基于逐時客流量的地鐵站空調系統動態負荷研究

宋美艷 王 亮 朱沁萱

(1.西南科技大學土木工程與建筑學院 四川綿陽 621010;2.成都地鐵運營有限公司 成都 610058)

隨著軌道交通系統的快速發展，乘坐地鐵出行已經成為非常受歡迎的方式。我國交通運輸系統的復雜性也不斷增加，相應的地鐵站運行負荷也急劇增加。地鐵站客流量存在早晚高峰和平峰時期，而按照以往的滿足高峰期客流量要求的定工況運行模式將會造成大量的能源浪費，空調系統隨客流量的變化進行動態調節將有利于降低空調系統運行能耗。

客流預測模型在城市軌道交通規劃和運營中發揮著重要作用。其中，GM(1,1)模型以其獨特的理論優勢在交通管理中得到了推廣應用。為了提高GM(1,1)模型針對不同數據類型的預測能力，眾多學者對灰色預測模型進行了研究。刁文軍[1]綜合考慮軌道交通客流影響因素的多樣性和隨機性，選用灰色預測模型研究天津軌道交通3號線在普通工作日、特殊工作日和周末3種不同條件下的日均客流。針對灰色預測模型的不足，提出了灰色代謝預測模型，改進后的新模型具有更好的預測精度和可行性。顧炯[2]在研究城市軌道交通斷面客流特征的基礎上，建立了短期客流灰色預測模型，以某市新開通線路的日客流為例，對未來客流進行了預測，分析結果表明，使用灰色預測模型來預測短期客流是可行的。但是，由于影響客流的因素很多，無法準確預測，因此需要對模型進行修正。黃召杰等[3]基于鐵路歷史客流數據，通過建立灰色預測模型實現了對中國鐵路未來客流的預測，并證實灰色模型適合在數據較少的情況下對未來短期客流進行預測。近年來，GM(1,1)模型在交通等領域的應用受到越來越多的關注，它可針對數量非常少(如少于4個)、數據完整性和可靠性較低的數據序列進行有效的短期預測。

在地鐵站空調系統節能優化方面，隨著變頻技術的快速發展，國內許多地鐵站空調系統均設置有變頻裝置，但由于調試不到位，基本上都處于固定工況運行狀態，通風空調系統能耗居高不下[4]。樊佳慧[5]基于AFC數據構建了環控系統中乘客停留時間的動態負荷計算方法，實現了不同時間粒度下的負荷計算，又采用灰色關聯度方法定量分析了環控系統負荷及其影響因素，結果表明客流量動態變化是地鐵站環控系統負荷的主要影響因素。徐國強[6]調研了西安某地鐵站乘客的運動特征和行走參數，通過行人仿真軟件，得到了客流量分布與乘客在站廳、站臺停留時間的關系，建議在對空調系統進行調控時，應結合客流量動態變化和乘客在站停留時間的動態關系，進一步精細化計算空調系統負荷和人員新風量，獲得節能效果。張榮[7]調研了地鐵站通風系統現狀和客流量特點，針對空氣質量差和定風量控制系統能耗高等問題，提出基于人員密度估計動態調節新風閥門開度的方法，以達到節能的目的。與傳統方法比較可知，此方法不僅能夠提高地鐵車站環境舒適性，還能有效降低地鐵通風系統能耗。Liu等[8]采用混合通風、分層通風和空氣幕通風3種送風方式對地鐵站臺的氣流組織進行評估，從風速、空氣溫度和相對熱指數RWI方面討論了模擬結果，并對模擬結果進行了驗證。Kong等[9]分析了地鐵環境控制系統的通風換熱理論，總結地鐵站在不同送風條件下各區域的氣流分布。Jenkins等[10]通過實地測量和問卷調查相結合，研究了東京地鐵站的熱環境，分析得出站廳的熱環境隨著室外氣象參數的變化而變化，出入口附近的溫度明顯高于車站內部。為了改善車站內的熱環境，有必要考慮室外氣象參數的變化和車站的空間分布。Yang等[11]采用熱力學分析和CFD模擬相結合的方法，分析了地鐵站早期、中期和遠期的客流量、空調負荷和空氣調節情況，結果表明對冷凍水泵、空調機組和風扇末端采用變頻技術是必要的。變頻技術的引入降低了系統的總能耗，并確保站廳和站臺的溫度和空氣速度場保持在一個舒適的范圍內。以一個典型日為例，在地鐵通風和空調系統中引入變頻技術，在地鐵運行的早期、中期和長期，分別可以節能1 103.4 kWh，1 064.0 kWh，926.2 kWh。Yin等[12]從能耗、負荷和溫度3個方面分析了地鐵站空調系統的變化，提出了3種通用模型和7種節能策略，估算了其節能潛力，得出優化后的空調系統能耗可降低30%以上，這為地鐵熱環境的理論研究和環境控制系統的設計提供了理論支持。Pan等[13]采用動態熱舒適性研究來調查乘客在車站內部的熱感覺，分析發現，在整個過程中，乘客的熱感覺發生了巨大變化，雖然站廳和站臺的溫度和濕度都超出了標準，但乘客認為可以接受。我國人口基數大，地鐵站具有客流量大、能耗高的特點，對地鐵站進行研究的過程中不僅要考慮乘客舒適性，還要盡可能降低通風空調系統能耗。

