CN112434859B - 一种结合客流预测技术的轨道交通地下站环控调节方法 - Google Patents

一种结合客流预测技术的轨道交通地下站环控调节方法 Download PDF

Info

Publication number
CN112434859B
CN112434859B CN202011350115.5A CN202011350115A CN112434859B CN 112434859 B CN112434859 B CN 112434859B CN 202011350115 A CN202011350115 A CN 202011350115A CN 112434859 B CN112434859 B CN 112434859B
Authority
CN
China
Prior art keywords
data
passenger flow
station
temperature
polynomial regression
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011350115.5A
Other languages
English (en)
Other versions
CN112434859A (zh
Inventor
陈莉莉
张赛桥
狄颖琪
张振山
胡波
张�浩
费洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nari Rail Transit Technology Co ltd
Nari Technology Co Ltd
Original Assignee
Nari Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nari Technology Co Ltd filed Critical Nari Technology Co Ltd
Priority to CN202011350115.5A priority Critical patent/CN112434859B/zh
Publication of CN112434859A publication Critical patent/CN112434859A/zh
Application granted granted Critical
Publication of CN112434859B publication Critical patent/CN112434859B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种结合客流预测技术的轨道交通地下站环控调节方法；首先对客流和站内外温湿度等历史数据进行多项式拟合，并把结果参数保存作为环控控制策略，然后用客流预测结果带入控制回路，结合节能控制策略对车站空调系统的大系统和水系统提前进行调节，解决风水电调控滞后于现场运营环境的问题，实现了环控系统的精细化调度，提高乘客的乘车舒适度。

