一种面向轨道交通的用电能耗指标评估方法与流程

本发明涉及轨道交通的用电能耗分析领域，具体涉及一种面向轨道交通的用电能耗指标评估方法。
背景技术：
：城市轨道交通具有运量大、快捷舒适、安全、准点、保护环境、节约能源、占地少等特点，已经成为各大中型城市解决道路交通拥堵问题的主要手段。随着我国社会经济的飞速发展及城市化进程的日益推进，我国城市轨道交通建设的规模不断扩大，城市轨道交通对城市电网的电能质量及暂态过程影响已日渐显现。城市轨道交通供电系统负责为电动列车提供牵引电力，并为各种运营设备提供动力照明电源，是城市电网的用电大户。同时城市轨道交通用电消耗成本约占全部运营成本的30％～48％，因而应在保证牵引供电系统安全和优质运行的前提下降低用电消耗可以有效降低运营成本。但是目前对于轨道交通用电消耗的指标没有明确且没有找到一种有效评估轨道交通用电消耗的方法。技术实现要素：为了解决上述问题，本发明提供了一种面向轨道交通的用电能耗指标评估方法，具体技术方案如下：一种面向轨道交通的用电能耗指标评估方法包括以下步骤：（1）对各单项能耗指标进行分等级，在各等级范围内通过随机取值的方法建立投影指标，该投影指标包括各能耗单项指标及其所对应的等级；（2）将投影指标按照某一投影方向投影到一维空间上，得到投影指标在一维空间的投影值，将投影值的标准差、投影值与投影指标对应的评估等级之间的相关系数作为考察投影指标的变异信息，从而建立投影目标函数；（3）利用遗传算法求解投影目标函数最大值来确定最佳投影方向；（4）根据最佳投影方向得到投影指标的最佳投影值与评估等级之间的散点图，从而建立能耗指标综合评估的遗传投影寻踪模型。进一步，所述单项能耗指标包括客流量能耗指标、车辆周转量指标、客运周转量指标；所述客流量能耗指标的计算方式为：年（月）总耗电量/客流总量，单位为度/人次；所述车辆周转量指标计算方式为：年（月）总耗电量/车辆运行总里程，单位为度/车·km；所述客运周转量指标计算方式为：年（月）总耗电量/客运周转总量，单位为度/人·km。进一步，所述等级的数量为9。进一步，所述单项能耗指标具体为客流量能耗指标最大值、客流量能耗指标最小值、客流量能耗指标平均值、车辆周转量指标最大值、车辆周转量指标最小值、车辆周转量指标平均值、客运周转量指标最大值、客运周转量指标最小值、客运周转量指标平均值。本发明的有益效果为：本发明利用遗传算法+投影寻踪的方法提供了一种面向轨道交通的用电能耗指标评估方法，建立了能耗指标综合评估的遗传投影寻踪模型，并用实例证明了该模型的可行性。且还对换乘车站和运营线路进行了综合评估，该评估结果将电能消耗程度进行了等级划分，可以直观的了解到评估单位的电能消耗状况，其评估结果全面客观合理，为评估轨道交通电能能耗提供了重要依据。附图说明图1是本发明一种面向轨道交通的用电能耗指标评估方法的流程图；图2是本发明中客流量能耗指标分级示意图；图3是本发明中车辆周转量指标分级示意图；图4是本发明中客运周转量指标分级示意图；图5是本发明中遗传算法的流程图；图6是本发明中投影寻踪方法的示意图；图7是本发明中的散点图。具体实施方式为了更好的理解本发明，下面结合附图和具体实施例对本发明作进一步说明：如图1所示，一种面向轨道交通的用电能耗指标评估方法具体包括以下步骤：（1）对各单项能耗指标进行分等级，在各等级范围内通过随机取值的方法建立投影指标，该投影指标包括各能耗单项指标及其所对应的等级；单项能耗指标包括客流量能耗指标、车辆周转量指标、客运周转量指标；客流量能耗指标的计算方式为：年（月）总耗电量/客流总量，单位为度/人次，该指标反映了区域及季节影响因素，区域不同，客流量变化明显，季节不同，客流量的大小将间接影响总耗电量；车辆周转量指标的计算方式为：年（月）总耗电量/车辆运行总里程，单位为度/车·km，该指标反映了时间、车辆类别及线路节能坡采用的因素，不同的运营期能耗表现明显不同，据研究采用节能坡的线路对节省能耗有帮助，车型不同则能耗不同，该指标则能体现不同车型能耗的比较；所述客运周转量指标的计算方式为：年（月）总耗电量/客运周转总量，单位为度/人·km，该指标考虑人的因素的同时也考虑了运营里程，综合反映了季节、车型、节能坡、设备类别及区域的影响，体现力更强，集合度更高；单项能耗指标具体为客流量能耗指标最大值、客流量能耗指标最小值、客流量能耗指标平均值、车辆周转量指标最大值、车辆周转量指标最小值、车辆周转量指标平均值、客运周转量指标最大值、客运周转量指标最小值、客运周转量指标平均值；对各单项能耗指标进行分为9个等级；（2）将投影指标按照某一投影方向投影到一维空间上，得到投影指标在一维空间的投影值，将投影值的标准差、投影值与投影指标对应的评估等级之间的相关系数作为考察投影指标的变异信息，从而建立投影目标函数；（3）利用遗传算法求解投影目标函数最大值来确定最佳投影方向；（4）根据最佳投影方向得到投影指标的最佳投影值与评估等级之间的散点图，从而建立能耗指标综合评估的遗传投影寻踪模型。