SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY CONSERVATION

上海节能

ENERGY SAVING FORUM

SHANGHAI ENERGY SAVING

2018 年第 08 期

节

能

论

坛

大于凝汽式汽轮机。因此，在一定转速条件下，背

压式汽轮机的极限功率大于凝汽式汽轮机，或者

说，在一定功率条件下，背压式汽轮机的工作转速

可以高于凝汽式汽轮机。

变转速汽轮机通常会用于驱动泵与风机。当

负荷降低或流量减小时，变转速汽轮机的工作转速

也会相应降低。在蒸汽的初终参数一定时，汽轮机

转速会根据工作机械负荷特性的变换而进行调

整。在通流部分不变的情况下，如果一台多级工业

汽轮机在其它工作转速或蒸汽参数下运行，此时的

变工况过程就会存在差异。

以等转速运行的发电用汽轮机为例，其通常

以零负荷状态启动。为了克服空转时的内部摩擦

鼓风损失和外部机械损失，其在额定转速下必然

会具有一定的空转功率和相应的空转扭矩。通常

而言，等转速汽轮机的空转功率和空转扭矩都会

比较小。

这两类特性使汽轮机成为一类性能较为优越

的动力机械。一是汽轮机的启动扭矩较大，有利

于快速驱动工作机械，二是在驱动其它工作机械

时，易于实现机组的平衡运行，且转速不会出现大

幅变化。

在根据用户要求选用汽轮机的基型时，应在主

要的运行工况范围内进行选择。这时，就需要将汽

轮机的内特性和外特性结合在一起进行分析。

4 工业汽轮机的未来发展研究

如上文所述，工业汽轮机目前已被许多产业所

采用，其中以石油化工、冶金和造纸等领域最为广

泛。除此以外，工业汽轮机在纺织、印染、制糖、建

材及食品等领域中也得到了一定程度的应用。

由于工业部门所采用工业汽轮机的类型及品

种繁多，为了降低设计及制造成本，并缩短生产周

期，通常一款工业汽轮机只需配备几款基型，就能

满足大部分用户的需求，并以此形成产品体系。为

了合理地形成产品体系，必须合适地选取部件及结

构尺寸。以单级工业汽轮机为例，其能以叶轮直径

作为基础尺寸，由此来对机组的基型进行选择。每

一基型的汽缸、蒸汽室及转子等均属于不变的基本

部件。主汽门、调速器、轴承座、轴承及汽封等均可

采用标准部件。汽阀、喷嘴、动叶及导叶等零件的

尺寸和型式则应按进排汽参数及蒸汽流量来进行

调整。这样，一种基型只要变动少量零件就可适应

一定的工作需求。目前，工业汽轮机的未来发展主

要如下：

1）提高主蒸汽参数

目前，工业汽轮机的主蒸汽参数与工厂生产过

程中使用的蒸汽压力、温度、蒸汽量，所需的电量及

汽轮机类型等有关，并且最终会通过经济比对来确

定。近年来，由于工业化进程的推进，工业汽轮机

的单机容量需求也随之提高，为了提高热效率，并

利用有限的蒸汽流量输出尽可能高的功率，需要持

续提升主蒸汽参数。与发电用汽轮机相比，工业汽

轮机的参数同样有了进一步提升。

2）小容量汽轮机的高速化

工业汽轮机有着进一步提高单机功率的趋势，

但小型工业汽轮机目前主要朝着提高转速的方向

发展。在材料强度许可的限度内提高小型汽轮机

的转速，可相应缩减机组的级数，并且机组的外形

尺寸也会缩小，从而减少占地面积与建设费用，进

一步降低运行成本。

3）采用电子油压式调速器

近年来，随着工业生产进程的复杂化，同样需

要抽汽式汽轮机，而且对抽汽压力的控制要求也在

逐步提升。因此，汽轮机的控制机构会变得日益复

杂。不仅如此，在生产中，可通过电子控制系统来

优化工业汽轮机的运行过程，使其与火力发电设备

实现合理匹配。同时，目前已采用电子式液压调速

器来代替原有的机械式液压调速器。

5 汽轮机结构运行特征研究及技术趋势展望

上文对工业汽轮机的技术特点、实际应用及发

展前景进行了详尽阐述。考虑到汽轮机这类动力

装置固有的技术特点，其在发电及运输等领域中同

样得到了广泛应用。下文对汽轮机的结构特征、运

行过程及未来技术发展趋势进行重点研究。

工业汽轮机技术应用及未来发展研究

1843

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING FORUM

SHANGHAI ENERGY CONSERVATION

上海节能 No.08

2018

节能论坛

5.1 汽轮机的结构及运行特征研究

汽轮机的转速较高，又可以使工作机构以较高

的转速运动，且工作机构的转速与汽流速度成一定

的比例，从而具有较高的效率。同时，在功率相同的

情况下，较高的转速又可减小汽轮机的尺寸及重

量。除此以外，汽轮机可将工质的热能转换为动能，

再将工质的动能转换为机械功，并通过动力输出轴

输出，以驱动工作机械。由于汽轮机的工作过程是

连续进行的，因此当汽轮机在一定的稳定工况下运

作时，汽轮机内任何一处蒸汽的压力、温度和速度，

均处于定常流动的状态，不随时间而发生变化。而

在蒸汽机等往复机械中，即使在稳定的工况下，机体

内任何一处的工质的压力、温度和流动速度，都会

随着时间而发生变化。因此，往复机械内的工质平

均流动速度不会特别高，否则流动损失就会过大，

而在汽轮机中却可以采用较高的汽流速度，不致引

起过大的流动损失，有效提升了机组功率。

汽轮机的功率同样也受蒸汽流量及蒸汽自身

参数的影响。在相同的时间内，工质的流动速度越

高，通过机组的工质流量就越多，因此就有可能制

造出具有更高功率的机组。与蒸汽机相比，同样功

率的汽轮机往往尺寸更小，且重量更轻。柴油机的

效率虽然较高，但总功率较低。目前，最大的柴油

机通常为船用柴油机，其所能达到的最高输出功率

明显低于船用汽轮机。

根据蒸汽动力装置的热力学特性，对其所遵循

的朗肯循环进行分析。提高蒸汽的初参数（压力及

温度）并降低排汽压力，可以提高循环效率，并改进

蒸汽动力装置的经济性。如上文所述，汽轮机可通

过两次转换过程，将工质的热能转换为机械功，并

对外输出。蒸汽的膨胀过程主要是在静止的喷嘴

中进行［7］

，有时也在叶片中进行，所对应的基型分别

为冲动式汽轮机和反动式汽轮机。与冲动式汽轮

机不同，反动式汽轮机的叶片会承受两种作用力：

一是蒸汽的冲击力；二是蒸汽在叶片中膨胀时由于

汽流压力降低所产生的反作用力。反动式汽轮机

的每级叶片的前后都存在着压力差，不可避免地有

汽流从间隙中流过。这部分蒸汽不参加工作，从而

造成了能量损失。因此，目前通常不会制造全部采

用反动级的汽轮机。反动级叶片高度较低，因此具

有较大的间隙，当采用比容较小的高参数蒸汽时，

往往会造成较大的漏汽损失。此外，无法通过喷嘴

来调节反动式汽轮机的功率，一般多采用节流调

节，导致机组工作效率不够稳定。所以现代汽轮机

多采用混合的结构型式，即高压部分采用冲动级，

而低压部分则采用反动级。

5.2 汽轮机与蒸汽机的对比研究

汽轮机与蒸汽机不同，蒸汽在汽轮机中的膨胀

过程，不受工作部件运动的限制，可实现充分膨

胀。同时，由于结构上的特点，使汽轮机能采用多

级结构，以实现蒸汽的充分膨胀，更有效地利用蒸

汽的能量。因此，汽轮机更适于采用较高的蒸汽参

数和较低的排汽压力。与蒸汽机相比，汽轮机往往

具有更高的经济性。

除此以外，作为一类旋转机械，汽轮机内部没

有往复运动件及由此引起的周期性往复惯性力。

因此，汽轮机通常可以达到更高的转速，同时运行

时振动幅度较小，且更安全、更可靠。

1）汽轮机与传统蒸汽机相比的优点

（1）由于汽轮机是一类直接进行回转运动的叶

轮机械，输出的扭矩比较均匀。而蒸汽机则采用了

做往复直线运动的活塞，因此输出的扭矩并不均

匀，必须采用飞轮，相应增加了设备的尺寸与重量。

（2）受到往复惯性力的限制，蒸汽机的转速一

般相对较低。而汽轮机不受往复惯性力限制，运转

稳定性更好，振动幅度更小，转速更高，流量更大，

功率也明显高于蒸汽机。换言之，在功率相同的情

况下，汽轮机的结构更为紧凑，比重量更轻，当用于

驱动移动设备时，可以增大载重量。

（3）在蒸汽机内，活塞与汽缸壁之间存在着较

大的摩擦损失。而除了轴承外，汽轮机内不存在会

产生剧烈摩擦的部件，所以机械效率通常高于蒸汽

机，并且耐久性更好，机件维护及修理的期限可以

进一步延长。

1844

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY CONSERVATION

上海节能

ENERGY SAVING FORUM

SHANGHAI ENERGY SAVING

2018 年第 08 期

节

能

论

坛

（4）在蒸汽机内，机油通常会直接与蒸汽发生

混合，排出汽缸的乏汽中同样带有油分，不但使机

油消耗较大，且使凝结水中含有油污，不宜作为给

水再送入锅炉。而汽轮机的排汽更为清洁［8］

，且机

油消耗量相对更低。

（5）汽轮机热效率较高，燃油消耗率也相应更

低，当用于驱动移动设备时，具有更长的续航里程。

（6）因为汽轮机的运动机构都在机体内部，一

般不会有油和水飞溅出来，所以更为安全。

（7）汽轮机的启动及运行过程更为简易，可以

减少人员的配置。

（8）汽轮机对凝汽器真空度的利用程度更高［9］

。

2）汽轮机的缺点

在某些场合应用时，汽轮机亦有一定的缺点，

主要如下：

（1）汽轮机的制造成本通常高于蒸汽机。

（2）对汽轮机内部结构的检查过程更为麻烦，

并且不易进行修理与维护。

（3）汽轮机无法实现反转，因而不适用于需要

反转的场合，如需实现反转，通常需要配备倒车级。

（4）在低转速工况下，蒸汽机具有较高的扭

矩。因此与（3）相结合，铁道机车更适合采用蒸汽

机，而汽轮机在铁道运输领域的应用也受到了一定

限制［10］

。

（5）只有在一定的转速条件下，汽轮机才会实

现高效运行。因此，汽轮机更适于在定速情况下运

行，如需频繁调整转速，效率往往会有所降低。

（6）小型汽轮机转速较高，因而在与工作机械

匹配时必须采用减速装置，使传动设备复杂化。

（7）在输出功率较小的前提下，汽轮机的效率

往往并不高于同功率的蒸汽机。

（8）在制造、装配和安装汽轮机时，需要有更高

的精确度，并且需要经常观测装配间隙的大小。

综上所述，对汽轮机与蒸汽机之间的差异进行

了归纳总结（如表2所示）。

就其特点而言，汽轮机更适合驱动发电机及其

它有着较高功率需求的工作机械。目前，大多数火

力发电厂都以汽轮机作为动力来源。除了大中型

船舶以外，采用汽轮机作为动力装置的船型相对较

少，因为在行驶过程中，船舶往往需要进行变速或

实现倒航。如上文所述，由于汽轮机自身无法直接

实现反转，通常需配备倒车级，由此增加了设备复

杂性和成本。

表2 汽轮机与蒸汽机的对比

对比项目

机组尺寸

机组重量

工质流量

机组转速

输出功率

工作效率

转动惯量

摩擦损耗

制造成本

装配难度

维修难度

机油消耗

能否反转

部件数量

结构紧凑性

运转稳定性

工质流动连续性

汽轮机

小

轻

大

高

高

高

小

小

高

高

难

少

否

少

好

好

连续

蒸汽机

大

重

小

低

低

低

大

大

低

低

易

多

能

多

差

差

间断

为了结合蒸汽机与汽轮机各自的优势，在船舶

动力领域，历史上曾出现过蒸汽机与乏汽式汽轮机

组成的联合动力装置。但如今，由于与过去相比，

汽轮机的初温和初压等参数均有了显著提升，相应

改善了循环的经济性和动力性，加之汽轮机既有的

一些优势，目前已完全取代了蒸汽机。

5.3 汽轮机总体技术趋势展望

目前，汽轮机的总体发展技术趋势如下：

1）提高汽轮机组的单机功率。提高单机功率

不仅能迅速地推动电力工业的发展，而且还能降低

机组单位功率成本，提高机组经济性，加快发电站

的建设进程。

2）发展核电汽轮机。为了进一步推动电力工

业的发展，针对核电站的研究也在持续开展中。核

工业汽轮机技术应用及未来发展研究

1845

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING FORUM

SHANGHAI ENERGY CONSERVATION

上海节能 No.08

2018

节能论坛

电站建设成本较高，但其运营费用较低，而且机组

总功率越高，相对的投资和运营成本越低。因此，

部分国家已开始大力发展核电站，并取得了一系列

成果。目前，核电汽轮机主要用于承担基本负荷。

3）实现炉、机、电的集中控制，并提高发电站的

自动化水平。

6 结论与展望

作为一类动力装置，汽轮机有着显著的优势。

其可实现能量转换，并以此驱动工作机械，因此在

石油化工、矿山冶金、交通运输、低温制冷、能源动

力、机械制造、建筑空调、食品医药、水利工程、城市

供水及农田灌溉等许多领域得到了广泛应用，并且

在国防技术领域也有着重要的地位。可以说，汽轮

机的总体技术水平是体现一个国家工业化发展态

势的重要标志。

作为汽轮机中的一类分支产品，工业汽轮机具

有较高的转速及较广的变速范围。随着国民经济

的发展，对工业汽轮机基型和数量的需求与日俱

增。工业汽轮机应用领域宽广，随着使用条件的不

同，对进排汽参数、功率、转速、布置型式和调节特

性等都有着不同的要求，从而导致工业汽轮机的品

种及规格繁杂。因此，亟待完善的产品体系、需进

一步拓宽的应用领域、有待提升的部件产量，以及

产品自身特点所引起的强度、振动等问题，都是工

业汽轮机在设计及制造中需要直面的重要课题。

为此，需要充分掌握模块化设计原理，大力应用并

推广计算机辅助设计技术，提高工业汽轮机产品的

通用化、标准化及系列化，还需要结合国情，尽快开

发出具有先进技术经济效益的产品体系，供不同用

户选择。

除此以外，仍需进一步提高工业汽轮机的可靠

性和易损件的耐久性，同时也应持续提高产品工作

效率，并在材料强度许可的限度内尽可能提高机组

转速及调节器的调节精度。为此，还需开展科研工

作，以加快行业的发展速度。

参考文献

［1］乔志青.选用高效汽轮机提高生活垃圾发电效益探析［J］.上海节能,

2022,404(8):1027-1030.

［2］胡中强.背压式汽轮机组与有机朗肯循环耦合的热电联产系统分析

及应用［J］.上海节能,2020,383(11):1265-1268.

［3］伍赛特.船用核动力装置的技术特点及应用前景分析［J］.上海节能,

2022,402(6):670-675.

［4］伍赛特.船舶动力装置及系统的技术特点与应用研究［J］.上海节能,

2022,397(1):33-37

［5］伍赛特.工业汽轮机技术特点及未来发展趋势研究［J］.科技创新与应

用,2021,334(6):150-152.

［6］陶毅平,任健.背压汽轮机变工况优化运行研究［J］.上海节能,2018,

353(5):319-322.

［7］陶有宏,付文龙,戈建新,等.630 MW超临界汽轮机高压缸进汽喷嘴组

优化改造［J］.上海节能,2022,403(7):930-933.

［8］王敏,冯建伟,王杰.660 MW汽轮机进水异常分析及治理措施［J］.上

海节能,2020,380(8):837-841.

［9］倪汤杰.抽凝式汽轮机启动及运行过程中低真空的分析与处理［J］.上

海节能,2020,382(10):1213-1215.

［10］伍赛特.燃气轮机与汽轮机应用于机车牵引动力的可行性分析研究

［J］.内燃机与配件,2018,271(19):86-87.

1846

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY CONSERVATION

上海节能

ENERGY SAVING FORUM

SHANGHAI ENERGY SAVING

2018 年第 08 期

节

能

论

坛

燃煤发电企业环保电价政策研究

周沛婕1 潘翔龙2 吴凯露3

1. 金华市生态环境保护发展中心

2. 国网金华供电公司婺城供电分公司

3. 浙江省环境科技有限公司

摘要：燃煤发电企业环保电价相关政策是我国鼓励燃煤发电企业加大环保投入力度，减少大气污染物排

放的电价加价政策。在分析现有燃煤发电企业环保电价政策体系建设、实践成效和监管模式的基础上，

提出面临的问题和优化建议，以期能更好地发挥环保电价政策减排效应。

关键词：燃煤发电企业；环保电价政策；监管；优化建议

DOI: 10.13770/j.cnki.issn2095-705x.2023.12.014

Research on Environmental Protection Electricity Price

Policy for Coal-Fired Power Generation Enterprises

ZHOU Peijie1

, PAN Xianglong2

, WU Kailu3

1. Jinhua Ecological Environment Protection and Development Center

2. Wucheng Power Supply Branch of State Grid Jinhua Power Supply Company

3. Zhejiang Environmental Technology Co., Ltd.

Abstract: The policy of environmental protection electricity price for coal-fired power generation enterprises is

a policy of electricity price increase that encourages coal-fired power generation enterprises to increase their

investment in environmental protection and reduce the emission of atmospheric pollutants. Based on the analysis of the existing policy system construction, practical effectiveness, and regulatory model of environmental

protection electricity price for coal-fired power generation enterprises, this paper puts forward the problems

faced and optimization suggestions, in order to better play the role of environmental protection electricity price

policy in reducing emissions.

