CN115454178B - 无线动态负荷预测的地铁站台温湿度控制系统 - Google Patents
无线动态负荷预测的地铁站台温湿度控制系统 Download PDFInfo
- Publication number
- CN115454178B CN115454178B CN202211138026.3A CN202211138026A CN115454178B CN 115454178 B CN115454178 B CN 115454178B CN 202211138026 A CN202211138026 A CN 202211138026A CN 115454178 B CN115454178 B CN 115454178B
- Authority
- CN
- China
- Prior art keywords
- value
- temperature
- data
- load
- humidity
- 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
Links
- 239000002245 particle Substances 0.000 claims description 64
- 238000000034 method Methods 0.000 claims description 45
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 238000012544 monitoring process Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 15
- 238000012706 support-vector machine Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000009977 dual effect Effects 0.000 claims description 6
- 238000012821 model calculation Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000013461 design Methods 0.000 abstract description 5
- 230000003750 conditioning effect Effects 0.000 description 12
- 239000003990 capacitor Substances 0.000 description 10
- 238000001914 filtration Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000001143 conditioned effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000002776 aggregation Effects 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 4
- 238000004378 air conditioning Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000005057 refrigeration Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005070 ripening Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007791 dehumidification Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D27/00—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
- G05D27/02—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Abstract
本发明涉及温湿度调节技术领域,公开一种无线动态负荷预测的地铁站台温湿度控制系统,包括温湿度监测模块、控制器、无线通信模块、系统控制模块和温控机组,温湿度监测模块实时监测地铁站内部的温度数据和湿度数据并输入至控制器,控制器通过无线通信模块将温度数据和湿度数据传送到系统控制模块,系统控制模块使用动态负荷预测法控制温控机组的运行功率,实现对地铁站台的温湿度控制。本发明可以通过无线方式实现地铁站内热环境的自动调控、结构简单、操作方便、减少人力成本,兼具节能技术与人性化设计。
Description
技术领域
本发明涉及温湿度调节技术领域,尤其是指一种无线动态负荷预测的地铁站台温湿度控制系统。
背景技术
