电力隧道结构设计论文

摘要：隧道建設是公路建设中一类重要的工程，沉降是隧道质量监测的一项重要指标。为预防沉降带来的安全隐患，确保后期隧道正常运行，在建成初期对隧道的沉降累积量进行实时监测并对后期沉降作出较为准确的预测是很有意义的。采用随机森林模型对隧道建成初期的隧道累计沉降量进行预测，并将该模型的预测结果与深度神经网络模型做对比分析。今天小编为大家推荐《电力隧道结构设计论文(精选3篇)》，仅供参考，大家一起来看看吧。

电力隧道结构设计论文 篇1：

寒区及严寒地区隧道工程防排水技术研究

摘要：近年来，我国铁路工程的建设规模不断扩大，其中在寒区及严寒地区修建的铁路隧道工程特别是高速铁路隧道工程的数量和长度也在随之急剧增加，铁路隧道防排水系统的防寒设计和施工是该地区隧道工程修建过程中面临的重点和难点。文章以我国寒区及严寒地区大量的既有线和拟建铁路隧道工程为研究对象，通过对其广泛存在的多种冻害情况进行认真的对比、分析和研究，将寒区及严寒地区隧道工程防排水技术的成果予以归纳和总结，同时也为今后这一类型课题的进一步深入研究提出合理化建议。

关键词：寒区及严寒地区；隧道工程；防排水

随着隧道工程技术的进步，寒区及严寒地区隧道防排水技术水平也在不断提升，我们以大量总结我国寒区及严寒地区隧道防寒工程经验为基础，结合工程实践，不断改进与完善新建隧道特别是高速铁路隧道防排水的研究思路。本文重点从气象条件、温度变化梯度、地层加固、结构的防排水系统等方面进行分析和研究。

1　寒区及严寒地区既有铁路隧道工程防排水状况

统计资料显示，在我国寒区及严寒地区20世纪50年代之前（建国前）修建的铁路隧道工程中，由于这些隧道修建时间较长，绝大多数均存在冻害情况。其中在我国东北地区就有约45%的铁路隧道存在冻害，约占这一区域隧道总长度的40%。

上述类型区域多属于季节性冻土，冬季冻结，夏季融化，多年冻土较少遇见。在这种环境状况下出现的常见隧道冻害现象主要有挂冰、冰椎、冰塞、冰楔、围岩冻胀、衬砌混凝土冻融破坏、衬砌冷缩开裂等，除混凝土冻融引起劣化外，还有因衬砌背后围岩冻结引起的隧道变异，这是隧道冻害的基本特征，也是一个十分重要的问题。

隧道漏水或结冰，造成衬砌混凝土劣化和变异，降低通信信号、电力等设备和钢轨及扣件等的耐久性。漏水会使衬砌背后的土砂流失，而在衬砌背后形成空洞，并进一步产生偏压、路基下陷等。而在寒冷地区，结冰更加剧了对列车运行安全的威胁，对线路维修人员的行走和作业都造成一定的困难。同时，衬砌背后围岩的冻结会造成衬砌的

破坏。

2　寒区及严寒地区铁路隧道工程防排水技术的研究方向

2.1　气象条件

气温、风向、气压等气候参数直接影响隧道防排水防冻措施，在工程设计中，隧道设计所依据的气象资料是根据有气象记载的气象站资料，与实际工程所处点的工程条件可能有一定差异，比如东北地区某隧道，气象资料最冷月平均气温为

－12.69℃，极端最低气温为－33℃，施工过程中，施工单位观测的最低气温远低于－33℃。

因此，设计中需要考虑到这种差异，建议在勘察阶段对隧道洞口的风向、气温等气象资料进行个别收集或者根据附近气象点资料进行气象资料取值的专门研究。

2.2　温度变化梯度研究

运营隧道内温度变化梯度目前没有规范性指导意见，《铁路工程设计技术手册（隧道）》中认为采取保温措施的水沟可仅在两端洞口150～400m范围采用保温措施。

《寒冷地区铁路隧道防止冻害的基本措施》（作者：关宝树）中指出，隧道内结冰发生区域（距洞口）为1800m。

根据哈尔滨铁路局铁路隧道冬季冻结情况来看，工务部门认为，隧道内发生冻结现象的范围在距离洞口1～2km内，滨绥线杜草隧道3.9km（双洞单线）和滨洲线兴安岭隧道3.1km（双洞单线），全隧道冬节都有挂冰现象，全隧道均修建了中心深埋水沟。

