考虑碳排放的铁路隧道施工机械配置优化模型

2020-10-09鲍学英

铁道学报 2020年9期

鲍学英,许锟

(兰州交通大学土木工程学院，甘肃兰州 730070)

随着铁路建设发展以及我国生态文明建设的要求，在“绿水青山就是金山银山”发展理念的指引下，针对铁路建设领域开展有关生态环境保护的研究越来越重要。因此，研究铁路隧道施工中的节能减排问题是必要及实用的[1]。铁路隧道开挖支护循环作业对各类机械设备的搭接配合有较高的要求，合理的机械配置能够在保证工程质量的基础上有效地加快施工进度并节省施工成本。

在铁路隧道机械配置方面的主要研究成果有：李有兵[2]以贵广铁路天平山隧道为例从隧道开挖支护、装碴运输等方面介绍了一种长大隧道的机械化配套技术。王宏礼等[3]以钻爆法施工的岩溶隧道为例，对比分析了在特长隧道施工方面常用机械的施工效果。杨森森[4]以高原特长隧道快速施工为研究对象，通过工效分析发现钻孔、支护作业线是影响快速施工的关键环节。并根据高原地域特点及快速施工目标对施工机械设备进行配套选型。刘春阳[5]以关角隧道为例，通过工程调研及统计分析研究高寒环境下隧道施工机械工作效率变化，并通过模糊评判对施工机械进行选型。

在建设施工碳排放方面国内外学者们也有一些研究成果。Peng等[6]利用能耗值、碳排放因子等参数建立了沥青路面施工过程的碳排放模型，发现用于加热沥青材料的能源类型是关键因素。Byung等[7]在考虑碳排放的情况下提出一种新型双向楼板设计模型，根据测算新型绿色楼板能够有效减少碳排放。Liu等[8]提出一种能够实时监测预制构件整个产业链碳排放的监测系统，目的在于有效地进行建筑业碳排放实时控制。Zhang等[9]基于生命周期评价以中国建筑业为例建立模型，发现驱动中国建筑业碳排放增加的主要因素为建筑规模、建筑结构类型以及材料生产效率。张强等[10]依据IPCC中相关碳排因子对建筑施工现场机械碳排量进行了量化分析。周红波[11]以上海某社区建设项目为例，从运输、施工、废物处理等方面分析影响低碳施工的因素及控制措施。魏秀萍[12]对比分析三种常用碳排放核算标准后，以PAS2050规范为基础建立了住宅建设项目施工阶段碳排放计算模型，并基于CLCD数据库对相关机械设备的碳排放因子进行了计算。吴淑艺等[13]基于PAS2050规范通过清单工程量及材料设备的碳排放因子构建了建筑产品的碳排放总量计算模型。

以上学者的成果主要是以隧道快速施工为目的的隧道机械配置研究以及路面工程、房屋建筑方面的机械设备碳排放研究，而在倡导可持续发展的背景下，如何从低碳经济的视角来考虑铁路隧道等大型工程的机械化配置是具有一定创新性及实用性的。为此本文在考虑机械碳排放量的基础上以铁路隧道施工为研究对象对隧道开挖支护施工机械配置优化问题进行研究。

1 铁路隧道开挖支护施工机械系统

根据相关研究成果可将隧道开挖支护施工机械系统划分为三个子系统[14-15]。分别是开挖施工机群子系统、出渣施工机群子系统以及初期支护施工机群子系统。具体情况见图1。

图1 隧道开挖支护施工机械系统

2 基于碳排放的隧道施工机械配置模型

在隧道施工过程中，采用不同的机械配置方案明显会对施工效率产生影响，进而直接影响到施工工期[16-17]。根据已经建立的考虑工期-成本的机群配置模型[18]。设所使用的机械设备种类数为n，那么可将各种机械设备的数量表示为A={A1,A2,A3,…,An}。则施工工期即可表示为机械配置向量A的函数T(A)。

在确定施工机械配置方案与工期之间的联系后，就可以用下式表示施工机械所形成的成本费用C为

(1)

式中：Ci为第i种机械的台班费用成本；Ai为第i种机械的数量。

因为工期与成本目标的度量标准不同，故需要利用无量纲化处理来将不同的度量标准统一，实现直接分析和比较。处理之后成本目标CF和工期目标TF分别为

(2)

(3)

