用于地铁暖通空调系统的负荷预测和控制系统及其方法与流程

本发明涉及暖通空调领域，尤其涉及在负荷预测方面做出改进的用于地铁暖通空调系统的负荷预测和控制系统以及用于地铁暖通空调系统的负荷预测和控制方法。

背景技术：

在地铁运营过程中，暖通空调系统全年开启，运行时间长，年能耗水平相比普通建筑物大很多，对地铁暖通空调开发新的节能控制策略对于降低地铁暖通空调能耗水平有重要意义。传统地铁冷站控制方式多为PID负反馈控制，存在较为严重的滞后性，可能会导致控制结果的震荡，节能控制效果不够理想。

目前也有些前馈控制方法，主要是采用线性回归法、神经网络算法、指数平滑法等空调负荷预测来实现冷站的提前控制，但应用于地铁的暖通空调系统时这些负荷预测控制系统依然存在较多不足，如线性回归法预测精度较差，而神经网络算法工程应用局限性较多。地铁建筑负荷难预测、多时变性的原因主要是受不可控的环境外界温湿度、地铁人员散热量、散湿潜热影响，因此建筑负荷预测的精确性是空调系统前馈控制策略是否合理的根本性因素。

这里，应当指出的是，本部分中所提供的技术内容旨在有助于本领域技术人员对本发明的理解，而不一定构成现有技术。

技术实现要素：

有鉴于此,本发明的目的是提供一种用于地铁暖通空调系统(比如冷站)的负荷预测控制系统及方法，解决传统负荷预测精度差，空调系统控制欠理想等问题。

根据本发明的一个方面，提供一种用于地铁暖通空调系统的负荷预测和控制系统。所述负荷预测和控制系统包括基础数据库、感测系统、负荷预测部和控制器，所述基础数据库存储有与所述地铁暖通空调系统相关的历史数据，所述强时变性数据包括地铁站内实时人员数量、地铁发车信息(例如包括发车数量和时刻)、环境温度和环境湿度中的至少一者，所述感测系统提供与所述地铁暖通空调系统相关的实测数据(当前实测数据)，所述负荷预测部基于所述历史数据和所述实测数据通过季节指数平滑法计算出所述地铁暖通空调系统的预测负荷值并且将所述预测负荷值传输至所述控制部，所述控制器基于所述预测负荷值发出控制指令以控制所述地铁暖通空调系统的运行，所述历史数据和所述实测数据包括强时变性数据，所述感测系统的感测数据被分类地存储在所述基础数据库中的根据季节、日期和/或时刻特性分类的相应数据文件夹中，预先设定数据分类形式；

所述地铁暖通空调系统还包括负荷量确定部，所述负荷量确定部集成在所述控制器或所述负荷预测部中，所述负荷量确定部基于所述感测系统的感测数据确定实际负荷量，以及

所述负荷预测部基于所述预测负荷值与从所述负荷量确定部反馈的所述实际负荷量的差修正下一负荷预测的预测负荷值。

优选地，所述基础数据库剔除包括地铁站通风、地铁站设备、地铁站照明和/或地铁站围护结构温差传热在内的弱时变性数据，以便简化所述基础数据库。

优选地，所述地铁暖通空调系统实施为地铁冷站，以及，所述历史数据和/或所述实测数据还包括负荷量、预测负荷量、冷冻水供水温度、冷冻水回水温度和/或冷冻水流量。

优选地，所述感测系统包括用于提供所述地铁站内实时人员数量的门禁人员数量采集装置。

优选地，所述感测系统包括发车信息检测装置，所述发车信息检测装置与车辆运行管理系统通信以获取当前地铁发车信息和/或未来地铁发车信息。

优选地，所述基础数据库中的所述历史数据为基于时间序列的逐时数据。

优选地，所述地铁暖通空调系统还包括多个数据预处理模块，所述感测系统的感测数据根据数据特性被分类为与所述多个数据预处理模块中的相应数据预处理模块相关联，以及，所述感测数据在经过所述数据预处理模块进行预处理之后被传输至所述控制器并且/或者被分类地存储在所述基础数据库中。

优选地，所述数据文件夹包括工作日数据文件夹、星期六数据文件夹、星期日数据文件夹和/或假日数据文件夹。

优选地，所述感测系统将所述实测数据传输至所述负荷预测部以便进行负荷预测，并且所述感测系统还将所述实测数据传输至所述基础数据库以便存储作为下一负荷预测的历史数据。

优选地，所述感测系统还将所述实测数据传输至所述控制器，使得所述控制器基于所述预测负荷值和所述实测数据发出所述控制指令。

优选地，所述地铁暖通空调系统实施为地铁冷站，所述地铁冷站包括下述冷站装置中的至少一者：冷机、冷冻水泵、阀门、冷却水泵和冷却塔，以及，所述地铁冷站还包括与所述冷站装置对应的执行机构，所述执行机构从所述控制器接收所述控制指令以控制所述冷站装置的运行。

根据本发明的另一方面，提供一种用于地铁暖通空调系统的负荷预测和控制方法。所述负荷预测和控制方法通过如上所述的负荷预测和控制系统来计算所述地铁暖通空调系统的预测负荷值并且基于所述预测负荷值来控制所述地铁暖通空调系统的运行。

优选地，所述负荷预测和控制方法包括如下步骤：

从所述基础数据库中提取近两日或更多日的负荷量，然后分别计算近两日或更多日的逐时负荷量平均值；

基于所述逐时负荷量平均值计算近两日或更多日的水平因子；

基于所述逐时负荷量平均值计算近两日或更多日的趋势因子；

计算近两日或更多日中每日的周期因子，然后取平均并进行正态化处理而获得正态化周期因子；

从所述感测系统将实时感测到的地铁站内实时人员数量和环境温度传输至所述负荷预测部，然后所述负荷预测部计算第一个负荷预测的人员数量修正系数和温度修正系数；

基于所述水平因子、所述正态化周期因子以及所述第一个负荷预测的人员数量修正系数和温度修正系数计算第一个预测负荷值；以及

将所述第一个预测负荷值传输至所述控制部，然后所述控制器基于所述第一个预测负荷值发出所述控制指令以控制所述地铁暖通空调系统的运行。

优选地，所述负荷预测部计算第一个预测负荷的人员数量修正系数和温度修正系数的步骤包括：将从所述感测系统获得的实时感测到的地铁站内实时人员数量和环境温度与前一日或前几日同一时刻的相应历史数据进行比较而获得所述第一个预测负荷的人员数量修正系数和温度修正系数。

优选地，所述负荷预测和控制方法还包括如下步骤：

在所述第一个负荷预测结束之后，由所述地铁暖通空调系统的负荷量确定部基于所述感测系统的感测数据确定实际负荷量；

所述负荷预测部基于所述第一个预测负荷值与从所述负荷量确定部反馈的所述实际负荷量的差修正所述水平因子和所述正态化周期因子而获得更新的水平因子和更新的正态化周期因子；

从所述感测系统将实时感测到的地铁站内实时人员数量和环境温度传输至所述负荷预测部，然后所述负荷预测部计算第二个预测负荷的人员数量修正系数和温度修正系数；以及

基于所述更新的水平因子、所述更新的正态化周期因子以及所述第二个预测负荷的人员数量修正系数和温度修正系数计算第二个预测负荷值。

本发明提供的用于地铁暖通空调系统的负荷预测控制系统及方法，采用改进型季节性指数平滑法，基于历史信息，并结合未来时刻的实测信息，通过计算并输出预测负荷值实现冷机、冷冻水泵、冷却水泵、冷却塔等的控制，并且通过实测建筑(地铁站)负荷与预测负荷之差，不断修正冷机输出能力，改善地铁冷站全局控制效果。

本发明解决了传统负荷预测精度差，空调系统控制欠理想等问题，还具有节省初投资，运行可靠，改善暖通空调系统节能效果，减少数据库存储数据，负荷预测模型简单，实用性强等优点。