綜上所述，前人對地鐵站空調系統的節能優化進行了大量研究，但是一天中客流量波動較大，會對空調系統負荷造成較大影響。因此，本文在前人研究的基礎上，采用灰色GM(1,1)預測模型對逐時客流量變化規律進行研究，計算得出地鐵站空調系統負荷隨逐時客流量的動態變化規律，為地鐵站節能優化提供參考。

1 逐時客流量變化規律

地鐵站客流量是逐時動態變化的，與平峰期相比，早高峰、晚高峰的客流量會增加，與工作日客流量相比，周末客流量會減少。因此，為研究逐時客流量引起的動態負荷變化規律，本文選用灰色GM(1,1)預測模型對地鐵站逐時客流量變化規律進行研究，以1 h為時間間隔對地鐵站運營時間進行細分，構建出逐時客流量GM(1,1)預測模型，并預測得出未來短期逐時客流量變化規律。

灰色GM(1,1)預測模型是對既包含已知信息又包含不確定信息的系統進行預測的方法，它的預測原理是基于隨機性的原始時間序列，經過累加的數據處理方式形成新的時間序列，以弱化原始序列的隨機性，使數據具備指數型變化規律，然后建立一階微分方程并求解，將所求結果再進行累減處理還原為灰色預測值，從而實現對未來特征值的預測。其離散形式的微分方程為：

(1)

記原始序列為：

X(0)={x(0)(1)，x(0)(2)，x(0)(3),…x(0)(n)}

(2)

對X(0)進行一次累加生成一次累加序列：

X(1)={x(1)(1)，x(1)(2)，x(1)(3),…x(1)(n)}

(3)

(4)

對式(1)進行離散化求解得：

k=0,1,2,3…

(5)

對生成的預測序列進行累減可得預測值：

(6)

通過灰色GM(1,1)模型構建出逐時客流量預測模型，并預測得出逐時客流量值與實際客流量值進行對比，結果如圖1所示。從圖1可以看出，逐時客流量預測值與實際值的擬合效果良好，最大相對誤差僅為14.97%，小于20%，說明改進后的GM(1,1)模型相對準確，可用于預測地鐵站未來短期客流量。總之，改進的GM(1，1)模型可以減少因客流量大幅波動而造成的預測誤差，有效避免傳統GM(1,1)模型的缺陷，為地鐵站空調系統動態負荷研究提供理論支撐。

圖1 未來短期逐時客流量預測值與實際值對比Fig.1 Comparison of predicted and actual future short-term hour-by-hour passenger flow

