logo

地铁站通风空调系统实测分析及负荷特性研究

智能制造与装备

地铁站通风空调系统实测分析及负荷特性研究

正宁
文强
春辉
铁道科学与工程学报第21卷, 第11期pp.4746-4755纸质出版 2024-11-28
1000

通过对西安地铁既有线通风空调系统进行实测调研分析,发现实际运行工况严重偏离设计工况。早晚高峰客流量仅为设计条件下30%~42%,公共区温湿度控制效果不佳,系统供冷量大于真实冷负荷,供冷量变化无法反映真实冷负荷需求,造成无端能源浪费和系统运行成本增加。为研究末端真实冷负荷特性,基于实测进出站客流量对2个站人员冷负荷进行计算分析,并采用TRNSYS软件对站厅和站台冷负荷进行仿真模拟。研究结果表明:影响人员冷负荷变化的主要是进站客流,而进站客流特性又受周边建筑类型影响。当站周边主要为办公建筑时,人员尖峰冷负荷出现在晚高峰,峰值较高且持续时间相对较短。此类站,采用逐时客流量计算人员负荷时间步长过长。周边主要为居住建筑时,人员尖峰冷负荷出现在早高峰,峰值相对较小,且持续时间相对较长。仿真条件下,地铁站公共区尖峰冷负荷变化呈峰值高、时长短的特点,非尖峰时段负荷较低,典型日平均冷负荷仅为尖峰冷负荷的45%;实测4个站站厅温度普遍偏低,计算发现站厅在站人数较少,人员负荷较低;设计工况下,某站厅和站台送风量比为4∶5,而仿真冷负荷比为1∶4,站厅送风量严重偏大,导致站厅供冷量过剩;综上,建议根据不同站的客流特性和负荷特性对通风空调系统控制策略进行优化,并加强对站厅送风和回风风量的控制。当室外日最高温度低于28.5 ℃时,可考虑关闭站厅空调。研究结果可为地铁通风空调系统设计和运行优化提供理论依据。

地铁站客流分析通风空调负荷特性仿真模拟

“双碳”背景下,城市轨道交通节能降碳成为重点问题之一,地铁通风空调系统由于能耗占比大[1]、运行时间长以及室内温度控制不佳[2],具有较大节能潜力[3]。地铁通风空调设计是以满足远期客流量下的通风与空调需求为条件,导致设计工况跟实际运行工况偏差较大。当前地铁既有线通风空调控制系统大多采用环境设备监控系统(Building Automation System, BAS),且多为单目标反馈控制,未能基于实际动态冷负荷变化从系统角度出发对空调设备进行控制,导致供需不匹配,控制效果不佳[4-5],造成无端能源浪费和运行成本增加。针对地铁公共区动态负荷的研究,包括实测分析[6-7]和仿真模拟[8-9],然而研究并未关联实际进出站客流量和发车对数对公共区负荷的影响,人员和渗漏负荷计算仍采用逐时估算方法,这会造成负荷计算不合理[10]。李子浩等[11]基于深圳地铁系统数据对进出站客流特性分析,实现对车站的分类。高志宏等[12]通过对重庆屏蔽门地铁站渗透风量进行现场测试分析,发现屏蔽门渗入风量主要为列车停靠站台阶段。李少波等[13]基于厦门地铁实测数据发现,站厅和站台的实际温度较低,对设备散热负荷进行测试发现设备实际散热负荷远小于设计值。杨乐等[14-15]对多种通风空调系统运行模式和运行策略进行研究,优化后可实现在较低的能耗下运行。结合设计条件与实际运行工况,对客流量、公共区空气环境参数以及通风空调系统运行情况进行分析,指出车站通风空调系统运行管控中存在的问题。进一步分析地铁车站通风空调系统真实负荷特性和实际运行效果不佳的原因,基于实测调研数据,分析人员负荷变化,并对实测站公共区冷负荷进行仿真模拟和量化分析。

