机场区域供冷系统梯度优化控制研究

1.引言

1.1 研究背景

随着航空运输业快速发展，机场航站楼作为高能耗公共建筑，其供冷系统能耗占比普遍达 40%-60% [1]。机场负荷具有显著的时空异质性：候机区因人员密集、设备发热形成动态高负荷区，而办公区、走廊等区域负荷相对稳定；同时受航班时刻影响，负荷呈现周期性剧烈波动，早/晚高峰负荷可达平峰时段的1.5-2 倍[2]。传统定流量控制策略因响应滞后、调节粗放，导致系统能效低下且舒适性难以保障。

1.2 研究现状

现有研究主要集中于单一环节优化：冷源侧通过变频技术实现部分负荷调节，输配侧采用压差控制降低输送能耗，末端侧基于反馈机制实现温度闭环[3]。但缺乏对“负荷预测-系统调节-末端响应”全链条的协同优化。

在机场复杂场景下，存在三大技术瓶颈：第一是负荷预测精度不足，传统时间序列模型难以捕捉航班客流与气象参数的耦合影响，峰值负荷预测误差超过 15% ；第二是控制策略分层脱节，中央监控与末端设备缺乏实时数据交互，区域间负荷不均问题突出；第三是多目标优化缺失：能耗、舒适性、设备寿命等目标未形成有效协同，导致系统综合性能受限。

1.3 研究目标

提出"负荷追踪-梯度优化"双驱动控制框架，构建高精度负荷预测模型，设计分级协同控制策略，实现供冷系统动态匹配与多目标优化。

2.机场区域供冷系统负荷特性分析

机场供冷系统通常采用四级架构，由冷源层（冷水机组与蓄冷罐）、输配层（水泵与管网）、末端层（空气处理机组）、控制层（中央监控平台与传感器）组成。机场供冷典型日负荷曲线呈现"双峰一谷"特征：早高峰因集中值机导致负荷骤增，午间平峰负荷稳定，晚高峰随航班抵达再次升高，最大负荷差达 40%[4]。经分析机场空调负荷主要由客流密度、室外温度、设备负载影响。

3.多源负荷追踪技术体系

根据机场供冷系统架构，传感器采用三层分布式部署，全局监控供冷系统实时运行状态。采集并分析时序特征（时段因子、负荷日变化率）、环境特征(室外温湿度、太阳辐射强度)、客流特征（实时人员密度、航班起降时段）、设备特征（冷水机组运行台数、水泵频率）。

针对负荷序列的长时依赖与突变特性，构建包含注意力机制的双向LSTM 网络。输入层采用历史 24 小时逐时负荷+未来 12 小时气象预报（温湿度、风速） +; 航班时段特征；特征层采用双向 LSTM 单元捕捉序列上下文信息，自注意力层动态分配不同时段权重，强化峰值负荷特征；输出层采用未来 1 小时逐区域负荷预测值，激活函数采用线性回归。

在模型架构修正算法中引入负荷趋势自适应调整因子动态修正算法：

其中， γ 为修正系数（0.5-0.8 自适应调节），通过最近 n=10 个时段的预测偏差动态调整当前预测值，有效降低持续预测误差。经实测数据验证，修正后峰值负荷预测误差从12%降至 6.5% ，均方根误差减少 22%

4.梯度优化控制策略设计

4.1.1 中央决策层（全局优化）

中央决策层以系统能效最大化、设备寿命损耗最小化为控制目标，建立多目标优化模型：

minF=ω₁E+ω₂U+ω₃L

其中，E 为小时能耗（kWh），U 为舒适度不达标率（目标 ⟨10% ），L为设备启停次数，权重 ωωω_ωωωωωωωωωωωω₀ 。采用多目标粒子群优化算法，每 30 分钟生成冷机组合策略（台数控制 ∣+ 变频参数）与蓄冷罐调度计划，兼顾峰谷电价与负荷预测误差补偿。

4.1.2 区域协调层（分区调控）

机场区域按功能划分为 6 大区域（候机区、商业区、办公区等），基于模型预测控制（MPC）动态调整送风参数：冷冻水供水温度在标准值（5-7^∘C 供/回）基础上，根据区域负荷预测值 ±0.5^∘C 微调；新风量采用变新风比控制，最低新风量满足 ，高峰时段提升至 25m³ /(人・h)；控制周期：每 15 分钟更新一次优化指令，滚动优化未来 1 小时送风策略。

4.1.3 末端执行层（精准控制）

末端执行层采用 AHU-FCU-反馈三重控制相结合，提供末端精准控制。AHU 控制风阀开度采用模糊PID 算法，根据区域温差动态调节；FCU 控制电动阀执行"小步距 + 迟滞"策略，减少阀门损耗；反馈机制是末端传感器实时回传数据，当连续 3 个周期温度偏差 >1.5^∘C 时，触发区域层参数修正。

4.2 全链路协同优化机制

4.2.1 冷源侧动态匹配

冷源匹配采用负荷分段控制和能效优化措施达到最优化动态匹配。在低负荷（ <30% ）单机组低频运行，蓄冷罐释冷补充；常规负荷（ 30%-80% ）优先启用高效机组，变频范围 25-50Hz ；高负荷（ >80% ）多机并联运行，蓄冷罐联合调峰，避免频繁启停；

4.2.2 输配侧变流量控制

输配侧采用压差动态设定和水泵群控达到变流量控制。压差动态设定基于最不利环路压力模型，建立"负荷-压差"非线性映射；水泵群控采用"变频主泵 _.+ 定频辅泵"组合，通过遗传算法优化启停顺序，避免水泵运行在低效区。

4.2.3 末端侧场景化调节

根据机场每日运行规律定义3 种典型运行模式，基于客流密度（视频识别）与航班状态自动切换。在高峰离港模式适用于早/晚航班集中时段，送风温度 24±0.5^∘C ；平峰候机模式用于非密集客流时段，送风温度 25± 1^∘C ；深夜低负荷模式在 23:00-6:00 启用，送风温度 26±1.5^∘C ，不同模式适配不同场景，通过调控温度与风速满足需求。

5.结论

本研究方法提出负荷追踪与梯度优化耦合的控制框架，解决了机场供冷系统多时空尺度负荷匹配难题。构建改进型 LSTM 预测模型，通过注意力机制与动态修正因子，将峰值负荷预测精度提升至 93.5%c 。同时设计三级梯度控制策略，实现冷源、输配、末端的多目标协同优化，系统能效与舒适性同步提升，有效推动机场供冷系统向零碳转型。

参考文献

[1]王建国，李晓明。大型机场能耗特性及节能技术研究[J].暖通空调，2022,52(3):45-50.

[2]ASHRAE.GuideforEnergyEfficientAirportBuildings[M].Atlanta:ASH RAE,2020:78-85.

[3]刘哲宁，陈光。末端设备群控算法在机场中的应用[J].智能建筑，2024,31(2):56-61.

[4]IEA.AirportEnergyEfficiencyGuidelines[R].Paris:IEA,2023:34-38.