【技术实现步骤摘要】
一种能源地下地铁车站智慧运维方法
[0001]本专利技术涉及浅层地热能开发与利用技术,尤其涉及一种能源地下地铁车站智慧运维方法。
技术介绍
[0002]地下地铁车站环控系统的能耗在城市轨道交通耗能中的占比高达30~40%,具有较大的节能潜力。浅层地热能作为一种分布广、易开发的可再生低品位热能,主要用于建筑的供暖制冷,利用浅层地热能替代传统的空调系统可降低地铁车站环控系统能耗约1/3。
[0003]能源地下地铁车站是通过在车站结构中埋设换热管形成能源车站结构(诸如能源隧道、能源底板、能量支护桩)提取浅层地热能进行地下地铁车站室内温度控制的新兴技术。该技术无需额外钻孔布设换热井,降低初次投资成本,且赋予传统地下结构新功能,符合综合开发地下空间的发展理念。传统的运维管理方法不仅需要耗费大量的人力财力,且存在控制滞后、统筹协调性差、降低设备耐久性的问题。此外,在能源地下地铁车站结构施工或系统运行过程中,结构内换热管产生破损、堵塞或弯折的问题会使得换热介质难以正常循环,产生各模块甚至系统水压不稳、主要承载构件腐蚀破坏、换热效率降低的隐患,最终会造成环控系统无法正常运行;然而目前针对能源地下地铁车站结构施工完成后的检测与维修技术尚不成熟。因此,科学合理的精细化运维、调控方法是实现能源地下地铁车站节能优势最大化的重要支撑,运维阶段的换热管路检修技术是确保车站环控系统得以长期稳定运行的有力保障。
[0004]中国技术专利申请号为CN202120598233.1,名称为一种适用于地铁车站的复合热泵系统,建立了由地源热泵 ...
【技术保护点】
【技术特征摘要】
1.一种能源地下地铁车站智慧运维方法,其特征在于,包括以下步骤:D1:收集整理能源地下地铁车站信息作为训练样本数据,建立本地客户端局部模型,所述本地客户端局部模型包括车站用户端控制模块、机组设备端控制模块、能量支护桩埋管端控制模块、能源隧道埋管端控制模块、能源底板埋管端控制模块,所述训练样本数据包括车站用户端运行参数以及控制参数、机组运行参数以及控制参数、能量支护桩埋管端运行参数以及控制参数、能源隧道埋管端运行参数以及控制参数、能源底板埋管端运行参数以及控制参数进行简单的数据清洗,分析样本数据特征,并分配至相应的本地客户端;D2:车站用户端控制模块、机组设备端控制模块、能量支护桩埋管端控制模块、能源隧道埋管端控制模块、能源底板埋管端控制模块根据收集到的参数进行学习和计算,更新本地客户端的局部模型,并计算结果;D3:将五个本地客户端的局部模型计算的结果以公钥的形式加密成脱敏参数,并上传至中央服务器;D4:中央服务器利用私钥对五个客户端上传的加密脱敏参数解密,中央服务器进行加密脱敏参数的解码操作,并进行安全聚合,随后更新全局共享模型,每一轮模型权重更新后,中央服务器计算全局模型的误差和准确率;D5:中央服务器将全局共享模型生成用于加密传输数据的公钥,并下发至各客户端,各本地客户端根据全局共享模型更新其他相关客户端迭代结果作为新样本数据属性参数;D6:重复步骤D2~D5不断迭代,直至全局模型稳健为止,最终各本地客户端根据全局共享模型计算得到对应的结果,计算出能源地下地铁车站中相互匹配的控制状态,包括车站用户端各类调节阀开度、车站内各房间的设置温度、机组设备端各类调节阀开度、能量支护桩埋管端各类调节阀开度、能源隧道埋管端各类调节阀开度、能源底板埋管端各类调节阀开度。2.根据权利要求1所述的一种能源地下地铁车站智慧运维方法,其特征在于,步骤D1中所述的训练样本数据可通过数值模拟计算、现场监测技术、问卷调查技术、图像识别技术、热红外技术获得,所述的数据清洗,其对象包括错误数据、异常数据、不完整数据、重复数据;数据清洗的内容包括识别无效值、异常值和缺失值;处理异常值、无效值和缺失值。3.根据权利要求1所述的一种能源地下地铁车站智慧运维方法,其特征在于,步骤D2中所述的车站用户端控制模块局部模型的更新计算,包括以下步骤:D2.1.1:利用私钥对加密传输数据的公钥进行解密,根据中央服务器的全局共享模型更新能量支护桩埋管端控制模块、能源隧道埋管端控制模块、能源底板埋管端控制模块、机组设备控制模块、车站用户控制模块相关客户端,并将迭代结果作为新样本数据属性参数,根据信息熵计算训练样本所有属性的信息增益,并按照信息增益对所有属性进行排序;D2.1.2:先从候选属性中找信息增益高于平均水平的属性,再从中选择增益率最高的属性预测作为决策树的分支属性;D2.1.3:再将每个根节点视为完整数据集,按照次优属性作为依据进行样本划分,将属性取值相同的样本作为同一样本集形成叶子节点,采用MEP方法进行决策树的剪枝,依次迭代形成决策树;D2.1.4:对决策出的车站用户端控制参数与设备调节范围进行比较,如果计算结果满足调节范围,则将决策计算结果作为超前预测控制信息利用公钥转化为加密参数上传中央