1 调研站基本情况

由地铁公司组织对地铁2号线A、B站,4号线C站以及14号线D站共计4个站进行现场调研,3条线投运时间依次为2011.9、2018.12、2021.6,4个站均为屏蔽门系统。4个站源侧的冷机、冷却塔、冷冻水泵以及冷却水泵均按照一用一备的冗余配置模式运行,组合式空调机组(Air Handling Units, AHU)及回排风机则均采用无冗余配置运行。主要设备铭牌参数见表1,其中,A、B站空调水系统设备配置相同,A、B、D站冷机采用双压缩机螺杆机组,C站采用变频螺杆机组,C、D站拥有节能控制系统。

表1
4个站主要设备参数
站名冷机制冷量与功率/kW冷却与冷冻泵流量/(m³∙h-1)AHU风量/(m³∙h-1)与冷量/kW运行模式
A514/98.2125/100B(60 000/335)*2BAS
B514/98.2125/100A(60 000/404)B(28 000/150)BAS
C645.7/114.6147/125A(61 146/333)B(61 146/333)BAS/节能
D857.6/141.6130/114A(61 580/410)B(61 580/410)BAS/节能
展开更多

2 通风空调系统实测分析

2.1 客流特性

不同地铁车站的客流特性不同[16],实测A、B站5日早晚高峰时段进出客流变化如图12所示(其中6.10和5.20为周六,早高峰7:30―9:00,晚高峰17:30―20:00,采样间隔为30 min)。分析发现周内客流量曲线和周末客流曲线呈明显不同变化趋势,周内客流呈明显的双峰特征,而周六客流变化则相对比较平缓。

图1
A站早晚高峰时段总客流变化
pic
图2
B站早晚高峰时段总客流变化
pic

设计工况下早晚客流按远期2036年预测计算,A、B站早/晚高峰预测小时客流量分别为15 225/11 953、17 906/13 006。2个站实际早晚高峰客流与预测客流量对比见表2,周内实际高峰时段小时客流仅为预测值的30%~42%,周六为17%~32%。

表2
高峰时段2站客流与远期预测值对比
站名A站B站
日期6.306.206.105.305.206.306.206.105.305.20
早高峰6 9656 8313 1177 0393 6444 6304 7422 6314 5562 591
实际/预测%38.9038.1517.4139.3120.3530.4131.1517.2829.9217.02
晚高峰5 4364 9743 7665 3214 1374 5804 4433 4274 1883 625
实际/预测%41.8038.2428.9640.9131.8138.3237.1728.6735.0430.33
展开更多

对比A站和B站客流变化曲线发现,虽然2个站日总客流量差异不大,但进出站客流曲线特性存在明显差异如图3所示。相较于B站,A站峰值更高、变化更陡、峰值时间更短。分析原因可能由于A站周边办公建筑与商业建筑居多,早高峰客流主要为进站人员,晚高峰主要为出站人员。而B站周边以居住建筑为主,早晚进站与出站客流变化与A站相反。

图3
2个实测站早晚高峰时段进出客流统计
pic
2.2 公共区空气环境参数

设计工况下,站台和站厅温度分别为28(±1) ℃和30(-2) ℃,相对湿度45%~65%,CO2浓度小于1 500 ppm。实测公共区环境参数数据通过BAS系统进行采集监控,站厅和站台温湿度及CO2浓度传感器各布置4个,沿长度方向中轴柱子均匀布置于距地面2 m处。温湿度传感器为HF332-WB1,测温范围-40℃~60 ℃,温度精度0.3K@25 ℃;湿度测量范围,0~100%,湿度精度±3%;CO2浓度传感器为GE5003,测量范围0~2 000 ppm,精度±100 ppm@22 ℃;连续1周在非高峰客流时段的固定时刻采集站内传感器数据,得到A站温度分布见图4,其中T_101~T_104和T_201~T_204分别为站厅与站台4个温度传感器数据。分析发现,虽然不同区域温度传感器数值存在差异,但在非高峰客流时段站台和站厅室内温度明显小于设计工况,尤其是站厅温度,普遍低于站台温度。

