Energy saving control model for metro stations based on optimal control method
-
摘要:
针对地铁车站空调通风系统能耗高的问题，文章提出一种基于最优控制方法的地铁车站节能控制模型。利用厦门市某地铁车站能源管理系统的实测数据，借助瞬时系统模拟（TRNSYS，Transient System Simulation）程序构建该地铁车站的空调通风系统能耗模型，在此基础上，提出一种基于多目标优化问题的最优控制方法，即：建立该优化问题的能耗代价函数和温度误差代价函数，采用最速下降法得到最优解，再利用粒子群算法验证解的全局最优性。试验结果表明，相比定频控制和粒子群（PSO，Particle Swarm Optimization）改进的PID（Proportional-Integral-Derivative）控制，最优控制方法提高了响应速度，减少了调节时间，降低了稳态误差，节能率分别提高了38.68%和8.1%。通过优化计算全局最优控制量矩阵，完成空调通风系统冷负荷动态匹配，实现了降低温度偏差和空调通风系统总能耗的目标，提高了节能控制系统的控制性能与经济性。
Abstract:This paper proposed an energy-saving control model for metro stations based on optimal control method to address the issue of high energy consumption in air conditioning and ventilation systems, used the measured data of the energy management system of a metro station in Xiamen City, and constructed the energy consumption model of the air conditioning and ventilation system of the metro station with the help of the Transient System Simulation (TRNSYS) Program. Based on this, the paper proposed an optimal control method based on multi-objective optimization problem, that was, establishing the energy consumption cost function and temperature error cost function of the optimization problem, using the steepest descent method to obtain the optimal solution, and then using particle swarm optimization algorithm to verify the global optimality of the solution. The experimental results show that compared with fixed frequency control and Particle Swarm Optimization (PSO) improved PID (Proportional Integral Derivative) control, the optimal control method improves response speed, reduces adjustment time, lowers steady-state error, and increases energy savings by 38.68% and 8.1%, respectively. This paper optimizes the calculation of the global optimal control matrix to achieve dynamic matching of cooling load in the air conditioning and ventilation system, achieving the goal of reducing temperature deviation and total energy consumption of the air conditioning and ventilation system, and improving the control performance and economy of the energy-saving control system.