式中：k1和k2分别为成本偏好权重和工期偏好权重，Cmax、Tmax分别为所有方案中成本、工期的最大值。

为将工程质量考虑进机械配置优化模型，晁玉增[18]引入质量成本理论。在考虑极限质量成本以及保本质量成本基础上可将最小质量成本Qmin表示为

(4)

式中：k3为质量偏好权重；Cmin为所有方案中成本最小值。

为使得优化的机械配置方案能够综合质量、成本、工期等三个方面的考量，再基于以上讨论将工期-质量-成本机械配置优化模型表示为

(5)

(6)

式中：Tj为第j个工作面工作完成时间；Ui为第i种机械的工作班次；Pi为第i种机械的工作效率；Qj为第j个工作面的工程量；Zi为第i种机械的可支配总数;Bji为第j个工作面的第i种机械工作数量；b为工作面总数；n为施工机械种类总数。

现阶段实际隧道施工过程中使用的各类机械主要消耗的能源种类有汽油、柴油以及电能。根据国际上常用的碳排放基本计算公式可将机械碳排放量以二氧化碳当量值的形式表示[19]为

E=Cd×D1+Co×D2+Ce×D3

(7)

式中：E为施工机械总排放量；Cd为柴油碳排放因子，kgCO2/kg；Co为汽油碳排放因子，kgCO2/kg；Ce为电力碳排放因子，kgCO2/kW·h；D1,D2,D3分别为所采取的机械配置方案中使用柴油的机械柴油消耗总量、使用汽油的机械汽油消耗总量、使用电能的机械电能消耗总量。

机械的能源消耗量是指在合理使用的情况下为实现工程目标而使用机械设备产生的能源消耗，包括净使用量和损耗量。而由于施工机械的能源消耗量在现实施工现场中很难统一计量，能够收集到数据非常有限。目前常用的造价管理软件中包含有材料消耗定额和施工机械定额以及各自的损耗系数，本文使用这些已经考虑损耗的数据对不同机械配置方案的能耗进行分析。

碳排放因子是指各类能源的单位排放水平。国内外针对碳排因子已经进行了很多研究，积累了很多基础数据。对于机械使用能源的碳排放主要从三个角度去考虑，即能源的生产、运输及使用。由于不同地区的能源运输、生产会产生不同的碳排放，故本文主要考虑使用中国本土化的生命周期基础数据库(CLCD)。由于能源使用所产生碳排放的地域差异不是很明显，故考虑引用IPCC报告中的缺省值。通过综合汇总计算主要的三种温室气体可以得到汽油、柴油、电能的碳排放因子结果，见表1。

表1 能源碳排放因子

使用W表示所采用的施工机械配置方案形成的碳排放总量，则无量纲化后的方案碳排目标为

(8)

式中：WF为碳排放量目标；k4为碳排放偏好权重；Wmax为所有方案中的最大碳排放量。

此时综合考虑费用、工期、质量以及碳排放的隧道施工机械配置优化模型可以表示为

(9)

式中：k1、k2、k3、k4分别为决策者对于四个目标的偏好权重，相加为1。其余约束条件与前文相同。

决策者相对更偏重于实现某个目标，其偏好权重就会相对放大，很明显会直接影响到优化模型的最终优化结果。这使得此模型对于实际隧道施工问题有良好的适应性，可以根据实际情况作出相应调整。

3 基于熵权法确定目标偏好权重

3.1 评价指标的选取

基于第2节建立的机械优化配置模型，结合铁路隧道开挖支护施工机械系统运行过程，参考相关文献给出了成本、工期、质量、碳排量的评价指标体系，见表2。其中工期类、质量类指标的设定是以保证机械配置方案的技术可行性为目的；成本类、碳排放类指标是以保证配置方案的经济环保性为目的。

(1)成本类指标

成本类指标包括施工机械闲置损失、施工机械有效利用率以及施工机械综合成本三个二级指标。施工机械闲置损失是指施工机械在闲置情况下损失的成本。参考文献[20-21]按照隧道开挖支护系统及机械配置方案计算。施工机械有效利用率是指配置方案中施工机械能够以合理负载运行的比率，以1减去施工机械闲置损失与施工机械台班总费用的比值计算。施工机械综合成本是指配置方案中施工机械的所有成本，包括机械的折旧(租赁)费用以及机械保养费用。

(2)工期类指标

工期类指标包括开挖支护每循环施工时间、一个循环内的其他时间、隧道总开挖方量以及每循环完成开挖方量四个二级指标。其中每循环施工时间指按照配置方案中机械正常工作的时间总和计算。一循环内其他时间包括处理突发情况等意外停工时间以及其他暂停施工时间，按照发生意外情况平均概率计取。隧道总开挖方量按照施工图纸计取。每循环开挖量以施工试验段每循环进尺以及开挖断面面积计取。

(3)质量类指标

质量类指标包括平均超欠挖值、喷射混凝土厚度、喷射混凝土强度三个二级指标。三个指标均需按照施工试验段测量检验数据计算。平均超欠挖值反映配置方案中开挖设备的配置能否满足工程质量标准。喷射混凝土厚度及强度反映喷射支护设备的配置能否满足工程质量标准。设置指标以防止可能出现的因机械配置不足且工期紧张的情况下发生工程质量问题。

(4)碳排放类指标

碳排类指标包括碳排当量、汽油使用量、柴油使用量、电能使用量四个二级指标。其中汽油、柴油、电能使用量按照配置方案机械台班耗能量之和确定。碳排当量按各类能源消耗量及该能源碳排因子计算。

表2 目标偏好权重评价指标体系

3.2 熵权法计算指标权重

四个目标的偏好权重对最终优化结果至关重要，为尽量使得确定的权重客观、合理，本文使用熵权法来确定目标偏好权重系数[22]。熵权法是一种根据客观的指标数据来确定准则层指标权重的权重确定方法[23]。它具有易操作、可反映指标隐藏信息以及放大指标间差异性的优势。能够相对全面地反映指标数据的所有信息。这种方法的核心思想是衡量评价对象在各项指标的差异度，如果该指标数据离散程度越大则其权重越大。其计算步骤为

(1)将指标数据进行标准化处理，得标准化矩阵为

(10)

P=(Pij)m×n

(11)

式中：Pij为第i个配置方案第j个指标的标准化数据；m为评价对象的个数；n为评价指标个数。

(2)计算指标数据的熵值为

(12)

式中：ej为第j个指标数据的熵值。

(3)计算指标的熵权

(13)

式中：wj为第j个指标的熵权，且同级指标权重和为1。

4 用均匀自组织映射遗传算法求解

遗传算法是一种已经运用的比较成熟的智能优化算法，在各领域都有应用的先例，表现出了良好的全局搜索优化能力。但其局限性也很明显，在初始种群设置时由于是完全随机生成的，可能会导致初始种群在可行域内分布不均，进而影响其全局搜索能力。同时遗传算法的交叉变异操作也具有很强的随机性，往往会导致优化结果陷入局部最优解。针对传统遗传算法的局限性王丽萍等[24]提出了一种改进的均匀自组织遗传算法。采用均匀设计来生成分布在整个可行域的初始种群，并利用自组织映射将后期种群进行高低维变换增加后期遗传算法的计算成功率。由于遗传算法理论已经比较成熟且篇幅有限，本文在此不再赘述其基础理论。

4.1 均匀设计

均匀设计是方开泰、王元教授于20世纪80年代提出的一种考虑试验点均匀分布于试验区域的试验设计方法。这种方法能够帮助遗传算法生成可行域内均匀分布的初始种群。其操作步骤如下：

Step1对于一个给定的正整数N(即试验次数)，能够确定的因素数为

K=N(1-1/p1)(1-1/p2)…(1-1/pt)

(14)

Step2求出小于N且与N互质的数，其所构成的向量为

h=(h1,h2,…,hl)

(15)

Step3按照以下公式构造均匀设计表

uij=ihj[modN]

(16)

式中：[modN]为同余运算；uij为第i行第j列的水平值；hj为h向量的第j个元素。

按照以上步骤计算出各水平值，进而构造出均匀设计表，并以此确定遗传算法的初始种群，使得初始种群的个体能够均匀分布在待搜索区域内并提高计算效率加快收敛速度。

4.2 自组织映射

自组织映射(Self-organizing Map, SOM)可以利用神经网络将任意维数的输入数据转换至低维空间，输出的数据能够反映原始数据的特征[25]。本文将遗传算法的个体数据代入自组织映射模型计算，并调整连接权值，最终以输出的神经元作为新的个体。SOM的计算步骤为

Step1设定M个初始神经元Ni，wi为连接权重向量(i=1,2,…,M)。

Step2对输入的个体Xj(j=1,2,…,T)计算它与各神经元的距离，选择距离最近的一个作为其优胜单元N*。

Step3按照以下公式计算领域半径

(17)

