【技术实现步骤摘要】
本专利技术涉及交通建筑室内环境智能控制，尤其是一种轨道交通车站空调水系统流量智能模拟方法。
技术介绍
1、在当今轨道交通车站系统中，通常采用空调水系统来传输冷热量，以满足室内的供冷或供暖需求。随着社会经济的不断发展，建筑能耗逐渐增加，尤其是空调系统的能耗，在建筑总能耗中占据了30％-50％的比例；其中，空调运行的能耗的35％-45％来自于空调水系统的消耗。因此，实现对空调水系统的精确智能控制十分必要；而确保能够准确获取当前空调负荷下所需的水系统控制总流量成为实现精确智能控制的关键前提；只有通过准确的负荷数据，系统才能根据实际需求进行调整，避免能源浪费和不必要的运行成本。
2、因此，采用先进的监测技术和智能控制系统，以实时获得并分析负荷数据，成为提高空调水系统效能、降低能耗、优化运行成本的不可或缺的手段。
3、当前已有大量研究致力于通过控制空调系统水流量来降低不必要的室内空调系统负荷；如专利号cn112254320b公开了基于ai的空调变流量水系统自适应变压差控制方法，通过人工智能算法对各末端设备的负荷进行预测，使得预测结果更加精确可靠，更好地提高了控制的精确度；如专利号cn116878145a公开了一直基于变水温度设定及变水流量的空调系统控制方法，通过根据环境温度变化调整空调水系统设定温度变化，根据水系统温差调整水泵运行频率流量状态，降低空调低负荷情况下的多余耗能，为实现碳达峰、碳中和做出实质性贡献，达到节能减排的目的；但是，这些方法仅基于监测数据进行空调水系统流量的控制过于依赖现实建筑，受到轨道交通车站
技术实现思路
1、本专利技术所要解决的技术问题是提供一种轨道交通车站空调水系统流量智能模拟方法，通过深度学习算法和energyplus模拟工具对室内空调系统负荷进行模拟，并将其转化为当前所需的水系统控制总流量，以实现对空调水系统的精确智能控制，从而优化轨道交通车站空调水系统的能源利用，确保车站内温度、湿度等参数处于适宜范围，提供舒适宜人的室内环境。
2、本专利技术解决其技术问题所采用的技术方案是：
3、一种轨道交通车站空调水系统流量智能模拟方法，包括以下步骤：
4、a1、收集轨道交通车站的建筑参数信息，通过sketchup软件构建被energyplus识别的轨道交通车站3d模型；
5、a2、基于步骤a1的轨道交通车站3d模型，通过energyplus软件搭建空调系统；
6、a3、修改影响空调系统热负荷的关键参数产生数据，数据用于lstm预测模型训练的数据集；
7、a4、构建交通车站室内的空调系统负荷lstm预测模型；
8、设定lstm预测模型的结构，结构包括网络层和神经元数量，将步骤a3中的数据集按照比例划分为训练集和测试集，通过利用训练集数据进行lstm预测模型训练，利用测试集对lstm预测模型的效果进行验证评估；
9、a5、通过步骤a3中的数据集及lstm预测模型模拟室内空调系统的预测负荷值，将预测负荷值转换为轨道交通车站空调水系统控制总流量，调整轨道交通车站的空调水系统，对lstm预测模型持续优化，实现对空调水系统的智能模拟；
10、通过深度学习算法和步骤a4中的训练集训练lstm预测模型，对lstm预测模型的参数进行迭代更新直到达到预先设定的迭代次数，在训练完成后，利用测试集数据通过计算均方根误差和平均绝对误差对模型进行验证评估；
11、待模型能运行后，通过室内外温度传感器监测设备采集轨道交通车站实时数据，将其输入训练好的lstm预测模型进行模拟预测，得到室内空调系统预测负荷值，再获取目标温度与当前室内温度的温差，根据转换公式将空调系统预测负荷值转换为空调水系统控制总流量；
12、将实时数据与预测负荷值汇总形成的空调系统总负荷数据，记录并定期更新预处理后的数据集用于lstm预测模型，实现负荷的预测及空调水系统控制总流量参数的实时智能模拟。
13、步骤a1中，所述轨道交通车站为轨道交通建筑，所述轨道交通车站的建筑参数信息包括建筑物的几何信息、乘客流量和站点面积。
14、步骤a2中，所述energyplus软件构建搭建空调系统的方法如下：
15、b1、将轨道交通车站3d模型和气象数据文件导入energyplus软件,并设置轨道交通车站的基本结构参数；
16、b2、根据轨道交通车站的实际运营情况搭建空调系统，在空调系统中输入轨道交通车站3d模型的建筑参数信息和基本结构参数，使建筑参数信息和基本结构参数与交通建筑能源系统设备参数保持一致。
17、所述气象数据包括一年中每个小时的气象参数和天气现象；所述基本结构参数包括建筑物的围护结构、房间朝向、地理信息、人员密度和耗电设备信息。
