一种地铁站空调系统自适应预测风水联动控制方法

技术领域

本发明涉及地铁站空调系统技术领域，特别涉及一种地铁站空调系统自适应预测风水联动控制方法。

背景技术

现有的地铁站空调系统主要包含四个部分：第一，地铁站公共区域空调以及排烟系统，俗称“大系统”；第二，地铁设备管理用房以及排烟系统，俗称“小系统”；第三，隧道通风空调以及排烟系统；第四，地铁站空调冷水循环系统，俗称“水系统”。其中重点调控的“水系统”包含设备：冷水机组、冷却水泵、冷冻水泵、冷却塔和二通阀；重点调控的“大系统”包含设备：送风机、回排风机、新风机和风阀。其中按照大系统各设备启停与风阀的开闭的不同，可以实现不同的运行模式：全新风模式、小新风模式、全回风模式和通风模式。

公开号为CN107178849A的中国专利公开了一种地铁站蒸发冷却直膨空调系统,该空调系统包括设置于地铁站公共区的压缩机装置和多个并联设置直膨式空气处理机组，电子节流装置，以及设置于地铁站各个出入口外的蒸发冷却装置；上述蒸发冷却装置的入口连接压缩机装置的出口，蒸发冷却装置的出口通过电子节流装置连接至上述并联设置的多个直膨式空气处理机组的入口，上述各个直膨式空气处理机组的出口并联后连接压缩机装置的入口。该发明提供的空调系统通过设置蒸发冷却装置实现将高温气态制冷剂携带的热量直接排向外界大气，省却了传统的地铁站空调系统中的冷却塔以及水冷冷水机组。但是上述专利存在以下缺陷：

地铁站空调系统无法根据室外气象参数、室内环境参数和二氧化碳浓度等参数自动切换运行模式；也无法根据站内环境温度、湿度、客流量等参数控制水系统各个设备的启停及加减载，如：冷水主机启停及运行台数、冷却水泵启停及运行台数、冷冻水泵启停及运行台数、冷却塔风机启停及运行台数等；无法相应调整大系统和水系统提供各个设备的运行参数，如：冷水主机冷冻水出水温度、冷却水出水温度、冷冻水泵运行频率、冷却水泵运行频率、冷却塔风机运行频率、二通阀开度、送风机运行频率等。导致地铁站空调系统的供冷能力无法匹配实际站内的除热除湿需求，整体运行能效低下，能源浪费严重，站内的热舒适性也不能很好地得到保障。

发明内容

该发明的目的在于提供一种地铁站空调系统自适应预测风水联动控制方法，通过实时参数的获取，根据室内外焓值的变化确定风系统运行模式，通过数据挖掘与人工智能相关技术，利用关联规则实现空调系统多参数的优化，做到地铁站空调系统的风水联动控制，实现了高效、节能的管控，为提高地铁站空调系统性能、优化控制、节约能源提供技术支持，符合当前世界和国家节约能源政策趋势，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种地铁站空调系统自适应预测风水联动控制方法，包括

获取地铁站室内外温度、室内外湿度、室内二氧化碳浓度、车站客流量参数等数据；

获取地铁站空调系统各个设备运行参数、负荷参数和能耗参数等数据；

计算得到室内外空气焓值，根据焓值和二氧化碳参数设计控制方法，确定空调系统运行模式；

利用风水联动控制装置实现系统运行模式的自动切换；

对设备数据进行清洗处理，利用关联规则挖掘方法得到设备最佳运行台数和参数；

利用风水联动控制装置实现系统设备的最优控制；

对负荷数据进行清洗处理，利用相关性分析得到负荷预测的影响参数；

建立神经网络得到地铁站空调系统的预测冷负荷；

利用风水联动控制装置自动调控系统运行模式，再根据负荷预测结果自适应调控系统设备运行参数，形成地铁站空调系统自适应预测风水联动控制方法；

其中风水联动控制装置包括

感知层，由各环境参数传感器和设备传感器组成；

其中室外气象参数的采集由温湿度传感器完成；室内空气参数的采集由温湿度传感器，二氧化碳浓度仪完成；

冷水机组、水泵、冷却塔运行参数的采集，通过在设备处或者设备附近的管道处添加温度传感器、流速传感器、压力传感器以及设备自带的参数记录来完成；

空调机组在送风、回风、排风管道处加设风速传感器以及二氧化碳浓度仪；

将采集的数据信号转换为4-20mA的电流信号或0-10V的电压信号进行传输；

传输层，通过现场总线将各个设备的通讯信号进行汇总并传输，对于不易布置通信线的设备，采用无线网络组网技术进行数据的传输工作，数据通过Modbus通讯协议与控制器、上位机之间进行通讯；

