CN115879815A - 城市轨道交通站点的能耗评估方法、系统、设备及终端 - Google Patents
城市轨道交通站点的能耗评估方法、系统、设备及终端 Download PDFInfo
- Publication number
- CN115879815A CN115879815A CN202211682551.1A CN202211682551A CN115879815A CN 115879815 A CN115879815 A CN 115879815A CN 202211682551 A CN202211682551 A CN 202211682551A CN 115879815 A CN115879815 A CN 115879815A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- station
- evaluation
- rail transit
- urban rail
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于城市轨道交通工程技术领域,公开了城市轨道交通站点的能耗评估方法、系统、设备及终端,针对城市轨道线路上每一站点,构建其能耗模型标准;确定站点能耗评估指标与评估变量;利用熵权法确定待评估站点模型的各能耗指标的权重;基于待评估站点的能耗模型标准,利用交通能耗评估指标值及对应权重计算得到站点的综合能耗评分,实现车站综合能耗的评估。本发明从照明、用水、动力以及其他能耗等多方面进行站点的能耗评估,能够准确、客观、综合、全面的评估城市轨道交通站点的能耗。
Description
技术领域
本发明属于城市轨道交通工程技术领域,尤其涉及一种城市轨道交通站点的能耗评估方法、系统、设备及终端。
背景技术
目前,当前国内城市轨道交通能源管理,只有较为粗放的《城市轨道交通用电综合评定指标》作为参考依据,该标准是以线路为基本单位,以年为周期,按照较为广阔的严寒、夏热冬冷、夏热冬暖等区别度较粗的方式进行用电量综合指标的评定,其评定区间较大,偏于定性,而不是定量。
城市轨道交通系统中,地铁站点内的机、电系统包括轨道牵引、通风空调、照明、电梯等子系统,机电系统是地铁站点内的能耗大户。在满足地铁车站功能需求的前提下,降低机电系统能耗,提高效率,是城市轨道交通节能、降耗、减排工作中的重点。为了达到地铁站点节能的目的,提高车站运行效率和水平,需要对站点的能耗进行科学的统计和分析。
城市轨道交通能耗评价是确定线路能耗水平的基本工具,节能必须以定量和精细化的管理为基础,然而,长期以来,城市轨道交通在能耗优化管理方面无法精准发力,目前地铁的机电系统的能源管理比较粗放,站点内只要少量的电表记录单个设备的耗电水平,不能做到对所有设备的电耗进行分项计量,同时缺乏能够清晰反映站点能耗水平的指标体系,对实际线路的用能水平无法合理评判,进而无法精确优化线路的用能规划,且无法对站点后续的节能降耗提供参考依据。例如,对于城市轨道交通系统中的耗电大户--通风空调系统,它的能耗可以占到整个站点能耗的30%,因此降低通风空调能耗是轨道交通节能减排的重点对象。地铁站通风空调工作环境在随时变化,比如实时温湿度、风速、人流量等等,然而通风系统运行策略简单,并没有结合当前环境对空调系统进行精细化的控制,大部分的风机、水泵多运行在定频的模式下,也没有实现对各子系统的运行情况进行协调。
通过上述分析,现有技术存在的问题及缺陷为:现有技术缺乏能够准确、全面、客观、综合的对城市轨道交通站点能耗进行评估的方法,评价指标单一,无法有效的指导轨道站点的节能减排方案和策略。
发明内容
针对现有技术存在的问题,本发明提供了一种城市轨道交通站点的能耗评估方法、系统、设备及终端。
本发明是这样实现的,一种城市轨道交通站点的能耗评估方法,所述城市轨道交通站点的能耗评估方法包括:
针对城市轨道线路上每一站点,构建其能耗模型标准;确定站点能耗评估指标与评估变量;利用熵权法确定待评估站点模型的各能耗指标的权重;基于待评估站点的能耗模型标准,利用站点能耗评估指标值及对应权重计算得到站点的综合能耗评分,实现车站综合能耗的评估。
进一步,所述能耗模型包括:通风系统能耗模型、动力照明系统能耗模型、电扶梯系统能耗模型以及其它能耗模型;
所述站点能耗评估指标包括:通风空调系统能耗、电梯系统能耗、照明系统能耗、给排水系统能耗、屏蔽门能耗、信号能耗、通信能耗、其他专业系统能耗以及广告、商业用电能耗;
所述站点能耗评估变量包括单位客运量以及单位运营里程;所述外部环境包括气候条件与气象数据;所述站点环境包括线路曲折程度、线路高低差以及站点特征。
进一步,所述城市轨道交通站点的能耗评估方法包括以下步骤:
针对城市轨道交通线路上的站点,构建模型标准;并确定9个城市轨道交通站点能耗评估指标以及3个评估变量;