18、步骤a3中，所述关键参数包括室外温度和轨道交通车站客流量；
19、所述关键参数在energyplus中进行仿真模拟并记录相应的输出结果，得到energyplus运行输出的数据并汇总形成数据集；
20、所述数据集通过进行预处理转换成lstm预测模型训练的格式，形成lstm预测模型训练所用数据集；
21、所述lstm预测模型为轨道交通车站室内的空调系统负荷lstm预测模型；所述预处理包括：数据清洗、数据标准化、数据转换成模型训练的格式。
22、步骤a5中，所述实时数据为当前室内环境监测数据，包括室内外温度、湿度、人流量和co2浓度。
23、步骤a5中，所述转换公式为空调水系统控制总流量＝系数*空调系统预测负荷值/温差，温差即当前室内温度与目标温度之间的差值。
24、本专利技术的有益效果是：
25、1.通过采用energyplus软件建立轨道交通车站3d模型，并基于3d模型搭建空调系统，设置轨道交通车站的建筑参数信息和基本结构参数及室内目标温度，通过修改空调系统热负荷的关键参数利用energyplus模拟软件进行多次模拟，并将运行产生的大量数据汇总形成数据集并进行预处理，基于预处理后的数据集及lstm预测模型模拟实时室内空调系统负荷值并将其转换为空调水系统控制总流量，实现对空调水系统的智能模拟。
26、2.解决了现有轨道交通车站系统中存在的空调水系统利用不合理和能源浪费等问题，优化了轨道交通车站空调水系统的能源利用，确保车站内温度、湿度等参数处于适宜范围，提供舒适宜人的室内环境。
27、3.通过监测数据与短时预测负荷值汇总，并形成的空调系统总负荷数据记录并定期更新预处理后的数据集用于lstm预测模型，提高不同环境变化下模型的自适应性，完成lstm预测模型的持续优化，实现轨道交通建筑空调系统负荷的预测及空调水系统控制总流量参数的实时智能模拟。
28、4.通过在lstm预测模型使用时同步记录相关监测数据并定期更新数据集，从而在丰富数据集的同时增强模型的自适应性本文档来自技高网...
【技术保护点】
1.一种轨道交通车站空调水系统流量智能模拟方法，其特征在于：包括以下步骤：
2.如权利要求1所述的一种轨道交通车站空调水系统流量智能模拟方法，其特征在于：步骤A1中，所述轨道交通车站为轨道交通建筑，所述轨道交通车站的建筑参数信息包括建筑物的几何信息、乘客流量和站点面积。
3.如权利要求1所述的一种轨道交通车站空调水系统流量智能模拟方法，其特征在于：步骤A2中，所述EnergyPlus软件构建搭建空调系统的方法如下：
4.如权利要求3所述的一种轨道交通车站空调水系统流量智能模拟方法，其特征在于：所述气象数据包括一年中每个小时的气象参数和天气现象；所述基本结构参数包括建筑物的围护结构、房间朝向、地理信息、人员密度和耗电设备信息。
5.如权利要求1所述的一种轨道交通车站空调水系统流量智能模拟方法，其特征在于：步骤A3中，所述关键参数包括室外温度和轨道交通车站客流量；
6.如权利要求1所述的一种轨道交通车站空调水系统流量智能模拟方法，其特征在于：步骤A5中，所述实时数据为当前室内环境监测数据，包括室内外温度、湿度、人流量和CO2
7.如权利要求1所述的一种轨道交通车站空调水系统流量智能模拟方法，其特征在于：步骤A5中，所述转换公式为空调水系统控制总流量＝系数*空调系统预测负荷值/温差，温差即当前室内温度与目标温度之间的差值。
...【技术特征摘要】
1.一种轨道交通车站空调水系统流量智能模拟方法，其特征在于：包括以下步骤：
2.如权利要求1所述的一种轨道交通车站空调水系统流量智能模拟方法，其特征在于：步骤a1中，所述轨道交通车站为轨道交通建筑，所述轨道交通车站的建筑参数信息包括建筑物的几何信息、乘客流量和站点面积。
3.如权利要求1所述的一种轨道交通车站空调水系统流量智能模拟方法，其特征在于：步骤a2中，所述energyplus软件构建搭建空调系统的方法如下：
4.如权利要求3所述的一种轨道交通车站空调水系统流量智能模拟方法，其特征在于：所述气象数据包括一年中每个小时的气象参数和天气现象；所述基本结构参数包括...
【专利技术属性】
技术研发人员：毛晓兵，王胜男，张济辞，张毅，武鹍，唐朝国，梁栋，邓维韬，金旭炜，巩云，姚富宏，刘强，田玉琳，张雨婷，傅均承，张杰，李天昊，
申请(专利权)人：中铁二院工程集团有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。