随着城市化不断发展,地铁已慢慢在各大城市中普及。良好的地铁站内环境不仅是地铁正常运行的有效保障,也是影响乘客舒适度的重要因素,地铁站台的环境参数主要为:温度与湿度。对于其参数的检测采用相对应的温湿度传感器进行检测,但其检测数据通过有线传输不仅难于设计,并且难于维护,十分不便。除此之外由于目前技术限制以及已建设地铁的条件,目前对于温度控制的实现方法多以人工控制为主,虽然在一定程度上可以降低能耗,但是可能会增加人工投入,并且调节方法以经验为主,不能符合当下复杂的实际情况的变化,而且通过这种方法来追求节能也会对乘客舒适度造成严重影响。
发明内容
为此,本发明所要解决的技术问题在于克服现有技术中的不足,提供一种无线动态负荷预测的地铁站台温湿度控制系统,可以通过无线方式实现地铁站内热环境的自动调控、结构简单、操作方便、减少人力成本,兼具节能技术与人性化设计。
为解决上述技术问题,本发明提供了一种无线动态负荷预测的地铁站台温湿度控制系统,包括:
包括温湿度监测模块、控制器、无线通信模块、系统控制模块和温控机组,
所述温湿度监测模块实时监测地铁站内部的温度数据和湿度数据并输入至所述控制器,所述控制器通过所述无线通信模块将所述温度数据和湿度数据传送到所述系统控制模块,所述系统控制模块使用动态负荷预测法控制所述温控机组的运行功率,实现对地铁站台的温湿度控制。
作为优选的,所述系统控制模块包括上位机和终端控制电路,所述控制器和所述上位机连接,所述终端控制电路和所述温控机组连接,
所述上位机获取所述温度数据和湿度数据并使用动态负荷预测法预测得到当前适合的负荷值,所述终端控制电路根据所述当前适合的负荷值控制所述温控机组的运行功率,实现对地铁站台的温湿度控制。
作为优选的,所述终端控制电路使用PID控制所述温控机组的运行功率。
作为优选的,所述上位机获取所述温度数据和湿度数据并使用动态负荷预测法预测得到当前适合的负荷值,具体为:
步骤1:将所述温度数据转化为对应采样时刻的热负荷值,将所述湿度数据转化为对应采样时刻的湿负荷值,将所述热负荷值和湿负荷值中的最大值作为负荷值,将所述负荷值和对应的采集时刻组成数据组;
步骤2:对数据组进行补齐修正,将补齐修正后的数据组进行归一化处理作为训练集;
步骤3:建立基于平均粒距的改进粒子群算法,使用所述训练集训练所述基于平均粒距的改进粒子群算法得到最优解;
步骤4:将最优解输入支持向量机模型预测得到负荷预测值,将所述负荷预测值作为所述当前适合的负荷值。
作为优选的,所述对数据组进行补齐修正,具体为:
步骤2-1:若数据组中的元素缺失采集时刻,使用顺序编号的方法进行补齐;若数据组中的元素缺失负荷值,使用线性插值的方法进行补齐;
步骤2-2:使用水平处理与垂直处理对补齐后的数据组进行修正。
作为优选的,所述建立基于平均粒距的改进粒子群算法,使用所述训练集训练所述基于平均粒距的改进粒子群算法得到最优解,具体为:
步骤3-1:初始化粒子群,设定种族规模m和最大进化代数Tmax;
步骤3-2:计算每个粒子的适应度值其中i为所求粒子编号,yi为对应粒子编号为i的负荷值,/>为使用支持向量机模型预测的对应粒子编号为i的负荷预测值;计算种群的平均粒距D(t)和适应度方差σ2;
步骤3-3:判断是否满足D(t)<α且σ2<β,其中α、β为预设阈值;
若满足,则执行步骤3-1;若不满足则对粒子速度和位置进行更新,执行步骤3-4;
步骤3-4:重复步骤3-2和步骤3-3直到达到最大进化代数Tmax,将此时的解作为最优解。
作为优选的,所述平均粒距D(t)的计算方法为:
其中,L为搜索空间对角最大长度,n为数据组中采集的数据的数量,pid表示第i个粒子位置的第d维坐标值,表示所有粒子位置的第d维坐标值的均值。
作为优选的,所述适应度方差σ2的计算方法为:
其中,fi为第i个粒子当前的适应度值,为种群当前的平均适应度值,f’为归一化定标因子。
作为优选的,所述归一化定标因子f’的计算方法为:
作为优选的,所述将最优解输入支持向量机模型预测得到负荷预测值,具体为:
将最优解为C输入支持向量机模型建立模型计算公式:
使用拉格朗日方程将所述模型计算公式转化为对偶式:
其中,n为数据组中采集的数据的数量,yi为i时刻的负荷值,yj为j时刻的负荷值,0<j<i;f(y)为根据拉格朗日方程得到的回归方程,w为惯性权重系数,b为回归方程的位移量,f(yi)为由yi确定的f(y)值,ε为预设正常数,a’i、ai为拉格朗日乘子,T表示转置;φ(y)为非线性映射函数,φ(yi)为由yi确定的φ(y)值,φ(yj)为由yj确定的φ(y)值;
使用对偶式计算此时的f(y)值作为所述负荷预测值。
本发明的上述技术方案相比现有技术具有以下优点:
本发明通过温湿度监测模块实现了地铁站内温度、湿度的实时监测,通过无线通信模块实现信号的无线传输;同时,利用动态负荷预测法根据当前温湿度数据精准控制温控机组的运行功率,实现地铁站内热环境的自动调控,提高节能效果;本发明结构简单,操作方便,避免了人工控制、减少人力成本,具有很强的实用性,在提高地铁温控系统的能效水平的同时提高地铁乘客的体验感,兼具节能技术与人性化设计。
