申请/专利权人：大连理工大学

申请日：2023-01-10

公开（公告）日：2024-03-19

公开（公告）号：CN115854501B

主分类号：F24F11/46

分类号：F24F11/46;G06N3/0442;F24F11/64;F24F11/61;F24F120/10

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2023.04.14#实质审查的生效;2023.03.28#公开

摘要：本发明公开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，包括以下步骤：S1、基于卡方分布，建立机场航站楼旅客抵港概率模型，并运用流体动力学原理，实现航站楼旅客流线的客流时空分布预测；S2、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；S3、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，给出暖通空调系统控制变量最佳输入序列。本发明通过航班动态信息预测航站楼旅客流量，并将其作为输入参数用于航站楼室温预测，进而实现航站楼暖通空调系统的节能控制，为机场航站楼友好便捷、绿色低碳和智能高效发展提供了重要技术支撑。

主权项：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tEA和tLA；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，ft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；tSD、tEA和tLA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，Zj表示第j个空间单元的编号；Gf,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；Cf，i表示航班i的载客量；Lin，j和Lout，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；gt为旅客登机概率分布模型；tSB和tEB表示开始登机时间和截止登机时间；如果航班i的登机口Gf，i在空间单元Zj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Gf，i不在空间单元Zj中，则旅客仅穿过空间单元；航班的开始登机时间tSB可能早于旅客最晚抵港时间tLA；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tSB和截止登机时间tEB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gbestτ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；Yt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；TEX→Y＝MIX-；Y+|Y-9MIX-；Y+|Y-＝HX-，Y-+HY+，Y--HY--HY+，X-，Y-10 X＝[x1，…xi，…xn]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；Γf，t＝σWfht-1+UfXi，t13Γi，t＝σWiht-1+UiXi，t14Γo，t＝σWoht-1+UoXi，t ht＝Γo，t⊙tanhctYo，t＝gWpht17errt＝Tt-Yo，t18其中，Γf，t、Γi，t和Γo，t分别表示遗忘门、输入门和输出门的输出；ct和ht分别表示候选细胞状态、细胞状态和隐含状态；Xi，t、Yo，t、Tt和errt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；Wf、Wi、Wc、Wo、Uf、Ui、Uc、Uo和Wp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代价和，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；fitτ＝||QYset，t-Yo，t||2+||RXi，t||219其中，Yset，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。

全文数据：

权利要求：

百度查询： 大连理工大学 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

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD