面向高铁站的热舒适度和能耗综合预测

• 作者: 李莎 涂家祺 王红军 王胜男 蒋阳升
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 机器学习 城市计算 热舒适度 预测 回归
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 第八届中国数据挖掘会议(CCDM 2020)
• 页码范围: 249-257
• 页数: 9页
• 分类号: TP181
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020060889

摘要

针对高铁站这类半封闭建筑的热舒适度影响因素众多,影响机制复杂以及热舒适度与能耗存在背反等问题,提出了基于机器学习的高铁站热舒适度与能耗综合预测方法.首先采用传感器数据捕获及Energy Plus仿真两种方式对高铁站室内外状态、多联机及热交换机等控制单元及热能传导环境进行建模;其次提出影响高铁站热舒适度的八类因素——多联机开启台数、多联机设置温度、热交换机开启台数、客流密度、室外温度、室内温度、室内湿度和室内二氧化碳浓度,并设计424种模型运行工况以及3714240个实例;最后设计6种机器学习模型——深度神经网络、支持向量回归、决策树回归、线性回归、岭回归和贝叶斯岭回归,来对高铁站室内热舒适度和空调能耗进行有效预测.实验结果表明,6种机器学习模型中决策树回归预测模型能够在较短的时间内获得最优的预测性能,其平均均方误差低至0.0022.所得研究成果可直接为下一阶段的温控策略提供主动预判的环境状态参数并实现实时决策.