CN114135991A - 一种用于地铁站公共区的温度预置控制和设备预警方法 - Google Patents

Abstract

本发明公开了一种用于地铁站公共区的温度预置控制和设备预警方法，包括：基于视频监控(CCTV)系统与车站环境与设备控制(BAS)系统联动，实现公共区温度自动调节。通过CCTV图像识别站内公共区客流，根据客流量与热量的相关性，建立温度模型，计算出地铁公共区风量目标值，通过闭环反馈控制，实现地铁站风量自动调节，保持恒定的环境温度。本发明通过图像识别实现了公共区人数统计；通过预置温度控制模型，建立地铁公共区人数与调节温度的关系，并有效解决了控制模型的延迟问题；通过BAS控制系统，实现公共区温度自动调节。当监控到风机、冷水机组、空调设备的电流数值出现突变和异常，进行预警处理。

Description

一种用于地铁站公共区的温度预置控制和设备预警方法

技术领域

本发明属于地铁领域，特别是涉及一种用于地铁站公共区的温度预置控制和设备预警方法。

背景技术

地铁车站公共区包括站台和站厅，站台和站厅相互连通，可以通过车站环境与设备控制系统(BAS)进行温度调节控制。

车站环境与设备控制(BAS)系统提供车站基础控制策略，全局协调控制站内公共区空调通风系统。地铁BAS控制系统由PLC、专用控制器、工作站、车站级控制软件及网络设备等组成，通过对风量、温度、湿度等监测，实现对受控对象，风机、风阀等的监控。地铁通风系统是由车站两端的新风机、空调机组和回排风机组成，在车站的每一端设有一台新风机、两台空调机组和两台回排风机。空调风机及回排风机配备变频控制器，通过变频器来控制风机的转速，实现变风量空调控制。

发明内容

本发明的目的是提供一种用于地铁站公共区的温度预置控制方法，以解决上述现有技术存在的问题。

一方面为实现上述目的，本发明提供了一种用于地铁站公共区的温度预置控制和设备预警方法，包括：

在正常状态下，进行温度预制，包括：

通过视频监控识别地铁站公共区客流量，基于所述客流量预测短期客流量，基于所述短期客流量与热量的相关性，建立温度预置控制模型；

基于所述温度预置控制模型计算出地铁站公共区的风量目标值，所述风量目标值用于辅助地铁站实现风量的自动调节；

出现异常状态时，进行报警和预警，包括：

分别采集风机、冷水机组和空调设备的电流数值和温度数值，并设定对应设备的温度数值和电流数值的正常范围；

当监控到所述风机、所述冷水机组和所述空调设备的电流数值和温度数值超出所述正常范围时，进行报警处理；

基于深度网络LSTM模型构建预警模型，将采集到的所述风机、所述冷水机组和所述空调设备的电流数值和温度数值输入到所述预警模型进行预测，当温度或者电流数值的预测值不在所述正常范围内，进行预警处理。

可选的，通过视频监控识别地铁站公共区客流量的过程中包括：

将地铁站公共区分为四个区域，对每个区域分别进行视频监控，识别客流量。

可选的，对每个区域分别进行视频监控，识别客流量的过程中包括：

对各区域分别采集同时刻样本图片，基于所述同时刻样本图片，获取样本图片像素；

选取与所述样本图片大小相同的空白图像记录所述样本图像像素，计算像素差值；

基于所述像素差值获得各区域客流量，通过各区域客流量相加获得地铁站公共区总客流量。

可选的，对各区域分别采集同时刻样本图片，基于所述同时刻样本图片，获取样本图片像素的过程中包括：

对获取的样本图片提取生物特征，基于所述生物特征将样本图片中的人分为成年男人、成年女人和儿童三类；

将三类样本输入到yolo-v5网络进行训练，获得训练完成的yolo-v5网络。

可选的，将三类样本输入到yolo-v5网络进行训练，获得训练完成的yolo-v5网络的过程中包括：

测试项目，编辑检测代码和文件；

更改数据集，将data中数据集进行更改，images中放入自己的数据；

对数据进行训练，配置yolo-v5网络的相关网络参数，所述相关网络参数包括学习率，网络模型，骨干网络和迭代次数；

使用GPU进行训练，得到网络模型的IOU曲线，当IOU的具体数值达到0.7-0.9时，保存网络模型，获得每类人的分布情况，当再有新的地铁图像输入的时候，调取网络模型，得到每一类人的数量，基于分布情况进行统计获得最终结果。

