陳明華 王倫月 何 磊 王冠群 夏樹高

(1.貴陽市城市軌道交通集團(tuán)有限公司， 550081， 貴陽；2.青島海信網(wǎng)絡(luò)科技股份有限公司， 266100, 青島∥第一作者， 高級(jí)工程師)

地鐵通風(fēng)空調(diào)系統(tǒng)，又稱“地鐵環(huán)控系統(tǒng)”，是地下車站必須配備建設(shè)的，可保證地下車站及隧道內(nèi)部的空氣品質(zhì)、溫度及濕度等環(huán)境條件達(dá)到乘客可接受水平，是地鐵系統(tǒng)中不可分割的一部分[1]。地鐵通風(fēng)空調(diào)系統(tǒng)耗能較高，其空調(diào)季能耗占地鐵總能耗的30%～40%。各城市地鐵運(yùn)營(yíng)公司都在盡力降低通風(fēng)空調(diào)系統(tǒng)的能耗。目前，主要通過部署節(jié)能優(yōu)化系統(tǒng)，利用工藝節(jié)能的手段來降低通風(fēng)空調(diào)系統(tǒng)能耗。本文從能耗異常的運(yùn)行數(shù)據(jù)出發(fā)，研究對(duì)通風(fēng)空調(diào)水系統(tǒng)能耗異常預(yù)警診斷的模型，可對(duì)設(shè)備能耗異常狀態(tài)進(jìn)行及時(shí)預(yù)警，從而減少由于通風(fēng)空調(diào)水系統(tǒng)異常造成的能耗浪費(fèi)，為通風(fēng)空調(diào)系統(tǒng)節(jié)能提出了新的思路。

1 研究背景

地鐵通風(fēng)空調(diào)系統(tǒng)設(shè)備能耗預(yù)警技術(shù)屬于設(shè)備狀態(tài)預(yù)警技術(shù)。設(shè)備狀態(tài)預(yù)警技術(shù)是保證設(shè)備安全運(yùn)行、風(fēng)險(xiǎn)評(píng)估及可靠性的重要手段，其基本思想是實(shí)時(shí)監(jiān)測(cè)設(shè)備的運(yùn)行狀態(tài)。設(shè)備運(yùn)行狀態(tài)可分為正常、異常和故障等3類，但三者界限并不明顯[2]。設(shè)備狀態(tài)預(yù)警技術(shù)通過能耗計(jì)算來預(yù)測(cè)設(shè)備或系統(tǒng)的健康狀態(tài)，可在設(shè)備發(fā)生故障之前發(fā)出預(yù)警信息，以便采取相應(yīng)的措施。該技術(shù)使傳統(tǒng)的被動(dòng)維修轉(zhuǎn)變?yōu)橹鲃?dòng)預(yù)防、事先狀態(tài)預(yù)測(cè)、提前規(guī)劃管理，在一定程度上代表了設(shè)備故障診斷方法和維修體系的新發(fā)展方向。

地鐵通風(fēng)空調(diào)系統(tǒng)包含空調(diào)水系統(tǒng)和通風(fēng)系統(tǒng)，其中空調(diào)水系統(tǒng)能耗占整個(gè)通風(fēng)空調(diào)系統(tǒng)能耗的60%以上。對(duì)水系統(tǒng)能耗問題進(jìn)行研究，能更有效降低地鐵通風(fēng)空調(diào)系統(tǒng)耗能情況。地鐵通風(fēng)空調(diào)水系統(tǒng)一般由冷水機(jī)組、冷卻水泵、冷凍水泵、冷卻塔和管路組成，設(shè)備多，管路復(fù)雜，往往出現(xiàn)單體設(shè)備的運(yùn)行能耗和能效都在允許范圍內(nèi)，而整體能耗卻偏高的現(xiàn)象。經(jīng)分析，這一現(xiàn)象一般是由冷凍水流量偏大、冷卻水流量偏大等等運(yùn)行不合理情況造成的?？梢?，只有基于整個(gè)冷水系統(tǒng)的能耗診斷，才能建立有效準(zhǔn)確的地鐵通風(fēng)空調(diào)水系統(tǒng)能耗預(yù)警模型(以下稱為“能耗預(yù)警模型”)。