图4
A站8.15~8.21固定时刻室内温度统计
pic

4个站公共区环境参数见表3,各站站厅温度控制效果不佳,存在过冷情况,这导致运行能耗增大。相较于A站和B站,C、D站温度控制效果有所提升,但相对湿度控制不佳,均严重超出湿度控制范围。公共区CO2浓度值均远小于1 500 ppm,且站台的CO2浓度值普遍高于站厅。

表3
4个站公共区空气环境参数
站名站台温度/℃站厅温度/℃站台湿度/%站厅湿度/%站台站厅CO2浓度ppm
A26.425.8<65<65770/620
B28.727.5<65<65597/267
C27.126.875.677880/427
D26.727.284.888.5863/471
展开更多
2.3 通风空调设备运行

4个站冷却水泵均工频运行,A、B站冷冻水泵工频运行,风机为手动变频运行;C、D冷冻泵及送回风机可通过节能模式实现变频运行,主要设备运行参数见表4。根据调研,实际运行期间即使最热月各站也只需开启一台机组,运维人员可远程或就地对冷冻水出水温度设定进行重设,但日内很少调控,基本维持定值运行。4个站冷却水泵实际流量严重偏离名义工况流量,偏差依次为22%,22%,-28.6%,-20%。

表4
4个站主要设备实际运行参数
站名

压缩机

容量比/%

冷却(冷冻)

供回水温度/℃

设定温度/℃

冷冻(冷却)水流

量/(m³∙h-1)

冷冻泵频率/Hz末端二通阀开度/%

送风机

频率/Hz

A84.933.1/34.8 (9.1 /11.8)9112.3(153.3)工频17.744.9
B57.630.8/32.3 (8.9/11.0)996.7(154.9)工频70.744.9
C2029.4/30.6 (11.6/13.4)1262.6(104.7)25520.7
D102.629.6/33.0 (12.9/17.7)1357.1(105)29.710.624.8
展开更多

8月15日(周二)―8月21日期间A站室外温湿度变化和冷机供冷量变化见图56,其中,室外温湿度采样间隔为1 h,供冷量采样时段为6:10―22:10,间隔为2 h。分析发现,A站冷机运行策略并不合理,8月15日和8月16日典型日下,冷机供冷量基本无变化,而实际负荷会受客流量波动变化,因此存在供需不匹配,冷机供冷量无法反映真实冷负荷需求。实际运行中大系统2台AHU变频风机未进行变频控制,仅进行启停控制,8月17日和8月22日末端2台AHU交替开启,冷机冷量显著降低。对比8月16日(周三),8月18日(周五)室外最高温度30.7且相对湿度少于60%,室外温湿度出现显著下降,而冷机平均冷负荷仅降低10.9%。这表明在使用定频、固定运行策略时,室外温湿度变化对冷机供冷量的影响有限。C站机组运行界面显示冷机运行3 394 h,启动次数却高达14 755次。分析发现,变频螺杆压缩机负载率下限值为20%,当负载率少于20%时,机组面临频繁启停。夜间小系统运行和白天低负荷工况运行均会出现频繁启停,白天C站风机频率和末端二通阀阀门开度过低,下限约束值设置不合理。

图5
A站室外温湿度变化
pic
图6
A站冷机供冷量变化
pic
2.4 存在问题

1) 既有线实测早晚高峰小时客流量远小于预测客流,且高峰时段持续时间短,绝大多数时段均处于低峰客流,导致实际工况下人员冷负荷远远小于设计工况。

2) 控制系统初调节时,BAS模式缺乏对低负荷工况调试,站台和站厅末端风量分配不均,导致站厅过冷、变频机组频繁启停。节能模式动态参数约束条件不合理,例如:冷冻水出水设定温度较高且末端二通阀阀门开度和风机频率过低,导致公共区相对湿度超标。

3) 实际运行调节中,通风空调系统存在供需不匹配、“大马拉小车”情况,导致运行工况严重偏离设备高效运行区间,实际运行能效较低,能耗较大。

3 公共区动态负荷模拟

3.1 建模机理
1) 人员负荷

利用如下公式[8],分别计算站台与站厅在站人数如图7所示,进出站客流采样时间步长为30 min。

pic(1)pic(2)pic(3)

