[發(fā)明專利]一種地鐵通風(fēng)空調(diào)系統(tǒng)負(fù)荷預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210887445.0
• 申請(qǐng)日: 2022-07-26
• 公開（公告）號(hào): CN115408930A
• 公開（公告）日: 2022-11-29
• 發(fā)明（設(shè)計(jì)）人: 鄧家璧;何紅宇;馮沖;鄭奇雨;徐騰云;陳佳偉;王偉;馬靈玲
• 申請(qǐng)（專利權(quán)）人: 浙江中控信息產(chǎn)業(yè)股份有限公司
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06Q10/04;G06Q50/30;G06N3/04;G06N3/08
• 代理公司: 杭州杭誠(chéng)專利事務(wù)所有限公司 33109
• 代理人: 丁昱

本發(fā)明公開了一種地鐵通風(fēng)空調(diào)系統(tǒng)負(fù)荷預(yù)測(cè)方法，包括以下步驟：S1：通過(guò)傳感器或系統(tǒng)獲取原始數(shù)據(jù)；S2：通過(guò)LS?SVR算法訓(xùn)練外部歷史溫度和外部歷史濕度得到第一模型，預(yù)測(cè)未來(lái)溫度和未來(lái)濕度；S3：通過(guò)深度遞歸神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練歷史進(jìn)站客流量和歷史出站客流量得到第二模型，預(yù)測(cè)未來(lái)進(jìn)站客流量和未來(lái)出站客流量；S4：通過(guò)模糊預(yù)測(cè)模型計(jì)算負(fù)荷增量得到負(fù)荷增量預(yù)測(cè)值；S5：基于集成學(xué)習(xí)融合第一模型、第二模型和模糊預(yù)測(cè)模型得到強(qiáng)模型，基于強(qiáng)模型輸出負(fù)荷預(yù)測(cè)值。本發(fā)明的有益效果是：能基于歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)建立焓值、客流和負(fù)荷增量的預(yù)測(cè)模型，能對(duì)預(yù)測(cè)模型加權(quán)求和得到強(qiáng)模型并輸出負(fù)荷預(yù)測(cè)值。

技術(shù)領(lǐng)域

本發(fā)明涉及地鐵空調(diào)控制方法技術(shù)領(lǐng)域，特別涉及一種地鐵通風(fēng)空調(diào)系統(tǒng)負(fù)荷預(yù)測(cè)方法。

背景技術(shù)

城市軌道交通方興未艾，改善候車環(huán)境的舒適性、降低地鐵的運(yùn)營(yíng)能耗是保證地鐵事業(yè)健康發(fā)展的必由之路。通風(fēng)空調(diào)系統(tǒng)對(duì)地鐵車站環(huán)境的舒適狀況影響顯著，其能耗占地鐵運(yùn)營(yíng)總能耗的比例大，有較大的節(jié)能潛力可以挖掘。因此地鐵通風(fēng)空調(diào)系統(tǒng)的設(shè)計(jì)過(guò)程中，在保證通風(fēng)與溫度調(diào)節(jié)效果的前提下，還要具備節(jié)能效果。

現(xiàn)有技術(shù)中，僅能通過(guò)經(jīng)驗(yàn)估算出需求的負(fù)荷，算法不具備在線更新學(xué)習(xí)等功能且當(dāng)影響因子不穩(wěn)定時(shí)，效果不佳，不能基于歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)建立焓值、客流和負(fù)荷增量的預(yù)測(cè)模型，不能對(duì)預(yù)測(cè)模型加權(quán)求和得到強(qiáng)模型并輸出負(fù)荷預(yù)測(cè)值。

