“基于机理-数据联合驱动的航站楼空调系统智能优化调度”融合项目

　　一、总体介绍

　　(一)项目背景

　　机场航站楼作为重要的城市交通枢纽，对城市建设与社会经济发展具有重要的战略意义。近年来，随着国民经济发展和人民生活水平的提高，大力推进机场建设成为适应与日俱增的出行需求的重要途径，促进了我国民航业的快速发展，通航民用机场数量得到快速增加，截止2021年，我国境内共运行有248座机场，航站楼总面积达到1629万m2。航站楼作为机场重要组成部分，具有占地面积、建筑规模大、结构及功能复杂、能耗高的特点，据民航局2017年发布的《民用机场航站楼绿色性能调研测试报告》指出，我国航站楼单位面积电耗为129~281kWh/a，均值为180kWh/a，远高于其他公共建筑的单位电耗61.96kWh/a，为一般公共建筑的2~3倍，其中暖通空调系统运行能耗占比达到50%~70%，节能潜力巨大。因此，降低航站楼空调系统运行能耗、提升航站楼室内环境品质是航站楼运行阶段绿色性能提升的关键。

　　传统基于规则的空调系统控制策略，其调控过程的节能特性高度依赖控制策略的适应性，且通常为根据当前系统运行状态进行调控，无法根据未来时刻负荷提前进行调控策略的规划，在规模大、系统结构复杂、空调能耗高的航站楼类空调系统中，传统基于规则的控制策略虽能满足舒适性需求及系统的正常调控，但并不能保证系统始终处于高效运行状态。随着人工智能技术的快速发展，数据驱动的机器学习方法与物理模型方法为航站楼空调系统的优化调度与决策提供了广阔的应用场景，基于机理-数据联合驱动的航站楼空调系统优化调度可根据负荷预测，提前规划空调系统运行调控策略，确保空调系统在满足航站楼热舒适性前提下，使空调系统处于最佳运行状态，实现空调系统运行节能最大化。

　　(二)项目概况

　　呼和浩特机场为在建新机场，为积极响应国家“双碳”战略目标，实现航站楼智慧运营及节能降碳，针对呼和浩特机场空调系统能耗高、能耗强度大的问题，结合当前人工智能与大数据技术的快速发展，并助力推进“绿色机场”及“平安、绿色、智慧、人文”四型机场建设，创新性提出基于机理-模型联合驱动的航站楼空调系统智能优化调度方案，结合大数据及人工智能算法对航站楼空调负荷进行预测，并基于系统及设备物理机制，构建基于机理与数据联合驱动模型支撑的航站楼空调系统智能优化决策模型，在满足航站楼热舒适性需求前提下，深度挖掘空调系统节能空间，对航站楼空调系统进行全局智能优化，实现航站楼空调系统基于需求匹配的智能优化决策，形成“需求预测-优化模型-智能决策”的航站楼空调系统运行调度创新模式。

　　本项目的建设不仅具有良好的经济效益和示范效应，且该创新调度模式适应性强，可广泛推广应用于建筑、轨道交通、工业等领域的空调系统优化调度，具有显著的社会效益。

　　二、主要做法

　　(一)航站楼短时空调负荷在线预测算法设计

　　航站楼空调系统的优化调度对降低其整体运行能耗至关重要，而优化调度的关键在于空调供冷需求的准确预测。为此，提出了基于PSO(粒子群优化算法)-ELM(极限学习机)组合算法的航站楼短时空调负荷预测模型，充分利用ELM算法的训练速度快、泛化性能好、便于工程快速部署的特点，以及PSO算法的全局寻优能力强、收敛速度快的优势，采用PSO算法对ELM网络的隐层节点数L及正则化系数C等关键模型参数进行寻优，提高了模型的预测精度与鲁棒性。

　　(二)PSO-ELM算法的航站楼短时空调负荷预测

　　采集航站楼历史运行空调负荷、时间特征、客流量、室外综合温度(综合考虑环境干球温度与太阳辐射强度影响，由天气预报获取)等工程特征，采用PSO-ELM算法，实现了航站楼短时空调负荷的准确、快速预测，为航站楼空调系统优化调度决策提供了基础依据。

