地铁地下车站空调系统负荷预测方法及空调系统技术方案

本发明专利技术专利涉及空调负荷的预测，具体涉及一种地铁地下车站空调系统负荷预测方法，包括以下操作步骤：1)对地铁地下车站的环境参数进行选择并输入，对环境参数进行方差分析，利用正交试验法和方差分析法选取对空调系统能耗有影响的参数；2)根据输入的环境参数建立环境参数与空调系统能耗映射关系；3)设置神经网络结构参数与运行参数，构建神经网络；4)改变环境参数，使用神经网络对负荷进行预测，得到预测结果；5)采用回归平方和与总离差平方和的比值、均方根误差变异系数对所述预测结果进行评价。采用本地铁地下车站空调系统负荷预测方法，使得冷量和风量按站内公共区域负荷需求供应，以实现车站空调系统较大幅度节能。

Load forecasting method and air conditioning system of underground subway station

【技术实现步骤摘要】
地铁地下车站空调系统负荷预测方法及空调系统
本专利技术专利涉及空调负荷的预测，具体涉及地铁地下车站空调系统负荷预测方法及空调系统。
技术介绍
随着城市轨道交通的不断发展，地铁车站数量也不断增多。截止2017年末，城轨交通投运车站3234座，比上年增长21.1％。在城市轨道交通系统车站建筑中，通风空调设备的能耗占到65.71％，是轨道交通中最主要的用电大户。可见，降低通风空调系统能耗对城市轨道交通系统车站建筑节能起着至关重要的作用。地铁地下车站公共区域通风空调系统能耗随客流、列车运行间隔、季节变化，呈现较为明显的峰谷差异，而现有的通风空调系统控制思想多是采用反馈调节对系统风量、水量进行调节。由于水系统自身固有的延迟特性，导致空调系统不能即时、快速地对各部分环境的负荷做出反应，造成了制冷机组为车站公共区域提供的冷量与实际所需冷量不匹配的现象。因此，如何较为准确地预测出下一时刻的地下车站的空调冷负荷，根据预期冷负荷对通风空调系统进行提前控制成为了轨道交通车站通风空调系统节能研究的重点。目前工程应用中典型的负荷预测方法有指数平滑、灰色预测、线性回归和神经网络。指数平滑法是时间序列预测技术的一种，根据预测对象本身的历史数据进行预测。线性回归法是基于回归分析的一种解释性模型。灰色预测理论是对随机序列实施累加以弱化其随机性从而发现负荷发展的现实规律。指数平滑法建立的空调负荷预测模型结构简单，预测代价较小，系统移植性较好，但不能有效利用与建筑物负荷有密切关系的相关因素的资料，较难进一步提升预测精度。灰色预测法在建模之前对原始数据的处理工作难度较大，预测精度受原始数据处理结果的影响。由于多数影响因素与空调负荷之间是非线性关系，故多元线性回归在空调预测中不可取。神经网络法的预测精度最高，但不适用于较新的、原始数据缺乏的空调系统。目前国内外运用人工神经网络等智能控制方法对空调系统进行热控制的研究多集中于办公建筑。对某大学行政楼、某图书馆进行负荷预测。但办公建筑上下班时间不变，室内热源发热状况基本不变，其空调负荷变化有较强的规律性。但是对地铁地下车站的负荷预测多是基于大数据相关理论，人工神经网络方法用于地铁地下车站空调负荷预测的研究较少，且地下车站公共区域通风空调负荷受客流、列车运行间隔、季节变化的影响变化较大，采用传统负荷预测方法难以实现对其的准确预测。现有的地铁车站的空调系统控制策略是基于反馈控制的思想，根据室内温度或湿度等单个影响因素对空调系统中的组合式空调机组、回/排风机中的送回风量进行调节，降低风机能耗以达到节能目的。车站公共区域所需风量、冷量由站内冷负荷决定，冷负荷是室外温湿度、客流、设备功耗等多种影响因素作用下的耦合输出，根据单一因素对空调系统进行调节，存在调控不准确问题。此外，反馈控制具有滞后性，目前的控制方法未能很好地解决地铁空调通风系统的容积滞后现象。
技术实现思路