附图说明

通过以下参照附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：

附图1是示出本发明涉及的用于地铁暖通空调系统的负荷预测和控制系统的示意图；

附图2是示出本发明涉及的用于地铁暖通空调系统的负荷预测和控制系统的另一示意图；

附图3是示出本发明涉及的用于地铁暖通空调系统的负荷预测和控制方法的数据采集、预处理及存储的示意图；以及

附图4是本发明涉及的用于地铁暖通空调系统的负荷预测和控制方法的示例性流程图。

具体实施方式

以下基于实施例对本发明进行描述，但是本发明并不仅仅限于这些实施例。

如图1-2所示，本发明提供了一种用于地铁暖通空调系统(比如冷站)的负荷预测和控制系统。该系统可以包括基础数据库、负荷预测软件(负荷预测部)和控制器。基础数据库可以包括历史信息(历史数据)。可以将历史信息传输给负荷预测软件，由此负荷预测软件可以结合历史信息和实测信息(实测数据)而计算并输出预测负荷值。控制器根据预测负荷值发出指令，以便执行开机动作。负荷预测软件根据反馈的实测建筑负荷(地铁负荷量)对预测负荷值进行修正，依次循环运行。这里，实测信息也可以称为预见信息。

本发明提供的用于地铁暖通空调系统的负荷预测和控制系统方便地集成了地铁站历史信息(原有信息)，并且无需额外较大投资即可获得影响地铁站未来时刻的建筑负荷的实测(预见)信息，基础数据库中简化了传统建筑负荷预测模型数据库，剔除了通风、太阳辐射、设备、照明、围护结构温差传热等时变性不强的影响因素(即弱时变性数据)。

在一些实施例中，用于地铁站的建筑负荷预测和控制系统还包括执行机构、通讯模块、人员计数器(例如，可以实施为门禁人员数量采集装置)、温度传感器、湿度传感器、流量传感器、数据预处理模块、发车信息检测装置中的一者或多者。

在一些示例中，执行机构可以将实测建筑负荷反馈给负荷预测软件。在其它示例中，地铁暖通空调系统还可以包括负荷量确定部(例如集成在控制器或负荷预测部中)，该负荷量确定部基于感测系统(由各种传感器组成，并且一部分传感器可以附接在相应的执行机构中)的感测数据确定实际负荷量，由此，负荷预测部可以基于预测负荷值与从负荷量确定部反馈的实际负荷量的差修正下一负荷预测的预测负荷值。

温度传感器和湿度传感器分别采集气象参数(比如，干球温度、相对湿度)，传送至数据预处理模块，获得气象数据(对应于环境温度和环境湿度)，并存储于基础数据库中。

人员计数器从地铁控制台获得当前时刻实时人员数量，经处理后存储于所述基础数据库中。

发车信息检测装置确定下一时刻地铁站发车对数。

数据预处理模块可以包括第一数据预处理模块、第二数据预处理模块、第三数据预处理模块、第四数据预处理模块。然而，应当理解的是，数据预处理模块的数量不限于此。第一数据预处理模块处理的数据可以包括设备启停状态、管理信息，第二数据预处理模块处理的数据可以包括温度、湿度，第三数据预处理模块处理的数据可以包括人员量，而第四数据预处理模块处理的数据包括可以温度、流量(比如冷冻水供水温度、冷冻水回水温度、冷冻水流量、冷却水温度、冷却水流量)。