式中:A1A2分别为单位时长进、出站客流量,人次;pic为人流高峰系数,取1.1~1.2;a1a2分别为进站乘客站厅、站台停留时间,min;pic为时间步长(数据采样间隔),min;b1b2分别为出站乘客站厅、站台停留时间,min;其中a1取2,a2取发车间隔时间3~5,b1b2取1.5;pic为集群系数取0.9;qsql为成年男子显热和潜热散热量,W;Gi为站厅或在站人数;站厅30 ℃下,显热和潜热分别取35 W、147 W;站台28 ℃下,显热和潜热分别取47 W、135 W。

图7
2个实测站站厅和站台计算在站人数变化
pic

2个站人员冷负荷变化如图8图9所示。对比站台与站厅在站人数发现,相较于站台,站厅在站人数较少。对比A、B站站台进站人数变化,A站和B站在站人数峰值分别出现在晚高峰和早高峰,A站峰值更高,变化率更陡。对比A站和B站人员冷负荷变化发现,A站人员冷负荷高峰时段出现在晚高峰,而B站出现在早高峰时段。2个站早晚客流高峰时段人员冷负荷变化较大,分析发现人员负荷特性受进站客流影响较大,出站客流对冷负荷的影响相对较小。分析其进出站客流差异的原因,可能与2个站周边业态不同有关。A站以办公、商业为主,而B站以居住建筑为主,这使得A站出站客流高峰集中在上班早高峰,进站客流集中在下班晚高峰,B站则正好相反。因此,对于A类型客流特性,其尖峰负荷值更高,且峰值持续时间更短。B类型峰值负荷则相对较小,且峰值持续时间相对较长。

图8
A站在站人数及人员冷负荷变化
pic
图9
B站在站人数人员冷负荷变化
pic

模拟时周内与周末,2个站站台与站厅早晚高峰客流在站人数系数设置见表5

表5
实测站站台与站厅早晚高峰客流时段在站人数系数
时刻周内周末
A站台A站厅B站台B站厅A站台A站厅B站台B站厅
7:300.150.210.450.440.10.210.290.3
8:000.240.440.820.840.110.260.390.41
8:300.30.9110.160.440.510.52
9:000.210.730.810.170.560.470.51
17:300.410.440.310.380.430.480.610.67
18:000.610.630.470.560.410.480.670.72
18:3010.980.640.770.720.730.590.69
19:000.630.70.520.760.50.570.540.67
19:300.430.470.410.570.430.490.470.56
20:000.290.330.310.40.370.40.390.48
展开更多

2) 屏蔽门渗透负荷

屏蔽门渗透呈周期性变化,其渗透风量与发车对数、渗透缝隙、站与站隧道间距有关。此外屏蔽门漏风的方向跟轨排风机是否开启有关,当屏蔽门打开且轨排风机处于开启状态,由于隧道内负荷会造成站台空气流量降低。而当屏蔽门打开且轨排风机处于关闭状态,由于隧道内空气随列车运动惯性会向站台渗漏。轨排风机关闭时,发车对数和站与站隧道间距对DSP渗风量的影响如图10所示,A站DSP渗风量计算公式[17]如下。

pic(4)pic(5)

式中:Gsl.1 000为地铁隧道站与站间距1 000 m时,屏蔽门渗入站台的风量,m³/h;n为列车发车对数,列/h;f为屏蔽门渗入缝隙面积,m2pic为屏蔽门渗漏风的密度,取1.2 kg/m3Gsl为屏蔽门漏风量,m3/s;hp为站台区空气焓值,kJ/kg。当隧道通过屏蔽门向站台渗入风时,hw为隧道区间空气焓值,取温度35 ℃、相对湿度65%下焓值[18-19],kJ/kg。

