一种能源地下地铁车站智慧运维方法与流程

本发明涉及浅层地热能开发与利用技术，尤其涉及一种能源地下地铁车站智慧运维方法。

背景技术：

1、地下地铁车站环控系统的能耗在城市轨道交通耗能中的占比高达30～40％，具有较大的节能潜力。浅层地热能作为一种分布广、易开发的可再生低品位热能，主要用于建筑的供暖制冷，利用浅层地热能替代传统的空调系统可降低地铁车站环控系统能耗约1/3。

2、能源地下地铁车站是通过在车站结构中埋设换热管形成能源车站结构(诸如能源隧道、能源底板、能量支护桩)提取浅层地热能进行地下地铁车站室内温度控制的新兴技术。该技术无需额外钻孔布设换热井，降低初次投资成本，且赋予传统地下结构新功能，符合综合开发地下空间的发展理念。传统的运维管理方法不仅需要耗费大量的人力财力，且存在控制滞后、统筹协调性差、降低设备耐久性的问题。此外，在能源地下地铁车站结构施工或系统运行过程中，结构内换热管产生破损、堵塞或弯折的问题会使得换热介质难以正常循环，产生各模块甚至系统水压不稳、主要承载构件腐蚀破坏、换热效率降低的隐患，最终会造成环控系统无法正常运行；然而目前针对能源地下地铁车站结构施工完成后的检测与维修技术尚不成熟。因此，科学合理的精细化运维、调控方法是实现能源地下地铁车站节能优势最大化的重要支撑，运维阶段的换热管路检修技术是确保车站环控系统得以长期稳定运行的有力保障。

3、中国实用新型专利申请号为cn202120598233.1，名称为一种适用于地铁车站的复合热泵系统，建立了由地源热泵系统和水环热泵系统构成夏季利用地源热泵系统为车站公共区和管理用房提供冷量，冬季利用水环热泵系统的复合热泵系统。

4、中国发明专利申请号为cn201210585495.x，名称为地铁车站地源热泵空调系统，介绍了一种由地源热泵机组、地埋管换热器、储水箱、车站空调末端和建筑空调末端构成的系统。

5、中国发明专利申请号为cn202010244228.0，名称为一种地源热泵系统性能检测及优化控制方法、装置，公开了一种根据采集地源热泵系统实时运行数据计算系统运行实时机组能效比，进一步确定系统实时运行状态。通过比对系统运行历史数据，确定系统调节方式。

6、中国发明专利申请号为cn201910043376.3，名称为一种地源热泵系统性能预测方法，公开了一种钻孔分布形式、钻孔半径、埋管深度、埋管数、埋管横向间距、埋管纵向间距、管内填充材料导热系数、u型管公称外径、远端岩土温度为数据结构的地源热泵性能决策树预测方法。

7、目前，仅有少数有关地铁车站地源热泵系统的研究，缺少针对能源地下地铁车站系统的研究，以及能源车站结构(能量支护桩、能源隧道、能源底板)运维控制的研究。机器学习是通过建立合适的算法使得计算机能够从一类数据中自动分析获得规律，并利用规律对未知数据进行预测的科学技术，但上述基于机器学习的地源热泵性能预测和控制方法，重点是对热泵机组的控制。实际工程中，能源地下地铁车站的运行需要统筹协调室内用户端、机组设备端、能源车站结构埋管端之间的运行状态，达到相互匹配动态平衡的运行状态。仅对热泵机组进行控制管理将加快设备的损耗以及容易造成不必要的能源浪费。能源车站结构现有地源热泵控制技术不适用于能源地下地铁车站的智慧运维控制，更无法做到机组设备、车站用户、能源车站结构三部分的动态控制。因此，需要一种易于推广且简单合理的协同控制管理方法，以便实际工程中精准控制。

8、中国实用新型专利申请号为cn201721077937.4，名称为一种可永久探测聚乙烯复合管道，公开了一种可永久探测聚乙烯复合管道，包括聚乙烯层和改性pp包覆层构成的双层结构管材，通过万用表检测内层与外层之间示踪金属带的电流判定管体是否有破坏。

9、中国发明专利申请号为cn202111660338.6，名称为一种市政道路工程防堵清淤系统及其工作方法，公开了一种由清淤小车、小车驱动机构、视觉检测机构、工矿检测机构和显示机构组成的市政道路工程防堵清淤系统。