Description

一种结合客流预测技术的轨道交通地下站环控调节方法
技术领域
本发明涉及一种结合客流预测技术的轨道交通地下站环控调节方法，属于轨道交通监控系统技术领域。
背景技术
近年来，国内城市化的进程促进了城市轨道交通行业的迅速发展，同时也对运营提出更高的要求。对于高耗能的轨道交通设施，如何把节能和客户舒适度结合，实现精细化调控，日益成为行业关注的焦点。
轨道交通环控系统包括车站空调通风系统和隧道通风系统，而对于典型的地下站，车站空调通风系统包括大系统、小系统和水系统。
水系统的主要功能是空调季节为大系统、小系统提供冷源，即7℃的冷冻水。大系统在空调季节为站厅、站台提供冷量和新风；在通风季节为站厅、站台通风换气。小系统在空调季节为车站设备及管理用房提供冷量和新风；在通风季节为车站设备及管理用房通风换气。因此车站空调通风系统的能耗随着站外气象条件变化和客流而起伏。其中水系统和大系统对客流量波动比较敏感；小系统能耗受客流影响不大，相对稳定。
由于环境温湿度和客流量都是波动变化的，而且车站的空调通风系统调节有一定的时间滞后性，导致车站温度过低或是过高，影响乘客的舒适度。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷，提供一种结合客流预测技术的轨道交通地下站环控调节方法。
为解决上述技术问题，本发明提供一种结合客流预测技术的轨道交通地下站环控调节方法，包括：
获取站点历史数据中的环控系统调节的数据、客流量以及站点环境的多个特征值，将客流量以及站点环境的多个特征值归一化处理，得到特征量化结果；将特征量化结果作为预先构建的多项式回归的拟合模型的输入，将站点历史数据中的环控系统调节的数据作为预先构建的多项式回归的拟合模型的输出，确定输出空调季节的拟合参数和通风季节的拟合参数；
利用决策树对当前日期的类型进行分类；以时间T为一个周期获取一次站点的进出站客流数据，获取待预测时刻前若干个周期获取的站点的进出站客流数据；根据分类结果和待预测时刻前若干个周期获取的站点的进出站客流数据预测待预测时刻的客流数据；
获取当前站点环境的特征量化结果和预测的待预测时刻的客流量数据，根据空调季节的拟合参数、通风季节的拟合参数、，得到用于环控系统调节的数据。
进一步的，所述对多个特征值归一化处理，得到特征量化结果的过程包括：
对冷冻回水温度、站外温度、空调送风温度、站外温度、站内湿度、站外湿度、送风温度、客流量八种历史数据的采样序列，对于每一种采样序列，对它的每个点分别进行量化，特征量化结果采用的特征量化公式为：
Figure BDA0002801140550000021
其中，x表示特征量化结果，xi表示所述八种历史数据中的某种数据的采样序列，min(xi)表示该序列的最小值，max(xi)表示该序列的最大值。
进一步的，所述将特征量化结果作为预先构建的多项式回归的拟合模型的输入，将站点历史数据中的环控系统调节的数据作为预先构建的多项式回归的拟合模型的输出，确定输出空调季节的拟合参数和通风季节的拟合参数的过程包括：
根据下式确定站点历史数据中不同的环控系统调节的数据对应的输出参数，得到空调季节的拟合参数和通风季节的拟合参数；
y＝w0+w11*x1+w12*x1 2+…+w1n*x1 n+w21*x2+w22*x2 2+…+w2n*x2 n+…+wk1*xk+wk2*xk 2+…+wkn*xk n
其中，y表示站点历史数据中的环控系统调节的数据，w0表示多项式回归拟合的原始输出参数，wKN表示多项式回归拟合的站点历史数据中的环控系统调节的数据对应的输出参数，xK表示第K个特征量化结果，K＝1,……,k，N＝1,……,n，k表示特征值的数量，n为多项式回归的拟合阶数。
进一步的，所述确定站点历史数据中不同的环控系统调节的数据对应的输出参数，得到空调季节的拟合参数和通风季节的拟合参数的过程包括：
输入的特征量化结果为冷冻回水温度、站外温度、客流量，环控系统调节的数据为水系统的冷水机组冷冻水供水温度；
构建多项式回归的拟合模型公式为：
y＝w0+w11*x1+w12*x1 2+…+w1n*x1 n+w21*x2+w22*x2 2+…+w2n*x2 n+w31*x3+w32*x3 2+…+w3n*x3 n
其中，y为冷水机组冷冻水供水温度，x1为冷冻回水温度，x2为站外温度，x3为当前客流量，n＝5，w0，w11、…w1n，w21、…w2n，w31、…w3n为多项式回归拟合的输出参数。
或，
输入的特征量化结果为送风温度测量值、站外温度、站内外湿度、客流量，环控系统调节的数据为大系统的空调机组冷水阀开度；
构建多项式回归的拟合模型公式为：
y＝w0+w11*x1+w12*x1 2+…+w1n*x1 n+w21*x2+w22*xx 2+…+w2n*x2 n+w31*x3+w32*x3 2+…+w3n*x3 n+w41*x4+w42*x4 2+…+w4n*x4 n+w51*x5+w52*x5 2+…+w5n*x5 n
其中，y为空调机组冷水阀开度，x1为送风温度，x2为站外温度，x3为客流量，x4为站内湿度，x5为站外湿度，n＝5，w0，w11、…w1n，w21、…w2n，w31、…w3n，w41、…w4n，w51、…w5n为多项式回归拟合的输出参数；