本文以一定的制冷量和環(huán)境溫度作為研究工況，在歷史數(shù)據(jù)中搜索該工況下的最優(yōu)COP(水系統(tǒng)制冷系數(shù))，按一定的置信度來擬合相應(yīng)的(制冷量、環(huán)境溫度)生產(chǎn)COP曲面，作為冷水機(jī)組COP應(yīng)達(dá)值，進(jìn)而生成COP能耗預(yù)警模型。該模型可根據(jù)實(shí)時(shí)COP值和COP應(yīng)達(dá)值之間的差值，來判斷通風(fēng)空調(diào)水系統(tǒng)是否存在能耗異常，進(jìn)而發(fā)出預(yù)警。

2 能耗預(yù)警模型的建立

COP能耗預(yù)警模型的工作流程包括：歷史數(shù)據(jù)穩(wěn)態(tài)提取、穩(wěn)態(tài)工況下性能系數(shù)計(jì)算、提取不同工況下可達(dá)性能系數(shù)、通過神經(jīng)網(wǎng)絡(luò)遺傳算法擬合性能系數(shù)的動(dòng)態(tài)可達(dá)值曲面。

2.1 采集空調(diào)水系統(tǒng)正常的歷史數(shù)據(jù)

能耗預(yù)警模型需要采集空調(diào)水系統(tǒng)在正常運(yùn)行狀態(tài)下的數(shù)據(jù)，包含冷凍水入口溫度、冷凍水出口溫度、冷凍水流量、冷卻水入口溫度、冷卻水出口溫度、冷卻水流量、所有設(shè)備功率及環(huán)境溫度。以xij表示第i個(gè)變量第j個(gè)采樣時(shí)刻的采樣值，則采集得到的歷史正常數(shù)據(jù)矩陣X為：

(1)

2.2 從歷史數(shù)據(jù)中提取穩(wěn)定工況

當(dāng)空調(diào)水系統(tǒng)處于穩(wěn)態(tài)工況時(shí)，受實(shí)際生產(chǎn)環(huán)境的限制及其他干擾條件的影響，其機(jī)組的變量參數(shù)并非恒定不變，而是會(huì)在某一數(shù)值附近波動(dòng)。該數(shù)值的波動(dòng)可認(rèn)為是大量相互獨(dú)立隨機(jī)因素綜合影響的結(jié)果。雖然用來描述這些微小隨機(jī)因素的隨機(jī)變量不一定服從正態(tài)分布，但只要每個(gè)因素都未起到壓倒一切的主導(dǎo)作用，那么這些微小因素綜合作用的參數(shù)數(shù)值就可認(rèn)為近似服從正態(tài)分布。

可利用數(shù)據(jù)標(biāo)準(zhǔn)差來判斷該數(shù)據(jù)是否為穩(wěn)態(tài)數(shù)據(jù)。標(biāo)準(zhǔn)差可反映組內(nèi)個(gè)體間的離散程度：樣本標(biāo)準(zhǔn)差小，說明樣本變量的分布比較密集在平均數(shù)附近；否則，說明樣本的分布比較離散。利用標(biāo)準(zhǔn)差的這一特點(diǎn)，采用滑動(dòng)窗口的形式，可判斷變量是否處于穩(wěn)態(tài)過程?；瑒?dòng)窗口如圖1所示。在滑動(dòng)窗口內(nèi)，所有采集數(shù)據(jù)的標(biāo)準(zhǔn)差集合S=(s1,s2,…,si,…,sN)，其中si表示第i個(gè)變量的標(biāo)準(zhǔn)差，可表征數(shù)據(jù)的穩(wěn)定程度。

注：N為窗口長(zhǎng)度。圖1 滑動(dòng)窗口示意圖Fig.1 Diagram of slider window

設(shè)定窗口長(zhǎng)度為N(N為窗口內(nèi)負(fù)荷數(shù)據(jù)的個(gè)數(shù)，即每個(gè)變量有N個(gè)采樣點(diǎn))，窗口內(nèi)負(fù)荷數(shù)據(jù)標(biāo)準(zhǔn)差si為：

(2)

式中：

xij——窗口內(nèi)第i個(gè)變量第j個(gè)時(shí)刻數(shù)據(jù)的數(shù)值；

(3)

圖2 χ2分布的密度曲線Fig.2 Density curve of χ2 distributed

非穩(wěn)態(tài)閾值θ可根據(jù)χ2分布的密度來確定。參考3δ原則，取穩(wěn)態(tài)工況對(duì)應(yīng)的標(biāo)準(zhǔn)差s<θ的概率為0.995，則：

(4)

確定每個(gè)變量的穩(wěn)態(tài)判斷閾值后，通過滑動(dòng)窗口法對(duì)歷史數(shù)據(jù)進(jìn)行處理，得到窗口內(nèi)每個(gè)變量的標(biāo)準(zhǔn)差：S=(s1,s2,…,sN)，當(dāng)每個(gè)變量的標(biāo)準(zhǔn)差都小于對(duì)應(yīng)的閾值后，則表示冷水機(jī)組進(jìn)入穩(wěn)定工況。

2.3 穩(wěn)態(tài)工況下的水系統(tǒng)可達(dá)性能數(shù)據(jù)

假設(shè)進(jìn)入穩(wěn)態(tài)工況的時(shí)刻為t1，退出穩(wěn)態(tài)工況的時(shí)刻為t2，則在t1至t2時(shí)間段內(nèi)，冷水機(jī)組處于穩(wěn)態(tài)工況。

步驟1,提取該時(shí)間段內(nèi)所有的歷史數(shù)據(jù)，由式(1)則有：

(5)

步驟2,計(jì)算該時(shí)間段內(nèi)的總制冷量Q：

(6)

式中：

Qlds,j——冷凍水j時(shí)刻的瞬時(shí)流量;

tldsin,j——冷凍水j時(shí)刻的回水溫度；

tldsout,j——冷凍水j時(shí)刻的出水溫度；

T——采樣周期；

c——冷凍水的比熱容。

步驟3,計(jì)算該時(shí)間段內(nèi)的總耗電量P：

(7)

其中：

pj——空調(diào)水系統(tǒng)所有設(shè)備瞬時(shí)功率。

步驟4,計(jì)算該時(shí)間段內(nèi)的平均性能系數(shù)xcop：

xcop=Q/P

(8)

(9)

當(dāng)統(tǒng)計(jì)到K個(gè)穩(wěn)態(tài)工況時(shí)，所有穩(wěn)態(tài)工況的可達(dá)性能數(shù)據(jù)統(tǒng)計(jì)變量數(shù)據(jù)集合Y為：

Y=(y1,y2,…,yK)

(10)

2.4 篩選不同工況下的可達(dá)性能數(shù)據(jù)

由于操作方式不同，相同穩(wěn)態(tài)工況下空調(diào)水系統(tǒng)的性能系數(shù)變化較大。為了獲取可達(dá)性能數(shù)據(jù)，需提取所有統(tǒng)計(jì)數(shù)據(jù)中較高的性能系數(shù)，即yk下的平均性能系數(shù)Xcop，k大于統(tǒng)計(jì)周期內(nèi)的總平均性能系數(shù)Xcop，0。同樣，雖然空調(diào)水系統(tǒng)的性能系數(shù)可能出現(xiàn)較大值，但若該較大值的出現(xiàn)頻次太少，則說明性能系數(shù)值存在偶然性，不能很好地反映機(jī)組在大部分工況下的性能。即考察所有統(tǒng)計(jì)點(diǎn)中同yk相類似的Q和thj鄰域內(nèi)統(tǒng)計(jì)點(diǎn)，若性能系數(shù)大于Xcop, k的統(tǒng)計(jì)點(diǎn)不超過N0(設(shè)定的滑動(dòng)窗口長(zhǎng)度)個(gè)點(diǎn)，則保留數(shù)據(jù)yk，否則不保留yk。通過以上方法對(duì)統(tǒng)計(jì)的數(shù)據(jù)進(jìn)行篩選，既能盡量保留性能系數(shù)較大的值，又能避免保留數(shù)據(jù)量太少導(dǎo)致的求解結(jié)果偶然性。

