地铁车站通风空调大系统动态调控策略研究

赵 宁，郭智杰，杜梅霞，贾 萌

(中煤天津设计工程有限责任公司,天津 300120)

0 引言

近年来,随着国民经济的迅速发展,地铁越来越成为城市不可或缺的交通运输方式,人们不再仅仅关注便捷问题,舒适的地铁环境也成为人们乘坐地铁的基本要求[1-4]。目前国内的地铁车站大系统大多采用带送、回风机的一次回风双风机系统,设计过程中由于地铁车站大系统空调负荷是逐时变化的,且在计算人员的散热负荷和新风负荷时按远期高峰客流为计算依据,系统设备均按远期进行配置,通常容易在空调区出现“过冷”或“过热”的现象,能源浪费现象显著。据相关研究表明,通风空调系统产生能耗约占整个地铁用电负荷40%。基于此,深入探究地铁站通风空调系统节能运行模式,对推动地铁经济发展具有显著意义。

目前,国内外众多学者针对地铁车站通风空调调控策略及地铁车站热环境进行了研究。路肆鉴[5]对配备空调装置和开式环境控制系统的地铁车站热环境的动态变化规律进行研究。李俊[6]针对典型地铁站现有空调负荷的计算方法进行研究。陈思伊[7]以西安市两典型地铁车站为研究对象,对地铁车站的热环境以及人体的热舒适进行研究。杜彬[8]通过分析现有地铁车站的结构特点,对通风空调系统的节能运行模式进行研究。张旭[9]运用CFD软件模拟的模拟方法,对地铁车站出入口的活塞风进行研究,提出一种新型的测算活塞风效应的方法。刘亚成[10]对车站的隧道通风系统、大、小系统、水系统、备用空调系统设计方案及节能控制系统进行研究。Xue P等[11]运用实验和模拟相结合的方法,对地铁车站和车站隧道中的三维非定常气流进行分析。Adnan Mortada等[12]运用CFD模拟方法对伦敦典型地铁车站进行建模,研究影响地铁站热环境的主要因素。

以上研究表明,目前国内外对于地铁站内热环境的研究主要集中在活塞风、屏蔽门等对车站热环境的影响,对于逐时调整空调运行模式以达到节能优化目的的研究较少。为保证地铁车站乘客及工作人员的健康和舒适性,本文应用模拟软件开展基于地铁客流量预测的通风空调大系统动态调控策略研究,对地铁站空调大系统的风机进行合理的调节控制,使地铁车站空调大系统设备提供的冷量能较好地满足地铁车站人员的实时需要,降低能耗,为优化地铁空调运行模式提供依据。

1 物理模型

本文以天津某地铁站作为研究对象,以实际大小尺寸建立物理模型,由于地铁车站站台层结构对称,因此建立模型时,以中心轴为界,建立一半车站站台物理模型。在建立物理模型时,将乘客简化为多个长方体,将地铁车站站台围护结构、两侧的屏蔽门均简化为一个面处理,对于照明及广告牌等散热量,均按热量附着到结构面处理。物理模型如图1所示。

2 模拟工况及其方法

2.1 模拟工况

本研究主要研究的影响因子为:车站客流数据计算得到的发热量、空调送风工况(送风温度、送风速度),并对影响因子按照规范进行合理的取值。

人体发热量基于OS-ELM模型客流预测数据得到,选取工作日工况早高峰、晚高峰、平常工况、休息日平常工况及人员较少工况共计5种,取值为71 W/m2,40 W/m2,25 W/m2,11 W/m2,26 W/m2;空调送风工况设置为9种,参考GB 50157—2013地铁设计规范,空调送风温度取值为20 ℃,22 ℃,24 ℃,空调送风速度取值为2 m/s,3 m/s,4 m/s;采用全模拟形式,模拟不同客流量工况地铁车站通风空调不同送风工况下的温度场分布,共计需要完成45个模拟。

2.2 数值模型

地铁车站空调在运行过程中为三维、不可压缩、非稳态、湍流的物理过程,同时为了使问题得到简化,本文将对要建立的数学模型做以下几点假设:

1)为得到室内热环境随时间的变化情况,时间类型设置为非稳态,并考虑重力的影响。

2)将流体设置为理想不可压缩气体。

3)湍流模型选择Standard k-ε模型,参数设置采用默认值。

4)模型求解方法选择SIMPLE算法,满足Boussinesq假设。

5)模型中所有的离散格式选择为二阶迎风格式。

2.3 模拟的边界条件

模型边界条件见表1。

表1 模型边界条件

3 模拟结果及分析

为研究地铁车站客流、送风速度、送风温度对地下车站公共区流场的影响,参照建筑环境学[13]对站台中心位置、人体头部位置(1.7 m标高位置处)进行监测,参照GB 50157—2013地铁设计规范,地下车站公共区站台设计干球温度为28 ℃,通过评价温度达到28 ℃所需时间,分析不同影响因子变化时对地下车站公共区流场的影响。

3.1 空调送风速度的影响

为研究地铁车站通风空调大系统送风速度不同时对车站公共区流场的影响,选择工作日早高峰客流工况,送风温度为20 ℃时,改变空调送风速度,当送风速度为2 m/s,3 m/s,4 m/s时,测点温度随时间变化如图2所示。

通过分析空调送风温度不同地铁车站站台测点温度变化,可以看出,在站台客流、送风温度均相同的情况下,空调送风速度对地铁车站站台流场影响较大,不同送风速度工况下,站台测点温度变化趋势相同,均为逐渐下降的趋势,将图中关键信息进行整理,如表2所示。

表2 送风速度不同对比研究

通过对表2分析,可以看出,早高峰客流对应送风温度为20 ℃,送风风速为2 m/s时,此工况对应的稳定温度为30 ℃,不能满足要求。送风速度为3 m/s,4 m/s时,室内流场满足要求,温度下降速率分别为2.8 ℃/min,3.2 ℃/min,分别通过170 s,150 s达到室内需求温度。分析其原因,这是由于站台发热量一致的情况下,送风风速越大,送入室内冷量越多,温度下降越快。

综上,空调送风速度对车站站台流场影响较大,随着送风速度增大,温度下降速率呈上升趋势。

3.2 空调送风温度的影响

选择工作日晚高峰,送风速度为2 m/s时,改变送风温度,研究空调送风温度变化时站台内流场变化,结果如图3所示。

通过对空调送风温度不同地铁车站站台测点温度变化进行分析,可以看出,随着送风温度的升高,站台公共区测点稳定温度逐渐升高,将图中关键信息进行整理,如表3所示。

表3 送风温度不同对比研究

通过对表3分析,可以看出,送风温度不同时对应不同站台流场测点稳定温度,晚高峰客流、送风速度为2 m/s的情况下,送风温度高于20 ℃时,站台流场温度无法满足要求,送风温度每升高1 ℃,站台公共区测点稳定温度约升高0.9 ℃。

3.3 地铁车站站台客流的影响

通过选择工况1,4,7,10,13研究地铁车站站台客流不同时对车站公共区流场的影响,选定送风温度为20 ℃、送风速度为2 m/s,改变客流数据,工况分别对应工作日(早高峰、晚高峰、平常工况、人员较少工况)、休息日平常工况,分析地铁车站站台客流变化时对站台流场的影响,测点温度随时间变化如图4所示。

通过对图4分析,可以看出,地铁车站客流不同时,测点稳定温度差异较为明显,对图中关键信息进行整理,如表4所示。

表4 地铁车站站台客流不同对比研究

通过对表4分析,当送风温度为20 ℃、送风速度为2 m/s,客流发热量大于40 W/m2时,地铁车站站台层内温度无法满足温度规定要求。工作日平常工况与休息日平常工况,客流发热量相差1 W/m2,两种工况下站台层公共区测点稳定温度基本一致,稳定温度相差0.1 ℃。通过对比表中数据可以发现,随着客流发热量增大,每下降1 W/m2,站台公共区稳定温度约下降0.06 ℃,发热量为26 W/m2,11 W/m2,温度下降速率分别为0.7 ℃/min,1 ℃/min。

综上,地铁车站站台客流的变化会影响车站公共区流场稳定温度,随客流发热量的减小,温度减小速率逐渐上升。

4 地铁车站通风空调大系统动态调控运行策略的提出

通过对45个模拟工况进行计算,并对结果进行整理,得到统计回归所需要的回归资料。利用SPSS软件进行回归统计,得到不同客流、不同空调运行模式下,站台公共区温度由初始温度降低到舒适温度(28 ℃)所用时间的预测模型,以及空调持续运行对应站台公共区稳定温度的预测模型,并利用模拟结果进行验证,在此基础上提出地铁车站通风空调的最佳运行策略。

