無線動態負荷預測的地鐵站臺溫濕度控制系統
1.本發明涉及溫濕度調節技術領域，尤其是指一種無線動態負荷預測的地鐵站臺溫濕度控制系統。
背景技術：
2.隨著城市化不斷發展，地鐵已慢慢在各大城市中普及。良好的地鐵站內環境不僅是地鐵正常運行的有效保障，也是影響乘客舒適度的重要因素，地鐵站臺的環境參數主要為：溫度與濕度。對于其參數的檢測采用相對應的溫濕度傳感器進行檢測，但其檢測數據通過有線傳輸不僅難于設計，并且難于維護，十分不便。除此之外由于目前技術限制以及已建設地鐵的條件，目前對于溫度控制的實現方法多以人工控制為主，雖然在一定程度上可以降低能耗，但是可能會增加人工投入，并且調節方法以經驗為主，不能符合當下復雜的實際情況的變化，而且通過這種方法來追求節能也會對乘客舒適度造成嚴重影響。
技術實現要素：
3.為此，本發明所要解決的技術問題在于克服現有技術中的不足，提供一種無線動態負荷預測的地鐵站臺溫濕度控制系統，可以通過無線方式實現地鐵站內熱環境的自動調控、結構簡單、操作方便、減少人力成本，兼具節能技術與人性化設計。
4.為解決上述技術問題，本發明提供了一種無線動態負荷預測的地鐵站臺溫濕度控制系統，包括：
5.包括溫濕度監測模塊、控制器、無線通信模塊、系統控制模塊和溫控機組，
6.所述溫濕度監測模塊實時監測地鐵站內部的溫度數據和濕度數據并輸入至所述控制器，所述控制器通過所述無線通信模塊將所述溫度數據和濕度數據傳送到所述系統控制模塊，所述系統控制模塊使用動態負荷預測法控制所述溫控機組的運行功率，實現對地鐵站臺的溫濕度控制。
7.作為優選的，所述系統控制模塊包括上位機和終端控制電路，所述控制器和所述上位機連接，所述終端控制電路和所述溫控機組連接，
8.所述上位機獲取所述溫度數據和濕度數據并使用動態負荷預測法預測得到當前適合的負荷值，所述終端控制電路根據所述當前適合的負荷值控制所述溫控機組的運行功率，實現對地鐵站臺的溫濕度控制。
9.作為優選的，所述終端控制電路使用pid控制所述溫控機組的運行功率。
10.作為優選的，所述上位機獲取所述溫度數據和濕度數據并使用動態負荷預測法預測得到當前適合的負荷值，具體為：
11.步驟1：將所述溫度數據轉化為對應采樣時刻的熱負荷值，將所述濕度數據轉化為對應采樣時刻的濕負荷值，將所述熱負荷值和濕負荷值中的最大值作為負荷值，將所述負荷值和對應的采集時刻組成數據組；
12.步驟2：對數據組進行補齊修正，將補齊修正后的數據組進行歸一化處理作為訓練
集；
13.步驟3：建立基于平均粒距的改進粒子算法，使用所述訓練集訓練所述基于平均粒距的改進粒子算法得到最優解；
14.步驟4：將最優解輸入支持向量機模型預測得到負荷預測值，將所述負荷預測值作為所述當前適合的負荷值。
15.作為優選的，所述對數據組進行補齊修正，具體為：
16.步驟2-1：若數據組中的元素缺失采集時刻，使用順序編號的方法進行補齊；若數據組中的元素缺失負荷值，使用線性插值的方法進行補齊；
17.步驟2-2：使用水平處理與垂直處理對補齊后的數據組進行修正。
18.作為優選的，所述建立基于平均粒距的改進粒子算法，使用所述訓練集訓練所述基于平均粒距的改進粒子算法得到最優解，具體為：
19.步驟3-1：初始化粒子，設定種族規模m和最大進化代數t
max
；
20.步驟3-2：計算每個粒子的適應度值其中i為所求粒子編號，yi為對應粒子編號為i的負荷值，為使用支持向量機模型預測的對應粒子編號為i的負荷預測值；計算種的平均粒距d(t)和適應度方差σ2；
21.步驟3-3：判斷是否滿足d(t)＜α且σ2＜β，其中α、β為預設閾值；
22.若滿足，則執行步驟3-1；若不滿足則對粒子速度和位置進行更新，執行步驟3-4；
23.步驟3-4：重復步驟3-2和步驟3-3直到達到最大進化代數t
max
，將此時的解作為最優解。
24.作為優選的，所述平均粒距d(t)的計算方法為：
[0025][0026]
其中，l為搜索空間對角最大長度，n為數據組中采集的數據的數量，p
id