2.5 擬合能耗預(yù)警曲線

基于證據(jù)理論和神經(jīng)網(wǎng)絡(luò)，通過歷史數(shù)據(jù)，提取反映設(shè)備、系統(tǒng)正常運(yùn)行的狀態(tài)點(diǎn)。但是由于設(shè)備運(yùn)行的歷史數(shù)據(jù)不一定能覆蓋實(shí)際運(yùn)行狀態(tài)下水系統(tǒng)設(shè)備的所有運(yùn)行情況，故在擬合能耗預(yù)警曲線的過程中，需要合理地補(bǔ)足缺失的狀態(tài)點(diǎn)。本文應(yīng)用證據(jù)理論的方法對(duì)缺失狀態(tài)點(diǎn)進(jìn)行補(bǔ)足。

證據(jù)理論是一種處理不確定性信息的方法，具備直接表達(dá)不確定性的能力，與缺失值的特性相符合，因此可用于缺失值填補(bǔ)等不完整數(shù)據(jù)的分析過程[3]。

對(duì)于需補(bǔ)足的狀態(tài)點(diǎn)進(jìn)行分析，抽取其中已知的確定量，利用屬性間相關(guān)性的填補(bǔ)方法和屬性間的關(guān)聯(lián)建立回歸模型，并基于完整樣本求解模型參數(shù)，進(jìn)而估計(jì)缺失值。

應(yīng)用GA-BP(神經(jīng)網(wǎng)絡(luò)遺傳算法),通過選取反映設(shè)備的正常、健康的運(yùn)行特性作為模型的參考點(diǎn)(證據(jù)點(diǎn))，構(gòu)建水系統(tǒng)設(shè)備在不同工況下能耗水平的可達(dá)性能數(shù)據(jù)的證據(jù)庫。在通風(fēng)空調(diào)系統(tǒng)實(shí)際運(yùn)行時(shí)，基于當(dāng)前工況下的運(yùn)行數(shù)據(jù)，以及結(jié)合證據(jù)理論和GA-BP，設(shè)置合理的模型擬合置信區(qū)間，計(jì)算當(dāng)前運(yùn)行工況下的能耗合理范圍，進(jìn)而實(shí)現(xiàn)能耗預(yù)警曲線的擬合。

基于空調(diào)水系統(tǒng)運(yùn)行數(shù)據(jù)全局搜索和GA-BP算法的冷水機(jī)組能耗合理范圍，計(jì)算得到不同工況下對(duì)應(yīng)的COP以及各設(shè)備的能耗范圍。與實(shí)際運(yùn)行數(shù)據(jù)對(duì)比，如果COP偏低，則進(jìn)行預(yù)警，并分析能耗異常原因；如果COP偏高，則更新模型。

2.6 模型測(cè)試

能耗預(yù)警模型在實(shí)際應(yīng)用之前進(jìn)行了模型測(cè)試。測(cè)試條件為：假設(shè)在總制冷量Q一定時(shí)，由冷水機(jī)組自動(dòng)控制冷凍水溫度tldsout定值，冷凍水流量Qlds由冷凍水泵控制，冷凍水回水溫度tldsin,根據(jù)Q自動(dòng)計(jì)算；冷卻水回水溫度根據(jù)環(huán)境溫度手動(dòng)設(shè)置為一個(gè)定值，冷卻水流量由冷凍泵控制，冷卻水出水溫度由熱平衡計(jì)算；冷卻塔風(fēng)量由放熱量根據(jù)熱平衡計(jì)算，進(jìn)而計(jì)算冷卻塔能耗。以下是2種模型模擬的報(bào)警情況案例。

