[发明专利]一种基于客流预测的机场航站楼室温大滞后预测控制方法

权利要求书

1.基于客流预测的机场航站楼室温大滞后预测控制方法，其特征在于，步骤如下：

S1、机场航站楼旅客时空分布预测：基于卡方分布，建立机场航站楼旅客抵港概率模型，并运用流体动力学思想，实现航站楼旅客流线的客流时空分布预测，具体步骤如下：

S1.1、航站楼旅客抵港概率卡方分布模型

提取航班信息与旅客安检信息，旅客最早与最晚抵港时间分别表示为t_EA和t_LA；采样间隔设为ε，统计各航班旅客安检人数，换算相应航班旅客抵港百分比；引入变换因子，采用卡方分布拟合旅客抵港概率；

其中，f(t)表示旅客抵港百分比；Γ(·)表示伽马函数；t表示旅客抵港时间；t_SD、t_EA和t_LA分别表示航班计划起飞时间以及旅客最早和最晚抵港时间；d为自由度；s为变换因子；

S1.2、航站楼旅客时空分布预测模型

运用流体动力学思想，基于航站楼旅客抵港概率卡方分布模型，建立航站楼旅客流线的客流时空分布预测模型；设定旅客时空分布预测范围为24小时，模型采用一天中的相对时间，并假设旅客登机服从均匀分布；

其中，Z_j表示第j个空间单元的编号；G_f,i表示航班i的登机口编号；表示t时刻第j个空间单元的旅客数量；C_f,i表示航班i的载客量；L_in,j和L_out,j表示第j个空间单元的入口和出口距安检通道的距离；m为预测范围内的航班总数；p为旅客出勤率；v为旅客的平均步速；g(t)为旅客登机概率分布模型；t_SB和t_EB表示开始登机时间和截止登机时间；

如果航班i的登机口G_f,i在空间单元Z_j中，则旅客进入空间单元直至登机离开；如果航班i的登机口G_f,i不在空间单元Z_j中，则旅客仅穿过空间单元；航班的开始登机时间t_SB可能早于旅客最晚抵港时间t_LA；

S1.3、旅客时空分布预测模型辨识与校准

旅客时空分布预测模型中包含旅客出勤率p、旅客平均步速v、旅客开始登机时间t_SB和截止登机时间t_EB四项未知参数，需进行模型辨识与校准；定义旅客时空分布预测模型评价指标，包括均方根误差RMSE、平均绝对误差MAPE和相关指数R²；监测航站楼实际旅客流量，采用粒子群优化算法，求解模型未知参数；

/

其中，和/分别代表在第τ次迭代中第α个粒子的位置和速度；/和gbest^τ表示第τ次迭代中的个体最优值和全局最优值；a₁和a₂为学习因子；r₁和r₂为0～1之间的随机数；w为惯性权重；Y_t和/分别表示航站楼实际旅客流量实时值和平均值；err表示航站楼实际旅客流量与模型预测值的误差向量；n表示样本数量；

S2、机场航站楼室温大滞后预测：基于长短期记忆神经网络和旅客时空分布预测结果，建立机场航站楼室温大滞后预测模型，具体步骤如下：

S2.1、航站楼室温滞后致因分析

采用传递熵分析方法，评估各影响因素与航站楼室温的关联程度，为合理选择室温神经网络预测模型的输入参数提供保障；

TE(X→Y)＝MI(X^-；Y⁺|Y^-) (9)

MI(X^-；Y⁺|Y^-)＝H(X^-,Y^-)+H(Y⁺,Y^-)-H(Y^-)-H(Y⁺,X^-,Y^-) (10)

X＝[x₁,…x_i,…x_n] (12)

其中，TE、MI、MI(:；:|:)和H分别表示传递熵、互信息、条件互信息和信息熵；X和Y表示系统输入变量和输出变量；Y⁺表示输出变量Y的未来结果；X^-和Y^-表示输入变量X和输出变量Y的过去观测值；

传递熵越大表明影响因素与预测变量之间的信息传递越充分、关联程度越紧密；

S2.2、航站楼室温神经网络预测模型

基于室温滞后致因，利用长短期记忆网络，建立航站楼室温大滞后预测模型；长短期记忆网络是一种循环神经网络的变体，由遗忘门、输入门和输出门组成，其门控机制可控制信息的保留或丢弃，因而具有其长期记忆能力；

Γ_f,t＝σ(W_fh_t-1+U_fX_i,t) (13)

Γ_i,t＝σ(W_ih_t-1+U_iX_i,t) (14)

Γ_o,t＝σ(W_oh_t-1+U_oX_i,t)

h_t＝Γ_o,t⊙tanh(c_t)

Y_o,t＝g(W_ph_t) (17)

err_t＝T_t-Y_o,t (18)

其中，Γ_f,t、Γ_i,t和Γ_o,t分别表示遗忘门、输入门和输出门的输出；c_t和h_t分别表示候选细胞状态、细胞状态和隐含状态；X_i,t、Y_o,t、T_t和err_t分别表示循环单元的输入参数、输出参数、目标参数和误差向量；W_f、W_i、W_c、W_o、U_f、U_i、U_c、U_o和W_p分别表示遗忘门、输入门、输出门和输出单元的权值矩阵；σ(·)和g(·)分别表示sigmoid和线性激活函数；⊙表示Hadamard乘积；

S3、机场航站楼室温模型预测控制：基于模型预测控制理论和室温大滞后预测结果，建立机场航站楼暖通空调系统模型预测理论，具体步骤如下：

S3.1、航站楼室温预测控制代价函数

室温预测控制代价函数可定义为追踪误差与控制作用的权重和，一方面使室温预测值接近其设定值，另一方面保证输入变量波动幅度尽量小；

fit(τ)＝||Q(Y_set,t-Y_o,t)||²+||RX_i,t||² (19)

其中，Y_set,t为输出设定值；Q和R分别表示追踪误差权重和控制作用权重；

S3.2、航站楼室温预测控制在线优化

采取粒子群优化算法，以代价函数最小为优化目标，求解暖通空调系统最佳控制序列。