本专利技术的主要目的在于针对地铁地下车站，提供一种预测更为准确的、更加适合用于地铁地下车站的空调系统负荷预测方法及空调系统。为了实现上述目的，本申请采用了一种地铁地下车站空调系统负荷预测方法，包括以下操作步骤：1)对地铁地下车站的环境参数进行选择并输入，其中，对环境参数进行方差分析，利用正交试验法和方差分析法选取对空调系统能耗有影响的参数；选取的参数应为对空调系统能耗产生显著影响的参数；2)根据输入的环境参数建立环境参数与空调系统能耗映射关系；3)设置神经网络结构参数与运行参数，构建神经网络；所述神经网络为前馈神经网络中的误差反向传播的多层前馈网络；反馈神经网络在实际的神经网络实现中,总会存在信息的传输延迟,这些延迟对神经网络的特性有影响，而本多层前馈网络具有极强的非线性映射能力，并且相较于反馈网络占用更少的运算资源；4)改变环境参数，使用神经网络对负荷进行预测，得到预测结果；5)对所述预测结果进行评价；其中，评价时采用回归平方和与总离差平方和的比值、均方根误差变异系数对预测结果进行评价。地铁地下车站相比于其他公共场所，负荷受环境影响因素影响波动较大，本方法对环境参数进行分析时采用了正交试验法和方差分析法，对于正交试验结果分析常用极差分析法或方差分析法，极差分析法计算量较小、简单易懂，但不能区分同一因素下各水平所对应的试验结果的差异是水平改变引起还是试验误差引起。方差分析法能把因素水平的变化所引起的试验结果间的差异与误差的波动所引起的试验结果间的差异区分开，并能给出可靠的数量估计。采用本地铁地下车站空调系统负荷预测方法，采用了数值分析方法对输入参数进行筛选，通过神经网络的运用，可以对多种环境因素影响下的地铁车站公共区域冷负荷做出预测，并据此调节空调风、水系统，使得冷量和风量按站内公共区域负荷需求供应，以实现车站空调系统较大幅度节能。进一步的的是，建立环境参数与空调系统能耗映射关系包括以下步骤：1)根据地铁地下车站空调系统能耗数据，确定地铁地下车站空调负荷计算方法；2)根据空调系统能耗和空调负荷对应数据，确定影响空调负荷的环境参数；3)利用正交试验法和方差分析法选取对空调系统能耗有影响的参数。进一步的的是，建立环境参数与空调系统能耗映射关系时，根据轨道地下车站能耗建立能耗与环境参数映射模型；其中，所述地铁地下车站能耗包括：空调系统冷源、动力输配、末端设备能耗。进一步的的是，所述环境参数包括：客流变化、设备灯光功率大小、室外干球温度、室外相对湿度和太阳辐射量。进一步的的是，对环境参数进行方差分析包括以下步骤：1)根据正交试验法设计实验方案；即利用分式析因设计的思想，采用正交试验法，根据正交性从全面试验中挑选出部分有代表性的点进行试验；2)提出原假设；即根据试验结果，提出原假设：H0-无差异；H1-有显著差异；提出检验假设又称无效假设，符号是H0；备择假设的符号是H1；3)选择检验统计量；即选择整体试验数据选择检验统计量：方差分析一般采用的检验统计量是F统计量，即F值检验；4)计算检验统计量的观测值和概率P值；5)给定显著性水平并作出决策；根据P值大小给定显著性水平，并作出决策。进一步的的是，在对环境参数进行方差分析之前，进行极差分析；对比极差分析结果与方差分析结果。差分析不能区分同一因素下各水平所对应的试验结果的差异是水平改变引起还是试验误差引起的，极差分析结果可作为方差分析结果的参考，使分析结果更具客观性。进一步的的是，构建神经网络时，通过显著性系数的大小确定对空调系统能耗影响大小的标度，即通过即P值系数的大小确定对空调系统能耗影响大小的标度。进一步的的是，设置神经网络结构参数及运行参数包括以下步骤：1)设定神经网络中的训练数据；即在大量试验数据中，选择适宜用于神经网络训练的样本数据；2)对训练数据进行筛选和归一化处理；数据筛选指对数据进行预处理，剔除异常数据；归一化处理指将数据映射到0～1范围之内；这样对样本数据进行筛选，以插值代替除去的错值、坏值，并对整体数据进行归一化处理；3)设置神经网络隐含层节点数；根据已有经验公式，确定隐含层神经元个数范围，在范围内根据二分法试凑选择训练误差最小时的隐含层节点数为神经网络隐含层节点数；即以经验公式初步确定神经网络隐含层节点数范围，多次选取不同隐含层节点数对神经网络进行训练，确定适宜的隐含层节点数；4本文档来自技高网...

