董建林

(中國鐵建電氣化局集團有限公司，北京 100043)

據(jù)統(tǒng)計，建筑總能耗占全國能耗總量的30%以上，其中空調(diào)系統(tǒng)能耗占建筑總能耗的比例高達40%～60%[1]。隨著冷卻機房群控技術(shù)的推廣應(yīng)用，越來越多的制冷站機房通過部署制冷站機房群控系統(tǒng)對冷水機組及配套設(shè)備進行控制，但受制于群控本身的控制邏輯和固有模型的局限性，無法根據(jù)復雜的外部環(huán)境變化進行實時的精準匹配和調(diào)節(jié)[2-3]。

人工智能控制是制冷系統(tǒng)自動化的一個重要發(fā)展方向，通過人工智能算法可以有效地節(jié)約物力、人力等成本，使控制的效率得到有效提高[4]。本文闡述的就是一套采用當前先進的人工智能機器學習及知識圖譜2.0技術(shù)搭建的智能控制系統(tǒng)。

雄安高鐵站作為雄安新區(qū)的配套設(shè)施，關(guān)系著新區(qū)的交通布局及發(fā)展，節(jié)能環(huán)保是需要重點設(shè)計和考慮的方向。雄安高鐵實現(xiàn)低碳節(jié)能的目標需要智能高效的中央空調(diào)系統(tǒng)，對于配備多臺冷卻裝置的制冷站機房來說，運用人工智能算法提高制冷站機房的整體效率具有重要意義。

1 工程概況

雄安高鐵站是目前亞洲最大的高鐵站，整體結(jié)構(gòu)為橋式站。車站以地面層進站為主、高架層進站為輔。主體共5層，其中地上3層、地下2層，且地面候車廳兩側(cè)利用地面層和站臺層之間的空間設(shè)置出站夾層。鐵路用房總建筑面積150 000 m2，最高聚集人數(shù)為5 000人，建筑中人員密度高、設(shè)備多且散熱量大、空間形式復雜，中央空調(diào)系統(tǒng)能耗較大。

2 傳統(tǒng)中央空調(diào)控制模式特點

高鐵站傳統(tǒng)的空調(diào)控制雖采用了建筑自動化控制系統(tǒng)(building automation system，BAS)或環(huán)境與設(shè)備監(jiān)控系統(tǒng)(equipment monitoring control system，EMCS)，以實現(xiàn)對空調(diào)數(shù)據(jù)的采集和處理，進而對空調(diào)設(shè)備統(tǒng)一進行監(jiān)控[5]，但BAS對空調(diào)的控制只能實現(xiàn)簡單的基于點動規(guī)則的啟?？刂婆c聯(lián)鎖保護，不能根據(jù)環(huán)境參數(shù)對這些設(shè)備和系統(tǒng)進行統(tǒng)一的協(xié)調(diào)控制[6]。

3 基于人工智能技術(shù)的中央空調(diào)智能控制系統(tǒng)

雄安高鐵站的中央空調(diào)智能控制系統(tǒng)，采用基于人工智能機器學習+知識圖譜2.0技術(shù)的節(jié)能運行優(yōu)化算法，獲取環(huán)境參數(shù)、末端冷量需求以及制冷站機房設(shè)備的實時狀態(tài)，采用自學習技術(shù)尋找類似工況下能耗最優(yōu)的操作方案并下發(fā)到相關(guān)設(shè)備，從而控制冷水主機、冷凍水、冷卻塔及末端等設(shè)備參數(shù)，從而實現(xiàn)舒適度達標前提下的節(jié)能運行。該系統(tǒng)需要實現(xiàn)以下3個目標：1)利用現(xiàn)有的空氣分布特性指標(air diffusion performance index，ADPI)作為高鐵站大空間舒適度評價指標之一，一般應(yīng)使當前環(huán)境舒適度指標ADPI大于80%[7]。2)能效比高。能效比通過計算EER(energy efficiency ratio)或是COP(coefficient of performance)進行評價[8]。3)能耗最低。

