地铁车站环境热舒适与通风空调系统节能策略研究进展

曾逸婷,赵 蕾

(西安建筑科技大学环境与市政工程学院,西安 710055)

引言

目前，我国正处于城市轨道交通高速发展时期，据统计，到2017年底，已有33个城市引入了地铁系统，总里程达到了4 706 km[1]。预计到2020年，总里程数将达到8 000 km，总投资达2万亿元人民币[2]。要充分发挥地铁系统的运力，必须关注地铁车站及其内部环境的舒适度、系统的安全性和节能性等，使其成为城市居民便捷、舒适安全和绿色节能的交通工具。地铁车站属于半开式空间，与室外环境相对隔绝，仅通过进出站口和通风竖井与室外环境相连。由于站内存在照明、广告牌、设备等热源，且隧道内列车的运行和站内乘客的呼吸与活动等均会在地铁站内产生大量有害气体和余热以及颗粒污染物[3-6]。若地铁站中不设通风空调系统，则难以保证站内环境质量，空气品质会恶化。因此，地铁通风空调系统为城市居民享有舒适的地铁站内候车环境提供了重要保障。

然而，地铁通风空调系统运行能耗巨大，约占车站总能耗的40%以上，仅次于列车牵引系统[7-8]。北京地铁2015年的能耗高达14亿kW·h，相当于73万户家庭1年的用电量，而其中35%的能耗用于通风空调系统[9]。要降低地铁通风空调系统的运行能耗，就必须在保证车站舒适的前提下针对该系统采取合理可行的节能方案。为此，首先对比了各国地铁站站内环境的调研结果，对影响地铁车站热舒适的各主要因素进行了分析；简述了地铁通风空调系统的设计和运行现状，指出有待改进之处，并总结了地铁通风空调系统节能相关研究的进展，探讨了所应采取的节能措施和节能潜力。

1 国内外地铁车站热环境及舒适性分析

1976年美国运输部根据热应力指标和ASHRAE的热舒适实验结果，提出了相对热流指标RWI(Relative Warmth Index)和热损失率HDR(Heat Deficit Rate)[10]，可用于评价地铁的热舒适状况，指出人们在地铁环境内的感觉是沿运动方向在不同环境中移动时的瞬态感觉。各国普遍以此来确定地铁站环控设计温度。

表1给出了国内外研究者针对现有地铁车站环境状况的实测与调研数据和结果。可见，不同地区地铁车站环境差别较大，甚至同一地铁站不同运行时段的站内环境舒适性也存在较大差异[11]。以下分析不同因素对车站环境舒适性的影响特征。

表1 国内外地铁车站热环境实测结果汇总

室外气象条件变化对地铁车站内的环境影响较大，Misawa K.等[12]对东京某地铁站热环境的实测和问卷调查结果表明，站厅热环境随室外气象状况而变，且受太阳辐射的影响，靠近地面的出入口附近温度明显高于车站内部。乘客对站内环境舒适性的满意程度与其所处的热环境状况密切相关。为改善车站热环境，须同时考虑室外气象变化以及车站热环境参数的空间分布情况。

此外，地铁车站的结构、新旧程度等对乘客的满意度也有一定影响。与浅层地铁站相比，由出入口进入深层地铁站内部的渗透风量较少，站内温度分布更均匀，舒适性明显较高；浅层地铁车站更容易受到室外环境变化的影响[13-15]。新建地铁站对通风空调系统的改进及其整洁的外观均会使乘客的主观感觉得到改善，对其热舒适性的满意度普遍高于旧车站[13，16]。

由于地铁车站是乘客由地面进入到车厢的过渡环境，沿程环境参数的变化幅度也会影响到人体的主观热舒适感。已有文献[13，17]表明，站内乘客多处于步行状态，对环境的期望较低，整个乘车过程人体并未达到热中性，乘客对地铁站内温度变化的敏感程度降低，舒适的温度范围较广。辛伟宁等[18]从动态热感觉的角度对广州某地铁站进行了分析，发现在12：00～19：00，乘客由室外进入地铁站厅过程中的RWI值变化量较大，会使乘客产生突然变冷的不适感，且系统能耗高。若站台RWI值大于站厅，乘客进站过程中则会感受到环境恶化。因此，为了保证乘客候车环境的舒适性并降低通风空调系统能耗，建议根据室外环境温度的变化调整车站站厅站台的设定温度。