表示第i個粒子位置的第d維坐標值，表示所有粒子位置的第d維坐標值的均值。
[0027]
作為優選的，所述適應度方差σ2的計算方法為：
[0028][0029]
其中，fi為第i個粒子當前的適應度值，為種當前的平均適應度值，f’為歸一化定標因子。
[0030]
作為優選的，所述歸一化定標因子f’的計算方法為：
[0031][0032]
作為優選的，所述將最優解輸入支持向量機模型預測得到負荷預測值，具體為：
[0033]
將最優解為c輸入支持向量機模型建立模型計算公式：
[0034][0035]
使用拉格朗日方程將所述模型計算公式轉化為對偶式：
[0036][0037]
其中，n為數據組中采集的數據的數量，yi為i時刻的負荷值，yj為j時刻的負荷值，0＜j＜i；f(y)為根據拉格朗日方程得到的回歸方程，w為慣性權重系數，b為回歸方程的位移量，f(yi)為由yi確定的f(y)值，ε為預設正常數，a’i
、ai為拉格朗日乘子，t表示轉置；φ(y)為非線性映射函數，φ(yi)為由yi確定的φ(y)值，φ(yj)為由yj確定的φ(y)值；
[0038]
使用對偶式計算此時的f(y)值作為所述負荷預測值。
[0039]
本發明的上述技術方案相比現有技術具有以下優點：
[0040]
本發明通過溫濕度監測模塊實現了地鐵站內溫度、濕度的實時監測，通過無線通信模塊實現信號的無線傳輸；同時，利用動態負荷預測法根據當前溫濕度數據精準控制溫控機組的運行功率，實現地鐵站內熱環境的自動調控，提高節能效果；本發明結構簡單，操作方便，避免了人工控制、減少人力成本，具有很強的實用性，在提高地鐵溫控系統的能效水平的同時提高地鐵乘客的體驗感，兼具節能技術與人性化設計。
附圖說明
[0041]
為了使本發明的內容更容易被清楚的理解，下面根據本發明的具體實施例并結合附圖，對本發明作進一步詳細的說明，其中：
[0042]
圖1是本發明的結構圖，
[0043]
圖2是本發明中信號調理電路的電路原理圖，
[0044]
圖3是本發明中動態負荷預測法的流程圖，
[0045]
圖4是本發明中使用基于平均粒距的改進粒子算法求解最優解的流程圖，
[0046]
圖5是本發明實施例中使用ls-svm得到的負荷預測值與實際值之間的誤差示意圖，
[0047]
圖6是本發明實施例中使用動態負荷預測法得到的負荷預測值與實際值之間的誤差示意圖。
[0048]
說明書附圖標記說明：1、溫濕度監測模塊，2、控制器，3、無線通信模塊，31、zigbee協調器節點，32、zigbee路由器節點，33、zigbee終端節點，4、系統控制模塊，5、溫控機組，6、信號調理電路，61、偏置信號單元，62、信號放大單元，63、疊加單元，64、濾波輸出單元。
具體實施方式
[0049]
下面結合附圖和具體實施例對本發明作進一步說明，以使本領域的技術人員可以更好地理解本發明并能予以實施，但所舉實施例不作為對本發明的限定。
[0050]
在本發明的描述中，需要理解的是，術語“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“頂”、“底”、“內”、“外”等指示的方位或位置關系為基于附圖所示的方位或位置關系，僅是為了便于描述本發明和簡化描述，而不是指示或暗示所指的裝置或元件必須具有特定
的方位、以特定的方位構造和操作，因此不能理解為對本發明的限制。此外，術語“第一”、“第二
”…“
第十四”僅用于描述目的，而不能理解為指示或暗示相對重要性或者隱含指明所指示的技術特征的數量。由此，限定有“第二”、“第一”的特征可以明示或者隱含地包括一個或者更多個該特征。在本發明的描述中，“多個”的含義是兩個或兩個以上，除非另有明確具體的限定。
[0051]
在本發明中，除非另有明確的規定和限定，術語“安裝”、“相連”、“連接”、“固定”等術語應做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或成一體；可以是機械連接，也可以是電連接，還可以是通信；可以是直接相連，也可以通過中間媒介間接相連，可以是兩個元件內部的連通或兩個元件的相互作用關系。對于本領域的普通技術人員而言，可以根據具體情況理解上述術語在本發明中的具體含義。
[0052]
除非另有明確的規定和限定，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觸，或第一和第二特征通過中間媒介間接接觸。此外，術語“包括”意圖在于覆蓋不排他的包含，例如包含了一系列步驟或單元的過程、方法、系統、產品或設備，沒有限定于已列出的步驟或單元而是可選地還包括沒有列出的步驟或單元，或可選地還包括對于這些過程、方法、產品或設備固有的其他步驟或單元。
[0053]
參照圖1所示，本發明公開了一種無線地鐵站臺溫濕度控制系統，包括溫濕度監測模塊1、控制器2、無線通信模塊3、系統控制模塊4和溫控機組5，所述溫濕度監測模塊1和所述控制器2連接，所述系統控制模塊4和所述溫控機組5連接，所述控制器2和所述系統控制模塊4通過所述無線通信模塊3無線連接。所述溫濕度監測模塊1實時監測地鐵站內部的溫度數據和濕度數據并輸入至所述控制器2，所述控制器2通過所述無線通信模塊3將所述溫度數據和濕度數據傳送到所述系統控制模塊4，所述系統控制模塊4根據所述溫度數據和濕度數據控制所述溫控機組5的運行功率，實現對地鐵站臺的溫濕度控制。
[0054]
本實施例中，所述無線通信模塊3包括zigbee協調器節點31、zigbee路由器節點32和zigbee終端節點33，所述控制器2與所述zigbee協調器節點31連接，所述zigbee協調器節點31和所述zigbee終端節點33通過所述zigbee路由器節點32無線連接，所述zigbee終端節點33與所述系統控制模塊4連接。所述控制器2與所述zigbee協調器節點31通過串口有線連接，所述zigbee終端節點33與所述系統控制模塊4通過串口有線連接。控制器2整理調理后的電信號并通過串口反饋給zigbee協調器節點31，zigbee協調器節點31將電信號通過zigbee網絡發送出去、傳輸至zigbee路由器節點32，zigbee路由器節點32接收電信號并再次發送出去，由zigbee終端節點33接收再次發送的電信號并通過串口通訊傳輸至系統控制模塊4。所述無線通信模塊3還可以是wifi網絡等無線技術，所述控制器2與所述系統控制模塊4通過wifi網絡無線連接。本實施例中通過使用zigbee技術，可以在保證有效通訊距離和穩定性的前提下，實現大批量的工業化生產。
[0055]
本實施例中還包括信號調理電路6，所述溫濕度監測模塊1通過所述信號調理電路6和所述控制器2連接。所述溫濕度監測模塊1包括溫度傳感器和濕度傳感器，本實施例中所述溫度傳感器為ds18b20單線可編程溫度傳感器，所述濕度傳感器為sht35濕度傳感器，所述溫度傳感器和濕度傳感器均通過所述信號調理電路6與所述控制器2連接。所述溫度傳感器實時監測地鐵站內部的溫度數據并輸入至信號調理電路6，所述濕度傳感器實時監測地鐵站內部的濕度數據并輸入至信號調理電路6。所述信號調理電路6將所述溫度數據和濕度
數據轉換成電信號并進行調理(將敏感元件檢測到的各種信號轉換為標準信號)，將調理后的電信號輸入至所述控制器2。
[0056]
如圖2所示，本實施例中，所述信號調理電路6包括偏置信號單元61、信號放大單元62、疊加單元63和濾波輸出單元64，所述偏置信號單元61和信號放大單元62的信號輸入端分別與所述溫濕度監測模塊1連接，所述偏置信號單元61和信號放大單元62的信號輸出端分別與所述疊加單元63連接，所述疊加單元63的信號輸出端與所述濾波輸出單元64的信號輸入端連接，所述濾波輸出單元64的信號輸出端與所述控制器2連接。
[0057]
將溫濕度監測模塊1采集到的溫度數據和濕度數據轉換成電信號并進行調理，具體為：所述偏置信號單元61的信號輸入端接入所述溫濕度監測模塊1輸入的電壓信號生成偏置信號，所述信號放大單元62的信號輸入端接入所述溫濕度監測模塊1輸入的電流信號，對輸入的電流信號進行信號放大生成放大電流信號；所述疊加單元63的信號輸入端分別與所述偏置信號單元61的信號輸出端和信號放大單元62的信號輸出端連接，所述疊加單元63將所述偏置信號和所述放大電流信號進行信號疊加生成疊加信號；所述濾波輸出單元64的信號輸入端與所述疊加單元63的信號輸出端連接，所述濾波輸出單元64對所述疊加信號進行濾波穩定得到調理信號并輸出。
[0058]
本實施例中，所述偏置信號單元61包括第一電阻r1、第二電阻r2、第一肖特基二極管d1、第二肖特基二極管d2、第一電容c1、第二電容c2、第一滑動變阻器r5和第一運算放大器u1；所述第一電阻r1的一端與電源的正極連接，另一端與所述第一肖特基二極管d1的負極連接；所述第二電阻r2的一端與電源的負極連接，另一端與第二肖特基二極管d2的正極連接；所述第一肖特基二極管d1的正極與所述第二肖特基二極管d2的負極連接；所述第一電容c1與所述第一肖特基二極管d1并聯，所述第二電容c2與所述第二肖特基二極管d2并聯；所述第一滑動變阻器r5的兩端分別與所述第一肖特基二極管d1的負極和第二肖特基二極管d2的正極連接，所述第一滑動變阻器r5的滑動端與所述第一運算放大器u1的同相輸入端連接，所述第一運算放大器u1的反相輸入端與其輸出端連接；
[0059]
所述信號放大單元62包括第三電阻r3、第四電阻r4、第十二電阻r12和第二運算放大器u2，所述第三電阻r3的一端接入電流i，另一端與所述第二運算放大器u2的反相輸入端連接，所述第四電阻r4的一端接地，另一端與所述第二運算放大器u2的同相輸入端連接，所述第十二電阻r12的一端與所述第二運算放大器u2的反相輸入端連接，另一端與所述第二運算放大器u2的輸出端連接；
[0060]
所述疊加單元63包括第七電阻r7、第八電阻r8、第九電阻r9、第二滑動變阻器r6和第三運算放大器u3，所述第七電阻r7的一端與所述第一運算放大器u1的輸出端連接，另一端與所述第三運算放大器u3的反相輸入端連接；所述第八電阻r8的一端與所述第二運算放大器u2的輸出端連接，另一端與所述第三運算放大器u3的反相輸入端連接；所述第二滑動變阻器r6的兩端分別與所述第三運算放大器u3的反相輸入端和第三運算放大器u3的輸出端連接，所述第二滑動變阻器r6的滑動端與所述第三運算放大器u3的輸出端連接；所述第三運算放大器u3的同相輸入端經第九電阻r9接地；
[0061]
所述濾波輸出單元64包括第十電阻r10、第十一電阻r11、第三電容c3、第四電容c4、第四運算放大器u4和第三肖特基二極管d3，所述第十電阻r10的一端與所述第三運算放大器u3的輸出端連接，另一端經第十一電阻r11與所述第四運算放大器u4的同相輸入端連
接；所述第三電容c3的一端與所述第十電阻r10連接，另一端與所述第四運算放大器u4的輸出端連接；所述第四電容c4的一端與所述第四運算放大器u4的同相輸入端連接，另一端接地；所述第四運算放大器u4的反相輸入端與其輸出端連接；所述第三肖特基二極管d3的負極與所述第四運算放大器u4的輸出端連接，所述第三肖特基二極管d3的正極接地。
[0062]
偏置信號單元61的第一電阻r1與5v電源的正極連接，第二電阻r2與5v電源的負極連接，接入5v電壓信號，過濾電壓信號的高頻毛刺，生成穩定的偏置信號傳輸至疊加單元63；信號放大單元62接入電流i，對電流i進行比例放大，生成電流信號傳輸至疊加單元63；疊加單元63將偏置信號和比例放大后的電流信號進行信號疊加，生成疊加信號傳輸至濾波輸出單元64，濾波輸出單元64對疊加信號進行兩級rc濾波后經過電壓跟隨器后生成調理信號輸出。
[0063]
本實施例，所述溫控機組5包括空調機組及其壓縮機，是現有的結構，此處不再贅述，溫控機組5和所述系統控制模塊4通過串口有線連接，系統控制模塊4精準控制溫控機組5的運行功率，從而實現了地鐵站內熱環境的自動控制，提高節能效果。
[0064]