2 動態負荷變化規律

本文以成都市某地鐵站公共區空調系統作為研究對象[14]，探究逐時客流量變化引起的動態負荷變化規律，主要包含站廳、站臺，在乘客活動區域內為乘客提供舒適、衛生的過渡性環境。已知站廳 180.6 m×20.6 m×3.0 m，工作區溫度tn=29 ℃，送風溫差為10 ℃，送風溫度to=19 ℃；站臺140 m×10 m×3 m，工作區溫度tn= 27 ℃，送風溫差為8 ℃，送風溫度to=19 ℃。

據研究表明，屏蔽門系統模式下，地鐵車站公共區環控系統冷負荷Ql包括照明負荷Qz、設備負荷Qs，圍護結構傳熱負荷Qw、人員負荷Qp、新風負荷Qx和出入口滲透風引起的滲風負荷Qt。其中，人員負荷會隨著逐時客流量的變化波動較大，新風負荷也會受到客流量和逐時室外空氣焓值的影響，均屬于動態負荷。因此，從降低運行能耗和節約成本等角度考慮，可以根據預測的未來短期逐時客流量變化規律，結合室外空氣逐時計算參數，計算得出地鐵車站動態負荷變化情況，并及時調節地鐵站空調系統送風參數，一定程度上緩解地鐵站運行的高能耗現象。

2.1 各分項負荷計算方法

(1)照明負荷Qz：按照單位面積指標20 W/m2計算得出。根據地鐵站實際尺寸模型，站廳長140.0 m，寬20.6 m，面積為2 884 m2;站臺長180.6 m，寬10.0 m(兩側屏蔽門之間的乘客停留區)，面積為 1 806 m2。

(2)設備負荷Qs：根據公共區內單臺設備散熱量和各設備臺數計算得出地鐵車站設備總負荷。

(3)圍護結構負荷Qw：目前大部分地鐵車站都配有屏蔽門系統。因此，圍護結構負荷所占地鐵站通風空調負荷的比例相對比較小，基本上可以忽略[6]。

(4)出入口空氣滲透負荷Qt：出入口滲透換熱量的面積熱指標為200 W/m2[15]，由出入口面積可計算出入口的滲透換熱量。該地鐵站有4個出入口，每個出入口寬高為6.5 m×2.5 m。另外，在屏蔽門開啟時，會有一部分負荷釋放到站臺，可按每側10 kW 進行估算[16]。

照明負荷、設備負荷和出入口滲透負荷相關計算參數如表1-表3所示。

表1 照明負荷計算參數Table 1 Calculation parameters of lighting load

表2 設備負荷計算參數 Table 2 Calculation parameters of equipment load

表3 出入口滲透負荷計算參數Table 3 Calculation parameters of inlet and outlet seepage load

(5)人員負荷Qp：根據逐時進站、出站客流量及乘客在公共區停留時間，計算得出同時在站客流量，結合乘客全熱散熱量進一步計算站廳、站臺處的逐時人員負荷。逐時時間段內的地鐵車站同時在站人數與逐時進站、出站乘客數量、停留時間[15]的關系如式(7)、式(8)所示，人員負荷相關參數計算如式(9)-式(12)所示。

(7)

(8)

(9)

(10)

Wc=dc·Nc/1000

(11)

Wp=dp·Np/1000

(12)

式中：Nc為站廳同時在站人數，人；Np為站臺同時在站人數，人；A1為逐時進站人數，人/h；A2為逐時出站人數，人/h；a1為乘客進站在站廳停留的時間，取2 min；a2為乘客進站在站臺停留的時間，取2 min；b1為乘客出站在站廳停留的時間，取1.5 min；b2為乘客出站在站臺停留的時間，取1.5 min；Qc為站廳人員負荷，kW；Qp為站臺人員負荷，kW；qc為站廳乘客全熱散熱量，取183 W/人；qp為站臺乘客全熱散熱量，取181 W/人；Wc為站廳人員濕負荷，kg/h；Wp為站臺人員濕負荷，kg/h；dc為站廳乘客人均散濕量，取212 g/(h·人)；dp為站臺乘客人均散濕量，取203 g/(h·人)。