同时，随着隧道断面不断增大，隧道内通过的列车速度不断提高，隧道内外空气热交换进一步加

剧，隧道内温度梯度变化情况研究也是十分必要的。

2.3　地层加固研究

隧道衬砌结构背后存水后，如果不能及时排出洞外，冬季结冰是难以避免的，岩石隧道本身几乎无冻胀性的，有冻胀性的地层一般是黏性土和细颗粒土，而且其冻胀性随含水量的增大而增强。隧道洞口地层往往是各类土层或岩石经严重风化形成的土层，本身具有一定的冻胀性。

因此，研究冻胀性的地层的加固效果，改善其密实性，降低其透水，减小隧道周围冻融对隧道结构耐久性的影响，是严寒地区防冻的重要措施。

2.4　结构防排水系统研究

目前，寒冷及严寒地区铁路隧道结构与温和地区的隧道结构基本没有区别，隧道结构仍采用“防、排、截、堵结合”的原则，如温度很低的严寒地区防寒段的保温侧沟在冬季基本被冻死，但隧道结构在水沟部位还是采用泄水孔从隧道周围的围岩向隧道内侧沟排水，因此有必要研究严寒地区隧道不设泄水孔的结构设计。

隧道结构自身的抗渗与防冻措施也是有必要研究的，根据东北地区既有铁路隧道调查结果，洞口段衬砌开裂现象十分普遍，一方面是当时的模筑衬砌施工造成衬砌混凝土不均匀而导致开裂，另一方面与衬砌经受温度变化混凝土收缩所致。

温度变形缝的设置可以减小温度收缩，但对低温情况下变形缝防水也带来一定的考验，这些问题也是值得研究的。

3　结语

隧道防、排水采取“防、排、截、堵结合，因地制宜，综合治理”的原则，当隧道地处最冷月平均气温低于－15℃的地区时，对地下水的处理应以堵为主，保障隧道在冬季时，不因地下水冻涨导致隧道衬砌结构受损。

3.1　防水等级

防水等级满足《地下工程防水技术规范》规定的一级防水标准。

3.2　洞内防水设计

3.2.1　确立衬砌结构自防水为根本，主体结构的抗渗等级为P10。当隧道地处最冷月平均气温低于

－15℃的地区时，隧道二次衬砌混凝土等级提高一级。

3.2.2　隧道拱墙初期支护和二次衬砌之间防水采用EVA或ECB防水板，防水板厚度不小于1.5mm，无纺布密度为不小于350g/m2。

3.2.3　长隧道地下水发育，必要时采用径向注浆方式加固隧道周圈地层，把地下水阻隔于地层最大冻结深度以外，防止地下水冻涨引起隧道结构受损。

3.2.4　施工缝变形缝防水。当隧道地处严寒地区时，长度小于2km的隧道纵向每隔30～60m设置温度变形缝一道；长度大于2km的隧道，两端洞口气温影响范围内每隔30～60m设置温度变形缝

一道。

为保障施工缝及变形缝防水的可维护要求，保温段施工缝及变形缝的防水加设可维护注浆管。

3.3　洞内排水设计

当－5℃＜t≤－3℃时，洞口段设长度不小于100m的保温水沟。

当－10℃＜t≤－5℃时，洞口段设长度不小于500m的保温水沟。

当－15℃＜t≤－10℃时，洞口段设长度不小于300m的中心深埋水沟或防寒泄水洞，设置长度不小于100m的保温盲沟，设置长度不小于1000m的保温水沟，设置中心深埋水沟或防寒泄水洞段，洞内水沟侧壁不再设置泄水孔。