智能控制系統(tǒng)綜合運用人工智能算法、知識圖譜、強化學習技術(shù)，可實現(xiàn)試探式自主調(diào)優(yōu)，并智能執(zhí)行優(yōu)化方案，如圖1所示。具體技術(shù)方法包括：1)基于人工智能機器學習模型，對系統(tǒng)運行數(shù)據(jù)進行計算分析，達到根據(jù)空調(diào)管理的舒適度調(diào)整目標、能效調(diào)整目標，確定舒適度調(diào)整模型和能耗調(diào)整模型。2)基于對已有運行規(guī)則與經(jīng)驗數(shù)據(jù)的知識挖掘，確定能效最低目標；根據(jù)數(shù)據(jù)監(jiān)測點的傳感器采集數(shù)據(jù)測試點的環(huán)境參數(shù)，并根據(jù)環(huán)境參數(shù)以及建筑自動化控制系統(tǒng)的參數(shù)進行分析，以確定節(jié)能降耗混合策略，使空調(diào)系統(tǒng)高效、節(jié)能、穩(wěn)定運行。3)通過動態(tài)在線學習歷史數(shù)據(jù)，使用強化學習模型迭代產(chǎn)生操作策略數(shù)據(jù)表；通過獲取當前環(huán)境參數(shù)以及建筑自動化控制系統(tǒng)的當前參數(shù)，進行反饋評估，并查詢操作策略數(shù)據(jù)表以確定當前的操作策略，從而實現(xiàn)節(jié)能降耗。

圖1 中央空調(diào)智能控制架構(gòu)圖

4 中央空調(diào)智能控制系統(tǒng)節(jié)能原理

4.1 中央空調(diào)智能控制系統(tǒng)組成

中央空調(diào)智能控制系統(tǒng)由冷熱源系統(tǒng)和空氣調(diào)節(jié)系統(tǒng)組成，包括冷熱源單元及其附屬設(shè)備、輸配單元和末端設(shè)備。風水聯(lián)調(diào)控制通過一個上層的系統(tǒng)(或算法模型)來完成各環(huán)節(jié)間的協(xié)調(diào)，既保持了風系統(tǒng)、水系統(tǒng)的相對獨立，又實現(xiàn)了風水系統(tǒng)各環(huán)節(jié)的聯(lián)調(diào)。風水聯(lián)調(diào)基于現(xiàn)場環(huán)境傳感器、設(shè)備傳感器，實現(xiàn)環(huán)境參數(shù)、設(shè)備運行參數(shù)及狀態(tài)的實時采集，將風系統(tǒng)、水系統(tǒng)的數(shù)據(jù)集合到大數(shù)據(jù)平臺，實現(xiàn)風、水系統(tǒng)數(shù)據(jù)的集中存儲及處理。該智能調(diào)控系統(tǒng)通過人工智能(artificial intelligence，AI)運算，在某一溫度目標控制約束下，生成與風控系統(tǒng)、水控系統(tǒng)相關(guān)的一系列指令，實現(xiàn)并行控制，達到風水聯(lián)調(diào)的目的。

4.2 中央空調(diào)智能控制原理及策略

空調(diào)通風系統(tǒng)中的風系統(tǒng)與水系統(tǒng)是一對耦合系統(tǒng)，它們的良好匹配是實現(xiàn)節(jié)能的重要保障；采取行之有效的風系統(tǒng)與水系統(tǒng)協(xié)調(diào)控制策略，在保障車站環(huán)境質(zhì)量的同時，可有效降低車站空調(diào)通風系統(tǒng)的運行能耗?？照{(diào)風水系統(tǒng)全局協(xié)調(diào)控制功能實現(xiàn)原理如圖2所示。

圖2 空調(diào)風水系統(tǒng)全局協(xié)調(diào)控制策略圖

本文采用“知識圖譜構(gòu)建—自我尋優(yōu)—自我創(chuàng)新”三級遞進、層層深入的運行模式。首先，把所有與空調(diào)運行相關(guān)的數(shù)據(jù)按照工況類數(shù)據(jù)(如室內(nèi)外環(huán)境溫度、濕度等)、操作類數(shù)據(jù)(空調(diào)主機、冷卻水系統(tǒng)、冷凍水系統(tǒng)可被調(diào)節(jié)的參數(shù))、評價數(shù)據(jù)(風系統(tǒng)能耗、水系統(tǒng)能耗)進行分類，并建立一一對應(yīng)的知識圖譜模型。

該控制系統(tǒng)基于環(huán)境參數(shù)測點的室內(nèi)外溫濕度、CO2濃度及歷史負荷變化趨勢，推測未來短時間內(nèi)控制區(qū)域負荷需求。同時動態(tài)計算系統(tǒng)循環(huán)周期，以定義當下的環(huán)境工況，然后在歷史知識庫尋找歷史相似工況下風系統(tǒng)能耗最優(yōu)的操作方案(如風機頻率、閥門開度等)，以同等工況均執(zhí)行最優(yōu)方案的方式，全面提升風系統(tǒng)柔性控制水平、降低風系統(tǒng)能耗，即基于對風系統(tǒng)能耗的判定，對當前工況數(shù)據(jù)(包括室內(nèi)外溫濕度、CO2濃度及PM2.5等數(shù)據(jù))及末端設(shè)備當前運行狀態(tài)實施采集與計算分析，運用探索式機器學習技術(shù)對設(shè)備運行參數(shù)進行自主試探式調(diào)優(yōu)，并更新執(zhí)行優(yōu)化方案執(zhí)行操作控制。