10、上述复合管道技术中金属带需要组装连接，容易在施工阶段就发生短路或断路的异常，且市政管道清淤系统仅限于大直径市政管网。既有技术均无法应用于深埋、小口径的能源车站结构(能量支护桩、能源隧道、能源底板)内换热管的检测和维修。

技术实现思路

1、为了解决上述技术问题，本发明提供了一种能源地下地铁车站智慧运维方法，包括运维控制模型，所述运维控制模型包括五个本地客户端局部模型，所述五个本地客户端局部模型包括车站用户端控制模块、机组设备端控制模块、能量支护桩埋管端控制模块、能源隧道埋管端控制模块、能源底板埋管端控制模块，具体包括以下步骤：

2、d1：收集整理能源地下地铁车站信息作为训练样本数据，建立本地客户端局部模型，所述本地客户端局部模型包括车站用户端控制模块、机组设备端控制模块、能量支护桩埋管端控制模块、能源隧道埋管端控制模块、能源底板埋管端控制模块，所述训练样本数据包括车站用户端运行参数以及控制参数、机组运行参数以及控制参数、能量支护桩埋管端运行参数以及控制参数、能源隧道埋管端运行参数以及控制参数、能源底板埋管端运行参数以及控制参数进行简单的数据清洗，分析样本数据特征，并分配至相应的本地客户端；

3、d2：车站用户端控制模块、机组设备端控制模块、能量支护桩埋管端控制模块、能源隧道埋管端控制模块、能源底板埋管端控制模块根据收集到的参数进行学习和计算，更新本地客户端的局部模型，并计算结果；

4、d3：将五个本地客户端的局部模型计算的结果以公钥的形式加密成脱敏参数，并上传至中央服务器；

5、d4：中央服务器利用私钥对五个客户端上传的加密脱敏参数解密，中央服务器进行加密脱敏参数的解码操作，并进行安全聚合，随后更新全局共享模型，每一轮模型权重更新后，中央服务器计算全局模型的误差和准确率；

6、d5：中央服务器将全局共享模型生成用于加密传输数据的公钥，并下发至各客户端，各本地客户端根据全局共享模型更新其他相关客户端迭代结果作为新样本数据属性参数；

7、d6：重复步骤d2～d5不断迭代，直至全局模型稳健为止，最终各本地客户端根据全局共享模型计算得到对应的结果，计算出能源地下地铁车站中相互匹配的控制状态，包括车站用户端各类调节阀开度、车站内各房间的设置温度、机组设备端各类调节阀开度、能量支护桩埋管端各类调节阀开度、能源隧道埋管端各类调节阀开度、能源底板埋管端各类调节阀开度。

8、优选地，步骤d1中所述的训练样本数据可通过数值模拟计算、现场监测技术、问卷调查技术、图像识别技术、热红外技术获得，所述的数据清洗，其对象包括错误数据、异常数据、不完整数据、重复数据；数据清洗的内容包括识别无效值、异常值和缺失值；处理异常值、无效值和缺失值。

9、优选地，步骤d2中所述的车站用户端控制模块局部模型的更新计算，包括以下步骤：d2.1.1：利用私钥对加密传输数据的公钥进行解密，根据中央服务器的全局共享模型更新能量支护桩埋管端控制模块、能源隧道埋管端控制模块、能源底板埋管端控制模块、机组设备控制模块、车站用户控制模块相关客户端，并将迭代结果作为新样本数据属性参数，根据信息熵计算训练样本所有属性的信息增益，并按照信息增益对所有属性进行排序；

10、d2.1.2：先从候选属性中找信息增益高于平均水平的属性，再从中选择增益率最高的属性预测作为决策树的分支属性；

11、d2.1.3：再将每个根节点视为完整数据集，按照次优属性作为依据进行样本划分，将属性取值相同的样本作为同一样本集形成叶子节点，采用mep方法进行决策树的剪枝，依次迭代形成决策树；

12、d2.1.4：对决策出的车站用户端控制参数与设备调节范围进行比较，如果计算结果满足调节范围，则将决策计算结果作为超前预测控制信息利用公钥转化为加密参数上传中央服务器，以备联邦学习的全局共享模型迭代；如果计算结果超出调节范围，则执行步骤d2.1.5；

13、d2.1.5：将决策出的车站用户端控制参数输出并发出警报，以设备控制阈值作为超前预测控制信息利用公钥转化为加密参数上传中央服务器，以备联邦学习的全局共享模型迭代。

14、优选地，步骤d2中所述的机组设备端控制模块局部模型的更新计算，包括以下步骤：d2.2.1:利用私钥对加密传输数据的公钥进行解密，根据中央服务器的全局共享模型更新能量支护桩埋管端控制模块、能源隧道埋管端控制模块、能源底板埋管端控制模块、机组设备控制模块、车站用户控制模块相关客户端，并将迭代结果作为新样本数据属性参数，将机组设备的控制阀开度参数作为学习目标；

15、d2.2.2为解决自变量与因变量之间的关系，引入松弛变量ξi和惩罚系数c构造考虑软间隔的非线性分割支持向量分类器，模型的预测精度和模型的自身稳定性通过损失函数表示，得到其对应的条件最值函数；

16、d2.2.3通过拉格朗日函数将上述条件最值函数转换为多元函数进行求解，令拉格朗日函数对优化目标w，b，ξ的偏导数为0，得到拉格朗日乘子，将原始条件最值函数转化为对偶函数，从而找到约束区域内的最小值；

17、d2.2.4：利用“线性核”处理对偶函数中映射函数内积；

18、d2.2.5：利用模拟退火法优化支持向量机局部模型中的模型参数，包括不敏感损失函数ε、惩罚系数c、核函数中的超参数γ、λ、a、c、d；

19、d2.2.6：输入目标机组设备的运行状态参数，用训练出的支持向量机局部模型预测计算机组设备端控制参数、相关的控制阀开度；

20、d2.2.7：对计算结果与设备调节范围进行比较，如果计算结果满足调节范围，则将预测计算结果作为超前预测控制信息利用公钥转化为加密参数上传中央服务器，以备联邦学习的全局共享模型迭代；如果计算结果超出调节范围，则执行步骤d2.2.8；

21、d2.2.8：将计算出的机组设备端控制结果输出并发出警报，以设备控制阈值作为超前预测控制信息利用公钥转化为加密参数上传中央服务器，以备联邦学习的全局共享模型迭代。

22、优选地，其特征在于，步骤d2中所述的能量支护桩埋管端控制模块的局部模型更新计算，包括以下步骤：

23、d2.3.1：利用私钥对加密传输数据的公钥进行解密，根据中央服务器的全局共享模型更新的机组设备运行参数、车站用户运行参数作为新样本数据属性参数，根据样本数据，将能量支护桩埋管端分集水器集管、分集水器支管、能量支护桩内冷却水的流量、压力、温度、液位作为样本属性空间集，将相关控制阀开度参数作为学习目标；

24、d2.3.2：样本数据预处理，定义状态向量x与目标向量y；对样本数据进行质量分析、特征分析、清洗处理；可通过敏感性分析将样本属性变量按照相关性进行排序，取排序靠前的属性变形作为状态参数的元素，其中t时刻的状态向量表示为：

25、x(t)＝[x1(t),x1(t-1),x2(t),x2(t-1),x3(t),x3(t-1),...,xn(t),xn(t-1)]；

26、d2.3.3：用曼哈顿距离计算各状态向量在状态空间中的距离，反映状态空间中各状态向量x与目标向量y之间的相关程度；

27、d2.3.4：输入预测集的样本属性信息，样本属性包括：能量支护桩埋管端冷却水的温度、压力、流量参数；将训练集样本属性形成状态向量，在训练集中搜索当前向量的k个近邻，形成k近邻预测模型，并用k近邻预测模型计算预测集对应的调节阀开度预测结果，k近邻预测模型的表达式为：

28、

29、d2.3.5：能量支护桩控制预测结果评价，将预测集的预测结果与预测集样本对应的标签进行对比形成混淆矩阵，根据混淆矩阵计算不同的评价指标进一步评价模型预测误差、模型精度，至少选择如下一种评价指标：灵敏度、准确度、精确度进行评价；

30、d2.3.6：输入需要预测的能量支护桩基本运行参数作为预测集属性空间，进行能量支护桩的调节控制预测计算；

31、d2.3.7：对计算结果与控制阀调节范围进行比较，如果计算结果满足调节范围，则将预测计算结果作为超前预测控制信息利用公钥转化为加密参数上传中央服务器，以备联邦学习的全局共享模型迭代；如果计算结果超出调节范围，则执行步骤d2.3.8；

