引言地下防护工程内部的热湿环境对其发挥作用存在重要影响[1-2]，使用通风空调系统调节地下防护工程的内部热湿环境。地下工程的通风空调系统会直接影响工程内部人员的舒适性、安全性等[3]。随着信息化的发展，全空气集中式空调系统的保障能力与当前的保障需求不匹配[4]，如工程内部生活区、办公区等区域的环境难以得到精确化保障；工程内部人员有时比较集中，该系统无法满足人员所在分区的温湿度要求，会向无人区域送风，增加输送能耗，导致大量能源被浪费。与全空气集中空调系统相比，在地下防护工程中运用水环热泵系统时，无须将整个系统打开，大幅度减少了系统送风量，降低了工程运行和维护的成本，同时能够精确保障工程内部热湿度环境，提高人员舒适度[4]。在某地下工程水环热泵系统设计方案的基础上，从环路水量控制的角度优化控制模式，利用Trnsys软件对该工程的水环热泵系统进行建模和运行模拟，对比定流量、变流量、利用BP神经网络和PSO算法优化变流量这3种模式下的能耗情况，分析流量优化控制后的节能效果。1某地下工程水环热泵系统模型该地下工程位于南京市，其内部共有16个重要房间。在Trnsys软件的TRNBuild模块中输入建筑相关参数和南京气象参数，进行全年负荷模拟，得到各房间的全年最大冷负荷和最大热负荷。根据该地下工程的精确化保障要求，每个重要房间都设置1台小型热泵机组，该水环热泵系统共有16台热泵机组，采用并联方式连接。根据《民用建筑供暖通风与空气调节设计规范》（GB 50736—2012），对每个房间的水环热泵机组进行参数设定[5]，16个房间的水环热泵机组选型如表1所示。10.3969/j.issn.1004-7948.2023.10.002.T001表116个房间的水环热泵机组选型房间最大冷负荷最大热负荷额定制冷量制冷功率额定制热量制热功率117.208.1517.203.4520.705.18217.206.2617.203.4520.705.18319.874.7619.873.9723.855.96414.975.0414.972.9917.964.4950.900.410.900.181.080.2767.054.577.051.408.452.1177.054.577.051.408.452.1187.054.577.051.408.452.11910.404.7510.402.0812.503.12106.734.596.731.358.082.02116.202.816.201.247.441.86126.232.856.231.257.471.87138.183.438.181.8010.802.70148.183.438.181.8010.802.70158.183.438.181.8010.802.70168.183.438.181.8010.802.70kW水泵采用Trnsys软件中的变频泵组件，根据全年最大负荷设计供回水温差为5 ℃，最大流量为31 m3/h，扬程为20 m，水泵效率为0.7，水泵额定功率为1.9 kW。在Trnsys软件的simulation studio界面中构建模型，调用Trnsys自带的模块和Tess模块部分组件，根据系统原理图连接水环热泵系统的各个部件，建立系统模型。某地下工程水环热泵系统的Trnsys模型如图1所示。10.3969/j.issn.1004-7948.2023.10.002.F001图1某地下工程水环热泵系统的Trnsys模型某地下水环热泵系统Trnsys仿真流程如图2所示。10.3969/j.issn.1004-7948.2023.10.002.F002图2某地下水环热泵系统Trnsys仿真流程系统利用Meteonorm软件获取南京气象参数，将计算负荷的相关参数传递给建筑物Type56模块，建筑物模块计算当前负荷（各房间负荷、总负荷）并传递给计算器模块1，计算器模块相当于上位机，由计算器模块1（变频泵控制信号）计算循环水泵Type110模块（变频循环水泵）和热泵机组模块Type919（各房间机组）的控制信号，控制系统的循环水量和机组运行工况，合流阀Type649模块将出口水温传递给计算器模块2，由其计算冷却塔启停信号并传递给冷却塔Type126模块。