据，传统的负荷计算方法主要依靠瞬时供回水的温差、压差或者温差流量法计算。这些计算方法的实际上只考虑了当前时刻的冷量需求，并不能体现站内空间的热响应特性（即之前若干时间段的冷量供应，决定了当前时刻站内的温湿度，也必然影响未来若干时间段内的温湿度变化），也无法预测负荷需求的未来趋势。本方案采用长短期记忆神经网络（LSTM）来学习和预测空调系统的
8、负荷，LSTM适合解决时序问题，可以很好的拟合空调系统的动态特性，以五分钟为一个时间步长，两小时之前即24步的系统状态（冷冻供水温度，冷冻供水流量，空调箱电磁阀开度，风机转速，分区的温湿度）作为输入，可预测出未来时刻分区的舒适度信息（未来时刻的冷冻水温度，流量，电磁涧开度，风机转速均为可控参数，可预设）。( 图13.负荷预测方法2. 3. 3系统运行动态规划风水联动优化的本质任务是在线找到一个优化的设备运行参数的最优组合，使满足站内的冷量负荷需求的前提下，全系统的能耗最小。仅以大温差小流量和小温差大流量两种策略来看，相同的冷量供应，在不同的工况下，系统的能耗是不同的。以一个典型的2台冷机，3台
9、冷冻泵，3台冷却泵，2台冷却塔的水冷系统为例，每台设备只考虑三种状态：开，停，不可用（故障或者检修）。以常用的时间步长划分粒度，一天24小时共96个时间片，则系统全天的状态组合数约为5百万个，如果还要考虑主机的水温，水泵的频率等实数型变量的话，则参数组合复杂度成指数级增加。图14.动态规划问题示意本方案依据图11将空调系统问题分解、优化得出算法，通过求解以下最小化问题获得全系统设备切换的时间点以及各设备在每个时间段内的最佳设定点（以能耗费用计）。系统优化问题的目标函数为T Nmin 孩=Z /函，（）+ Peg sm + Penalty Supplyi （r）m *（1）式中兀暗,为系统总能耗
10、成本，以能耗费用计；N为系统设备总台数；T为时段总数，共96段，每段15分钟，总时间跨度为24小时：绮（，）为设备，在，时段内的机组状态，1表示启动，。表示停机；FCcKili（t）为设备i在t时段中的能耗费用：PenaltySwilchi（t）为设备i在t时段中的机组启停惩罚项：PenaltySupplyi（t）为设备，在t时段中的负荷供应与需求偏差惩罚项：I为设备序号；，为时段序号。式（1）中主机和冷却塔的能耗费用采用二次函数形式表示为式（2）中，勺、bq q分别为主机和冷却塔，的性能曲线的常数项、一次项和二次项系数：式（1）中变频设备的能耗费用采用三次函数形式表示为玲2）= % +（，）
11、 + %）+罗（。（3）式(3)中，.、白、q、分别为变频设备，的性能曲线的常数项、一次项、二次项和三次项系数；4。)为主机，在时段/中的负荷，单位为kW。机组组合问题的约束条件为N= D(1)(4)/=!gniyDRj 。-1) + )月(6)rpon / yr onL c %(7)* in）,系统将设定其中的一种为默认运行模式，以避免相同触发条件下运行模式的不确定性。默认运行模式选择由车站设备管理人员根据车站大系统设备配置、历史运行数据和经验综合考虑确定。2）智能节能控制智能控制单元实时监测车站公共区环境状况，并采用变频控制方式通过EMCS主体系统实现对大系统组合式空调箱和回排风机运行频率