服务器,以备联邦学习的全局共享模型迭代;如果计算结果超出调节范围,则执行步骤D2.1.5;D2.1.5:将决策出的车站用户端控制参数输出并发出警报,以设备控制阈值作为超前预测控制信息利用公钥转化为加密参数上传中央服务器,以备联邦学习的全局共享模型迭代。4.根据权利要求1所述的一种能源地下地铁车站智慧运维方法,其特征在于,步骤D2中所述的机组设备端控制模块局部模型的更新计算,包括以下步骤:D2.2.1:利用私钥对加密传输数据的公钥进行解密,根据中央服务器的全局共享模型更新能量支护桩埋管端控制模块、能源隧道埋管端控制模块、能源底板埋管端控制模块、机组设备控制模块、车站用户控制模块相关客户端,并将迭代结果作为新样本数据属性参数,将机组设备的控制阀开度参数作为学习目标;D2.2.2为解决自变量与因变量之间的关系,引入松弛变量ξ
i
和惩罚系数C构造考虑软间隔的非线性分割支持向量分类器,模型的预测精度和模型的自身稳定性通过损失函数表示,得到其对应的条件最值函数;D2.2.3通过拉格朗日函数将上述条件最值函数转换为多元函数进行求解,令拉格朗日函数对优化目标w,b,ξ的偏导数为0,得到拉格朗日乘子,将原始条件最值函数转化为对偶函数,从而找到约束区域内的最小值;D2.2.4:利用“线性核”处理对偶函数中映射函数内积;D2.2.5:利用模拟退火法优化支持向量机局部模型中的模型参数,包括不敏感损失函数ε、惩罚系数C、核函数中的超参数γ、λ、a、c、d;D2.2.6:输入目标机组设备的运行状态参数,用训练出的支持向量机局部模型预测计算机组设备端控制参数、相关的控制阀开度;D2.2.7:对计算结果与设备调节范围进行比较,如果计算结果满足调节范围,则将预测计算结果作为超前预测控制信息利用公钥转化为加密参数上传中央服务器,以备联邦学习的全局共享模型迭代;如果计算结果超出调节范围,则执行步骤D2.2.8;D2.2.8:将计算出的机组设备端控制结果输出并发出警报,以设备控制阈值作为超前预测控制信息利用公钥转化为加密参数上传中央服务器,以备联邦学习的全局共享模型迭代。5.根据权利要求1所述的一种能源地下地铁车站智慧运维方法,其特征在于,步骤D2中所述的能量支护桩埋管端控制模块的局部模型更新计算,包括以下步骤:D2.3.1:利用私钥对加密传输数据的公钥进行解密,根据中央服务器的全局共享模型更新的机组设备运行参数、车站用户运行参数作为新样本数据属性参数,根据样本数据,将能量支护桩埋管端分集水器集管、分集水器支管、能量支护桩内冷却水的流量、压力、温度、液位作为样本属性空间集,将相关控制阀开度参数作为学习目标;D2.3.2:样本数据预处理,定义状态向量X与目标向量Y;对样本数据进行质量分析、特征分析、清洗处理;可通过敏感性分析将样本属性变量按照相关性进行排序,取排序靠前的属性变形作为状态参数的元素,其中t时刻的状态向量表示为:X(t)=[x1(t),x1(t
‑
1),x2(t),x2(t
‑
1),x3(t),x3(t
‑
1),...,x
n
(t),x
n
(t
‑
1)];D2.3.3:用曼哈顿距离计算各状态向量在状态空间中的距离,反映状态空间中各状态
向量X与目标向量Y之间的相关程度;D2.3.4:输入预测集的样本属性信息,样本属性包括:能量支护桩埋管端冷却水的温度、压力、流量参数;将训练集样本属性形成状态向量,在训练集中搜索当前向量的K个近邻,形成K近邻预测模型,并用K近邻预测模型计算预测集对应的调节阀开度预测结果,K近邻预测模型的表达式为:D2.3.5:能量支护桩控制预测结果评价,将预测集的预测结果与预测集样本对应的标签进行对比形成混淆矩阵,根据混淆矩阵计算不同的评价指标进一步评价模型预测误差、模型精度,至少选择如下一种评价指标:灵敏度、准确度、精确度进行评价;D2.3.6:输入需要预测的能量支护桩基本运行参数作为预测集属性空间,进行能量支护桩的调节控制预测计算;D2.3.7:对计算结果与控制阀调节范围进行比较,如果计算结果满足调节范围,则将预测计算结果作为超前预测控制信息利用公钥转化为加密参数上传中央服务器,以备联邦学习的全局共享模型迭代;如果计算结果超出调节范围,则执行步骤D2.3.8;D2.3.8:将计算出能量支护桩埋...
【专利技术属性】
技术研发人员:张军,孔纲强,杨庆,马劲航,胡帅军,唐明,王忠涛,赵祯,戴国豪,王天赐,常洪林,
申请(专利权)人:河海大学大连理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。