当t≤－15℃时，洞口段设长度不小于500m的中心深埋水沟或防寒泄水洞，设置长度不小于500m的保温盲沟，设置长度不小于2000m的保温水沟，设置中心深埋水沟或防寒泄水洞段，洞内水沟侧壁不再设置泄水孔。

另外除了考虑上述原则及相应措施，还应从隧道防、排水工程的可维护性的角度着手进一步完善和改进，为了保障寒冷及严寒地区隧道运营期间防排水的易于维护要求，建议采用以下方法：

3.3.1　在设置中心深埋水沟和防寒泄水洞的段落，每隔30m设置一座检查井，检查井宜结合避车洞设置。

3.3.2　施工缝及变形缝处埋设可维护注浆管，保证防水效果。

3.3.3　双侧保温水沟的保温材料采用20～25cm长条状保温材料。

作者简介：俞尚宇（1979-），男，天津人，供职于铁道第三勘察设计院集团有限公司城市轨道交通设计研究分院，硕士，研究方向：隧道与地下工程。

（责任编辑：周加转）

作者：俞尚宇

电力隧道结构设计论文 篇2：

基于图像检索的飞机零部件查询系统研究

摘 要：隧道建設是公路建设中一类重要的工程，沉降是隧道质量监测的一项重要指标。为预防沉降带来的安全隐患，确保后期隧道正常运行，在建成初期对隧道的沉降累积量进行实时监测并对后期沉降作出较为准确的预测是很有意义的。采用随机森林模型对隧道建成初期的隧道累计沉降量进行预测，并将该模型的预测结果与深度神经网络模型做对比分析。结果表明，随机森林模型对沉降累积量的预测精度更高，能够对隧道建成初期的累计沉降量进行有效的预测，为隧道的安全监测提供数据支持。

关键词：公路隧道;沉降预测;机器学习;随机森林;深度神经网络

Prediction of Cumulative Subsidence in Initial Stage of Tunnel 

Construction Based on Random Forest

LIN Guangdong1， HE Jun2， SHEN Xiaojun2， XU Longfei3， PEI Lili4， YU Ting4

（1. CCCC First Highway Engineering Group Co.， Ltd.， Beijing 100020， China;2. CCCC Tunnel Engineering Company

Limited， Beijing 100102， China;3. School of Highway， Chang’an University， Xi’an，Shanxi 710064， China;

4.School of Information Engineering， Chang’an University， Xi’an， Shanxi 710064， China）

Key words：highway tunnel; subsidence prediction; machine learning; random forest; DNN

隧道建设工程多为决定结构安全的隐蔽工程，施工空间狭窄有限、地质条件错综复杂，且在其施工和使用过程中会发生沉降现象。若隧道沉降量差距较大，则极易发生不均匀沉降，对周围环境及自身结构造成危害[1-3]。这种危害如果没能被及时发现，不均匀沉降发展后期还可能引发坍塌等事故。因此对隧道沉降进行及时的监测，并且利用数据挖掘对其变化规律进行准确的预测，这对隧道安全监测具有十分重要的意义[4-6]。

近年来，国内外学者对隧道沉降预测进行了大量的研究并取得了一定的成果。甘鹏路等[7]通过研究地表沉降的影响因素，建立基于反向传播神经网络的隧道地表沉降预测模型，且模型内部结构符合客观变形机理。潘宇平等[8]选取8个影响隧道沉降的因素作为输入值，采用支持向量机（Support Vector Machine，SVM） 方法，对施工引起的地表沉降进行了预测，预测精度基本在95%左右。熊鑫等[9]为提高地表沉降预测精度，建立了基于改进的卡尔曼滤波的灰色理论预测模型，结果表明：该算法对消除监测数据扰动误差后的数据进行预测具有更高的精度。考虑到以上这些单一简单模型的局限性，许多学者研究并提出了组合级联的预测模型。陈柚州等[10]构建基于人工蜂群算法优化初始权值和阈值的小波神经网络模型，对地铁隧道沉降进行预测。李伟等[11]将灰色理论的等维新息模型与支持向量机模型相结合，并使用粒子群算法（PSO）进行优化，对隧道沉降时间序列数据进行预测研究。

