专利名称：在线监控和诊断室内空气质量传感器的方法
技术领域：
本发明涉及楼宇节能领域，特别是涉及一种在线监控和诊断室内空气质量传感器的方法。
背景技术：
楼宇节能是一个比较年轻的行业。经过近20年的发展，已经从单纯的更换新设备节能发展到利用大量IT和自动控制技术来实现节能和提高室内舒适度，但是90%中国的楼宇节能公司还停留在更换设备的水平上。楼宇的近50%能耗是用在暖通系统上，因此针对暖通系统的节能是重点。暖通系统的正常和高效地运营依赖各种传感器的输出，尤其是室内空气质量传感器(比如二氧化碳、湿度和温度传感器)。为了保证这些重要传感器的正常工作，现有的技术手段是定期对这些传感器进行校准，或者安装冗余传感器，确保测量信息的准确性。这些技术手段主要存在以下不足首先是成本较高，安装冗余的传感器必然增加相应的成本；其次是被动性，这种定期校准必然有一定的时间间隔，这样导致设备处于盲区，即使发生故障也只能等到下一检查时刻才能知道；盲目性，定期校准不管这个传感器有没有问题，都要校准，在一定程度上是浪费人力和物力，应该优先对那些有症状的传感器进行校准。
发明内容
本发明主要解决的技术问题是提供一种在线监控和诊断IAQ传感器的方法，基于一准确、稳定和可靠的IAQ传感器虚拟模型在线监测IAQ传感器，主动发现潜在的故障，及时维护和校准传感器的功能。为解决上述技术问题，本发明采用的一个技术方案是提供一种在线监控和诊断 IAQ传感器的方法，该方法是基于一 IAQ传感器虚拟模型通过一控制图对IAQ传感器进行在线监控和诊断，所述控制图将IAQ传感器虚拟模型的预测的IAQ参数值与传感器测量到的 IAQ参数值之间的平均差值和方差得以监控。在本发明一个较佳实施例中，所述控制图的构建方法为
a、从HVAC系统中选取除去异常值的由Nteain个测量值组成的训练数据集和按照时间顺序的Ntest个连续数据点组成的测试数据集，
训练数据集的表示方法为y-Trair^et=[y(i)，y’(i)]，i=l,…，Ntrain.， 测试数据集的表示方法为:y-TestSet=[y(i),y' (i) ]，i=l，…，Ntest.；
b、计算出训练数据集中每个点之间的差值ε及其平均差值Pteain*标准差测试数据集中每个点之间的差值ε及其平均差值Ptest和标准差Qtest;
C、当Pteain* Qteain已知，通过计算平均差值Ptain的控制极限和方差Q2teain的控制极限来检测异常情况，定义μ train的控制极限的上极限值为UCL1，下极限值为LCL1，定义 σ 2train的控制极限的上极限值为UCL2，下极限值为LCL2。
在本发明ー个较佳实施例中，所述差值￡的计算方法为e = ダ-少，其中y是传感器測量到的IAQ參数值，y’是由IAQ传感器虚拟模型预测IAQ參数值。在本发明ー个较佳实施例中，u train的计算方式为
权利要求
1.一种在线监控和诊断室内空气质量(IAQ)传感器的方法，其特征在于，包括基于一 IAQ传感器虚拟模型通过一控制图对IAQ传感器进行在线监控和诊断，所述控制图将所述 IAQ传感器虚拟模型的预测的IAQ参数值与传感器测量到的IAQ参数值之间的平均差值和方差得以监控。
2.根据权利要求1所述的在线监控和诊断IAQ传感器的方法，其特征在于，所述控制图的构建方法为a、从HVAC系统中选取除去异常值的由Nteain个测量值组成的训练数据集和按照时间顺序的Ntest个连续数据点组成的测试数据集，训练数据集的表示方法为y-Trair^et=[y(i)，y’(i)]，i=l,…，Ntrain.，测试数据集的表示方法为:y-TestSet=[y(i),y' (i) ]，i=l，…，Ntest.；b、计算出训练数据集中每个点之间的差值ε及其平均差值μ标准差Qteain* 测试数据集中每个点之间的差值ε及其平均差值μ test和标准差Qtest;C、当μOteain已知，通过计算平均差值μ train的控制极限和方差O2teain的控制极限来检测异常情况，定义μ t_的控制极限的上极限值为UCL1，下极限值为LCL1,定义 σ 2train的控制极限的上极限值为UCL2，下极限值为LCL2。