图10
DSP渗透风量随发车对数变化曲线
pic
图11
周内典型日发车对数设置
pic

3) 其他负荷

照明负荷采用面积指标法,取9 W/m2,站厅换气次数取5次/h。散热设备类型和数量根据实测统计结果确定,单个设备散热指标参考相关实测数据[20],共36.9 kW。

3.2 负荷模拟结果分析

将上述建模参数导入TRNSYS软件对公共区负荷进行仿真模拟,2个站负荷模拟结果见图1213,其中B站模拟时,仅改变客流特性,其他条件不变。对比站厅负荷和站台负荷变化发现,公共区负荷主要为站台负荷,站厅负荷占比相对较小。室外气象参数变化对站厅冷负荷影响较大,对站台相对较小,当室外温度增高时,站厅冷负荷占比逐渐增大。对比A、B站动态负荷变化发现,A站尖峰负荷出现在晚高峰客流时段,呈峰值高、持续时间短、强周期性特点,B站则早上和晚上均出现尖峰负荷,但峰值相较于A,增长值较小。对比A站周内和周末尖峰时段负荷,周末峰值负荷明显降低,但非尖峰负荷略有增加。

图12
A站站台和站厅冷负荷变化
pic
图13
B站站台和站厅冷负荷变化
pic

设计工况下A站空调风系统风量分配见图14,站厅与站台回风量比为4∶5,而仿真结果显示典型日站厅与站台负荷比为1∶4,这表明设计工况下站台与站厅风量分配不合理,站厅设计风量过大。对于非典型日,当室外日最高温度低于28.5 ℃时,站厅冷负荷可以忽略,此时可考虑关闭站厅空调。由于实际运行过程并不对站厅和站台送风风量分别进行调节控制,仅对变频风机频率进行调节,这导致站厅温度控制失效,站厅温度过低,造成站厅供冷量过剩,风机运行电耗增加。

图14
设计工况下A站空调风系统风量分配
pic

4 结论

1) 不同站客流特性差异较大,峰值大小、出现时间以及持续时间均不同,尖峰客流时段占比较少,仅1~2 h,实际运行绝大多数时间人员负荷仅为高峰时段负荷的30%~50%。由于客流峰值时间较短,若人员负荷计算时间间隔取1 h,且不考虑进出站客流差异进行估算,很难反映实际人员负荷变化。建议高峰时段人员负荷计算时间步长取10~30 min为宜。

2) 办公类人员尖峰负荷出现在晚高峰下班时段,峰值较高,且峰值持续时间相对较短。居住类人员尖峰负荷出现在早高峰上班时段,峰值相对较小,且持续时间相对较长。

3) 室内温度控制不佳,温度普遍偏低,导致系统供冷量变化无法反映真实冷负荷变化。分析实测站厅温度过小的原因,一是由于站厅在站人数相对较少,导致站厅人员负荷较小;二是相较于站台,站厅冷负荷占比小,站厅设计风量严重偏大,导致供冷量远大于实际需求。建议在设计阶段减小站厅的设计风量,并在运行阶段加强对站厅送风量的控制。

4) 尖峰与非尖峰时段应采取不同的运行控制策略,重点对非尖峰负荷时段运行控制策略进行优化,进一步提升通风空调系统运行能效,降低非尖峰时段运行成本。

5) 节能控制系统不应只关注温度上限值,还应关注湿度的控制范围。不能只追求节能量,将冷冻水出水温度设置过高。建议在尖峰与非尖峰负荷时段采取不同的冷冻水出水温度运行策略,上限温度不超过10 ℃。对末端二通阀阀门开度、送回风机频率、冷冻水泵频率设置合理下限约束值,避免运行工况点严重偏离设备高效运行工作区间。

参考文献
1GUAN Bowen, LIU Xiaohua, ZHANG Tao, et al.

Energy consumption of subway stations in China: data and influencing factors

[J]. Sustainable Cities and Society, 2018, 43: 451-461.
百度学术谷歌学术
2SU Ziyi, LI Xiaofeng.

Sub-system energy model based on actual operation data for subway stations

[J]. Sustainable Cities and Society, 2020, 52: 101835.
百度学术谷歌学术
3曾逸婷, 赵蕾.