例如，一種在中國(guó)專利文獻(xiàn)上公開的“一種海量空調(diào)負(fù)荷仿真方法及系統(tǒng)”，其公告號(hào)：CN108052695A，其申請(qǐng)日：2017年11月15日，該發(fā)明通過(guò)計(jì)算虛擬子負(fù)荷和聚合體的溫度調(diào)節(jié)量來(lái)調(diào)整空調(diào)的溫度，充分考慮了各層級(jí)的響應(yīng)因素，有效提高了海量空調(diào)負(fù)荷仿真的準(zhǔn)確性，但是不能基于歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)建立焓值、客流和負(fù)荷增量的預(yù)測(cè)模型，不能對(duì)預(yù)測(cè)模型加權(quán)求和得到強(qiáng)模型并輸出負(fù)荷預(yù)測(cè)值。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)不能基于歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)建立焓值、客流和負(fù)荷增量的預(yù)測(cè)模型，不能對(duì)預(yù)測(cè)模型加權(quán)求和得到強(qiáng)模型并輸出負(fù)荷預(yù)測(cè)值的不足，本發(fā)明提出了一種地鐵通風(fēng)空調(diào)系統(tǒng)負(fù)荷預(yù)測(cè)方法，能基于歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)建立焓值、客流和負(fù)荷增量的預(yù)測(cè)模型，能對(duì)預(yù)測(cè)模型加權(quán)求和得到強(qiáng)模型并輸出負(fù)荷預(yù)測(cè)值。

以下是本發(fā)明的技術(shù)方案，一種地鐵通風(fēng)空調(diào)系統(tǒng)負(fù)荷預(yù)測(cè)方法，包括以下步驟：

S1：通過(guò)傳感器或系統(tǒng)獲取原始數(shù)據(jù)；

S2：通過(guò)LS-SVR算法訓(xùn)練外部歷史溫度和外部歷史濕度得到第一模型，結(jié)合外部實(shí)時(shí)溫度和外部實(shí)時(shí)濕度數(shù)據(jù)預(yù)測(cè)未來(lái)溫度和未來(lái)濕度，基于未來(lái)溫度和未來(lái)濕度得到焓值預(yù)測(cè)值；

S3：通過(guò)深度遞歸神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練歷史進(jìn)站客流量和歷史出站客流量得到第二模型，結(jié)合實(shí)時(shí)進(jìn)站客流量和實(shí)時(shí)出站客流量預(yù)測(cè)未來(lái)進(jìn)站客流量和未來(lái)出站客流量；

S4：基于站廳實(shí)時(shí)溫度和站廳期望溫度計(jì)算溫度偏差，基于當(dāng)前設(shè)備狀態(tài)和當(dāng)前設(shè)備負(fù)荷得到溫度變化速率，通過(guò)模糊預(yù)測(cè)模型計(jì)算負(fù)荷增量得到負(fù)荷增量預(yù)測(cè)值；

S5：基于集成學(xué)習(xí)融合第一模型、第二模型和模糊預(yù)測(cè)模型得到強(qiáng)模型，基于強(qiáng)模型輸出負(fù)荷預(yù)測(cè)值。

本方案中，通過(guò)利用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能算法結(jié)合歷史數(shù)據(jù)對(duì)地鐵站內(nèi)負(fù)荷進(jìn)行預(yù)測(cè)，利用空調(diào)歷史數(shù)據(jù)與實(shí)時(shí)數(shù)據(jù)，結(jié)合空調(diào)機(jī)理模型進(jìn)行算法設(shè)計(jì)，使算法既具有實(shí)時(shí)控制修正功能，又具有未來(lái)時(shí)刻負(fù)荷預(yù)測(cè)功能，一定程度上解決了原有控制方案的滯后性與控制精準(zhǔn)性，滿足了系統(tǒng)預(yù)測(cè)實(shí)時(shí)性與高效性。

作為優(yōu)選，原始數(shù)據(jù)包括獲取時(shí)間、外部實(shí)時(shí)溫度、外部實(shí)時(shí)濕度、外部歷史溫度、外部歷史濕度、實(shí)時(shí)進(jìn)站客流量、實(shí)時(shí)出站客流量、歷史進(jìn)站客流量、歷史出站客流量、站廳實(shí)時(shí)溫度、站廳期望溫度、當(dāng)前設(shè)備負(fù)荷和當(dāng)前設(shè)備狀態(tài)。