具体步骤如下：对各单项能耗指标进行分级：各单项能耗指标及其分级如图2、图3和图4所示，各单项能耗指标平均分为9级，从1~9级电能节能情况逐级下降，相关参数定义如下：设客流量最大值为，客流量最小值为，进线电量最大值为，进线电量最小值为，运营里程最大值为，运营里程最小值为；客流量能耗指标最大值为，客流量能耗指标最小值为；客流量能耗指标平均值为，则客流量能耗指标最大值：；客流量能耗指标最小值：；客流量能耗指标平均值：；设车辆周转量指标最大值为、车辆周转量指标最小值为、车辆周转量指标平均值为；则车辆周转量指标最大值：；车辆周转量指标最小值：；车辆周转量指标平均值：；设客运周转量指标最大值为、客运周转量指标最小值为、客运周转量指标平均值为，则客运周转量指标最大值：；客运周转量指标最小值：；客运周转量指标平均值：；在各等级范围内通过随机取值的方法建立投影指标，从而形成样本集。投影指标包括反映能耗情况的各单项能耗指标x*(i,j),i=1,2,…n，j=1,2,…m，及其对应的评估等级y(i),i=1,2,…n，能耗越差，对应的评估等级就越高；为了使单项能耗指标的变化范围统一，采用式对x*(i,j)进行归一化处理为x(i,j)，即x(i,j)=x*(i,j)/xmax(j)，i=1,2,...n，j=1,2,…m；其中，xmax(j)为第j个单项能耗指标的最大值；n为样本的个数；m为单项能耗指标个数。投影目标函数的建立：建立单项能耗指标综合评估模型就是建立x(i,j)与y(i)之间的数学关系，投影寻踪方法将n维数据x(i,j)综合成以a=(a(1)，a(2)，···，a(m))为投影方向的一维投影值z(i)：；为了在投影时找到数据的特征，要求在综合投影值时，投影值z(i)应尽可能大地提取x(i,j)中的变异信息，即z(i)的标准差sz应尽可能大，同时要求z(i)与y(i)的相关系数rzy的绝对值|rzy|尽可能大，因此取投影目标函数为f(a)=sz|rzy|；投影目标函数的优化：投影目标函数f(a)随着投影方向a变化而变化，可通过求解投影目标函数最大值来估计最佳投影方向a*，即maxf(a)=sz|rzy|；；这是一个以a=(a(1)，a(2)，···，a(m))为优化变量的非线性优化问题，用常规方法处理较困难，遗传算法则是一种比较通用的全局优化方法，它通过模拟生物界“适者生存”的规则以及群体内部染色体信息交换机制来进行全局优化，能够简便有效的解决上述问题。如图5所示，遗传算法的基本思想是：随机抽取若干个初始投影方向作为初始群体，用遗传算法来优化投影目标函数，并建立与投影目标函数的大小相应的适应度函数，适应度函数大的个体被保留的机会就大，通过选择、杂交、变异等遗传操作，最后适应度数值最大的所对应的个体与最大投影目标函数对应的最佳投影方向a*相对应。利用最佳投影方向可以判断各评估指标对综合评估目标的贡献大小。所述投影寻踪技术是用来处理和分析高维数据的一种探索性数据分析的有效方法。图6示意了投影寻踪方法的基本思想，该方法就是根据实际问题的需要，把高维数据投影到低维（1~3维）子空间上，通过观察投影图像，利用投影指标函数来衡量投影，揭示数据为某种结构的可能性的大小，自动找出使该指标函数达到极大（或极小）的投影值，然后根据该投影值来分析高维数据的结构特征，或根据该投影值与所研究系统的输入输出值之间的散点图构造数学模型来预测系统的输出。其中投影指标函数的构造、优化方法的选择、数学模型的建立是应用投影寻踪解决实际问题的关键。建立能耗指标综合评估的遗传投影寻踪模型：将最佳投影方向a*按式做归一化得到权重向量，并将此权重代入式，可以得到第i个样本的投影值。根据z(i)与y(i)构成的散点图，可以建立能耗指标综合评估的数学模型，从而对能耗情况进行综合评估；即；；其中，为随机生成的样本，并将其按式进行了归一化后得到散点图如图7所示：表1散点图各阶层的端点投影值等级左端点右端点等级左端点右端点等级左端点右端点1——0.5154340.685760.7115870.828430.8374520.613780.6255050.755030.7682780.864590.8778130.648590.6680660.790800.7996591.58944——。本发明不局限于以上所述的具体实施方式，以上所述仅为本发明的较佳实施案例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。当前第1页12