应用层，包括控制器与上位机，将地铁站空调系统自适应预测风水联动控制方法通过设计控制模块的方式内置于控制器与上位机内，组成控制柜布置于环控机房，对采集的数据进行计算分析并下发控制指令。

进一步地，制冷季时，设计的控制方法为

当室内CO

小新风机及其阀门D3开启，全新风阀D4关闭，回风阀D1打开，排风阀D2关闭；

当室外焓值>室内焓值时，利用新风的冷却能力进行冷却降温；

当所预测的空调负荷小于新风带来的冷量时，冷源系统停止运行，采用全通风运行方式；

回风阀D1关闭，小新风机及其阀门D3关闭，全新风阀D4与排风阀D2开启，根据室内温度调节送风机和排风机的运行频率；

当室外焓值<室内焓值时，可以利用室外新风进行免费制冷；

当所预测的空调负荷大于新风带来的冷量时，根据气象条件，分配室外新风和冷源系统各自承担的冷量比例，确定冷机出水温度；

采用全通风模式运行，根据室内温度调节送风机和排风机的运行频率；

当室内CO

冷量需求全部由制冷机组承担，根据负荷预测设定冷机出水温度；

排风阀D2、小新风机及其阀门D3、全新风阀D4关闭，回风阀D1开启，新风机关闭，送风机和排风机运行，根据室内温湿度调节送风机和排风机的运行频率。

进一步地，过渡季时，设计的控制方法为

过渡季制冷机组不运行；

当室外温度大于12℃，大系统全通风模式运行；

回风阀D1关闭，小新风机及其阀门D3关闭，全新风阀D4与排风阀D2开启；

根据室内二氧化碳浓度调节送风机和排风机的运行频率；

当室外温度位于5-12℃时，小新风机组关闭，回风阀D1、全新风阀D4开启，排风阀D2、小新风机及其阀门D3关闭，根据室内二氧化碳浓度调节送风机和排风机的运行频率；

冬季时，设计的控制方法为

当室内CO

当室内CO

进一步地，对设备数据进行清洗处理，得到连续、完整、高质量的参数数据；

根据参数数据设计空调水系统设备运行台数的控制方法为

当冷水机组电流比＞95％且冷水机组冷冻水实际出水温度＞冷水机组冷冻水设定出水温度时，开始冷水机组的加载操作，另外开启一台冷水机组；

当多台冷水机组电流比之和≤100％时且冷水机组冷冻水实际出水温度＜冷水机组冷冻水设定出水温度时，开始冷水机组的减载操作，关闭一台冷水机组；

当冷却塔风机达到最低频率设定且冷却塔出水温度＜设定出水温度时，开始冷却塔的减载操作，关闭冷却塔风机并关闭相应的冷却塔蝶阀；

当冷却塔风机达到最高频率设定且冷却塔出水温度＞设定出水温度时，开始冷却塔的加载操作，开启冷却塔风机并开启相应的冷却塔蝶阀。

进一步地，自动设定冷水主机的冷冻水出水温度和冷却水出水温度；

自动设定供回水温差或者压差PID调节冷冻水泵和冷却水泵的运行频率；

自动设定逼近度PID调节冷却塔风机的运行频率；

自动设定风系统送风温度PID调整二通阀开度；

自动设定风系统送风温度PID调整各个风机的运行频率。

进一步地，通过冷水机组冷冻水进出水温度和冷冻水流量计算得到地铁站空调系统的负荷数据；

通过相关性分析得到影响地铁站空调系统负荷的相关因素；

利用传感器获得实时数据和历史数据，搭建神经网络负荷预测模型。

进一步地，对设备数据进行清洗处理，包括：

获取所述设备数据的属性信息，根据所述属性信息将所述设备数据进行分类，得到若干个不同类型的子设备数据；

根据每个子设备数据生成一个数据清洗任务，根据若干个数据清洗任务建立第一排队队列，并获取所述第一排队队列的第一队列长度；

建立若干个数据清洗进程，根据若干个数据清洗进程建立第二排队队列，并获取所述第二排队队列的第二队列长度；

在确定第一队列长度大于第二队列长度时，为第二排队队列中的每个数据清洗进程分配一个数据清洗任务，基于数据清洗进程执行对应的数据清洗任务；同时，对所述第一排队队列进行修正，得到修正第一排队队列；