或，
输入的特征量化结果为回风温度测量值、站外温度、站内外湿度、客流量，环控系统调节的数据为大系统的空调机组送风机变频转速；
构建多项式回归的拟合模型公式为：
y＝w0+w11*x1+w12*x1 2+…+w1n*x1 n+w21*xx+w22*x2 2+…+w2n*x2 n+w31*x3+w32*x3 2+…+w3n*x3 n+w41*x4+w42*x4 2+…+w4n*x4 n+w51*x5+w52*x5 2+…+w5n*x5 n
其中，y为大系统的空调机组送风机变频转速，x1为回风温度，x2为站外温度，x3为当前客流量，x4为站内湿度，x5为站外湿度，n＝5，w0，w11、…w1n，w21、…w2n，w31、…w3n，w41、…w4n，w51、…w5n为多项式回归拟合的输出参数；
或，
输入的特征量化结果为客流量、站内CO2浓度，环控系统调节的数据为大系统的新风机变频转速；
构建多项式回归的拟合模型公式为：
y＝w0+w11*x1+w12*x1 2+…+w1n*x1 n+w21*x2+w22*x2 2+…+w2n*x2 n
其中，y为大系统的新风机变频转速，x1为站内CO2浓度，x2为客流量，n＝5，w0，w11、…w1n，w21、…w2n为多项式回归拟合的输出参数；
把不同的环控系统调节的数据对应的输出参数拟合计算出来之后，存入控制策略表。
进一步的，所述以时间T为一个周期获取一次站点的进出站客流数据的过程包括：
对轨道交通的自动售票系统提供的客流数据进行进行有效性检查，清理出无效数据，从清理后的数据中以时间T为一个周期获取一次站点的进出站客流数据。
进一步的，所述利用决策树对当前日期的类型进行分类的过程包括：
使用决策树对当前日依据节假日、特别事件日期或者普通日期进行分类。
进一步的，所述根据分类结果和待预测时刻前若干个周期获取的站点的进出站客流数据预测待预测时刻的客流数据的过程包括：
若分类类型为普通日期，则根据获取的数据采用季节性差分自回归滑动平均模型以及待预测时刻前三个周期数据进行数据预测；
若分类类型为节假日或特别事件日期，则根据获取的数据采用差分自回归滑动平均模型以及节假日或特别事件日期的历史数据进行数据预测。
进一步的，所述用于环控系统调节的数据包括：
获取当前当前冷冻回水温度、站外温度和客流数据的预测值，根据所述控制策略表中的输出参数，确定水系统的冷水机组供水温度；
获取当前送风温度测量值、站外温度、站内外湿度和客流数据的预测值，根据所述控制策略表中的输出参数，确定空调机组冷水阀开度；
获取当前回风温度测量值、站外温度、站内外湿度和客流数据的预测值，根据所述控制策略表中的输出参数，确定送风机变频调速；
获取当前站内CO2浓度和客流数据的预测值，确定空调机组新风机的变频调速输出设定值。
进一步的，对得到的用于环控系统调节的数据进行保护策略检验，检验合格后进行环控系统调节。
本发明所达到的有益效果：
发明结合客流预测对变频控制系统进行控制，采用多项式回归法对历史客流数据，站外温度、湿度、站内温度湿度和变频输出进行拟合预测，拟合出水系统的冷冻机组供水温度设定、大系统的空调机组冷水阀的温度设定、空调机组的送风机的回风温度设定，以及新风机的送风量设定，再带入5分钟客流预测数据和环境温湿度，预测出水系统和大系统的几个变频输出控制值。这样就可以提前调整水系统、空调负荷和新风系统的能量输出，调整空调风机的转速，改变空调负荷。
附图说明
图1客流预测分析流程框图；
图2环控调节框图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1和2所示，一种结合客流预测技术的轨道交通地下站环控调节方法，包括以下步骤：
步骤一：特征量化
本发明中的多项式拟合输入参数中，每个历史数据样本对应于多个特征，比如客流、站外温度、站外湿度、站内温度、站内湿度、站内CO2浓度等，特征值之间由于量纲不同，值的差距很大，这个时候直接计算多项式回归时，可能出现问题。所以我们先进行特征缩放，把输入参数归一化，本发明的特征量化计算方式为：
Figure BDA0002801140550000061
按照上述公式，把温湿度和客流都进行特征量化。
步骤二：多项式回归
本发明中需要计算的是多元多项式的数据拟合，类似如下的公式：
y＝w0+w11*x1+w12*x1 2+…+w1n*x1 n+w21*x2+w22*x2 2+…+w2n*x2 n+…+wk1*xk+wk2*xk 2+…+wkn*xk n
具体的，输入的特征量化结果为冷冻回水温度、站外温度、客流量，环控系统调节的数据为水系统的冷水机组冷冻水供水温度；
构建多项式回归的拟合模型公式为：
y＝w0+w11*x1+w12*x1 2+…+w1n*x1 n+w21*x2+w22*x2 2+…+w2n*x2 n+w31*x3+w32*x3 2+…+w3n*x3 n
其中，y为冷水机组冷冻水供水温度，x1为冷冻回水温度，x2为站外温度，x3为当前客流量，n＝5，w0，w11、…w1n，w21、…w2n，w31、…w3n为多项式回归拟合的输出参数。