以上研究表明：目前隧道沉降预测多基于人工神经网络、支持向量机、灰色系统理论模型等。然而与近年来提出的一些级联模型相比，以上预测模型提出时间较早，存在运行时间长且预测精度低的问题。新的集成学习模型能够更为经济、高效地對复杂非线性问题进行回归分析及预测[12]。因此本文利用前期隧道沉降监测数据，构建基于随机森林（RF）的隧道累计沉降预测模型，并对已建成隧道进行实例测试，对预测结果进行对比分析。

1 模型原理

1.1  随机森林

随机森林算法基于Bagging集成学习算法，结合随机生成的多棵树模型进行分类预测，并选择CART决策树作为随机森林的分类器。在生成每棵树时随机地选出少数特征作为决策条件，并综合多棵决策树的预测结果输出，解决了决策树的归纳偏好产生的过拟合问题[13]。

决策树的建立应考虑如何选择分类特征并依据所选特征对样本进行分类，信息增益被用来选择最优分类特征。定义所有样本X的信息熵为：

其中k代表样本类别数，pk代表该类样本占所有样本的比例。

根据特征a将所有样本X分割成V部分，则样本X通过特征a进行分割从而得到的“信息增益”为：

Gain（D，a）=H（X）-∑Vv=1|XV||X|H（XV）（2）

其中XV代表X依据特征a进行分类，分到V部分的所有样本。Gain（D，a）值越大，说明利用特征a来进行分类后，样本的复杂度减小得越多，分类的结果越明显。

1.2 深度神经网络

深度神经网络（Deep Neural Network，DNN）是基于误差反向传播算法迭代更新网络权值和偏置的人工神经网络，其网络结构如图1所示，包含输入层、输出层以及至少一层以上隐藏层，其中x1、x2、x3分别为输入数据，y为预测输出数据[14]。

计算思路为：将输入数据通过输入层传进网络，再逐层计算每一层的输出数据并将其作为下一层的输入数据向下传播通过隐藏层，最终从输出层输出预测结果;选取不同的损失函数计算目标与输出数据的误差，并采取不同的优化器快速稳定地优化网络的损失，将该误差反向传播给神经网络，从而更新每一层的权值和偏置值[15];经过多轮迭代得到最佳的深度神经网络模型。

2 实例分析

2.1 工程概况

选择白家庄隧道、二郎坪隧道、中坪隧道为试验对象，展开对隧道建成初期累计沉降量的预测。白家庄隧道、二郎坪隧道、中坪隧道均为郑西高速栾双段在建分离式隧道，位于河南省南阳市西峡县。

1）白家庄隧道左线桩号ZK104+214 ～ ZK105+526，全长1312 m;右线桩号K104+116 ～ K105+416，全长1300 m。

2）二郎坪隧道左线桩号ZK106+511 ～ ZK108+311，全长1800 m;右线桩号K106+378 ～ K108+206，全长1828 m。

3）中坪隧道位于两河口附近，隧道紧邻311国道，爆破作业安全等级要求高，交通疏导压力较大。隧道左线桩号ZK108+702 ～ ZK109+159，全长457 m;右线桩号K108+612 ～ K109+115，全长503 m。

其中部分桩号对应的监测点数据见表1，累计沉降量变化曲线如图2所示。

从图2中可以发现，不同位置的隧道因受建设参数、施工难度以及受地理气候等不同因素的影响，沉降量变化值和变化趋势也呈现明显的不同。 

2.2 公路隧道沉降数据预处理

对白家庄隧道、二郎坪隧道、中坪隧道前期隧道沉降監测数据进行分析，监测数据缺失值情况分布如图3所示。对于缺失测量期数小于10期的沉降监测数据和中间部分间断的缺失数据，采用平均插值法对其进行填充。对于连续缺失或缺失期数大于10期的数据，予以删除。最后得到经过缺失值处理后的共596条数据。

为了观测建设初期隧道整体累计沉降量变化情况，取每一期的沉降累积量平均值可视化得到图4，可以发现整体沉降累计量在23～25天左右趋于稳定，隧道建成初期不同位置的累计沉降量平均在13～14 mm收敛。