在数据清洗进程执行对应的数据清洗任务的过程中，对所述数据清洗任务进行特征提取，确定特征数据；

使用存储的多个预设数据清洗规则分别对所述特征数据进行清洗，并统计每个预设数据清洗规则对所述特征数据进行清洗速率；

确定清洗速率最大的预设数据清洗规则，作为目标清洗规则；

基于所述目标清洗规则对所述数据清洗任务中除特征数据外的剩余数据进行清洗；

在对所述数据清洗任务中除特征数据外的剩余数据进行清洗的过程中，监测每个数据清洗进程的清洗负载量，并从大到小建立第三排队队列；

在确定最后一个数据清洗进程的清洗负载量小于预设负载量时，对第三排队队列的后预设数量个数据清洗进程从修正第一排队队列中动态分配数据清洗任务；

重复以上方法，直至处理完所有的数据清洗任务。

进一步地，在根据负荷预测结果自适应调控系统设备运行参数后，还包括：

采集调控人员的语音信号；

对所述语音信号进行语音识别，确定语音调控指令；

设置n个提取指标；

根据n个提取指标对所述语音调控指令进行提取，确定每个提取指标对应的指标数值，得到待检测向量A；

计算待检测向量与语音控制数据库中的每条控制指令的匹配度，所述语音控制数据库中包括p条语音控制指令，每条语音控制指令均包括n个提取数据对应的数值，形成数据矩阵B；

其中，W

根据最大的匹配度对应的语音控制指令对语音调控指令进行修正，得到修正语音调控指令，根据所述修正语音调控指令对调控系统设备运行参数的调控处理。

与现有技术相比，本发明的有益效果是：

1、本发明的地铁站空调系统自适应预测风水联动控制方法，通过室内外焓值参数和站内二氧化碳浓度参数，决定空调系统运行模式，再通过自动控制装置，实现地铁站空调系统的无人值守自动控制，解决了目前地铁站空调系统人工手动设定运行模式的问题。

2、本发明的地铁站空调系统自适应预测风水联动控制方法，充分利用数据挖掘技术，结合空调系统运行机理，以系统能效比为导向，实现了地铁站空调系统中多参数的在线优化；利用负荷预测技术，精确预测了地铁站空调系统负荷，并对系统中各设备参数进行预先设置，完成了地铁站空调系统自适应预测风水联动控制，实现了地铁站空调系统的精细化调控和节能高效运行，解决了目前控制方式经验化和运行数据无效利用的问题。

附图说明

图1为本发明的地铁站空调系统自适应预测风水联动控制方法的流程图；

图2为本发明的设计控制方法的系统原理图；

图3为本发明的神经网络负荷预测模型的模型原理图；

图4为本发明的地铁站空调智能管控系统和BAS系统一键切换的示意图；

图5为本发明的地铁站空调系统自适应预测风水联动控制系统的模块图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

参阅图1，一种地铁站空调系统自适应预测风水联动控制方法，包括如下步骤：

获取地铁站室内外温度、室内外湿度、室内二氧化碳浓度、车站客流量参数等数据，获取地铁站空调系统各个设备运行参数、负荷参数和能耗参数等数据；

计算得到室内外空气焓值，根据焓值和二氧化碳参数确定空调系统运行模式，利用风水联动控制装置实现系统运行模式的自动切换，利用风水联动控制装置实现系统设备的最优控制，利用风水联动控制装置自动调控系统运行模式，再根据负荷预测结果自适应调控系统设备运行参数，形成地铁站空调系统自适应预测风水联动控制方法；

空气的焓值是指空气所含有的绝热量，通常以干空气的单位质量为基准，焓用符号i表示，单位是kj/kg干空气；湿空气焓值等于1kg干空气的焓值与dkg水蒸气焓值之和。

湿空气焓值计算公式化：

i＝1.01t+(2500+1.84t)d或i＝(1.01+1.84d)t+2500d(kj/kg干空气)

式中：t—空气温度℃

d—空气的含湿量kg/kg干空气

1.01—干空气的平均定压比热kj/(kg.K)

1.84—水蒸气的平均定压比热kj/(kg.K)