本實施例中，所述系統控制模塊包括上位機和終端控制電路，所述控制器和所述上位機連接，所述終端控制電路和所述溫控機組連接，所述上位機獲取所述溫度數據和濕度數據并根據所述溫度數據和濕度數據使用動態負荷預測法預測得到當前適合的負荷值，所述終端控制電路采用pid控制根據所述負荷值控制所述溫控機組的運行功率，實現對地鐵站臺的溫濕度控制。上位機還具有手動模式，可以通過手動模式來人工控制溫控機組的運行，滿足突發情況需求。
[0065]
控制器整理調理后的電信號并通過串口反饋給zigbee協調器節點，zigbee協調器節點將電信號通過zigbee網絡發送出去、傳輸至zigbee路由器節點，zigbee路由器節點接收電信號并再次發送出去，由zigbee終端節點接收再次發送的電信號并通過串口通訊傳輸至上位機。上位機將信號進行整理分析，輸入動態負荷預測法中得出當前適合的負荷值，從而精確控制溫控機組進行制冷或制熱，最終通過zigbee網絡返回zigbee協調器節點，并將信號輸入至終端控制電路；pid控制可以快速將功率輸出、精準控制到負荷值。
[0066]
如圖3所示，所述上位機獲取所述溫度數據和濕度數據并使用動態負荷預測法預測得到當前適合的負荷值，具體為：
[0067]
步驟1：將所述溫度數據轉化為對應采樣時刻的熱負荷值，將所述濕度數據轉化為對應采樣時刻的濕負荷值，將所述熱負荷值和濕負荷值中的最大值作為負荷值，將所述負荷值和對應的采集時刻組成數據組a＝{(1，f1)，
…
，(i，fi)，
…
，(n，fn)}，fi為i時刻的熱負荷值和濕負荷值中的最大值，n為數據組中采集的數據的數量；溫控機組包括空調機組及其壓縮機，是現有結構不再贅述，空調機組同時進行制冷與除濕，取熱負荷值和濕負荷兩者中的最大值作為負荷值，在滿足其中較大負荷的情況下，另一個負荷也是滿足的(另一個負荷處于超過應有負荷的狀態)，從而同時保證除溫和制冷的效果。
[0068]
步驟2：對數據組進行補齊修正，將補齊修正后的數據組進行歸一化處理作為訓練集；水平處理與垂直處理、歸一化處理均使用常規處理方法不再贅述。對數據組進行補齊修正，具體為：
[0069]
步驟2-1：若數據組中的元素缺失采集時刻，使用順序編號的方法進行補齊；例如數據組a中的第3個元素為(，f3)缺失采集時刻，此時該元素的前一個元素的采集時刻為2，
后一個元素的采集時刻為4，則順序編號第3個元素的采集時刻為3，補齊后第3個元素為(3，f3)。
[0070]
若數據組中的元素缺失負荷值，使用線性插值的方法進行補齊；若數據組a中的第m+j個元素的負荷值f
m+j
缺失，則缺失，則其中fm為m時刻的負荷值，f
m+i
為m+i時刻的負荷值，f
m+j
為m+j時刻的負荷值，i和j的取值根據實際確定。
[0071]
步驟2-2：使用水平處理與垂直處理對補齊后的數據組進行修正。
[0072]
步驟3：建立基于平均粒距的改進粒子算法，使用所述訓練集訓練所述基于平均粒距的改進粒子算法得到最優解。
[0073]
步驟3-1：針對粒子的早熟收斂問題，本發明中以粒子優化算法為基礎的，通過多樣性度量指標來控制種特征。如圖4所示，首先初始化粒子，設定種族規模m，慣性權重初值w
max
，慣性權重終值w
min
，加速常數c1、c2和最大進化代數t
max
；本實施例中m、w
max
、w
min
、c1、c2根據實際情況設置，t
max
＝200。
[0074]
步驟3-2：計算每個粒子的適應度值其中i為所求粒子編號，yi為對應粒子編號為i的負荷值、即fi，為使用支持向量機模型預測的對應粒子編號為i的負荷預測值；比較對應粒子適應度得到粒子當前點的最優位置p
gd
，將所有粒子中的最優位置作為種最優位置g
best
；計算種的平均粒距d(t)和適應度方差σ2；
[0075]
平均粒距d(t)的計算方法為：
[0076][0077]
其中，l為搜索空間對角最大長度，n為解空間維數、即數據組中采集的數據的數量，p
ia