附图说明
为了使本发明的内容更容易被清楚的理解,下面根据本发明的具体实施例并结合附图,对本发明作进一步详细的说明,其中:
图1是本发明的结构图,
图2是本发明中信号调理电路的电路原理图,
图3是本发明中动态负荷预测法的流程图,
图4是本发明中使用基于平均粒距的改进粒子群算法求解最优解的流程图,
图5是本发明实施例中使用LS-SVM得到的负荷预测值与实际值之间的误差示意图,
图6是本发明实施例中使用动态负荷预测法得到的负荷预测值与实际值之间的误差示意图。
说明书附图标记说明:1、温湿度监测模块,2、控制器,3、无线通信模块,31、Zigbee协调器节点,32、Zigbee路由器节点,33、Zigbee终端节点,4、系统控制模块,5、温控机组,6、信号调理电路,61、偏置信号单元,62、信号放大单元,63、叠加单元,64、滤波输出单元。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
在本发明的描述中,需要理解的是,术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”…“第十四”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第二”、“第一”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接,还可以是通信;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。此外,术语“包括”意图在于覆盖不排他的包含,例如包含了一系列步骤或单元的过程、方法、系统、产品或设备,没有限定于已列出的步骤或单元而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
参照图1所示,本发明公开了一种无线地铁站台温湿度控制系统,包括温湿度监测模块1、控制器2、无线通信模块3、系统控制模块4和温控机组5,所述温湿度监测模块1和所述控制器2连接,所述系统控制模块4和所述温控机组5连接,所述控制器2和所述系统控制模块4通过所述无线通信模块3无线连接。所述温湿度监测模块1实时监测地铁站内部的温度数据和湿度数据并输入至所述控制器2,所述控制器2通过所述无线通信模块3将所述温度数据和湿度数据传送到所述系统控制模块4,所述系统控制模块4根据所述温度数据和湿度数据控制所述温控机组5的运行功率,实现对地铁站台的温湿度控制。
本实施例中,所述无线通信模块3包括Zigbee协调器节点31、Zigbee路由器节点32和Zigbee终端节点33,所述控制器2与所述Zigbee协调器节点31连接,所述Zigbee协调器节点31和所述Zigbee终端节点33通过所述Zigbee路由器节点32无线连接,所述Zigbee终端节点33与所述系统控制模块4连接。所述控制器2与所述Zigbee协调器节点31通过串口有线连接,所述Zigbee终端节点33与所述系统控制模块4通过串口有线连接。控制器2整理调理后的电信号并通过串口反馈给Zigbee协调器节点31,Zigbee协调器节点31将电信号通过Zigbee网络发送出去、传输至Zigbee路由器节点32,Zigbee路由器节点32接收电信号并再次发送出去,由Zigbee终端节点33接收再次发送的电信号并通过串口通讯传输至系统控制模块4。所述无线通信模块3还可以是WiFi网络等无线技术,所述控制器2与所述系统控制模块4通过WiFi网络无线连接。本实施例中通过使用Zigbee技术,可以在保证有效通讯距离和稳定性的前提下,实现大批量的工业化生产。
本实施例中还包括信号调理电路6,所述温湿度监测模块1通过所述信号调理电路6和所述控制器2连接。所述温湿度监测模块1包括温度传感器和湿度传感器,本实施例中所述温度传感器为DS18B20单线可编程温度传感器,所述湿度传感器为SHT35湿度传感器,所述温度传感器和湿度传感器均通过所述信号调理电路6与所述控制器2连接。所述温度传感器实时监测地铁站内部的温度数据并输入至信号调理电路6,所述湿度传感器实时监测地铁站内部的湿度数据并输入至信号调理电路6。所述信号调理电路6将所述温度数据和湿度数据转换成电信号并进行调理(将敏感元件检测到的各种信号转换为标准信号),将调理后的电信号输入至所述控制器2。
如图2所示,本实施例中,所述信号调理电路6包括偏置信号单元61、信号放大单元62、叠加单元63和滤波输出单元64,所述偏置信号单元61和信号放大单元62的信号输入端分别与所述温湿度监测模块1连接,所述偏置信号单元61和信号放大单元62的信号输出端分别与所述叠加单元63连接,所述叠加单元63的信号输出端与所述滤波输出单元64的信号输入端连接,所述滤波输出单元64的信号输出端与所述控制器2连接。