2500—0℃时水的汽化潜热kj/kg

因此室内外空气焓值具体如何计算是清楚的。

关联规则就是形如XY的逻辑蕴含关系，其中XI，YI且XY＝Φ，X称作规则的前件，Y是结果，对于关联规则XY，存在支持度和信任度。

支持度是指规则中所出现模式的频率，如果事务数据库有s％的事务包含XY，则称关联规则XY在D中的支持度为s％，实际上，可以表示为概率P(XY)，即support(XY)＝P(XY)。信任度是指蕴含的强度，即事务D中c％的包含X的交易同时包含XY。若X的支持度是support(x)，规则的信任度为即为：support(XY)/support(X)，这是一个条件概率P(Y|X)，即confidence(XY)＝P(Y|X)。

将客流量，天气温度，湿度，室内温湿度作为X，将设备运行台数作为Y，通过计算支持度和信任度，确定Y，其它参数类推。

比如某销售手机的商场中，70％的手机销售中包含充电器的销售，而在所有交易中56％的销售同时包含手机和充电器，则在此例中，支持度为56％，置信度为70％。

比如总共有10000个消费者购买了商品，其中购买尿布的有1000人，购买啤酒的有2000人,购买面包的有500人，同时购买尿布和啤酒的有800人，同时购买尿布的面包的有100人。

置信度：购买X的人，同时购买Y的概率，例如:购买尿布的人，同时购买啤酒的概率,而这个概率就是购买尿布时购买啤酒的置信度。

confidence(x->y)＝同时购买{x,y}的人数/购买X的人数；

confidence(y->x)＝同时购买{x,y}的人数/购买Y的人数；

(尿布->啤酒)的置信度＝80011000＝0.8；

(啤酒->尿布)的置信度＝800/2000＝0.4；

由于规则置信度并未提供这条关联关系在所有交易中所占的比例(覆盖程度很低)，即包含在关联关系中的购买行为是普遍交易行为，还是个别行为不得而知。下面我们可以使用支持度这个统计量来度量，用支持度度量包含了关联关系中出现的属性值的交易占所有交易的百分比。

支持度：{X,Y}同时出现的概率；

例如：{尿布,啤酒}同时出现的概率：support＝同时购买{X,Y}的人数/总人数；

{尿布，啤酒}的支持度＝800/10000＝0.08；

{尿布，面包}的支持度＝100/10000＝0.01。

输入客流量，天气温度，湿度，或者室内温湿度，这几个参数和最后的耗能量进行比较，会发现它们之间存在一定的逻辑关系，也就是说，比如我们这客流量是1000的时候，耗电量是最少的，通过支持度和信任度可以计算出耗电量最少的时候。

因此利用关联规则挖掘方法得到设备最佳运行台数和参数是清楚的。

相关性是指两个和两个以上随机变量之间的相互关系，它代表了变量之间某种可量化的关系，比如室外温度和家里的空调耗费电量，统计发现，当室外温度上升的时候，它的用电量就增多，通过相关性分析可以知道耗电量，比如室外天气，温度就是一个相关性，下雨天潮湿，或者室内人数多，室内热量多，其之间都具有相关性。

对设备数据进行清洗处理，利用关联规则挖掘方法得到设备最佳运行台数和参数，利用风水联动控制装置实现系统设备的最优控制，利用风水联动控制装置自动调控系统运行模式，再根据负荷预测结果自适应调控系统设备运行参数，形成地铁站空调系统自适应预测风水联动控制方法；

对负荷数据进行清洗处理，利用相关性分析得到负荷预测的影响参数，建立神经网络得到地铁站空调系统的预测冷负荷，利用风水联动控制装置实现系统设备的最优控制，利用风水联动控制装置自动调控系统运行模式，再根据负荷预测结果自适应调控系统设备运行参数，形成地铁站空调系统自适应预测风水联动控制方法。

需要说明的是，通过传感器获得地铁站空调系统相关参数；

具体包含：室外空气温度、室外空气湿度、室内空气温度、室内空气湿度、室内二氧化碳浓度、车站客流量、冷水机组冷冻水进出水温度、冷水机组冷却水进出水温度、冷水机组能耗、冷冻水泵运行频率、冷冻水流量、冷冻水泵能耗、冷却水泵运行频率、冷却水流量、冷却水泵能耗、冷却塔风机运行频率、冷却塔能耗、二通阀开度、回排风机运行频率、回排风机能耗、回风阀开度、排风阀开度、新风机运行频率、新风机能耗、新风阀开度、送风机运行频率、送风机能耗等。