-
为确保铁路安全和平稳运营，铁路运营部门需要定期对铁路周边一定范围内进行定期巡视和隐患排查，当前的铁路外部环境主要是通过人工定期实地巡查的方式来完成，存在数据空间信息量缺失、自动化、信息化水平低、数据不规范和作业模式落后等问题，为铁路的安全运营埋下了巨大的隐患。
针对以上问题，国内诸多铁路工作者进行了相关的研究和信息化的探索。文献[1]深入分析铁路沿线外部环境安全隐患成因，针对严峻的铁路沿线外部环境安全现状，从制度方面给出了铁路沿线外部环境安全管控对策。文献[2]构建了重庆高铁外部环境安全监测系统，解决了防洪、防风、滑坡坍塌等方面的铁路外部环境问题，但并未对全线的安全隐患诸如彩钢房、取土挖沙等进行系统性的管理。文献[3]设计与实现了铁路外部环境安全管理系统实现了对铁路外部环境的闭环管理，该系统仅限于PC端进行使用，并无移动端的配套巡检系统。文献[4]基于高分辨遥感变换检测技术和北斗智能巡检终端巡检技术，开展了京沪高铁周边环境安全隐患智能监测体系研究，但未建设一个完整的应用型平台。
笔者在此基础上，与相关铁路运营单位进行深度合作，深入研究铁路外部环境管理工作业务流程，着力于铁路沿线安全隐患的管理，制定了一套完整、规范化的工作流程,基于混合开发模式设计实现一个PC和移动端全覆盖的铁路外部环境管控地理信息平台，提升铁路外部环境问题管控水平。
1 混合开发模式简介
混合开发（Hybrid Development）技术，即是将传统的C/S架构和B/S架构进行深度融合，取长补短，共同构建一个高性能的平台性应用，具有跨平台能力强、突破本地与网络安全策略限制、兼容性好[5]界面美观、更新迭代简单、知识产权安全开发效率高[6]等优点。混合开发模式PC端混合模式采用基于Chromium嵌入式框架的开发方式，移动端则采用Hybrid App下的WebView开发作为依托。
1.1 Chromium嵌入式框架
Chromium嵌入式框架（CEF，Chromium Embedded Framework），简称CEF框架。它本质上是一个基于谷歌浏览器内核（Google Chromium）的Web browser控件[7]，支持Windows、Linux、Mac平台。CEF框架基于谷歌浏览器开源而来，很好的继承了其简单、高速、安全等优点，支持.net、Python、Java、Delphi等主流语言进行定制化开发，其开发成果具有与Chromium近乎一样的性能。
CEF框架提供了一个用以代替原生WebBrowser控件的ChromeBrowser控件，通过此控件可以便捷访问本地或者网络的HTML页面，通过C#语言与JavaScript的互相调用完成业务逻辑的实现，开发者不仅可以通过代码对网页的各项事件进行重载，还可以调用Chrome商店的各类功能强大的插件或定制化开发相关插件，满足自身特殊化需求。
1.2 Hybrid App下的WebView开发技术
Hybrid App是指的介于Web App和原生App之间的一种混合式应用[8]，使用客户端语言（Android端主要为Java，IOS端主要为OBJECT-C）和Web语言进行开发，兼具Web App的跨平台性和原生App的良好的用户体验，同时开发成本和难度都较原生App要低很多，是目前移动端开发最为流行的开发模式。在Android平台下，Hybrid App开发模式主要围绕WebView控件开展。
WebView是一个Android SDK中自带的一个原生控件，它的主要作用是在移动App中实现Web资源的加载，利用原生代码为Web提供所需本地软硬件资源。WebView开发原理，如图1所示。
近年来，随着移动端应用需求的持续增强，国内外许多公司也对WebView进行的进一步的优化。如TBS腾讯浏览服务[9]采用内核级替换的方式对移动端WebView进行优化，浏览速度、稳定性及兼容性都有了一定的提升，也加入了一些诸如海量视频格式支持、适屏排版、夜间模式等丰富的功能，逐渐成为国内Android开发者的首选框架。
2 平台的设计与实现
基于混合开发模式技术，研究完成了铁路外部环境管控地理信息平台的设计和实现，主要包含了数据库设计、平台架构设计以及功能模块的设计与实现。
2.1 数据库设计
2.1.1 平台数据介绍
平台数据库设计遵循数据独立性高、共享度高、冗余度低和易扩展移植的设计理念，将所有数据分为4个子数据库。
（1）铁路空间地理信息数据库
主要铁路线路的要素地理信息数据和铁路外部环境隐患数据。第1类数据主要包含铁路精准线位、百米标矢量点数据、安全保护区等矢量数据。第2类数据为本平台的核心数据——铁路外部环境隐患地理空间数据。
（2）铁路运营管理业务数据库
此类数据为铁路运营管理的业务数据，主要铁路运营单位内部工区、车间、站段的里程划分范围数据，其存储形式为数据库表格。
（3）铁路周边影像数据库
