Sense, Model and Identify the Load Signatures of HVAC Systems in Metro Stations

Sintesi Tecnica: Rilevamento, Modellazione e Identificazione delle Firme di Carico dei Sistemi HVAC nelle Stazioni Metro

Definizione del Problema
I sistemi metropolitani sono grandi consumatori di energia, con i sottosistemi di Riscaldamento, Ventilazione e Condizionamento dell'Aria (HVAC) che rappresentano oltre il 40% del consumo energetico totale durante le stagioni estive. Le attuali strategie di controllo HVAC nelle linee metropolitane consolidate si affidano spesso a semplici regole basate sul tempo o a risposte passive, a causa della difficoltà nel stimare i carichi dinamici di riscaldamento e raffreddamento. Questi carichi sono altamente variabili, guidati dalle fluttuazioni delle temperature esterne, dai flussi di passeggeri, dai venti di pistone generati dai treni e dalle complesse strutture sotterranee. I modelli esistenti di stima del carico degli edifici, che si basano su materiali da costruzione ed equazioni empiriche di trasferimento del calore, non riescono a catturare la dinamica unica delle stazioni metropolitane, in particolare l'impatto dei flussi di passeggeri e dell'aerodinamica dei tunnel. Questo disallineamento tra carico e offerta porta a un significativo spreco di energia. Il problema centrale affrontato è la mancanza di un metodo efficace per quantificare e identificare le "firme di carico" — ovvero le quantità specifiche di calore importate dall'ambiente esterno e dai passeggeri — in tempo reale per consentire politiche di controllo ottimali.

Metodologia
Gli autori propongono un nuovo approccio di rilevamento e apprendimento per identificare le firme di carico utilizzando dati reali provenienti dalla stazione della metropolitana HaiDianHuangZuang (Linea 4 di Pechino). La metodologia prevede tre componenti principali:

1. Acquisizione e Rilevamento dei Dati:

   • Sensori Ambientali: Implementati per monitorare temperature interne ed esterne ($T(t)$, $T_o(t)$), umidità e livelli di CO2.
   • Flusso di Passeggeri: Registrato tramite il sistema di controllo dei biglietti ($n(t)$), calcolato come la somma dei passeggeri entrati e usciti.
   • Monitoraggio HVAC: Contatori intelligenti e sensori integrati tracciano il consumo energetico e gli stati operativi di refrigeratori, ventilatori, torri di raffreddamento e pompe. Vengono misurate le temperature dell'aria di ritorno, dell'aria di raffreddamento, dell'aria nuova e dell'aria mista, insieme alle portate d'acqua di raffreddamento e ai differenziali di temperatura.

2. Modellazione Matematica:

   • Modello di Carico ($L(t)$): Definito come il calore totale importato nella stazione per unità di tempo. È scomposto in due componenti:
     • Carico Introdotto dai Passeggeri (PIL): Calore generato dai passeggeri, modellato come $c_p n(t) (T_p - T(t))$.
     • Carico Introdotto dall'Ambiente (EIL): Calore derivante dalla conduzione attraverso pareti/tetti e dall'infiltrazione d'aria (vento di pistone), modellato come $(c M_{air} + \frac{1}{R_{eq}}) (T_o(t) - T(t))$.
   • Modello di Offerta ($S(t)$): Definito come la capacità di raffreddamento fornita dal sistema HVAC. Il modello si adatta a tre modalità operative: modalità Aria Nuova (raffreddamento aria esterna), modalità Refrigeratore (raffreddamento meccanico) e modalità Mista. L'offerta di raffreddamento è inferita dalle letture dei sensori (differenziali di temperatura dell'acqua, volumi di portata) e dal consumo di potenza dei ventilatori (utilizzando le leggi di affinità dei ventilatori per stimare il volume d'aria).
   • Dinamica Termica: La variazione della temperatura interna è modellata come la differenza tra carico e offerta: $L(t) - S(t) = c M_z \Delta(t)$, dove $\Delta(t)$ è la variazione di temperatura nel tempo.

3. Algoritmo di Identificazione dei Parametri:

   • Il problema è formulato come una regressione lineare per identificare i coefficienti ignoti ($c_p$, $\alpha$, $\beta_{ac}$) nelle equazioni di carico e offerta.
   • Per affrontare il rumore dei sensori e i vincoli di non negatività dei parametri fisici, gli autori propongono un algoritmo di ricerca. Invece di minimizzare l'errore assoluto, l'algoritmo minimizza la differenza relativa tra il carico integrato e l'offerta integrata su un periodo di tempo.
   • Per mitigare ulteriormente il rumore dei sensori (specificamente nei calcoli dei differenziali di temperatura), il metodo utilizza i valori integrati di carico e offerta anziché i valori istantanei puntuali.

Contributi Chiave

• Identificazione Innovativa delle Firme di Carico: Il documento presenta un approccio basato sui dati per separare e quantificare i carichi termici specifici contribuiti dall'ambiente esterno rispetto ai flussi di passeggeri, un fattore spesso trascurato nei modelli edilizi standard.
• Framework Integrato di Rilevamento e Modellazione: Gli autori hanno integrato con successo fonti di dati eterogenee (sistemi di bigliettazione, sensori ambientali e registri energetici HVAC) per costruire un modello termico completo.
• Stima Robusta dei Parametri: Viene proposto un algoritmo di ricerca specifico per risolvere il problema di ottimizzazione vincolata, gestendo il rumore dei sensori minimizzando gli errori relativi dei valori integrati anziché dei valori istantanei.

Risultati Sperimentali
Il modello è stato validato utilizzando dati reali raccolti dal 21 al 23 agosto 2013, presso la stazione HaiDianHuangZuang.

• Firme di Carico: Le firme derivate hanno rivelato che i carichi ambientali (differenze di temperatura esterna) costituiscono la parte principale del carico totale, mentre i carichi dei passeggeri, sebbene significativi durante le ore di punta, rappresentano una parte minore.
• Accuratezza del Modello: L'offerta di raffreddamento calcolata corrispondeva strettamente alle firme di carico derivate. L'errore relativo tra il carico integrato e l'offerta integrata è risultato piccolo, indicando che l'algoritmo fornisce una stima affidabile dei parametri di carico.
• Pattern Temporali: I risultati hanno confermato distinti pattern di carico corrispondenti alle ore di punta (picchi mattutini e serali guidati dal flusso di passeggeri) e ai cicli di temperatura giornalieri.

Significatività e Rivendicazioni
Il documento afferma che l'identificazione di queste firme di carico fornisce un contesto critico per la progettazione di politiche di controllo intelligenti e ottimali. Comprendendo i contributi specifici dei passeggeri e dell'ambiente al carico termico, i sistemi HVAC possono essere controllati per fornire solo lo sforzo di raffreddamento necessario a soddisfare le richieste previste. Questo approccio mira a mantenere il comfort termico interno ottimizzando significativamente il consumo energetico. Gli autori dichiarano che questo lavoro pone le basi per la ricerca futura in strategie di controllo ottimale per i sistemi HVAC delle metropolitane, andando oltre le semplici regole basate sul tempo verso un controllo predittivo basato sui dati.