实施例二

参阅图2，根据室外空气温度、室外空气湿度、室内空气温度和室内空气湿度计算室内外焓值，再根据室内外焓值和室内二氧化碳浓度，设计控制方法，自动调节地铁站空调系统运行模式。

其设计的控制方法分为以下几种：

(一)制冷季

当室内CO

当室外焓值>室内焓值时，可以利用新风的冷却能力，当所预测的空调负荷小于新风带来的冷量时，冷源系统停止运行，采用全通风运行方式，回风阀D1关闭，小新风机及其阀门D3关闭，全新风阀D4与排风阀D2开启，根据室内温度调节送风机和排风机的运行频率；

当室外焓值<室内焓值时，可以利用室外新风进行免费制冷，当所预测的空调负荷大于新风带来的冷量时，根据气象条件，分配室外新风和冷源系统各自承担的冷量比例，确定冷机出水温度，采用全通风模式运行，根据室内温度调节送风机和排风机的运行频率。

当室内CO

(二)过渡季

过渡季制冷机组不运行，当室外温度大于12℃，大系统全通风模式运行，回风阀D1关闭，小新风机及其阀门D3关闭，全新风阀D4与排风阀D2开启；根据室内CO

当室外温度位于5-12℃时，小新风机组关闭，回风阀D1、全新风阀D4开启，排风阀D2、小新风机及其阀门D3关闭，根据室内二氧化碳浓度调节送风机和排风机的运行频率。

(三)冬季

当室内CO

当室内CO

上述控制方法实现了地铁站空调系统运行模式的风水联动控制。

综上，通过室内外焓值参数和站内二氧化碳浓度参数，决定空调系统运行模式，再通过自动控制装置，实现地铁站空调系统的无人值守自动控制，解决了目前地铁站空调系统人工手动设定运行模式的问题。

实施例三

对室外空气温度、室外空气湿度、室内空气温度、室内空气湿度、室内二氧化碳浓度、车站客流量、冷水机组冷冻水进出水温度、冷水机组冷却水进出水温度、冷水机组能耗、冷冻水泵运行频率、冷冻水流量、冷冻水泵能耗、冷却水泵运行频率、冷却水流量、冷却水泵能耗、冷却塔风机运行频率、冷却塔能耗、二通阀开度、回排风机运行频率、回排风机能耗、回风阀开度、排风阀开度、新风机运行频率、新风机能耗、新风阀开度、送风机运行频率、送风机能耗等参数进行清洗处理工作，得到连续、完整、高质量的参数数据。

需要说明的是，空调水系统设备运行台数的控制方法分为以下几种：

1、冷水机组电流比＞95％且冷水机组冷冻水实际出水温度＞冷水机组冷冻水设定出水温度

开始冷水机组的加载操作，另外开启一台冷水机组；

2、多台冷水机组电流比之和≤100％时且冷水机组冷冻水实际出水温度＜冷水机组冷冻水设定出水温度

开始冷水机组的减载操作，关闭一台冷水机组；

3、冷却塔风机达到最低频率设定且冷却塔出水温度＜设定出水温度

开始冷却塔的减载操作，关闭冷却塔风机并关闭相应的冷却塔蝶阀；

4、冷却塔风机达到最高频率设定且冷却塔出水温度＞设定出水温度

开始冷却塔的加载操作，开启冷却塔风机并开启相应的冷却塔蝶阀。

设置95％、100％为界限的原因是根据冷水机组性能在电流比为95％时效率开始显著下降，100％时最大限制，在行业里，冷水机组达到50％以后，冷水机组的性能就会下降很快，性能下降也就意味着，当你用同样的电，输出的结果越来越小，所以我们为了省电效率最大化，我们到95％的时候，就要再加一台机器，设置100％，是因为最大你不能超过100％，超过以后就出现故障了。

确定好空调系统各设备的运行台数之后，利用关联规则挖掘技术，以地铁站空调系统负荷、室内外环境为约束条件，以各设备运行参数为变量，以系统整体运行能效比为目标，对地铁站空调系统实际运行数据进行挖掘；