Key words: Coal-Fired Power Generation Enterprises; Environmental Protection Electricity Pricing Policy; Supervision; Optimization Suggestions

收稿日期：2023-05-12

作者简介：周沛婕（1989-10-），女，硕士，工程师，研究方向为污染减排、排放源统计和环境污染源信息管理等领域

潘翔龙（1989-10-），男，硕士，工程师，研究方向为输配电及用电工程领域

吴凯露（1991-09-），女，硕士，工程师，研究方向为大气污染源排放清单、空气质量模拟、大气污染防治等领域

1847

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING FORUM

SHANGHAI ENERGY CONSERVATION

上海节能 No.08

2018

节能论坛

0 前言

燃煤发电行业作为用煤主要行业，其煤炭用量

占我国煤炭总用量的一半左右［1］

，其发电过程中产

生的大气污染物严重影响大气环境质量。为改善

环境质量，逐步削减电力行业污染排放，我国燃煤

发电企业依规安装投运环保设施后，可享受上网电

价加价政策，这种通过电价价格杠杆引导生产者朝

着节能环保方向发展的价格政策即为环保电价政

策。目前，我国已出台了一系列环保电价政策，鉴

于此，本文分析了燃煤发电企业环保电价政策体系

建设、实践成效和监管模式，并提出面临的问题和

优化建议。

1 环保电价政策体系建设

我国现行的“基准价+上下浮动”市场化电价机

制即包含了脱硫、脱硝、除尘电价以及超低排放电

价政策，表1总结了国内现行燃煤发电企业环保电

价的主要政策。

1.1 脱硫、脱硝、除尘电价政策

我国环保电价政策是从2004年国家发展改革

委对安装脱硫设施的新建燃煤电厂采取上网电价

加价 0.015 元/kWh 的政策为标志开始实施，并于

2007 年出台细化脱硫电价相关实施办法。2011

年，国家发展改革委提出在14个省（区、市）开展脱

硝电价试点，并于 2013 年 1 月扩大到全国范围实

施，同年 8 月，脱硝电价加价 0.008 元/kWh 升至

0.010元/kWh，并提出除尘电价加价0.002元/kWh。

1.2 超低排放电价政策

2015年《政府工作报告》提出“推动燃煤电厂超

低排放改造”，同年12月，国家出台超低排放电价标

准，包括现役燃煤机组（2016 年 1 月 1 日前已并网

运行）加价0.010元/kWh和新建燃煤机组（2016年

1 月 1 日以后并网运行的）加价 0.005 元/kWh 两档

执行。

2 环保电价实践成效

经过十几年的实践和完善，燃煤发电企业环保

电价政策已形成包括脱硫电价、脱硝电价、除尘电

价以及超低排放电价在内的电价补偿体系。从横

向时间轴上分析，随着环保电价政策的不断出台，

火电行业排放标准的不断升级，环保电价在减排增

效上的作用日益凸显。

2.1 污染减排显成效

在发电量逐年提高的前提下，我国电力行业大

气污染物排放控制成效显著。截至 2015 年，火

电厂 SO2排放量约为 528 万 t，较 2006 年峰值（约

1 155 万 t）减少 54.2%；NOx 排放量约为 552 万 t，

较 2011 年峰值（约 1 073 万 t）减少 48.6%；烟尘排

放量约 165万 t，较 2014年（约 236 万 t）减少 30%。

到 2020 年底，火电厂上述三项主要污染物排放量

表1 燃煤发电企业环保电价重要政策一览表［1-2］

类型

脱硫电价

脱硝电价

除尘电价

超低排放电

价

政策依据

《燃煤发电机组脱硫电价及脱硫设施运行管理办

法（试行）》（发改价格〔2007〕1176号）

《关于调整可再生能源电价附加标准与环保电价

有关事项的通知》（发改价格〔2013〕1651号）

《关于实行燃煤电厂超低排放电价支持政策有关

问题的通知》（发改价格〔2015〕2835号）

执行时间

2007-07-01

2013-09-25

2016-01-01

实施范围

安装脱硫设施燃煤发电机组

安装脱硝设施燃煤发电机组

采用新技术进行除尘设施改

造的燃煤发电机组

完成超低排放改造的燃煤发

电机组

加价标准

（元/kWh）

0.015

0.010

0.002

现役机组0.010、

新建机组0.005

考核要求

按大气污染物①种类

单项考核

按大气污染物种类多

项合并考核

注：①包括SO2、NOx、烟尘

1848

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY CONSERVATION

上海节能

ENERGY SAVING FORUM

SHANGHAI ENERGY SAVING

2018 年第 08 期

节

能

论

坛

已分别减少至37.4万t，61.2万t和16.7万t。结合

政策发布时间和政策效应的滞后性，污染物排放量

减少与政策实施呈正相关性。相关研究也证实环

保电价实施后，电力行业污染物排放量减少趋势明

显［3-4］

。同时，环保电价政策明确，对于环保电价罚

没款，专款专用，主要用于电力企业环保相关补贴，

保障减排成效。

2.2 发电企业降成本

为了实现短期竞争优势和经济效益，企业不愿

意建设环保设施或将已建环保设备闲置，甚至部分

电力企业为了在竞价上网中得到价格优势，采用价

格低含硫量高的煤作为燃料，造成更严重的大气环

境污染［5］

。考虑到环保设施成本要素，环保电价政

策对燃煤发电企业污染物控制的治理成本进行经

济补偿，降低企业减排成本，充分调动企业安装和

有效运行环保设施的积极性和主动性。

2.3 环保设备增效益

随着环保电价政策的实施，火电厂的环保设施

投入呈整体上升趋势。相关数据显示，截至 2014

年底，火电厂脱硫设施从 2004 年的 1 110 套增至

4 836套，脱硝设施从2011年的274套增至2 484套，

除尘设施达到5 791套。截至“十三五”期末，我国

燃煤发电机组中完成超低排放和节能改造的占比

已达到76%。电力行业环保设施建设比率的增加，

切实减少电力行业大气污染物排放，并实现环保设

备相关行业企业借绿增收。

3 环保电价监管模式

执行环保电价的燃煤发电企业在享有政策红利

的同时，还应承担污染治理的主体责任。近年来，环

保电价政策体系逐步强化环保设施运行的监督管理

措施，有效改善相关企业超标排放和设施闲置等问

题，切实提高达标排放比率以及设施投运率。

3.1 监督从实

1）强化在线数据监督管控

充分利用环保分布式控制系统（简称“DCS”）

的 历 史 数 据 和 烟 气 排 放 连 续 监 测 系 统（简 称

“CEMS”）数据进行逻辑分析，确保数据的真实性、

准确性和及时性。

2）健全环保设施管理制度

参照发电主设备的管理要求，建立环保设施运

行管理制度，规范运行报表和台账，确保环保设施

运行与生产同步。

3）提高信息公开实效

相关企业环保设施运行情况定期公开，问题

企业和典型案例及时公告，鼓励全社会共同参与

监督。

3.2 考核从严

目前，环保电价考核依据主要采用大气污染物

排放浓度小时均值，燃煤发电企业需确保每个大气

污染物考核指标每个小时都要达标，脱硫、脱硝和

除尘电价为单项指标考核，超低排放电价为多项指

标合并考核，与投运率考核相比，该项指标考核更

严、执行更细、效果更实。

3.3 处罚从重

燃煤发电企业大气污染物排放浓度小时均值

超限值时段将被没收环保电价款，除相关文件规定

的特殊工况或客观原因可免于罚款的时段外，超过

限值 1 倍及以上的，并处超限值时段环保电价款 5

倍以下罚款。相关企业未按规定安装或未达到安

装要求、安装后擅自拆除或无故停运环保设施等情

况，将予以罚款，并按相关规定追究有关责任人的

责任。对因弄虚作假导致CEMS或DCS等数据丢

失或失实的行为，要从重处罚。

4 环保电价面临的问题和优化建议

4.1 面临的问题

近年来，环保电价政策在实施过程中也存在一

些问题：

1）环保电价加价标准未实现差异化

郝春旭等［6］

采用平均成本法对不同装机容量、

燃煤发电企业环保电价政策研究

1849

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING FORUM

SHANGHAI ENERGY CONSERVATION

上海节能 No.08

2018

节能论坛

不同区域、不同经济参数（燃煤含硫量、脱硫技术、

脱硝技术等）的燃煤机组开展脱硫、脱硝、除尘等成

本研究，提出了具有差别化的环保电价方案。杜振

等［7］

分析了重点地区300 MW、600 MW、1 000 MW

三个等级的燃煤发电机组实施超低排放改造所需

成本，其中300 MW和600 MW等级的燃煤发电机

组改造成本超过环保电价补偿金额，建议进一步出

台相关电价优惠政策。

2）部分燃煤发电企业获得环保电价补偿的同

时仍超标排放

2016 年，国家有关部门专项检查发现，759 家

检查对象中605家燃煤发电企业在上一年度存在环

保电价违规现象，累计罚没款达 3.28 亿元。2020

年8月，湖北省19家电力公司因大气污染物超限制

排放仍执行环保电价，被没收违规所得，类似的违

规现象在山东、江西、山西以及上海等也有发生。

本是为了督促企业落实环保主体责任，鼓励企业加

大环保设施投入的补偿政策，却造成了市场潜在的

不公平竞争因素。

4.2 优化建议

为持续发挥环保电价政策减排效应，后期建议

开展以下研究：

1）优化环保电价补偿标准

鉴于现有的政策主要依据平均治理成本，建议

根据机组容量的规模分档调整环保电价加价幅度，

从而引导大机组多发电、小机组强治理。

2）优化环保电价监管方式

在企业在线监测数据基础上，结合生态环境部

门日常的监督性检测、专项执法检查等，多方位核

定燃煤发电企业环保设施投运率、脱硫效率、脱硝

效率和除尘效率。鉴于环保电价检查涉及管理部

门多，探索监督检查协作机制和信息管理平台。

3）优化环保电价罚没细则

在充分考虑客观条件带来的超标情况外，着

重关注企业改装环保设备、拒报或谎报环保数据

以及窜改或故意丢失历史监测数据等行为，细化

罚没条款。

参考文献

［1］马中, 蒋姝睿, 马本, 等. 中国环境保护相关电价政策效应与资金机

制［J］. 中国环境科学,2020,40(6) : 2715-2728．

［2］柳凌, 倪吴忠. 我国环保电价政策体系及监管方式探索［J］. 中国价格

监管与反垄断,2018(10) : 56-60．

［3］张晶杰, 王志轩, 赵毅. 环保电价政策改革优化研究——基于燃煤发

电企业环保治理成本的分析［J］. 价格理论与实践,2017(3) : 57-60．

［4］石光, 周黎安, 郑世林, 等. 环境补贴与污染治理——基于电力行业

的实证研究［J］. 经济学（季刊）,2016,15(3) : 1439-1462．

［5］李金颖, 张世英, 何永贵. 关于环境成本与绿色电价机制的思考［J］.

价格理论与实践,2004(3) : 29-30．

［6］郝春旭, 董战峰, 杨莉菲. 电力行业环保综合电价补贴政策研究［J］.

环境污染与防治,2016,38(12): 103-110．

［7］杜振, 柴磊, 魏宏鸽, 等. 燃煤机组烟气超低排放改造投资和成本分

析［J］. 环境污染与防治,2016,38(9) : 93-98．

1850

城市交通碳管理技术研究

唐心雨1 唐 文2 蒋 晔2

1. 安徽师范大学

2. 上海方融科技有限责任公司

摘要：在全球环境保护及节能减碳背景下，交通碳排放是城市碳排放的

重要因素，研究城市交通碳管理关键技术和模型标准，建立交通碳管理体

系，通过对交通领域碳排放数据的采集和高效分析核算评价，实现政府服

务端、企业治理端、金融助力端的多场景应用，引导整个社会节能减排，助

力全社会节能减排、提高能效、安绿同行。

关键词：交通碳管理；碳核算评价；安绿同行

DOI: 10.13770/j.cnki.issn2095-705x.2023.12.015

Research on Urban Transportation

Carbon Management Technology

TANG Xinyu1

, TANG Wen2

, JIANG Ye2

1. Anhui Normal University

2. Shanghai Fangrong Technology Co., Ltd.

Abstract: In the context of global environmental protection and energy saving and carbon reduction, transportation carbon emissions are

an important factor in urban carbon emissions. Research on key

technologies and model standards for urban transportation carbon

收稿日期：2023-10-12

基金项目：“中国新能源汽车与可再生能源综合应用商业化推广”项目上海示范项目（GEF6）；上海市科

学技术委员会科研计划项目（18DZ1203300）

作者简介：唐心雨（2002-06-），女，本科，统计学专业

唐文（1970-11-），男，硕士，高级工程师，从事物联网、能源互联网关键技术研究及智能云

平台集成解决方案架构及运用

蒋晔（1972-02-），男，硕士，高级工程师，从事用户侧配电网电气设备智能云服务平台研发等

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

management, a transportation carbon management system is established, and achieve multi-scenario

applications for government service providers, enterprise governance providers, and financial assistance providers through the collection, efficient analysis, accounting, and evaluation of transportation

carbon emissions data, to guide the entire society to achieve energy saving and emission reduction,

improve energy efficiency, and promote green development.

Key words: Transportation Carbon Management; Carbon Accounting and Evaluation; Green and Safe