可选的，基于所述客流量预测短期客流量的过程中包括：

记录若干次客流量，基于若干次客流量获得客流量矩阵；

构建短期客流量模型，基于所述短期客流量模型和所述客流量矩阵获得短期客流量。

可选的，所述短期客流量模型采用了arima模型，基于所述短期客流量模型和所述客流量矩阵获得短期客流量的过程中包括：

将所述客流量矩阵作为平稳时间序列；

对所述平稳时间序列分别求的自相关系数ACF和偏自相关系数PACF；

对自相关图和偏自相关图进行分析，估算参数，获得最佳阶层和最佳阶数；

基于所述最佳阶层和所述最佳阶数，对arima模型进行检验和优化；

基于优化好的模型预测短期内的客流量，获得所述短期客流量。

可选的，基于所述温度预置控制模型计算出地铁站公共区的风量目标值的过程中通过以下公式进行计算：

式中Q0为地铁站公共区总风量，L0为总热量，L1为设备产热量，Y为短期客流量，Q0t为风量目标值；

其中所述设备产热量的预测方法为：统计原始车站所有车站的功耗和初始化的设计发热量，计算初始值，通过和地铁站的综合监控系统连接，获取地铁站内所有发热设备的开关状态，当地铁站运行时，获取运行状态下地铁站内所有发热设备的设备产热量；

具体的操作步骤如下：

建立温度预置控制模型，确定未来客流量Y与热量的对应关系，计算出公共区人数与风量调整量对应关系；设地铁站公共区总风量为Q0，总产热量为L0，其中设备产热量为L1，人员产热量为L2，L1+L2＝L0；

L1的统计方式为：记录设计的设备产热量为L1-0,预估运营后十年为L1-1，拟合二次函数Ft，记录得到每一年的发热量L1＝F(t)；

L2＝P1×A1+P2×A2+P3×A3,记作P×A，A为公共区峰值总人数；

具体数值如下：

P1预估为0.186，P2预估为0.17，P3预估为0.16；

假定设备产热量L1为定值，则地铁站总产热量随站内人员数量变化而变化，则对应关系为：

L0t＝L1+L2t＝L1+P×Y，其中t指某一时刻，

即有：

基于公式1获得：

根据Q0t，结合Q0t与变频器频率的对应关系，根据风机风量变化与转速比成正比，由BAS系统设置变频器的频率。

可选的，基于所述风量目标值实现地铁站风量自动调节的过程中包括：

基于所述风量目标值和变频器频率的对应关系，基于风机风量变化与转速比成正比，设置变频器的频率。

另一方面为实现上述目的，本发明提供了一种用于地铁站公共区的温度预置控制和设备预警系统，应用于任一所述的温度预置控制和设备预警方法，包括：

视频监控模块、温度预制模块、采集模块、报警模块和预警模块；

所述视频监控模块用于识别地铁站公共区客流量；

所述温度预制模块用于通过所述地铁站公共区客流量和热量计算出地铁站公共区的风量目标值，并通过所述风量目标值实现地铁站风量的自动调节；

所述采集模块用于采集风机、冷水机组和空调设备的电流数值和温度数值；

所述采集模块与所述报警模块和所述预警模块连接，并将采集的数据实时输入所述报警模块和所述预警模块；

所述报警模块用于监控所述采集模块采集的数据，并预设正常范围，若所述采集模块采集的数据超出所述正常范围，则进行报警；

所述预警模块采用深度网络LSTM模型，所述预警模块用于接收所述采集模块采集的数据，并进行预测，若所述采集模块采集的数据超出所述正常范围，则进行预警。

本发明的技术效果为：

1、通过图像识别实现了公共区人数统计；

2、通过预置温度控制模型，建立地铁公共区人数与调节温度的关系，并有效解决了控制模型的延迟问题；

3、通过BAS控制系统，实现公共区温度自动调节；

4、当监控到风机、冷水机组、空调设备的电流数值出现突变和异常，进行预警处理。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明实施例中的空调控制系统示意图；

图2为本发明实施例中的流程图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

如图1所示，本实施例中提供一种用于地铁站公共区的温度预置控制和设备预警方法，包括：

在正常状态下，进行温度预制，包括：

通过视频监控识别地铁站公共区客流量，基于所述客流量预测短期客流量，基于所述短期客流量与热量的相关性，建立温度预置控制模型；

基于所述温度预置控制模型计算出地铁站公共区的风量目标值，所述风量目标值用于辅助地铁站实现风量的自动调节；

出现异常状态时，进行报警和预警，包括：

分别采集风机、冷水机组和空调设备的电流数值和温度数值，并设定对应设备的温度数值和电流数值的正常范围；

当监控到所述风机、所述冷水机组和所述空调设备的电流数值和温度数值超出所述正常范围时，进行报警处理；

基于深度网络LSTM模型构建预警模型，将采集到的所述风机、所述冷水机组和所述空调设备的电流数值和温度数值输入到所述预警模型进行预测，当温度或者电流数值的预测值不在所述正常范围内，进行预警处理。

温度预制过程包括：

1、将地铁站站台、站厅分为a、b、c、d四个区域。每个区域配置CCTV监控设备，使用摄像头对公共区(站台、站厅)a、b、c、d各个区域监控拍照；

2、各区域分别采集同时刻样本图片，记录样本图片像素，选取与样本图片同样大小的空白图像记录其像素，计算像素差值，由像素差值得出各区域人数分别为Ma,Mb，Mc，Md。各区域人数相加得到公共区总人数A。每个区域分别统计成年男人、成年女人、儿童,例如Ma＝Ma1+Ma2+Ma3。

Ma1 Ma2 Ma3确定的方式如下：

获得样本，提取生物特征，如头发长短、衣着、身高，根据特征分为男人、女人、儿童并标注，得到训练集样本，男人、女人、儿童数量至少1000个，将样本输送到yolo-v5网络中训练，得到模型参数，在样本图片中得到Ma1 Ma2 Ma3，其中yolo-v5网络的训练步骤主要有：

1)测试项目，编辑检测代码和文件，命名为detect.py文件。

2)更改数据集，将data中数据集进行更改，images中放入自己的数据。

3)训练数据，运行训练文件。对数据进行训练，配置yolo-v5网络的相关网络参数，相关网络参数包括学习率，网络模型，骨干网络和迭代次数；使用GPU进行训练，得到网络模型的IOU曲线，当IOU的具体数值达到0.7-0.9时，保存网络模型，获得每类人的分布情况，当再有新的地铁图像输入的时候，调取网络模型，得到每一类人的数量，基于分布情况进行统计获得最终结果。

4)得到每类人的分布，进而统计个数得到计算结果Ma1 Ma2 Ma3。

3、短期预测客流，预测未来T分钟的(10<T<30)客流量Y。

采用步骤2记录前N次统计的客流量，形成矩阵A＝[A1 A2 A3…An(其中每隔T0分钟采集一次)]，构建arima模型，得到未来T分钟的人数为Y，作为未来客流量，确定与热量的关系，有效解决了控制模型的延迟问题。

其中，arima模型的具体步骤如下：

1)把A作为平稳时间序列；

2)对平稳时间序列分别求得其自相关系数ACF和偏自相关系数PACF；

3)arima模型识别，通过对自相关图和偏自相关图的分析，估算参数，得到最佳的阶层p和阶数q，模型检验、模型优化；

4)预测未来T时刻的客流量Y；

其中设备产热量的预测方法为：统计原始车站所有车站的功耗和初始化的设计发热量，计算初始值，通过和地铁站的综合监控系统连接，获取地铁站内所有发热设备的开关状态，当地铁站运行时，获取运行状态下地铁站内所有发热设备的设备产热量，具体步骤如下：

4、建立温度预置控制模型，确定未来客流量Y与热量的对应关系，计算出公共区人数与风量调整量对应关系。设地铁站公共区总风量为Q0，总产热量为L0(其中设备产热量为L1，人员产热量为L2，L1+L2＝L0)；