地铁车站环境热舒适与通风空调系统节能策略研究进展

[J].铁道标准设计,2019,63(3): 178-183.
百度学术谷歌学术
4WANG Yongcai, FENG Haoran, XI Xiangyu.

Monitoring and autonomous control of Beijing Subway HVAC system for energy sustainability

[J]. Energy for Sustainable Development, 2017, 39: 1-12.
百度学术谷歌学术
5曹勇, 丁天一, 于震.

地铁站通风空调控制系统节能优化研究综述

[J]. 建筑科学, 2022, 38(4): 213-228.
百度学术谷歌学术
6齐江浩, 赵蕾, 王君, .

西安地铁车站环境实测及公共区空调负荷计算分析

[J]. 铁道科学与工程学报, 2016, 13(6): 1206-1211.
百度学术谷歌学术
7马江燕.

北方地区冬季地铁车站热环境及其控制策略

[D]. 西安: 西安建筑科技大学, 2021.
百度学术谷歌学术
8马晓明, 李晓锋, 朱颖心.

基于TRNSYS的地铁车站公共区冷负荷预测模型

[J]. 都市快轨交通, 2021, 34(2): 130-136.
百度学术谷歌学术
9YANG Bin, YAO Huangcheng, WANG Faming.

A review of ventilation and environmental control of underground spaces

[J]. Energies, 2022, 15(2): 409.
百度学术谷歌学术
10隋学敏, 王靖宜, 郭磊, .

屏蔽门系统地铁车站空调负荷研究现状及展望

[J]. 铁道标准设计, 2019, 63(12): 141-149.
百度学术谷歌学术
11李子浩, 田向亮, 黎忠文, .

基于客流规律的地铁车站客流风险分析

[J]. 清华大学学报(自然科学版), 2019, 59(10): 854-860.
百度学术谷歌学术
12高志宏, 刘猛, 李子桥, .

地下地铁车站屏蔽门渗入风量计算模型

[J]. 土木与环境工程学报(中英文), 2023, 45(3): 126-133.
百度学术谷歌学术
13李少波, 李严, 林菁, .

基于实测数据的地铁车站公共区空调负荷设计指标优化

[J]. 暖通空调, 2023, 53(3): 61-66.
百度学术谷歌学术
14杨乐.

地铁站用能特征与节能策略研究

[D]. 北京: 清华大学, 2019.
百度学术谷歌学术
15ZHANG Yue, LI Xiaofeng.

Methodology of developing operation strategy for VAC system in subway stations with PSDs and APDs

[J]. Energy and Buildings, 2021, 253: 111525.
百度学术谷歌学术
16王潇然, 许心越, 潘保霏, .

基于地铁客流与建成环境映射关系的新线车站分类方法

[J]. 铁道科学与工程学报, 2024, 21(3): 980-993.
百度学术谷歌学术
17LI Xiaofeng, WANG Ying.

Simulation study on air leakage of platform screen doors in subway stations

[J]. Sustainable Cities and Society, 2018, 43: 350-356.
百度学术谷歌学术
18王春旺, 李晓锋.

轨排风机排热效果实测研究

[J]. 都市快轨交通, 2022, 35(1): 119-125.
百度学术谷歌学术
19齐江浩, 赵蕾, 王君, .

地铁隧道活塞风实测及特征分析

[J]. 铁道科学与工程学报, 2016,13(4): 740-747.
百度学术谷歌学术
20余珏, 李亮, 李晓锋.

基于现场实测的地铁站设备管理用房设备发热量计算方法研究

[J]. 建筑科学, 2017, 33(8): 168-172.
百度学术谷歌学术
注释

刘正宁,王文强,孙春辉.地铁站通风空调系统实测分析及负荷特性研究[J].铁道科学与工程学报,2024,21(11):4746-4755.

LIU Zhengning,WANG Wenqiang,SUN Chunhui.Measurement analysis and load characteristics research on subway station ventilation and air-conditioning system[J].Journal of Railway Science and Engineering,2024,21(11):4746-4755.