或，
输入的特征量化结果为送风温度测量值、站外温度、站内外湿度、客流量，环控系统调节的数据为大系统的空调机组冷水阀开度；
构建多项式回归的拟合模型公式为：
y＝w0+w11*x1+w12*x1 2+…+w1n*x1 n+w21*x2+w22*x2 2+…+w2n*x2 n+w31*x3+w32*x3 2+…+w3n*x3 n+w41*x4+w42*x4 2+…+w4n*x4 n+w51*x5+w52*x5 2+…+w5n*x5 n
其中，y为空调机组冷水阀开度，x1为送风温度，x2为站外温度，x3为客流量，x4为站内湿度，x5为站外湿度，n＝5，w0，w11、…w1n，w21、…w2n，w31、…w3n，w41、…w4n，w51、…w5n为多项式回归拟合的输出参数；
或，
输入的特征量化结果为回风温度测量值、站外温度、站内外湿度、客流量，环控系统调节的数据为大系统的空调机组送风机变频转速；
构建多项式回归的拟合模型公式为：
y＝w0+w11*x1+w12*x1 2+…+w1n*x1 n+w21*x2+w22*x2 2+…+w2n*x2 n+w31*x3+w32*x3 2+…+W3n*x3 n+w41*x4+w42*x4 2+…+w4n*x4 n+w51*x5+w52*x5 2+…+w5n*x5 n
其中，y为大系统的空调机组送风机变频转速，x1为回风温度，x2为站外温度，x3为当前客流量，x4为站内湿度，x5为站外湿度，n＝5，w0，w11、…w1n，w21、…w2n，w31、…w3n，w41、…w4n，w51、…w5n为多项式回归拟合的输出参数；
或，
输入的特征量化结果为客流量、站内CO2浓度，环控系统调节的数据为大系统的新风机变频转速；
构建多项式回归的拟合模型公式为：
y＝w0+w11*x1+w12*x1 2+…+w1n*x1 n+w21*x2+w22*x2 2+…+w2n*x2 n
其中，y为大系统的新风机变频转速，x1为站内CO2浓度，x2为客流量，n＝5，w0，w11、…w1n，w21、…w2n为多项式回归拟合的输出参数；
把不同的环控系统调节的数据对应的输出参数拟合计算出来之后，存入控制策略表。
拟合的输出值如下：
(a)水系统的冷水机组冷冻水供水温度，输入参数为冷冻回水温度、站外温度、客流量。
(b)大系统的空调机组冷水阀开度调节，输入参数为送风温度测量值、站外温度、站内外湿度、客流量。
(c)大系统的空调机组送风机变频调节，输入参数为回风温度测量值、站外温度、站内外湿度、客流量。
(d)大系统的新风机变频调节，输入参数为客流量、站内CO2浓度。其中(a)(b)(c)(d)为空调季节的拟合参数，(d)为通风季节的拟合参数，拟合之后参数存入控制策略。
步骤三：客流预测
(3.1)源数据的重采样
轨道交通的AFC(自动售票系统)客流数据，由于从不同厂家的AFC接口引入，数据格式和类型都会有所不同，因此首先进行数据清洗，对数据进行有效性检查，清理出无效数据，再根据客流数据的特点，比如AFC给的数据为某一时间点的当日进出站累积数据，就先把它转换为5分钟进出站数据。因为按照轨道交通运营情况，提前5分钟进行数据预测已经满足运营的时间要求。而且转换为5分钟的进出站数据本身也是一个平滑去噪过程，如果时间太短，随机因子影响太大，预测结果便不准确。
(3.2)使用决策树进行分类
使用决策树进行类型判断，判断当前日期是否为节假日(如国庆、中秋),或者特别事件(如大型演出、极端天气等),区分出普通日期和特殊日期，进行分类。每种类型都具体区分，比如具体的哪一种节假日、哪一类特别事件，这样预测的时候按各自类型，采用各自的数据预测。
(3.3)按分类结果分别进行预测
按照步骤二的决策树分类结果,针对不同的分类，采用不同参数和历史数据进行预测。
(a)对于普通日期，以一周的第几天作为区分标准，分七天分别用不同的数据进行处理。例如，如果当天是周一，就采用排除特殊日期后的前3个周一的数据，将这些数据取出后，采用SARIMA模型(季节性差分自回归滑动平均模型)进行数据预测，参数为(3，1，0)(3，1，1)，周期为天。则有
Figure BDA0002801140550000091
(b)对于特殊日期，针对不同的日期类型，比如节假日(区分国庆、清明、中秋等)、大型演出、极端天气等，采用对应的不同日期的历史数据，使用ARIMA模型(差分自回归滑动平均模型)进行数据预测，参数为p＝2，q＝1，d＝1。
(3.4)数据结果的集成
集成步骤二、三中得到的预测结果,并进行后续处理，比如数据实时展示、大客流预警等。这样采取流处理的方式，以5分钟为周期，每5分钟产生一个新的进出站客流量的数据，每次新的一个数据生成时，用它和前几个周期数据预测出5分钟后的客流数据。
步骤四：环控调节
根据步骤二的拟合参数结果，带入步骤三的5分钟客流预测结果以及其它相应参数，得出水系统的冷水机组供水温度、空调机组冷水阀开度、送风机变频调速，以及空调机组新风机的变频调速输出设定值，再经过保护策略检验后，进行环控系统调节。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (7)