铁路沿线的高分影像，其存储形式为GeoTiff格式数据和切片格式。另还有基于天地图的全球高清影像服务和矢量地图数据[10]。
（4）元数据库
为保障平台数据的规范化和标准化，设计元数据库对整个平台的数据的标识、结构、内容、状况、规范及相关特征的描述进行存储。
2.1.2 数据组织与设计方式
（1）Oracle Spatial空间数据库
本平台中的铁路空间地理信息数据库和铁路内部管理业务数据库统一存放在标准的数据管理环境中[11]，其中，矢量数据以FeatureClass形式存储，非矢量表格数据以Table形式存储。
（2）ArcServer海量地理数据管理
铁路周边影像数据使用ArcServer地理数据管理方案进行管理[12]，以时间节点为最小单元，将同一时间节点的影像数据制作栅格镶嵌数据集，发布为符合OSG标准的影像服务，以供调用。
（3）文件系统格式
针对本平台中的元数据和相关音频、图像文档等文件，采用文件格式对其进行存储。
2.2 平台架构设计
2.2.1 逻辑架构
在统一的标准规范的支撑和约束下，平台自下而上可分数据层、服务层、应用层和用户层[13]，具体如图2所示。
（1）用户层：设计具有多元性，主要面向以下几类用户：铁路局一线巡检人员、铁路局车间或工区负责人、地方政府相关安全负责。
（2）应用层：本平台主要包含2个子系统，分别是PC端铁路外部环境管控系统和移动端铁路周边环境智能巡检App。
（3）服务层：主要提供以下几种服务：铁路沿线高分卫星地图服务、铁路定位服务（包括铁路里程、偏距、方位、工区、车间、工务段等隶属信息）、铁路周边风险源查询服务。
（4）数据层：具体见2.1节数据库设计部分。
2.2.2 物理架构
平台将数据库及云计算模块统一存放在服务器端，用户使用PC客户端或者移动客户端通过互联网与服务器建立加密通信[14]。物理架构图，如图3所示。
为保证了数据的安全性和私密性将数据存放于服务器，同时将复杂的计算和数据处理流程交由服务器进行也能减轻客户端的压力，减少对客户机的性能需求，使整个平台的适用性和经济性增强。
2.3 功能模块设计
根据铁路外部环境管控的实际业务需求，将整个平台分为PC端铁路外部环境管控系统和移动端铁路周边环境智能巡检App两个子系统，功能模块分别，如表1所示。
表 1 平台功能模块子系统 功能模块 PC端铁路外部
环境管控子系统●隐患空间分布图浏览、属性信息查询 ●隐患台账、报表查看、导入、及标准化报表导出 ●隐患信息维护 ●隐患闭合环全生命周期管理 ●隐患多角度、深层次统计分析 ●巡检人员实时位置追踪、历史轨迹查看 ●铁路沿线高分辨率影像查看及历史影像回溯 移动端铁路周边
环境智能巡检App●隐患空间分布图浏览、属性信息查询 ●隐患日常巡检（包含信息修改、现场录音及
照片上传）●隐患（发现+上报+巡检+整治+销号+审核）
闭合环全生命周期管理●巡检人员实时高精度定位（行政区地址定位、
铁路方位定位）●空间量测，包括距离量测及面积量测 2.4 平台关键技术介绍
2.4.1 移动GIS技术
GIS具有强大的空间数据管理和分析能力，移动GIS技术在现有GIS优点的基础上，凭借其多终端、移动性和服务实时性等特点备受开发者的青睐。系统从空间、时间和社会属性等全方面的对铁路的外部隐患进行管控，依托ArcServer平台和Oracle Spatial空间数据库，采用Openlayers地图框架对问题库进行全方位管理，将移动GIS技术深入应用到铁路外部环境管控中。
2.4.2 高度自动化的问题信息计算提取技术
铁路外环境问题属性复杂，为尽可能的减少铁路外环境管理人员的维护工作量，本系统在深入分析铁路外环境工作业务流程的基础上，对铁路基础运维数据进行了特殊化处理，实现了铁路外环境问题属性信息的高度自动化提取：如里程范围、工务段、车间、线路、区间信息、线路形式、风口信息、车站范围、是否路内外、是否安保区、面积、所属行政区、铁路地方双段长信息等均可以实现自动化提取。
3 平台应用介绍
平台建设完成后，于2019年12月在某铁路局高铁工务段展开实验性应用。铁路外环境专项整治期间，完成了铁路局管内高速铁路外部环境7000余处隐患问题的建档和管理工作，其中，工务段管理人员通过系统的统计分析功能对路外环境隐患问题有了详尽的掌握，多次依托本平台进行铁路局管内铁路外部环境问题的相关汇总，与地方政府沟通交流，实现问题销号近四千条。一线巡检人员采用移动巡检终端，实现了对每个问题的现场巡查，累积上传隐患现场照片3万余张，有力的推动了该铁路局内铁路外部环境整治工作。
4 结束语
本文研究建立了一套完整的铁路外部管控综合解决方案，并为之设计和搭建了铁路外部环境管控地理信息平台。平台采用混合开发模式，实现了铁路外部环境问题的铁路内外互联互通和分级管理，将问题管理和GIS技术相结合，提高了问题管理的科学性和信息化程度，摒弃传统人工作业模式，采用移动智能终端进行外业巡检，提高了外业问题记录的精确程度和自动化程度。目前，平台已在实践中取得了良好的效果，下一步，笔者将继续探究平台中高分影像动态监测[15]、二维码等先进技术手段的应用，相信随着其深层次发展，可以建立新的铁路外部环境管控标准化作业流程和规范，为铁路运营单位的外部环境管控工作提供良好的借鉴。