综上，车站所在地的气象参数、车站结构和新旧程度以及沿进出站路线的环境参数变化幅度都是影响车站舒适性的主要因素。地铁站内热环境参数的取值范围可宽于传统建筑，主要提供给乘客较为平缓的过渡环境即可。因此必须按照合理的舒适指标对地铁车站内的舒适性状况做出正确的评估，为通风空调系统的节能运行策略的制定提供有效依据。

2 车站通风空调系统运行现状与节能研究

2.1 车站通风空调系统的设计运营现状

地铁车站通风空调系统秋冬季普遍采用通风模式运行，不进行供暖；在夏季室外环境不满足通风要求的情况下，开启空调系统。目前国内地铁车站内的通风空调系统是按照《地铁设计规范》(GB 50157—2013)[20]确定站厅站台空调设计温度，根据远期高峰时段客流计算车站空调负荷进行设备选型。并普遍采用一次回风定风量空气处理过程，水系统通常采用主机定流量、末端变流量运行方式[21]。而实际中，车站空调负荷受客流和室外气象参数等影响而较大幅度波动[22]，且列车的长期运行会使周围土壤温度升高，造成远期高峰时段负荷远大于初、近期负荷。按照远期高峰时段负荷设计选型确定的空调机组，供冷能力在大部分时间段内都远大于实际需求，易使地铁站内温度明显低于其设计值；而且，空调设备会长期处于部分负荷运行状态，系统效能降低而造成能源浪费[23-24]。经统计，北京森林公园南门站冷机出力仅占额定出力的40%[25]。

综上，目前地铁车站的空调设备未根据实际地铁站内的负荷变化情况及时进行运行调节，导致运行效能低，能耗浪费大。然而，地铁车站通风空调系统的运行调控仍有较大的改进空间。下面，就国内外已针对地铁空调系统的运行调控所开展的研究加以总结、分析。

2.2 地铁站环控系统的节能研究进展及优化方向

2.2.1 地铁站运行控制温度优化

目前，有不少研究根据相对热指标确定车站内的设计和运行温度，以保证车站内的舒适度[26-28]。段飞等[26]通过计算徐州地铁站设计工况下乘客乘车过程的RWI值，认为该站所采用的设计温度值未能满足乘客进出地铁站的热舒适要求，并给出更符合乘客舒适需求的设计温度。朱培根等[27]对比了问卷结果和现场测量数据，得到了RWI指标值，指出单纯地以RWI静态值来评价地铁站舒适性存在误差，需要考虑乘客进入地铁站内的动态过程，根据室外气象参数的变化情况修正车站各环控单元的设定温度，结合环境与设备监控系统确定动态控制方案。尹奎超等[28]以RWI指标作为衡量地铁站内人员是否舒适的标准，对天津地铁站的空调运行温度进行了探讨，得出不同室外温度下地铁站厅、站台的空调运行控制温度。辛伟宁等[18]以西安市某典型设计日为例，确定了西安地铁车站一天中逐时的站厅站台运行目标温度，并计算逐时送风量从而确定风机运转模式。

这些研究提出评价地铁车站热舒适情况必须与乘客进入地铁车站的动态过程相结合的观点；应根据地铁站结构特性和站外逐时气象情况，在满足乘客舒适的基础上制定合理的车站运行温度，减少其运行能耗。

2.2.2 地铁通风空调系统运行策略优化

地铁通风空调系统的运行负荷受室外环境及客流的影响变化很大，传统的定频系统无法满足该运行特点。不少研究在地铁通风空调系统引入变频技术，并分析其可行性和节能潜力[29-31]，所采用的运行调控方案主要有闭环控制方案、时间序列控制方案和基于预测模型的模糊控制方案。

其中，闭环控制方案[32-33]主要利用PID方法进行调节，需在车站、送回风管等处布置温湿度传感器，根据检测值与设定值的偏差进行判断，发出相关控制指令给组合式空调器、回排风机、冷水机组的变频控制器，实现变频调节[34]。该控制方案简单，已在西安[35]、南京[36]、北京地铁复八号线[37]等线路中得到应用，但仍存在系统运行不稳定，实施难度较大等问题，车站负荷波动较快时还可能会使变频装置不断进行变频操作，容易导致设备故障[34-38]。

时间序列控制方案[39-40]主要是根据地铁车站的负荷和室外气象参数的变化规律对地铁运营时段进行分段，每个时段采用固定的风机运转频率。虽控制逻辑关系简单，易实施[34]，但实际运行中空调系统并未根据室外气象参数和客流的变化做出及时调整，所提供的冷量不能完全满足实际的负荷变化需求，无法最大限度发挥变频技术的优势。

欧洲2011年实施的SEAM4US地铁项目[41-42]，采用贝叶斯网络法对车站历史数据进行仿真，得到预测模型，基于所建模型对地铁通风空调系统进行自动控制。运用到巴塞罗那地铁站后通风空调系统能耗减少了30%。该方案基于大量系统运行数据，在一定程度上保证了预测模型的准确性。但是模型建立过程中数学处理过程复杂，物理意义不明确，目前仍无法在其他地铁车站中广泛应用。

为了保证通风空调系统能稳定且节能运行，今后的研究可结合这3种运行方案的优缺点，通过物理过程分析建立合理的空调负荷、控制参数等预测模型，结合历史运行数据进行地铁通风空调系统运行方案的改进和优化。

国内外关于地铁通风空调系统运行调控状况的研究表明，有必要结合地铁车站结构特点和站外逐时气象数据，提出满足乘客过渡性热舒适需求的车站空调系统运行温度；并基于地铁站的负荷变化特点，对空调系统引入变频技术，通过物理过程分析建立合理的预测模型，优化系统变频运行方案，以最大程度发挥变频技术的优势。下面，就空调系统负荷预测模型的研究进展进行总结。

2.3 地铁车站通风空调系统负荷预测方法的研究进展

地铁车站空调运行负荷预测是空调系统优化控制的关键技术，也是地铁环控系统节能运行的必由之路。虽然目前有不少软件(如SES和STESS)可用于模拟分析地铁车站内的设计空调负荷与能耗情况，但其建模工作量大，很难适应空调系统运行负荷的预测[43]。室外气象条件、客流量以及站厅和站台动态目标温度等因素均会影响车站空调运行负荷，因此如何通过获取相关信息、准确进行负荷预测值得进一步研究。

1990年代起，黑箱模型(如人工神经网络)被应用于空调负荷预测。一些研究者[44-48]采用BP神经网络法、参数回归法、时间序列法等经典预测方法对不同类型建筑的空调负荷进行预测，表明神经网络模型优于其他预测方法。李琼[49]、杨嘉[50]、Abdullatif[51]、徐今强等[52]采用RBF和Elman神经网络进行预测，显示出了更好的收敛速度和泛化能力。Jovanovic[53]将多种神经网络组合预测供热负荷，预测精度优于单一的神经网络。

事实证明，神经网络法能有效进行空调负荷预测，但是目前对于地铁车站这种特殊运行环境的应用甚少。不同于一般建筑，地铁车站受到的外部扰动因素更多，因此需要输入神经网络进行训练的相关参数更多。随着信息技术的不断发展，越来越多的参数能被精准预测，如气象预报已经实现逐时化，温度、降雨量、气压、风速等气象数据能被及时准确预测；检票系统为预测客流量提供了必要的基础数据，通过神经网络、支持向量机等方式对地铁车站历史客流数据进行训练学习也可获得准确的客流预测模型[54-55]。这些技术的不断发展也给负荷预测模型的建立提供了足够的技术支撑。

综上，信息技术的不断发展为负荷预测提供了更多精确的数据，但仍需通过合理选取影响因素、优化神经网络结构等方式，进一步探究地铁通风空调系统运行负荷的神经网络训练方法，提高负荷预测的准确度，为进一步优化地铁车站空调系统运行调控策略奠定基础，推动信息化技术在地铁空调系统运行管理中的应用，以实现地铁环控系统的节能、舒适运行。

3 结语

地铁通风空调系统能耗占地铁总能耗比例较大。实际运营中，车站内环境受众多因素影响，如工作日与节假日车站客流规律不一致，当车站周围有重大活动时，会造成车站短时间内客流猛增；当室外环境条件变化时，乘客进入地铁站感到舒适时的环境条件也不同。若通风空调系统未能根据这些因素的变化相应地调整其运行状况，则不仅会造成能源浪费，而且易引起乘客对车站内环境的不适感。

本文整理了不同国家地区对不同类型地铁车站的实地调研结果，分析了相关因素对地铁车站热环境的影响特征，为地铁通风空调系统运行优化提供指导。提出地铁空调系统的运行调控温度应结合车站结构特点和室外气象情况动态调节，以满足乘客过渡热舒适的需求。变频技术与合理的运行方案相结合，可实现地铁通风空调系统的节能运行。有必要结合闭环控制方案、时间序列控制方案和基于预测模型的模糊控制方案的优缺点，进一步探究最佳控制方案，以最大程度发挥变频技术的优势，达到节能效果。今后，仍需根据实际地铁车站客流、室外气象和设备运行等多方面的数据，通过神经网络法建立空调负荷预测模型，以实现系统更优的动态运行调控。