成都地铁免费获取专属节能测算

项目背景

成都地铁4号线蔡桥站总冷负荷为1312kW,采用分站供冷形式。车站风系统采用一次回风全空气系统,水系统采用水冷冷水机组制冷,冷水机房设置在独立机房内,并配置水系统群控。轨道交通车站客流、室外气象和设备运行状态会持续变化,空调系统需要在保障乘客舒适度和设备安全的同时,及时匹配实际负荷。

成都地铁4号线节能案例:蔡桥站风水联动节能率49.07%相关项目图1

项目改造思路

项目建设基于实时数据驱动与机理框架的风水联动节能优化控制系统,将风系统和水系统纳入同一优化逻辑。系统不仅关注冷水机组自身效率,也综合考虑末端空气处理、冷冻水输配和冷却侧运行状态,让供冷能力与车站实际需求保持动态匹配。

风系统与水系统联动

风系统负责将处理后的空气送入车站空间,水系统负责提供制冷所需的冷量。两套系统之间存在相互影响,单独调节某一侧可能导致另一侧能耗增加。通过联动控制,可以在满足车站环境要求的前提下,协调风量、水量和冷源运行。

实时数据与机理约束结合

平台以现场实时数据为基础,结合制冷系统运行机理识别工况变化,再对控制设定进行优化。机理框架为策略提供边界,实时数据反映当前状态,两者结合有助于提升控制的稳定性和可解释性。

成都地铁4号线节能案例:蔡桥站风水联动优化控制图

第三方测试节能成效

项目经第三方按照国家标准进行对比测试,节能率达到49.07%。该结果说明,风水联动控制能够从系统层面减少不必要的能源消耗,并为地铁车站空调系统的节能运行提供量化依据。

成都地铁4号线节能案例:蔡桥站节能测试相关图

轨道交通场景的推广价值

地铁车站具有运行时间长、人员密度变化明显、设备系统复杂等特点。该案例展示了在既有水冷空调和群控基础上,通过实时数据、机理模型和联动策略开展系统优化的路径,可为其他车站、轨道交通枢纽及大型公共建筑的空调节能提供参考。

以物理AI重塑全球算力与能源底座

自研 PhyAI™ 物理AI引擎节能效果实时可验证 10%-40%多行业场景规模化落地 390+客户
免费获取专属节能测算