32、d2.3.8：将计算出能量支护桩埋管端控制结果输出并发出警报，以控制阈值作为超前预测控制信息利用公钥转化为加密参数上传中央服务器，以备联邦学习的全局共享模型迭代。

33、优选地，步骤d2中所述的能源隧道埋管端控制模块，根据能源隧道埋管端循环管路不同位置的各种运行状态参数、中央服务器更新的机组设备运行状态参数和车站用户端运行状态参数作为样本属性数据，建立能源隧道埋管端控制参数的k近邻局部模型，确定出能源隧道端冷却水循环管路上各种调节阀开度并加密上传至中央处理器。

34、优选地，步骤d2中所述的能源底板埋管端控制模块根据能源底板埋管端管路不同位置的温度、流量、压力状态参数、中央服务器更新的机组设备运行状态参数和车站用户端运行状态参数作为样本属性数据，建立能源底板埋管端控制参数的k近邻局部模型，确定出能源底板端冷却水循环管路上各种调节阀开度并加密上传至中央处理器。

35、优选地，步骤d1中还包括使用故障检测装置，对能源支护桩、能源隧道和能源底板中换热管进行故障检测，所述故障检测装置包括双层智能换热管1、微型磁电传感器3、线缆收纳盘4、数据自动采集仪5、控制端6，所述双层智能换热管1上等间距设有多个磁感应环，所述控制端分别与微型磁电传感器、数据自动采集仪与线缆收纳盘电连接，所述双层智能换热管1包括内层聚乙烯管1-a、外层聚乙烯管1-b、磁感应环2，所述磁感应环2热熔嵌在外层聚乙烯管1-b管壁内，环宽5～8mm，所述设置间距为0.3～0.5m，所述外层聚乙烯管1-b内壁与所述内层聚乙烯管1-a利用螺纹连接，所述微型磁电传感器3包括疏通模组、监控模组、磁电传感器3-6和移动模组，所述疏通模组包括螺旋状不锈钢金属丝3-1、连接构件3-2、齿轮3-3与串励电机3-5；监控模组包括环绕摄像头3-4、照明灯3-9，移动模组包括主动轮3-7与相应的电机。

36、优选地，所述故障检测包括以下步骤：

37、s1：测试开始前，打开采集仪器电源开关，用一磁感应环套住磁电传感器移动，当磁感应环遇到传感器的感应点时，发出声光报警，同时仪表有指示，说明采集仪器工作正常；

38、s2：测试时，含疏通模组的微型磁电传感器3顺管路放入换热管，能量支护桩内以竖直方向布置的管路，利用磁电传感器本身的重力作用与线缆收纳盘4转动配合缓缓置入；能源底板内以水平方向铺设的管路能源隧道内s形布设的管路，利用微型磁电传感器所具有的移动模组，开启主动轮3-7对应的电机，使微型传感器在管路内移动；当传感器中心与磁感应环2相交时，仪器发出蜂鸣声，伴有灯光指示；同时开启监控模组进行管路内的影像实时监测、声波波形监测，自动采集仪5自动记录经过各磁感应环测点的编号与经过相邻两测点间隔时间记录、实时影像和声波波形信息；

39、s3：数据自动采集仪5将自动记录的数据传至控制端6，可至少采用以下一种方法进行采集数据的分析并精准定位破损点：孤立森林算法、x射线数字成像技术、超声检测、超声导波、超声c扫描、超声相控阵或高温测厚方法，控制端6可根据分析出的数据异常时刻和位置初步定位堵塞点的大致位置，采用孤立森林算法对实时数据进行分析包括以下步骤：

40、s3.1：整理疏通模组上传输到控制中心的电流信号、声波信号、电磁信号作为样本属性，形成样本集合，可表示为x＝(x1,x2,x3,...,xn)，其中xn＝(xn1,xn2,xn3,...,xnm)，xnm为第m时刻的第n类属性信号；

41、s3.2：用维度q作为属性切割点切分属性类型，形成不同的孤立树，对每个孤立树用切割点p作为异常值切割点切分属性值对样本空间进行切分，q是属于(0,n)范围随机值，p是属于min(xn)＜p＜max(xn)区间的随机值；

