[发明专利]一种地铁车站能耗短期预测方法及其预测系统

说明书

本发明公开了一种地铁车站能耗短期预测方法，包括以下步骤，确定与地铁车站分项能耗有关的影响因素，在影响因素中确定主要影响因素并采集；建立地铁车站分项能耗数据库，与采集到的所述主要影响因素一起进行归一化处理，最后再将归一化处理后的数据划分为训练数据和测试数据；建构G‑ACO‑BP网络预测模型；利用训练数据训练G‑ACO‑BP模型，计算实际输出和目标输出的误差；将测试数据输入到训练后的G‑ACO‑BP模型中进行测试，得到通风空调能耗、动力能耗、照明能耗的预测结果。本发明有益效果：一是能够更准确有效地实现地铁车站能耗的分项短期预测；二是能够有效地避免BP神经网络训练时所带来的缺陷，达到神经网络模型的智能化寻优目的。

技术领域

本发明涉及能耗短期预测的技术领域，尤其涉及一种基于KPCA-G-ACO地铁车站能耗短期预测方法。

背景技术

近年来随着中国城市轨道交通建设进程的不断推进，国内城市轨道交通运行里程迅速增长，截至2016年12月31日，中国内地已有29个城市拥有了127条建成并正式运营的城市轨道交通线路，总里程达3838km。各地城市轨道交通的迅猛发展，在更好地方便人们交通出行的同时也大大增加各地城市能耗，甚至成为该城市能源消耗的主体。因此，如何有效控制和降低城市轨道交通能耗、节约运营成本是各城市地铁运营管理者们最为关注的重点之一。各地城市轨道交通都以地铁为主，地铁运营主要能耗为电能耗，这些能耗有可以划分为车辆运行能耗和车站能耗两大部分。根据目前运营线路能耗统计数据分析，车辆运行能耗占总用电能耗的50％～60％；车站、基地能耗占总用电能耗的40％～50％。车站能耗中的动力、照明、通风空调系统占车站用电能耗的90％以上。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明目的是提供一种基于KPCA-G-ACO地铁车站能耗短期预测方法，实现对地铁车站内的动力、照明、通风空调这三大项的能耗进行分项预测分析，以找出地铁车站节能潜力。

为解决上述技术问题，本发明提供如下技术方案：一种地铁车站能耗短期预测方法，包括以下步骤确定与地铁车站分项能耗有关的影响因素，在影响因素中确定主要影响因素并采集，且对采集的主要影响因素进行预处理；根据地铁车站分项能耗历史数据进行综合分析，建立地铁车站分项能耗数据库，与采集到的所述主要影响因素一起进行归一化处理，最后再将归一化处理后的数据划分为训练数据和测试数据；建构G-ACO-BP网络预测模型，还包括对G-ACO-BP网络预测模型的参数进行最优化设置，G-ACO-BP网络预测模型的参数包括交叉变异概率、信息启发因子以及BP学习率；利用训练数据训练G-ACO-BP模型，计算实际输出和目标输出的误差；将测试数据输入到训练后的G-ACO-BP模型中进行测试，得到通风空调能耗、动力能耗、照明能耗的预测结果。

作为本发明所述的地铁车站能耗短期预测方法的一种优选方案，其中：所述与地铁车站分项能耗有关的影响因素包括车站客流量(x₁)、每天24个整点时刻(x₂)、节假日(x₃)、车站内逐时平均温度(x₄)、车站内逐时平均相对湿度(x₅)、季节(x₆)、天气特征值(x₇)、车站出入口数量(x₈)、开行列数(x₉)、车站平均照度(x₁₀)、车站的规模(x₁₁)以及车站间距(x₁₂)这12个影响因素。