CN101403891B - 电梯群控节能调度方法 - Google Patents

Abstract

本发明属于电梯群控技术领域，涉及一种电梯群控节能调度方法：(1)确定交通流模式；(2)建立电梯运行的虚拟仿真环境；(3)对各个数据组分别进行曲线拟合，建立交通流模式——最佳节能点的知识库；(4)选择平均候梯时间、拥挤度、能耗作为电梯群控系统多目标优化问题研究的目标函数，建立评价函数；(5)仿真生成电梯交通流信息或采集实际的交通流信息；(6)确定交通流模式，并在知识库中参数库寻找与该交通流所属类别相匹配的评价函数参数以及与该交通流模式相匹配的评价函数期望值；(7)采用离散粒子群优化方法，求解最优派梯方案。本发明提出的调度方法，能够在电梯群控系统中实现其节能实效。

Description

电梯群控节能调度方法

技术领域

本发明属于电梯群控技术领域，尤其涉及一种电梯群控节能调度方法。

背景技术

电梯群控调度系统是指利用统一管理和协调的方式对复杂乘客交通流量进行分析，通过优化处理，指派合理的电梯资源完成运送任务的服务管理系统，其核心是群控调度方法。从科学意义上说群控调度是一个在环境变化下的资源配置时序决策问题，它具有不确定性、非线性和控制目标多样化等特点。

目前在实际中广泛采用的群控调度方法过多的追求服务性能的改善，如乘客的侯梯时间，乘梯时间等，而往往忽略能耗性能(节能)的提高。例如某些以单一目标为优化准则的调度方法，如ETA(最长等待时间最短)和FIM(等候时间平方和的均值最小)等。对于从节能角度出发的电梯群控调度方法的研究国内尚处于空白，只有少数国际电梯公司和科研机构在此领域开展了一些初步研究工作。如研究如何在乘客可容忍的候梯时间内实现电梯系统节能的问题；研究下行高峰客流中以候梯时间和能耗为目标函数的电梯调度方案等。但这些方法存在着对电梯交通流的适应性差、缺乏通用性等问题，对一些影响节能的关键因素和问题没有充分考虑。

本发明在分析了电梯系统的服务指标和能耗指标的关系的基础上，研究电梯群控系统的多目标优化问题，实现电梯系统面向节能的优化调度。

发明内容

本发明的目的在于克服现有技术的上述不足，提出一种从优化调度的角度实现电梯系统节能的群控调度方法，本发明提出的调度方法，不仅能够运行在相应设计出的电梯群控仿真平台上进行节能效果分析，还可以应用到实际电梯群组调度的电梯群控器中实现其节能实效。

为此，本发明采用如下的技术方案：

一种电梯群控节能调度方法，包括下列步骤：

(1)根据电梯实际运行特点，确定交通流模式；

(2)建立电梯运行的虚拟仿真环境，对各个交通流模式分别进行仿真实验，测试出在不同交通流模式下，电梯的平均候梯时间在候梯极限时间内变化时能耗和拥挤度值的变化数据组。

(3)对各个数据组分别进行曲线拟合，得到不同交通流模式下电梯的平均候梯时间和总能耗间的规律曲线，并分别求取各种交通流模式下电梯群控的最佳节能点，建立交通流模式——最佳节能点的知识库。

(4)选择平均候梯时间、拥挤度、能耗作为电梯群控系统多目标优化问题研究的目标函数，建立评价函数

式中，f_w(i，k)为电梯k响应第i层外呼信号时所估计的乘客候梯时间的目标函数；f_c(i，k)为电梯k响应第i层外呼信号时所估计的轿厢内拥挤度的目标函数；f_e(i，k)为电梯k响应第i层外呼信号时所需消耗的能量的目标函数；f_w ^*表示期望候梯时间；f_c ^*表示期望拥挤度；f_e ^*表示期望启能耗值；ω_i为权系数，即评价函数参数，在知识库中存储不同交通流模式所对应的评价函数参数；