表示第i個粒子位置的第d維坐標值，表示所有粒子位置的第d維坐標值的均值；平均粒距表示種中各個粒子彼此間分布的離散程度，d(t)越小，表示種越集中；d(t)越大，表示種越分散。初始粒子的選取是隨機的，理想狀況下其位置應遍布整個解空間以增加搜索到全局最優解的概率。但是粒子的個數是有限的，解空間又相對較大，如果不能保證有限個粒子均勻分布在整個解空間，就加大了陷于局部最優的可能。因此，本發明引入平均粒距d(t)的概念。
[0078]
所述適應度方差σ2的計算方法為：
[0079][0080]
其中，fi為第i個粒子當前的適應度值，為種當前的平均適應度值，f’為歸一化定標因子，用來限制σ2的大小，適應度方差
反映的是種中粒子的聚集程度，σ2越小，則種中粒子的聚集程度越大；反之，則聚集程度越小。標準粒子優化算法在整個迭代過程中，粒子朝全局歷史最優解方向靠近，在算法運行的初期，收斂速度較快，后期減慢。若遇到局部極值點，所有粒子的速度便很快下降為零而停止運動，種喪失了進化的能力，導致算法過早收斂而陷入局部最優點。而粒子位置決定著粒子的適應度大小，因此，根據種中所有粒子適應度的整體變化可以判斷出種當前所處的狀態。
[0081]
步驟3-3：判斷是否滿足d(t)＜α且σ2＜β，其中α、β為預設閾值；本實施例中α、β的取值根據實際情況確定。若滿足視為出現早熟，則執行步驟3-1重新初始化粒子；若不滿足則對粒子速度和位置進行更新產生新種，執行步驟3_4；對粒子速度v
id
和位置x
id
進行更新的公式為：
[0082]vid
＝wv
id
+c1r1(p
id-x
id
)+c2r2(p
gd-x
id
)，
[0083]
x
id
＝x
id
+v
id
；
[0084]
其中，w為慣性權重系數，r1、r2為[0，1]之間的隨機數，p
id
為粒子當前位置。
[0085]
隨著迭代次數的增加，種中粒子的適應度會越來越接近，σ2就會越來越小。當σ2＜β(β為某一給定的閾值)時，認為算法進入后期搜索階段，此時種容易陷入局部最優而出現早熟收斂現象。
[0086]
步驟3-4：重復步驟3-2和步驟3-3直到達到最大進化代數t
max
，將此時的解作為最優解。
[0087]
步驟4：將最優解輸入支持向量機模型預測得到負荷預測值，將所述負荷預測值作為所述當前適合的負荷值。
[0088]
步驟4-1：將最優解為c賦值給支持向量機模型建立模型計算公式：
[0089][0090]
使用拉格朗日方程將所述模型計算公式轉化為對偶式：
[0091][0092]
其中，yi為i時刻的負荷值，yj為j時刻的負荷值，0＜j＜i；f(y)為根據拉格朗日方程得到的回歸方程，w為慣性權重系數，b為回歸方程的位移量，f(yi)為由yi確定的f(y)值，ε為預設正常數，根據實際情況設置；a’i
、ai為拉格朗日乘子，t表示轉置；φ(y)為非線性映射函數，φ(yi)為由yi確定的φ(y)值，φ(yj)為由yj確定的φ(y)值；本實施例中慣性權重系數w＝0.65，非線性映射函數φ(y)為||||表示范數。
[0093]
步驟4-2：使用對偶式計算此時的f(y)值作為所述負荷預測值，將所述負荷預測值作為所述當前適合的負荷值。
[0094]
本發明通過溫濕度監測模塊實現了地鐵站內溫度、濕度的實時監測，通過無線通信模塊實現信號的無線傳輸；同時，利用動態負荷預測法根據當前溫濕度數據精準控制溫控機組的運行功率，實現地鐵站內熱環境的自動調控，提高節能效果；本發明結構簡單，操作方便，避免了人工控制、減少人力成本，具有很強的實用性，在提高地鐵溫控系統的能效
水平的同時提高地鐵乘客的體驗感，兼具節能技術與人性化設計。
[0095]
同時，對比傳統負荷動態預測算法，本發明通過粒子算法實現了支持向量機參數的自整定，并通過在粒子聚合過程中增加通過平均粒距計算粒子間距的過程，從而保持了體活性，增強了全局尋優能力，有效地克服了傳統粒子算法早熟的缺點，對比與傳統負荷動態預測算法，本發明所得負荷預測值更加精確、穩定。
[0096]
