地鐵車站公共區(qū)域空調(diào)能耗影響因素的敏感性分析

黃 莉，蘇子怡，李曉鋒

（1. 清華大學中國新型城鎮(zhèn)化研究院，北京 100084；2. 清華大學建筑學院，北京 100084）

近年來，城市軌道交通系統(tǒng)發(fā)展迅速。截至2020年底，中國大陸已有45座城市投入運營244條線路和4 681座車站，另有57座城市在建車站4 298座。其中，地鐵占比 78.8%，是城市軌道交通系統(tǒng)的主要制式[1]。

在地鐵用能構(gòu)成中，通風空調(diào)系統(tǒng)是主要用能系統(tǒng)，約占地鐵系統(tǒng)總能耗的1/3～1/2[2]。隨著地鐵規(guī)模和能耗的不斷增加，地鐵車站通風空調(diào)系統(tǒng)節(jié)能逐漸成為研究熱點[3-4]。因此，有必要研究地鐵車站通風空調(diào)系統(tǒng)能耗的影響因素及重要程度，從而給出運行管理中需要重點關(guān)注的參數(shù)，助力地鐵車站的節(jié)能運行。

通過對地鐵車站通風空調(diào)系統(tǒng)能耗原理模型進行敏感性分析，對關(guān)鍵影響因素進行了識別和排序，獲得了模型輸入?yún)?shù)的重要性排序和量化指標，指出了地鐵車站節(jié)能設(shè)計和運營需要關(guān)注的重要參數(shù)，為車站的低能耗運營管理提供了參考借鑒。

1 敏感性分析

1.1 敏感性分析方法

敏感性分析是一種用于識別和量化輸入?yún)?shù)對輸出結(jié)果影響程度的方法[5]，廣泛應(yīng)用于建筑性能關(guān)鍵影響參數(shù)的識別和排序[6]。

敏感性分析方法分為全局敏感性分析和局部敏感性分析[7]。全局敏感性分析通過改變模型所有輸入來評估各輸入?yún)?shù)的重要性，其結(jié)果相較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歸的方法、基于篩選的方法和基于方差的方法[9]。基于回歸的方法具有計算速度快、可解釋性好的優(yōu)點；基于篩選的方法常用于對復(fù)雜模型中不重要的變量進行篩選，以降低問題的復(fù)雜性[10]；基于方差的方法穩(wěn)健性好、準確度高，且可以估計各輸入?yún)?shù)之間的相互作用。

已有研究指出，敏感性分析結(jié)果與采用的方法有關(guān)，為了避免重要參數(shù)的丟失，一般使用至少兩種根本不同的敏感性分析方法，給出可靠的結(jié)果[11]。因此，本文采用了基于回歸、篩選和方差的3種敏感性分析方法，對比結(jié)果給出了地鐵車站通風空調(diào)系統(tǒng)能耗模型的關(guān)鍵影響因素。

敏感性分析有以下5個基本步驟[12](見圖1)：①結(jié)合研究目的，確定了待研究的64個輸入?yún)?shù)；②根據(jù)文獻調(diào)研、設(shè)計手冊、實際工程經(jīng)驗等確定各輸入?yún)?shù)取值的概率密度函數(shù)；③選擇合適的抽樣方法為模型生成輸入數(shù)據(jù)樣本庫；④將輸入樣本庫輸入地鐵車站通風空調(diào)系統(tǒng)能耗原理模型(模型框架見圖2)，模擬得到輸出樣本；⑤對模型的輸入和輸出結(jié)果執(zhí)行敏感性分析，識別關(guān)鍵輸入?yún)?shù)并進行重要性排序。

圖1 敏感性分析基本步驟Figure 1 Flowchart of sensitivity analysis

圖2 地鐵車站通風空調(diào)系統(tǒng)能耗原理模型框架Figure 2 Framework of the VAC energy model in subway stations