(5)仿真生成电梯交通流信息，或采集实际的交通流信息；

(6)根据交通流信息，进行交通模式识别，确定交通流模式，并在知识库中参数库寻找与该交通流所属类别相匹配的评价函数参数以及与该交通流模式相匹配的评价函数期望值；

(7)设适应度函数为

式中：Fit_max为常数，x_ij是向量x_i的分量，表示第i部电梯响应第j层的呼梯信号，采用离散粒子群优化方法，求解最优派梯方案。

本发明的上述电梯群控节能调度方法，其中的步骤(3)可以利用BP神经网络对数据组进行曲线拟合。

作为优选实施方式，评价函数的能耗项分为电梯启停过程启动制动的能耗和运载乘客过程中克服重力势能做功两部分，即f_e(i，k)＝E_s(i，k)+E_p(i，k)，其中E_p(i，k)＝|w(i，k)-W_const|*g*h(i，k)，式中，w(i，k)为电梯k响应第i层外呼信号过程中负载的质量；W_const＝W_cwt-W_car，W_car为轿厢空载时的质量，W_cwt为电梯对重的质量；g为重力加速度；h(i，k)为电梯k响应第i层外呼信号所行驶的里程；

本发明在步骤(7)之后，最好还执行下列的评价函数参数调整步骤：根据交通流信息，求取乘客的平均候梯时间、电梯的启停次数以及拥挤度的数值，然后通过与期望值作比较而得到偏差，利用该偏差调整评价函数参数，使平均候梯时间、电梯启停次数以及拥挤度均尽量达到其相应的期望值，然后根据调整后评价函数参数计算评价函数值，最后根据系统环境和各目标函数优化后的反馈信息对知识库进行更新；

本发明的步骤(7)最好按下列步骤执行：

第一步：初始化种群读取呼梯队列中等待响应的呼梯信号序列，初始化种群的规模m，在解空间中随机产生m个粒子X_i(0)即可行派梯方案和初始飞行速度V_i(0)。初始化粒子适应度函数的权重系数参数，计算得到初始个体极值pBest_i(0)和全局极值gBest_i(0)；

第二步：按照粒子的运动公式

$\left\{\begin{array}{c}V(t+1)=c_1\⊗V_1\⊕c_2\⊗(\mathrm{pBest}\left(t\right)-X\left(t\right))\⊕c_3\⊗(\mathrm{gBest}\left(t\right)-X\left(t\right))\\ X(t+1)=X\left(t\right)+V(t+1)\end{array}\right.,$ 更新每个粒子的位置和飞行速度，式中，

算符的定义：

算符的定义：令V₁和V₂是两个速度矢量，定义两个速度的和

为把V₂中的交换序列依次添加到V₁的后面。

第三步：确定当前种群的适应度函数FIT(X_i)；

第四步：根据适应度函数计算每个粒子当前位置的适应值；

第五步：对每个粒子将其当前位置的适应值与对应的个体极值进行比较，如果较优，则更新个体极值为当前位置的适应值，否则保持当前个体极值不变；

第六步：对每个粒子将其当前个体极值与全局极值进行比较，如果较优，则更新全局极值为相应的个体极值，否则保持当前的全局极值不变；

第七部：如未达到预先设定的停止准则，则返回步骤(2)，若达到则停止计算。

本发明通过嵌入了节能调度算法的中央控制器控制大楼里的多台电梯，可让电梯组分工明确在恰当的时间到达恰当的位置，既能保证整个系统有较好的服务质量，又能尽可能节约能耗。另外，本发明的节能调度算法实施起来较为简便，既易于嵌入已安装的电梯系统的群控器内，还可以与目前一些现有的电梯硬件节能技术配合使用，使节能效率有进一步的提高。

附图说明

附图1电梯系统性能分析的数学模型；

附图2电梯群控虚拟仿真环境界面；

附图3电梯群控及时调度算法程序的流程图；

附图4BP网络拟合的服务指标和能耗指标间的规律曲线之一；

附图5电梯运行中克服重力做功的示意图；

附图6自适应评价函数参数调整的结构图；

附图7基于粒子群算法的电梯群控多目标优化的结构模型；

附图8电梯群控虚拟仿真环境的结构示意图；

附图9电梯节能调度算法的软件模块结构图；

附图10电梯节能调度算法的程序流程图。

具体实施方式

本发明以理论方法和虚拟仿真技术相结合为主要研究手段，得出一种面向节能的电梯群控调度方法，通过电梯群控虚拟仿真软件进行实验、测试与性能分析。该方面主要包括以下几个方面：