【技术保护点】
1.地铁地下车站空调系统负荷预测方法，其特征在于，包括以下操作步骤：1)对地铁地下车站的环境参数进行选择并输入，其中，对环境参数进行方差分析，利用正交试验法和方差分析法选取对空调系统能耗有影响的参数；2)根据输入的环境参数建立环境参数与空调系统能耗映射关系；3)设置神经网络结构参数与运行参数，构建神经网络；所述神经网络为前馈神经网络中的误差反向传播的多层前馈网络；4)改变环境参数，使用神经网络对负荷进行预测，得到预测结果；5)对所述预测结果进行评价；其中，评价时采用回归平方和与总离差平方和的比值、均方根误差变异系数对预测结果进行评价。

【技术特征摘要】
1.地铁地下车站空调系统负荷预测方法，其特征在于，包括以下操作步骤：1)对地铁地下车站的环境参数进行选择并输入，其中，对环境参数进行方差分析，利用正交试验法和方差分析法选取对空调系统能耗有影响的参数；2)根据输入的环境参数建立环境参数与空调系统能耗映射关系；3)设置神经网络结构参数与运行参数，构建神经网络；所述神经网络为前馈神经网络中的误差反向传播的多层前馈网络；4)改变环境参数，使用神经网络对负荷进行预测，得到预测结果；5)对所述预测结果进行评价；其中，评价时采用回归平方和与总离差平方和的比值、均方根误差变异系数对预测结果进行评价。2.如权利要求1所述的地铁地下车站空调系统负荷预测方法，其特征在于，建立环境参数与空调系统能耗映射关系包括以下步骤：1)根据地铁地下车站空调系统能耗数据，确定地铁地下车站空调负荷计算方法；2)根据空调系统能耗和空调负荷对应数据，确定影响空调负荷的环境参数；3)利用正交试验法和方差分析法选取对空调系统能耗有影响的参数。3.如权利要求1所述的地铁地下车站空调系统负荷预测方法，其特征在于，建立环境参数与空调系统能耗映射关系时，根据轨道地下车站能耗建立能耗与环境参数映射模型；其中，所述地铁地下车站能耗包括：空调系统冷源、动力输配、末端设备能耗。4.如权利要求3所述的地铁地下车站空调系统负荷预测方法，其特征在于，所述环境参数包括：客流变化、设备灯光功率大小、室外干球温度、室外相对湿度和太阳辐射量。5.如权利要求1所述的地铁地下车站空调系统负荷预测方法，其特征在于，对环境...

【专利技术属性】
技术研发人员：毕海权，李婷婷，王宏林，周远龙，王菁，
申请(专利权)人：四川聚智精创轨道交通科技有限公司，
类型：发明
国别省市：四川,51