针对站点室内温度体感指数、光照强度、电梯舒适度,引入乘客满意程度,结合每日各个设备的能耗评估指标数据以及评估变量数据,形成日评估指标数据库,从数据库中取出乘客满意程度较高的日评价指标数据,对确定的各评估指标数据进行标准化处理,并对标准化后的数据进行归一化处理;
计算得到的各评估指标的信息熵,并基于信息熵利用熵权法确定各评估指标的权重;
基于形成的模型标准,根据每日的能耗评估指标值以及权重,计算站点的综合能耗评分。
进一步,所述构建模型标准包括:
构建综合用能的设备模型数据库,为每个设备模型确定标准化的输入和输出;针对待评估站点,确定站点中的所有用能设备,利用设备模型数据库中的基本模型构建站点中用能设备的基础神经网络模型;利用本站点的历史数据对每个设备的基础神经网络模型进行二次训练,得到待评估站点的所有能耗设备的模型标准。
进一步,所述对确定的各评估指标数据进行标准化处理的计算公式为:
其中,max(e:,j)和min(e:,j)表示第j个能耗分项指标在所有统计的日(或月)耗电的最大和最小值;ei,j表示第i日(或月),第j项的能耗值;
对标准化处理的参数tij归一化处理的计算公式为:
其中m表示统计能耗的总日(或月)数量。
进一步,所述各评估指标的信息熵的计算公式为:
各评估指标的权重的计算公式为;
进一步,所述站点的综合能耗评分的计算公式如下:
本发明的另一目的在于提供一种实施所述城市轨道交通站点的能耗评估方法的城市轨道交通站点的能耗评估系统,所述城市轨道交通站点的能耗评估系统包括:
标准站点模型构建模块,用于针对城市轨道线路上每一站点,构建其能耗模型标准;
评估指标确定模块,用于确定9个城市轨道交通站点能耗评估指标以及3个评估变量;
数据预处理模块,用于对确定的各评估指标数据进行标准化处理,并对标准化后的数据进行归一化处理;
权重计算模块,用于确定各评估指标的信息熵,并基于各评估指标的信息熵利用熵权法确定待评估站点模型的各评估指标的权重;
综合能耗评估模块,用于基于待评估站点的能耗模型标准,利用确定的各评估指标的权重计算站点的综合能耗评分。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行所述城市轨道交通站点的能耗评估方法的步骤。
本发明的另一目的在于提供一种信息数据处理终端,所述信息数据处理终端用于执行所述城市轨道交通站点的能耗评估方法。
结合上述的技术方案和解决的技术问题,本发明所要保护的技术方案所具备的优点及积极效果为:
本发明首先构建了包含站点所有能耗设备的模型数据库,数据库中的模型已经经过初次训练学习,可以作为站点中对应设备的基础模型,然后利用站点的历史数据进行二次训练,使模型更为准确描述设备的能耗行为,由于历史数据的不断更新,模型也随之更新,能刻画出设备的老化过程;另外针对每日各个设备的能耗评估指标实时数据以及评估变量实时数据水平,引入乘客的候车时的舒适程度,包括室内温度体感指数、光照强度、电梯舒适度等,形成日评估指标数据库,数据库中乘客满意程度较高的日评价指标数据可以作为标准能耗数据利用熵权法计算各项能耗的权重。
本发明从照明、用水、动力以及其他能耗等多方面进行站点的能耗评估,由于评价体系引入了温度,站点地理信息等评估变量,因此评估体系是不是静态、一成不变的,而是因站点而异的,即使针对同一个站点,受实时天气,人流量等因素的影响,其评估体系也是一个动态的过程,能够更准确、客观、综合、全面的评估城市轨道交通站点的能耗水平。
本发明的技术方案转化后的预期收益和商业价值为:采用本发明的评价体系,可以在站点的建设时的设备选型提供参考;同时在站点的运行期间,可以指导运行部门在满足正常运行的情况下,制定在乘客有较高的舒适度前提下,维持较低能耗的运行策略,有效的节能减排。
附图说明
图1是本发明实施例提供的城市轨道交通站点的能耗评估方法流程图;
图2是本发明实施例提供的城市轨道交通站点的能耗评估指标示意图;
图3是本发明实施例提供的城市轨道交通站点的能耗评估指标权重计算流程图;
图4是本发明实施例提供的武汉某地铁站点设备部署架构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了使本领域技术人员充分了解本发明如何具体实现,该部分是对权利要求技术方案进行展开说明的解释说明实施例。
本发明实施例提供了一种城市轨道交通站点的能耗评估方法包括:建立标准站点模型;将能耗评价变量(客流量,面积)纳入熵权法的评价指标,对其它不能直接计算的变量进行量化后纳入评价指标;熵权法计算标准站点各个能耗指标的权重;计算被评估站点的车站单位综合能耗评分;由此评分直接评估车站的综合能耗水平。
如图1所示,本发明实施例提供的城市轨道交通站点的能耗评估方法包括以下步骤:
S101,针对城市轨道交通线路上的站点,构建模型标准;并确定9个城市轨道交通站点能耗评估指标以及3个评估变量;
S102,针对站点室内温度体感指数、光照强度、电梯舒适度,引入乘客满意程度,结合每日各个设备的能耗评估指标实时数据以及评估变量实时数据,形成日评估指标数据库,从数据库中取出乘客满意程度较高的日评价指标数据,对确定的各评估指标数据进行标准化处理,并对标准化后的数据进行归一化处理;