挖掘出在不同负荷、室内外环境条件下，系统在能效最高时的各设备运行参数；

自动设定冷水主机的冷冻水出水温度和冷却水出水温度，自动设定供回水温差或者压差PID调节冷冻水泵和冷却水泵的运行频率，自动设定逼近度PID调节冷却塔风机的运行频率，自动设定风系统送风温度PID调整二通阀开度，自动设定风系统送风温度PID调整各个风机的运行频率。

上述控制方法实现了地铁站空调系统运行参数的风水联动控制。

综上，充分利用数据挖掘技术，结合空调系统运行机理，以系统能效比为导向，实现了地铁站空调系统中多参数的在线优化。

实施例四

参阅图3，通过冷水机组冷冻水进出水温度和冷冻水流量计算得到地铁站空调系统的负荷数据，并且通过相关性分析得到影响地铁站空调系统负荷的相关因素。

需要说明的是，共性因素主要有：室外温度数据、室外湿度数据、车站客流量数据、当前时刻前一天的室外温度数据、当前时刻前一天的室外湿度数据、当前时刻前一周的客流量数据、当前时刻前1小时的历史负荷数据、当前时刻前2小时的历史负荷数据、当前时刻前3小时的历史负荷数据、时间维度的星期数据、时间维度的小时数据和时间维度的月份数据。

利用传感器获得实时数据和历史数据，搭建神经网络负荷预测模型。

综上，利用负荷预测技术，精确预测了地铁站空调系统负荷，并对系统中各设备参数进行预先设置，完成了地铁站空调系统自适应预测风水联动控制，实现了地铁站空调系统的精细化调控和节能高效运行，解决了目前控制方式经验化和运行数据无效利用的问题。

实施例五

风水联动控制装置包括感知层、传输层和应用层。

利用物联网技术搭建地铁站空调系统自适应预测风水联动控制装置架构；

该架构最底层是由各环境参数传感器和设备传感器组成的感知层，是物联网架构的核心；

需要说明的是，室外气象参数的采集由温湿度传感器完成；室内空气参数的采集主要由温湿度传感器，二氧化碳浓度仪完成；冷水机组、水泵、冷却塔等设备运行参数的采集，主要通过在设备处或者设备附近的管道处添加温度传感器、流速传感器、压力传感器以及设备自带的参数记录来完成；空调机组则是在送风、回风、排风管道处加设风速传感器以及二氧化碳浓度仪，将采集的数据信号转换为4-20mA的电流信号或0-10V的电压信号进行传输。

传输层主要是通过现场总线的方式，将各个设备的通讯信号进行汇总并传输，除此之外，对于不易布置通信线的设备，采用无线网络组网技术进行数据的传输工作，数据通过Modbus通讯协议与控制器、上位机之间进行通讯。

应用层包含了控制器与上位机，将提出的地铁站空调系统自适应预测风水联动控制方法通过设计控制模块的方式内置于控制器与上位机内，组成控制柜布置于环控机房，对采集的数据进行计算分析并下发控制指令。

参阅图4，需要说明的是，地铁站空调智能管控系统能够与地铁站原本的BAS系统进行实时通讯，通过一键切换的方式运行。

实施例六

进一步地，对设备数据进行清洗处理，包括：

获取所述设备数据的属性信息，根据所述属性信息将所述设备数据进行分类，得到若干个不同类型的子设备数据；

根据每个子设备数据生成一个数据清洗任务，根据若干个数据清洗任务建立第一排队队列，并获取所述第一排队队列的第一队列长度；

建立若干个数据清洗进程，根据若干个数据清洗进程建立第二排队队列，并获取所述第二排队队列的第二队列长度；

在确定第一队列长度大于第二队列长度时，为第二排队队列中的每个数据清洗进程分配一个数据清洗任务，基于数据清洗进程执行对应的数据清洗任务；同时，对所述第一排队队列进行修正，得到修正第一排队队列；

在数据清洗进程执行对应的数据清洗任务的过程中，对所述数据清洗任务进行特征提取，确定特征数据；

使用存储的多个预设数据清洗规则分别对所述特征数据进行清洗，并统计每个预设数据清洗规则对所述特征数据进行清洗速率；

确定清洗速率最大的预设数据清洗规则，作为目标清洗规则；

基于所述目标清洗规则对所述数据清洗任务中除特征数据外的剩余数据进行清洗；

在对所述数据清洗任务中除特征数据外的剩余数据进行清洗的过程中，监测每个数据清洗进程的清洗负载量，并从大到小建立第三排队队列；

在确定最后一个数据清洗进程的清洗负载量小于预设负载量时，对第三排队队列的后预设数量个数据清洗进程从修正第一排队队列中动态分配数据清洗任务；

重复以上方法，直至处理完所有的数据清洗任务。

上述技术方案的工作原理：所述属性信息包括数据的类型。

在数据清洗进程执行对应的数据清洗任务的过程中，对所述数据清洗任务进行特征提取，确定特征数据；特征数据为能表示数据清洗任务的核心数据，能标准化表示数据清洗任务的数据。