1.2 敏感性分析結(jié)果

通過基于回歸、篩選和方差的3種敏感性分析方法得到了64個輸入?yún)?shù)的敏感性指標，由于不同方法采用的指標不同，為了方便比較，對參數(shù)的敏感性指標進行了歸一化處理(0表示敏感性最低的參數(shù)，1表示敏感性最高的參數(shù))，結(jié)果如圖3所示。3種敏感性分析得到的變量重要性排序見圖4和表1。對比發(fā)現(xiàn)，3種敏感性分析方法在很大程度上識別了同一組重要的參數(shù)：① 3種方法識別出的重要性排序前3的參數(shù)及排序完全相同，均為室外空氣相對濕度、室外空氣溫度和機械新風量；② 3種方法識別出的重要性排序前25%的參數(shù)相同，都包括設(shè)備能效、無組織滲風量、站內(nèi)環(huán)境參數(shù)、隧道環(huán)境參數(shù)和客流量，但是3種方法得到的參數(shù)排序有差異，基于方差和篩選的方法排序較相似，基于回歸的方法與前兩者差異較大；③其他參數(shù)的重要性排序差異較大，可能的原因是敏感性指標均較小，導致排序誤差較大。圖5比較了3種方法的計算時間，以計算效率最高的基于回歸的方法為參照，基于方差和篩選的方法計算時長分別為前者的25倍和3倍。綜合考慮計算效率和敏感性排序結(jié)果，基于篩選的方法的適用性較好。

圖3 3種敏感性分析得到的參數(shù)敏感性結(jié)果對比Figure 3 Comparison of the sensitivity indices of the three methods

圖4 3種敏感性分析方法的參數(shù)排序結(jié)果對比Figure 4 Comparison of the parameter ranking of the three methods

圖5 3種敏感性分析方法的計算時間對比Figure 5 Comparison of the computation costs of the three methods

表1 3種敏感性分析方法對應(yīng)的參數(shù)重要性排序Table 1 Parameter ranking results of the three sensitivity analysis methods

2 通風空調(diào)系統(tǒng)能耗影響因素

通過上述敏感性分析得到了地鐵站通風空調(diào)系統(tǒng)能耗的影響因素重要性排序。進而結(jié)合車站管理，探究了運營管理重要參數(shù)在其可能的變化范圍內(nèi)改變，對地鐵車站通風空調(diào)系統(tǒng)能耗的定量影響程度，并且以能耗最高的工況為基準進行比較，分析了對能耗的影響程度百分比。

2.1 室外及隧道空氣參數(shù)

室外空氣參數(shù)影響車站通風空調(diào)系統(tǒng)供冷負荷中的機械新風負荷和出入口滲風負荷，隧道空氣參數(shù)主要影響車站的屏蔽門滲風負荷。隨著室外和隧道空氣參數(shù)(相對濕度和溫度)的提高，地鐵車站通風空調(diào)能耗相應(yīng)增加。

探究供冷期間上述參數(shù)在其可能的變化范圍內(nèi)波動對通風空調(diào)能耗的影響，結(jié)果如圖 6。可以看出，室外空氣相對濕度和溫度的變化對能耗影響顯著。室外空氣相對濕度在 20%到 100%之間變化時，通風空調(diào)能耗從90 kW·h變成570 kW·h，能耗變化百分比高達 84%。室外空氣溫度在 24℃到 40℃之間變化時，能耗變化百分比為78%。

圖6 室外及隧道空氣參數(shù)變化對通風空調(diào)能耗的影響Figure 6 Impact of outdoor and tunnel air variables on VAC energy use

隧道空氣參數(shù)對能耗的影響程度低于室外空氣參數(shù)，隧道相對濕度對能耗的影響為33%，溫度對能耗的影響為28%。

2.2 機械新風量

機械新風量影響車站通風空調(diào)系統(tǒng)的供冷負荷，機械新風過量供應(yīng)導致供冷負荷大幅增加，造成能源浪費。根據(jù)對地鐵車站的大規(guī)模調(diào)研，發(fā)現(xiàn)當前多數(shù)車站供冷期間機械新風量在1.0萬～5.5萬m3/h之間。不同機械新風量對應(yīng)的通風空調(diào)能耗如圖 7。可以看出，機械新風量在其常見的取值范圍內(nèi)變化，對空調(diào)季通風空調(diào)能耗的影響程度為43%。

圖7 機械新風量變化對通風空調(diào)能耗的影響Figure 7 Impact of mechanical air volume on VAC energy use

2.3 設(shè)備能效

地鐵通風空調(diào)系統(tǒng)設(shè)備能效參數(shù)包括冷機性能參數(shù)COP、冷卻水輸送系數(shù)、冷卻塔能效、冷凍水輸送系數(shù)、末端設(shè)備能效。模型的敏感性分析結(jié)果顯示，上述參數(shù)中末端設(shè)備能效比和冷機 COP對供冷期間通風空調(diào)系統(tǒng)能耗的影響程度較大。

探究末端設(shè)備能效比和冷機 COP變化對能耗的影響，結(jié)果如圖8所示。當末端設(shè)備能效比在3～10之間變化時，通風空調(diào)能耗從460 kW·h變?yōu)?80 kW·h，降低了39%。當冷機COP在3～8之間變化時，通風空調(diào)能耗從440 kW·h變?yōu)?80 kW·h，降低了36%。