S103,计算得到的各评估指标的信息熵,并基于信息熵利用熵权法确定各评估指标的权重;
S104,基于形成的模型标准,根据每日的能耗评估指标值以及权重,计算站点的综合能耗评分。
本发明实施例提供的城市轨道交通站点的能耗评估系统包括:
标准站点模型构建模块,用于针对城市轨道线路上每一站点,构建其能耗模型标准;
评估指标确定模块,用于确定9个城市轨道交通站点能耗评估指标以及3个评估变量;
数据预处理模块,用于对确定的各评估指标数据进行标准化处理,并对标准化后的数据进行归一化处理;
权重计算模块,用于确定各评估指标的信息熵,并基于各评估指标的信息熵利用熵权法确定待评估站点模型的各评估指标的权重;
综合能耗评估模块,用于基于待评估站点的能耗模型标准,利用确定的各评估指标的权重计算站点的综合能耗评分。
本发明实施例提供的标准站点模型包括:通风系统能耗模型;动力照明系统能耗模型;电扶梯系统能耗模型;其它能耗模型。
本发明实施例提供的建模方法包括:
考虑城市轨道交通车站中用到的设备众多,具体到每个实际的车站,为了方便组建整个用电系统同时减少训练的时间,建立综合用能的设备数据库,数据库涵盖车站用能系统使用到的所有设备类型,如通风系统、动力照明系统、电扶梯系统、以及其它各种冷热电负荷等。数据库中的设备均通过基本的仿真模型数据进行了初次训练,得到每一类设备的基础神经网络模型,同时为了后续的组网,对每一类设备模型制定标准化的输入和输出。
由于同类型设备设备之间也有差异,针对某一实际综合用能网络组网前,数据库中的设备模型提供二次训练的接口,利用车站中相关设备的历史数据对数据库中相应的模型进行迁移学习,实现二次训练,使得模型更好的拟合实际设备。
本发明实施例提供的城市轨道交通站点的综合能耗计算具体包括:
1、确定城市轨道交通的能耗指标:
如图2所示,本发明实施例确定的城市轨道交通能耗指标包括:牵引电耗、动力电耗、照明电耗、综合水耗以及其他能耗共5大类;其中动力电耗为动力设备能耗,包括通风空调系统、电(扶)梯系统、给排水系统、屏蔽门、信号、通讯、其他专业系统。照明电耗为照明设备能耗,包括车站照明以及广告、商业照明;综合水耗为用水能耗,包括生产用水与非生产用水;其他能耗为轨道交通的其他能耗,包括燃气、热力、燃煤、燃油以及其他。
本发明实施例确定的城市轨道交通能耗变量包括:城市轨道交通运营、外部环境以及站点环境3大类;其中城市轨道交通运营包括用于线路评价周期运营客流量的单位客运量以及用于线路评价周期运营里程的单位运营里程,外部环境包括气候条件与气象数据;气候条件表征线路所在区域气候条件,气象数据表征单位评价周期内气象数据;站点环境包括线路曲折程度、线路高低差以及站点特征;线路曲折程度表征轨道交通新路弯曲、角度影响因素;线路高低差表征轨道交通路上坡、下坡影响因素;站点特征表征站点为高架站、地下站影响因素。
3、筛选城市轨道交通能耗指标包括:通风、空调系统、电(扶)梯系统、照明系统、给排水系统、屏蔽门、信号、通信、其他专业系统、广告、商业用电共9项。
4、利用熵权法确定城市轨道交通能耗指标权重包括:
4.1信息熵公式:
从信息熵的公式中可以看出:
(1)如果某个指标的熵值越小,说明其指标值的变异程度越大,提供的信息量就越多,在综合评价中该指标起的作用越大,其权重应该越大;
(2)如果某个指标的熵值越大,说明其指标值的变异程度越小,提供的信息量就越小,在综合评价中该指标起的作用越小,其权重应该越小;
具体应用时:
可以根据各个指标的变异程度,利用熵来计算各指标的熵权,利用各指标的熵权对所有的指标进行加权,从而得出较为客观的评价结果。
4.2信息熵确定指标权重:
本发明实施例提供的城市轨道交通站点的能耗指标权重确定方法包括:确定9个能耗指标E1……E9,分别对应表中的相应的能耗分项;采用熵权法确定每一分项在综合能耗中的权重。
本发明实施例提供的能耗指标权重如表1所示,
表1城市交通能耗指标权重
表1中ei,j表示的是第i日(或月),第j项的能耗值;不同月份或者季度的能耗不尽相同,把一年的数据按照典型的月或者季度分开进行计算;表中的数值可以取某一典型月(或季度)的日(或月)能耗值,计算在某月(或季度)每一分项权重。
5、城市轨道交通站点的综合能耗计算(如图3所示):
5.1.在计算综合能耗时,列出的能耗分项为9,取k=9。首先各指标的数值进行标准化后
其中max(e:,j)和min(e:,j)为第j个能耗分项指标在所有统计的日(月)耗电的最大和最小值。
5.2.然后对标准化的参数tij进行归一化处理
5.3.求各指标的信息熵,根据信息熵的定义,一组数据的信息熵计算如下
5.4.计算出各个指标的信息熵后,可以通过信息熵计算各个指标的权重:
5.5.综合能耗可以以下式计算:
为了证明本发明的技术方案的创造性和技术价值,该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
本发明将城市轨道交通站点的能耗评估方法应用于计算机设备,计算机设备包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行城市轨道交通站点的能耗评估方法。
本发明将城市轨道交通站点的能耗评估方法应用于计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行城市轨道交通站点的能耗评估方法。
本发明将城市轨道交通站点的能耗评估方法应用于信息数据处理终端。
本发明实施例在研发或者使用过程中取得了一些积极效果,和现有技术相比的确具备很大的优势,下面内容结合试验过程的数据、图表等进行描述。
采用《城市轨道交通用电综合评定指标》进行能耗评价,是以年为周期,仅仅针对严寒及寒冷地区、夏热冬冷地区、夏热冬暖地区等三个地区,对能耗水平按照五个等级进行评价,显然采用这种方法得到的评价结果很粗劣,对轨道交通站点节能减排的指导意义不大。
本发明实施以大数据监控为基础,在站点的各个用能设备上加装传感设备,同时对实时客流量,环境温度等参数进行监测,另外需要收集乘客对乘坐轨道交通工具时的舒适度进行问卷调查。
如图4所示,以武汉某地铁站点为例。
图中,站点中部署了大量的传感器对设备运行状态信息,站点内外环境信息,客流信息等进行实时采集,并通过站内的网络将采集的信息送到站内的前置机,然后通过5G的网络将数据传输到地铁综合能耗平台。
监控的能耗数据包括:
(1)环控能耗数据部分监测
人流数据:主要分为站厅人流数据监测和站台人流数据监测两部分;
站外环控数据:对地铁站外界的温湿度、风速及风向等数据的监测;
站内环控数据:站厅环温数据监测和站台环温数据监测两部分。
(2)动力能耗数据部分监测
动力能耗数据主要针对高压配电室、低压开关柜室、跟随低压开关柜室三个区域内的电源开关进行监测;
(3)照明及小动力能耗数据部分监测;
针对照明动力室区域内的电源开关进行监测。
(4)中央空调能耗数据部分监测
空调主机运行状态监测:系统将分别通过空调主机通讯卡读取空调开启状态、停止状态、实时功率、冷冻水水温,冷却水水温等参数;
水泵运行状态监测:监测系统将通过通讯管理机读取变频器运行参数,监测6台水泵的运行功率和运行频率;
冷却塔运行状态监测:监测系统将通过通讯管理机读取变频器运行参数,监测两台冷却塔的风机运行功率和运行频率;
水循环系统监测:包括水循环管路水温监测、水循环系统管路压力与流量监测、水循环系统管路阀门状态监测;
风循环系统监测:包括送风系统监测、回风系统监测。
(5)供水系统数据监测
在主引入管道上增设两台智能水表,监测系统通过通讯管理机监测站内用水情况。
在地铁综合能耗云平台上对接收到的数据进行处理,针对站点室内温度体感指数、光照强度、电梯舒适度等乘客满意程度,结合每日各个设备的能耗评估指标实时数据以及评估变量实时数据,形成日评估指标数据库。
构建综合用能的设备模型数据库,确定站内各个设备的基本模型,然后利用本站点的历史数据对每个设备的基础神经网络模型进行二次训练,得到本站点的所有能耗设备的模型标准。
从数据库中取出乘客满意程度较高的日评价指标数据,对确定的各评估指标数据进行标准化处理,并对标准化后的数据进行归一化处理;得到的各评估指标的信息熵,并基于各评估指标的信息熵利用熵权法确定各评估指标的权重。
经过以上步骤得到本站点能耗评价的模型。
在系统运行期间,循环执行以下步骤:
(1)对每日的能耗评估指标值以及权重,计算该站点的综合能耗评分;
(2)在指定的间隔周期后,利用更新的历史数据对各个设备的基础神经网络模型重新训练,更新本站点的所有能耗设备的模型标准,并利用熵权法重新确定各评估指标的权重。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明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发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种城市轨道交通站点的能耗评估方法,其特征在于,包括:
针对城市轨道线路上每一站点,构建其能耗模型标准;确定站点能耗评估指标与评估变量;利用熵权法确定待评估站点模型的各能耗指标的权重;基于待评估站点的能耗模型标准,利用交通能耗评估指标值及对应权重计算得到站点的综合能耗评分,实现车站综合能耗的评估。
2.如权利要求1所述城市轨道交通站点的能耗评估方法,其特征在于,所述能耗模型包括:通风系统能耗模型、动力照明系统能耗模型、电扶梯系统能耗模型以及其它能耗模型;
所述站点能耗评估指标包括:通风空调系统能耗、电梯系统能耗、照明系统能耗、给排水系统能耗、屏蔽门能耗、信号能耗、通信能耗、其他专业系统能耗以及广告、商业用电能耗;
