数字孪生在地铁环控系统中的应用

杨国伟，王菲，毕湘利，蔡蔚，周俊龙

数字孪生在地铁环控系统中的应用

杨国伟1，王菲2，毕湘利1，蔡蔚1，周俊龙1

（1.上海轨道交通十三号线发展有限公司，上海 20000；2.同济大学，上海 20000）

针对地铁环控和能耗的目标，论述了地铁车站的数字孪生系统实施的重点和关键问题。探讨了地铁车站三维模型的构建方法，虚实映射的硬件设计和预测性分析，包括环境质量监测、热舒适性研究、能耗预测等。指出了数字孪生在地铁环控中的显著优势，借助三维动态可视化提供有价值的分析功能，集成种类庞杂的监测信息，减小了预测性维护的难度，为传统地铁运维提供了全新的解决思路和可行的技术手段。

数字孪生；环控系统；地铁运维；能耗管理

数字孪生[1]是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程[2]。数字孪生的模型概念包括三大要素，即物理世界、虚拟空间以及两者的交互接口。其目标在于精准映射现实空间的物理信息，呈现给管理者进行相关决策。

1 数字孪生在地铁环控中的应用探索

对于地铁这样规模庞大且人流密集的重大设施，监测、控制其环境质量，满足乘客的舒适度体验，又能在紧急情况下保证乘客的人身安全是非常必要的。传统地铁环境控制系统采用自动化管理与控制系统，面对获取的大量运行状态监测数据，难以用可视化的方式呈现。

将数字孪生技术与地铁环控系统相结合，具有以下优势：①三维可视化。数字孪生打破了通过平面图纸整合建筑信息的传统模式，通过3D建模技术映射物理现实世界的建筑模型。能够逼真还原地铁车站的建筑结构、管道系统、通风空调系统、电梯系统、安全警报系统等，同时涵盖所有的几何、材料和状态信息。②全生命周期[3]。数字孪生从规划设计到施工再到运维阶段的信息集成，保证了数据的完整性和一致性，贯穿地铁车站全生命周期。改善了传统模式中设计、建造阶段的信息与运维阶段的信息分别储存的弊端，减少了维护成本。③预测性分析。数字孪生技术的引入为预测性决策和分析提供了基础。利用传感器监测大功率或易燃易爆等危险物品的关键数据；可借助深度学习算法，分析监控采集的乘客行为图像；根据通风空调系统的配置和传感器采集的数据等，分析车站热舒适度，同时预测能耗。

2 基于数字孪生的地铁环控系统设计规划

2.1 数字孪生平台设计

本文提出了一种针对上海某地铁车站的数字孪生系统构建的方案。该系统首先针对地铁车站这一物理对象，以及针对安防、环控等需求来分析物理对象特征，建立三维虚拟模型，并融合设计建造阶段、运维阶段产生的所有信息，借助传感器、设备运行历史等数据构建物理实体和虚拟空间的交互关系，最终为用户提供各类服务应用。该系统结构主要包括以下四个模块。

2.1.1 三维建模

需要针对地铁车站该物理实体作一一映射，包括建筑结构如墙、天花板、楼板、风机盘管、水管管道等构件，并根据最终服务应用的目标分析其他物理实体的特征，即地铁屏蔽门、电梯、灯光照明、进出口闸机、消防栓、火灾报警器等设施。三维虚拟模型的建立是实现数字孪生系统的基石，无论是信息融合还是预测分析都必须基于虚拟模型。

2.1.2 运维信息

将设计施工阶段、运维阶段产生的所有信息集成至孪生系统中，比如用户信息、设备信息、采购信息、保修信息和财务信息等。实现模型和信息的一体化，简化业务流程和解决方案，为高效运维提供可能。

2.1.3 虚实交互

利用传感器采集实时数据，并根据各个设备的历史运行数据等，完成物理世界与虚拟空间的虚实交互，如图1所示。利用Zigbee、Wi-Fi、以太网、现场总线等通讯手段，可将环境传感器和室内定位系统等传感器动态获取的实时数据，结合照明系统、监控系统、暖通系统等系统的运行历史数据和当前状态，存储入服务器中，为虚拟空间的构建提供必要前提。在虚拟空间中，以三维虚拟模型为基础，利用CFD流体力学计算和深度学习等方法，获得相应的环控策略、人体舒适度预测和能耗预测方案。

2.1.4 预测分析

读取服务器中的相关数据，获取CFD分析中需要的边界条件和初始条件，根据地铁车站的三维模型，计算获得温度场、流速场、空气组分等的三维分布并可视化。在此基础上，可以计算不同平面以及各边界表面的热舒适度，保证地铁环境的热舒适性。同时能对不同的通风、制冷加热方案做能耗分析，选择合理方案控制能源消耗，节约运维成本。

图1 地铁车站数字孪生系统的虚实交互设计

2.2 地铁环控方案设计规划

由于地铁车站的客流量大、环境因素复杂，如何保证乘客在乘坐地铁时的舒适与健康，又能控制通风空调系统、照明系统等的能耗，是值得研究的问题。本方案主要关注空气质量、热舒适性以及能耗控制三个方面。

