一种地铁车站通风空调系统数据的清洗方法

技术领域

本发明属于地铁通风空调技术领域，具体地讲涉及到一种地铁车站通风空调系统数据的清洗方法，特别是基于拉依达法则的地铁车站通风空调系统数据清洗方法。

背景技术

地铁通风空调节能控制系统在自动控制过程，需采集大量空间传感器数据，其中包括温度传感器、湿度传感器、CO2传感器、PM2.5传感器等，其中相同属性传感器数量一般在10-30之间，由于车站乘客流动，造成空间环境局部变化明显，并在传感器使用过程中也常出现数据偏离现象。再次场景下传感器数据不能有效反映出大空间场景中整体温度、湿度、CO2浓度、PM2.5等状态。造成控制系统误判，或者影响通风空调使用稳定性。

目前在解决地铁通风空调节能领域中，一般是对各个负载的数据进行算法处理，包括模型学习等，从而达到节能控制的目的。如公开号为CN113901713A的发明专利，其公开了一种基于ActorCritic算法的地铁空调系统节能控制方法，包括：建立地铁空调系统能耗模型；采集地铁空调系统指标数据，并对地铁空调系统指标数据进行预处理，得到预处理后的地铁空调系统指标数据集合；以地铁空调系统指标数据为输入，下一时刻的地铁空调系统能耗预测值为输出，构建地铁空调系统能耗预测模型；将地铁空调风-水系统作为强化学习智能体，以地铁空调系统能耗预测值最小为训练目标，利用ActorCritic算法对强化学习智能体进行训练，得到地铁空调风-水系统的控制动作，从而实现地铁空调的实时节能控制。

以上方式能够实现一定节能控制，但由于对各个传感器的基础数据未做处理，或者由于某个传感器出现问题或故障，虽然实现了一定的节能，但有可能会导致空间的局部温度、湿度等指标不均衡，降低了通风空调系统的效果。在此背景下就需要一种数据清洗方法对离群变量数据进行清洗，结果输出给地铁通风空调节能控制系统作为控制反馈数据，提高通风空调控制系统抗扰性能。

发明内容

本发明为了提高地铁通风空调控制系统抗扰的性能，设计了一种地铁车站通风空调系统数据的清洗方法，从整体布局的传感器入手，将所有传感器的数据进行初步处理后，再对各个负载进行合理控制，进而实现整体的工作效果与节能的目的。

本发明采用的技术方案是，一种地铁车站通风空调系统数据的清洗方法，将地铁车站全部传感器采集的数据借助数据处理单元进行清洗，所述的清洗方法为如下步骤：

a、对数据进行初步清洗，将超出量程或者合理数据范围的数据进行清除；

b、对步骤a初步清洗后的数据求平均值AM，公式为：

式1中，n是大于等于1的整数，x

c、计算初步清洗后的剩余误差值Vi，公式为：

Vi

d、计算初步清洗后的标准误差值SD，公式为：

e、计算精度清洗判定参数R，公式为：

f、对数据进行精度清洗，挑选上限和下限之间的数据，包含上限和下限数据，剔除上限与下限之外的数据，具体为：

针对R＜0.5的数据，精度清洗上限为AM+1.5×sD，精度清洗下限为AM-1.5×SD；

针对0.5≤R＜1的数据，精度清洗上限为AM+SD，精度清洗下限为AM-SD；

同时，针对R≠0并且SD≠0的数据，精度清洗上限为

g、对步骤f中筛选出的数据求出最终数据平均值，如果最终数据平均值在15-25分钟内有变化，则最终传感器输出数据为最终数据平均值；如果最终数据平均值在15-25分钟内没有变化，则判定传感器出现问题，此时输出数据为预设值的系统保护数据。

所述的全部传感器为同类型传感器，类型为温度传感器、湿度传感器、CO

所述的传感器数量大于等于3个。

本发明的核心技术方案是对地铁车站通风空调系统的传感器数据进行清洗处理，先进行初步数据剔除，再通过精度清洗筛选出有效数据，最终通过精度清洗后所有数据的平均值在未来一段时间内的变化情况来判定传感器是否出现问题，进而来保证整体空间的通风效果。

本发明的有益效果是：本发明依靠拉依达法则的原理，使PLC工业控制器具备数据处理能力，满足实际控制对传感器数据抗扰度需求，在大空间场景中有更好的稳定控制效果，对节能控制系统后期节能效果和系统控制稳定性提供支撑。

附图说明

图1是本发明的地铁通风空调系统中传感器数据的清洗方法流程图。

具体实施方式

本发明在具体实施时，参看图1，采用PLC或者使用现有主控PLC实现数据清洗功能，对大于等于3个同类相关温度、湿度、CO

A、传感器量程有效范围断定传感器数据是否可用；

B、传感器数据在所用所有传感器数据集群中是否为重大离群变量，进而进行清洗剔除；

C、传感器数据在有效传感器数据集群中对变量数据进行分段筛选，最终实现数据收敛；

D、传感器数据一段时间内是否在变化判定传感器是否可用。

本发明的应用场景为地铁站厅站台等类似大空间场景，传感器数量大于等于3个，而且为同一类型的传感器。如果在空间中有不同类型的传感器，需要单独分类型进行处理。

具体处理时，首先在控制器中输入同类型传感器的实际数量，例如输入3-20个，根据实际情况进行输入。

其次进行初步地粗略筛选，根据量程或者合理数据范围进行筛选，剔除无效数据，并对初步筛选出的有效数据进行统计、处理，包括求平均值AM、求剩余误差值Vi、求标准误差值SD，具体分别见式1-式3。

然后计算精度清洗判定参数R，见式4。依据下面表1的原则进行精度清洗。

表1精度清洗数据上下限表

最后将精度清洗后的数据求最终数据平均值AM_last，如果最终数据平均值在15-25分钟内有变化，则最终传感器输出数据为最终数据平均值；如果最终数据平均值在15-25分钟内没有变化，则判定传感器出现问题，问题可能是掉线或者其它硬件问题，此时输出数据为预设值的系统保护数据。

本发明通过以上对传感器数据的清洗过程，可以解决以下技术问题：

1)解决同属性传感器离群变量剔除，增加参与控制数据稳定性。

2)解决传感器完全失效情况下，控制系统不会出现超调情况，将参与控制数据控制在预设范围内。

最终满足实际控制对传感器数据抗扰度需求，在大空间场景中有更好的稳定控制效果，对节能控制系统后期节能效果和系统控制稳定性提供支撑。