本发明首先建立了电梯系统性能分析的数学模型，定性地分析了服务指标和能耗指标的相关性；通过仿真实验定量地揭示了服务指标和能耗指标的规律特性，并建立了电梯群控系统“最佳节能点”知识库。

而后，采用评价函数方法将电梯群控系统的平均候梯时间、拥挤度、能耗三个目标函数线性加权组合成一个新的评价函数。利用“最佳节能点”知识库并结合电梯群控自适应参数调整方法动态调整评价函数的参数，建立起一个既具有自适应性又具有节能特性的评价函数。

再次，提出了基于目标加权的改进离散粒子群算法——WAIDPSO，有效地求解了基于面向节能的电梯群控自适应评价函数的优化问题。

最后，在本实验室已开发出的一套电梯群控系统仿真软件上，设计并编写出电梯群控节能调度算法，并对仿真平台进行了配套修改，在其上实现该算法的仿真实验及性能分析。

下面结合附图对本发明作进一步详述。

本发明以分析电梯系统的服务指标和能耗指标的规律为基础，故建立了如图1所示的电梯系统性能分析的数学模型。其中系统的输入量由建筑物规模m₁、建筑物类型m₂、电梯服务方式m₃组成。m₁直接决定了大楼的层数L，门厅的高度H，其他楼层高度h等，m₂直接决定了大楼里电梯的部数N，电梯的额定载重量

及额定速度v_e等，m₃直接决定电梯交通系统为单梯或是群控运行方式等。系统的输出量由往返运行时间RTT、客流输送能力HC、平均间隙时间AI、平均行程时间AP组成。由此得到，电梯系统的主要性能指标间的关系表达式：

电梯的平均候梯时间： $\mathrm{AWT}=60\%\mathrm{AI}=60\%\frac{\mathrm{RTT}}{N}$

电梯平均运行里程：

其中T为电梯运行某时段时长，k为平均每次往返运行到达的最高楼层数。

电梯平均启停次数：

其中J_N、V_L分别为同一次往返运行中平均目的楼层相同的乘客比率和平均空载次数与总次数的比率。

得出结论：对同一建筑物的电梯群控系统，在同一时段T内，呼梯队列、建筑物特征、电梯设备特征相同的情况下，往返一次运行时间RTT越长，电梯的平均候梯时间AWT越长，且平均运行里程S_L越小，电梯的平均启停次数S_N也越小。

本发明通过仿真实验定量的得出了电梯系统服务指标和能耗指标的规律。实验室已开发出一套可进行各种智能电梯系统的开发工作、测试和分析电梯群控算法、模拟实际电梯的运行过程等研究工作的仿真软件——电梯群控系统虚拟仿真环境。图2所示即为该电梯群控虚拟仿真环境的主界面。在上述电梯群控虚拟仿真环境的基础上设计了一种基于设置电梯响应时间的电梯及时调度算法，该算法是在传统算法的基础上增加可调大小的电梯响应时间W(t)，通过改变W(t)的大小测试能耗指标随服务指标变化规律。图3所示即为该算法的程序流程图。通过设计的上述仿真实验，测试出在37种不同交通流模式下，电梯的平均候梯时间在候梯极限时间(本实施例设为70秒的极限)内变化时能耗和拥挤度值的变化数据组。本发明在MATLAB仿真软件下，构建了一个三层BP神经网络对这些数据组进行曲线拟合，得到电梯的平均候梯时间和总能耗间的规律曲线，图4所示为拟合出的在10分钟内到达120人层间比例占5％，流入比例占85％，流出比例占10％的上高峰交通模式下电梯的平均候梯时间和总能耗间的规律曲线。

从拟合出的规律曲线可得出：随着平均候梯时间的增大电梯系统的能耗大体是呈减少的变化趋势。本发明提出了一个电梯系统最佳节能点的概念，它是指在候梯时间不超过人们的心理承受能力下能够使电梯系统最大限度节能的各指标综合值。从物理意义上是指增长单位的平均候梯时间电梯的能耗减少量开始变小时各指标的值。即在规律曲线上选择该点为由凸弧变为凹弧的连接点。由此得到了对应的37种交通流模式下的电梯群控系统的最佳节能点，并建立了一个交通流模式——最佳节能点的知识库。