2.3 公路隧道沉降预测模型建立

选取596处监测点25期数据进行分析，按7∶3划分训练集和测试集，预测各监测点公路隧道建成初期的隧道累计沉降量。利用Python3.7建立随机森林模型并进行预测，经过参数调优，随机森林模型参数最终设定如下：森林中决策树的数目设为100，树的最大深度设为10，叶子节点最少样本数设为1，其他参数采用默认值。随机森林模型预测结果与实际监测值的比对结果如图5所示，其真实值-预测值曲线非常吻合。图6所示的相对误差大部分在0.07以下，最大相对误差不超过0.21，模型拟合效果较好，预测精度较高。

2.3 预测结果对比与分析

为了验证模型的有效性，采用深度神经网络模型对公路隧道沉降进行预测结果对比。首先设计网络的结构，由于原始数据量较少，因此选择只包含一层隐藏层的深度神经网络结构，经过多次试验确定最佳隐藏层节点数为10。其次使用网格搜索方法对模型的超参数进行参数调优，使得模型精度从0.708提升到0.951。最终深度神经网络的参数为：学习率设为0.001，迭代次数设为2000，优化器选择RMSprop（加速梯度下降法）。归一化处理将2.2获取的累计沉降量原始数据输入深度神经网络，训练并得到累计沉降量预测模型。

为了进一步对随机森林和深度神经网络的拟合结果进行比较，选取平均绝对值误差（Mean Absolute Error，MAE）和均方根误差（Root Mean Squared Error，RMSE）2个指标来考察模型的预测效果，结果如表2所示。通过表2可知，随机森林和深度神经网络预测精度都在0.95以上，其中随机森林的预测误差明显较小，说明随机森林模型的拟合效果更好。

其中，采用深度神经网络模型的平均绝对误差为2.438，是采用RF模型的8.61倍;均方误差达到3.2778，为采用RF模型的4.88倍。综上结果表明，RF模型预测结果更加准确和稳定。

3 结 论

隧道沉降监测数据受到隧道工程施工技术条件、结构设计方案及周边地质环境等多种复杂随机因素影响，具有非线性、差异性、不稳定等特点。基于不同机器学习模型预测隧道建成初期的累计沉降量。分析对比预测结果，随机森林模型预测精度比深度神经网络预测的精度高，精度达到0.991，且泛化能力强，能够应用于多项实体工程的沉降量预测。

然而本文没有探究公路隧道的沉降机理，只基于时间序列预测公路隧道的沉降。针对上述的不足，后续会深入挖掘公路隧道的沉降变形机理，以研究出其和时间序列预测方法融合的有效方法，从而充分了解影响沉降的各方面因素，进一步改善数据的拟合效果。

参考文献

[1] 林荣安，孙钰丰，戴振华，等.基于RSSVR的上软下硬地层盾构施工地表沉降预测[J].中国公路学报，2018，31（11）：130-137.

[2] 周立俊，黄腾，王思捷，等.基于GASVR的地铁隧道沉降预测[J].地理空间信息，2021，19（3）：115-117+8.

[3] 高文山，王立川，章慧健，等.超前加固和初期支护对浅埋隧道地表沉降控制的贡献率分析[J].铁道科学与工程学报，2021，18（3）：720-727.

[4] 赵国强，王涛，刘谨豪.南昌砂土地层盾构隧道地表沉降特性研究[J].上海建设科技，2021（1）：6-11.

[5] 王祥，陈发达，刘凯，等.基于随机森林-支持向量机隧道盾构引起建筑物沉降研究[J].土木工程与管理学报，2021，38（1）：86-92.

[6] 王述红，朱宝强.山岭隧道洞口段地表沉降时序预测研究[J].岩土工程学报，2021，43（5）：813-821.

[7] 甘鹏路，闫自海，彭加强.基于BP神经网络的杭州紫之隧道最大地表沉降预测[J].河南科学，2018，36（3）：356-363.