所述站点能耗评估变量包括单位客运量以及单位运营里程;所述外部环境包括气候条件与气象数据;所述站点环境包括线路曲折程度、线路高低差以及站点特征。
3.如权利要求1所述城市轨道交通站点的能耗评估方法,其特征在于,所述城市轨道交通站点的能耗评估方法包括:
针对城市轨道交通线路上的站点,构建模型标准;并确定9个城市轨道交通站点能耗评估指标以及3个评估变量;
针对站点室内温度体感指数、光照强度、电梯舒适度,引入乘客满意程度,结合每日各个设备的能耗评估指标实时数据以及评估变量实时数据,形成日评估指标数据库,从数据库中取出乘客满意程度较高的日评价指标数据,对确定的各评估指标数据进行标准化处理,并对标准化后的数据进行归一化处理;
计算得到的各评估指标的信息熵,并基于信息熵利用熵权法确定各评估指标的权重;
基于形成的模型标准,根据每日的能耗评估指标值以及权重,计算站点的综合能耗评分。
4.如权利要求3所述城市轨道交通站点的能耗评估方法,其特征在于,所述构建模型标准包括:
构建综合用能的设备模型数据库,为每个设备模型确定标准化的输入和输出;针对待评估站点,确定站点中的所有用能设备,利用设备模型数据库中的基本模型构建站点中用能设备的基础神经网络模型;利用本站点的历史数据对每个设备的基础神经网络模型进行二次训练,得到待评估站点的所有能耗设备的模型标准。
8.一种实施如权利要求1-7任意一项所述城市轨道交通站点的能耗评估方法的城市轨道交通站点的能耗评估系统,其特征在于,所述城市轨道交通站点的能耗评估系统包括:
标准站点模型构建模块,用于针对城市轨道线路上每一站点,构建其能耗模型标准;
评估指标确定模块,用于确定9个城市轨道交通站点能耗评估指标以及3个评估变量;
数据预处理模块,用于对确定的各评估指标数据进行标准化处理,并对标准化后的数据进行归一化处理;
权重计算模块,用于确定各评估指标的信息熵,并基于各评估指标的信息熵利用熵权法确定待评估站点模型的各评估指标的权重;
综合能耗评估模块,用于基于待评估站点的能耗模型标准,利用确定的各评估指标的权重计算站点的综合能耗评分。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1-7任意一项所述城市轨道交通站点的能耗评估方法的步骤。
10.一种信息数据处理终端,其特征在于,所述信息数据处理终端用于执行如权利要求1-7任意一项所述城市轨道交通站点的能耗评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211682551.1A CN115879815A (zh) | 2022-12-26 | 2022-12-26 | 城市轨道交通站点的能耗评估方法、系统、设备及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211682551.1A CN115879815A (zh) | 2022-12-26 | 2022-12-26 | 城市轨道交通站点的能耗评估方法、系统、设备及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115879815A true CN115879815A (zh) | 2023-03-31 |
Family
ID=85754689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211682551.1A Pending CN115879815A (zh) | 2022-12-26 | 2022-12-26 | 城市轨道交通站点的能耗评估方法、系统、设备及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115879815A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117239935A (zh) * | 2023-11-10 | 2023-12-15 | 天津津轨汇海科技发展有限公司 | 一种用于轨道交通的综合能源管理分配系统及管理方法 |
-
2022
- 2022-12-26 CN CN202211682551.1A patent/CN115879815A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117239935A (zh) * | 2023-11-10 | 2023-12-15 | 天津津轨汇海科技发展有限公司 | 一种用于轨道交通的综合能源管理分配系统及管理方法 |
CN117239935B (zh) * | 2023-11-10 | 2024-01-30 | 天津津轨汇海科技发展有限公司 | 一种用于轨道交通的综合能源管理分配系统及管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107239874B (zh) | 一种面向轨道交通的电能质量及节能分析系统 | |