1.一种结合客流预测技术的轨道交通地下站环控调节方法，其特征在于，包括：
获取站点历史数据中的环控系统调节的数据、客流量以及站点环境的多个特征值，将客流量以及站点环境的多个特征值归一化处理，得到特征量化结果；将特征量化结果作为预先构建的多项式回归的拟合模型的输入，将站点历史数据中的环控系统调节的数据作为预先构建的多项式回归的拟合模型的输出，确定输出空调季节的拟合参数和通风季节的拟合参数；
利用决策树对当前日期的类型进行分类；以时间T为一个周期获取一次站点的进出站客流数据，获取待预测时刻前若干个周期获取的站点的进出站客流数据；根据分类结果和待预测时刻前若干个周期获取的站点的进出站客流数据预测待预测时刻的客流数据；
获取当前站点环境的特征量化结果和预测的待预测时刻的客流量数据，根据空调季节的拟合参数、通风季节的拟合参数，得到用于环控系统调节的数据；
所述将客流量以及站点环境的多个特征值归一化处理，得到特征量化结果的过程包括：
对冷冻回水温度、站外温度、空调送风温度、站内湿度、站外湿度、送风温度、客流量八种历史数据的采样序列，对于每一种采样序列，对它的每个点分别进行量化，特征量化结果采用的特征量化公式为：
Figure FDA0003717419220000011
其中，x表示特征量化结果，xi表示所述八种历史数据中的某种数据的采样序列，min(xi)表示该序列的最小值，max(xi)表示该序列的最大值；
所述将特征量化结果作为预先构建的多项式回归的拟合模型的输入，将站点历史数据中的环控系统调节的数据作为预先构建的多项式回归的拟合模型的输出，确定输出空调季节的拟合参数和通风季节的拟合参数的过程包括：
根据下式确定站点历史数据中不同的环控系统调节的数据对应的输出参数，得到空调季节的拟合参数和通风季节的拟合参数；
y＝w0+w11*x1+w12*x1 2+…+w1n*x1 n+w21*x2+w22*x2 2+…+w2n*x2 n+…+wk1*xk+wk2*xk 2+…+wkn*xk n
其中，y表示站点历史数据中的环控系统调节的数据，w0表示多项式回归拟合的原始输出参数，wKN表示多项式回归拟合的站点历史数据中的环控系统调节的数据对应的输出参数，xK表示第K个特征量化结果，K＝1，.....，k，N＝1，......，n，k表示特征值的数量，n为多项式回归的拟合阶数。
2.根据权利要求1所述的结合客流预测技术的轨道交通地下站环控调节方法，其特征在于，所述确定站点历史数据中不同的环控系统调节的数据对应的输出参数，得到空调季节的拟合参数和通风季节的拟合参数的过程包括：
输入的特征量化结果为冷冻回水温度、站外温度、客流量，环控系统调节的数据为水系统的冷水机组冷冻水供水温度；
构建多项式回归的拟合模型公式为：
y＝w0+w11*x1+w12*x1 2+…+w1n*x1 n+w21*x2+w22*x2 2+…+w2n*x2 n+w31*x3+w32*x3 2+…+w3n*x3 n
其中，y为冷水机组冷冻水供水温度，x1为冷冻回水温度，x2为站外温度，x3为当前客流量，n＝5，w0，w11、...w1n，w21、...w2n，w31、...w3n为多项式回归拟合的输出参数；
或，
输入的特征量化结果为送风温度测量值、站外温度、站内外湿度、客流量，环控系统调节的数据为大系统的空调机组冷水阀开度；
构建多项式回归的拟合模型公式为：
y＝w0+w11*x1+w12*x1 2+…+w1n*x1 n+w21*x2+w22*x2 2+…+w2n*x2 n+w31*x3+w32*x3 2+…+w3n*x3 n+w41*x4+w42*x4 2+…+w4n*x4 n+w51*x5+w52*x5 2+…+w5n*x5 n
其中，y为空调机组冷水阀开度，x1为送风温度，x2为站外温度，x3为客流量，x4为站内湿度，x5为站外湿度，n＝5，w0，w11、...wln，w21、...w2n，w31、...w3n，w41、...w4n，w51、...w5n为多项式回归拟合的输出参数；
或，