该系统当水温超过32 ℃时，开启冷却塔风机；水温低于26 ℃时，关闭冷却塔风机。热泵机组、循环水泵、冷却塔分别将其运行功率传递给计算器模块3，由其输出系统总能耗。计算器模块、循环水泵模块、合流阀模块分别将各房间负荷、系统总能耗、循环水量、水泵出口水温、合流阀出口水温等参数传递给打印机模块，由打印机模块将参数输出成数据文件，为系统的控制优化提供数据。2BP神经网络和PSO算法在水环热泵系统中的应用水环热泵系统主要由多台小型热泵机组、水环路、冷却塔和辅助热源组成。由于该地下工程大部分时间处于冷负荷大于热负荷的状态，优化系统控制时不考虑辅助热源。该系统能耗主要源自热泵机组功率、水泵功率和冷却塔功率。在运行过程中，系统的环路流量、环路水温、热泵制冷（制热）量不断变化，这些变量是影响系统运行能耗的重要因素[6]。水泵通过控制环路水流量影响热泵的制冷量或制热量和压缩机的功率；冷却塔主要是通过控制其风机的启停实现对环路水温的控制，而环路水温对水环热泵系统的能耗具有重要影响[7]。BP神经网络能够映射某种未知的输入-输出的非线性关系，无须提前揭示其数理关系[8]。基于BP神经网络的功能，可以利用BP神经网络以黑盒的形式揭示该工程水环热泵系统能耗与各分区的负荷、环路水流量、环路水温之间的耦合关系，再利用优化算法在合理范围搜索当前状态下系统的最佳环路水流量，将得到的环路水流量控制信号传递给水泵，由水泵调节系统的环路水流量，实现系统的变流量优化控制。利用BP神经网络和PSO算法对某地下工程水环热泵系统进行优化控制的步骤为：第一，获取数据，进行归一化处理。利用Trnsys软件对已构建的水环热泵系统进行全年模拟，时间步长为5 min，得到各分区的负荷、环路水流量、环路水温、冷却塔风机启停控制和对应能耗。为了降低数据特征对网络训练的影响，提高网络准确性，对每组数据样本进行归一化处理。第二，训练并验证网络准确性。根据该水环热泵系统确定BP神经网络输入层有19个节点，隐含层有12个节点，输出层有1个节点，将已获取的数据样本分为训练集和验证集，利用训练集数据训练网络，得到反映输入-输出关系的BP神经网络模型。地下工程水环热泵系统BP神经网络拓扑图如图3所示。10.3969/j.issn.1004-7948.2023.10.002.F003图3地下工程水环热泵系统BP神经网络拓扑图基于BP神经网络和PSO算法的水环热泵系统的Trnsys模型如图4所示。基于BP神经网络和PSO算法的环路水流量优化控制流程如图5所示。10.3969/j.issn.1004-7948.2023.10.002.F004图4基于BP神经网络和PSO算法的水环热泵系统的Trnsys模型10.3969/j.issn.1004-7948.2023.10.002.F005图5基于BP神经网络和PSO算法的环路水流量优化控制流程3不同控制方案的能耗仿真结果对比变流量方案1（优化前）：系统运行模拟输出建筑负荷，根据水的质量比热容和机组设计进出水温差计算得到所需水流量，并将控制信号传递给水泵。变流量方案2（优化后）：系统运行模拟输出各房间负荷，将各房间负荷、水箱出水温度、冷却塔风机启停状态传递到python模块，python模块运算并输出水泵控制信号给水泵。将两种方案分别与定流量系统的能耗进行对比，定流量系统运行时，其流量由模拟时的夏季最大逐时冷负荷确定，同样根据水的质量比热容和机组设计进出水温差，计算得到所需水流量。该变流量水环热泵系统模型模拟全年运行时，环路水流量的变化如图6所示。环路水流量随负荷变化而变化，且全年大部分时间水泵低于额定功率运行，在水泵功率方面，变流量系统更加节能。