0 引言

在国际环境保护、节能降碳背景下，交通碳管

理是城市安绿同行的重要举措，各地政府结合地方

实际情况，以政府数字化改革为契机，按照“动态采

集—专业核算—综合评价—多跨应用”的流程化思

路，开展交通碳排放数据仓库建设、数据采集标准

规范、核算评价模型算法、监管考核和激励机制等

关键技术研究及应用推广，取得了一些成果，为城

市绿化和低碳管理提供宝贵经验。

我国“双碳”治理整体尚处在初级探索阶段，交

通碳达峰和碳中和要达到国家“双碳”目标要求，实

现交通安绿同行的路还很长，交通碳排放很多关键

技术尚处于攻关阶段，比如：对应不断推新的交通

工具，如何动态建模实现无限适配和业务扩展、交

通碳管理数据采集类型和真实性保证，碳排放核算

评价体系如何建立，如何激活政府管控、企业参与、

金融助力、产学研用相结合，汇智聚力，形成多行业

支撑的可持续健康发展生态体系等。

本文开展交通碳排放特性分析，进行碳管理

e-CIM 模型设计、碳指标核算评价算法、五维时空

分布式数据库碳账户管理等关键技术研究，对城市

交通领域的企业和车辆建立交通能碳管理体系，包

括能源消耗量、碳排放总量、碳排放强度、碳源构

成、低碳基础建设等数据采集运算、交通碳管理指

标核算评价、交通碳码贴标、绿色金融等，研制交通

碳管理平台，技术成果在长三角城市级、区县级交

通碳管理应用推广，形成可复制可推广的交通碳管

理模式，收到很好的社会效应和经济效应，为我国

交通领域碳管理体系建设提供指导意义。

1 交通碳管理技术研究

1.1 交通碳管理数据安全保障技术研究

基于能碳时空五维分布式数据库底座，构建区

块链云—边—端分布式架构体系，实现数据分级采

集、运算、管理、全网N-1同步热备，确保数据防窜

改的完整性和可靠性，从采集上链全程可追溯，从

而形成获碳、看碳、析碳、治碳、用碳的全产业链管

控和服务体系，为城市及园区交通碳管理建设和应

用提供指导。

数据管理安全保障体系技术研究要充分考虑

适应新能源发展的设备动态模型扩展、海量数据的

分布式弹性支撑、开放式发布环境低代码支撑等因

素［1］

，避免各系统之间壁垒、烟囱等情况。能碳时空

五维分布式数据库底座见图1。

1.2 交通碳管理核算方法研究

核算方法选用排放因子法，温室气体排放量为

活动数据与温室气体排放因子的乘积。

温室气体排放因子获取优先级见表1。

具体核算方案如下：

碳排放总量计算：碳排放总量（tCO2e）等于企

业净消耗的各种化石燃料燃烧活动产生的气体排

放量（tCO2e）、企业的运输车辆在尾气净化过程由

于使用尿素等还原剂产生的CO2排放量（tCO2）、企

业净购入电力产生的CO2排放量（tCO2）三者之和。

1852

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

表1 温室气体排放因子获取优先级

数据类型

排放因子实测值或测算值

排放因子参考值

描述

通过交通运输领域内的直接测量、能量平衡或物料平衡等方法得到的排放因子或

相关参考值

采用相关指南或文件中提供的排放因子

优先级

高

低

图1 能碳时空五维分布式数据库底座

化石燃料燃烧碳排放量计算：化石燃料燃烧碳

排放量（tCO2）等于净消耗化石燃料燃烧产生的

CO2排放量（tCO2e）、运输车辆燃烧化石燃料产生的

N2O 排放量（tCO2）三者之和。

CO2排放量计算：化石燃料燃烧碳排放量是通

过累加所有化石燃料活动水平与其对应的 CO2排

放因子的乘积来计算。

核算方案还包括甲烷和氧化亚氮排放量、尾气

净化过程碳排放、净购入电力产生的碳排放、碳减

排总量的纯电动车减排量、天然气车减排量、混合

动力车减排量等方案。

1.3 交通碳管理贴标评价体系研究

1）碳账户评价指标

评价指标包括：里程碳排放强度、车均碳排放强

度、货运周转量碳排放强度和客运周转量碳排放强度。

其中：

里程碳排放强度=碳排放总量/企业车辆总里

程数；

车均碳排放强度=碳排放总量/企业车辆总数；

货运周转量碳排放强度=碳排放总量/企业总货

运周转量；

客运周转量碳排放强度=碳排放总量/企业总客

运周转量。

2）碳管理评价指标方法

（1）里程碳排放强度评价方法

里程碳排放强度对标率=（里程碳排放强度/对

标值）×100%。

对标值确定方法如下：

行业平均车均碳排放强度=行业内所有企业碳

排放量总和/行业内所有企业车辆总和。

（2）车均碳排放强度评价方法

车均碳排放强度对标率=（车均碳排放强度/对

标值）×100%。

对标值确定方法如下：

行业平均里程碳排放强度=行业内所有企业碳

排放量总和/车均内所有企业里程总和。

（3）货运周转量碳排放强度评价方法

城市交通碳管理技术研究

1853

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

货运周转量碳排放强度对标率=（货运周转量

碳排放强度/对标值）×100%。

对标值确定方法如下：

行业平均货运周转量碳排放强度=行业内所有企

业碳排放量总和/行业内所有企业货运周转量总和。

（4）客运周转量碳排放强度评价方法

客运周转量碳排放强度对标率=（客运周转量

碳排放强度/对标值）×100%。

对标值确定方法如下：

行业平均客运周转量碳排放强度=行业内所有企

业碳排放量总和/行业内所有企业客运周转量总和。

3）碳管理评价等级划分

碳管理评价以道路运输企业里程碳排放强度、

车均碳排放强度、货运周转量碳排放强度和客运周

转量碳排放强度为评价维度，以计算分级为评价方

式。根据计算所得的碳排放强度情况赋予 AAA、

AA、A 贴标结果，AAA 代表碳排放强度状况优秀、

AA代表碳排放强度状况较良好、A代表碳排放强度

状况中等、深绿代表碳排放强度状况偏差。碳管理

评价等级划分见表2和图2。

图2 碳管理评价等级

表2 碳排放强度评价等级划分

标志颜色

深绿

浅绿

黄色

强度等级

AAA

AA

A

对标率

[0，100%）

[100%，120%）

[120%，[∞]）

1.4 交通碳排放金融服务模式探讨

将碳金融系统中的融资信息、金融产品信息、

保险产品信息、减排效果等数据归集至交通碳管理

平台，通过贷款融资额控制和政府贴息形成交通碳

排放金融服务。

交通碳管理碳效评估分为贷前和贷后评估。

金融机构贷前碳效分析，由金融机构输入基期及预

期交通企业碳排放数据，基期及预期企业主营业务

收入，相应扣减因素后得出贷前碳效分析数据和指

标；贷后碳效分析为针对金融机构逐笔交通贷款的

碳效核算。贷前包括交通贷款融资额和交通碳排

放贴息。

2 交通碳管理平台建设

围绕新能源充分利用、碳排放数据获取、监测

和分析、场景应用，实现交通治理和低碳化目标，利

用物联网、区块链、大数据、云计算等先进技术，开

展对交通领域碳排放特征分析及关键技术研究，研

发基于五维时空分布式数据库底座的交通碳管理

平台，构建交通碳管理数据模型、搭建云—边—端

1854

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

多层分布式架构、提供开放式海量接入环境，从交

通监管部门、交通企业、交通车辆、交通枢纽站、交

通能源基站等多系统、多设备海量接入数据和标准

化处理、全网多账本同步校验和应用，实现碳账户

及资产管理、碳排放数据采集、碳足迹分析评价、碳

指标评价管控、企业碳码贴标、碳金融服务等，为政

府服务端及企业治理端提供交通碳排放服务指导。

交通碳管理总体设计以时空五维分布式数据

库底座为基础，采用云—边—端分布式多级架构［2］

，

实现政府服务端采用云服务模式，提供系统服务、

模型构建、数据实时监管、分析评价、碳足迹、碳金

融、碳驾驶舱展示等相关应用功能，边端通过基

础支撑和模型实现、数据汇聚，实现企业治理端

数据采集和评判贴标，端侧通过数据接口和系统

对接等方式，实现从政务云、交通企业、交通基

础、交通车辆等海量数据采集。云边端体系各司

其职，在各自节点承担数据来源、标准化运算处

理、存储、全网账本统一，充分释放云端计算存储

和访问压力，确保全网数据的防窜改、真实可信

和高安全保障。

总体设计充分考虑系统的安全性，通过全网资

源监管分析，提供数据安全、应用安全、系统安全、

云平台安全、网络安全等实时监管分析和恢复能

力，构建了交通碳管理的安全体系。交通碳管理平

台架构见图3。

2.1 政府服务端交通碳管理

基于交互动态地图的城市交通企业能耗总量、

能耗强度、碳排放总量、碳排放强度总览。交通碳

管理概况，接入企业、接入车辆、清洁能源车。碳排

放强度，各类交通企业，当年上年同比比较。清洁

能源车概况，各类交通企业的各种清洁能源车情

况。碳源结构，碳减排量，各类交通企业的碳管理

贴标情况汇总。交通碳金融，新能源车的购置补

贴、运营补贴、低碳贷款情况汇总。政府服务端城

市交通碳管理见图4。

2.2 企业治理端交通碳管理

交通企业碳管理，为每个碳管理主体配置独立

的用户界面，详细展示单一企业的各类信息：企业

信息、碳排放指标、贴标信息、碳源结构、车辆结构、

清洁能源车的交通碳金融信息。企业治理端交通

碳管理见图5。

3 交通碳管理场景应用

浙江某城市交通碳管理是城市碳账户工业、交

通、建筑、能源、农林业、居民6大领域的重要环节，

项目建设包括交通碳账户模型构建、数据采集、碳

图3 交通碳管理平台架构

城市交通碳管理技术研究

1855

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

账户监管、碳足迹核算评价、企业碳码贴标、用能预

算化管理、碳金融应用，实现交通碳数据采集核算

与指标体系建设，使交通企业获得新能源购车补

贴、充电桩建设援助、运营资金的低成本支持，为政

府服务端和企业治理端提供节能减排指导服务。

项目至2022年接入全市73个交通企业，包括公交、

出租、客运、货运等车辆6 119辆、清洁能源车1 517

辆，全市交通能耗总量211 468.45 tce、碳排放总量

362 919.26 tCO2，碳减排 9 715.18 tCO2。碳管理

绿贷规模达 102.14 亿元，撬动企业投入减排减碳

技改资金达 30 亿元。城市交通碳管理建设如图 6

所示。

图4 政府服务端城市交通碳管理

图5 企业治理端交通碳管理

1856

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

4 总结

本文对城市交通碳管理模型构建、采集标准规

范、核算评价方法、碳金融服务等关键技术及应用

进行了初步探讨，建立数智化交通碳管理平台，开

展长三角区域场功应用和推广，相关成果将有助于

引导整个社会节能减排、提高能效、安绿同行，对城

市“双碳”目标建设的政府服务端、企业治理端、金

融服务端提供很好的指导意义。

参考文献

［1］蒋晔,邵燕,张勇跃.一种基于元数据的综合能源一体化e-CIM模型设

计方法：CN201811179584.8［P］. 公告号：CN109272248A.

［2］蒋晔,邵燕,张勇跃. 一种基于分布式架构的综合能源服务平台系统：

2018111795744［P］. 公告号：CN109379420B.

图6 城市交通碳管理建设

城市交通碳管理技术研究

1857

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

冷藏车厢门不同开启状态的厢体内部

温度场模拟研究

赵 举 朱洪亮 许敬能

上海市质量监督检验技术研究院

摘要：厢门不同开启状态对冷藏车厢体内部货物温度影响较大。以短途冷藏车为对象，建立了三维冷藏车

的物理模型和CFD计算模型，搭建了冷藏车实验平台。通过采集获取厢体内部温度分布情况完成了CFD

仿真计算模型的验证。利用该模型，模拟研究了厢门关闭、单侧厢门开启及两侧厢门均开启三种情况下厢

体内部温度分布情况，并进一步研究了冷藏车制冷系统故障停机后厢体内部瞬态温度变化。研究结果表

明：在室外温度为12 ℃、装载率为80%情况下，厢门开启情况对冷藏车近出风口货物影响不大，主要影响近

厢门处的货物温度，厢门全开与厢门关闭情况下货物平均温度会上升21%。

关键词：冷藏车；厢门；温度场；数值模拟

DOI: 10.13770/j.cnki.issn2095-705x.2023.12.016

Simulation Study on Internal Temperature Field of Compartment Door of Refrigerated Truck in Different Opening States

ZHAO Ju, ZHU Hongliang, XU Jingneng

Shanghai Institute of Quality Supervision and Inspection Technology

Abstract: The different opening states of the compartment door have a significant impact on the temperature of the goods inside the refrigerated compartment. Taking short-distance refrigerated trucks as

the object, a three-dimensional physical model and CFD calculation model of refrigerated trucks were

established, and a refrigerated truck experimental platform was built. The verification of the CFD simu收稿日期：2023-04-17

基金项目：上海市市场监督管理局2022年度科技项目——冷链用冷藏车运行性能验证及安全管理规范的研究（2022-61）

第一作者（通讯）：赵举（1990-02-），男，硕士，工程师，主要从事质量监督检验技术研究等

1858

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

0 引言

冷藏车是一种用于运输冷藏货物的车辆，它的

主要功能是保持货物的低温状态，以确保货物的质

量和安全。为了达到这个目的，冷藏车通常配备了

制冷系统和保温隔热材料。随着社会经济的不断

发展，冷链物流行业迅速发展。冷藏车作为冷链物

流中不可或缺的一环，承担着运输易腐食品的重要

责任。

在冷藏运输过程中，温度是冷藏效果的一个重

要指标，受到越来越多人的关注。然而，目前我国

冷链物流中存在着薄弱环节，其中之一就是冷藏

车。随着我国公路冷藏车运量的年增长率急剧上

升，对冷藏车技术研究的需求日益迫切。然而，由

于冷藏车内部存在复杂的流动和传热现象，为了确

保冷藏车的性能和安全，需要进行CFD模拟和优化

设计［1］

。

冷藏车的温度场研究是优化设计和保障货物

安全的重要方向［2］

。目前，已经有很多研究关注冷

藏车的温度场问题，并尝试通过实验和数值模拟等

手段进行研究。数值模拟是研究冷藏车温度场的

常用方法之一。通过建立冷藏车的三维模型，应用

CFD软件模拟冷藏车内部的流动和传热现象，分析

温度分布、空气流速等参数，以及制冷系统的性能

等因素对温度场的影响。Chourasia等［3］

利用CFD

模拟货物不同宽高比及货物堆栈之间不同间隙时

所需要的冷却时间，确定了最佳货物宽高比和垂直

水平间隙。Ferruh等［4］

同样借助CFD技术，分析了

不同冷却条件的熟鸡蛋冷却时间及温度分布情况，

模拟结果与实际情况基本吻合。韩佳伟等［5］

以土豆

为货物区试验材料，建立了求解冷藏车车厢温度场

分布计算模型，采用CFD模拟开启风机和关闭风机

不同阶段车厢内温度场的分布情况。张翔等［6］

进一

步对4种结构不同的冷藏车厢体，在相同的运输时

间和同样货物堆码方式下的厢体冷却性能(温度分

布、冷却时间、冷却均匀性)进行CFD模拟对比与分

析。徐笑锋等［7］

将蓄冷技术运用到冷藏车，并使用

CFD 模拟手段研究了不同环境温度下蓄冷车厢内

部温度分布及变化情况。赵时等［8］

建立了冷藏车厢

的仿真模型，利用 CFD 技术研究了梯级送风对空

仓时冷藏车厢内温度场的影响，并进行了实验验

证。结果显示，梯级送风可以提高冷藏车厢内射

流区的气流速度，提高车厢内温度场的整体降温

速度。

文献调研结果显示，已有研究主要将CFD手段

用于优化改进冷藏车设计，如送风方式、制冷系统

位置、增加蓄冷设备等。鲜有研究关注冷藏车实际

运行过程开关厢门对货物温度的影响，以及车辆断

电故障下冷藏车厢内温度分布情况。因此，本文以

短途冷藏车为研究对象，借助CFD模拟研究不同厢

门开启状态下货物温度分布以及制冷系统断电故

障下的厢内温度情况。

lation calculation model was completed by collecting and obtaining the temperature distribution inside

the compartment. Using this model, the internal temperature distribution of the car body is simulated

under three conditions: the car door is closed, the door is opened on one side and the door is opened

on both sides, and the transient temperature change in the car body is further studied after the refrigeration system of the refrigerated truck is shut down. The research results showed that: when the outdoor

temperature is 12 ℃ and the loading rate is 80%, the opening of the compartment door has little impact

on the goods near the air outlet of the refrigerated truck, mainly affecting the temperature of the goods

near the compartment door. The average temperature of the goods will rise by 21% when the compartment door is fully opened and closed.

Key words: Refrigerated Truck; Compartment Door; Temperature Field; Numerical Simulation

冷藏车厢门不同开启状态的厢体内部温度场模拟研究

1859

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

1 冷藏车厢模型建立

1.1 物理模型与网格划分

本文研究对象为市场上最常用的短距离冷藏

车，该车型冷藏车厢呈立方体形，尺寸为6 600 mm×

2 300 mm×2 300 mm（长×宽×高），见图1。冷

藏车厢外围选用20 cm保温材料包裹，用以减少车

厢漏热。车厢运行平均温度为 5 ℃。风机和制冷

机组安装于车厢前部，送风方式采用单一冷风机送

风，冷风机由车前向车后送风，冷气由风机送风口

经车体内循环之后由送风口两侧的回风口回风。

冷藏车货物装载率设置为80%。

为了验证模型，在车厢内共设置33个测温点，

用于获取车厢内部温度分布。其中高度方向平均

分为3层，每层均匀布11个点，底层距离车厢5 cm，

顶层与冷风机出风口下端平齐，中层介于顶层与底

层中间。所有温度通过数据采集仪采集后记录在

电脑中便于后续数据分析。

图 1 实验用冷藏车

本研究采用商用ANSYS软件进行研究。首先

采用 ICEM 搭建如图 2 所示冷藏车厢物理模型，车

厢右上位置y=1.7 m处放置制冷系统进出风口，送

风口和回风口尺寸均为 0.3 m×1.7 m。为了进一

步简化模型，提高模拟计算效率，将冷藏车外壳设

置为常壁温的壳体，壁温边界条件视外界环境温度

及车厢内热负荷而定。内部空气域外围采用20 cm

的保温材料进行厢体保温，两侧车门采用相同的保

温材料。对厢体、车门、厢体外壳、进出风口进行命

名便于后续计算边界条件设置。

图 2 冷藏车物理模型简图

冷藏车厢物理模型构建完成之后，需要对模型

进行网格划分。网格划分严格按照物理规律（对近

壁面和进出风口周围设置边界层、高换热部位进行

网格加密）。采用非结构网格方法，在货物表面，流

场域与保温材料交界面及制冷系统风道周围设置

边界层，边界层 y+值为 40，第一层网格尺寸为

0.001 m，增长率为1.1，边界层的层数为5。选择最

小网格尺寸0.2 m、0.1 m、0.05 m进行网格划分，得

到网格总数量为粗(总网格单元数：544 533，54 W)、

中(总网格单元数：1 665 193，166 W)、精(总网格单

元数：3 686 810，368 W)三种网格密度用于进行网

格无关性验证。模型网格划分见图3。

(a)整体网格 (b)局部网格

图 3 模型网格划分

1.2 数学模型

本研究采用κ-ε湍流模型进行瞬态数值模拟，

模拟中涉及库内流体流动与传热过程均服从质量守

恒定律、能量守恒定律及动量守恒定律。在数值模

拟计算中，对所建的物理模型有以下假设条件：

（1）车厢内空气为不可压缩流体。

（2）空气在固体壁面上无滑移。

（3）忽略影响微乎其微的流体黏性力做功产生

的耗散热。

（4）忽略场景内影响较小的辐射传热。

模型控制方程如下：

1860

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

连续性方程

∂ui

∂xi

= 0 （1）

湍流流动能量方程：

∂

∂xi

(puiT)= ∂

∂Xi

é

ë

ê ù

û

ú æ

è

ç ö

ø

÷ μ

pr

+ μi

σi

∂T

∂xi

+ qT

Cp

（2）

湍流脉动动能方程（κ方程）：

∂

∂xi

(ρuik) = ∂

∂xi

æ

è

ç ö

ø

÷ μi

σk

∂k

∂xi

+ G - ρε

+βg

μi

Pr

∂T

∂xi

（3）

湍流脉动动能耗散率方程（ε方程）：

∂

∂xi

(ρuiε)= ∂

∂xi

æ

è

ç ö

ø

÷ μi

σε

∂ε

∂xi

+ (c1G - c2 ρε)

+c3βg

ε

k

μi

Pr

∂T

∂xi

（4）

式中，G——湍流脉动动能产生项：

G = μi(

∂ui

∂xj

+ ∂uj

∂xi

)