输入的特征量化结果为回风温度测量值、站外温度、站内外湿度、客流量，环控系统调节的数据为大系统的空调机组送风机变频转速；
构建多项式回归的拟合模型公式为：
y＝w0+w11*x1+w12*x1 2+…+w1n*x1 n+w21*x2+w22*x2 2+…+w2n*x2 n+w31*x3+w32*x3 2+…+w3n*x3 n+w41*x4+w42*x4 2+…+w4n*x4 n+w51*x5+w52*x5 2+…+w5n*x5 n
其中，y为大系统的空调机组送风机变频转速，x1为回风温度，x2为站外温度，x3为当前客流量，x4为站内湿度，x5为站外湿度，n＝5，w0，w11、...w1n，w21、...w2n，w31、...w3n，w41、...w4n，w51、...w5n为多项式回归拟合的输出参数；
或，
输入的特征量化结果为客流量、站内CO2浓度，环控系统调节的数据为大系统的新风机变频转速；
构建多项式回归的拟合模型公式为：
y＝w0+w11*x1+w12*x1 2+…+w1n*x1 n+w21*x2+w22*x2 2+…+w2n*x2 n
其中，y为大系统的新风机变频转速，x1为站内CO2浓度，x2为客流量，n＝5，w0，w11、...wln，w21、...w2n为多项式回归拟合的输出参数；
把不同的环控系统调节的数据对应的输出参数拟合计算出来之后，存入控制策略表。
3.根据权利要求1所述的结合客流预测技术的轨道交通地下站环控调节方法，其特征在于，所述以时间T为一个周期获取一次站点的进出站客流数据的过程包括：
对轨道交通的自动售票系统提供的客流数据进行有效性检查，清理出无效数据，从清理后的数据中以时间T为一个周期获取一次站点的进出站客流数据。
4.根据权利要求1所述的结合客流预测技术的轨道交通地下站环控调节方法，其特征在于，所述利用决策树对当前日期的类型进行分类的过程包括：
使用决策树对当前日依据节假日、特别事件日期或者普通日期进行分类。
5.根据权利要求4所述的结合客流预测技术的轨道交通地下站环控调节方法，其特征在于，所述根据分类结果和待预测时刻前若干个周期获取的站点的进出站客流数据预测待预测时刻的客流数据的过程包括：
若分类类型为普通日期，则根据获取的数据采用季节性差分自回归滑动平均模型以及待预测时刻前三个周期数据进行数据预测；
若分类类型为节假日或特别事件日期，则根据获取的数据采用差分自回归滑动平均模型以及节假日或特别事件日期的历史数据进行数据预测。
6.根据权利要求2所述的结合客流预测技术的轨道交通地下站环控调节方法，其特征在于，所述用于环控系统调节的数据包括：
获取当前冷冻回水温度、站外温度和客流数据的预测值，根据所述控制策略表中的输出参数，确定水系统的冷水机组供水温度；
获取当前送风温度测量值、站外温度、站内外湿度和客流数据的预测值，根据所述控制策略表中的输出参数，确定空调机组冷水阀开度；
获取当前回风温度测量值、站外温度、站内外湿度和客流数据的预测值，根据所述控制策略表中的输出参数，确定送风机变频调速；
获取当前站内CO2浓度和客流数据的预测值，确定空调机组新风机的变频调速输出设定值。
7.根据权利要求6所述的结合客流预测技术的轨道交通地下站环控调节方法，其特征在于，对得到的用于环控系统调节的数据进行保护策略检验，检验合格后进行环控系统调节。
CN202011350115.5A 2020-11-26 2020-11-26 一种结合客流预测技术的轨道交通地下站环控调节方法 Active CN112434859B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011350115.5A CN112434859B (zh) 2020-11-26 2020-11-26 一种结合客流预测技术的轨道交通地下站环控调节方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011350115.5A CN112434859B (zh) 2020-11-26 2020-11-26 一种结合客流预测技术的轨道交通地下站环控调节方法

