CN119472311A 基于深度学习的地铁站环控风水联动节能优化控制方法 （南京深度智控科技有限公司）

基于深度学习的地铁站环控风水联动节能一种基于深度学习的地铁站环控风水联动态、站内环境数据以及环控设备数据进行预处通过卷积神经网络对盲源分离结果矩阵进行卷GRU结构捕捉动态扰动的时间变化规律，生成隐2通过非负矩阵分解对所述时间序列数据矩阵进行分解，以提通过卷积神经网络对所述盲源分离结果矩阵进行卷积操作，以提取所将所述空间特征向量作为循环神经网络中双向GRU结构的输入，以捕捉动态扰动的时基于所述隐含状态序列，在所述循环神经网络的输出层引入注2.根据权利要求1所述的基于深度学习的地铁站环控风水联动节能优化控制方法，其采用相同的时间间隔将所述站内环境数据和环控设备数据按照时间戳进行对;通过低通滤波滤除所述采集数据向量中的高频噪声，同时采用带通对滤波去噪以及异常值剔除后的采集数据向量进行时间窗切片，并将3;3.根据权利要求2所述的基于深度学习的地铁站环控风水联动节能优化控制方法，其获取所述时间序列数据矩阵的定义维度，并基于所述定义维度通;通过优化目标函数最小化矩阵重构误差，并通过迭代优化算法对所;4.根据权利要求3所述的基于深度学习的地铁站环控风水联动节能优化控制方法，其对所述非负矩阵分解对所述时间序列数据矩阵的分解结果进行分析;4;Zw,axis=0表示特征基矩阵中的列和；;5.根据权利要求4所述的基于深度学习的地铁站环控风水联动节能优化控制方法，其调用所述卷积神经网络通过卷积操作识别所述盲源分离结通过非线性激活函数对所述卷积后的输出矩阵进行处理，以;6.根据权利要求5所述的基于深度学习的地铁站环控风水联动节能优化控制方法，其传递，所述更新门和重置门用于通过Sigmoid激活函数确定保留的空间特征信息和遗忘的所述将所述空间特征向量作为循环神经网络中双向GRU结构的输入，以捕捉动态扰动将所述空间特征向量作为所述循环神经网络的输入，以通过递通过所述正向GRU和反向GRU按照时间顺序分别对所述时间序列获取所述双向GRU结构输出的总隐含状态，并基于所述总隐含状态和动态扰动的时间变化其中，所述总隐含状态由所述正向GRU的隐含状态和反述隐含状态序列矩阵用于描述时间序列中每个时间7.根据权利要求6所述的基于深度学习的地铁站环控风水联动节能优化控制方法，其将所述隐含状态序列矩阵作为所述循环神经网络引入的注意力隐含状态序列矩阵中的隐含状态进行线性变换，将高维状态映射至注意力权重的隐层表5将所述隐层表示与全局上下文向量内积，计算注意力权重，并对所述;8.根据权利要求7所述的基于深度学习的地铁站环控风水联动节能优化控制方法，其将所述扰动特征表示作为全连接层的输入，以通过所述全连接层调用所述分类单元根据全连接层输出的类别数生成节能策略类别选取类别概率超过设定阈值的节能策略类别作为其中，所述节能策略类别生成的概率分布为通过Softmax函数将全连接层的输出进行;所述处理器用于根据所述指令进行操作以执行根据权利要求1_8任一项所述方法的步6型压力波动范围约±50Pa，列车车厢温度通常高出站台温度2_3℃),导致系统能耗剧烈波[0006]本发明第一方面公开了一种基于深度学习的地铁站环控风水联动节能优化控制将所述空间特征向量作为循环神经网络中双向GRU结构的输入，以捕捉动态扰动将优化后的扰动特征表示作为全连接层的输入，生成并输出相应的节能策略类7采用相同的时间间隔将所述站内环境数据和环控设备数据按照时间戳进行对齐，8基于归一化处理后的所述激活矩阵和特征基矩阵重构并输出所述盲源分离结果式中，wnormm为归一化后的特征基矩阵，Zw,axis=0表示特征基矩阵中的列调用所述卷积神经网络通过卷积操作识别所述盲源分离结果矩阵中的局部模式，9制信息的传递，所述更新门和重置门用于通过Sigmoid激活函数确定保留的空间特征信息所述将所述空间特征向量作为循环神经网络中双向GRU结构的输入，以捕捉动态通过所述正向GRU和反向GRU按照时间顺序分别对所述时间序列输入矩阵进行处其中，所述总隐含状态由所述正向GRU的隐含状态和反向GRU的隐含状态共同构所述节能策略类别选取类别概率超过设定阈值的节能策略类别作为站内节能优化控制策其中，所述节能策略类别生成的概率分布为通过Softmax函数将全连接层的输出所述处理器用于根据所述指令进行操作以执行第一方面所述方[0017]图1是本发明提供的基于深度学习的地铁站环控风水联动节能优化控制方法的流式中，wnormm为归一化后的特征基矩阵，Zw,axis=0表示特征基矩阵中的列步骤S131，调用卷积神经网络通过卷积操作识别盲源分离结果矩阵中的局部模制信息的传递，更新门和重置门用于通过Sigmoid激活函数确定保留的空间特征信息和遗态序列矩阵用于描述时间序列中每个时间步激活函数非线性变换将扰动特征表示转换为分[0049]步骤S163，调用分类单元根据全连接层输出的类别数生以基于节能策略类别选取类别概率超过设定阈值的节能策略类别作为站内节能优化控制[0050]其中，节能策略类别生成的概率分布为通过Softmax函数将全连接层的输出进行t的风机转速数的信号。灭H的每一行表示一个特征基随时间的强度变化，通过观察H中最大值的位置与分hj为特征基r在时间点tj的激活值。i,j位置的非线性特征。ppppi。其中表示时间t的隐含状态，为隐含状态序列矩阵，维度为其中，hi为第t个时间步，第i维隐含状态值，表示该维度对当前时间步扰动dx2dn，bu为偏执[0126]分类模块用于根据的值生成节能策略类别，节能策略类别是指特定的控制调整[0127]在本实施例中，分类模块采用Softmax分类器调用Softmax函数将全连接层输出[0140]计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形[0141]这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如