1) 在仿真計(jì)算中，對(duì)Qlds,i設(shè)置1個(gè)正偏置，則冷凍水回水溫度升高，冷水機(jī)組蒸發(fā)溫度升高，導(dǎo)致冷水機(jī)組能耗升高，同時(shí)冷卻泵能耗增加，能耗預(yù)警模型根據(jù)設(shè)置條件，判斷為大流量、小溫差，則報(bào)警。

2) 在仿真計(jì)算中，對(duì)冷卻水回水溫度設(shè)置1個(gè)正偏置，表示冷卻塔換熱性能下降。此時(shí)，冷卻水出水溫度響應(yīng)升高，冷水機(jī)組能耗增加，能耗預(yù)警模型判斷冷卻塔換熱效果下降。

根據(jù)能耗預(yù)警模型的判斷結(jié)果，可以對(duì)冷凍水泵、冷卻塔等終端設(shè)備提前進(jìn)行檢查，未來也可以與通風(fēng)空調(diào)智能運(yùn)維專家知識(shí)庫相結(jié)合，提供更有效和快速的設(shè)備維護(hù)和維修方法。

3 案例分析

貴陽軌道交通2號(hào)線能源管理系統(tǒng)采用了本文中的通風(fēng)空調(diào)系統(tǒng)能耗預(yù)警模型。

在考察了通風(fēng)空調(diào)系統(tǒng)不同設(shè)備的能耗量后，首次建立預(yù)警模型決定選取單位時(shí)間能耗量最大的冷水機(jī)組作為控制對(duì)象。在貴陽軌道交通2號(hào)線能源管理系統(tǒng)中預(yù)置上述預(yù)警算法，通過能源管理系統(tǒng)采集冷水機(jī)組運(yùn)行數(shù)據(jù)及能耗數(shù)據(jù)，通過穩(wěn)態(tài)提取、數(shù)據(jù)篩選及閾值系數(shù)計(jì)算級(jí)曲線擬合，判斷冷水機(jī)組能耗應(yīng)達(dá)值與實(shí)際之間的差距。

當(dāng)發(fā)生了能耗預(yù)警事件時(shí)，能源管理系統(tǒng)可自動(dòng)推送設(shè)備能耗預(yù)警信息，提醒運(yùn)營(yíng)維護(hù)人員及時(shí)對(duì)設(shè)備進(jìn)行檢修和檢查，減少因通風(fēng)空調(diào)設(shè)備“帶病”運(yùn)行而造成的能源浪費(fèi)。

自2021年4月貴陽軌道交通2號(hào)線正式投入運(yùn)行以來，2021年空調(diào)季冷水機(jī)組運(yùn)行數(shù)據(jù)較少，未來隨著該線路冷水機(jī)組、冷凍水泵、冷卻水泵等通風(fēng)空調(diào)水系統(tǒng)設(shè)備運(yùn)行數(shù)據(jù)的增多，能耗預(yù)警模型的準(zhǔn)確性將大大增加。

4 結(jié)語

地鐵通風(fēng)空調(diào)系統(tǒng)能耗預(yù)警模型基于大量運(yùn)行數(shù)據(jù)，將數(shù)據(jù)統(tǒng)計(jì)、證據(jù)理論和神經(jīng)網(wǎng)絡(luò)遺傳算法相結(jié)合，能及時(shí)判斷水系統(tǒng)中的設(shè)備能耗異常問題，并發(fā)出預(yù)警，減少由此造成的能量浪費(fèi)，降低城市軌道交通運(yùn)營(yíng)成本。該預(yù)警模型具有良好的適用性，經(jīng)改動(dòng)可應(yīng)用在組合式空調(diào)機(jī)組等其他通風(fēng)空調(diào)系統(tǒng)設(shè)備上，從而提高通風(fēng)系統(tǒng)設(shè)備的穩(wěn)定性，進(jìn)一步降低地鐵通風(fēng)空調(diào)系統(tǒng)的能耗。