為了進一步說明本發明中動態負荷預測法的有益效果，本實施例中將廣州某商業中心地鐵站的熱負荷計算數據作為數據集，分別使用本發明中的動態負荷預測法與傳統動態負荷預測算法ls-svm(詳見文獻“胡林靜，郭朝澤，王景帥.基于issa-lssvm模型的短期電力負荷預測[j].科學技術與工程，2021，21(23)：9916-9922”)進行預測并將所得結果進行對比。
[0097]
使用ls-svm得到的負荷預測值與實際值之間的誤差如圖5所示，由圖5可以看出，傳統動態負荷預測算法所得負荷預測值與實際值之間的誤差平均值為2.85％，最大誤差出現在24時處為5.65％。
[0098]
使用本發明中的動態負荷預測法得到的負荷預測值與實際值之間的誤差如圖6所示，由圖6可以看出，本發明中的動態負荷預測法所得負荷預測值與實際值之間的平均誤差為1.13％，最大誤差出現在24時處為3.77％。因此，本發明中的動態負荷預測法所得結果對比于傳統動態負荷預測算法更加精確且更加穩定，從而證明了本發明的有益效果。
[0099]
本領域內的技術人員應明白，本技術的實施例可提供為方法、系統、或計算機程序產品。因此，本技術可采用完全硬件實施例、完全軟件實施例、或結合軟件和硬件方面的實施例的形式。而且，本技術可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(包括但不限于磁盤存儲器、cd-rom、光學存儲器等)上實施的計算機程序產品的形式。
[0100]
本技術是參照根據本技術實施例的方法、設備(系統)、和計算機程序產品的流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合。可提供這些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數據處理設備的處理器以產生一個機器，使得通過計算機或其他可編程數據處理設備的處理器執行的指令產生用于實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。
[0101]
這些計算機程序指令也可存儲在能引導計算機或其他可編程數據處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產生包括指令裝置的制造品，該指令裝置實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。
[0102]
這些計算機程序指令也可裝載到計算機或其他可編程數據處理設備上，使得在計算機或其他可編程設備上執行一系列操作步驟以產生計算機實現的處理，從而在計算機或其他可編程設備上執行的指令提供用于實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。
[0103]
顯然，上述實施例僅僅是為清楚地說明所作的舉例，并非對實施方式的限定。對于所屬領域的普通技術人員來說，在上述說明的基礎上還可以做出其它不同形式變化或變動。這里無需也無法對所有的實施方式予以窮舉。而由此所引申出的顯而易見的變化或變
動仍處于本發明創造的保護范圍之中。
技術特征：
1.一種無線動態負荷預測的地鐵站臺溫濕度控制系統，其特征在于：包括溫濕度監測模塊、控制器、無線通信模塊、系統控制模塊和溫控機組，所述溫濕度監測模塊實時監測地鐵站內部的溫度數據和濕度數據并輸入所述控制器，所述控制器通過所述無線通信模塊將所述溫度數據和濕度數據傳送到所述系統控制模塊，所述系統控制模塊使用動態負荷預測法控制所述溫控機組的運行功率，實現對地鐵站臺的溫濕度控制。2.根據權利要求1所述的無線動態負荷預測的地鐵站臺溫濕度控制系統，其特征在于：所述系統控制模塊包括上位機和終端控制電路，所述控制器和所述上位機連接，所述終端控制電路和所述溫控機組連接，所述上位機獲取所述溫度數據和濕度數據并使用動態負荷預測法預測得到當前適合的負荷值，所述終端控制電路根據所述當前適合的負荷值控制所述溫控機組的運行功率，實現對地鐵站臺的溫濕度控制。3.根據權利要求2所述的無線動態負荷預測的地鐵站臺溫濕度控制系統，其特征在于：所述終端控制電路使用pid控制所述溫控機組的運行功率。