使用存储的多个预设数据清洗规则分别对所述特征数据进行清洗，并统计每个预设数据清洗规则对所述特征数据进行清洗速率；确定清洗速率最大的预设数据清洗规则，作为目标清洗规则；避免现有技术中通过大量的数据进行实验清洗后才制定清洗规则，也避免了软件开发过程中在数据清洗前才编写数据清洗程序使得数据清洗效率较低的技术问题。基于上述方案，准确确定适合每个数据清洗任务的目标清洗规则，提高了数据清洗效率及准确性。

在对所述数据清洗任务中除特征数据外的剩余数据进行清洗的过程中，监测每个数据清洗进程的清洗负载量，并从大到小建立第三排队队列；在确定最后一个数据清洗进程的清洗负载量小于预设负载量时，对第三排队队列的后预设数量个数据清洗进程从修正第一排队队列中动态分配数据清洗任务；重复以上方法，直至处理完所有的数据清洗任务。预设数量为3。对不同的数据清洗进程动态分配数据清洗任务，便于减轻每个数据清洗进程对应的设备的数据清洗负担，提高数据清洗效率，提高对设备的利用率。

上述技术方案的有益效果：对设备数据确定对应的数据清洗任务的目标清洗规则，并且对数据清洗进程处理的数据清洗任务进行动态分配，提高了数据清洗效率及数据清洗的准确性，同时也减轻每个数据清洗进程对应的设备的数据清洗负担，提高对设备的利用率。

实施例七

进一步地，在根据负荷预测结果自适应调控系统设备运行参数后，还包括：

采集调控人员的语音信号；

对所述语音信号进行语音识别，确定语音调控指令；

设置n个提取指标；

根据n个提取指标对所述语音调控指令进行提取，确定每个提取指标对应的指标数值，得到待检测向量A；

计算待检测向量与语音控制数据库中的每条控制指令的匹配度，所述语音控制数据库中包括p条语音控制指令，每条语音控制指令均包括n个提取数据对应的数值，形成数据矩阵B；

其中，W

根据最大的匹配度对应的语音控制指令对语音调控指令进行修正，得到修正语音调控指令，根据所述修正语音调控指令对调控系统设备运行参数的调控处理。

上述技术方案的工作原理及有益效果：提取指标包括指令长度、指令读取时间、指令的关键词、指令的首端标识词、尾端标识词等。根据n个提取指标对所述语音调控指令进行提取，确定每个提取指标对应的指标数值，得到检测向量；计算检测向量与语音控制数据库中的每条控制指令的匹配度，根据最大的匹配度对应的语音控制指令对语音调控指令进行修正，得到修正语音调控指令，根据所述修正语音调控指令对调控系统设备运行参数的调控处理。可以有效的避免对用户的语音信号的识别不准确、调控人员发出的语音信号不标准等因素导致的发出的语音控制指令的不准确，对对语音调控指令进行修正，得到修正语音调控指令，根据所述修正语音调控指令对调控系统设备运行参数的调控处理，便于保证在自适应调控系统设备运行参数后，调控人员可以人为通过语音调整自适应参数，实现语音智能化控制，保证最终确定的调控系统设备运行参数的准确性。基于上述公式，准确计算出检测向量与语音控制数据库中的每条控制指令的匹配度，便于确定最大的匹配度对应的语音控制指令，实现对语音调控指令的准确修正，实现对调控系统设备运行参数的准确调控。

综上，通过实时参数的获取，根据室内外焓值的变化确定风系统运行模式，再通过数据挖掘与人工智能相关技术，利用关联规则实现空调系统多参数的优化，做到地铁站空调系统的风水联动控制，在此基础上利用负荷预测技术，形成了一种地铁站空调系统自适应预测风水联动控制方法，实现了高效、节能的管控，为提高地铁站空调系统性能、优化控制、节约能源提供技术支持，符合当前世界和国家节约能源政策趋势。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。