温度传感器、流量传感器将采集的冷站运行数据经数据预处理模块而传输至控制器作为控制指令发出的依据，并将计算的冷负荷存储于基础数据库中。

优选地，控制器控制执行机构，执行机构发出指令控制冷机、冷冻水泵、冷却水泵、冷却塔、阀门(比如电动蝶阀)中的一者或多者，由此实现对地铁冷站制冷量的精确供给。

优选地，基础数据库包括气象参数文件、地铁人员数据文件，干球温度、相对湿度存储于气象参数文件中，而当前时刻实时人员数量存储于地铁人员数据文件中。

在一些实施例中，启动负荷预测软件后，根据预先设置的空调时间段，自动启动负荷预测计算，从基础数据库中调取相应历史数据，并实时输入可直接测量获得或经过计算获得的人员数量、干球温度、相对湿度、实测冷负荷，由此计算出下一时刻预测负荷值，并经通讯模块将预测负荷值传输至控制器。控制器基于预测负荷值计算出需要开启的冷机、冷冻水泵、冷却水泵、冷却塔、电动蝶阀的数量，根据预先设定时间发送开机命令，执行开机动作。控制器还可通过所发出的控制指令来控制各冷站装置的能力率(例如，对于变频水泵而言，可以通过控制变频水泵的频率而调整变频水泵的输出能力)。当未获得下一个预测值时，所述控制器根据前一个预测值与实测值之差，调整例如冷却水、冷冻水流量等而调节冷站供冷量；接到负荷预测软件给出的下一个预测值后，控制器根据预测值与实测值之差再调整冷机出力、冷冻水、冷却水流量等而实现前馈控制。

本发明利用地铁站的现有资源能够比较容易地确定乘车人员数量、发车情况、温湿度，因此未来时刻关键信息的采集非常简便，还能够降低成本。

优选地，建立地铁建筑负荷与历史信息(数据)和/或实测信息(数据)的模糊关系式，这便于提高建筑负荷预测精度。

优选地，历史信息包括基于时间序列的干球温度、湿球温度、列车发车数量、地铁站内人员数量、地铁站建筑负荷、冷冻水供回水温度、冷冻水流量、冷冻水供回水温差中的至少一者，地铁冷站的历史信息多，且收集方便，能够提高建筑负荷预测精度，并降低收集历史信息的成本。

优选地，实测信息包括环境干球温度、环境湿球温度、列车发车数量、地铁站内实时人员数量中的至少一者。地铁站内实时人员数量可以由门禁系统的人员计数器来进行准确统计，而车辆运行管理系统已规划下一时刻(冷冻水循环一周所需时间)地铁站发车对数，因此，数据采集非常方便。这里，需要说明的是，与通风、太阳辐射、设备、照明、围护结构温差传热等时变性不强的影响因素相比，地铁站内实时人员数量、地铁发车信息、环境温度和环境湿度等数据会随着时间而变化较大。例如，工作日早晚高峰时地铁站内实时人员数量较多、夏季中午时环境温度较高。因此，这些数据在本申请中被简称为强时变性数据。

如图3所示，根据本发明，用于地铁地铁暖通空调系统的负荷预测和控制方法可以包括数据采集与整合处理阶段和预测计算阶段。

数据采集与整合处理阶段可以包括：采集数据并分类存储在基础数据库中不同数据文件夹，即，预先设定冷负荷数据分类形式。

预测计算阶段可以包括如下步骤。

根据用户需求在程序中预设预测间隔时间，并，从预测日的基础数据库中提取近两日d(n-1)、d(n-2)的实测冷负荷Q(t)，分别计算近两日实测逐时冷负荷平均值Qj-1、Qj-2(这里，需要说明的是，也可以是近一日或多于近两日的近几日)。

将实时监测到的地铁室内人员数量、室外气温传给负荷预测模型，以计算第一个负荷预测的气温修正系数ζ(1)、室内人员数量修正系数ξ(1)。接着，计算预测日的第一个预测负荷值Q(1)。与此同时，可以将实测冷负荷、气象参数、地铁人员数量存储于相应数据文件夹中一做备用。

根据预先设定的第一个空调时间提前值τ1和冷冻水循环周期τ以及根据预测负荷值，控制器提前(例如提前(τ+τ1))发送开机命令。

在第一个负荷预测时刻结束并获得实测地铁冷站供冷量Q’(1)之后，将实时监测到的地铁室内人员数量、室外气温传给负荷预测模型，由此负荷预测模型计算预测日的第二个预测负荷值Q(2)。与此同时，可以将实测冷负荷、气象参数、地铁人员数量存储于相应数据文件夹中以作后用。

与预测第二个时刻点的方法一样，依次预测后续时刻的冷负荷需求量，直到最后一个空调时刻点预测结束后，冷站控制器发送关机命令，结束一天的负荷预测工作。

优选地，数据文件夹包括工作日数据文件夹、星期六数据文件夹、星期日数据文件夹、假日数据文件夹，其中，每个类型文件夹包含历史气象参数、历史在室人员数量、历史冷负荷数据、历史预测冷负荷数据中的至少一项。