环路水流量随负荷周期性变化，在供冷季(3 216~6 312 h)环路水流量明显升高，其余时间环路水流量处于较低水平。10.3969/j.issn.1004-7948.2023.10.002.F006图6水环热泵系统变流量模拟运行的水流量变化Trnsys软件可对能耗模拟结果进行积分，得到能耗的全年总和。两种变流量方案与定流量系统全年运行能耗对比如图7所示。定流量水环热泵系统的全年能耗为1.09×108 kJ，变流量方案1系统全年能耗为9.45×107 kJ，变流量方案2系统全年能耗为8.77×107 kJ。两种变流量方案的全年运行能耗均小于定流量系统能耗，且变流量方案2比变流量方案1节能效果更佳，与定流量系统相比，变流量方案1节能13.3%，变流量方案2节能19.5%，变流量方案2比变流量方案1节能7.2%，说明BP神经网络和PSO算法的联合应用对水环热泵的环路水流量控制优化具有可行性。10.3969/j.issn.1004-7948.2023.10.002.F007图7两种变流量方案与定流量系统全年运行能耗对比环路水流量的增大使热泵机组性能系数随之增大，但水泵能耗也将增大。因此，由水流量增大导致的系统能耗变化取决于热泵机组能耗的减少量与水泵能耗的增加量之间的差值，而热泵机组能耗很大程度取决于建筑负荷。为了分析变流量方案2的节能效果，引入负荷率的概念，即当前建筑负荷与全年最高负荷的比值。根据Trnsys软件运行模拟的数据，逐月对比变流量方案2的节能效果，优化前后方案系统逐月能耗对比如表2所示。10.3969/j.issn.1004-7948.2023.10.002.T002表2优化前后方案系统逐月能耗对比月份变流量方案1能耗/kWh变流量方案2能耗/kWh节能率/%11 671.851 488.9510.9421 560.581 386.4311.1631 793.121 621.889.5541 714.321 589.467.2852 108.051 981.436.0162 603.942 454.305.7573 114.292 970.464.6283 513.653 363.254.2892 711.002 546.636.06101 921.751 783.927.17111 721.151 578.498.29121 819.941 607.4711.67由表2可知，与原控制方案相比，利用BP神经网络和PSO算法对变流量水环热泵系统进行优化控制时，全年均可实现节能，但每个月份的节能效果存在明显差距。其中，2月和12月的节能效果最好，分别达到11.16%和11.67%，7月和8月的节能效果最差，仅为4.62%和4.28%，而2月和12月系统能耗相对较低，7月和8月系统能耗最高。4结语构建并训练BP神经网络模型，达到目标精度后，该模型可映射该工程水环热泵系统能耗与各分区的负荷、环路水流量、环路水温之间复杂的耦合关系，再利用PSO优化算法进行搜索，得到当前状态下的系统最佳环路水流量，将得到的环路水流量控制信号传递给水泵，水泵对系统的环路水流量进行调节，实现系统的变流量优化控制。该方法的可行性在仿真结果中得到验证。环路水流量随负荷变化而变化，且全年大部分时间水泵低于额定功率运行，在水泵功率方面，变流量系统更加节能。环路水流量随负荷周期性变化，在供冷季(3 216~6 312 h)环路水流量明显升高，其余时间环路水流量处于较低水平。两种变流量控制方案的全年运行能耗均小于定流量系统能耗，且变流量方案2比变流量方案1更加节能，相比于定流量系统，变流量方案1节能率为13.3%，变流量方案2节能率为19.5%，优化后的方案比优化前的方案节能7.2%。在逐月能耗分析过程中，变流量方案2的能耗始终低于变流量方案1，说明利用BP神经网络和PSO算法对变流量水环热泵系统进行优化控制在全年均具有节能性，但每个月份的节能效果不同。2月和12月的节能效果最好，分别为11.16%和11.67%，7月和8月的节能效果最差，仅为4.62%和4.28%。