4.根據權利要求2所述的無線動態負荷預測的地鐵站臺溫濕度控制系統，其特征在于：所述上位機獲取所述溫度數據和濕度數據并使用動態負荷預測法預測得到當前適合的負荷值，具體為：步驟1：將所述溫度數據轉化為對應采樣時刻的熱負荷值，將所述濕度數據轉化為對應采樣時刻的濕負荷值，將所述熱負荷值和濕負荷值中的最大值作為負荷值，將所述負荷值和對應的采集時刻組成數據組；步驟2：對數據組進行補齊修正，將補齊修正后的數據組進行歸一化處理作為訓練集；步驟3：建立基于平均粒距的改進粒子算法，使用所述訓練集訓練所述基于平均粒距的改進粒子算法得到最優解；步驟4：將最優解輸入支持向量機模型預測得到負荷預測值，將所述負荷預測值作為所述當前適合的負荷值。5.根據權利要求4所述的無線動態負荷預測的地鐵站臺溫濕度控制系統，其特征在于：所述對數據組進行補齊修正，具體為：步驟2-1：若數據組中的元素缺失采集時刻，使用順序編號的方法進行補齊；若數據組中的元素缺失負荷值，使用線性插值的方法進行補齊；步驟2-2：使用水平處理與垂直處理對補齊后的數據組進行修正。6.根據權利要求4所述的無線動態負荷預測的地鐵站臺溫濕度控制系統，其特征在于：所述建立基于平均粒距的改進粒子算法，使用所述訓練集訓練所述基于平均粒距的改進粒子算法得到最優解，具體為：步驟3-1：初始化粒子，設定種族規模m和最大進化代數t
max
；步驟3-2：計算每個粒子的適應度值其中i為所求粒子編號，y
i
為對應粒子編號為i的負荷值，為使用支持向量機模型預測的對應粒子編號為i的負荷預測值；計算種的平均粒距d(t)和適應度方差σ2；步驟3-3：判斷是否滿足d(t)<α且σ2<β，其中α、β為預設閾值；
若滿足，則執行步驟3-1；若不滿足則對粒子速度和位置進行更新，執行步驟3-4；步驟3-4：重復步驟3-2和步驟3-3直到達到最大進化代數t
max
，將此時的解作為最優解。7.根據權利要求6所述的無線動態負荷預測的地鐵站臺溫濕度控制系統，其特征在于：所述平均粒距d(t)的計算方法為：其中，l為搜索空間對角最大長度，n為數據組中采集的數據的數量，p
id
表示第i個粒子位置的第d維坐標值，表示所有粒子位置的第d維坐標值的均值。8.根據權利要求6所述的無線動態負荷預測的地鐵站臺溫濕度控制系統，其特征在于：所述適應度方差σ2的計算方法為：其中，f
i
為第i個粒子當前的適應度值，為種當前的平均適應度值，f’為歸一化定標因子。9.根據權利要求8所述的無線動態負荷預測的地鐵站臺溫濕度控制系統，其特征在于：所述歸一化定標因子f’的計算方法為：10.根據權利要求4-9任一項所述的無線動態負荷預測的地鐵站臺溫濕度控制系統，其特征在于：所述將最優解輸入支持向量機模型預測得到負荷預測值，具體為：將最優解為c輸入支持向量機模型建立模型計算公式：使用拉格朗日方程將所述模型計算公式轉化為對偶式：其中，n為數據組中采集的數據的數量，y
i
為i時刻的負荷值，y
j
為j時刻的負荷值，0<j<i；f(y)為根據拉格朗日方程得到的回歸方程，w為慣性權重系數，b為回歸方程的位移量，f(y
i
)為由y
i
確定的f(y)值，ε為預設正常數，a
i
，、a
i
為拉格朗日乘子，t表示轉置；φ(y)為非線性映射函數，φ(y
i
)為由y
i
確定的φ(y)值，φ(y
j
)為由y
j
確定的φ(y)值；使用對偶式計算此時的f(y)值作為所述負荷預測值。
技術總結
本發明涉及溫濕度調節技術領域，公開一種無線動態負荷預測的地鐵站臺溫濕度控制系統，包括溫濕度監測模塊、控制器、無線通信模塊、系統控制模塊和溫控機組，溫濕度監測模塊實時監測地鐵站內部的溫度數據和濕度數據并輸入至控制器，控制器通過無線通信模塊將溫度數據和濕度數據傳送到系統控制模塊，系統控制模塊使用動態負荷預測法控制溫控機組的運行功率，實現對地鐵站臺的溫濕度控制。本發明可以通過無線方式實現地鐵站內熱環境的自動調控、結構簡單、操作方便、減少人力成本，兼具節能技術與人性化設計。性化設計。性化設計。
