在线诊断保障地铁车站通风空调系统健康运行

常晟

同方节能工程技术有限公司

近年来，我国轨道交通行业高速发展，地铁成为许多城市的公共交通主动脉。地铁车站通风空调系统作为地铁机电系统的重要组成部分，其健康运行对于营造卫生，舒适的车站环境及降低地铁运行总能耗均有重要影响。业内对地铁车站通风空调系统的运行进行了多方面的研究，包括正常工况下如何通过设备更新[1-2]、控制策略优化[3]等方法降低运行能耗。疫情防控工况下如何调整运行模式、保证足够的新风量等。本文则关注更基础的问题：如何保障系统及其中各个设备的健康运行。这里的“健康”，指系统和设备运行在正常的状态和合理的工作点上。

1 在线诊断的提出

笔者所在团队对国内数条地铁线路进行了实测调研，发现车站通风空调系统在实际运行过程中存在很多“小问题”，例如组合风阀故障（自控系统要求运行全新风或小新风模式，但组合风阀的实际阀位可能并未到位）、风力不平衡（站厅与站台温度不一致）、冷却塔换热效率低（导致冷机效率低）等。与设备停机等大故障不同，“小问题”易隐蔽、难识别，在日常巡检中往往被忽视，却会对车站的卫生、舒适、节能带来长期的不利影响，可谓“小问题、大影响”。因此，无论采用何种运行优化方案或策略，均需建立在系统健康运行的基础上，这就要求及时识别实际运行中的“小问题”。

在车站BAS（自动化）系统中，实时监测并记录了大量的通风空调系统运行参数。一些车站还安装了能源管理系统，监测了各设备的用电能耗。这些数据对于识别通风空调系统运行问题具有重要价值，可是目前仅仅被储存在电脑中，没有得到充分地挖掘利用。Nakahara[4]等提出了基于数据的节能诊断方法，但主要是针对楼宇冷冻站系统，对于地铁车站通风空调系统中常见的问题覆盖不够。且仍主要依靠人工分析，在线自诊断的内容不多。

本文拟提出基于运行数据的地铁车站通风空调系统在线诊断思路，希望能够充分挖掘数据潜力，及时识别设备运行问题，保障系统健康运行。根据此方法开发的在线诊断系统，应用于实际车站中，取得了良好的诊断效果。

2 在线诊断的对象及其特点

在线诊断的对象为地下车站通风空调系统中的大系统、小系统和冷源，主要设备见表1。大系统包括A 端和B 端，各负责一侧站厅和站台的环境控制，通常各包括1 台送风机、1 台回排风机、1 套组合风阀等。小系统包括若干台组合式空调机组和新风机组，负责辅助用房的环境控制。冷源包括制冷机组、冷冻泵、冷却泵、冷却塔以及分集水器等设备。

表1 车站通风空调系统设备清单

3 传感器增补

地铁车站BAS 系统包括丰富的传感器，如送风温湿度、回风温湿度、新风温湿度；冷冻水总供水温度、总回水温度、总流量。冷却水总供水温度、总回水温度、总流量；设备启停状态、频率状态、阀位开度等。这些数据为在线诊断提供了良好的基础，只需增补少量的传感器，即可满足在线诊断的需求。通常需要增补的传感器包括：

1）站厅、站台和辅助房间的温湿度、CO2浓度传感器。对于在线诊断来说，不仅需要获得总回风参数，还要监测各个区域的参数。大系统方面，可在站厅、站台吊顶各均匀布置8～10 台传感器，小系统方面，可沿风管走向选择3～5 个房间布置传感器。建议采用无线多合一传感器以避免繁琐的布线工作。考虑到温度在垂直方向上的分布，可通过实地测试的方式得到吊顶温度相对于人行区域温度的大致修正系数。

2）各台冷机的冷冻水、冷却水路安装独立的供回水温度传感器。

3）各台冷机的冷冻水流量传感器。替代方案为：各台冷机蒸发器两端安装压差传感器，因蒸发器阻力固定，现场一次性测试冷冻水流量和对应的蒸发器压差后，在监测过程中可根据变化的蒸发器压差反推冷机冷冻水流量。

4）空气处理单元的混风段温湿度传感器。

5）各设备的电动率计。若车站安装了能源管理系统，这部分数据可通过通讯方式从该系统中获得，否则则需补充安装。

4 在线诊断系统架构

在线诊断系统通过现代计算机技术，网络通信技术和分布式控制技术，建立完善的指标管理体系，实现地铁通风空调系统的健康运行。该系统基于B/S 架构（即浏览器和服务器架构）进行开发，由数据采集层、数据传输层、展示应用层组成，形成了站、线、网三级架构组成的轨道交通在线诊断系统（图2）。根据用户需求可实现车站，线路和全网的布局，从而灵活的适应不同级别管理者的管理和决策需求。

图2 在线诊断系统架构图

5 在线诊断指标体系的设计

在线诊断的核心是一套指标。这些指标对应于地铁车站通风空调运行中的常见问题，通过指标与标准值（或标准范围）的对比，指标在时间轴上的变化，指标与其他车站相同指标的对比，可发现运行中存在的问题。在线诊断软件采集数据（采样的时间步长为5 分钟），根据给定的算法自动计算指标（指标计算的时间步长为1 小时），指标值异常则向运行人员提示可能存在的问题，并给出检查建议，帮助运行人员现场确诊问题。