3.根据权利要求2所述的在线监控和诊断IAQ传感器的方法，其特征在于所述差值 ε的计算方法为ε = ν' F，其中y是传感器测量到的IAQ参数值，y’是由IAQ传感器虚拟模型预测IAQ参数值。
4.根据权利要求2所述的在线监控和诊断IAQ传感器的方法，其特征在于 y tain 的计算方式为
5.根据权利要求2所述的在线监控和诊断IAQ传感器的方法，其特征在于UCL1 的计算方式为
6.根据权利要求2所述的在线监控和诊断IAQ传感器的方法，其特征在于，所述ytest高于UCL1或者低于LCL1, IAQ参数在取样时间点的值y-TestSet则被认为是有误的，这种错误定义为错误类型I。
7.根据权利要求2所述的在线监控和诊断IAQ传感器的方法，其特征在于，所述O2teain高于UCL2, IAQ参数在取样时间点的值y-TestSet则被认为是有误的，这种错误定义为错误类型II。
8.根据权利要求1所述的在线监控和诊断IAQ传感器的方法，其特征在于所述IAQ传感器虚拟模型的建立方法，包括a、收集数据首先从供热、通风和空调调节(HVAC)系统中收集多种的参数集，包括温度参数集、二氧化碳水平参数集、相对湿度参数集，将各参数集分成两个单独的子集，包括训练数据集、测试数据集；b、建立模型用多种不同数据挖掘算法基于训练数据集中数据建立的IAQ传感器虚拟模型，IAQ传感器虚拟模型是用其他的HVAC参数产生预测IAQ参数值，包括预测温度的IAQ传感器虚拟模型、预测二氧化碳水平的IAQ传感器虚拟模型、预测相对湿度的IAQ传感器虚拟模型；c、选择最佳数据挖掘算法预测的IAQ参数值与传感器检测到的IAQ参数值差值的绝对值为绝对误差，通过绝对误差平均值和绝对误差的标准差衡量用不同数据挖掘算法的建立的IAQ传感器虚拟模型的预测效果，选择预测效果最好的数据挖掘算法；d、有效性检验将预测的IAQ参数值与测试数据集中的测量数据比较，根据两个数据值之间的一致性，判断预测效果最好的数据挖掘算法建立的IAQ传感器虚拟模型的有效性。
9.根据权利要求8所述的在线监控和诊断IAQ传感器的方法，其特征在于所述绝对误差定义为AE，所述AE的计算方法为
10.根据权利要求8所述的在线监控和诊断IAQ传感器的方法，其特征在于所述多种不同数据挖掘算法包括多层感知器(MLP)神经网络(NN)、径向基函数(RBF)神经网络(NN)、支持向量机回归(SVM)、逐步回归(Pacereg)。
全文摘要
本发明公开了在线监控和诊断室内空气质量传感器的方法，该方法是基于一IAQ传感器虚拟模型通过一控制图对IAQ传感器进行在线监控和诊断，所述控制图将所述IAQ传感器虚拟模型的预测的IAQ参数值与传感器测量到的IAQ参数值之间的平均差值和方差得以监控。通过上述方式，本发明能够基于准确、稳定和可靠的IAQ传感器虚拟模型具有在线监测IAQ传感器，主动发现潜在的故障，及时维护和校准传感器的功能，成本低，主动性好，针对性强。
文档编号G06F19/00GK102393882SQ20111028072
公开日2012年3月28日 申请日期2011年9月21日 优先权日2011年9月21日
发明者周炯, 宋哲 申请人:济中节能技术(苏州)有限公司