L1的统计方式为：记录设计的设备产热量为L1-0,预估运营后十年为L1-1，拟合二次函数Ft，记录得到每一年的发热量L1＝F(t)；

L2＝P1×A1+P2×A2+P3×A3,记作P×A(A为公共区峰值总人数)；

具体数值如下：

P1预估为0.186；P2预估为0.17；P3预估为0.16；

假定设备产热量L1为定值，则地铁站总产热量随站内人员数量变化而变化，则对应关系为：

L0t＝L1+L2t＝L1+P×Y(其中t指某一时刻)

即有：

可推导出公式2：

Q0根据地铁站实际风量，例如，本实例所选取地铁站实际总风量为113764m³/h；

4、根据Q0t，结合Q0t与变频器频率的对应关系，根据风机风量变化与转速比成正比，由BAS系统设置变频器的频率。

5、在到达未来T/2时刻时(T表示风机的一个控制执行周期)，采用闭环反馈进行风量控制的自动微调优化。通过公共区温度传感器采集温度实时值，将温度控制模型预测的目标值与实际值比较，如果超过阈值M(M＝1摄氏度)，则输出风机变频给定值，动态的调整风机电动机的输入频率，实现地铁站公共区的环境温度实时控制。例如：如果温度目标值比实际值小1.2摄氏度，则调整变频器输出频率，加大冷风量。

另一方面为实现上述目的，本发明实施例中提供了一种用于地铁站公共区的温度预置控制和设备预警系统，应用于任一温度预置控制和设备预警方法，包括：

视频监控模块、温度预制模块、采集模块、报警模块和预警模块；

视频监控模块用于识别地铁站公共区客流量；

温度预制模块用于通过地铁站公共区客流量和热量计算出地铁站公共区的风量目标值，并通过风量目标值实现地铁站风量的自动调节；

采集模块用于采集风机、冷水机组和空调设备的电流数值和温度数值；

采集模块与报警模块和预警模块连接，并将采集的数据实时输入报警模块和预警模块；

报警模块用于监控采集模块采集的数据，并预设正常范围，若采集模块采集的数据超出正常范围，则进行报警；

预警模块采用深度网络LSTM模型，预警模块用于接收采集模块采集的数据，并进行预测，若采集模块采集的数据超出正常范围，则进行预警。

以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种用于地铁站公共区的温度预置控制和设备预警方法，其特征在于，包括以下步骤：

在正常状态下，进行温度预制，包括：

通过视频监控识别地铁站公共区客流量，基于所述客流量预测短期客流量，基于所述短期客流量与热量的相关性，建立温度预置控制模型；

基于所述温度预置控制模型计算出地铁站公共区的风量目标值，所述风量目标值用于辅助地铁站实现风量的自动调节；

出现异常状态时，进行报警和预警，包括：

分别采集风机、冷水机组和空调设备的电流数值和温度数值，并设定对应设备的温度数值和电流数值的正常范围；

当监控到所述风机、所述冷水机组和所述空调设备的电流数值和温度数值超出所述正常范围时，进行报警处理；

基于深度网络LSTM模型构建预警模型，将采集到的所述风机、所述冷水机组和所述空调设备的电流数值和温度数值输入到所述预警模型进行预测，当温度或者电流数值的预测值不在所述正常范围内，进行预警处理。

2.根据权利要求1所述的方法，其特征在于，通过视频监控识别地铁站公共区客流量的过程中包括：

将地铁站公共区分为四个区域，对每个区域分别进行视频监控，识别客流量。

3.根据权利要求2所述的方法，其特征在于，对每个区域分别进行视频监控，识别客流量的过程中包括：

对各区域分别采集同时刻样本图片，基于所述同时刻样本图片，获取样本图片像素；

选取与所述样本图片大小相同的空白图像记录所述样本图像像素，计算像素差值；

基于所述像素差值获得各区域客流量，通过各区域客流量相加获得地铁站公共区总客流量。

4.根据权利要求3所述的方法，其特征在于，对各区域分别采集同时刻样本图片，基于所述同时刻样本图片，获取样本图片像素的过程中包括：

对获取的样本图片提取生物特征，基于所述生物特征将样本图片中的人分为成年男人、成年女人和儿童三类；

将三类样本输入到yolo-v5网络进行训练，获得训练完成的yolo-v5网络。

5.根据权利要求4述的方法，其特征在于，将三类样本输入到yolo-v5网络进行训练，获得训练完成的yolo-v5网络的过程中包括：

测试项目，编辑检测代码和文件；

更改数据集，将data中数据集进行更改，images中放入自己的数据；

对数据进行训练，配置yolo-v5网络的相关网络参数，所述相关网络参数包括学习率，网络模型，骨干网络和迭代次数；

使用GPU进行训练，得到网络模型的IOU曲线，当IOU的具体数值达到0.7-0.9时，保存网络模型，获得每类人的分布情况，当再有新的地铁图像输入的时候，调取网络模型，得到每一类人的数量，基于分布情况进行统计获得最终结果。