将温湿度监测模块1采集到的温度数据和湿度数据转换成电信号并进行调理,具体为:所述偏置信号单元61的信号输入端接入所述温湿度监测模块1输入的电压信号生成偏置信号,所述信号放大单元62的信号输入端接入所述温湿度监测模块1输入的电流信号,对输入的电流信号进行信号放大生成放大电流信号;所述叠加单元63的信号输入端分别与所述偏置信号单元61的信号输出端和信号放大单元62的信号输出端连接,所述叠加单元63将所述偏置信号和所述放大电流信号进行信号叠加生成叠加信号;所述滤波输出单元64的信号输入端与所述叠加单元63的信号输出端连接,所述滤波输出单元64对所述叠加信号进行滤波稳定得到调理信号并输出。
本实施例中,所述偏置信号单元61包括第一电阻R1、第二电阻R2、第一肖特基二极管D1、第二肖特基二极管D2、第一电容C1、第二电容C2、第一滑动变阻器R5和第一运算放大器U1;所述第一电阻R1的一端与电源的正极连接,另一端与所述第一肖特基二极管D1的负极连接;所述第二电阻R2的一端与电源的负极连接,另一端与第二肖特基二极管D2的正极连接;所述第一肖特基二极管D1的正极与所述第二肖特基二极管D2的负极连接;所述第一电容C1与所述第一肖特基二极管D1并联,所述第二电容C2与所述第二肖特基二极管D2并联;所述第一滑动变阻器R5的两端分别与所述第一肖特基二极管D1的负极和第二肖特基二极管D2的正极连接,所述第一滑动变阻器R5的滑动端与所述第一运算放大器U1的同相输入端连接,所述第一运算放大器U1的反相输入端与其输出端连接;
所述信号放大单元62包括第三电阻R3、第四电阻R4、第十二电阻R12和第二运算放大器U2,所述第三电阻R3的一端接入电流I,另一端与所述第二运算放大器U2的反相输入端连接,所述第四电阻R4的一端接地,另一端与所述第二运算放大器U2的同相输入端连接,所述第十二电阻R12的一端与所述第二运算放大器U2的反相输入端连接,另一端与所述第二运算放大器U2的输出端连接;
所述叠加单元63包括第七电阻R7、第八电阻R8、第九电阻R9、第二滑动变阻器R6和第三运算放大器U3,所述第七电阻R7的一端与所述第一运算放大器U1的输出端连接,另一端与所述第三运算放大器U3的反相输入端连接;所述第八电阻R8的一端与所述第二运算放大器U2的输出端连接,另一端与所述第三运算放大器U3的反相输入端连接;所述第二滑动变阻器R6的两端分别与所述第三运算放大器U3的反相输入端和第三运算放大器U3的输出端连接,所述第二滑动变阻器R6的滑动端与所述第三运算放大器U3的输出端连接;所述第三运算放大器U3的同相输入端经第九电阻R9接地;
所述滤波输出单元64包括第十电阻R10、第十一电阻R11、第三电容C3、第四电容C4、第四运算放大器U4和第三肖特基二极管D3,所述第十电阻R10的一端与所述第三运算放大器U3的输出端连接,另一端经第十一电阻R11与所述第四运算放大器U4的同相输入端连接;所述第三电容C3的一端与所述第十电阻R10连接,另一端与所述第四运算放大器U4的输出端连接;所述第四电容C4的一端与所述第四运算放大器U4的同相输入端连接,另一端接地;所述第四运算放大器U4的反相输入端与其输出端连接;所述第三肖特基二极管D3的负极与所述第四运算放大器U4的输出端连接,所述第三肖特基二极管D3的正极接地。
偏置信号单元61的第一电阻R1与5V电源的正极连接,第二电阻R2与5V电源的负极连接,接入5V电压信号,过滤电压信号的高频毛刺,生成稳定的偏置信号传输至叠加单元63;信号放大单元62接入电流I,对电流I进行比例放大,生成电流信号传输至叠加单元63;叠加单元63将偏置信号和比例放大后的电流信号进行信号叠加,生成叠加信号传输至滤波输出单元64,滤波输出单元64对叠加信号进行两级RC滤波后经过电压跟随器后生成调理信号输出。
本实施例,所述温控机组5包括空调机组及其压缩机,是现有的结构,此处不再赘述,温控机组5和所述系统控制模块4通过串口有线连接,系统控制模块4精准控制温控机组5的运行功率,从而实现了地铁站内热环境的自动控制,提高节能效果。
本实施例中,所述系统控制模块包括上位机和终端控制电路,所述控制器和所述上位机连接,所述终端控制电路和所述温控机组连接,所述上位机获取所述温度数据和湿度数据并根据所述温度数据和湿度数据使用动态负荷预测法预测得到当前适合的负荷值,所述终端控制电路采用PID控制根据所述负荷值控制所述温控机组的运行功率,实现对地铁站台的温湿度控制。上位机还具有手动模式,可以通过手动模式来人工控制温控机组的运行,满足突发情况需求。
控制器整理调理后的电信号并通过串口反馈给Zigbee协调器节点,Zigbee协调器节点将电信号通过Zigbee网络发送出去、传输至Zigbee路由器节点,Zigbee路由器节点接收电信号并再次发送出去,由Zigbee终端节点接收再次发送的电信号并通过串口通讯传输至上位机。上位机将信号进行整理分析,输入动态负荷预测法中得出当前适合的负荷值,从而精确控制温控机组进行制冷或制热,最终通过Zigbee网络返回Zigbee协调器节点,并将信号输入至终端控制电路;PID控制可以快速将功率输出、精准控制到负荷值。
如图3所示,所述上位机获取所述温度数据和湿度数据并使用动态负荷预测法预测得到当前适合的负荷值,具体为:
步骤1:将所述温度数据转化为对应采样时刻的热负荷值,将所述湿度数据转化为对应采样时刻的湿负荷值,将所述热负荷值和湿负荷值中的最大值作为负荷值,将所述负荷值和对应的采集时刻组成数据组A={(1,f1),…,(i,fi),…,(n,fn)},fi为i时刻的热负荷值和湿负荷值中的最大值,n为数据组中采集的数据的数量;温控机组包括空调机组及其压缩机,是现有结构不再赘述,空调机组同时进行制冷与除湿,取热负荷值和湿负荷两者中的最大值作为负荷值,在满足其中较大负荷的情况下,另一个负荷也是满足的(另一个负荷处于超过应有负荷的状态),从而同时保证除温和制冷的效果。
步骤2:对数据组进行补齐修正,将补齐修正后的数据组进行归一化处理作为训练集;水平处理与垂直处理、归一化处理均使用常规处理方法不再赘述。对数据组进行补齐修正,具体为:
步骤2-1:若数据组中的元素缺失采集时刻,使用顺序编号的方法进行补齐;例如数据组A中的第3个元素为(,f3)缺失采集时刻,此时该元素的前一个元素的采集时刻为2,后一个元素的采集时刻为4,则顺序编号第3个元素的采集时刻为3,补齐后第3个元素为(3,f3)。
若数据组中的元素缺失负荷值,使用线性插值的方法进行补齐;若数据组A中的第m+j个元素的负荷值fm+j缺失,则 其中fm为m时刻的负荷值,fm+i为m+i时刻的负荷值,fm+j为m+j时刻的负荷值,i和j的取值根据实际确定。
步骤2-2:使用水平处理与垂直处理对补齐后的数据组进行修正。
步骤3:建立基于平均粒距的改进粒子群算法,使用所述训练集训练所述基于平均粒距的改进粒子群算法得到最优解。
步骤3-1:针对粒子群的早熟收敛问题,本发明中以粒子群优化算法为基础的,通过多样性度量指标来控制种群特征。如图4所示,首先初始化粒子群,设定种族规模m,惯性权重初值wmax,惯性权重终值wmin,加速常数c1、c2和最大进化代数Tmax;本实施例中m、wmax、wmin、c1、c2根据实际情况设置,Tmax=200。
步骤3-2:计算每个粒子的适应度值其中i为所求粒子编号,yi为对应粒子编号为i的负荷值、即fi,/>为使用支持向量机模型预测的对应粒子编号为i的负荷预测值;比较对应粒子适应度得到粒子当前点的最优位置pgd,将所有粒子中的最优位置作为种群最优位置gbest;计算种群的平均粒距D(t)和适应度方差σ2;
平均粒距D(t)的计算方法为:
其中,L为搜索空间对角最大长度,n为解空间维数、即数据组中采集的数据的数量,pia表示第i个粒子位置的第d维坐标值,表示所有粒子位置的第d维坐标值的均值;平均粒距表示种群中各个粒子彼此间分布的离散程度,D(t)越小,表示种群越集中;D(t)越大,表示种群越分散。初始粒子群的选取是随机的,理想状况下其位置应遍布整个解空间以增加搜索到全局最优解的概率。但是粒子的个数是有限的,解空间又相对较大,如果不能保证有限个粒子均匀分布在整个解空间,就加大了陷于局部最优的可能。因此,本发明引入平均粒距D(t)的概念。
所述适应度方差σ2的计算方法为:
其中,fi为第i个粒子当前的适应度值,为种群当前的平均适应度值,f’为归一化定标因子,用来限制σ2的大小,/>适应度方差反映的是种群中粒子的聚集程度,σ2越小,则种群中粒子的聚集程度越大;反之,则聚集程度越小。标准粒子群优化算法在整个迭代过程中,粒子朝全局历史最优解方向靠近,在算法运行的初期,收敛速度较快,后期减慢。若遇到局部极值点,所有粒子的速度便很快下降为零而停止运动,种群丧失了进化的能力,导致算法过早收敛而陷入局部最优点。而粒子位置决定着粒子的适应度大小,因此,根据种群中所有粒子适应度的整体变化可以判断出种群当前所处的状态。
步骤3-3:判断是否满足D(t)<α且σ2<β,其中α、β为预设阈值;本实施例中α、β的取值根据实际情况确定。若满足视为出现早熟,则执行步骤3-1重新初始化粒子群;若不满足则对粒子速度和位置进行更新产生新种群,执行步骤3_4;对粒子速度vid和位置xid进行更新的公式为:
vid=wvid+c1r1(pid-xid)+c2r2(pgd-xid),
xid=xid+vid;
其中,w为惯性权重系数,r1、r2为[0,1]之间的随机数,pid为粒子当前位置。
随着迭代次数的增加,种群中粒子的适应度会越来越接近,σ2就会越来越小。当σ2<β(β为某一给定的阈值)时,认为算法进入后期搜索阶段,此时种群容易陷入局部最优而出现早熟收敛现象。
步骤3-4:重复步骤3-2和步骤3-3直到达到最大进化代数Tmax,将此时的解作为最优解。
步骤4:将最优解输入支持向量机模型预测得到负荷预测值,将所述负荷预测值作为所述当前适合的负荷值。
步骤4-1:将最优解为C赋值给支持向量机模型建立模型计算公式:
使用拉格朗日方程将所述模型计算公式转化为对偶式:
其中,yi为i时刻的负荷值,yj为j时刻的负荷值,0<j<i;f(y)为根据拉格朗日方程得到的回归方程,w为惯性权重系数,b为回归方程的位移量,f(yi)为由yi确定的f(y)值,ε为预设正常数,根据实际情况设置;a’i、ai为拉格朗日乘子,T表示转置;φ(y)为非线性映射函数,φ(yi)为由yi确定的φ(y)值,φ(yj)为由yj确定的φ(y)值;本实施例中惯性权重系数w=0.65,非线性映射函数φ(y)为||||表示范数。
