[发明专利]一种基于时间序列的地铁能耗综合预测方法

说明书

技术领域

本发明涉及一种地铁能耗的预测方法，属于能耗预测领域，具体说涉及一种基于时间序列的地铁能耗预测方法。

背景技术

城市轨道交通是城市公共交通体系的重要组成部分，具有运量大，速度快，准点率高，占地少，污染小等特点，可以很好的解决当前城市交通拥挤问题。随着全国各地大批量的上马地铁项目，地铁的运行公里数直线上升，提高能源的利用效率对于降低地铁运营成本，保护环境，节能减排都具有重大的意义。而地铁节能方法中，对于能耗的科学分析和合理预测，不仅有助于优化地铁的控制策略和日常运行，还对地铁的能效管理、能源分配起着巨大的作用。

地铁能耗预测方法可以分为两大类,一类为正演模型,一类为数据驱动模型。其中，前者需要对地铁各个耗能设备有着精确的耗能模型，比如地铁的列车运行能耗；而后者则是从数据出发，通过统计学理论建立有效的数学模型。目前，国内外学者以及一些公司基本上都采用正演模型，即对地铁的运行能耗作了一些研究。文献1(张燕燕.“城市轨道交通系统牵引及车站能耗研究”)中作者根据列车的属性，进行了牵引力能耗的建模仿真,并对车站内通风空调、自动扶梯和照明等能耗设备分别进行了能耗计算，建立了精确的能耗模型；文献2(王玉明.“轨道交通系统能耗影响因素的量化分析”)作者根据地铁的技术速度、停站方案和满载率、运行条件等对能耗分别进行了建模仿真。但是，地铁系统的能耗结构复杂，列车的运行能耗只是其中的一部分，除此之外还包括车站的运营能耗，这里面包含了大量的非线性因数，因此很难用正演模型建立地铁系统的综合能耗预测模型。

地铁系统的能耗结构复杂，包含了大量的非线性函数，很难建立地铁总能耗的正演模型。同时地铁的能耗受国家法定节假日的影响，有很大的波动，并且伴随着工作日和休息日的交替有明显的周期变化，这些因素下的能耗很难用精确的数学模型来表达。本发明就是利用地铁能源管理系统的记录数据，提出了一种基于时间序列的地铁能耗预测新方法。

发明内容

针对现有的预测模型的缺陷性以及地铁能耗结构本身的非线性，本发明提出一种利用地铁能源管理系统的记录数据从而基于时间序列的统计来建立地铁能耗预测模型而不必去考虑地铁系统的能耗结构组成的方法。

本发明提出的一种基于时间序列的地铁能耗综合预测方法，主要包括以下步骤：

第一步，采用差分方法对地铁能耗样本序列x_t进行调整，使得调整后的序列是平稳时间序列，记为Y；

第二步，采用Daniel校验，对第一步中产生的平稳时间序列Y进行平稳性校验；

第三步，利用第二步已通过平稳性校验得到的地铁能耗数据的平稳时间序列Y，采用自回归移动平均模型对其进行建模，基本表达式为：

其中{Y_t,t＝1,2,3,…N}，Y_t-1,…,Y_t-n为Y在t-1,…t-n时刻的值，ε是均值为零，方差为σ_ε²的平稳白噪声，ε_t,ε_t-1,…,ε_t-m为ε在t,t-1,…t-m时刻的值，式中为自回归系数，θ_j(j＝1,2,…,m)为滑动平均系数；

第四步，采用长自回归模型法对公式1的模型参数进行初估计，然后，采用非线性最小二乘法实现公式1的模型参数的精估计；

第五步，利用Q准则检验模型中的ε是否为白噪声，若是白噪声，则说明建立的模型适合地铁能耗样本的时间序列，若不是白噪声，则返回第四步重新进行参数估计；

第六步，利用经过第五步检验获得的地铁能耗模型，根据地铁能耗平稳时间序列Y在t时刻及以前时刻的取值，对未来t+l时刻的变量Y_t+l,(l>0)做出估计。

附图说明

图1为本发明中节假日的建筑物能耗预测流程图。

图2为本发明中计算节假日能耗修正值的BP神经网络结构图。

具体实施方式

本发明基于时间序列的模型建立主要分为六个步骤：包括模型数据预处理、平稳性检验、模型的识别与定阶、模型的参数估计、模型的适应性检验及模型的数据预测。具体实现如以下：

步骤一：模型数据的预处理

由于地铁能耗数据为非平稳时间序列，并具有一定的季节性和趋势性，对于原始数据我们无法利用时间序列进行建模，需要对样本序列进行调整。本发明采用Box-Jenkins方法，即差分方法对样本序列进行调整，消除其趋势性和季节性，使得变化后的序列是平稳序列。