[8] 潘宇平，倪静，李林，等.基于LIBSVM的盾构隧道地表沉降预测方法研究[J].水资源与水工程学报，2018，29（3）：231-235.

[9] 熊鑫，陈竹安，危小建.改进的卡尔曼灰色模型在隧道沉降预测中的应用[J].江西测绘，2019（1）：9-12+29.

[10]陈柚州，任涛，邓朋，等.基于人工蜂群优化小波神经网络的隧道沉降预测[J].现代隧道技术，2019，56（4）：56-61.

[11]李伟，严珂，陆慧娟，等.等维新息SVR模型对隧道沉降时间序列的预测研究[J].中国计量大学学报，2018，29（3）：293-298.

[12]PEI Lili， SUN Zhaoyun， YU Ting， et al. Pavement aggregate shape classification based on extreme gradient boosting[J]. Construction and Building Materials，2020， 256： 119356-119369.

[13]李冠争，李斌，王帅，等.基于特征选择和随机森林的电力系统受扰后动态频率预测[J].电网技术，2021，45（7）：2492-2502.

[14]徐浩，刘岳镭.基于深度学习的无人机声音识别算法[J/OL].计算机科学，2021，48（7）：225-232[2021-06-21] .http：//kns.cnki.net/kcms/detail/50.1075.TP.20210310.1557.032.html.

[15]裴莉莉， 孙朝云， 户媛姣， 等. 基于多特征因子的路用集料粒径计算神经网络模型[J]. 华南理工大学学报：自然科学版，2020， 48（6）： 77-86.

作者：吕伟 张逸群 孙亮 钟飞龙

电力隧道结构设计论文 篇3：

同步实施地铁三线换乘车站结构关键技术

【摘 要】成都地铁首座立体三线换乘车站——太平园站的结构在非常困难的外部条件下同步实施完成。本站涵盖的地铁施工的工法有明挖和盖挖法。实施过程中对220 kV电力隧道的托换、保护措施的设计，与市政桥梁的同步设计和实施以及35 kV电缆通道的设计等方面更是在地铁设计中较为少见，为将来的地铁建设提供了极有价值的参考。

【关键词】三线换乘车站; 220 kV电力隧道; 盖挖法; 市政桥梁; 35 kV电力隧道

成都地铁太平园站为3号、7号、10号线立体交叉换乘车站，也是成都已实施完成并通车的首座立体三线换乘车站。车站位于佳灵路与武阳大道交汇十字路口，3号、10号线车站走向为南北向，分别布置在佳灵路两侧，7号线车站走向为东西向，布置在武阳大道南侧。3号线为地下两层岛式站台车站，10号线为地下两侧侧式站台车站，7号线为地下三层岛式站台车站。3号、7号、10号线车站总体布置为“H”型。车站地处川西平原岷江水系Ⅰ级阶地，为冲洪积地貌，地形平坦，地面高程变化为500.47～502.52 m，绝对高差为2.05 m。车站周边无地表水系流过，地下水赋存于卵石层中，对车站工程基本影响较大，地下水及场地土对混凝土及钢筋混凝土结构中的钢筋具微腐蚀性。车站范围内主要为主干道、居民房屋等。车站西侧为老川藏跨线桥及220 kV断面为2 200 mm×2 000 mm的钢筋混凝土电力隧道，车站东侧为加油站（图1）。

在车站范围内存在三条既有220 kV电力隧道。该电力隧道沿佳灵路方向为2 200 mm×2 000 mm矩形混凝土框，埋深3.8～4.0 m，横跨3号、10号线车站换乘厅;沿武阳大道方向为两条2 200 mm×2 000 mm矩形混凝土框，埋深5～6 m，纵向侵入7号线车站的局部地下一层。经与电力部门协调，由于电力隧道内电缆数量众多且承载成都市的重要供电，要求车站实施过程中供电不能中断也不能凿除矩形混凝土框。本车站设计时，要重点考虑在保护电力隧道及交通通行正常情况下如何实施车站结构（图2）。

1 采用盖挖顶板对220 kV电力隧道进行保护

220 kV电力隧道体量很大，保护要求较高，采用普通的悬吊保护措施难以满足电力部门要求，经综合研究，电力隧道范围车站结构采用盖挖顺作法施工，通过盖挖顶板承托电力隧道实现对其保护。为保证盖挖顶板的实施以及车站内柱网的规整，结构柱在电力隧道范围外，采用永久钢管柱一次性形成永久受力结构，结构柱在电力隧道范围内，结构设计考虑先期在可施作的范围做临时钢管柱，待后期顶板形成后，通过由下至上顺作混凝土永久柱替换临时钢管柱。在临时鋼管柱使用期间，结构跨度较大，同时还需保证车辆通行，局部盖挖顶板范围采用轻型的泡沫混凝土减轻顶板上部荷载以保证结构受力（图3～图6）。

盖挖顶板施工期间对电力隧道采用型钢梁进行临时保护。在电力隧道两侧2 m处设置1.5 m×1.5 m×1 m混凝土扩大基础作为临时支撑。车站顶板采用分段同步施工，分两次浇筑顶板，顶板分段长度为3.5 m。板与板之间电力隧道下设置I50c工字钢作为临时支撑，工字钢置于混凝土基础上。支撑宽度为4 m。每支撑范围内设置两榀工字钢，工字钢支撑间原土保留。原土与工字钢同时起临时支撑作用（图7）。

2 车站与规划桥梁同步设计，同体工程同步施工

在位于佳灵路方向的10号线车站范围，需预留市政桥梁的实施条件。佳灵路道路总宽50 m，为尽量避免对车站的影响，在佳灵路方向桥梁跨度设计为45 m+67 m+45 m，有一处墩柱位于3号、10号线车站的换乘厅中（图8、图9）。

由于是67 m处为大跨主桥墩，墩柱的尺寸为2.5 m×2.5 m，桥墩荷载也较大。该墩柱与车站结构现浇一起共同受力，同时车站结构和桥墩的位置关系比较复杂，桥梁结构与地下结构分别为两套计算体系，为确保受力合理，计算准确，设计采用两套计算理论对上部桥梁结构和地下车站结构合在一起的整体三维模型进行结构计算及分析（图10）。

经过计算分析得出在标准组合、结构规范组合、桥梁规范组合下的地铁车站结构受力及变形，详见表1、表2。

通过对结构规范及桥梁规范的计算结果进行对比，选择内力包罗图进行结构设计及配筋，做到车站及桥梁结构设计合理、安全。

3 三线共用的35 kV电缆通道设计方案

红牌楼南主变电所负责对地铁3号、7号、10号线共3条线路供电，需要敷设的电缆较多，主变电所距离太平园站800 m左右，电缆通道的设置方案不合理将会对城市道路规划及城市环境造成较大影响。经过和规划部门的反复研究和沟通，最终确定电缆通道的设置原则：

（1）为提高地铁运营的安全性、可靠性和方便后期的维护检修，减少对地下市政管线布置的影响，地铁电缆通道尽量采用能够起到综合管廊作用的电力隧道，埋深比普通管线略深，并根据现状及规划预留地下管线的需求和地下建、构筑物的情况调整电力隧道的埋深和坡度。

（2）为减少对地下空间的占用，在条件具备的地段尽量利用地铁车站或区间隧道敷设电缆，不再单独修建电力隧道。

（3）电力隧道的平面布置及风亭的布置要充分考虑对地下管线及规划道路的影响，并从长远角度预留道路拓宽的条件。

（4）风亭的数量应尽量少，减少对地面景观及规划的影响。

根据3条线路的建设工期安排，地铁3号线计划2016年4月开通，地铁10号线计划2017年10月开通，地铁7号线计划2017年12月开通。根据太平园站现场的施工条件及各线工筹安排，先施工3号线部分车站结构，后施工7号线车站部分，最后施工10号线车站及明挖区间部分。

结合电缆通道的布置原则、主变电所到太平园站的周边环境、3条线路太平园站及区间的布置和各条线路的建设及开通工期来综合研究确定3条线路的电缆敷设路径如下，详见图11。