圖8 設(shè)備能效變化對通風空調(diào)能耗的影響Figure 8 Impact of equipment efficiency on VAC energy use

2.4 無組織滲風量

地鐵車站的無組織滲風量影響車站的無組織滲風冷負荷從而影響能耗。無組織滲風由兩部分組成，一部分是從隧道經(jīng)屏蔽門進入站臺的屏蔽門滲風量，另一部分是從室外經(jīng)出入口通道進入站廳的出入口滲風量。根據(jù)調(diào)研，當前多數(shù)地鐵車站的屏蔽門和出入口無組織滲風量在0.4萬～3.2萬m3/h之間，不同滲風量對能耗的影響結(jié)果如圖9所示。可以看出，出入口滲風量對能耗的影響程度為29%，屏蔽門滲風量對能耗的影響程度為12%，前者比后者對能耗的影響程度更大，主要原因是供冷時段室外空氣參數(shù)比隧道空氣參數(shù)更為不利。

圖9 無組織滲風量變化對通風空調(diào)能耗的影響Figure 9 Impact of unorganized air infiltration on VAC energy use

2.5 站內(nèi)空氣參數(shù)

地鐵車站站內(nèi)空氣參數(shù)影響車站的供冷負荷，當室內(nèi)控制溫度和相對濕度較高時，通風空調(diào)系統(tǒng)的供冷需求較小，能耗較低。探究站內(nèi)空氣參數(shù)對能耗的影響，結(jié)果如圖10所示。可以看出，站內(nèi)空氣相對濕度和溫度的增加可以大大降低通風空調(diào)能耗。當站內(nèi)空氣相對濕度在20%～70%之間變化時，能耗變化范圍為250～400 kW·h，影響程度為37%；當站內(nèi)空氣溫度在24～30℃之間變化時，能耗變化范圍為280～360 kW·h，影響程度約為22%。

圖10 站內(nèi)空氣參數(shù)變化對通風空調(diào)能耗的影響Figure 10 Impact of station air parameters on VAC energy use

各運行管理相關(guān)的重要參數(shù)對通風空調(diào)系統(tǒng)能耗的影響程度見表2，總結(jié)如下：①室外空氣溫度在24℃到40℃之間變化時，能耗變化百分比為78%；②隧道空氣溫度在24～35℃之間變化時，能耗變化百分比為28%；③機械新風量在1.0萬～5.5萬m3/h 之間變化對能耗的影響為43%；④末端設(shè)備能效比從3提高至 10，對能耗的影響可達 39%；⑤冷機 COP從 3提高至6，對能耗的影響可達29%，提升至8可達36%；⑥出入口和屏蔽門的滲風量在0.4萬～3.2萬m3/h之間變化對能耗的影響程度分別為29%和12%；⑦供冷期間的站內(nèi)空氣溫度在24～30℃之間變化對能耗的影響為22%。

表2 各重要參數(shù)對地鐵車站通風空調(diào)能耗的影響程度Table 2 Impact of important parameters on VAC energy use

3 結(jié)論

研究了地鐵車站通風空調(diào)系統(tǒng)能耗的影響因素，通過多種敏感性分析方法對參數(shù)的重要性進行了探究。對比發(fā)現(xiàn)，3種方法識別出的重要性排序前3的參數(shù)及排序完全相同，為室外空氣相對濕度、室外空氣溫度和機械新風量；重要性排序前 25%的參數(shù)相同，都包括設(shè)備能效、無組織滲風量、站內(nèi)環(huán)境參數(shù)、隧道環(huán)境參數(shù)和客流量，但是3種方法得到的參數(shù)排序有差異，基于方差和篩選的方法排序較相似，基于回歸的方法與前兩者差異較大；從計算時間上看，回歸方法的計算效率最高，方差和篩選方法計算時長分別為前者的25倍和 3倍；綜合考慮參數(shù)排序結(jié)果和計算效率，基于篩選的方法在該模型上的適用性較好。

進而以長江流域的地下二層典型島式地鐵車站為例，研究了各節(jié)能運行管理相關(guān)的重要參數(shù)在其變化范圍內(nèi)改變對能耗的定量化影響，明確了對于節(jié)能運行管理而言需要優(yōu)先關(guān)注的重點，包括室外空氣參數(shù)、隧道空氣參數(shù)、站內(nèi)空氣參數(shù)、設(shè)備能效、機械新風量、無組織滲風量。