步骤4-2:使用对偶式计算此时的f(y)值作为所述负荷预测值,将所述负荷预测值作为所述当前适合的负荷值。
本发明通过温湿度监测模块实现了地铁站内温度、湿度的实时监测,通过无线通信模块实现信号的无线传输;同时,利用动态负荷预测法根据当前温湿度数据精准控制温控机组的运行功率,实现地铁站内热环境的自动调控,提高节能效果;本发明结构简单,操作方便,避免了人工控制、减少人力成本,具有很强的实用性,在提高地铁温控系统的能效水平的同时提高地铁乘客的体验感,兼具节能技术与人性化设计。
同时,对比传统负荷动态预测算法,本发明通过粒子群算法实现了支持向量机参数的自整定,并通过在粒子聚合过程中增加通过平均粒距计算粒子间距的过程,从而保持了群体活性,增强了全局寻优能力,有效地克服了传统粒子群算法早熟的缺点,对比与传统负荷动态预测算法,本发明所得负荷预测值更加精确、稳定。
为了进一步说明本发明中动态负荷预测法的有益效果,本实施例中将广州某商业中心地铁站的热负荷计算数据作为数据集,分别使用本发明中的动态负荷预测法与传统动态负荷预测算法LS-SVM(详见文献“胡林静,郭朝泽,王景帅.基于ISSA-LSSVM模型的短期电力负荷预测[J].科学技术与工程,2021,21(23):9916-9922”)进行预测并将所得结果进行对比。
使用LS-SVM得到的负荷预测值与实际值之间的误差如图5所示,由图5可以看出,传统动态负荷预测算法所得负荷预测值与实际值之间的误差平均值为2.85%,最大误差出现在24时处为5.65%。
使用本发明中的动态负荷预测法得到的负荷预测值与实际值之间的误差如图6所示,由图6可以看出,本发明中的动态负荷预测法所得负荷预测值与实际值之间的平均误差为1.13%,最大误差出现在24时处为3.77%。因此,本发明中的动态负荷预测法所得结果对比于传统动态负荷预测算法更加精确且更加稳定,从而证明了本发明的有益效果。
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。
显然,上述实施例仅仅是为清楚地说明所作的举例,并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (1)
1.一种无线动态负荷预测的地铁站台温湿度控制系统,其特征在于:包括温湿度监测模块、控制器、无线通信模块、系统控制模块和温控机组,
所述温湿度监测模块实时监测地铁站内部的温度数据和湿度数据并输入所述控制器,所述控制器通过所述无线通信模块将所述温度数据和湿度数据传送到所述系统控制模块,所述系统控制模块使用动态负荷预测法控制所述温控机组的运行功率,实现对地铁站台的温湿度控制;
所述系统控制模块包括上位机和终端控制电路,所述控制器和所述上位机连接,所述终端控制电路和所述温控机组连接,所述上位机获取所述温度数据和湿度数据并使用动态负荷预测法预测得到当前适合的负荷值,所述终端控制电路根据所述当前适合的负荷值控制所述温控机组的运行功率,实现对地铁站台的温湿度控制,所述终端控制电路使用PID控制所述温控机组的运行功率;
所述上位机获取所述温度数据和湿度数据并使用动态负荷预测法预测得到当前适合的负荷值,具体为:
步骤1:将所述温度数据转化为对应采样时刻的热负荷值,将所述湿度数据转化为对应采样时刻的湿负荷值,将所述热负荷值和湿负荷值中的最大值作为负荷值,将所述负荷值和对应的采集时刻组成数据组;
步骤2:对数据组进行补齐修正,将补齐修正后的数据组进行归一化处理作为训练集;
步骤3:建立基于平均粒距的改进粒子群算法,使用所述训练集训练所述基于平均粒距的改进粒子群算法得到最优解;
步骤4:将最优解输入支持向量机模型预测得到负荷预测值,将所述负荷预测值作为所述当前适合的负荷值;
所述对数据组进行补齐修正,具体为:
步骤2-1:若数据组中的元素缺失采集时刻,使用顺序编号的方法进行补齐;若数据组中的元素缺失负荷值,使用线性插值的方法进行补齐;
步骤2-2:使用水平处理与垂直处理对补齐后的数据组进行修正;
所述建立基于平均粒距的改进粒子群算法,使用所述训练集训练所述基于平均粒距的改进粒子群算法得到最优解,具体为:
步骤3-1:初始化粒子群,设定种族规模m和最大进化代数Tmax;
步骤3-2:计算每个粒子的适应度值其中i为所求粒子编号,yi为对应粒子编号为i的负荷值,/>为使用支持向量机模型预测的对应粒子编号为i的负荷预测值;计算种群的平均粒距D(t)和适应度方差σ2;
步骤3-3:判断是否满足D(t)<α且σ2<β,其中α、β为预设阈值;
若满足,则执行步骤3-1;若不满足则对粒子速度和位置进行更新,执行步骤3-4;
步骤3-4:重复步骤3-2和步骤3-3直到达到最大进化代数Tmax,将此时的解作为最优解;
所述平均粒距D(t)的计算方法为:
其中,L为搜索空间对角最大长度,n为数据组中采集的数据的数量,pid表示第i个粒子位置的第d维坐标值,表示所有粒子位置的第d维坐标值的均值;