42、s3.3：根据属性切割点和异常值切割点的切分在样本空间中形成超平面，小于切割点的样本归为一类，形成孤立树的左节点，反之形成右节点；

43、s3.4：重复s3.2～s3.3，直至每颗孤立树的叶子节点只包含一个样本，完成孤立树模型的训练；

44、s3.5：将每一时刻的样本数据xi放入孤立树模型中进行遍历计算，计算得到每个样本数据的平均高度h(xi)，根据下式计算样本数据的异常分数：

45、

46、其中h(x)为x在每棵树的高度，c(n)为给定样本数n时路径长度的平均值，e(h(x))为x在多棵树中的路径长度期望值；

47、当得分s(x,ψ)接近1时，该时刻样本对应的信号被视为异常信号；

48、当得分s(x,ψ)约等于0.5时，该时刻样本对应的信号被视为疑似异常信号；

49、当得分s(x,ψ)接近0时，该时刻的样本被视为正常信号。

50、优选地，步骤d1中还包括对发生故障处进行维修，包括以下步骤：

51、t1：开启环绕摄像头3-4和照明灯3-9，实时传输至控制端6，使摄像头对准堵塞处；

52、t2：开始疏通工作，若发现堵塞物为除管道热熔导致的堵塞外，则开启控制螺旋状不锈钢金属丝3-1的串励电机3-5，不锈钢丝转动至工作转速后，若在能量支护桩内竖直走向的管路内继续利用传感器自身重力缓慢下放传感器线缆，若在能源底板或能源隧道内水平走向的管路内利用移动模组控制传感器的行走过程缓慢下放线缆，金属丝搅动堵塞的异物直至异物被清除；若堵塞为管道热熔导致的，则可将疏通模组的不锈钢金属丝3-1和连接构件3-2更换为热熔棒并再次将传感器放置到堵塞处，开启加热棒至聚乙烯材料的热熔温度，利用传感器自身重力缓慢下放传感器线缆，直至堵塞被疏通；

53、t3：将微型磁电传感器3自管道中取出后，进行管道压力测试和冲洗工作，清洗管道内残留的异物，疏通工作完成；

54、t4：精准定位破损点后，采用自动修补剂修补破损段，所述自动修补剂成分包括聚乙烯粉和颗粒、锦纶纤维丝、乙二醇、粘结剂，自动修补剂采用细度在200～300d的锦纶纤维丝，将纤维长度加工为3～5mm，所述自动修补剂修补过程包括以下步骤：

55、t4.1：定位破损点后，将管道出入口任一端进行压力测试标准下的封堵，在另一管道口向管内注入适量自动修补剂；

56、t4.2：注入修补剂后，向管内打压，但压力不应大于所采用聚乙烯管道所能承受的额定压力，以免对管道造成压力损伤；

57、t4.3：当压力表读数稳定时，可认为破损点修补基本完成；待自动修补剂完全达到强度要求后，对管道进行试压，在试验压力下，稳压应在15～20min，稳压后压力降在1％～3％，且应无泄漏现象视为修补工作完成。

58、本发明一种能源地下地铁车站智慧运维方法是在历史数据技术上建立的控制决策预测模型，克服了传统控制的滞后性和经验性、可用于实时调控和超前预警；实现了车站用户端、机组设备、能源隧道、能源底板、能量支护桩多个模块之间综合一体化调控，得到的控制方案科学合理，提高浅层地热能地下地铁车站环控系统的稳定性和服役寿命，故障检测和维修方法通过双层智能换热管结构与微型磁电传感器相结合的管路检修装置，操作步骤简单、可操作性强，便于控制，易于实现。其中双层智能换热管结构内嵌入金属环结构简单，预制方法简便；微型磁电传感器兼具监测与疏通管路的作用，功能多样；传统的传感器布设难度高无法准确获得异常信息，基于孤立森林算法的异常检测方法克服了需要难以布设传感器的问题，通过在分析各种历史数据的过程中训练异常信息识别模型，可以及时准确识别出异常情况，检测过程中，若发现管路堵塞，则立即启动监控模组与疏通模组，进行管路疏通，管路破损时，可立即将内层换热管路旋出更换，提高发现与解决问题的效率；自动修补剂材料易得且经济，修补剂的使用方法易于操作且修补效果好，对换热管结构强度有加强作用。