∂ui

∂xj

,i,j = 1,2,3 （5）

ui——空气流动的速度分量(m/s)，i取1，2，3时

分别对应x，y，z方向；

ρ——空气密度，(kg/m3

)；

P——压力(Pa)；

T——空气温度；

β——空气体积膨胀系数(1/℃)；

μ——气体层流动力黏性系数(m2

/s)；

μt——气体紊流动力黏性系数(m2

/s)；

g——重力加速度(m2

/s)；

k——空气紊流脉动动能(m2

/s)；

Pr——紊流时的普朗特数；

qT——热源强度(W/m3

)；

ε——紊流能量耗散率(m2

/s)；

式中各经验系数取值为：

c1=1.44，c2=1.92，c3=1，σ3=0.09，σk=1。

1.3 边界条件及相关参数设定

最后，模拟仿真之前需要对计算区域的材料物

性和计算的边界条件进行设定。

材料属性设置（模型计算域分为三种材料

属性）：

a)货物区选择果蔬和肉类的平均物性参数，设

置换热系数为10 W/(m2

·K)，密度为750 kg/m3

；

b)车内风域设置为不可压流，选择材料库的空

气属性进行计算；

c)外部保温材料换热系数为0.34 W/(m2

·K)，定

压比热为0.75 kJ/(kg·K)。

边界条件设置：根据制冷系统制冷量计算出风

口风速为2.1 m/s，制冷系统除进出风口外设置常壁

温边界为2 ℃。货物表面为coupled换热面，保温

棉外表面为定壁温壁面（根据环境温度设定 8.8~

12.7 ℃），车门在关闭时为绝热壁面，打开状态下为

interface。风域与保温棉交界面为 coupled 换热

面。计算方法：采用SIMPLE算法进行计算，湍流动

能和湍流耗散率选择二阶精度。

1.4 网格无关性检验及模型验证

考虑到CFD模型的计算精度与模型复杂度，对

粗(54 W)、中(166 W)、精(368 W)三种网格密度的

CFD 模型模拟结果进行分析。在双侧车门均关闭

情况下进行网格无关性验证模拟计算。当各计算

残差（连续性残差1e-05、温度残差1e-08、流速残

差 1e-05、湍流强度 k&ε残差 1e-05）均低于设定

收敛值时，认为计算达到收敛，见图 4所示。

图 4 计算过程的残差变化

将不同网格精度下模拟得到的厢内温度场结

果与实验数据进行对比。选取制冷系统出风口前

0.05 m 处，位于（X=3.3 m，Y=2.15 m）平面及（X=

6.25 m，Z=1.15 m）平面的实验测试数据与模拟结

果进行对比，结果见图 5。从图5中可以看出，随着

冷藏车厢门不同开启状态的厢体内部温度场模拟研究

1861

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

计算网格数的增加，模拟与实验数据的误差将会减

小。其中，基于320 W和183 W网格的模拟结果与

实验数据吻合较好，最大误差不超过5%，满足计算

精度要求。因此，综合考虑模型精度和计算效率，

最终选择中间网格尺度（最小网格尺寸为0.1 m）为

后续模拟计算网格。

(a) X=3.3m, Y=2.15m

(a) X=6.25m, Z=1.15m

图 5 网格无关性检验及模型验证结果

2 模拟结果分析

在对模型进行实验验证后，选择中等网格尺寸

作为后续模拟基准。对冷藏车厢内部稳态和瞬态

的温度场进行了模拟分析。

2.1 稳态温度场结果分析

在冷藏车实际运行过程中，由于需要卸货和装

货，冷藏车厢门会经常开启关闭，造成内部冷量的

损失，引起冷藏车厢内温度场的变化，为了得到不

同厢门开启状态下内部温度场，对以下三种的稳态

温度场进行了研究：Case 1—厢门关闭、Case 2—

单侧厢门开启、Case 3—两侧厢门均开，其模拟结

果如图 6和图 7所示。

不同厢门开启状态下Z=1.15 m平面的厢体内

温度场如图 6所示。从图6(a)中可以看出厢门关闭

情况下，厢内货物的温度可以保证在2.0~8.0 ℃之

间，满足冷藏车预设功能要求。一侧厢门开启后，

货物的温度梯度发生了改变，近门处的货物温度接

近 8.0 ℃，但 Z=1.15 m 平面的温度仍可保证在

2.0~8.0 ℃之间（图 6(b)）。这是因为厢内货物装载

率较高，尽管单层门开启，但由于货物的阻隔，减弱

了外侧空气与内部气体的对流传热。当两侧厢门

均开启后，在 Z=1.15 m 平面近门处位置的货物温

度将超过8.0 ℃，已无法满足预设要求。

(a) Case 1

(b) Case 2

(c) Case 3

图 6 不同厢门开启状态的厢体内温度场（Z=1.15 m）

不同厢门开启状态下厢体中间平面（X=3.3 m）

1862

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

温度场如图 7所示。从图7中可以看出，不同厢门

开启情况下，厢体内货物中间平面的温度场区别不

大，温度均能保证在2.0~8.0 ℃之间。这是因为由

于进门处货物的堆放阻碍了车厢内部货物与外界

的传热，因此厢门开启与否对于厢体中后部货物温

度的影响较小。

(a) Case 1 (b) Case 2 (c) Case 3

图 7 不同厢门开启状态的厢体内温度场（X=3.3 m）

不同厢门开启状态的货物平均温度及货物中

间面平均温度对比见图8。

关闭车门稳定运行时 X=3.3 m 中间面的面平

均温度为5.8 ℃。货物体的平均温度为4.6 ℃。打

开单侧车门时，X=3.3 m 中间面的面平均温度为

5.94 ℃，相较于车门全关状态下的 5.8 ℃升高了

0.14 ℃。货物的平均温度为4.8 ℃，相较于车门全

关状态下的4.6 ℃升高了0.2 ℃。两侧车门均打开

时X=3.3 m中间面的面平均温度为6.157 ℃，相较

于车门全关状态下的5.8 ℃升高了 0.357 ℃，开单

侧门状态下的5.94 ℃升高了0.217 ℃。货物的体

平均温度为 5.57 ℃，相较于车门全关状态下的

4.6 ℃升高了0.97 ℃，开单侧门状态下的4.8 ℃升

高了0.77 ℃。

图8 不同厢门开启状态的货物平均温度及货物中间面平均温度对比

3 制冷系统故障停机情况下厢内瞬态温度场

分析

冷藏车实际运行过程中，由于外部环境变化剧

烈，制冷系统长期运行中会存在故障停机情况，为

了保证货物冷藏效果需要及时进行维修。分析制

冷系统停机情况下厢内温度变化，对室外温度为

12 ℃，厢门均关闭情况下系统故障停机的600 s内

瞬态温度场进行了模拟故障停机后20 s内厢体内

温度场如图 9所示。

(a) 停机后10 s

(b) 停机后20 s

图 9 故障停机后20 s内厢内温度场

从图9中可见，20 s内厢体内温度变化不大，货

物均能保证在 8 ℃之内。货物平均温度及中间面

平均温度随停机时间变化见图10。10 s时，X=3.3 m

中 间 面 平 均 温 度 5.84 ℃ ，货 物 体 平 均 温 度

4.625 ℃ ；20 s 时 ，X=3.3 m 中 间 面 平 均 温 度

5.875 ℃，货物体平均温度4.65 ℃；100 s时，X=3.3 m

中 间 面 平 均 温 度 6.175 ℃ ，货 物 体 平 均 温 度

4.852 ℃ ；200 s 时 ，X=3.3 m 中 间 面 平 均 温 度

6.221 ℃，货物体平均温度 4.856 ℃；600 s 时，

X=3.3 m中间面平均温度6.513 ℃，货物体平均温

冷藏车厢门不同开启状态的厢体内部温度场模拟研究

1863

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

度为5.036 ℃。从图10中可以看出，前200 s内温

度升高较为明显，200 s 后温度上升逐渐减慢。这

是因为随着厢内温度上升，厢内与厢外传热温差下

降，漏热减少，而由于货物热容较大，因此货物平均

温度上升较为缓慢。从温度变化趋势分析，24 h内

货物平均温度均能保证在8 ℃以内，满足冷藏车预

设要求。

图 10 货物平均温度及中间面平均温度随停机时间变化

4 总结

冷藏车作为一种重要的运输工具，对于货物的

保鲜和安全至关重要。冷藏车温度场研究的主要

目的是为了优化冷藏车的设计和运行，以确保货物

的质量和安全。本文以短途冷藏车为对象，建立了

三维冷藏车的物理模型和CFD计算模型，通过搭建

冷藏车实验台获取厢体温度分布完成了CFD仿真

计算模型的验证。借助该模型对厢门不同开启状

态下的厢内温度场进行了CFD模拟分析。

模拟结果显示，在室外温度为12 ℃、装载率为

80%情况下，厢门开启情况对冷藏车近出风口货物

影响不大，主要影响近厢门处的货物温度，厢门全

开与厢门关闭情况下货物平均温度会上升 21%。

除此之外，在制冷系统故障停机下，若车厢保温良

好，由于货物较大得到热容，厢内货物能够在较长

时间内维持在8 ℃以内。

参考文献

［1］Copertaro B, Principi P, Fioretti R. Thermal performance analysis of

PCM in refrigerated container envelopes in the Italian context–Numerical modeling and validation［J］. Appl Therm Eng, 2016, 102:

873-81.

［2］Leungtongkum T, Flick D, Hoang H M, et al. Insulated box and refrigerated equipment with PCM for food preservation: State of the art［J］.

J Food Eng, 2022, 317:110874.

［3］Chourasia M, Goswami T. Simulation of effect of stack dimensions and

stacking arrangement on cool-down characteristics of potato in a cold

store by computational fluid dynamics［J］. Biosys Eng, 2007, 96(4):

503-515.

［4］Erdogdu F, Ferrua M, Singh S K, et al. Air-impingement cooling of

boiled eggs: analysis of flow visualization and heat transfer［J］. J

Food Eng, 2007, 79(3): 920-928.

［5］韩佳伟, 赵春江, 杨信廷,等. 基于CFD数值模拟的冷藏车节能组合方

式比较［J］. 农业工程学报, 2013, 19: 55-62.

［6］张翔, 韩佳伟, 杨信廷, 等. 不同构造冷藏车厢体的冷却性能模拟与

对比［J］. 制冷学报, 2018, 39(2): 89-98.

［7］徐笑锋, 章学来, 王建军. 不同环境温度下蓄冷式冷藏车温度场的模

拟研究［J］. 低温与超导, 2018, 46(2): 65-69.

［8］赵时, 姜兆亮, 丁兆磊, 等. 梯级送风对冷藏车厢内温度场的影响

［J］. 制冷学报, 2020, 41(5): 116-123.

1864

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

燃煤电厂CO2捕集技术研究

孟 磊 张力元 何镇翔

国电电力双维内蒙古上海庙能源有限公司

摘要：CO2作为主要的温室气体之一，其大量排放对环境和生活造成了一定的影响。在“碳达峰、碳中和”的

目标下，急需开发有效的CO2捕集技术。详细介绍了CO2的三种捕集技术：燃烧前碳捕集、燃烧中碳捕集和

燃烧后碳捕集。其中燃烧后碳捕集技术包含吸附法、吸收法、膜分离法和低温分离法。

关键词：燃煤电厂；CO2；燃烧前碳捕集；富氧燃烧技术；燃烧后碳捕集

DOI: 10.13770/j.cnki.issn2095-705x.2023.12.017

Research on CO2 Capture Technology in Coal-Fired Power Plants

MENG Lei, ZHANG Liyuan, HE Zhenxiang

State Grid Shuangwei Inner Mongolia Shanghai Temple Energy Co., Ltd.

Abstract: As one of the main greenhouse gases, the large-scale emission of CO2 has caused certain

impact on the environment and life. Under the goal of \"carbon peaking and carbon neutrality\", it is urgent to develop effective CO2 capture technology. Three CO2 capture technologies are introduced in

detail: pre-combustion carbon capture, in-combustion carbon capture, and post-combustion carbon

capture. Among them, post-combustion carbon capture technology includes adsorption, absorption,

membrane separation, and low temperature separation.

Key words: Coal-Fired Power Plant; CO2; Pre-Combustion Carbon Capture; Oxygen-Enriched Combustion Technology; Post-Combustion Carbon Capture