(6)新風負荷Qx：可按式(13)計算站廳、站臺逐時新風負荷。

Qx=ρVx(iW-iN)/3600

(13)

式中：Qx為新風負荷，W；ρ為新風密度，取1.2 kg/m3；Vx為新風量，取20 m3/(h·人)；iW為室外逐時空氣焓值，kJ/kg；iN為室內空氣焓值，kJ/kg。

地鐵車站公共區空調季節新風量按照下面兩者取大值：(1)根據公共場所集中空調通風系統衛生規范(WS 3942012)，車站公共區人員新風量全線統一為20 m3/h·人；(2)新風量不小于系統總送風量的10%。

新風負荷須根據夏季空調室外計算逐時參數得出，成都市夏季室外空氣計算參數如表4所示，計算得出夏季室外逐時空氣焓值如表5所示。

表4 成都市室外空氣計算標準參數表Table 4 Standard parameter table for outdoor air calculation in Chengdu

表5 成都市室外空氣逐時計算焓值Table 5 Hour-by-hour calculation enthalpy of outdoor air in Chengdu

2.2 逐時負荷計算結果匯總

根據計算出的各單項負荷結果，匯總可得出工作日逐時負荷，以同樣的方法計算得出周末逐時負荷。結果如表6所示。

表6 逐時負荷匯總Table 6 Summary of hour-by-hour loads kW

2.3 節能分析

工作日和周末各分項負荷和定工況運行負荷對比圖如圖2、圖3所示。

分析圖2、圖3可以看出，地鐵站逐時空調系統負荷隨著逐時客流量的變化而變化，在早高峰和晚高峰時客流量最大，相應的空調系統負荷也增大。客流量平峰期，空調系統總負荷也隨著客流量的降低而降低。整體而言，工作日客流量相對較大，因此，工作日的逐時空調系統負荷高于周末的逐時空調系統負荷。

從圖2、圖3可以看出，以滿足高峰期客流量負荷要求計算固定工況下運行負荷，工作日一天總負荷為6 682.05 kW，而動態負荷為5 212.28 kW，總共可減少1 469.77 kW，降低了22.00%。固定運行工況下周末一天總負荷為5 489.21 kW，動態負荷為 4 880.63 kW，總共可減少608.58 kW，降低了11.09%。相比之下，工作日的逐時客流量波動較大，在預測出逐時客流量變化規律后，根據動態負荷及時調整空調系統的運行策略，工作日比周末降低空調運行負荷的幅度大。

圖2 工作日動態負荷與定工況負荷對比圖Fig.2 Comparison of dynamic load and constant working condition load on workdays

圖3 周末動態負荷與定工況負荷對比圖Fig.3 Comparison of dynamic load and constant working condition load at weekends

綜上所述，相比空調系統定工況下運行，根據逐時客流量變化規律計算得到的動態負荷有明顯降低，可用于指導地鐵站空調系統的運營管理，為地鐵站空調系統的節能優化提供參考。

3 結論

本文構建優化的逐時客流量GM(1,1)模型，并預測出未來短期客流量數據。在此基礎上，根據逐時客流量變化規律計算出空調系統逐時動態負荷，分析得出以下結論：(1)將逐時客流量預測值與實際客流量數據進行對比，預測值與實際值的整體擬合效果較好，最大相對誤差僅為14.97%，說明改進的GM(1,1)預測模型具有較高的預測精度，可以用來預測未來的短期客流量和變化規律。(2)根據地鐵站未來短期客流量數據，計算得到客流量變化引起的動態負荷變化規律。與定工況運行計算負荷相比，工作日一天負荷減少1 469.77 kW，降低了22.00%；周末一天負荷減少 608.58 kW，降低了11.09%。研究結果可用于指導地鐵站空調系統的運營管理。