本发明选择平均候梯时间、拥挤度、能耗作为电梯群控系统多目标优化问题研究的目标函数，并采用评价函数方法将各个目标函数线性加权组合成一个新的评价函数

(f_w(i，k)为电梯k响应第i层外呼信号时所估计的乘客候梯时间的目标函数；f_c(i，k)为电梯k响应第i层外呼信号时所估计的轿厢内拥挤度的目标函数；f_e(i，k)为电梯k响应第i层外呼信号时所需消耗的能量的目标函数；f_w ^*表示期望候梯时间；f_c ^*表示期望拥挤度；f_e ^*表示期望启能耗值；ω_i为权系数，即评价函数的参数)，然后使用单目标优化方法来求解。在能耗目标函数的构造中，本发明提出将能耗项分为电梯启停过程启动制动的能耗和运载乘客过程中克服重力势能做功两部分f_e(i，k)＝E_s(i，k)+E_p(i，k)。对电梯克服重力势能做功部分的分析如图5所示，从而得出E_p(i，k)＝|w(i，k)-W_const|*g*h(i，k)，(w(i，k)为电梯k响应第i层外呼信号过程中负载的质量；W_const＝W_cwt-W_car，W_car为轿厢空载时的质量，W_cwt为电梯对重的质量；g为重力加速度；h(i，k)为电梯k响应第i层外呼信号所行驶的里程)。

本发明提出了一种“电梯群控系统的评价函数参数调整方法”，该方法能够根据电梯交通流模式的变化，以及优化过程中各目标函数值与由最佳节能点确定的期望值的偏差，动态调整评价函数的参数，从而实现评价函数的自适应性和节能特征。具体地评价函数参数动态调整的原理见图6所示，每隔时间周期T感知器获取交通模式识别所需的交通流信息，并交由识别单元分析，得到用来进行交通模式识别的特征值，随后利用知识库中模式库的知识确定交通流所属类别，同时在知识库中参数库寻找与该交通流所属类别相匹配的评价函数参数，在知识库中的最佳节能点库寻找与该交通流所属类别相匹配的期望值。每隔单位时间间隔T/5，再由感知器获取系统优化过程中乘客的平均候梯时间、电梯的启停次数以及拥挤度的数值，然后通过与期望值作比较而得到偏差，评价函数调节单元根据该偏差调整评价函数参数，评价函数参数的调整方向是使平均候梯时间、电梯启停次数以及拥挤度均尽量达到其相应的期望值，然后根据调整后评价函数参数计算评价函数值，并且由控制器进行派梯，最后根据系统环境和各目标函数优化后的反馈信息对知识库进行更新。

本发明针对电梯群控多目标优化问题搜索空间的离散编码的特点，对离散粒子群优化算法(DPSO)中粒子的速度、位置的相关运算规则和粒子的运动方程进行了重新定义。同时，针对使用评价函数法将多目标转化为单一目标求解的方案，提出将改进的DPSO算法与基于目标加权的粒子群算法相结合，将上述得到的面向节能的电梯群控自适应评价函数转化为粒子群算法的适应度函数，从而得到适用于求解电梯群控多目标优化问题的算法——WAIDPSO算法。基于WAIDPSO算法的电梯群控多目标优化的结构如图7所示。

WAIDPSO算法的基本步骤如下：

1.初始化种群读取呼梯队列中等待响应的呼梯信号序列，初始化种群的规模m，在解空间中随机产生m个粒子X_i(0)即可行派梯方案和初始飞行速度V_i(0)。初始化粒子适应度函数的权重系数参数，计算得到初始个体极值pBest_i(0)和全局极值gBest_i(0)。

2.按照粒子的运动公式

$\left\{\begin{array}{c}V(t+1)=c_1\⊗V_1\⊕c_2\⊗(\mathrm{pBest}\left(t\right)-X\left(t\right))\⊕c_3\⊗(\mathrm{gBest}\left(t\right)-X\left(t\right))\\ X(t+1)=X\left(t\right)+V(t+1)\end{array}\right.,$ 更新每个粒子的位置和飞行速度。