收稿日期：2022-10-10

第一作者（通讯）：孟磊（1994-07-），男，硕士，主要从事电力相关的研究

1865

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

0 引言

随着社会经济的快速发展，能源的需求也日

益增长。其中化石燃料在能源的使用过程中带来

了温室气体的排放，CO2气体的排放占温室气体

的比例达到 64%。温室气体的排放对环境造成了

一定的破环，导致全球气候变暖，进而引发冰川融

化，海平面上升等问题，极大地危害到人类的生存

环境。

各国政府相继出台一系列的政策和法规。

2015年，第21届联合国气候变化大会上由全世界

178个缔约方共同签署的气候变化协定，对2020年

后全球应对气候变化的行动作出统一安排，并制定

了《巴黎协定》。2020 年 9 月，在第 75 届联合国大

会上，我国提出了碳达峰和碳中和的目标，力争于

2030年前达到峰值，努力争取于2060年前实现碳

中和。为实现这一目标，中国政府制定一系列降低

碳强度和减少碳排放的措施，具体包括改善能源结

构、优化经济结构等。然而，中国作为世界上最大

的能源消费国，对于实现“双碳”目标，面临着非常

严峻的考验和压力。

我国的能源特点是“富煤，贫油，少气”，煤炭在

我国能源的利用过程中扮演着重要的角色。由于

煤在以化石燃料为主要能源的发电行业中的重要

地位，对煤燃烧产生的温室气体的控制也变得非常

重要。

1 电厂烟气CO2捕集技术

燃煤电厂CO2捕集技术主要分为三类，即燃烧

前捕集、燃烧中捕集以及燃烧后捕集［1］

。

1.1 燃烧前CO2捕集技术

燃煤电厂燃烧前 CO2捕集技术流程示意图见

图1。燃烧前碳捕集工艺具体为：利用煤气化方式

将煤炭气化为合成气等气体，进一步通过水煤气变

换的方式转化为 CO2和 H2。然后通过分离装置将

CO2分离出来，H2则被燃气轮机用来发电。此工艺

与常规电站燃烧后CO2捕集方式相比，避免了烟气

流量大、CO2浓度低的特点。但是,其成本远高于在

役燃煤机组，同时其发电热效率将下降 7~10 个百

分点［2］

。燃烧前CO2捕集技术示意图见图1。

图1 燃烧前CO2捕集技术示意图

2015 年华能天津煤气化发电有限公司建成

了IGCC（燃气-蒸汽联合循环）的6万~10万t CO2

捕集系统装置，这一示范系统是中国容量最大的

燃烧前 CO2捕集系统［3］

。樊强等［3］

对上述燃烧前

CO2捕集系统进行了详细的分析。结果表明：该

系统的捕集能力为 9.46 万 t/年，捕集率大于 88%，

捕集CO2能耗为2.34 GJ/t，捕集成本为281.37元/t。

吸附增强型水气转移(SEWGS)技术是一种很有前

途的燃烧前脱碳技术，非常适合在联合循环发电

方案中脱碳从天然气和煤基燃料生产的合成气。

Selow 等［4］采用碳酸钾负载水滑石基材料作为

CO2吸附剂，CO2捕集效率达到 90%以上。该循

环法是一种低成本、燃烧前 CO2捕获方案，其平均

吸附能力高达401 mg-CO2/g-CaO。由于钙循环

法 CO2捕获技术独特的高 CO2选择性，实现了极

高的 CO2捕集效率。Wu 等［5］

采用钙循环法实现

了极高的 CO2捕集效率。通过使用最佳的吸附和

解吸温度，钙循环法技术表现出极高的 CO2承载

能力，达到51%。

1.2 燃烧中CO2捕集技术

燃煤电厂燃烧中 CO2捕集技术流程示意图见

图 2。燃烧中 CO2捕集技术是采用富氧燃烧的方

式，采用高纯度氧（浓度大于95%）和部分再循环烟

气作为燃料燃烧的氧化剂，燃烧产物主要为CO2和

水蒸气。该技术以烟气中的CO2来替代氮气（N2），

使烟气中 CO2的浓度大大提高，降低 CO2捕集能

耗。但是采用富氧燃烧技术空分装置制氧需要消

耗能量，发电效率降低10%～12%［2］

。

1866

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

图2 富氧燃烧CO2捕集技术示意图

富氧燃烧作为 CO2捕集技术为燃煤电厂实现

接近零排放提供了一种方式。在富氧燃烧技术中，

由于燃烧中氮的减少，烟气量减少了4～5倍（以干

基计）。减少的富含 CO2的烟气体积必须压缩至

25~35 bar进行净化，从而进一步减少25~35倍的

实际烟气体积。如果烟气压缩机下游安装了去除

杂质（SOX、NOX和Hg）的设备，与空气燃烧相比，投

资成本可以大幅减少。此外，通过在CO2净化装置

中处理整个烟气量，可以去除和浓缩固体和液体废

物流中的微量杂质，并产生接近零排放的排气流和

相对无微量杂质的高纯度 CO2。Praxair 公司开发

了一种利用协同效应的富氧燃烧烟气净化技术，与

空气燃烧煤粉发电厂相比，该技术将捕集>99%的

CO2、SOx 和 Hg 排放量，以及>95%的 NOx 排放

量。该技术的好处包括管理空气进入问题、节省

SOx和NOx脱除的资金和运营成本、降低CO2捕获

成本和生产用于封存的高纯度 CO2

［6］

。Xiong 等［7］

对 2×300 MW 亚临界、2×600 MW 超临界和 2×

1 000 MW超超临界富氧燃烧燃煤电站进行了技术

经济评价。结果表明，2×300 MW富氧燃烧装置的

电费为500.04元（/ MWh）（449.09元/，常规装置）的

1.39 倍；其静态投资成本是相应常规装置的 1.19

（1.23，1.25）倍；其净功率输出是相应常规电厂的

0.73 倍。静态投资成本的增加主要是因为空分装

置的价格较高。Soundararajan等［8］

采用模拟的方

法建立了一种新型的富氧燃烧煤基电厂，模拟结果

表明，加压富氧燃烧动力循环比常规空气燃烧CO2

捕集效率更高。通过在燃烧室之前压缩少量气体

（O2），可以在燃烧室之后的废气压缩工作中实现相

当大的节省，效率提高约为1.7个百分点，CO2捕集

效率提高了2.8个百分点，达到97.8%。

1.3 燃烧后CO2捕集技术

燃煤电厂燃烧后CO2捕集技术流程见图3。目

前，工业上大规模采用燃烧后CO2捕集方式对CO2

进行捕集，其具有低能耗，易于在燃煤电厂进行改

造实施等特点，具有广阔的应用前景。燃烧后CO2

捕集技术主要有吸附法、吸收法、膜分离法和低温

分离法等［9-11］

。

图3 燃烧后CO2捕集技术示意图

1.3.1 吸附法

吸附分离法主要是通过烟气与固体吸附剂发

生作用来吸附CO2，被吸附的CO2利用降低压力或

升高温度的方式进行解吸。常见的吸附剂有碳基、

分子筛等多孔材料，碱金属、固体胺等吸附材料。

Anyanwu 等［10］采用 SBA-15 吸附剂研究了

CO2的吸附特性，结果表明，在90 ℃，1 bar条件下，

CO2的吸附容量达到3.30 mmol/g。Cao等［12］

采用

水热法制备了不同配比的UiO-66和GO复合吸附

材料，在室温下进行了CO2吸附试验。复合材料具

有 高 的 BET 比 表 面 积 和 总 孔 隙 体 积 。 其 中

UiO-66/GO5 表现出较好的 CO2 吸收能力。在

298 K和1 bar条件下，其CO2容量达到3.37 mmol/g。

Gaikwad等［13］

首次使用三种不同的胺-聚乙烯亚胺

（PEI）、四乙烯五胺（TEPA）和二乙烯三胺（DETA），

通过胺基对 MOF-177 进行改性，以提高其低压

CO2 吸附能力。根据吸附动力学评估了胺改性

MOF-177 样品的 CO2 吸附性能。结果表明，与

298 K下的MOF-177相比，TEPA改性的MOF-174

粉末（在20%的负载量下）的CO2吸附能力也有显著

提高（4.8倍），而PEI和DETA改性样品的CO2吸附

性能改善相对较小。随着温度的升高，328 K 时

CO2的吸附容量增加到4.6 mmol/g，高于报道的胺

燃煤电厂CO2捕集技术研究

1867

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

改性吸附剂（318~348 K 时为 1.6~3.8 mmol/g）。

Ma 等［14］

合成并筛选了三种 Li4SiO4粉末，并通过挤

出滚圆技术进一步制备球形球团，以聚乙烯为造孔

剂形成多孔微结构。然后对吸附剂颗粒的 CO2吸

附性能、压缩强度和耐磨性进行了系统测试。结果

表明，采用 20 wt%聚乙烯改性的吸附剂在整个 40

个试验循环中达到 0.31 g CO2/g 吸附剂的吸附能

力，制备的Li4SiO4吸附剂颗粒适用于流化床反应器

中的高温CO2捕集。

1.3.2 吸收法

化学吸收法由于其CO2处理能力高，可靠性强

以及前期在工程应用中积累了大量的经验，被认为

是最成熟和最具商业可行性的碳捕集技术之一。

澳 大 利 亚 LoyYang 发 电 厂 采 用 单 乙 醇 胺

（MEA）吸收剂对CO2进行捕集，其捕集吸收能力为

2 t CO2/天［11］

。陆诗建等［15］

分析了中石化胜利电厂

100 t/天 CO2捕集系统的分析，该系统采用复合胺

作为吸收剂，其水溶液呈碱性。刘珍珍［16］

提出了三

种新型混合吸收剂配方，通过快速筛选实验装置研

究了不同浓度配比下的吸收性能、再生性能和理化

性质，结果表明2.5 mAMP + 2 mMEA（MAH）的方

案最有可能实现工业化应用。

1.3.3 膜分离法

膜分离技术是一种可以在燃煤电厂、水泥和钢

铁厂等大型排放源中发挥重要作用的碳捕集技术，

其在经济、安全、环境和技术方面具有一定竞争力，

近年来已经得到了较快的发展。

美国迈特尔膜技术有限公司（MTR）开发的

Polaris®膜在1 MW的燃煤电厂通过试验［17］

，该系

统膜每天可以从烟气中捕集 20 tCO2，在两年内进

行了三次延长运行，实现了稳定运行，碳捕获率达

到 90%以上。挪威国家技术大学开发的 CO2捕集

聚合聚乙烯胺固定位置载体膜［18］

，在葡萄牙EDP的

Sines发电厂进行了中试，连续测试6.5个月。结果

表明，该膜具有稳定的碳捕集性能，渗透液中 CO2

的最大含量为75%。

1.3.4 低温分离法

低温分离法是在低温条件下，通过相分离的方

法将 CO2从烟气中分离出来的一种方法。低温分

离工艺在石油开采和天然气 CO2分离过程中应用

较多，主要应用于高体积分数（大于50%）和高压气

体中的CO2分离。

Clodic等［19］

开发了一种低温CO2捕集技术，将

CO2气体凝结到低温蒸发器表面，并通过制冷剂混

合物逐步蒸发来捕获CO2。Berstad等［20］

介绍了低

温蒸馏脱除天然气中 CO2的工艺原理。该工艺将

天然气产品在约 40 bar 压力和-88 ℃温度下进行

液化，天然气中含有CO2浓度从最初50.6 vol脱除

至50 ppm。

2 总结与展望

综合比较上述CO2捕集技术，建议对电厂烟气

CO2捕集的同时，利用电厂现有设备或在现有设备

的基础上进行改造，采用多种碳捕集技术进行联合

脱除。加快碳捕集核心技术的研发，提高技术成熟

度，提升中国碳捕集技术核心竞争力。从而实现电

厂低碳高效，全面落实“节约、清洁、安全”的能源战

略方针，促进电力行业的高效、清洁、可持续发展，

实现“双碳”目标。

参考文献

［1］ Mohamed Kanniche, René Gros-Bonnivard, Philippe Jaud, et al.

Pre-combustion, post-combustion and oxy-combustion in thermal power plant for CO2 capture［J］. Applied Thermal Engineering, 2010, 30

(1): 53-62.

［2］韩涛，赵瑞，张帅，等. 燃煤电厂二氧化碳捕集技术研究及应用［J］. 煤

炭工程, 2017, 49(5): 24-28.

［3］樊强，许世森，刘沅，等 基于IGCC的燃烧前CO2捕集技术应用与示

范［J］. 中国电力, 2017, 50(5): 163-184.

［4］E. R. van Selow, P. D. Cobden, R. W. van den Brink, et al. Performance

of sorption-enhanced water-gas shift as a pre-combustion CO2 capture

technology［J］. Energy Procedia, 2009, 1(1): 689-696.

［5］Fan Wu, Paul A. Dellenback, Maohong Fan. Highly efficient and stable

calcium looping based pre-combustion CO2 capture for high-purity H2

production［J］. Materials Today Energy, 2019, 13: 233-238.

［6］Minish Shah, Nick Degenstein, Monica Zanfir, et al. Near zero emis1868

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

sions oxy-combustion CO2 purification technology［J］. Energy Procedia, 2011, 4: 988-995.

［7］Jie Xiong, HaiBo Zhao, ChuGuang Zheng. Techno-economic evaluation of oxy-combustion coal-fired power plants［J］. Chinese Science

Bulletin, 2011, 56(31).

［8］Rengarajan Soundararajan, Truls Gundersen. Coal based power plants

using oxy-combustion for CO2 capture: Pressurized coal combustion to

reduce capture penalty［J］. Applied Thermal Engineering, 2013, 61(1):

115-122.

［9］温翯，韩伟，车春霞，等. 燃烧后二氧化碳捕集技术与应用进展［J］. 精

细化工, 2022, 39(8): 1584-1595+1632.

［10］John-Timothy Anyanwu, Yiren Wang, Ralph T. Yang. SBA-15 Functionalized with Amines in the Presence of Water: Applications to CO2

Capture and Natural Gas Desulfurization［J］. Industrial & Engineering Chemistry Research, 2021, 60(17): 6277-6286.

［11］Yuli Artanto, James Jansen, Pauline Pearson, et al. Performance of

MEA and amine-blends in the CSIRO PCC pilot plant at Loy Yang

Power in Australia［J］. Fuel, 2012, 101: 264-275.

［12］Yan Cao, Yunxia Zhao, Zijian Lv, et al. Preparation and enhanced CO2

adsorption capacity of UiO-66/graphene oxide composites［J］. Journal of Industrial and Engineering Chemistry, 2015, 27: 102-107.

［13］Sanjit Gaikwad, Yeonhee Kim, Ranjit Gaikwad, et al. Enhanced CO2

capture capacity of amine-functionalized MOF-177 metal organic

framework［J］. Journal of Environmental Chemical Engineering,

2021, 9(4).

［14］Long Ma, Changlei Qin, Shuai Pi, et al. Fabrication of efficient and

stable Li4SiO4-based sorbent pellets via extrusion-spheronization for

cyclic CO2 capture［J］. Chemical Engineering Journal, 2020, 379.

［15］陆诗建，赵东亚，朱全民，等. 胜利电厂100 t/d烟气CO2捕集装置㶲

分析与节能方法探索［J］. 天然气化工（C1 化学与化工），2019，44:

96-101+106.

［16］刘珍珍. 燃煤烟气二氧化碳捕集吸收剂的研究及工艺优化运行模

拟［D］. 杭州：浙江大学. 2021.

［17］Lloyd S. White, Xiaotong Wei, Saurabh Pande, et al. Extended flue

gas trials with a membrane-based pilot plant at a one-ton-per-day carbon capture rate［J］. Journal of Membrane Science, 2015, 496: 48-57.

［18］Marius Sandru, Taek-Joong Kim, Wieslaw Capala, et al. Pilot Scale

Testing of Polymeric Membranes for CO2 Capture from Coal Fired

Power Plants［J］. Energy Procedia, 2013, 37: 6473-6480.

［19］M. Younes D. Clodic. A new method for CO2 capture frosting CO2 at

atmospheric pressure［J］. Greenhouse Gas Control Technologies-6th

International Conference, 2003: 155-160.

［20］Zhongxi Chao, Yuefa Wang, Jana P. Jakobsen, et al. Jakobsen. Numerical Investigation of the Sorption Enhanced Steam Methane Reforming in a Fluidized Bed Reactor［J］. Energy Procedia, 2012, 26: 15-21.

稳石氢能发布全球首台套AEM电解水制氢系统（10 kW）

12月15日，稳石氢能AEM电解槽（10 kW）新品发布会吸引了业内专家和客户关注。大家集聚一堂共

同探讨氢能前沿领域的发展趋势和潜在机遇。

以低成本制氢为目标，稳石氢能新产品 AEM 电解水制氢系统（10 kW）是基于 AEM 电解水制氢系统

（2.5 kW）的提高和增强，更适合市场需求，是目前制氢技术领域的新生力量。AEM电解水制氢系统（10 kW）

新产品将能源转换提升到了新的高度，具有更大的制氢能力，能够更快地制备氢气。这对于大规模应用氢

能技术，如储能市场、制加氢一体站等具有重要意义。

与AEM电解水制氢系统（2.5 kW）相比，AEM电解水制氢系统（10 kW）每千瓦制造成本低40%，且具有

更高的电解水制氢效率（电解槽制氢效率可达4.3 kWh/1 Nm3

）。能量密度更高，系统集成度更好，更适合大

规模应用。例如：1 MW系统需要集成400台2.5 kW电解器，而只需100台10 kW电解器。

产品迭代旨在不断适应市场需求，随着市场对制氢成本的需求越来越严苛，AEM的需求更突显。需要

指出的是，与其他电解水制氢解决方案相比，稳石氢能AEM电解水制氢解决方案具有更加可靠的能源转化

优势。简易的集成方式以及更低的设备维护成本，使其成为一种极具竞争力的能源解决方案，进一步深化

了能源转型，促进经济提质增效。 （来源：氢云链）

燃煤电厂CO2捕集技术研究

1869

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

基于改进鲸鱼优化算法的变压器绕组

检测系统

冯 翼 陈伟国

国网上海市电力公司奉贤供电公司

摘要：在超声波检测变压器绕组变形系统中，对超声信号时延估计的准确性和实时性的需求，以最小二乘时

延估计为研究对象，提出了一种基于改进鲸鱼优化的自适应时延估计方法。该方法将改进鲸鱼算法（WOA）

引入在最小二乘时延估计的寻优规划中，解决了传统LMSTDE的计算量大的问题；通过引入非线性调整策

略增强了WOA的全局搜索能力，提高了算法的收敛速度和精度，避免过早陷入局部最优。实验结果表明：

改进后的算法在保持了原有算法的精度和抗噪声优点的同时，极大地提高了运算速度，满足在超声检测变

压器绕组时实时性的需求。

关键词：变压器绕组检测；超声波测距；鲸鱼算法；非线性收敛因子

DOI: 10.13770/j.cnki.issn2095-705x.2023.12.018

Transformer Winding Detection System Based on Improved Whale Optimization Algorithm

FENG Yi, CHEN Weiguo

State Grid Shanghai Electric Power Company Fengxian Power Supply Company

Abstract: In the ultrasonic detection system for transformer winding deformation, the accuracy and real-time requirements for ultrasonic signal time delay estimation are addressed. Taking the least

squares time delay estimation as the research object, an adaptive time delay estimation method based

on improved whale optimization is proposed. This method introduces the improved whale optimization

algorithm (WOA) into the optimization planning of the least squares time delay estimation, which solves

收稿日期：2023-03-28

第一作者（通讯）：冯翼（1995-10-），男，硕士，工程师，主要从事电力系统运行及规划

1870

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

0 引言

电力变压器是变电站中重要的设备，绕组变形

故障在变压器事故中占据较大比重。过电流、不当

运输等原因都会使变压器绕组产生不同程度的形

变，严重威胁着电力系统的安全。

在变压器绕组变形检测领域，超声波检测作为

在线检测方法，与传统的离线检测方法相比存在较

大优势。首先超声检测与电力系统存在电气隔离，

不影响变压器系统运行，其次检测结果为距离量相

对清晰直观。在超声检测变压器绕组变形中，由于

变压器外壳与变压器油存在界面衰减，使得发射波

与接收波在能量上存在较大差距，在渡越时间的估

计上也有不同方法。 提出一种基于阈值法检测渡

越时间的超声检测技术，通过硬件有源滤波及对数

放大，使得回波达到足够的幅值［1］

。该方法检测简

便，但是存在精度不足，抗干扰性能差的问题。常

用的渡越时间估计方法还有广义互相关法、自适应

时延估计法、分数滤波器法等。 通过一种广义互相

关法进行超声的时延估计，该方法以超声波发射波

和回波信号做互相关计算，优点是抗噪性能强，缺

点是计算量大，当回波信号畸变的情况下，测量精

度不稳定［2］

。 将自适应滤波器应用到时延估计

中，提出自适应时延估计法，通过标准信号对回波

信号进行自适应滤波处理［3-4］

。该方法抗干扰能力

强、精度高，缺点是计算量大。

将遗传算法引入LMS时延估计中，提高了运算

速度，但是算法的局部收敛速度较低［5］

。

在传统 LMS 时延估计的基础上，引入了鲸鱼

优化算法［6］

，对自适应权值进行优化，减小了计算

量，满足了实时性的需求。同时在鲸鱼优化算法

中通过在收敛因子中加入非线性调整策略，增强

算法的全局搜索能力和局部收敛速度。该算法满

足了在超声检测变压器绕组时准确性和实时性等

要求。

1 最小二乘时延估计LMSTDE

1.1 算法基本描述

该算法的信号模型为两传感器的离散时间

输出：

x(k)= s(k)+ n1(k) (1)

y(k)= s(k - D)+ n2(k) (2)

其中 s(k) 为信号源，n1(k) 和 n2(k) 分别为两传感

器的噪声信号，假设两者之间互不相关，且为平稳高

斯白噪声。一般的，假设采样周期单位为Ts ，目标是

根据发射信号 x(n) 和接收信号 y(n) 估计时间差 D 。

传统的 LMSTDE 算法是一个自适应 FIR 滤波

器，如图1所示，该滤波器对输入信号 x(n) 进行时间

the problem of large computation load in traditional LMSTDE. By introducing a nonlinear adjustment

strategy, the global search ability of WOA is enhanced, which improves the convergence speed and accuracy of the algorithm and avoids premature local optimization. The experimental results show that the

improved algorithm maintains the accuracy and noise immunity of the original algorithm while greatly

improving the operation speed, meeting the real-time requirements in ultrasonic detection of transformer winding.

Key words: Transformer Winding Detection; Ultrasonic Ranging; Whale Algorithm; Nonlinear Convergence Factor

基于改进鲸鱼优化算法的变压器绕组检测系统

1871

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

平移，其传输函数为：

W(z)= ∑i = -P

P

ωi

z-i (3)

此时滤波器是非因果的，阶数为 2P 。滤波器

的输出减去回波信号 y(k) ，并给出误差函数 e(k) 。

在无噪声条件下，如果误差函数趋于零，则LMS滤

波器中的时延值就等于发射信号和接收信号的准

确时延值。误差函数 e(k) 为：

e(k)= y(k)- ∑

i = -P

P

ωi(k)x(k - i) (4)

每一个滤波器系数 ωi(k) 自动适应地根据最小

均方误差准则（minimum mean square error）进行

调整，根据widrow的LMS算法［7］

，有：

ωi(k + 1)= ωi(k)- μω

∂e

2

(k)

∂ωi(k)

,

= ωi(k)+ 2μωe(k)x(k - i)

(5)

其中参数 μω 为一正标量，用来控制算法的收

敛速率和稳定性。

图1 自适应滤波器结构图示

s(k) 的延迟形式，s(k - D) 可以表示为:

s(k - D)= ∑i = -∞

∞

sin c(i - D)s(k - i) (6)

其中：

sin c(v)= sin(πv)

πv (7)

根据上式，如果 P 趋于无穷大，则滤波器系数

为 sin c (·)函数的采样形式，则 LMSTDE 将对输入

信号引入准确的延迟。

1.2 实际超声信号的选取

在使用超声波对变压器内部绕组进行探测时，

需要能量较大的发射波，同时超声波的传播路径经

过两次界面透射，产生较大的能量衰减，需要对发

射波波形和回波波形进行适当分析。

图2 发射波波形

发射波为频率为400 kHz的正弦波，发射电压

波形如图 2 所示。本系统设计时采用的水声换能

器具有一定的频率选通特性，只有 400 ± 10 kHz的

脉冲信号可以作为超声激励，可以使系统发射出

400 kHz携带一定能量的超声发射波。

图3 超声波回波波形

超声波经过变压器外壳与变压器油界面透射，

并在变压器内部绕组表面产生声波的反射，反射波

经过同样的路径传播到变压器外壳表面，超声波回

波波形是在变压器外壳表面利用超声换能器进行

超声波回波的接收，回波信号如图3所示。超声波

回波的电压幅值比发射波电压幅值小很多，而且除

1872

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

有效回波外，存在一定时长的余振现象。

2 鲸鱼优化算法

2.1 传统鲸鱼优化算法

鲸鱼优化算法是从座头鲸的觅食行为出发，通

过模拟“向上螺旋”和“双循环”的捕食方法，来获取

目标函数中最优解的过程。

鲸鱼优化算法的数学模型包括：包围猎物、螺

旋泡网和捕食猎物三个步骤。

2.1.1 包围猎物

由于在搜索空间中最优设计的位置不是先验

已知的，因此 WOA 算法假设当前最佳候选解是目

标猎物附件。在第一步，鲸鱼个体不断更新位置。

D = |C⋅X | *

(t)-X(t) (8)

X(t + 1)=X* - A ⋅ D (9)

式中：X 为当前鲸鱼个体所在位置；G 为当前迭代

次数；

向量 A 和 C 由下式计算得出：

A = 2a ⋅r - a (10)

C= 2 ⋅r (11)

其中 a 在搜索过程中从 2 线性减小到 0；r 是

[0,1] 内的随机向量。

2.1.2 螺旋泡网

对于座头鲸的在捕食猎物时的气幕攻击，有两

种方法做数学模拟。

1)缩小环绕机制

这种方法主要是改变 a 的值，在式(9)中 A 的波

动范围随着 a 的减小而逐渐变小。 A 是区间

[-a,a] 中的随机值，其中 a 在迭代过程中从2减小

到0。如果将 A 的波动范围设置为 [-1,1] ，则新的

目标个体位置比当前目标位置更加逼近最优解。

2)螺旋更新机制

该方法首先计算当前鲸鱼个体与猎物目标之

间的距离，然后在鲸鱼和猎物的位置之间创建螺旋

方程以模仿座头鲸的螺旋状运动如下：

X(t + 1)= D' ⋅ e

bl

⋅ cos(2πl)+X*

(t) (12)

D' = | X | *

(t)-X(t) (13)

其中 D' 表示当前鲸鱼位置与猎物目标之间的

距离；b 是限定螺旋形状的常量，本文取1；l 是区间

[-1,1] 内的随机数。

座头鲸在缩小的圆圈内沿着螺旋形路径在猎

物周围游动。为了模拟这种同时行为，我们假设，

在优化时，有 50% 的概率在收缩螺旋模型的同时更

新鲸鱼的位置。数学模型如下：

X(t + 1)= ì

í

î

X*

(t)- A ⋅ Dp < 0.5

D' ⋅ e

bl

⋅ cos(2πl)+X*

(t) p ≥ 0.5 (14)