所述适应度方差σ2的计算方法为:
其中,fi为第i个粒子当前的适应度值,为种群当前的平均适应度值,f’为归一化定标因子;
所述归一化定标因子f’的计算方法为:
所述将最优解输入支持向量机模型预测得到负荷预测值,具体为:
将最优解为C输入支持向量机模型建立模型计算公式:
使用拉格朗日方程将所述模型计算公式转化为对偶式:
其中,n为数据组中采集的数据的数量,yi为i时刻的负荷值,yj为j时刻的负荷值,0<j<i;f(y)为根据拉格朗日方程得到的回归方程,w为惯性权重系数,b为回归方程的位移量,f(yi)为由yi确定的f(y)值,ε为预设正常数,a’i、ai为拉格朗日乘子,T表示转置;φ(y)为非线性映射函数,φ(yi)为由yi确定的φ(y)值,φ(yj)为由yj确定的φ(y)值;
使用对偶式计算此时的f(y)值作为所述负荷预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211138026.3A CN115454178B (zh) | 2022-09-19 | 2022-09-19 | 无线动态负荷预测的地铁站台温湿度控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211138026.3A CN115454178B (zh) | 2022-09-19 | 2022-09-19 | 无线动态负荷预测的地铁站台温湿度控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115454178A CN115454178A (zh) | 2022-12-09 |
CN115454178B true CN115454178B (zh) | 2023-11-24 |
Family
ID=84305781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211138026.3A Active CN115454178B (zh) | 2022-09-19 | 2022-09-19 | 无线动态负荷预测的地铁站台温湿度控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115454178B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105115097A (zh) * | 2015-07-06 | 2015-12-02 | 沈阳工业大学 | 基于无线传感器网络变风量空调末端智能控制系统及方法 |
CN106338127A (zh) * | 2016-09-20 | 2017-01-18 | 珠海格力电器股份有限公司 | 用于地铁暖通空调系统的负荷预测和控制系统及其方法 |
CN208442986U (zh) * | 2018-06-05 | 2019-01-29 | 河北工业大学 | 应用于地铁环控系统的智能通风空调系统 |
CN109816144A (zh) * | 2018-12-18 | 2019-05-28 | 广东电网有限责任公司 | 分布式内存并行计算优化深度信念网络的短期负荷预测方法 |
CN109871977A (zh) * | 2018-12-25 | 2019-06-11 | 广东电网有限责任公司 | 基于离散小波变换和优化最小支持向量机的负荷预测方法 |
CN109975493A (zh) * | 2019-04-18 | 2019-07-05 | 上海工程技术大学 | 一种地铁站空气监测与空调控制装置 |
CN112611076A (zh) * | 2020-11-23 | 2021-04-06 | 国电南瑞科技股份有限公司 | 基于iscs的地铁车站通风空调节能控制系统和方法 |
CN113766008A (zh) * | 2021-08-06 | 2021-12-07 | 苏州浪潮智能科技有限公司 | mcs下动态调整存储容量的方法、系统、终端及存储介质 |
CN114135991A (zh) * | 2021-12-03 | 2022-03-04 | 中国海洋大学 | 一种用于地铁站公共区的温度预置控制和设备预警方法 |
CN216286360U (zh) * | 2021-12-22 | 2022-04-12 | 大连杰达重工机电设备有限公司 | 一种轨道交通环境节能控制设备 |
-
2022
- 2022-09-19 CN CN202211138026.3A patent/CN115454178B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105115097A (zh) * | 2015-07-06 | 2015-12-02 | 沈阳工业大学 | 基于无线传感器网络变风量空调末端智能控制系统及方法 |