-
表 1 计算结果对比
定频控制 PSO-PID 最优控制λ=0.8,μ=0.02 代价函数 0 18.82 19.68 计算时长 0 317 s 824 s 温度误差 31.05 36.55 17.46 能耗函数 261.6 162.698 158.809 
下载: 导出CSV
表 2 权重系数影响
μ=0.001 μ=0.005 μ=0.02 代价函数 14.42 14.96 19.68 温度误差 17.78 17.63 17.46 能耗函数 192.022 172.365 158.809
下载: 导出CSV
-
[1] 朱莉莉. 电能质量管理系统及其在城市轨道交通的应用[J]. 铁路计算机应用,2017,26(5):69-72. [2] 龙广钱,尹逊政. 城市轨道交通列车节能控制策略研究[J]. 铁路计算机应用,2018,27(7):90-94. [3] 李少波,李 严,林 菁,等. 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. [4] Simpeh E K, Pillay J P G, Ndihokubwayo R, et al. Improving energy efficiency of HVAC systems in buildings: a review of best practices[J]. International Journal of Building Pathology and Adaptation, 2022, 40(2): 165-182. DOI: 10.1108/IJBPA-02-2021-0019
[5] 姚国梁. 空调变频水泵节能问题探讨[J]. 暖通空调,2004,34(6):32-34. [6] 杨 昭,余龙清,马 锋,等. 地铁通风空调系统的逐时优化节能控制策略[J]. 天津大学学报(自然科学与工程技术版),2012,45(7):599-603. [7] 赵明名,吕子强,沈剑挥. 冷冻水泵节能运行模拟分析[J]. 辽宁科技大学学报,2022,45(1):71-75. [8] Homod R Z, Gaeid K S, Dawood S M, et al. Evaluation of energy-saving potential for optimal time response of HVAC control system in smart buildings[J]. Applied Energy, 2020 (271): 115255. DOI: 10.1016/j.apenergy.2020.115255
[9] 闻 彪,吴 庆,洪学新. 地铁通风空调系统节能研究[J]. 建筑节能,2010,38(4):32-34. [10] 林晓伟,王 侠. 地铁通风空调系统的优化控制[J]. 城市轨道交通研究,2012,15(11):100-104. [11] 蔡 林,李瑞宁,张 昆. 地铁车站风水联控节能策略探讨[J]. 机电工程技术,2023,52(8):291-294. [12] 李元阳,方 兴,胡 钦,等. 某地铁车站通风空调系统风水联动控制方法及应用[J]. 暖通空调,2023,53(S2):226-231. [13] Yildiz O F, Yilmaz M, Celik A. Reduction of energy consumption and CO2 emissions of HVAC system in airport terminal buildings[J]. Building and Environment, 2022(208): 108632. DOI: 10.1016/j.buildenv.2021.108632
[14] Trčka M, Hensen J L M. Overview of HVAC system simulation[J]. Automation in Construction, 2010, 19(2): 93-99. DOI: 10.1016/j.autcon.2009.11.019
[15] Yu Y Z, You S J, Zhang H, et al. A review on available energy saving strategies for heating, ventilation and air conditioning in underground metro stations[J]. Renewable and Sustainable Energy Reviews, 2021(141): 110788. DOI: 10.1016/j.rser.2021.110788
