【技術實現步驟摘要】
本專利技術涉及空調負荷預測方法，特別是一種基于空氣焓值的地鐵空調負荷預測方法。
技術介紹
1、近年來，人們對出行方式的需求也越來越高，地鐵因其交通干擾少，快捷便利，準點可靠，成為人們首選的出行方式，高便利的同時也帶來了能源的高消耗，在地鐵運行過程中，地鐵車站空調系統是車站內能耗的主要來源，而車站空調系統的能耗主要來源于車站大功率空調設備的長時間運行，設備的運行通常與車站的實際負荷有著直接關系，在實際運行中，由于無法精確獲取車站的負荷情況，導致空調系統的能耗與實際需要不匹配，從而造成大量的能源浪費。針對這一現象，不少人提出利用負荷預測這一技術，預測出下一時刻的車站負荷用于指導空調設備的啟停，從而實現節能的目的。
2、目前應用較為廣泛的負荷預測方法有指數平滑法，灰色預測法，線性回歸方法，神經網絡預測法，指數平滑法是時間序列預測技術中心的一種，根據歷史負荷數據進行預測，線性回歸法是基于回歸分析的一種解釋性模型?；疑A測理論是對隨機序列實施累加以弱化其隨機性從而發現負荷發展的現實規律。指數平滑法建立的空調負荷預測模型結構簡單，預測代價小，系統移植性較好，但不能有效利用與建筑物負荷有密切關系的相關因素的資料，較難進一步提升預測精度，灰色預測法在建模之前對原始數據的處理工作難度較大，預測精度受原始數據處理結果的影響。由于多數影響因數與空調負荷之間是非線性關系，故多元線性回歸在空調預測中不可取。較為準確的預測方法是利用神經網絡進行負荷預測，此方法的準確性依靠輸入參數的選取，目前大部分都會選擇，室外溫度，濕度，人流量，新風量，太陽輻
技術實現思路
1、基于空氣焓值的空調負荷預測方法是一種通過分析歷史焓值與負荷的關系來預測未來負荷的技術手段，旨在提供一種適用于實際工程的負荷預測方法。針對現有技術不能很好的滿足實際工程的精度需求，預測的輸入參數難以獲取的問題。本專利技術提出了一種基于焓值空調負荷預測方法，提高了預測精度，其模型r2達到0.989。除此之外，還減少了輸入參數的種類，使得條件的獲取難度大大降低，更適用于實際工程的應用。
2、以下是本專利技術的技術方案，一種基于空氣焓值的地鐵空調負荷預測方法，，包含以下步驟：
3、步驟一：通過負荷模擬軟件模擬出地鐵空調在空調季的逐時負荷，并與歷史實際運行負荷比較以驗證模擬數據的準確性。
4、步驟二：通過在負荷模擬軟件里搭建平臺，該平臺可以滿足這樣的功能，在輸出負荷的同時，也輸出造成該負荷的逐時新風，室外溫度，濕度，人流量，設備散熱等相關性較強的因素。
5、步驟三：將模擬出的數據分成訓練集，驗證集，測試集，且比例為7∶2∶1。
6、步驟四：通過bp神經網絡算法訓練模擬出的數據得到第一模型，并對訓練出的模型加以驗證以及測試。
7、步驟五：提取室外溫度，室外濕度，第一模型預測出的負荷。重復步驟三，步驟四，所述過程得到第二模型，改變室外溫度，室外濕度，利用第二模型預測出負荷，并與第一模型預測出的負荷進行比較，以驗證第二模型的準確性。
8、步驟六：利用步驟五中室外溫度，室外濕度確定室外的焓值，并構建焓值與第二模型預測出的負荷的散點圖。
9、步驟七：通過統計分析軟件分析步驟六中的散點圖，在線性，對數，二次，三次，復合等10個函數中選擇最優的擬合方程，利用最優擬合方程通過焓值預測負荷。
10、進一步地，所述步驟一通過負荷模擬軟件模擬出地鐵空調在空調季的逐時負荷，并與歷史實際運行負荷比較以驗證模擬數據的準確性。其具體步驟包括：在建模軟件中建立地鐵的物理模型，將建好的模型導入能耗仿真軟件中用以地鐵參數的設置，作為優選，數據的獲取步長為1h，隨后輸出該地鐵站空調季逐時負荷，將輸出的逐時負荷與當年的實測負荷對比，以驗證模擬數據的可靠性。
11、進一步地，所述步驟二通過在負荷模擬軟件里搭建平臺，該平臺可以滿足這樣的功能，在輸出負荷的同時，也輸出造成該負荷的逐時新風量，室外溫度，濕度，人流量，設備散熱等相關性較強的因素。其具體步驟包括：首先從building模塊中選擇需要輸入的參數，即人流量，室外溫度，室外濕度，新風量，設備散熱，照明散熱。然后將選擇的輸出參數給到中間模塊用于格式的統一，最后將統一后的格式傳遞到輸出模塊，用于各個參數的直觀輸出。
12、進一步地，所述步驟三將模擬出的數據分成訓練集，驗證集，測試集，且比例為7∶2∶1。其具體步驟包括：將模擬出的數據去除掉晚上未開空調的部分余下3600組數據，其中訓練集用于訓練神經網絡模型的數據集，通常占整個數據集的(70％-80％)。其中測試集用于評估模型在未見過的數據上的性能，通常占整個數據集的(10％-20％)。其中驗證集用于調整和選擇模型超參數通常占整個數據集的(10％-20％)。綜上所述，訓練集，驗證集，測試集的比例為7∶2∶1。
13、進一步地，所述步驟四通過bp神經網絡算法訓練模擬出的數據得到第一模型，并對訓練出的模型加以驗證以及測試。其具體步驟包括：首先通過調用matlab中的xlsread函數，從指定的excel文件中提取地鐵空調負荷數據，然后對數據進行預處理，為了降低各數據分布變化的影響，需使用歸一化處理，將數據分布映射到一個確定的區間，這里使用max-min歸一化法將數據全部歸一化到[0，1]之間。再然后確定神經網絡結構和建立模型，由步驟二確定了神經網絡的6個輸入參數，因此，神經網絡輸入層個數為6，輸出層為地鐵站空調系統負荷的預測結果，因此神經網絡的輸出層個數為1，神經網絡的隱藏層可以通過下式確定。
14、
15、(j-隱含層節點個數i-輸入層節點個數k-輸出層節點個數a∈[1，10])確定，通過計算得到隱藏層節點個數為3-13個，因此通過設置不同的隱藏層節點個數，對比其誤差方式篩選出最佳隱藏層個數為10個。規定模型的迭代次數為1000次，學習速率為0.01，訓練最小誤差，1×10-5。再然后，訓練神經網絡，確定好神經網絡的結構和模型后利用歸一化后的數據訓練神經網絡得到第一模型。最后，預測和反歸一化，利用第一模型對負荷進行預測，將預測出得負荷以及各個輸入參數進行反歸一化處理，使各組數據恢復到其原始數量級。
16、進一步地，所述步驟五提取室外溫度，室外濕度，第一模型預測出的負荷。重復步驟三，步驟四，所述過程得到第二模型，改變室外溫度，室外濕度，利用第二模型預測出負荷，并與第一模型預測出的負荷進行比較，以驗證第二模型的準確性。其具體步驟包括：利用室外溫度，室外濕度，第一模型預測出的負荷，重復步驟三，步驟四過程，得到第二模型。將室外溫度，室外濕度作為輸入參數，通過第二模型預測出負荷。將第一模型預測出的負荷與第二模型預測出的負荷作比較以驗證第一模型與第二模型的擬合程度。
17、進一步地，所述步驟六利用步驟五中室外溫度，室外濕度本文檔來自技高網...
【技術保護點】
1.一種基于空氣焓值的地鐵空調負荷預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于空氣焓值的地鐵空調負荷預測方法，其特征在于：
3.根據權利要求1所述的一種基于空氣焓值的地鐵空調負荷預測方法，其特征在于：
4.根據權利要求1所述的一種基于空氣焓值的地鐵空調負荷預測方法，其特征在于：
5.根據權利要求1所述的一種基于空氣焓值的地鐵空調負荷預測方法，其特征在于：
6.根據權利要求1所述的一種基于空氣焓值的地鐵空調負荷預測方法，其特征在于：
7.根據權利要求1所述的一種基于空氣焓值的地鐵空調負荷預測方法，其特征在于：
8.根據權利要求1所述的一種基于空氣焓值的地鐵空調負荷預測方法，其特征在于：
【技術特征摘要】
1.一種基于空氣焓值的地鐵空調負荷預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于空氣焓值的地鐵空調負荷預測方法，其特征在于：
3.根據權利要求1所述的一種基于空氣焓值的地鐵空調負荷預測方法，其特征在于：
4.根據權利要求1所述的一種基于空氣焓值的地鐵空調負荷預測方法，其特征在于：
<...【專利技術屬性】
技術研發人員：張港，牛曉峰，王兆驊，趙進銘，田啟康，
申請(專利權)人：南京工業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。