式中：ε0为初始领域半径；σ为时间常量，σ=m/lg(ε0)，m为迭代次数。

Step4调整领域内神经元的连接权重，调整公式如下

wi(t+1)=wi(t)+L(t)θN*Ni(t)[xj(t)-wi(t)]

(18)

Step5若没有达到迭代次数则重复Step3、Step4，若达到迭代次数则按照以下公式更新个体。

(19)

4.3 均匀自组织映射遗传算法求解步骤

根据上述均匀自组织映射遗传算法原理，将其应用在隧道开挖支护工程机群配置优化问题上，求解流程见图2,计算步骤如下：

Step1确定种群规模、迭代次数、决策变量以及取值范围。种群规模N，决策变量即为机械配置方案，取值范围为可调用机械数量的范围。

Step2确定自组织映射结构的初始神经元连接权重向量wi(i=1,2,…,M)、初始学习速率L0以及初始领域半径ε0，此处初始领域半径拟取三倍的输入个体与优胜单元间距离；确定交叉率pc，变异率px。

Step3确定初代种群个体。利用均匀设计生成初代个体，并判断是否满足约束条件，若不满足则重新生成。

Step4根据初代个体的适应度计算结果选择N1个优秀个体，采用精英保留方法使其进入次代种群。

Step5交叉以及变异操作。本文采用实数编码，交叉操作采用实数交叉法，变异操作采用非均匀变异减小后期突变可能性。计算方法参考文献[26]。交叉变异操作后生成N2个新个体。

Step6利用自组织映射进行计算，得到新一代N3个个体。

Step7将传统遗传算法生成的N2个新个体与自组织映射计算得到的N3个个体以及精英保留策略下的N1个优秀个体综合进行适应度排序生成新的N个个体。

Step8判断是否达到设置的迭代次数，若达到则结束计算输出结果，否则返回Step4循环计算。

5 实例分析

5.1 工程概况

本文以乌鞘岭特长隧道6号斜井为例进行隧道开挖支护机械配置优化分析。乌鞘岭特长隧道属于兰新线组成部分，隧道长20 050 m。分左右两座单线隧道，右线设8个斜井、1个竖井，左线设5个斜井、1个竖井及1个横洞，共计16个辅助坑道20个工作面。

乌鞘岭隧道6号斜井，斜井长2 135.38 m，纵坡为12%，与左线隧道相交于DK169+600处。按照合同要求项目需于2003年3月1日开始施工，而6号斜井必须于2003年12月10日提前到达交点，施工进度必须超计划进度4 000 m以上，工期任务十分艰巨。

本工程开挖支护部分拟投入主要施工机械设备见表3(其中台班价格根据区域条件及施工情况已做折算)，机械设备碳排因子计算结果见表4。

5.2 确定目标偏好权重

根据本文确定的目标偏好权重指标体系按照不同指标的确定方法确定各指标数据。使用熵权法根据式(10)～式(13)及咨询专家后给出的不同配置方案指标经验值计算各指标权重以及目标偏好权重结果如表5所示。

5.3 机群配置优化求解

利用均匀自组织映射遗传算法来求解机群配置优化模型。遗传算法可设置变量为整数，优化结果即为整数结果，求解结果见表6。

均匀自组织映射遗传算法相关参数设置为：初始种群包含100个个体，利用精英保留策略生成10个次代个体，传统遗传算法生成100个次代个体，自组织映射生成100个次代个体。迭代次数上限为100，遗传算法交叉概率为0.6，个体变异概率为0.1，学习因子为0.1。

图2 均匀自组织映射遗传算法求解流程

表3 拟投入主要施工机械设备

表4 机械设备碳排因子计算表

表5 目标偏好权重结果

表6 均匀自组织映射遗传算法机械配置优化结果

优化结果是在考虑本斜井工程设计断面较小(23 m2)的情况下所做的优化。由于施工作业面小，所以采用传统施工方法，在利用多功能钻孔台架拥有三个作业层的情况下可以使17台凿岩机同时作业。按照工程正常开挖进尺及出碴量配备ITC312挖掘机、ZLC50装载机各一台以及12.5、17 t自卸汽车各4台可以满足正常施工。工程Ⅲ、Ⅳ、Ⅴ级围岩拱部等区域均需锚喷支护，喷射工作量较大，配置4台TK961湿喷机以满足工程需要。上表说明本文所建优化模型是具有实用性的。