智能空調(diào)控制系統(tǒng)通過監(jiān)控風系統(tǒng)(水閥強度、風機頻率)及水系統(tǒng)(主機、循環(huán)泵、冷卻水泵、冷卻塔風機)的實時運行狀態(tài)和能耗，自動建立在不同負荷及溫度條件下風水系統(tǒng)的綜合能效數(shù)據(jù)庫，并基于所建數(shù)據(jù)庫進行知識挖掘形成最優(yōu)控制參數(shù)。將風系統(tǒng)與水系統(tǒng)完整的并行指令下發(fā)執(zhí)行，全面提高空調(diào)系統(tǒng)柔性控制水平，降低空調(diào)系統(tǒng)綜合能耗。

5 項目案例分析

在雄安高鐵站制冷站房兩種類似工況下對比AI控制模式(本文中智能控制運行模式)和非AI控制模式下制冷站機房的總能耗，試運行期間無下雨或其他極端天氣。其中工況一為：相同時段，在滿足室內(nèi)設(shè)定溫度26 ℃的前提下，AI控制模式和非AI控制模式自動運行，分別監(jiān)測制冷站機房設(shè)備的能耗及制冷量。工況二為：相同時段，在滿足室內(nèi)設(shè)定溫度26 ℃的前提下，將非AI控制模式的冷凍水溫度設(shè)定為12 ℃后自動運行，AI控制模式不做設(shè)定自動運行，分別監(jiān)測制冷站機房設(shè)備的能耗及制冷量。

5.1 制冷站機房COP對比

制冷站機房COP是能量(單位時間內(nèi)空調(diào)器所消耗的能量)與熱量(單位時間內(nèi)的名義制熱量)之間的轉(zhuǎn)換比率，COP值越大，節(jié)省的電能就越多。基于對前兩種類似工況的任務(wù)模擬，設(shè)置不同情形下的4種運行情況，編號A,B,C,D。計算并比較試運行A,B,C,D4種運行情況下的制冷站機房COP值，結(jié)果見表1。由表可知，AI控制模式下的制冷站機房COP明顯高于非AI控制模式。

表1 不同試運行情況下的機房COP值

5.2 冷水主機能耗實時數(shù)據(jù)對比分析

系統(tǒng)經(jīng)過6 h的試運行，冷凍水主機能耗實時數(shù)據(jù)如圖3所示。對比情況A，B，C下冷水主機能耗結(jié)果可知，AI模式下情況A和B的能耗明顯低于非AI模式下情況C的能耗。此外，在相同運行時間下,相比情況C，情況A的室外平均溫度較低。對比情況B，D結(jié)果，情況B的室外平均溫度為26.9 ℃，情況D為22.8 ℃，情況B的冷水機組能耗低于情況D。再考慮室內(nèi)外溫差的差異，以及情況D將冷凍水直接設(shè)定在12 ℃，AI模式比非AI模式在能耗和冷凍水實時溫度調(diào)控上有較為明顯的優(yōu)勢。對比情況A，B能耗結(jié)果，兩次運行均為使用AI模式控制且控制運行的時間，但整體能耗不同。原因是隨著時間的推移，情況A的室外溫度呈下降趨勢，情況B的室外溫度呈上升趨勢，為保證室溫在設(shè)定的26 ℃之下，冷水機組需要提供更多制冷量，從而使得系統(tǒng)消耗更多電能。

圖3 不同模式下冷水機組能耗圖對比

綜上所述，3種不同的制冷站機房控制模式的節(jié)能效果高低排序為：AI控制模式>非AI控制模式(冷凍水12 ℃)>非AI控制模式。

6 結(jié)束語

本文通過建設(shè)雄安高鐵站中央空調(diào)智能控制系統(tǒng)，將末端應(yīng)用和主機人工智能控制進行智慧聯(lián)動，建立空調(diào)運行全景數(shù)據(jù)模型，根據(jù)用能特殊性進行分時段、分區(qū)域空調(diào)能耗管理控制和能源設(shè)備控制的風水聯(lián)調(diào)。區(qū)別于以設(shè)備更新?lián)Q代改造為主的模式，智慧化風水聯(lián)調(diào)技術(shù)對設(shè)備改造沒有硬性要求，而是聚焦于人工智能技術(shù)，利用現(xiàn)有BAS系統(tǒng)，通過增加多種數(shù)據(jù)傳感器，采用柔性智能控制技術(shù)，突破并創(chuàng)造了更大的節(jié)能空間。