基于数据挖掘的地铁车站热湿特征抽取
Thermal and Humidity Feature Extraction in Metro Station Based on Data Mining作者机构:同济大学建筑与城市规划学院上海200092 聊城大学建筑工程学院聊城252000 聊城大学计算机学院聊城252000 青岛地铁集团有限公司青岛266021 西悉尼大学工程设计建成环境学院悉尼NSW 2751澳大利亚
出 版 物:《科学技术与工程》 (Science Technology and Engineering)
年 卷 期:2022年第22卷第23期
页 面:10222-10229页
学科分类:08[工学] 0814[工学-土木工程] 0823[工学-交通运输工程] 082301[工学-道路与铁道工程]
基 金:山东省住房城乡建设科技计划(2021-K9-3) 聊城大学博士基金(318051531)
主 题:地铁 非牵引能耗 数据挖掘 K-means聚类 方差分析
摘 要:针对城市轨道交通系统车站环控能耗高占比问题,从城轨交通地下站点热湿环境角度探索轨交站点环控运行能效提升策略。通过K-means对地铁公司各车站站内全年日均温湿度数据进行聚类,再对各聚类车站通过时空分布、埋深等物理属性影响进行分析。结果表明:(1)相同线路、相邻车站温湿度变化曲线存在差异较大;(2)温度聚类二类车站表现为冬冷夏热,舒适度最差,11—12月的西南季风造成温度聚类四车站温度较低;(3)利用室内外温湿度差的标准差分析发现,曲线波动与埋深、方位角等物理特征均表现为强相关。因此不同车站因物理特征差异站点环控系统应差异化运行,也应对不同车站分类设定不同环控能耗定额标准,研究结果为地铁车站设计、环控设备选型提供依据,并对城轨交通的深绿运行及低碳城市建设有积极意义。