优选地，近两日实测逐时冷负荷平均值分别为：

两个负荷日的水平因子为：

两个负荷日的趋势因子为：

其中，N表示单个负荷日的冷负荷预测点数(例如，N＝1、2、3……24)；

计算出每个负荷日的周期因子Ct(j-1,i)、Ct(j-2,i)，取平均后正态化处理得到Ct(i)；

计算第一个预测负荷值的气温修正系数ζ(1)、室内人员数量修正系数ξ(1)，预测日的第一个预测负荷值为：

Q(1)＝ζ(1)*ξ(1)*Ct(1)*S。

优选地，在第一个负荷预测时刻结束并获得实测地铁冷站供冷量Q’(1)之后，对水平因子S、周期因子分别进行修正，得更新后的St(i)、Ct(i)；

基于实时监测到的地铁室内人员数量、室外气温，计算第二个预测负荷值的气温修正系数ζ、室内人员数量修正系数ξ，预测日的第二个预测负荷值为：

Q(2)＝ζ*ξ*Ct(2)*St(2)。

优选地，数据采集与整合处理阶段包括：

数据采集阶段，包括气象数据采集、地铁门禁系统数据采集、中央空调系统数据采集和管理信息采集；

数据预处理阶段，包括实施数据预处理和管理信息预处理；

数据存储(提取)阶段，选择预测模式后，将供冷量、冷量预测值、人员在室率、室外干球温度、湿球温度存储到负荷预测模型。

在如图4所示的用于地铁暖通空调系统的负荷预测和控制方法的另一实施例中，包括如下步骤：

选择预测模式，启动计算；

N＝1时，调取最近两个同类型负荷日基于时间序列的负荷实测数据、地铁人员数量、室外干湿球温度数据；

根据调取的两个相似日数据计算得出预测日逐时冷负荷Q；

实时采集中央空调供冷量、气象温度、人数统计，根据当前时刻检测的地铁人员数量、室外干湿球温度条件，与前一相似负荷日同一时刻值进行比较，得出一个当前预测负荷值的修正系数λ，并对上述预测值进行修正，得出预测日第一个空调时刻预测值λ*Q；

负荷预测日数据存储；

N＝24，则预测结束；

N≠24，则返回N＞1状态，继续运行；

N＞1时，调取最近两个同类型负荷日基于时间序列的负荷实测数据、地铁人员数量、室外干湿球温度数据；

根据调取的两个相似日数据计算得出预测日逐时冷负荷Q；

根据上一时刻t(n-1)空调系统供冷量，修正预测值的水平因子St，周期因子Ct；

根据修正预测值的水平因子St，周期因子Ct，得出预测值Q；

实时采集中央空调供冷量、气象温度、人数统计，根据当前的时刻t监测的地铁人员数量、室外干湿球温度条件，与前一相似负荷日同一时刻值进行比较，得出一个当前预测负荷值的修正系数λ，并对上述预测值进行修正，得出预测日第一个空调时刻预测值λ*Q；

负荷预测日数据存储；

N＝24，则预测结束；

N≠24，则返回N＞1状态，继续运行，依次循环，直至N＝24，预测结束。

本发明提供的用于地铁暖通空调系统的负荷预测和控制系统及方法，利用地铁冷站已有数据信息，而无需额外较大投资即可获得影响地铁冷站未来时刻的建筑负荷的实测(预见)信息，应用改进的季节指数平滑法计算下一时刻(冷冻水循环一周所需时间)地铁站建筑负荷，并发出指令控制冷机、冷冻水泵、冷却水泵、冷却塔、电动蝶阀，进而实现对地铁站精确的空气调节。

本发明提供的用于地铁暖通空调系统的负荷预测和控制系统及方法能够解决传统负荷预测精度差，空调系统控制欠理想等问题，还具有节省初投资，应用难度小、运行可靠，改善暖通空调系统节能效果，减少数据库存储数据，负荷预测模型简单，实用性强等优点。

以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。