一种基于ISOA‑LSSVM的地铁站空调系统能耗预测方法

• 摘要：

  本发明公开一种基于ISOA‑LSSVM的地铁站空调系统能耗预测方法,包括:获取训练数据,将数据进行标准化,利用改进的人群搜索算法对最小二乘支持向量机进行参数寻优,建立预测模型;采集实时测量数据进行标准化,输入到预测模型进行预测,最后逆标准化输出预测能耗值.本发明实现了ISOA‑LSSVM的地铁站空调系统能耗预测方法,其中改进的人群搜索算法采用高斯隶属函数表示搜索步长的模糊变量,减少了迭代次数,增加了模型预测精度;预动方向采用个体最优适应度值和当前个体的适应度值比较得出,可以很好的代表当前个体的预动行为,同时提高了迭代速度.

• 专利类型：

  发明专利

• 申请/专利号：

  CN201710098913.5

• 申请日期：

  2017.02.23

• 公开/公告号：

  CN106920006A

• 公开/公告日：

  2017-07-04

• 发明人：

  王普 武翠霞 高学金 付龙晓

• 申请人：

  北京工业大学

• 主分类号：

  G06Q10/04(2012.01)I,G,G06,G06Q,G06Q10

• 分类号：

  G06Q10/04(2012.01)I,F24F11/00(2006.01)I,G,F,G06,F24,G06Q,F24F,G06Q10,F24F11,G06Q10/04,F24F11/00

• 主权项：

  一种基于ISOA‑LSSVM的地铁站空调系统能耗预测方法,其特征在于,包含以下步骤:步骤(1):获取训练数据采集地铁站空调系统运行中实时测得的能耗相关变量和下一时段的能耗变量形成训练数据,数据采样表示形式如下:X＝(x₁,x₂,...,x_n)   (1)Y＝(y₁)   (2)其中,x₁,x₂,...,x_n表示系统运行过程中在线可实时测量的n个测量变量,包括当前的时刻、送风温度设定值、回风温度设定值、冷机出水温度、室外温度,当前时刻的送风温度、回风温度、当前一个确定时段的能耗;y₁表示空调系统运行过程中下一时段所测量的能耗变量,经过多次采样形成建模数据集D＝{(X_jn,Y_j)},j＝1,2,L,p,其中p表示样本个数;n表示模型输入变量的维数;步骤(2):归一标准化处理将采集的输入数据集X_pn和输出数据集Y_p进行归一化,处理后的数据为X_g,pn＝(x_g1,x_g2,...,x_gn)和Y_g,p＝(y_g);式(3)‑(4)中,x_i,min和x_i,max分别为X中x_i的最小最大值,y_min和y_max分别为Y中y₁的最小最大值,x_gi、x_i、y_g为p维列向量,i＝1,2,…,n;步骤(3):初始化人群搜索算法SOA和最小二乘支持向量机LSSVM的参数;步骤(4):根据上一步确定的种群寻优范围,随机产生SOA中的初始种群Swarm(i,:)＝[γ_i,σ_i],i＝1,2,L,s,根据式(5)‑(7),每一个种群对应一个LSSVM模型,因此建立s个初始的LSSVM模型,每个模型建立方法如下:式(5)‑(7)中,X_g,j*n为第j个样本的输入向量,X_g,n^*为建模输入数据集中每个测量点的均值组成的行向量,K(X_g,j*n,X_g,n^*)为高斯核函数,σ为高斯核参数,γ为正则化参数,a_j为LSSVM中的拉格朗日乘子,a＝[a₁,a₂,L,a_p]^T,b为一个偏置数,y＝[Y_g,1,Y_g,2,L,Y_g,p]^T,1_p*1＝[1,1,L,1]^T为p维列向量,I为p*p的单位矩阵,计算每一个模型的适应度值,适应度值由模型预测的平均相对误差来计算,计算公式为式(8):式中,Y_g,j为第j个样本值;为第j个样本的模型输出值,由预测模型计算获得,适应度函数F为LSSVM中正则化参数γ和核参数σ的函数,步骤(5):利用改进的人群搜索算法ISOA进行迭代寻优,建立新的LSSVM预测模型,步骤(6):在线测量和处理数据,具体步骤为:步骤(6.1):在线采集新的测量数据X_new;步骤(6.2):将采集到的新数据X_new进行标准化得到X_gnew;步骤(7):将X_gnew输入到已建立好的LSSVM模型中,得到预测输出Y_gnew;步骤(8):将Y_gnew进行逆标准化,得到预测值Y_new,逆标准化的具体公式为式(19):Y_new＝y_min+Y_gnew·(y_max‑y_min)   (19)步骤(9):若预测过程还需继续,则重复步骤(6)至(8).