12、的调节控制，在满足服务质量的前提下，尽量降低大系统设备能耗，达到节能的目的。智能控制单元还可以依据负荷预测结果和实时室内环境信息反馈对组合式空调箱冷冻水阀进行自动调节，以实现全局的动态水力平衡调节功能。智能控制单元根据当前大系统运行模式，通过对车站公共区环境参数的采集、计算并结合系统特性、循环周期、历史负荷数据及车站出入口的漏风量等推理预测未来时刻系统的负荷，从而确定空气处理机组的总送风量大小，再根据车站两端回风温度的比例关系，确定两端空气处理机组送风量的比例，从而实现空气处理机组的频率控制。回排风机采用跟随空气处理机组风机频率运行，以维持公共区环境的正压。2. 5. 2排热系统运行控制1）运
13、行模式控制车站正常运营情况下，排热系统包括正常运行模式和停运模式等两种运行模式。智能控制单元实时监洲车站轨行区环境参数，并根据轨行区环境条件，判定车站排热系统的运行模式。当判定的系统运行模式与当前实际运行模式不一致时，智能控制单元向EMCS主体系统提出模式切换请求，由EMCS主体系统执行模式切换控制，并反馈执行结果给智能控制单元。当判定的系统运行模式与当前实际运行模式相符时，智能控制单元通过算法分析，通过EMCS主体系统执行设备运行频率调节等智能节能控制。2）智能节能控制智能控制单元实时监测车站轨行区环境参数，通过模型辨识，实时计算最佳控制参数，并采用变频控制方式通过EMCS主体系统实现对排热
14、风机运行频率的调节控制。在正常运行模式下，智能控制单元以设定的目标温度（如37C）为控制目标，以轨行区的实测温度为反馈输入，采用智能控制算法，向EMCS主体系统发送频率调节请求。EMCS主体系统接收智能控制单元发出的频率调节请求，执行对排热风机运行频率的调节控制。2. 5. 3空调水系统运行控制1）运行模式控制典型地下车站配置二套冷水机组，对应的空调水系统包括三种运行模式。序号模式名称模式描述触发条件备注1全开开启二套机组空调季2半开开启一套机组空调季，当LS1&LS2机组总负荷50%3全关全部关闭通风季智能控制单元根据室外温度和当前负荷等条件，并结合历史数据分析，首先判定空调水系统的运行模式
15、如当LSI和LS2的总负荷小于50%时，应关闭其中一套冷水机组，即选择半开模式。当判定的系统运行模式与当前实际运行模式不一致时，智能控制单元首先执行空调水系统运行模式的切换控制，并反馈执行结果给EMCS主体系统；当判定的系统运行模式与当前实际运行模式相符时，智能控制单元以空调水系统设备整体能耗最低为优化目标，计算出当前系统的最优运行方案，并通过EMCS主体系统调节相关设备运行频率，提高空调水系统的综合能效。2）智能节能控制空调水系统智能控制技术集合负荷预测，设备性能模型辨识，动态规划算法等技木，利用智能控制单元的强大的计算能力，将全系统的运行信息进行集成，对系统运行参数进行优化和动态调节，实
16、现全系统协调运行，白动跟踪环境与负荷的变化，确保冷冻水系统、冷却水系统、冷却塔风机、冷水机组等全系统协调、匹配地运行，在任何负荷条件下，都能以最少的系统能耗（包括冷水机组、水泵和冷却塔风机的能耗）获得所需要的冷量，在保I正末端空调服务质量的前提下，实现空调水系统的综合优化与高效节能2. 5.4风-水联动控制风水联动控制将先进控制技术和人工智能算法应用到整个空调系统的协同控制，建立全空调系统的仿真模型，通过对末端空调的负荷变化模式进行学习和预测，主动的计算风系统的未来逐时需求，并将逐时需求主动地反馈到水系统设备的运行规划中，并结合实时反馈信息，将水系统和风系统的设备控制协调一致。变水系统被动式的
17、响应风系统的负荷变化为主动地协调两端的运行，并从全空调系统的级别规划设备的启停和工况设定点，统-实现风系统和水系统之间的能量分配和平衡控制，从而简化车站通风空调系统的节能控制模型，实现节能控制的工程化应用。全系统控制框架将风系统的控制与水系统的控制无缝整合，需求侧的冷暖信息实时反馈到供应侧，系统也会针对风系统不同区域建立负荷预测模型，自动探测每个典型区域的负荷变化模式，最终汇总需求信息，传递到供应侧的运行优化模块。水系统与风系统的控制不再分离，风与水系统的运行协调统一。需求侧需求息图ii.风-水联动架构3. 节能测试方案3. 1测试方法智能控制单元根据车站区域内控制参数（如温度、湿度及二氧化碳
18、浓度）的变化，控制空调系统的送风机、回/排风机的转速，并以空气处理机组消耗的冷量控制水系统冷量的供给，使车站通风空调系统的各个环节均实现供需平衡，以达到节电的目的。考虑到环控系统的季节性，智能控制单元按通风季节和空调季节两种运行工况分别进行测试。1）通风季节记录通风空调大系统（空调箱送风机、回/排风机等）、以及轨行区排热系统（排热风机等）的能耗及车站内温度、湿度、二氧化碳浓度等环境参数。2）空调季节记录通风空调大系统（空调箱送风机、回/排风机）、空调水系统（冷水机组、冷冻水泉、冷却水泵、冷却塔等设备）的能耗；记录水系统温度、流量、压差；车站内温度、湿度、二氧化碳浓度等环境参数。对车站通风空调系
19、统设备，采用智能控制单元运行与采用定流量、定风量方式运行的能耗进行对比的测试方法，即在空调负荷基本相同、外部气候相近条件下，将采用智能控制单元模式与采用定流量、定风量模式交替运行相同的天数，分别对其能耗进行测试、记录和对比，通过计算得到节能率。节能测试中需要记录的数据包括通风空调系统运行参数和设备能耗。其中，通风空调系统运行参数的测试范围包括：冷水机组冷冻水出口温度、入口温度，冷水机组冷却水出口温度、入口温度，冷冻水总管流量，冷却水总管流量，冷冻水供回水总管压差，冷冻水供水总管温度，冷冻水回水总管温度，冷却水供水总管温度，冷却水回水总管温度，冷冻水变频器运行频率，冷却水变频器运行频率，大系统空
20、调箱送风机运行频率，大系统回/排风机运行频率，站厅温度、湿度和二氧化碳浓度，站台温度、湿度和二氧化碳浓度，新风温度和湿度等。通风空调系统运行参数每隔2小时记录一次，具体的测试记录要求由下表给出：1 .总则1.1概述地铁作为城市公共交通的大动脉，在国民经济发展中扮演者重要的角色。随着轨道交通网络规模的扩大，运营里程不断扩大加长，作为站点内的耗电大户，站内空调系统能耗（大系统和空调水系统）占了整个车站常规用电的50%以上，尤其在制冷季节，更是达到60%-80%以上。在前期设计阶段，空调系统均需要按照地铁运营的最大负荷进行设计，并预留一定的余量。而在地铁实际运营过程中，空调系统运行在较大负荷水平的时
21、间占比通常不到全部时间的20%,采用常规控制策略，存在较大的能耗浪费。依据项目需求，“风-水”联动节能控制系统作为EMCS子系统，提供节能控制逻辑并由EMCS进行控制作为系统总体原则。因此，针对轨道交通通风空调系统的运行特点和EMCS的系统构成，引入一套针对空调风-水”全系统的智能优化控制设备，采用人工智能技术和机器学习算法，通过EMCS的专用接口和协议，与E.MCS无缝集成和协调控制，实现车站通风空调全系统的自适应变负荷优化控制具有非常必要的意义。1. 2地铁车站空调系统分析1）轨道交通（地下）站点环境特点a）站内热源常年存在地下建筑都有受室外气象条件影响较小的特点，而地下站内部存在显著的内