4.1 站台公共区测点温度降低到28 ℃所用时间预测模型

站台公共区测点温度降低到28 ℃所用时间预测模型ANOVA如表5所示,模型回归方式选用非线性模型。

表5 ANOVAa

通过拟合优度判定系数R2,对模型拟合程度进行检验,该模型R2=0.900,拟合程度较高,得到站台公共区测点温度降低到28 ℃所用时间预测模型:

t=8.035α+0.008β4+88.140γ3+
0.032αβ2-1.413αγ2-21.624βγ2+224 877

(1)

其中,α为人体发热量,W/m2;β为空调送风温度,℃;γ为空调送风速度,m/s。

4.2 站台公共区测点稳定温度预测模型

站台公共区测点稳定温度预测模型,预测模型选用线性模型,模型摘要如表6所示,ANOVA如表7所示。

表6 模型摘要

表7 ANOVAa

模型方程显著性变化值小于0.001,模型方程显著,复合拟合要求。站台公共区测点稳定温度预测模型方程中拟合优度判定系数R2=0.938,拟合优度修正决定系数为0.934,拟合程度较高,得到站台公共区测点稳定温度与影响因子之间的关系式,可以看出,公共区测点稳定温度与各影响因子呈线性相关,与送风速度呈负相关关系,与其他影响因子呈正相关关系,式中因子代表含义与式(2)相同:

T=0.034α+0.935β-2.233γ+11.953

(2)

4.3 预测模型误差检验

运用线性或非线性的拟合方法得到了站台公共区测点温度降低到28 ℃所用时间预测模型以及公共区测点稳定温度2个预测模型,根据模拟结果对2组模型准确度进行验证,验证结果如图5,图6所示。

对2个预测中,模型预测值与模拟值进行误差对比分析,对结果进行分析,计算其平均误差,时间预测模型平均误差为3.25%,稳定温度预测模型平均误差为0.08%,预测模型平均误差均小于20%,因此可以得出预测模型较为准确。

4.4 地铁车站通风空调大系统动态调控运行策略的提出

根据回归分析得到站台公共区测点温度降低到28 ℃所用时间预测模型以及公共区测点稳定温度预测模型,并基于此得到地铁车站通风空调大系统动态调控运行策略,整体思路如图7所示。

确定地铁车站通风空调大系统动态调控运行策略的过程中,首先采集时间因子,根据OS-ELM模型预测得到逐时客流数据,并根据逐时客流数据计算得到人员发热量,输入至地铁车站站台公共区测点稳定温度预测模型,并通过输入送风工况(送风温度、送风速度)判断地铁车站公共区流场温度稳定温度是否小于28 ℃,若不满足则改变送风工况,返回地铁车站站台公共区测点稳定温度预测模型进行计算,若满足即输入至地铁车站站台公共区测点温度降低到28 ℃所用时间预测模型,在送风工况区间(送风温度20 ℃～24 ℃、送风速度2 m/s～4 m/s)不断计算,对符合要求的工况,测点降低到28 ℃所需时间进行比选,选择所用时间小于600 s,且最接近600 s的送风工况,即为该时间状态下对应的车站通风空调大系统最佳运行策略,基于此,控制送风速度及送风温度的变化,完成最佳送风工况的设定。

5 结论

1)地铁车站公共区热环境受地铁车站客流量、空调送风工况(送风速度、送风温度)的影响,随着客流增大、送风速度减小、送风温度上升,公共区测点温度降低到28 ℃所用时间逐渐增加,其中,送风速度对流场影响较大,送风速度由3 m/s增大至4 m/s时,温度下降速率由2.8 ℃/min升高至3.2 ℃/min,随着送风速度增大,温度下降速率呈上升趋势。

2)工作日平常工况与休息日平常工况,站台层公共区测点稳定温度基本一致,稳定温度相差0.1 ℃。随着客流发热量增大,每下降1 W/m2,站台公共区稳定温度约下降0.06 ℃。

3)利用SPSS软件对模拟数据进行回归分析,得到不同客流、不同空调运行模式下,站台公共区温度由初始温度降低到舒适温度(28 ℃)所用时间的预测模型,以及空调持续运行对应站台公共区稳定温度的预测模型,其中时间、稳定温度预测模型与各影响因子分别呈非线性、线性相关关系,测点稳定温度与各影响因子呈线性相关,与送风速度呈负相关关系,与其他影响因子呈正相关关系。

4)在预测模型基础上,提出地铁车站通风空调大系统动态调控运行策略,对应不同时间客流,控制送风速度及送风温度的变化,为优化地铁空调运行模式提供技术依据。