其中 p 为 [0,1] 内的随机数。

2.1.3 捕食猎物

通过改变 A 的值，可以探索到更优的猎物，增

强全局搜索能力，其数学模型如下：

D = |C⋅X | rand -X (15)

X(t + 1)=Xrand - A ⋅ D (16)

其中 Xrand 表示随机鲸鱼位置向量。

2.2 基于改进鲸鱼算法优化的LMS时延估计

2.2.1 优化目标函数

根据前文可知，传统的LMS时延估计是对信号

逐点处理，这样增加了运算时长。鲸鱼算法是通过

目标函数指导的随机搜索算法，将鲸鱼优化算法引

入LMS时延估计算法中，使得逐点搜索变为随机搜

索，并通过鲸鱼捕食的特点优化运算过程，减少运

算量，提高了系统的实时性。

将鲸鱼优化算法引入LMS时延估计的重点在

于目标函数的确立。在LMS时延估计中目标是得

到最小均方误差，因此可将其作为目标函数：

f (τ)=C- ξ(τ)=C- ∑

k = 0

N

e

2

k (τ) (17)

其中 C 为固定常数。

2.2.2 引入非线性调整策略改进鲸鱼优化

在实际测试中发现，由于在现场测试时环境噪

基于改进鲸鱼优化算法的变压器绕组检测系统

1873

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

声干扰较多，回波信号受噪声影响。单纯地将鲸鱼

优化算法与LMS时延估计算法相结合容易陷入局

部极值点。故改进鲸鱼优化算法以适应强噪声环

境下的超声检测。

通过对传统WOA算法分析可知，该优化算法的

全局搜索能力以及局部开发能力主要依赖 A 向量。

在优化过程中，A 向量主要由收敛因子向量 a 和随

机向量 r 确定。当收敛因子 a 较大时，算法的全局搜

索能力强；当收敛因子 a 逐步减小，算法的全局搜索

能力减弱，并在局部收敛速度加快。在传统WOA中

a 是随着迭代次数呈线性减小的，本文在不改变原始

收敛因子变化趋势的情况下，引入非线性调整策略，

以确保全局搜索能力的情况下，加快收敛速度。

收敛因子 a 公式如下：

a =(2 - 2t

Tmax

)(1 - t

3

Tmax

) (18)

其中：t 为迭代次数；Tmax 为最大迭代次数。

非线性的收敛因子 a 在优化前期生成较大参数 A ，

提高全局搜索能力；在优化后期生成较小参数 A ，

加快收敛速度。

3 硬件检测系统设计

超声波检测变压器绕组系统由主控芯片、超声

波发射模块、超声回波接收模块、数据传输模块、上

位机等部分组成，如图4所示。检测时主控芯片发

射频率为400 kHz的脉冲信号，经过超声发射模块

后将低压脉冲信号进行升压，升高到峰值电压为

200 V 的高压脉冲，作为超声换能器的激励电压。

超声波从变压器外壳表面进入到变压器内部，之后

在绕组表面发生反射后回到变压器外壳表面。将

超声换能器接收探头安置在变压器外壳表面特定

位置后，超声回波接收模块将接收到超声波回波转

换为电信号，同时作放大、滤波处理。数据采集模

块将超声波发射信号和处理后的超声回波信号一

起传输到上位机中。上位机软件将回波信号与发

射波信号进行时延估计运算得出准确的时延值。

最后将时延值换算成距离得到变压器绕组被检测

点的位置信息。

图4 检测系统结构图

4 检测系统实际应用

利用阈值法、互相关法和基于鲸鱼优化的LMS

时延估计算法同时对几组超声波信号进行时延估

计，超声信号及时延估计结果见表1-表4：

表1 阈值法检测结果

实际距离

/cm

10

15

20

25

30

时间间隔

/us

81.89

115.47

158.98

190.27

225.14

测量距离

/cm

12.12

17.09

23.53

28.16

33.32

绝对误差

/cm

2.12

2.09

3.53

3.16

3.32

相对误差

/%

21.20

13.93

16.75

12.64

11.06

表2 互相关检测结果

实际距离

/cm

10

15

20

25

30

时间间隔

/us

74.86

111.82

141.76

176.49

221.89

测量距离

/cm

11.08

16.55

20.98

26.12

31.36

绝对误差

/cm

1.08

1.55

0.98

1.12

1.36

相对误差

/%

10.80

10.33

4.90

5.60

4.53

表3 基于鲸鱼优化的LMS结果

实际距离

/cm

10

15

20

25

30

时间间隔

/us

71.35

104.39

137.77

173.45

206.01

测量距离

/cm

10.56

15.45

20.39

25.67

30.49

绝对误差

/cm

0.56

0.45

0.39

0.67

0.49

相对误差

/%

5.60

3.00

1.95

2.68

1.63

1874

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

表4 优化前后运算时长对比

实际距离/cm

10

15

20

25

30

传统LMSTDE/s

2.20

2.32

2.43

2.49

2.52

WOA+LMSTDE/s

0.16

0.18

0.18

0.19

0.19

通过实验可以看出，用鲸鱼算法优化的LMS时

延估计可以在保持自适应时延估计原有精度的情

况下，提高运算速度，满足在变压器绕组检测时实

时性的需求。

5 结论

1）将鲸鱼优化算法应用在自适应时延估计中，

在保留了LMSTDE算法精度高的优点的同时，极大

地提高了运算速度。基础鲸鱼优化的改进，改善了

优化算法过早陷入局部最优的问题，提高了运算稳

定性。

2）将 WOA-LMSTDE 与常规时延估计算法相

比，精度上有较大提升，运算速度满足常规测距的

实时性需求。

3）在传统鲸鱼优化算法中，将非线性调整策略

引入到收敛因子中，提高了算法的全局搜索能力和

局部收敛能力。

参考文献

［1］王昕,刘伟家,郑益慧,等.基于超声波技术的绕组变形3维成像检测装

置设计［J］.高电压技术,2017,43(12):4054-4059.

［2］刘彬,缪文炳.互相关步长影响低信噪比超声波评价应力研究［J］.江

苏科技大学学报(自然科学版),2017,31(1):26-30.

［3］诸葛晶昌,吴军,詹湘琳,等.基于自适应小波去噪法的精密超声波测

距方法［J］.吉林大学学报(工学版),2017,47(4):1301-1307.

［4］Xiong Y, He D L, Feng Y, et al. A rapid method for determination of acid value in transformer oil by PPy modified electrode［J］. Journal of

Central South University, 2014, 21(6):2202-2207.

［5］童峰,许肖梅,许天增.基于遗传算法的超声信号LMS自适应时延估

计［J］.应用声学,2000(4):26-30.

［6］巩世兵,沈海斌.仿生策略优化的鲸鱼算法研究［J］.传感器与微系统,

2017,36(12):10-12.

［7］冯翼,杜好阳,李一木,等.基于脉冲编码激励超声扩频测距的变压器

绕组变形检测技术［J］.高电压技术,2020,46(11):3960-3969.

基于改进鲸鱼优化算法的变压器绕组检测系统

1875

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

基于改进YOLO v5的巡更安全风险

识别方法研究

齐芳平 石 晔 崔志威 王 辉 朱 澈

淮河能源集团煤层气开发利用公司

摘要：为了自动检测巡更人员是否佩戴安全帽，提高单人巡检的安全性，提出一种针对瓦斯电站内巡更人员

的安全风险识别方法。首先使用网络爬虫收集佩戴安全帽的图像构建数据集，其次使用YOLO v5对构建好

的数据集进行训练，训练出安全帽检测模型，最后在实际生产过程中进行应用。该算法通过YOLO v5模型

对巡更人员是否佩戴安全帽进行检测，并记录人员在厂房内的逗留时长，在超时后及时发出警报，有效保护

了巡更人员的生命安全。同时，依据算法检测是否佩戴安全帽，减少了一定的人力输出，更具有一定的经济

效应。

关键词：瓦斯电站；安全帽；YOLO v5；安全防护；经济性

DOI: 10.13770/j.cnki.issn2095-705x.2023.12.019

Research on Patrol Safety Risk Identification Method

Based on Improved YOLO v5

QI Fangping, SHI Ye, CUI Zhiwei, WANG Hui, ZHU Che

Huaihe Energy Group Coalbed Methane Development and Utilization Company

Abstract: In order to automatically detect whether the patrol personnel are wearing safety helmets and

improve the safety of individual patrol inspection, a safety risk identification method for patrol personnel

收稿日期：2023-06-11

作者简介：齐芳平（1982-05-），女，本科，高级工程师，主要从事煤层气（煤矿瓦斯气）加工利用等相关工作

石 晔（1982-05-），男，本科，高级工程师，主要从事煤层气（煤矿瓦斯气）加工利用等相关工作

崔志威（1981-06-），男，本科，高级工程师，主要从事煤层气（煤矿瓦斯气）加工利用等相关工作

王 辉（1986-01-），男，本科，工程师，主要从事煤层气（煤矿瓦斯气）加工利用等相关工作

朱 澈（1999-08-），男，本科，主要从事煤层气（煤矿瓦斯气）加工利用等相关工作

1876

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

0 前言

瓦斯是与煤伴生、共生的气体资源，储存在煤

层中，主要成分是甲烷［1］

。在开采煤炭的过程中，若

不对瓦斯加以利用就将其直接排放到大气中，会造

成严重的温室效应［2］

。我国有着十分丰富的瓦斯资

源，是世界上第三大储量国，瓦斯有望成为我国新

常规能源资源。利用瓦斯发电，有节约能源和环境

污染小的优势，可以带来显著的经济效益［3］

，且满足

我国用电量大的需求，对国计民生各个方面产生了

深远的影响。

1 项目概况

为了保证瓦斯电站安全稳定运行，需要巡更人

员定时检查、维护发电设备。然而在瓦斯电站实际

巡检维护过程中，通常需要至少两人同时进入电

站，以防单人在巡更过程中出现人身意外。为减少

人力需求，提升瓦斯电站运营的经济性，可依托视

频监控检测替代人员冗余，检测巡更人员是否佩戴

安全帽，并记录巡更人员在厂房内部逗留的时长，

若超时则发出警报。故亟须一种基于计算机视觉

的安全防护系统对巡更人员进行检测，减少事故发

生的可能，进一步提高瓦斯电站安全管控水平。

本文以佩戴安全帽的巡更人员和未佩戴安全帽

的巡更人员两类目标为检测任务，通过爬虫获取大

量图片进行预处理，构建人员佩戴安全帽的检测数

据集，选取YOLO v5算法为主体，通过改进YOLO v5

检测算法，对巡更人员是否佩戴安全帽、逗留是否

超时进行检测。

2 YOLO v5网络结构

YOLO v5 的网络结构如图 1 所示。骨干网络

和颈部主要通过CBL结构、CSP1结构、CSP2结构、

SPPF 结构、拼接操作（Concat）和上采样操作（Up

Sample）构成。其中CBL模块是由卷积层、批归一

化层和LeakyRelu非线性单元构成，该模块可有效

提升网络的特征提取能力和表达能力，增强目标检

测的性能。CSP1和CSP2结构均为CSP Net的改

进版，二者结构图如图1所示，由卷积、多个最大池

化和拼接操作构成［3-4］

。

在YOLO v5模型中，输入网络的图片在主干网

络部分首先会进入Focus模块。Focus模块对每个

通道的数据进行切片操作，通过隔像素取值，每一

通道均得四个切片，每一切片相当于2倍下采样所

得。所有切片将按照通道连接在一起，并通过卷积

操作实现下的采样。

YOLO v5 模型中的 Focus 模块被替换成了一

个6×6的卷积层，并在每层卷积后添加归一化和激

活操作。在特征提取网络中，用步幅为2的卷积层

替代池化层对特征图进行下采样，从而有效避免了

由于池化操作导致低级特征的丢失［5］

。将大小为

608×608×3的图像输入YOLO v5模型，通过通道

in gas power stations is proposed. Firstly, a data set is constructed by using a web crawler to collect images of people wearing safety helmets. Secondly, YOLO v5 is used to train the constructed data set to

generate a safety helmet detection model. Finally, the algorithm is applied in the actual production process. The algorithm detects whether the patrol personnel are wearing safety helmets through the YOLO v5 model, records the length of stay in the plant, and sends an alarm in time after timeout, effectively protecting the life safety of the patrol personnel. At the same time, based on the algorithm to detect

whether to wear safety helmets, it reduces certain human output and has certain economic effects.

Key words: Gas Power Station; Safety Helmet; YOLO v5; Safety Protection; Economic Effect

基于改进YOLO v5的巡更安全风险识别方法研究

1877

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

数为 32 的卷积操作以及 BatchNorm 标准化等，可

以有效解决SSD检测算法对小目标的弊端［6］

。

3 改进的YOLO v5安全帽检测算法

3.1 CBAM （Convolutional Block Attention

Module）注意力机制

在完成背景复杂图像的目标检测时，在模型中

引入注意力机制可以自动学习并对特征图中的不

同通道和空间位置加权，增强网络对重要特征的关

注，抑制冗余和噪声信息，提高特征表示能力。常

用的注意力机制模块为 CBAM 模块，包含 CAM

（Channel Attention Module）和 SAM（Spatial Attention Module）两个子模块，如图2所示。该模块

可分别进行通道和空间Attention，能够节约参数和

算力，并且能够方便地集成到现有的网络架构中［7］

。

CBAM首先将输入特征图分别进行全局平均池

化和全局最大池化，获取通道维度上的全局平均特

征和全局最大特征，再将这两种特征通过两个独立

的全连接层进行学习，生成通道注意力权重。通道

注意力权重与输入特征图进行逐通道乘法操作，得

到加权后的特征图，增强重要通道的特征表示能

力。SAM将输入特征图经过一维卷积操作，生成空

间注意力权重，通过空间池化操作，在空间维度上分

别进行平均池化和最大池化获取平均特征和最大特

征。平均特征和最大特征通过两个独立的全连接层

进行学习，生成空间注意力权重。空间注意力权重

与输入特征图进行逐元素乘法操作，得到加权后的

特征图，增强重要空间位置的特征表示能力［8］

。

在原始YOLO v5模型中，在输出层的卷积模块

后引入CBAM模块，给定一个输入图像有三个注意

力模块，这三个模块将CAM和SAM以顺序的方式

放置。依据之前的实验，通道优先顺序优于空间优

先顺序［9-10］

，故在引入的CBAM模块中，以通道优先

的方式进行嵌入。改进后的网络如图3所示。

图1 YOLO v5网络结构［7］

图2 CBAM结构图

1878

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

3.2 预测过程

改进的YOLO v5网络输出的特征图将整幅图

片分为76×76、38×38、19×19的网格，每一个网

格都会预测三个先验框，这些先验框是在自建数据

集上通过 k-means 聚类得出的，以适应不同大小

的目标检测任务，每个先验框包含三个信息：边界

框的坐标和宽高、目标的置信度和类别信息，公式

如下：

bx = σ(tx)+ cx （1）

by = σ(t

y

)+ cy （2）

bw = pwe

tw

（3）

bh = phe

th

（4）

其中：

bx、by、bw、bh——边界框的坐标和宽高；

tx、ty、tw、th——网络的输出值；

Cx、Cy——目标中心点所在网格左上角的坐标；

Pw、Ph——给定先验框的宽和高。

改进的 YOLO v5 采用了多尺度特征图的方

式，输出三个不同尺寸的特征图，并且每个特征图

的感受也不同，适用于检测不同大小的目标。较

大感受野的特征图可以捕捉更广阔的上下文信

息，对于大目标的检测有优势；而较小感受野的特

征图则可以更好地捕捉局部细节特征，适合于小

目标的检测。通过输出多尺度特征图，提供了不

同层次的语义信息，即从局部到全局的信息。这

些特征图可以协同工作，融合不同层次的信息，提

高了模型的检测精度、减少误检和漏检，并且增强

了模型的鲁棒性。

4 实验与测试结果

4.1 实验环境

实验环境为Intel(R)Core(TM)I5-12400F CPU，

16GB 内 存 ，GeForce Nvidia RTX2060 GPU，

Windows 10 操作系统，使用 PyTorch 框架，通过

Python3.8编程实现。

4.2 数据集搭建

通过安全帽、佩戴安全帽、安全帽施工等关键

词爬取收集网络公开图像，共计28 309张图片，经

人工筛选出 7 581 张图片作为数据集，随机选取

6 139张图片作为训练集、683张作为验证集。使用

图像标注工具 Labelimg 对所有图片进行标注，

“helmet”标签表示正确佩戴安全帽、“nohelmet”标

签表示未佩戴安全帽，标注文件统一以XML文件格

式进行保存。

4.3 网络训练

网络训练过程中，主要针对已标注的两种图

片，网络初始参数使用 YOLO v5 官方原始训练权

重。根据数据集两种类别，设置classes=2，初始参

数见表1 ［11］

。

表1 初始参数

参数

Learning rate

Batch size

Epoch

Momentum

初始值

0.001

8

300

0.937

图3 改进YOLO v5网络结构

基于改进YOLO v5的巡更安全风险识别方法研究

1879

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

本文使用的损失函数为分类损失、定位损失和

置信度损失三类损失的叠加。经测试，网络损失函

数值随迭代次数的变化曲线见图4。

图4 损失值变化曲线

可以看出，在开始迭代的第 20 到 50 轮中，原

YOLO v5模型的损失值出现了剧烈的波动，而改进

后的 YOLO v5 模型的损失值则迅速下降，在 50 轮

后两个模型的损失函数均开始收敛，并且改进模型

的损失函数值低于原YOLO v5模型，表明改进后的

模型在训练集上获得了更好的检测效果。

4.4 模型对比

在目标检测领域，精度（Precision，P）、召回率

（Recall，R）、推理时间和均值平均精度（MAP）是评

估训练算法性能和可靠性的常用指标［12-13］

，本文使

用MAP和推理时间对安全帽佩戴检测算法性能进

行评估。

为做进一步对比实验，将本文模型与原始模型

YOLO v5进行比较，将上述算法在经过文中方法处

理的自建数据集上进行训练与测试，并选择平均精

度均值 MAP 和推理时间两项指标评价算法。表 2

展示了不同算法在自建数据集目标检测上的实验

结果。与原始模型相比，改进模型的MAP指标提升

了 4.59%，推理时间缩短了近一半。由此可见，

CBAM模块的引入使模型的准确率显著提升，且检

测速度显著加快。

表2 试验结果对比

YOLO v5算法

改进前

改进后

MAP/%

86.64

91.23

推理时间(ms)

65

35

4.5 验证结果

为验证网络模型在实际工作情况下的准确性

与有效性，在完整数据集中随机选取683张图片作

为测试集。调用预先训练好的检测网络对测试集

进行检测，经过测试验证后，网络模型可以达到

91.23%的识别平均准确率（MAP）。

5 安全风险识别系统

5.1 系统工作流程

安全风险识别系统包括对人员是否佩戴安全

帽进行检测与巡更人员在厂房逗留时间进行计

时。在巡更人员进入厂房前，系统对人员进行识

别，若人员未佩戴安全帽，系统会及时发出警报，当

人员正确佩戴安全帽进入厂房后，系统会记录当前

时刻，若人员在厂房逗留时间超出上限，系统会发

出警报。具体安全风险识别系统流程见图5。

图5 安全风险识别系统流程图

1880

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

5.2 系统测试效果

将该系统应用于瓦斯电站的视频监控系统，利

用该系统对巡更人员进行检测，检测结果如图6所

示。佩戴安全帽检测的置信度可达到99%，超时检

测和报警功能均可稳定运行。将该系统应用于实

际生产过程中，可有效替代人员冗余，进行巡更人

员的人身安全风险检测。

图6 安全保障系统检测效果

6 结论

本文基于 YOLO v5 原始网络，在其中引入

CBAM机制作为改进方法，训练获得人员佩戴安全

帽的检测模型。该模型较原始模型具有更高的准

确率和更短的推理时间，有效提升了网络性能。基

于该模型搭建了一套瓦斯电站巡更安全风险识别

系统，对巡更人员是否佩戴安全帽进行检测，并对

人员在厂房内逗留时间进行记录，若人员未正确佩

戴安全帽或逗留超时，系统及时发出警报。该系统

可有效检测巡更人员的人身安全风险，保障了瓦斯

电站的正常工作生产，减少了人力配置，可以有效

提升瓦斯电站运营的经济性。

参考文献

［1］王盈,朱吉钦,李攀,等.低浓度甲烷流向变换催化燃烧的研究［J］.燃料

化学学报，2005(6):760-762.