图 1、基于PSO-ELM算法的航站楼短时空调负荷预测流程

　　(三)基于机理-数据联合驱动的空调系统部件模型构建

　　基于空调系统部件物理过程及工作特性，并融合数据驱动，构建了基于机理-数据联合驱动的空调系统部件模型，包括冷水机组、冷却塔、水泵等核心部件的能耗模型及系统多部件联合运行能耗模型。各部件的联合驱动模型在应用历史数据进行学习训练后，实现了模型部件的性能预测与分析，提高了模型的精度与可解释性。

　　(四)航站楼智能优化调控策略模型构建

　　基于构建的空调系统部件的机理-数据联合驱动模型，以PSO-ELM预测的航站楼短时空调负荷为需求，以航站楼空调系统综合运行能耗最低为优化调度目标函数，构建了航站楼智能优化调控策略模型，确定了优化调度模型的决策变量、约束条件及惩罚函数，可实现在航站楼空调负荷需求及约束条件下的空调系统的优化决策，实现空调系统的可靠、高效运行，降低空调系统的运行能耗与碳排放。

　　三、取得成效

　　(一)为航站楼空调系统智能优化决策提供创新解决方案

　　采用PSO-ELM算法，根据航站楼历史负荷、客流量、室外综合温度等特征量，实现短时空调负荷的快速、准确预测，并适应现场部署的计算效率与计算资源的需求。该算法实现了航站楼短时空调负荷预测误差MAPE在5.5%以内，预测模型的决定系数超过0.99，具有良好预测性能与泛化能力，为航站楼空调负荷的在线快速预测提供了可靠的算法支持，也为航站楼空调系统的优化调度及节能运行提供了基础保障。

图 2、训练集预测与实际值对比                                                               图 3、验证集预测与实际值对比

图 4、训练集预测结果对比                                                                         图 5、验证集预测结果对比

表1、PSO-ELM负荷预测性能

　　针对空调系统建模中单一数据驱动模型可解释性差、依赖大量高质量数据，以及传统物理模型精度有限、构建复杂等问题，构建了机理-数据联合驱动模型，融合了物理机制与数据学习能力，在保证模型可解释性的基础上，有效提升预测精度与泛化能力，实现了在预测精度、可靠性、工程成本与实践可行性之间的良好平衡。基于机理-数据联合驱动的空调系统冷水机组及冷却塔模型预测结果如下图。

图 6、冷水机组性能预测模型结果

图 7、冷却塔性能预测模型结果

　　基于部件的机理-数据联合驱动模型，构建了以系统综合能耗最小为优化目标的航站楼空调系统智能优化调度模型，在以PSO-ELM预测负荷为需求下，实现航站楼空调系统运行过程的智能决策。

　　(二)经济效益突出

　　呼和浩特机场航站楼建筑规模及体量大，全年空调及供暖能耗高，航站楼总设计冷负荷31680kW，热负荷35130kW。航站楼空调负荷及空调系统运行能耗除受室外环境参数影响外，客流量分布及内部设备等对负荷影响显著。传统基于规则的空调系统控制策略在保障系统正常可靠运行基础上，可实现系统运行的基本节能，但并不能通过全局寻优方式实现系统的最佳运行调度，故存在较大的节能空间。项目基于短时负荷预测，明确负荷需求，构建基于机理-数据联合驱动模型，确保模型预测的准确性，并通过全局寻优，构建基于能耗最低的优化调度模型，深度挖掘系统节能空间，实现系统最佳运行状态及节能能力最大化，相较传统基于规则的控制方式，本项目智能控制可实现20%的节能空间，可显著降低航站楼全年空调系统运行能耗及费用，经济效益明显。

　　(三)社会示范效应

　　本项目针对呼和浩特机场空调系统优化调度需求，提出的“负荷在线预测+机理-数据联合驱动+智能优化决策”的运行调控模式，不仅实现了本航站楼空调系统运行的优化调度，深度挖掘航站楼空调系统运行环节的节能空间，保障空调系统高效、可靠运行，为航站楼运营带来经济效益，同时，本项目的智能优化调控方法和模式具有良好的移植性和推广下，可为其他类似公共建筑空调系统的运行控制提供创新解决方案，对建筑及工业领域空调系统的智能化调控、降低运行能耗与排放具有重要的工程示范意义。