一种基于时间序列的地铁能耗综合预测方法
【专利摘要】本发明从地铁能源管理系统的样本数据直接出发，基于时间序列的方法建立地铁总能耗的预测模型。本发明充分考虑地铁能耗的周期性，依照能耗预测时间的长短建立预测模型，采用长自回归模型法和非线性最小二乘法相结合的参数估计方法，其中用长自回归模型法进行参数的初估计，非线性最小二乘法进行参数的精估计。本发明利用地铁能源管理系统的记录数据，基于时间序列的分析方法，直接建立地铁能耗预测模型，不需要花费精力去研究地铁系统的能耗结构，更不会因能耗影响因素的考虑不周全而影响地铁的能耗预测精度。
【专利说明】一种基于时间序列的地铁能耗综合预测方法
【技术领域】
[0001] 本发明涉及一种地铁能耗的预测方法，属于能耗预测领域，具体说涉及一种基于 时间序列的地铁能耗预测方法。
【背景技术】
[0002] 城市轨道交通是城市公共交通体系的重要组成部分，具有运量大，速度快，准点率 高，占地少，污染小等特点，可以很好的解决当前城市交通拥挤问题。随着全国各地大批量 的上马地铁项目，地铁的运行公里数直线上升，提高能源的利用效率对于降低地铁运营成 本，保护环境，节能减排都具有重大的意义。而地铁节能方法中，对于能耗的科学分析和合 理预测，不仅有助于优化地铁的控制策略和日常运行，还对地铁的能效管理、能源分配起着 巨大的作用。
[0003] 地铁能耗预测方法可以分为两大类，一类为正演模型，一类为数据驱动模型。其 中，前者需要对地铁各个耗能设备有着精确的耗能模型，比如地铁的列车运行能耗；而后者 则是从数据出发，通过统计学理论建立有效的数学模型。目前，国内外学者以及一些公司基 本上都采用正演模型，即对地铁的运行能耗作了一些研究。文献1(张燕燕."城市轨道交 通系统牵引及车站能耗研究"）中作者根据列车的属性，进行了牵引力能耗的建模仿真，并 对车站内通风空调、自动扶梯和照明等能耗设备分别进行了能耗计算，建立了精确的能耗 模型；文献2 (王玉明· "轨道交通系统能耗影响因素的量化分析"）作者根据地铁的技术速 度、停站方案和满载率、运行条件等对能耗分别进行了建模仿真。但是，地铁系统的能耗结 构复杂，列车的运行能耗只是其中的一部分，除此之外还包括车站的运营能耗，这里面包含 了大量的非线性因数，因此很难用正演模型建立地铁系统的综合能耗预测模型。
[0004] 地铁系统的能耗结构复杂，包含了大量的非线性函数，很难建立地铁总能耗的正 演模型。同时地铁的能耗受国家法定节假日的影响，有很大的波动，并且伴随着工作日和 休息日的交替有明显的周期变化，这些因素下的能耗很难用精确的数学模型来表达。本发 明就是利用地铁能源管理系统的记录数据，提出了一种基于时间序列的地铁能耗预测新方 法。
【发明内容】
[0005] 针对现有的预测模型的缺陷性以及地铁能耗结构本身的非线性，本发明提出一种 利用地铁能源管理系统的记录数据从而基于时间序列的统计来建立地铁能耗预测模型而 不必去考虑地铁系统的能耗结构组成的方法。
[0006] 本发明提出的一种基于时间序列的地铁能耗综合预测方法，主要包括以下步骤：
[0007] 第一步，采用差分方法对地铁能耗样本序列Xt进行调整，使得调整后的序列是平 稳时间序列，记为Y;
[0008] 第二步，采用Daniel校验，对第一步中产生的平稳时间序列Y进行平稳性校验； [0009] 第三步，利用第二步已通过平稳性校验得到的地铁能耗数据的平稳时间序列Y，采 (公式1> 用自回归移动平均模型对其进行建模，基本表达式为：[0010]
【权利要求】