［2］张皖生,唐立朝.煤矿瓦斯发电现状与前景分析［J］.中国煤层气,2005,

2(4):23-26.

［3］李扬，腰彩红，高冠群，等.一种基于YOLO v5的草莓多阶段目标检

测方法［J］.天津农业科学, 2022, 28(11):81-90.

［4］郑利浩,郑秋岚,林志洁,等.医学图像语义分割的深度学习技术综述

［J］.计算机工程与应用, 2021, 57(14):48-59.

［5］张旭彤，胡鹏，赵鑫，等．火灾预警中基于YOLO v5的火源智能检测

定位方法［J］.微电子学与计算机，2023，40（3）：67-74

［6］郭磊,薛伟,王邱龙,等.一种基于改进 YOLO v5 的小目标检测算法：

CN202111382559.1［P］.

［7］赵元章,耿生玲.基于改进YOLO v5的人脸遮挡物目标检测算法［J］.

信息通信，2021, 34(11):32-35.

［8］牛为华,殷苗苗.基于改进YOLO v5的道路小目标检测算法［J］.传感

技术学报, 2023, 36(1):36-44.

［9］王旭,管声启,刘通,等.基于改进YOLO v5的陶瓷环缺陷检测算法［J］.

轻工机械,2023,41(3):66-71.

［10］彭晏飞,袁晓龙,陈炎康,等.改进YOLO v5s的带钢表面缺陷检测方

法［J/OL］. 机 械 科 学 与 技 术:1-9［2023-06-11］.DOI:10.13433/j.

cnki.1003-8728.20230254.

［11］曹选,郝万君.改进YOLO v5的密集行人检测算法研究［J］.苏州科技

大学学报:自然科学版, 2022, 39(4):64-72.

［12］李扬,腰彩红,高冠群,等.一种基于YOLO v5的草莓多阶段目标检测

方法［J］.天津农业科学, 2022, 28(11):81-90.

［13］黄少华,梁喜凤.基于改进YOLO v5的茶叶杂质检测算法［J］.农业工

程学报, 2022, 38(17):8-17.

基于改进YOLO v5的巡更安全风险识别方法研究

1881

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

基于服务站区域互联的共享电动汽车

调度方法

何鈜博 徐 伟

国网上海市电力公司奉贤供电公司

摘要：用户出行的不规律性和不均衡性造成服务站点保有的共享电动汽车数量存在动态供需不平衡的问

题，一定程度上限制了共享车辆服务行业的发展。为此，在准确预测共享电动汽车需求量的基础上，提出了

基于服务站区域互联架构的共享电动汽车调度方法。在充分考虑用户实际需求影响因素的基础上，提出服

务站区域互联调度模型，采用改进的Elman神经网络预测区域互联站点的车辆需求，以满足用户的出行需

求。结合上海EVCARD共享电动汽车行业的实际数据，通过仿真实验将改进的Elman神经网络预测模型

和未改进的Elman神经网络预测模型的预测结果与实际需求量进行对比，采用不同指标进行计算和分析，

验证了该方法的合理性和优越性。

关键词：共享电动汽车；服务站区域互联；需求预测；神经网络；车辆调度规划

DOI: 10.13770/j.cnki.issn2095-705x.2023.12.020

Scheduling Method for Shared Electric Vehicles Based on

Regional Interconnection of Service Stations

HE Hongbo, XU Wei

State Grid Shanghai Electric Power Company Fengxian Power Supply Company

Abstract: The irregularity and imbalance of user travel have caused a dynamic supply-demand imbalance in the number of shared electric vehicles maintained by service stations, which to some extent

limits the development of the shared vehicle service industry. Therefore, based on accurately predicting

the demand for shared electric vehicles, a scheduling method for shared electric vehicles based on the

收稿日期：2023-05-14

作者简介：何鈜博（1994-04-），男，硕士，主要从事电动汽车的路径优化工作

徐伟(1995- )，男，硕士，主要从事电动汽车的优化调度工作

1882

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

0 引言

共享电动汽车是一种新型的汽车应用模式，具

有服务范围广、便利性强的优势，是目前发展较好

的共享模式［1］

。然而，用户出行需求的不均衡性和

潮汐性造成了共享服务站点间的车辆库存存在不

平衡的现象［2-4］

,导致部分服务站车辆短缺，用户提

前预约却无车辆可借的情况。因此，如何在平衡供

需关系的基础上合理地调度车辆，增加车辆的利用

率，是共享电动汽车行业持续发展的关键。

目前针对共享电动汽车车辆调度的研究载体

都是独立分开的服务站点，忽略了相邻站点的联系

与影响，主要内容分为以下两个方面，一是确定服

务站点共享电动汽车数量的情况下，运营商通过价

格激励用户，鼓励其改变出行路径，以改善服务站

点间车辆库存不平衡的状况［5-7］

。然而价格激励方

式的影响范围较小，无法彻底解决服务站点车辆库

存不平衡的问题。二是在基于历史数据预测服务

站可用车辆与需求的基础上，提出共享电动汽车

车辆调度方法，构建不同目标的调度模型［8-10］。

然而上述文献均利用历史数据进行预测，忽略了

不同影响因素之间的关联性以及预测的时效性，

存在一定的误差。

基于上述分析，提出了采用改进的Elman神经

网络预测互联服务站点范围内用户需求的共享电

动汽车车辆调度方法。首先，对服务站区域互联

调度结构进行定义，引入了影响共享电动汽车需

求的关键因素。然后，介绍了改进的 Elman 神经

网络算法以及流程，对服务站点的用户需求进行

预测。接着，构建了以调度成本、闲置成本和潜在

用户收益损失最小为目标的共享电动汽车调度模

型。通过上海徐汇区以及浦东新区部分 EVCARD

服务站点的实际数据验证了所提模型的合理性，

同时实现了区域互联服务站点共享电动汽车调度

的经济性。

1 服务站区域互联调度模型

1.1 服务站区域互联调度的提出

在基于运营商的共享车辆调度策略中，服务站

通常作为独立个体存在，运营商拥有其中的用户需

求信息，但并未向其他运营商公开。而且，运营商

都是以自身最小化调度成本或者最大化营业利润

为目标，导致无法完全平衡供需以及供小于求时追

逐利益最大化无法及时满足用户要求的情况出

现。因此，提出了服务站区域互联调度策略，通过

用户信息的共享，不仅可以实现一对一单向服务站

点间的车辆调度，而且可以满足多对一多向服务站

点间的车辆调度。

regional interconnection architecture of service stations is proposed. On the basis of fully considering

the factors affecting the actual demand of users, a regional interconnection scheduling model for service stations is proposed, and an improved Elman neural network is used to predict the vehicle demand

of regional interconnection stations to meet the travel needs of users.Combined with the actual data of

the EVCARD shared electric vehicle industry in Shanghai, the prediction results of the improved Elman

neural network prediction model and the unimproved Elman neural network prediction model are compared with the actual demand through simulation experiments, and different indicators are used for calculation and analysis to verify the rationality and superiority of the method.

Key words: Shared Electric Vehicle; Regional Interconnection of Service Station; Demand Forecasting;

Neural Network; Vehicle Scheduling Planning

基于服务站区域互联的共享电动汽车调度方法

1883

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

电动汽车属于共享运营服务的载体，如何确定

区域变量信息即影响共享电动汽车需求的因素直

接影响需求预测的准确性，在参考相关文献并结合

调研结果［11-13］

的前提下，得到如下结论：服务站点覆

盖区域内土地使用属性的不同将造成顾客出行目

的和共享电动汽车需求的差异以及时间因素（是否

工作日、不同时段等）对共享电动汽车的需求影

响。其中影响因素的具体内容如表1所示。

表1 共享电动汽车需求量影响因素

类别

E1

E2

具体内容

时间段e1、星期属性e2、日期属性e3

工作区e4、居民区e5、商业区e6、医院e7

为了及时有效地得到大量的反馈数据，将车联

网技术应用于服务站区域内的信息交互。基于此，

共享电动汽车运营商与用户能够进行双向沟通。

1.2 服务站区域互联调度结构

图1为共享电动汽车服务站区域互联系统的分

层调度优化模式，区域内包括服务站控制中心以及

用于协调各个服务站控制中心的统一调控中心。

图1 服务站区域互联调度结构

统一调控中心用于汇总各服务站区域详细的

变量信息，包含用户的预约信息以及某一时间段内

车辆短缺或多余的数目，同时每个服务站控制中心

通过与统一调控中心交换变量信息，从而求解服务

站区域内部独立变量，确定服务站点调入或调出的

车辆数目。其中每个服务站控制器之间相互独立，

可采用平行计算。

2 基于改进的Elman神经网络的预测模型

2.1 Elman神经网络算法原理

Elman 神经网络（Elman NN）是一种典型的局

部回归网络，与传统静态前馈神经网络（FNN）相

比，具有四层结构：输入层、隐含层、输出层［14］

，还包

括一个特殊的关联层。Elman神经网络的非线性状

态空间的表达式可写成如下形式：

输入层到隐含层的输出：

RL(t)= f

é

ë

ê ù

û ∑ ú i = 1

M

W1ij(t)Xi(t)+ ∑r = 1

N

W2rj(t)iRcr(t) (1)

式中：Rcr(t)为关联层在t时刻到隐含层的反馈输出，

Rcr(t) = Rj(t-1)。

隐含层到输出层的输出：

yp(t)= g

é

ë

ê

ê

ù

û

ú ∑ ú

j = 1

N

W3jq(t)Rj(t) (2)

式中：W1ij(t)、W2rj(t)、W3qj(t)分别为输入层到隐含层、

关联层到隐含层、隐含层到输出层的权值矩阵。

2.2 改进的Elman神经网络算法

用户在预约当前时刻的共享电动汽车时，会倾

向于选择服务站点中距离近且可用车辆较多的服

务站，所以相邻服务站点在相同时间的需求会互相

影响。此外，用户会根据手机APP终端所获取的上

一时刻可用车辆信息作出判断，因此相同服务站当

前时刻的需求还受到上一时刻需求的影响。基于

此，将Elman神经网络算法应用于共享电动汽车的

需求预测。然而，传统的Elman神经网络不能很好

地确定预测值之间的联系［15］

，无法控制初始样本的

权值和网络结构的阈值，使得迭代次数进一步增

加，降低训练速度。因此，需要对 Elman 神经网络

算法进行改进。通过与粒子群算法的结合，可以建

1884

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

立不同时间段输出的预测值之间的联系，优化 Elman神经网络的权值和阈值，从而解决循环神经网

络中梯度爆炸的问题，提高训练速度，以较快的速

度达到全局最优。

2.3 基于改进Elman神经网络算法预测需求量

粒子群算法具有良好的全局寻优的能力，可以

通过其改善 Elman 神经网络算法预测共享电动汽

车需求量样本的权值与阈值，但当其搜索到全局最

优附近位置时，搜索过程会变慢或停滞，从而陷入

局部最优的局面，而Elman神经网络算法则具有良

好的局部寻优能力，与粒子群算法互为补充。因

此，通过粒子群算法与 Elman 神经网络算法的结

合，可充分发挥粒子群算法全局寻优的能力以及

Elman神经网络算法局部寻优的特点，对服务站用

户对于共享电动汽车的需求量进行预测。其流程

如下：

1）读取数据，按照相同站点提取五天工作日内

相同时间段内共享电动汽车的历史需求数据以及

涉及时间与空间分布的影响因素数据。

2）分别对五天内的历史需求数据和影响因素

数据进行归一化处理，使样本数据的取值范围处于

(0,1)之间。归一化的公式如下：

X= Xi -Xi,min

Xi,max -Xi,min

(3)

式中：Xi为站点i历史需求样本数据的输入值；Xmin为

站点i历史需求样本数据输入的最小值；Xmax为站点i

历史需求样本数据输入的最大值；X为站点i历史需

求样本归一化处理后得到的数据。

Y = Yim - Yim,min

Yim,max - Yim,min

(4)

式中：Yim为服务站点 i 第 m 个影响因素；Yim,min为第

m 个影响因素的最小值；Yim,max为 m 个影响因素的

最大值；Y 为服务站点 i 影响因素归一化处理后得

到的数据。

3）确定Elman网络结构，初始化Elman神经网

络的各层连接权值和阈值。

4）结合粒子群算法进行改进，将初始车辆历史

需求数据与影响因素数据赋予Elman网络神经元，

将每一个连接权值记为一个粒子，对粒子进行初始

化编码，优化迭代 Elman 神经网络的连接权值和

阈值。

5）设定 Elman 神经网络的适应度函数为在时

间段［0,T］内服务站点 i 车辆需求预测的误差目标

函数：

Et

i = 1

2∑t = 1

T

(y

t

i - dt

i )

2 (5)

式中：y

t

i 为车辆需求的实际输出值；dt

i 为车辆需求

期 望 的 输 出 值 。 设 定 学 习 目 标 函 数 阈 值

Err_goal = 10-5 。

6）比较粒子与粒子群的当前位置与寻优过程

中的最优位置，更新当前最优位置。

7）改变粒子的速度与位置，进行循环迭代直至

车辆需求预测的适应度函数满足条件，获得网络训

练的最优权值和阈值。

8）输出粒子的最优位置，即Elman神经网络各

层的最优连接权值。更新权值，直至满足预测要

求，获得服务站点车辆需求结果。

9）将车辆需求数据进行反归一化：

nt

i = zt

i(Xi,max -Xi,min)+Xi,min (6)

式中：nt

i 为t时刻服务站点i的车辆需求预测值；zt

i

为t时刻服务站点i的归一化车辆需求预测值。

因此，得到服务站点i的需求为：

nt

i - pi = ì

í

î

s

t

i nt

i - pi > 0

rt

i nt

i - pi < 0 (7)

式中：s

t

i 为t时刻服务站点i的车辆多余数；rt

i 为t时

刻服务站点i的车辆短缺数；pi为服务站点i的停车

位数量。

流程图见图2所示。

3 基于服务站互联的共享电动汽车调度

3.1 共享电动汽车调度模型

在满足用户需求的前提下，调度成本是共享电

动汽车运营商需要考虑的重要因素，运营商通过确

定区域互联服务站点内车辆的调度数量和调度路

基于服务站区域互联的共享电动汽车调度方法

1885

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

线构建共享电动汽车的调度需求模型。因此，共享

电动汽车调度问题可表示为调度成本最小化的单

目标优化问题。同时，运营商需要考虑在预测服务

站点车辆需求的基础上对车辆进行调度时车辆多

余的闲置成本和车辆短缺的潜在用户损失收益。

3.2 前提与假设

建立目标函数的前提与假设如下：

1）车辆维度：所有电动汽车均为同一型号，任

一辆车在任何时刻只能满足一个服务需求。在站

点时，车辆默认与充电桩处于连接充电的状态；车

辆任何时刻续航里程已知，并且充电时单位时间增

加的续航里程相同。

2）服务站维度：服务站点内每个停车位均配备

相同属性的充电桩。

3）服务周期：在一个周期内，用户的用车需求

随机性比较大，无法确定用户的集中用车需求时

间。因此，为了简化模型，将1天24 h划分为24个

时段，每个时段为1 h。

3.3 目标函数

在预测用户需求的基础上建立以调度成本、闲

置成本和潜在用户损失收益最小为目标的共享电

动汽车调度模型，数学表达式如下：

min f + y + z = min(∑t = 1

T

∑i = 1

n

∑

j = 1

j ≠ i

n

xt

ijdijc

+∑t = 1

T

∑i = 1

n

Ci(s

t

i - ∑

j = 1

j ≠ i

n

xt

ij) + ∑t = 1

T

∑i = 1

n

Ci(rt

i - ∑

j = 1

j ≠ i

n

xt

ij))

(8)

式中：f表示调度成本最小；y表示闲置成本最小；z

表示潜在用户损失收益最小；n为互联区域所有服

务站点的数量；T为车辆调度时间上限；dij为从服务

图2 改进的Elman神经网络算法流程图

1886

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

站点 i 到服务站点 j 的距离，km；c 为单位距离的车

辆运输费用，主要为人工费用，元/h；xt

ij 为决策变

量，表示 t 时刻从服务站点 i到服务站点 j调度车辆

的数量；Ci 为服务站点i车辆多余的单位闲置成本，

采用模拟退火算法求解此车辆调度问题。

3.4 约束条件

1）服务站点车辆调出约束

∑i = 1

j ≠ i

n

xt

ji ≤ s

t

i ; j = 1,2,...,n,t = 1,2,...,T (9)