22、热源，包括列车牵引、刹车系统，列车空调、机电设备及大量乘客的散热等，具有较大的热源属性，常年的冷负荷较高。b）空调负荷波动较大轨道交通车站空调通风负荷的设计标准通常长达20-30年。随着城市发展，沿线人口增长、换成站点增多后，客流昂:将出现显著的变化，最初的空调负荷设计和控制方案往往会随着运营时间的推移而日趋不合理。同时，地铁车站空调负荷也具有周期性变化和突发波动并存的特性。采用定流量，定风量的控制策略不合理，并且会造成一定的能耗浪费。c）通风要求高地铁机电设务监押J系统EMCS）觇水联动节能控利方案表3.1-1车站通风空调系统节能率测试运行参数记录表删试时间：年 月 日时至年 月 日时：远行
23、工况：口变流n定流址:土机冷冻水出口温度设置他r记录时间00:0002:0004:0006:0008:0010:0012:0014:0016:0018:0020:0022:0024:001#主机冷冻水出口山度r）2#土.机冷冻水入口温度（C）冷主机冷却水出口温度r）挚主机冷却水入口温度CC）冷冻水总管流扯计（n/h）冷却水件管流量计（n/h）冷冻水供回水总管压笔Pa）冷冻水供水总管温度CC冷冻水回水总管温度（P冷却水供水总管温度（C冷却水回水#管洲度CC冷冻水殳频零运行频率Hz）冷却水变频器运行频率Hz）向翊大系统空调箱送区机变!Si4行频率（也）南端大系统向/拌风机变频器运行频率（Hz北诵大
24、系统空调箝送JA机变倾恭运行频率Hz）北端大系统网AIR机变频器运行频率（Hz站厅环境沮厦（站反环境相对湿度（）站厅环境:组化碳浓度ppn）站宜环境温度CC）站台环境相对湿度（）站&环境.氧化檬浓度ppn）新风温度CC）新风相对湿度（%）测试人员：用户代表（签名）年 月 日测试人员；供货商代表（签名）年 月 日（用供货而盖章）地铁机电设备监控了牧统(EMCS)凤水底动节能控削方案设备能耗数据的记录范围包括冷水机组、冷冻水泉、冷却水泵、大系统空调箱送风机、大系统【可排风机等.设备能耗数据每天记录一次，具体的测试记录要求由下表给出。表3. 1-2车站通风空调系统节能率测试数据记录表第天(月 日至月
25、 日)运行工况：设俗名称起始读数终止该数电流互.感器倍率k实耗能址(kWh)运行时间(h)1#主机2#主机1#冷冻水泵2#冷冻水系饮冷却水泵2#冷却水泉南端大系统空调箱送风机南端大系统回/排风机北端大系统空调箱送风机北端大系统回/排风机合计测试人员：测试人员：3. 2测试数据被测试的空调制冷机组及变频设备采用变流（风）段和定流（风）吊:交替运行共四天，其中定流（风）量运行二天、变流（风）量运行二天，对其各白的能耗及运行参数进行记录。汇总和计算数据，得出使用智能控制单元的节能率，如下表所示。表3. 2-1车站通风空调系统节能率测试计算表系统综合节能率定流（风）量总能耗量变流（风）量总能耗量节能量
26、定流（风）量总能耗星-变流（风）量总能耗量）节能率（a）（=节能量4-定流（风）量总能耗量）测试人员：用户代表（签名）测试人员：供货商代表（签名）年 月 日年 月 日（用户盖章）（供货商盖章）3. 3测试结论1）节能测试报告节能率测试完毕，应整理好各种测试数据与记录，进行测试分析与总结，编制测试报告，测试报告将包含以下内容：（1）测试说明。在进行节能率测试前，用户和我方人员应对节能测试过程（如测试时间安排、投入运行的空调设备等）及相关事宜进行协商，并以书面形式记录归档保存。（2）测试记录。在测试报告中包含每天的测试记录：空调系统节能率测试数据记录表、空调系统节能率测试运行参数记录表。（3）测试结果。在测试报告中包含按测试记录计算的空调系统节能率测试计算表。（4）测试分析及总结。在测试报告中包含测试分析及总结，主要分析系统运行情况是否正常、测试结果是否准确，系统运行及节能效果可否改进等。所有测试数据应客观真实，应由地铁运营公司、智能控制单元集成商等相关人员共同完成节能测试，节