6.根据权利要求1所述的方法，其特征在于，基于所述客流量预测短期客流量的过程中包括：

记录若干次客流量，基于若干次客流量获得客流量矩阵；

构建短期客流量模型，基于所述短期客流量模型和所述客流量矩阵获得短期客流量。

7.根据权利要求6所述的方法，其特征在于，所述短期客流量模型采用了arima模型，基于所述短期客流量模型和所述客流量矩阵获得短期客流量的过程中包括：

将所述客流量矩阵作为平稳时间序列；

对所述平稳时间序列分别求的自相关系数ACF和偏自相关系数PACF；

对自相关图和偏自相关图进行分析，估算参数，获得最佳阶层和最佳阶数；

基于所述最佳阶层和所述最佳阶数，对arima模型进行检验和优化；

基于优化好的模型预测短期内的客流量，获得所述短期客流量。

8.根据权利要求1所述的方法，其特征在于，基于所述温度预置控制模型计算出地铁站公共区的风量目标值的过程中通过以下公式进行计算：

式中Q0为地铁站公共区总风量，L0为总热量，L1为设备产热量，Y为短期客流量，Q0t为风量目标值；

其中所述设备产热量的预测方法为：统计原始车站所有车站的功耗和初始化的设计发热量，计算初始值，通过和地铁站的综合监控系统连接，获取地铁站内所有发热设备的开关状态，当地铁站运行时，获取运行状态下地铁站内所有发热设备的设备产热量；

具体的操作步骤如下：

建立温度预置控制模型，确定未来客流量Y与热量的对应关系，计算出公共区人数与风量调整量对应关系；设地铁站公共区总风量为Q0，总产热量为L0，其中设备产热量为L1，人员产热量为L2，L1+L2＝L0；

L1的统计方式为：记录设计的设备产热量为L1-0,预估运营后十年为L1-1，拟合二次函数Ft，记录得到每一年的发热量L1＝F(t)；

L2＝P1×A1+P2×A2+P3×A3,记作P×A，A为公共区峰值总人数；

具体数值如下：

P1预估为0.186，P2预估为0.17，P3预估为0.16；

假定设备产热量L1为定值，则地铁站总产热量随站内人员数量变化而变化，则对应关系为：

L0t＝L1+L2t＝L1+P×Y，其中t指某一时刻，

即有：

基于公式1获得：

根据Q0t，结合Q0t与变频器频率的对应关系，根据风机风量变化与转速比成正比，由BAS系统设置变频器的频率。

9.根据权利要求1所述的方法，其特征在于，基于所述风量目标值实现地铁站风量自动调节的过程中包括：

基于所述风量目标值和变频器频率的对应关系，基于风机风量变化与转速比成正比，设置变频器的频率。

10.一种用于地铁站公共区的温度预置控制和设备预警系统，应用于权利要求1-9任一所述的温度预置控制和设备预警方法，其特征在于，包括：

视频监控模块、温度预制模块、采集模块、报警模块和预警模块；

所述视频监控模块用于识别地铁站公共区客流量；

所述温度预制模块用于通过所述地铁站公共区客流量和热量计算出地铁站公共区的风量目标值，并通过所述风量目标值实现地铁站风量的自动调节；

所述采集模块用于采集风机、冷水机组和空调设备的电流数值和温度数值；

所述采集模块与所述报警模块和所述预警模块连接，并将采集的数据实时输入所述报警模块和所述预警模块；

所述报警模块用于监控所述采集模块采集的数据，并预设正常范围，若所述采集模块采集的数据超出所述正常范围，则进行报警；

所述预警模块采用深度网络LSTM模型，所述预警模块用于接收所述采集模块采集的数据，并进行预测，若所述采集模块采集的数据超出所述正常范围，则进行预警。

Images