2.2.1 空气质量

地铁车站的空气污染主要来自二氧化碳和颗粒物[4]两方面。乘客堆积在密闭空间中，夹带了灰尘、皮屑等颗粒物，同时呼出大量二氧化碳，造成空间的窒闷和污染。针对本方案设计一体式环境传感器，监测地铁车站内的温度、湿度、风速、PM2.5～PM10的值、二氧化碳浓度等。该一体式环境传感器集成了温湿度、风速、PM2.5、二氧化碳传感器等多种类的环境传感器，将其数据传入MCU单元中处理后输出。各个环境传感器通过Zigbee协议组网，数据汇总至某一出口节点，再通过网线传输至路由最终到主控设备。在数字孪生平台中可视化环境传感器采集的数据，监测其是否超标，并对此做通风等调节，将其控制在合适的范围内，保证乘客的健康和舒适。

2.2.2 热舒适性

利用温湿度、风速传感器在线获取实时边界条件和初始条件，包括壁面温度、进风口温度、进风口风速、当前空气温度、当前风速等，传入CFD软件中实时解算，获得三维温度场、流速场，并根据平均预测投票数PMV指标[5]进行热舒适性评估，如图2所示。

PMV指标是国际公认的较客观的热舒适性评判指标[6]，包括空气温度、湿度、风速、平均辐射温度、人体做功功率、衣物热阻六大影响因素。其中，人体做功功率可以根据乘客活动模式来设定，一般设为0；衣物热阻可以根据季节气候来设定，冬季取0.9clo，夏季取0.5clo，1clo=0.155 m2·K/W；其他因素需要通过传感器测量以及CFD分析获取。

PMV指标的计算公式[7]如下：

PMV=（0.303×－0.036M+0.028）×｛－－3.05×0.001×［5 733－6.99×（－）－］｝－0.42×［（－）－58.15］－1.72×10-5×（5 867－）－0.001 4××（34－）－3.96×10-8×cl×｛［（cl+273）4－（r+273）4］－cl×c×（cl－a）｝ （1）

式（1）中：为新陈代谢率；为人体做功率；为水蒸气分压力；cl为着衣体表面与裸体表面之比；c为衣服与空气之间的表面换热系数；a为周围的空气温度。

cl=35.7－0.028（－）－cl×｛1.96×10-8×cl×［（cl+273）4－（r+273）4］－cl×c×（cl－a）｝ （2）

式（2）中：cl为衣服外表面温度；cl为衣服热阻；r为平均辐射温度。

c=Max[2.38（cl－a）0.25，12.1a0.5]

利用CFD流体力学分析引擎分析车站内的温度场、流速场，首先要考虑围护结构辐射，墙、柱子等的热容、传热系数等，可以简化为第一类边界条件或第二类边界条件[8]，即壁面温度或者热流值。其次要考虑列车、设备、人员的发热情况，可以简化为发热功率或热流值，同时要考虑通风设备，设置送风口的风速、温度，以及回风口的回风比例等因素。将三维模型、边界条件和初始条件传入热分析引擎中解算，最后可以得到流速轨迹线、截面的温度云图、截面的PMV云图。检测现有的通风散热方案是否能满足人体舒适度指标。

2.2.3 能耗控制

综合考虑车站参数、围护结构热工性能参数、气象参数，分析开式系统、闭式系统、屏蔽门系统等不同的通风方案的能源消耗。输入车站参数包括所处地区的时区段、海拔高度、水质情况以及当地经纬度；围护结构热工性能参数包括维护结构密度、导热性、厚度等；气象参数包括地下土壤的温度、日平均温度、室外干湿球温度、相对湿度等。

模拟夏季、冬季、过渡季节不同气候下的通风方案，分析空气处理机、排风机、制冷机、水泵以及冷却塔各时间段运行能耗情况，比较后获得最佳方案。

图2 热舒适性分析示意图

3 结语

数字孪生目前缺少系统的理论研究和成熟的应用体系，在地铁环控系统中的应用也比较匮乏。本文对基于数字孪生的地铁车站环控系统进行设计与规划，基本能够实现地铁空气质量、舒适度分析和能耗预测的服务功能，为地铁环控提供了可行的技术路线，提高了运维质量，降低了成本。

［1］MICHAEL G.Origins of the digital twin concept［R/OL］.［2016-08-30］.https://www.researchgate.net/ publication/307509727_Origins_of_the_Digital_Twin_Concept.

［2］于勇，范胜廷，彭关伟，等.数字孪生模型在产品构型管理中应用探讨［J］.航空制造技术，2017（7）：41-45.

［3］庄存波，刘检华，熊辉，等.产品数字孪生体的内涵、体系结构及其发展趋势［J］.计算机集成制造系统，2017，23（4）：753-768.

［4］韩宗伟，王嘉，邵晓亮，等.城市典型地下空间的空气污染特征及其净化对策［J］.暖通空调，2009，39（11）：21-30.

［5］TOFTUM J，FANGER P O.Upper limits for air humidity to prevent warm respiratory discomfort［J］. Energy & Buildings，1998，28（1）：15-23.

［6］FANGER P O.Thermal Comfort［M］.Florida：Krieger Publishing Company，1982.

［7］刘庆，徐继宁.基于改进粒子群算法的室内热舒适度优化研究［J］.工业控制计算机，2017，30（2）：67，70.

［8］王龙，吕洁，孙厚永.健身房空调末端的冬季热舒适性研究［J］.建筑热能通风空调，2019，38（3）：65-68，84.

V268.7；U231.6

A

10.15913/j.cnki.kjycx.2019.14.013

2095－6835（2019）14－0033－03

杨国伟（1973—），男，江苏大丰人，博士，总工程师，教授级高级工程师，主要研究方向为岩土工程、轨道交通。

〔编辑：严丽琴〕