1. 一种基于时间序列的地铁能耗综合预测方法，主要包括以下步骤： 第一步，采用差分方法对地铁能耗样本序列Xt进行调整，使得调整后的序列是平稳时 间序列，记为Y; 第二步，采用Daniel校验，对第一步中产生的平稳时间序列Y进行平稳性校验； 第三步，利用第二步已通过平稳性校验得到的地铁能耗数据的平稳时间序列Y，采用自 回归移动平均模型对其进行建模，基本表达式为： Y,-<P^X-----(p"Y,_n =st-O1St_x-----dme,_m (公式I) 其中{Yt，t= 1，2, 3,…N}，Yh，…，Yt_n为Y在t-1，--?t-n时刻的值，e是均值为 零，方差为〇E2的平稳白噪声，et，eg，…，￡^为e在t，t-l，一t_m时刻的值，式中 p(/ =U，…《)为自回归系数，0j(j= 12,…，m)为滑动平均系数； 第四步，采用长自回归模型法对公式1的模型参数进行初估计，然后，采用非线性最小 二乘法实现公式1的模型参数的精估计； 第五步，利用Q准则检验模型中的e是否为白噪声，若是白噪声，则说明建立的模型适 合地铁能耗样本的时间序列，若不是白噪声，则返回第四步重新进行参数估计； 第六步，利用经过第五步检验获得的地铁能耗模型，根据地铁能耗平稳时间序列Y在t时刻及以前时刻的取值，对未来t+1时刻的变量Yt+1，（1>0)做出估计。
2. 如权利要求1所述的地铁能耗综合预测方法，其中在第一步中，设地铁能耗样本原 始序列为{xt}(t= 1，2,…，N)，且其周期为s，可进行差分运算： Y=VsXt=Xt-Xt^, 其中，Y是经过差分后的平稳序列，Vs为s阶差分算子，Xt为数据序列在t时刻的值，Xt_s为数据序列在t-s时刻的取值。
3. 如权利要求1所述的地铁能耗综合预测方法，其中在第四步中进行初估计时， 步骤一，对平稳时间序列Y拟合出长自回归模型AR(p)， Z=Xff, 其中，Z为平稳时间序列Y在某一时刻的值，W为平稳时间序列Y在该时刻之前的其它 时刻的取值矩阵，小为其参数矩阵； 然后采用最小二乘法估计其参数矩阵$，估计值记做七即# = 邊为参 数矩阵#中的元素，当i增加到某数值P时，A+1，表u :均趋于〇,则认为长自回归模型 中自回归部分的阶数为P，于是得到模型参数（即逆函数）A=為，G=H...,p丨和模 型阶次P; 步骤二，取n为ARMA(n,m)模型AR部分的阶数，m为MA部分的阶数；令m= 1开始搜 索； 步骤三，因n+m=p，则n=p-m，解下列线性方程组，得0』(j= 1，2,…，m):
步骤四，检查I0」是否趋近于0,若否，则令m=m+l，返回步骤三循环；如果趋于0,则 确定前一次循环的0j(j= 1，2, "'m)为滑动平均参数，且MA部分的阶次为m=m-1，再令 n=p-m执行下一步； 步骤五，解下列线性方程组，得供
步骤六，检查仍的最后几个值是否小于1〇_6,如果是，则省去后面的仍值，保留剩下的 仍为自回归参数，确定AR部分的阶次n等于剩余的仍值的个数，此时n〈p-m;若不小于，则 不必略去，此时n=p-m,识（i= 1，2,…，n)为自回归参数。
4.如权利要求1所述的地铁能耗综合预测方法，其中在第六步中， 对于ARM(n，m)模型，根据其逆转形式
得到1步预报公式为：
其中，Yt+1_j为平稳序列Y在t+1-j时刻取值，系数可以由逆函数汜，j= 1，2，?} 决定，计算公式如下：
逆函数计算公式： 0和分别为ARMA模型中的系数 , 9 系数F/u的计算公式：
【文档编号】G06F19/00GK104268424SQ201410535881
【公开日】2015年1月7日 申请日期:2014年10月12日 优先权日:2014年10月12日
【发明者】牛丽仙 申请人:刘岩