CN106338127A (zh) * | 2016-09-20 | 2017-01-18 | 珠海格力电器股份有限公司 | 用于地铁暖通空调系统的负荷预测和控制系统及其方法 |
CN208442986U (zh) * | 2018-06-05 | 2019-01-29 | 河北工业大学 | 应用于地铁环控系统的智能通风空调系统 |
CN109816144A (zh) * | 2018-12-18 | 2019-05-28 | 广东电网有限责任公司 | 分布式内存并行计算优化深度信念网络的短期负荷预测方法 |
CN109871977A (zh) * | 2018-12-25 | 2019-06-11 | 广东电网有限责任公司 | 基于离散小波变换和优化最小支持向量机的负荷预测方法 |
CN109975493A (zh) * | 2019-04-18 | 2019-07-05 | 上海工程技术大学 | 一种地铁站空气监测与空调控制装置 |
CN112611076A (zh) * | 2020-11-23 | 2021-04-06 | 国电南瑞科技股份有限公司 | 基于iscs的地铁车站通风空调节能控制系统和方法 |
CN113766008A (zh) * | 2021-08-06 | 2021-12-07 | 苏州浪潮智能科技有限公司 | mcs下动态调整存储容量的方法、系统、终端及存储介质 |
CN114135991A (zh) * | 2021-12-03 | 2022-03-04 | 中国海洋大学 | 一种用于地铁站公共区的温度预置控制和设备预警方法 |
CN216286360U (zh) * | 2021-12-22 | 2022-04-12 | 大连杰达重工机电设备有限公司 | 一种轨道交通环境节能控制设备 |
Non-Patent Citations (1)
Title |
---|
基于TRNSYS 的地铁车站公共区冷负荷预测模型;马晓明等;《都市快轨交通》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115454178A (zh) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chandirasekaran et al. | Cat swarm algorithm in wireless sensor networks for optimized cluster head selection: a real time approach | |
CN100501608C (zh) | 后验控制与多传感器融合方法及中央空调节能控制装置 | |
CN109489212B (zh) | 一种空调智能睡眠控制方法、调整系统及设备 | |
CN106949598B (zh) | 网络流量负载变化时的网络中心机房节能优化方法 | |
CN204791125U (zh) | 电动汽车动力电池温度预测及散热装置 | |
CN109282412A (zh) | 一种新风自动调速系统及方法 | |
JP2016527471A (ja) | 気候コントローラ | |
CN112728727A (zh) | 一种基于边缘计算的室内环境舒适度的智能调节系统 | |
CN111720983B (zh) | 空调系统中空调控制的方法、装置及计算机存储介质 | |
CN108227759B (zh) | 一种基于神经网络预测技术的太阳能跟踪控制系统 | |
CN107401803A (zh) | 一种组合机器人的控制方法 | |
CN115454178B (zh) | 无线动态负荷预测的地铁站台温湿度控制系统 | |
CN112728728A (zh) | 一种空调节能策略实施方法、系统及可读存储介质 | |
CN109386941A (zh) | 一种空调系统、空调的环境温度检测方法及控制方法 | |
CN204851735U (zh) | 一种电风扇控制系统 | |
CN106196478A (zh) | 一种基于短程温度采集点的节能电梯轿厢空调系统 | |
CN116225102B (zh) | 一种移动式的储能通信温升自动监控系统及装置 | |
CN212108781U (zh) | 分布式室内环境净化装置 | |
CN205279345U (zh) | 智能空调 | |
CN107044711A (zh) | 空调的控制方法及装置 | |
CN107965887A (zh) | 一种基于计算机的室内温度控制方法 | |
CN110017573A (zh) | 一种自动化暖通系统 | |
CN115096033A (zh) | 基于体温变化的制冷策略生成方法、系统、终端及介质 | |
CN106679123A (zh) | 适用于空调的监控系统 | |
CN109919380B (zh) | 基于指数平均ud-wcma太阳能收集功率的改进预测方法 |
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 |