（1）3号线是最先开通的线路，且和7号、10号线工期相差较多，故电缆通道的布置首先要考虑3号线的接入。根据主变电所和3号线太平园站之间的周边环境，将电力通道设置在沿铁路西环线路基外侧的空地范围，至核桃堰路后沿路侧敷设，至佳灵路后加深埋深通过顶管下穿既有市政通道及地下管线，然后通过垂直竖井接入已修建完成的地铁3号线区间，电缆进入3号线区间后通过区间隧道敷设，直至进入车站的变电所设备房。

（2）10号线比3号线工期稍晚，但上面确定的电力隧道上跨10号线明挖区间，故在10号线的电缆同样在上述电力隧道敷设至10号线明区间上方后，再既有电力隧道侧边开口接入10号线明挖区间，然后沿10号线明挖区间接入10号线车站，并通过10号线站台板下空间接入10号线变电所设备房。

（3）7号线开通最晚，且7、10号线之间的联络线和10号线土建同步完成，故7号线的电缆和10号线的敷设方式完全相同，通过电力隧道、10号线明挖区间及10号线车站站台板下空间敷设至10号线车站的7、10号线联络线洞口，然后再通过联络线接入7号线，最终接入7号线变电所设备房。

太平园站涉及到3条线路的35kV电缆通道的布置方式，充分遵循了地铁电缆通道的布置原则，最大限度的节约了工程投资和减少对城市规划及道路地下空间的影响，充分考虑了地铁电缆运营期间维护和检修的方便，同时电力隧道的方案有以下难点及创新。

3.1 35 kV供电电缆通过地铁正线区间接入

为了减少对地下空间的占用，电力隧道路径选择最短且对规划影响最小的路径，同时到达地铁3号线已完工的左、右线正线区间隧道后，在两线隧道之间新增竖井然后设置横通道分别接入左、右线区间隧道。该电缆通道接入方式为成都地铁首次采用，前提是结合正线隧道内的管线综合布置充分考虑35 kV电缆在正线隧道内的敷设方案，以免影响正线隧道的限界。由于正线隧道已经实施，为了确保既有隧道的安全，在隧道上方一定范围采取了注浆加固措施和在隧道内部采取了一定的临时支撑加固措施，详见图12。

3.2 顶管法施工过佳灵路段电力隧道

电力隧道通过佳灵路段，由于道路范围有老川藏立交、市政下穿道、200 kV电力隧道，各种直径和埋深的雨、污水管以及3号线既有区间隧道，实施条件困难，经综合比选后采用顶管法施工该段隧道，且顶管接收井和左、右线之间的竖井结合布置，详见图13。

3.3 隧道通风模式及风井的布置

以往的地铁電力隧道采用自然通风或类似地铁模式的机械通风，但采用自然通风模式时风亭需要60 m左右设置一个，对市政道路及规划的影响非常大，采用地铁模式的机械通风时，需要设置单独的风机房，工程规模大且设置条件困难。该电力隧道的设置充分考虑了上述问题，借鉴了市政电力隧道的机械通风模式，也就是在风亭顶部采用小型卧式安装的轴流风机，这样风亭的间距就可以达到200 m，且其中1/2的风亭设置风机排风，剩余1/2作为进风亭自然进风即可。该电力隧道共设置了4个风亭，2台风机，大大减小了对市政道路及规划的影响，节省了工程投资。风机采用实测隧道温度进行控制，隧道温度大于40 ℃开启风机通风，低于35 ℃关闭风机，大大改善了夏季隧道内供电电缆的运行环境。为方便现场检修，风机附近设置就地控制箱，可就地检查设备状态和方便进入隧道内部巡视前开启风机以改善隧道内空气环境，详见图14。

4 结束语

太平园站是成都地铁首座立体三线换乘车站，周边环境复杂，实施条件极为困难，本文仅选取以往在成都地铁没有遇到过的情况进行介绍，提出了很多有价值的设计思路及建议，为以后成都地铁类似工程的设计提供了很好的参考。

[定稿日期]2021-04-15

[作者简介]喻涛（1981～），男，本科，高级工程师，从事结构方面设计及研究的技术工作。

作者：喻涛