Jing et al. | A study on energy performance of 30 commercial office buildings in Hong Kong | |
Zhang et al. | Predictive model of cooling load for ice storage air-conditioning system by using GBDT | |
CN107860102B (zh) | 一种控制中央空调的方法及装置 | |
CN106779129A (zh) | 一种考虑气象因素的短期电力负荷预测方法 | |
Wang et al. | Monitoring and autonomous control of Beijing Subway HVAC system for energy sustainability | |
CN112346351B (zh) | 一种基于bim的物联网设备一体化智能集控系统 | |
CN115796393B (zh) | 基于多能互动的能源网管理优化方法、系统及存储介质 | |
CN114239972A (zh) | 基于人工智能技术的校园能效与电气安全管理方法和系统 | |
Song et al. | An indoor temperature prediction framework based on hierarchical attention gated recurrent unit model for energy efficient buildings | |
Lei et al. | Prediction method of energy consumption for high building based on LMBP neural network | |
CN115879815A (zh) | 城市轨道交通站点的能耗评估方法、系统、设备及终端 | |
CN111723085B (zh) | 公共建筑空调用电能耗数据清洗方法及系统 | |
CN111638692A (zh) | 智慧园区管理系统 | |
CN116205425A (zh) | 一种基于典型数据库的低碳园区冷热电气负荷预测方法 | |
Xie et al. | Development of a group control strategy based on multi-step load forecasting and its application in hybrid ground source heat pump | |
El-Azab et al. | Seasonal electric vehicle forecasting model based on machine learning and deep learning techniques | |
Zhang et al. | Ensemble learning-based approach for residential building heating energy prediction and optimization | |
Runge et al. | Deep learning forecasting for electric demand applications of cooling systems in buildings | |
Peng et al. | Investigation on spatial distributions and occupant schedules of typical residential districts in South China's Pearl River Delta | |
Su et al. | Operating optimization of air-conditioning water system in a subway station using data mining and dynamic system models | |
KR20210143645A (ko) | 딥러닝 기반 빌딩 에너지 관리방법 및 장치 | |
Wang et al. | A procedure set to construct the optimal energy saving retrofit strategy for old residential buildings in China | |
CN111144628A (zh) | 一种分布式供能的冷热电负荷预测模型系统及方法 | |
CN112781184A (zh) | 一种空调系统智能降耗方法和系统 |
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 |