指标主要有几种类型：1）环境参数指标，包括空调区域平均温度、温度标准差、区域温度与平均温度之差、相对湿度、CO2浓度等，通过对环境控制效果的考评分析潜在的问题。2）风系统运行指标，包括大系统送回风温差与风机频率交叉分析指标、新回风比指标、风机效率等，考评分析大系统和小系统中风机、组合风阀的运行情况。3）冷源运行指标，包括冷冻水供回水温差日间与夜间对比分析指标、冷机热力完善度与负荷率综合分析指标（文献[5]中的DCOP）、冷却塔群换热效率指标等，考评分析冷源系统运行情况。4）传感器故障指标，判断可能存在的传感器故障、漂移。

下面以几个例子说明：

1）大系统空调区域平均温度、温度标准差、区域温度与平均温度之差指标

大系统空调区域平均温度作为主要控制目标，其指标用于诊断大系统是否存在冷量供应过度或不足的情况。指标值为大系统两端回风温度在1 小时之内的平均值。若此值低于设定值1.5 ℃以上，则系统报警并提示运行人员依次检查：该时段冷机是否运行在最低台数、大系统风机是否运行在最低频率、冷冻水水阀阀位和冷冻泵频率是否命令值和实际值均在低限。若其中某项命令值不在低限，例如风机频率不在低限，因要求BAS 负责人检查控制逻辑是否存在问题。若命令值在低限但实际值不在，例如冷冻水水阀阀位的命令值在低限但实际全开，则该项存在故障。反之，若1 小时之内站厅、站台的平均温度低于设定值1.5 ℃以上，则系统提示检查上述内容的命令值是否运行在高限。

大系统空调区域温度标准差指标考察是否存在不均匀的情况，指标值等于站厅、站台各温度传感器示值的标准差在1 小时内的平均值。若此值差大于1 ℃，系统提示运行人员进行系统风平衡检查。

区域温度与平均温度之差指标考察各区域是否存在过热、过冷问题，指标值等于该区域温度传感器示值与各区域温度平均值之差的绝对值。若此值在1 ℃以上，系统提示现场复核该区域温度并进行局部风平衡调节。

2）新回风比指标

在线诊断系统实时监测得到每台空气处理单元的新风温湿度、回风温湿度和混风段空气温湿度，可得新风焓值hfa，回风焓值hra和混风焓值hma，则由式（1）可计算得到新风比α（新风量与总风量之比）。

在常见的运行策略中，组合风阀（包括新风阀、排风阀和混风阀）在室外新风有利时，运行全新风模式，即新风阀和排风阀全开（开度为100%），混风阀关闭，此时α应等于1。在室外新风不利时，运行小新风模式，即新风阀和排风阀角开（开度为10%），混风阀全开，此时α应较小，在10%到30%之间。根据BAS 系统发出的指令可知当前时刻的新风模式，若某一小时内模式为全新风，α值小于80%。或模式为小新风，α值大于30%，则在线诊断系统提示组合风阀可能存在故障，实际阀门开度与命令值不符，建议运行人员现场检查阀门开度。

3）冷却塔群换热效率指标

冷却塔群整体换热效率这个指标，可用于分析车站冷却塔的工作状态。系统监测得到冷却水总管的上塔温度tinw和出塔温度toutw，以及外界环境的湿球温度twb。可由式（2）得到冷却塔群换热效率指标值：

该指标的判断有两种方法。第一种方法，将指标值与该车站所选品牌型号冷却塔的曲线相对比，此时需要知道外界湿球温度（已测出）和冷却塔群的整体风水比，后者需要初始测试并录入各台冷却塔风量以及各种冷机开启台数组合（通常只有单台冷机开启、两台冷机开启两种情况）下的冷却水流量，并通过冷却塔风机频率（如变频）和冷却泵频率（如变频）计算得到，较为繁琐。第二种方法，在该指标明显偏低时报警，譬如可设定当该指标低于60%时报警，提示运行人员检查冷却塔群“停风不停水”、冷却塔翅片状态、冷却塔布水状态等问题。

6 实际诊断案例

根据本文所述内容，笔者研发了在线诊断软件，在基础的能源管理功能上，增加了通过运行数据进行在线诊断的功能。软件应用于我国北方某城市的一个典型车站中。界面如图3 所示。

图3 车站通风空调在线诊断系统界面

软件调试完毕并运行一周后，系统报警5 项，其中经实地检测认定无效报警3 项，有效报警2 项。有效的两项为：

小系统（附属房间）温度标准差指标报警。系统提示运行人员检查小系统风平衡情况，根据提示，用手持温度计和风速仪对各附属房间进行温度和风量测试，发现小系统存在设备房间风量过高、调度室风量过低的问题。对房间出风口风阀进行调试后，该问题得到明显改善，缓解了调度室温度偏高的问题。

冷却塔群换热指标报警（图4）。该指标值仅为50%，根据系统提示运行人员对冷却塔进行了检查，发现存在明显的冷却塔布水不匀问题，一侧水流过大，另一侧无水（图5）。经调试后该指标值恢复正常。

图4 冷却塔指标提示

图5 冷却塔布水不匀

7 小结

在地铁车站通风空调系统的日常运行中，一方面存在着很多小问题，带来长期的不利影响。另一方面BAS 等系统中丰富的运行数据却沉睡在电脑中，没有被充分挖掘利用。本文提出的思路，在现有传感器的基础上，增加少量传感器，通过软件自动计算指标，判断可能存在的运行问题。判断的结果有可能是不准确的，需要现场实地检查，但至少为运行人员及时发现运行小问题提供了智能的助力。本文给出几个指标算例和实际诊断结果供业界同仁参考，更多的诊断指标和内容可面向服务的系统对象设计。