[16] Yang Y, Hu G Q, Spanos C J. Stochastic optimal control of HVAC system for energy-efficient buildings[J]. IEEE Transactions on Control Systems Technology, 2022, 30(1): 376-383. DOI: 10.1109/TCST.2021.3057630
[17] 陈 峥,刘海东,潘 雷,等. 基于自适应模型预测控制的地铁车站节能环控系统[J]. 制冷与空调,2023,23(8):60-66,77. [18] 王丽慧. 地铁活塞风与地铁环控节能[D]. 上海:同济大学,2007. [19] Ren Z H, Kim J I, Kim J. Assessment methodology for dynamic occupancy adaptive HVAC control in subway stations integrating passenger flow simulation into building energy modeling[J]. Energy and Buildings, 2023(300): 113667. DOI: 10.1016/j.enbuild.2023.113667
[20] Xu Y, Gao W J, Qian F Y, et al. Potential analysis of the attention-based LSTM model in ultra-short-term forecasting of building HVAC energy consumption[J]. Frontiers in Energy Research, 2021 (9): 730640. DOI: 10.3389/fenrg.2021.730640
[21] 檀姊静,贺思渝,赵敬源. 地铁车站空调系统瞬态能耗预测模型及应用研究[J]. 西安建筑科技大学学报(自然科学版),2023,55(1):147-153. [22] 刘巧玲,傅思劼,范 波,等. 基于TRNSYS和Fluent相结合的模拟方法[C]//上海市制冷学会2011年学术年会,2011-12-18,上海. 上海:上海市制冷学会,2011. [23] 葛宣鸣,杜志敏. 建筑空调系统基于TRNSYS-FLUENT的混合仿真研究[C]//上海市制冷学会2015年学术年会,2015-12-18,上海. 上海:上海市制冷学会,2015. [24] 孟 华,孙 浩,裴 迪,等. 基于聚类及优化集成神经网络的地铁车站空调负荷预测[J]. 同济大学学报(自然科学版),2021,49(11):1582-1589. [25] 丁瑞华,崔承刚,王逸轩,等. 基于深度强化学习的数据中心空调系统优化控制[J]. 低温与超导,2022,50(9):79-85,100. [26] Pandey B, Banerjee R, Sharma A. Coupled EnergyPlus and CFD analysis of PCM for thermal management of buildings[J]. Energy and Buildings, 2021(231): 110598. DOI: 10.1016/j.enbuild.2020.110598
[27] 庄炜茜. 武汉地区地铁车站通风空调系统的节能控制研究[J]. 暖通空调,2010,40(5):39-43. [28] 张永超,赵录怀,陈永恒. 地铁车站空调水系统自动控制和节能控制系统设计[J]. 工业仪表与自动化装置,2020(2):102-104. [29] 刘 俊,车轮飞,於 泽,等. 典型地铁站通风空调控制系统节能改造分析[J]. 暖通空调,2023,53(S2):250-253. [30] 宋美艳,王 亮,朱沁萱. 基于逐时客流量的地铁站空调系统动态负荷研究[J]. 西南科技大学学报,2022,37(2):58-63. [31] Gordon J M, Ng K C, Chua H T. Centrifugal chillers: thermodynamic modelling and a diagnostic case study[J]. International Journal of Refrigeration, 1995, 18(4): 253-257. DOI: 10.1016/0140-7007(95)96863-2
[32] 付 朋,张吉礼,赵天怡. 中央空调冷水机组性能模型实验研究[J]. 建筑热能通风空调,2016,35(3):1-5.
计量
- 文章访问数: 21
- HTML全文浏览量: 4
- PDF下载量: 5