Publications (2)

Publication Number Publication Date
CN112434859A CN112434859A (zh) 2021-03-02
CN112434859B true CN112434859B (zh) 2022-08-26

Family

ID=74697864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011350115.5A Active CN112434859B (zh) 2020-11-26 2020-11-26 一种结合客流预测技术的轨道交通地下站环控调节方法

Country Status (1)

Country Link
CN (1) CN112434859B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113628432B (zh) * 2021-10-13 2022-01-04 中通服建设有限公司 地铁人流限流的智能预警系统
CN117739470A (zh) * 2023-11-20 2024-03-22 中交机电工程局有限公司 基于人工智能的空调节能系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107480824A (zh) * 2017-08-17 2017-12-15 重庆交通大学 城市轨道交通站点短时客流预测系统及方法
CN110852476A (zh) * 2019-09-29 2020-02-28 华东理工大学 客流预测方法、装置、计算机设备和存储介质
CN211526662U (zh) * 2019-12-23 2020-09-18 中国科学院广州能源研究所 一种基于负荷预测的地铁车站通风空调节能系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107480824A (zh) * 2017-08-17 2017-12-15 重庆交通大学 城市轨道交通站点短时客流预测系统及方法
CN110852476A (zh) * 2019-09-29 2020-02-28 华东理工大学 客流预测方法、装置、计算机设备和存储介质
CN211526662U (zh) * 2019-12-23 2020-09-18 中国科学院广州能源研究所 一种基于负荷预测的地铁车站通风空调节能系统

Also Published As

Publication number Publication date
CN112434859A (zh) 2021-03-02

Similar Documents

Publication Publication Date Title
CN111237989B (zh) 一种基于负荷预测的楼宇通风空调控制方法及装置
KR101470617B1 (ko) 환기 제어에 의한 대기오염 수집 및 감소 시스템 및 방법
CN112434859B (zh) 一种结合客流预测技术的轨道交通地下站环控调节方法
CN107860102B (zh) 一种控制中央空调的方法及装置
CN104121666B (zh) 用于中央空调风系统的逐时变频供风系统及控制方法
CN109974218B (zh) 一种基于预测的多联机空调系统调控方法
CN112611076B (zh) 基于iscs的地铁车站通风空调节能控制系统和方法
CN111076378A (zh) 一种基于负荷预测的地铁车站通风空调节能系统及方法
EP4328505A1 (en) Central air conditioning system processing method and apparatus and electronic device
CN115407813B (zh) 一种基于分布式空调的全户内模块化变电站节能优化系统
CN110895029A (zh) 一种基于冷冻水的温度的建筑负荷预测方法
US9459129B2 (en) Determining sensor placement in distributed networks
CN115879815A (zh) 城市轨道交通站点的能耗评估方法、系统、设备及终端
CN112070353A (zh) 一种精确检测数据中心能效的方法及系统
CN112700162B (zh) 轨道交通空调运行状态的评估方法及装置
CN115614946A (zh) 空调控制方法及装置、空调设备及计算机可读存储介质
CN113790516B (zh) 中央空调制冷站全局优化节能控制方法、系统和电子设备
CN110594928A (zh) 一种地铁新风系统控制方法及控制装置
US20220221178A1 (en) Heating, ventilation, and air conditioning system control using adaptive occupancy scheduling
CN114459132B (zh) 基于发车对数的分档调节地铁大系统空调控制方法及系统
CN115877897A (zh) 基于数据驱动的城轨车站智慧管理系统与方法
CN110070203A (zh) 一种供水量预测方法、系统、装置以及存储介质
CN116224780A (zh) 一种轨道交通车站能耗控制方法、装置及电子设备
CN115751625A (zh) 智慧园区室内温度控制方法
CN102183891A (zh) 基于物联网的城市交通建筑节能控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20221124

Address after: 210006 Building 2, No. 19, Chengxin Avenue, Jiangning Economic and Technological Development Zone, Nanjing, Jiangsu Province

Patentee after: NARI TECHNOLOGY Co.,Ltd.

Patentee after: NARI Rail Transit Technology Co.,Ltd.

Address before: No.19 Chengxin Avenue, Jiangning District, Nanjing City, Jiangsu Province, 210003

Patentee before: NARI TECHNOLOGY Co.,Ltd.