3.根据建立的公式

$\mathrm{FIT}\left(X_i\right)={\mathrm{Fit}}_{\max }-\underset{j=1}{\overset{n}{\mathrm{\Σ}}}F(j,x_{\mathrm{ij}})$

$={\mathrm{Fit}}_{\max }-\underset{j=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\ω}}_1\frac{f_w(i,x_{\mathrm{ij}})}{f_w^{*}}+{\mathrm{\ω}}_2\frac{f_c(i,x_{\mathrm{ij}})}{f_c^{*}}+{\mathrm{\ω}}_3\frac{f_e(i,x_{\mathrm{ij}})}{f_e^{*}})$ 将评价函数F(i，k)转化适应度函数FIT(X_i)，并通过上述电梯群控系统的评价函数参数调整方法确定当前种群的适应度函数。

4.根据适应度函数计算每个粒子当前位置的适应值。

5.对每个粒子将其当前位置的适应值与对应的个体极值进行比较，如果较优，则更新个体极值为当前位置的适应值，否则保持当前个体极值不变。

6.对每个粒子将其当前个体极值与全局极值进行比较，如果较优，则更新全局极值为相应的个体极值，否则保持当前的全局极值不变。

7.如未达到预先设定的停止准则，则返回步骤(2)，若达到则停止计算。(本发明采用的停止准则：设定误差限e，如果当前个体极值与全局极值之间的绝对差值小于e，则认为得到最优解，停止搜索。)

本发明电梯群控节能调度算法的实现与仿真是与电梯群控虚拟仿真环境相结合的，依赖于虚拟仿真环境的运行原理。电梯群控虚拟仿真环境的基本模块及交互原理见图8所示，其中交通流发生器用于产生测试群控调度算法、进行仿真运行所需的电梯交通流文件，主环境通过读入文件获得交通流信息；调度单元用来加载并运行待测试的群控算法，最终将调度策略发送给电梯群控系统运行环境；性能分析单元用于对电梯的实际运行情况进行分析；电梯群控系统运行环境提供与其他功能模块进行交互的接口，包括从交通流发生器采集交通信息、接受并执行调度单元输出的调度策略、显示电梯的实际运行信息并输出给性能分析单元。

结合本算法的理论模型和该仿真平台的功能结构，运用模块化的思想进行电梯群控节能调度算法的程序设计。将算法程序实现分为六部分，即交通模式识别模块、知识库模块、性能指标提取模块、评价函数参数调节模块、适应度计算模块以及派梯方案搜索模块。电梯群控节能调度算法软件模块结构见图9示。算法的实现主要包括：交通模式识别模块的每隔5分钟时间周期读取交通信息进行模式识别的功能；基于最佳节能点和相应初始参数值的知识库的建立；评价函数参数调节模块的基于强化学习的评价函数参数优化算法；适应度计算模块的计算当前搜索到方案(粒子的位置)的适应度值的功能；派梯方案搜索模块的基于WAIDPSO算法的最佳方案搜索功能。而整个电梯节能调度算法的程序流程如图10所示。

本发明提出的电梯群控节能调度方法，在开发的电梯群控虚拟仿真环境上完成了软件实现并进行了仿真实验。在电梯虚拟仿真环境下设定了如下的仿真参数：

1.大楼及电梯环境参数：楼层数：16层；楼层高度：门厅高度4米，其余楼层3米；电梯数：4台；电梯额定速度：2.5米/秒；电梯加速度：1米/秒²；电梯开关门时间：1秒；电梯额定容量：12人。