2）服务站点车辆调入约束

∑

j = 1

i ≠ j

n

xt

ij ≤ max(pi

,rt

i ); i = 1,2,...,n,t = 1,2,...,T (10)

3）服务站点间调度车辆最小续航里程约束

ì

í

î

xt

ij,k ≤ 1, l

t

ij,k - dij ≥ 0;

xt

ij,k = 0, l

t

ij,k - dij < 0;

k = 1,2,...,K (11)

式中：xt

ij,k 为t时刻服务站点i向服务站点j调入车

辆 k的决策变量；l

t

ij,k 为 t时刻服务站点 i向服务站

点j调入车辆k的续航里程。

4）服务站点间调度车辆的最大距离约束

ì

í

î

xt

ij,k ≤ 1, Lt

ij,k - dij ≥ 0;

xt

ij,k = 0, Lt

ij,k - dij < 0;

k = 1,2,...,K (12)

式中：Lt

i.k 为t时刻服务站点i向服务站点j调入车辆

k的最大续航里程。

5）服务站点调度车辆数量约束

ì

í

î

xt

ij,k ≤ 1, l

t

ij,k - dij ≥ 0;

xt

ij,k = 0, l

t

ij,k - dij < 0;

k = 1,2,...,K (13)

4 仿真分析

4.1 算例数据

采用 EVCARD 位于上海市徐汇区与浦东新区

的部分共享服务站点的车辆数据进行分析，以实际

历史需求数据和影响因素数据作为输入，采用改进

的Elman神经网络方法预测共享电动汽车需求量，

并在此基础上以多成本目标进行车辆调度优化，验

证所提调度策略的有效性。

通过手机客户端APP 获取上海市EVCARD 共

享服务站点 2020 年 7 月某一周的历史需求数据。

在运营周期内，每1 h统计1次，如表2所示，服务站

车辆需求为总停车位与可用停车位之差。基于

此，构建服务站区域互联调度模型，将徐汇区一定

范围内的服务站点与浦东新区一定范围内的服务

站点组建为一个大范围的服务调度系统，同时包

含区域内所有服务站点的借车、还车数量以及调

度车辆数量。

在需求预测的过程中，所需影响因素e1～e7由

上海市区域统计数据以及高德地图获得，e8划分每

1 h为一个时间段，e9划分为一周5天。

表2 上海市徐汇区与浦东新区EVCARD服务站散点分布

序号

1

2

3

4

5

6

7

8

地址

上海市徐汇区

东安路562号

上海市徐汇区

云锦路5号

上海市浦东新区

世博村路300号

上海市浦东新区

雪野路1188号

上海市浦东新区

长清北路博成路

上海市浦东新区

雪野路839号

上海市浦东新区

浦建路160号

上海市浦东新区

东方路1630号

日期

2020年7月

2020年7月

2020年7月

2020年7月

2020年7月

2020年7月

2020年7月

2020年7月

时间

7:00-10:00

7:00-10:00

7:00-10:00

7:00-10:00

7:00-10:00

7:00-10:00

7:00-10:00

7:00-10:00

总停车位

38

12

27

5

15

6

9

7

4.2 基于改进的Elman神经网络算法的需求预测

4.2.1 网络结构设计

以连续5个工作日早高峰3个时间段内的需求量

来预测第6个工作日早高峰3个时间段内的需求量，

因此输入层和输出层的节点个数分别为15个和3个。

选取单个隐含层和连接层，采用经验公式确定

最优的节点数，通过多次实验的方法确定最优节点

为9个。

基于服务站区域互联的共享电动汽车调度方法

1887

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

4.2.2 需求预测

将 2020 年 7 月 5 个工作日的历史需求数据和

e1~e9的影响因素数据分别输入到改进的Elman神

经网络模型与Elman神经网络模型中，其中改进的

Elman神经网络结合粒子群算法优化网络结构中各

层之间的权值。设置隐含层单元数为9，迭代目标

误差值为 0.000 1，最大迭代次数为 3 000，通过网

络训练得到次日工作日的共享服务站车辆需求预

测值如图3所示。

图3 需求量预测曲线

由图3的预测曲线可以看出，相较于Elman神

经网络，改进的Elman神经网络的预测结果更接近

实际需求量，与实际需求曲线更为贴合。

图4为改进后与未改进的Elman神经网络预测

训练状态，由图可知，Elman神经网络预测过程的训

练步数为1 135步；改进后的Elman神经网络预测

过程的训练步数为393步，相较于Elman神经网络，

其训练梯度幅度较小，学习速率更快。

接 下 来 采 用 绝 对 误 差（MAE）、相 对 误 差

(MAPE)和平方和误差（SSE）来评价改进后的 Elman神经网络模型的预测精度，计算公式如下：

MAE= 1

n∑i = 1

n

| x(i)- | y(i) (14)

MAPE= 1

n∑i = 1

n |

|

|

|

|

|

|

|

x(i)- y(i)

y(i) (15)

MSE= 1

n ∑i = 1

n

(x(i)- y(i))

2 (16)

式中：n为五天工作日内高峰时间段某一小时的共

享电动汽车需求量输入数据数量；x(i)为第i个点的

共享电动汽车预测数据量；y(i)为第i个点的共享电

动汽车实际需求量。

以下对两种算法的高峰时段 7:00-10:00 内的

不同误差分别进行了计算与分析，结果如表3。

表3 不同模型预测误差对比

算法

未改进的

Elman神经网

络算法

改进后的

Elman神经网

络算法

时间段

7:00-8:00

8:00-9:00

9:00-10:00

7:00-8:00

8:00-9:00

9:00-10:00

绝对误差

0.065 6

0.041 9

0.062 8

0.040 5

0.024 0

0.026 3

相对误差

27.92

5.11

13.20

16.62

1.70

5.94

均方误差

0.021 2

0.009 6

0.012 7

0.013 3

0.006 8

0.008 5

由表 3 可知，Elman 神经网络在某一个时间段

内的绝对误差最大值达到了 27.92%，远大于改进

1888

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

后的Elman神经网络的最大误差值16.62%。改进

后的 Elman 神经网络在某一个时间段内的相对误

差最大值为 0.040 5，小于 Elman 神经网络预测的

最小绝对误差 0.041 9。同时，改进后的 Elman 神

经网络算法的均方误差全部小于未改进的 Elman

神经网络的指标。因此，改进后的Elman神经网络

模型对区域互联共享服务站点早高峰时间段内的

需求量预测的性能指标与结果均优于 Elman 神经

网络模型，使用该预测模型能较好地在某一时间段

内对区域互联服务站内的共享电动汽车的需求量

进行预测，降低调度的盲目性，改善服务站电动汽

车供应不平衡的状态。

4.3 不同调度模型的调度策略对比

4.3.1 不同调度模型

将预测后的数据反归一化，按照不同调度模型

求解早高峰运营时间段内不同服务站点的共享电

动汽车调度结果进行对比。

调度模型1：单一服务站点调度。

调度模型2：互联服务站点调度。

4.3.2 调度策略对比

1）单一服务站点

以调度成本最小为目标，得到调度结果如表4

所示。

表4 单一服务站点共享电动汽车最优调度方案

出发服务站

1

3

7

到达服务站

5

5

5

调度车辆数

2

3

2

距离/km

4.5

3.7

3.2

成本/元

63.22

82.55

60.53

2）互联服务站点

表5 互联服务站点共享电动汽车最优调度方案

出发服务站

1

3,8

8

到达服务站

4

6

4

调度车辆数

3

5

2

距离/km

7.8

4.4

3.7

成本/元

88.71

96.30

67.39

由表4可知，调度的车辆总数为7辆，最小调度成本

图4 改进后与未改进的Elman神经网络预测训练状态

基于服务站区域互联的共享电动汽车调度方法

1889

SHANGHAI ENERGY SAVING

上海节能 No.12

2023

ENERGY SAVING TECHNOLOGY

节能技术

为206.30元，平均每辆车分担的调度成本为29.47元。

由表5可知，区域互联服务站调度的车辆总数

为10辆，最小调度成本为252.40元，平均每辆车分

担的调度成本为25.24元。

如图5所示，单一服务站点模型同时由服务站

点1、服务站点3以及服务站点7向服务站点5调入

车辆；互联服务站点模型分别由服务站点1向服务

站点4以及服务站点3向服务站6调入车辆，同时服

务站点8向站点4和站点6调入车辆。

对比两种调度模型，单一服务站点以自身调度

成本最小化为目标，所有车辆都会调入同一服务站

点，并不考虑闲置成本、潜在损失成本以及周围服

务站点的成本，潜在地会对周围服务站点造成一定

的影响；互联服务站点会统一考虑所有的服务站

点，进行统一调度规划，使得整体成本达到最小。

图5 不同调度模型的车辆调度策略

4.4 不同目标函数下的调度策略对比

接着按照调度成本最小的目标，求解早高峰运

营时间段内不同服务站点的共享电动汽车调度结

果，与按照综合成本最小的目标求解相同时段内区

域互联服务站车辆的调度结果进行对比。

1）调度成本最小

以调度成本最小为目标，得到调度结果如表6

所示。

表6 调度成本最小的共享电动汽车最优调度方案

出发服务站

1

3

5

到达服务站

4

6

4

调度车辆数

3

4

2

距离/km

7.8

5.5

4.2

成本/元

88.71

102.40

78.53

2）综合成本最小

以调度成本、闲置成本和潜在用户损失收益最

小为目标，得到调度结果同样如表7所示。

表7 综合成本最小的共享电动汽车最优调度方案

出发服务站

1

3,8

8

到达服务站

4

6

4

调度车辆数

3

5

2

距离/km

7.8

4.4

3.7

成本/元

88.71

96.30

67.39

由表6可知，调度的车辆总数为9辆，最小调度

成本为 269.64 元，平均每辆车分担的调度成本为

29.96元。

由表7可知，区域互联服务站调度的车辆总数

为10辆，最小调度成本为252.40元，平均每辆车分

担的调度成本为25.24元。

对比两种调度策略，单目标调度方案只考虑

相邻服务站点最大的多余车辆，将其全部调度到

某一空缺站点；而多目标调度方案还包括闲置成

本以及潜在损失成本，存在调度多个服务站点的

车辆到某一空缺站点的情况。而且所提的基于改

进后的 Elman 神经网络预测的多目标共享电动汽

车调度方法相较于单目标车辆调度方法调度成本

降低了4.72元。

5 结论

基于服务站区域互联需求改进的 Elman 神经

网络共享电动汽车车辆调度方法，提高了预测模型

预测的精度，结果表明：

1）改进的 Elman 神经网络与未改进的 Elman

网络算法相比，收敛速度更快、预测精度更高，更

适用于共享电动汽车需求量的预测，降低调度的

盲目性。

2）服务站区域互联调度模型能够对所辖范围

内共享电动汽车的需求量进行统一规划，按照成本

最小的目标进行合理调配，从而改善所辖范围内服

务站点电动汽车供应不平衡的状态。

3）虑及闲置成本以及用户损失收益的综合成

1890

SHANGHAI ENERGY SAVING

2023年第 12 期

SHANGHAI ENERGY SAVING

上海节能

SHANGHAI ENERGY CONSERVATION

上海节能

SHANGHAI ENERGY CONSERVATION

2018 年第 08 期

ENERGY SAVING TECHNOLOGY

节

能

技

术

本最小的车辆调度模型可以实现区域互联服务站

内参与调度车辆的最优分配，将每辆车分担的调度

成本控制在25.24元，与单目标车辆调度策略相比

将调度成本降低了4.72元，从而实现了共享电动汽

车调度的经济性。

参考文献

［1］CORREIA G H D A，JORGE D R，ANTUNES D M．The added value

of accounting for users′ flexibility and information on the potential

of a station-based one–way car-sharing system：An application in Lisbon，Portugal［J］．Journal of Intelligent Transportation Systems：Technology，Planning, and Operations，2014，18(3)：299- 308．

［2］Xu IRNKORN J，MUELLER M．What will be the environmental effects of new free-floating car-sharing systems? The case of car2go in

Ulm［J］．Ecological Economics，2011，70(8)：1519-1528．

［3］王宁，张文剑，刘向，等．电动汽车共享站点间车辆人工调度策略

［J］.同济大学学报（自然科学版），2018，46(8)：1064-1071．

Wang Ning，Zhang Wenjian，Liu Xiang，et al．Inter-site-vehicle artificial scheduling strategy design for electric vehicle sharing［J］．Journal of Tongji University (Natural Science)，2018，46(8)：1064-1071．

［4］邢强，杨祺铭，范军太，等．基于数据驱动方式和行为决策的电动汽

车快充需求预测模型［J］．电网技术，2020，44(7)：2439-2448．

Xing Qiang，Yang Qiming，Fan Juntai，et al． Electric Vehicle Fast

Charging Demand Forecasting Model Based on Data-driven Approach

and Human Behavior Decision-making［J］．Power System Technology，2020，44(7)：2439-2448．

［5］Di Febbraro A，Sacco N，Saeednia M．One-way carsharing for solving

the relocation problem［J］.Transportation research record，2012，2319

(1)：113-120．

［6］王宁，文晖，刘向，等．基于用户激励的共享电动汽车调度成本优化

［J］．同济大学学报．2018，46(12)：1668-1675．

Wang Ning，Zhen Wenhui，Liu Xiang，et al．Relocation Cost Optimization Model of Electric Vehicle Sharing Based on User Incentive［J］.

Journal of Tongji University ( Natural Science)，2018，46(12)：

1668-1675．

［7］王宁，舒雅静，唐林浩，等．基于动态定价的共享汽车自适应调度策

略［J］．交通运输系统工程与信息，2018，18(5)：12-17．

Wang Ning，SHU Yajing，TANG Linhao，et al． Adaptive Scheduling

Strategy in Car-sharing System Based on Feedback Dynamic Pricing［J］.

Journal of Tongji University ( Natural Science)，2018，18(5)：12-17．

［8］宋婷颖，盛建平．基于马尔科夫链模型与遗传算法的共享汽车调度

方法研究［J］．工业控制计算机，2019，32(5)：127-131．

Song Tingying，Sheng Jianping．Vehicle Relocation Scheduling Method Based on Markov Chain Model and Genetic Algorithm［J］．Industrial Control Computer，2019，32(5)：127-131．

［9］高俊杰，崔晓敏，赵鹏，等．基于需求预测的单向共享电动汽车车辆

调度方法［J］．大连理工大学学报，2019，59(6)：648-655．

Gao Junjie，Cui Xiaomin，Zhao Peng，et al．Scheduling method for

one-way electric car-sharing based on demand forecasting［J］．Journal of Dalian University of Technology，2019，59(6)：648-655．

［10］姚恩建，何媛媛，金方磊，等．面向自组织平衡的共享电动汽车调

度优化方法［J］．交通运输系统工程与信息，2020，20(5)：135-141．

Yao Enjian，He Yuanyuan，Jin Fanglei，et al．A Self-organized Equilibrium-oriented Relocation Optimization Method for Electric Vehicle Sharing［J］．Journal of Transportation Systems Engineering and

Information Technology，2020，20(5)：135-141．

［11］Li Wenxiang，LI Ye，FAN Jing，et al．Siting of carsharing stations

based on spatial multi- criteria evaluation：a case study of Shanghai

EVCARD［J］．Sustainability，2017，9(1)：152-167．

［12］高俊杰，谢亚南，顾丰，等．基于结构关系识别的中国汽车销量预

测［J］．大连理工大学学报，2018，58(1)：92-98．

Gao Junjie，Xie Yanan，Gu Feng，et al．Chinese automobile sales forecasting based on structural relationship identification［J］． Journal of

Dalian University of Technology，2018，58(1)：92-98．

［13］钱科军，谢鹰，张新松，等．考虑充电负荷随机特性的电动汽车充

电网络模糊多目标规划［J］．电网技术，2020，44(11)：4404-4414．

Qian Kejun，Xie Ying，Zhang Xinsong，et al．Fuzzy Multi-objective

Optimization of Electric Vehicle Charging Network With Stochastic

Characters of Charging Load［J］．Power System Technology，2020，

44(11)：4404-4414．

［14］段雪，张昌华，张坤，等．电动汽车换电需求时空分布的概率建模

［J］．电网技术，2019，43(12)：4541-4550．

Duan Xue，Zhang Changhua，Zhang Kun，et al．Probabilistic Modeling of Battery Swapping Demand of Electric Vehicles Based on Spatio-temporal Distribution［J］．Power System Technology，2019，43

(12)：4541-4550．

［15］刘荣，方鸽飞．改进Elman 神经网络的综合气象短期负荷预测［J］.

电力系统保护与控制，2012，40(22)：113-117．

Liu Rong，Fang Gefei．Short-term load forecasting with comprehensive weather factors based on improved Elman neural network［J］．

Power System Protection and Control，2012，40(22)：113-117．

基于服务站区域互联的共享电动汽车调度方法

1891

高效空调制冷机房建设

应用分析

易检长1,2 任中俊1,2 杨心宇1

1. 深圳市紫衡技术有限公司

2. 广东省建设设备智慧控制与运维工程技术研究中心

摘要：据调研，我国大部分公共建筑空调制冷机房全年运行能效比仅为

2.0～3.0，能效水平低下。随着国家住建部、发改委发布《城乡建设领域

碳达峰实施方案》（建标［2022］53号），明确提出要加强空调等重点用能

设备运行调试，提升设备能效，到2030年实现公共建筑机电系统总体能

效在现有水平上提升 10%［1］

。如何建设与运营高效空调制冷机房成为

了当前研究的热点。采用理论研究、IT 开发及示范应用相结合的方法，

研究了高效空调制冷机房建设相关技术，并通过项目示范应用，将示范

项目空调制冷机房系统年运行能效比提升至5.32，达到了现行团体标准

《高效制冷机房技术规程》（T/CECS 1012-2022）规定的 3 级能效要求。

结果表明，该技术可显著提升空调制冷机房运行能效水平，应进一步推

广应用。

关键词：高效；空调制冷机房；建设；应用分析

DOI: 10.13770/j.cnki.issn2095-705x.2023.12.021

Application Analysis on High Efficiency

Air Conditioning Refrigeration Room

Construction

YI Jianchang1，2

, REN Zhongjun1，2

, YANG Xinyu1

收稿日期：2023-05-24

基金项目：厦门市建设科技计划项目(XJK-2021-4)

第一作者（通讯）：易检长（1988-02-），男，硕士，高级工程师，主要从事建筑节能与暖通空调的研究管理