2.WAIDPSO算法参数：种群大小termax＝500；最大迭代次数Size＝10000；最大惯性权重ω_max＝1；学习因子c₁＝2，c₂＝2。

选用如下的几种典型的交通流模式进行仿真实验，并将本算法与多Agent协作、协调的电梯调度算法、静态分区调度算法做比较。

交通流1：上高峰交通模式，在10分钟内到达120人，流入比例74％，流出比例11％，层间比例15％。

交通流2：下高峰交通模式，在10分钟内到达120人，流入比例20％，流出比例63％，层间比例17％。

交通流3：随机层间交通流，在10分钟内到达200人，层间比例75％，流入比例10％，流出比例15％。

算法1：最小等待时间算法；算法2：静态分区算法；算法3：电梯群控节能调度算法。各算法仿真结果对比：

从实验数据可见：在三种交通流模式下，本发明的电梯群控节能调度算法的能耗指标都明显优于其他算法。在交通流1下，比最小等候时间算法节能17％，比静态分区算法节能9％；在交通流2下，比最小等候时间算法节能10％，比静态分区算法节能17％；在交通流3下，比最小等候时间算法节能12％，比静态分区算法节能15％。根据上述数据采取该节能方法的电梯群控系统每10分钟平均能够节能0.2度，则1天约节能29度电，按照目前全国正在使用的70多万台电梯计算全年全国可以节约耗电量20亿度左右。

Claims (4)

1.一种电梯群控节能调度方法，包括下列步骤：

(1)根据电梯实际运行特点，确定交通流模式；

(2)建立电梯运行的虚拟仿真环境，对各个交通流模式分别进行仿真实验，测试出在不同交通流模式下，电梯的平均候梯时间在候梯极限时间内变化时能耗和拥挤度值的变化数据组；

(3)对各个数据组分别进行曲线拟合，得到不同交通流模式下电梯的平均候梯时间和总能耗间的规律曲线，并分别求取各种交通流模式下电梯群控的最佳节能点，建立交通流模式——最佳节能点的知识库；

(4)选择平均候梯时间、拥挤度、能耗作为电梯群控系统多目标优化问题研究的目标函数，建立评价函数

式中，f_w(i，k)为电梯k响应第i层外呼信号时所估计的乘客候梯时间的目标函数；f_c(i，k)为电梯k响应第i层外呼信号时所估计的轿厢内拥挤度的目标函数；f_e(i，k)为电梯k响应第i层外呼信号时所需消耗的能量的目标函数；f_w ^*表示期望候梯时间；f_c ^*表示期望拥挤度；f_e ^*表示期望启能耗值；ω₁，ω₂，ω₃为权系数，即评价函数参数，在知识库中存储不同交通流模式所对应的评价函数参数；

(5)仿真生成电梯交通流信息，或采集实际的交通流信息；

(6)根据交通流信息，进行交通模式识别，确定交通流模式，并在知识库中寻找与该交通流所属类别相匹配的评价函数参数以及与该交通流模式相匹配的评价函数期望值；

(7)设适应度函数为式中：Fit_max为常数，x_ij是向量x_i的分量，表示第i部电梯响应第j层的外呼信号，采用离散粒子群优化方法，求解最优派梯方案。

2.根据权利要求1所述的电梯群控节能调度方法，其特征在于，其中的步骤(3)利用BP神经网络对数据组进行曲线拟合。

3.根据权利要求1所述的电梯群控节能调度方法，其特征在于，评价函数的能耗项分为电梯启停过程启动制动的能耗E_s(i，k)和运载乘客过程中克服重力势能E_p(i，k)做功两部分，即f_e(i，k)＝E_s(i，k)+E_p(i，k)，其中E_p(i，k)＝|w(i，k)-W_const|*g*h(i，k)，式中，w(i，k)为电梯k响应第i层外呼信号过程中负载的质量；W_const＝W_cwt-W_car，E_car为轿厢空载时的质量，W_cwt为电梯对重的质量；g为重力加速度；h(i，k)为电梯k响应第i层外呼信号所行驶的里程。

4.根据权利要求1所述的电梯群控节能调度方法，其特征在于，在步骤(7)之后，还执行下列的评价函数参数调整步骤：根据交通流信息，求取乘客的平均候梯时间、电梯的启停次数以及拥挤度的数值，然后通过与期望值作比较而得到偏差，利用该偏差调整评价函数参数，使平均候梯时间、电梯启停次数以及拥挤度均达到其相应的期望值，然后根据调整后评价函数参数计算评价函数值，最后根据系统环境和各目标函数优化后的反馈信息对知识库进行更新。

Images