一种基于污染源位置信息的智能化通风监控系统及控制方法与流程

[0001]
本发明涉及通风监控系统领域，具体的是一种基于污染源位置信息的智能化通风监控系统。


背景技术：

[0002]
世界卫生组织报告显示，随着室内空气污染物含量的升高，室内空气质量会逐渐降低，并对人员健康和生产力产生严重影响。对于室内空气污染问题，包括甲醛、pm
2.5
以及co2在内的多数污染物可以作为评价室内空气卫生质量的重要指标，当其达到一定含量时，均会对人体健康构成严重威胁，而且没有任何净化器能够充分、有效地过滤空气污染物。因此，如何高效地去除室内常见污染物已成为解决室内空气卫生问题的当务之急，特别是对于公共空间建筑。通风系统可以作为降低室内污染物浓度的有效手段，然而大多数公共建筑仍然存在通风系统不完善，能耗高和管理难等问题，“开着门窗开空调”的现象屡见不鲜。因此，为了在保证室内空气质量的前提下提高通风效率，智能化通风系统也越来越受到人们的重视。
[0003]
目前智能化通风监控系统的应用主要包括：基于排风口传感器监测数据的办公室多元通风系统(机械通风和自然通风的组合)、结合工作区域传感器数据的送排风智能化监控系统(适用于工业建筑)等。这些系统大多是在已知室内环境变量(比如污染物浓度)及监测信息的基础上，根据监测数据与控制目标之间的差异值来实现通风系统的智能化控制。然而，传感器监测数据往往是单点数据，不能直接表征区域或全局环境参数分布情况，最终可能导致通风系统无法实现准确调控，甚至直接失效。


技术实现要素：

[0004]
为解决上述背景技术中提到的不足，本发明的目的在于提供一种基于污染源位置信息的智能化通风监控系统及控制方法，可根据污染物浓度实时响应数据，实现污染物分布结果快速预测，最终实现通风系统智能化控制，解决传统通风控制系统无法基于传感器监测数据实现准确、智能化调控等难题，营造更加健康、舒适和节能的公共建筑室内环境。
[0005]
本发明的目的可以通过以下技术方案实现：
[0006]
一种基于污染源位置信息的智能化通风监控系统，包括送风单元、空调机组、回风单元，送风单元设置在建筑两侧墙壁中部，送风单元包括球形射流风口和设置在风口一侧的送风管道，空调机组设置在建筑顶部区域，回风单元设置在墙壁底部位置，回风单元包括条缝型回风口和设置于回风口一侧的回风管道，送风单元与回风单元连接空调机组；
[0007]
智能化通风监控系统还包括设置在目标区域的监测单元，监测单元可通过co2和pm
2.5
等污染物传感器监测污染物浓度数值，监测单元与控制单元信号连接，控制单元包括流量控制器等。
[0008]
送风管道呈s型，回风管道呈l型，送风管道和回风管道的管口呈矩形状。
[0009]
送风单元设置于建筑两侧墙壁中部区域，送风管道与球形射流风口连接，回风管
道与条缝型回风口连接。
[0010]
空调机组设置于建筑顶部位置，空调机分别连接回风管道和送风管道，空调机组将回风管道导入的室内空气经过滤、冷却或加热处理后再次送入送风单元。
[0011]
空调机组设置有风机组件，风机组件设置有用于控制送风速度的流量控制器。
[0012]
一种基于污染源位置信息的智能化通风监控系统的控制方法，包括以下步骤：
[0013]
(1)数据库的构建：利用数值模拟开源软件完成所有通风案例的模拟计算，获取污染物分布的数值结果并用于构建基础数据库，通风案例设计考虑已有通风方式、换气次数和污染源位置等参数；
[0014]
(2)数据库的扩充：根据线性叠加原理，当有多个污染源时，其产生的污染物分布结果等于这些污染源单独作用时产生的污染物分布结果的叠加，即利用该原理可快速获取任意数量污染源所产生的污染物分布结果，完成数据库的有效扩充；
[0015]
(3)数据库的重构：使用一种降维离散化方法减少网格数据量，分为以下三个过程：(i)将体积为ω的网格划分为多个体积为ω
i
的小立方体网格，其中i＝1～n，将与小立方体网格相对应的(x,y,z)坐标，以及与(x,y,z)坐标对应的网格节点数据依次划分到数组a
i
中；(ii)基于各个数组a
i
的网格节点数据与坐标数值，计算出每个小立方体内数据的体积平均值；(iii)利用体积平均数据结果依次代替对应小立方体的网格节点数据，实现高精度数据的离散化处理，即实现对基础数据库的重构；
[0016]
(4)数据库的训练和预测：采用机器学习方法对重构后的数据库进行深度学习和训练，迅速获取目标变量，采用ann中常见的径向基函数rbf对扩充和重构后的基础数据库进行快速训练和测试，当输出变量满足收敛准则时，rbf函数会自动停止，最终实现目标变量的有效预测；
[0017]
(5)结合预测数据库实现智能化通风系统在线监控：为了合理评估换气次数和污染物浓度之间的权重关系，可将两个变量加权成一个评价指标e
v
，其表达式如下所示：
[0018][0019]
其中，w1和w2分别为换气次数ach和呼吸区平均污染物浓度cmean的权重系数；
[0020]
将e
v
最小值作为最优通风策略评价标准，根据目标区域污染源位置监测数据，确定不同污染源位置信息对应的最优通风策略，将最优通风策略对应的最优换气次数数据传输至风机组件的流量控制器，实现智能化通风系统在线控制。
[0021]
本发明的有益效果：
[0022]
1、本发明采用的数值模拟软件openfoam代码开源，可自主定制数值求解方法，使计算结果更加接近实际通风工况。
[0023]
2、本发明采用的降维线性方法(即线性叠加和离散化方法)能有效减少数据库所需存储的数据量，节省数据存储成本，降低数据计算时间。
[0024]
3、本发明采用的人工神经网络方法能准确实现目标变量(如污染物浓度)快速预测，节省了数值模拟计算时间和成本。
[0025]
4、本发明采用的传感器数量需求少，但能有效获取目标区域或全局环境参数信息，确定最优通风策略，实现智能化通风系统准确控制。
附图说明
[0026]
下面结合附图对本发明作进一步的说明。
[0027]
图1是本发明通风监控系统整体布局示意图；
[0028]
图2是本发明通风监控系统球形射流风口的前视图；
[0029]
图3是本发明通风监控系统球形射流风口的俯视图；
[0030]
图4是本发明控制方法步骤流程图；
[0031]
图5是本发明控制方法数据库重构原理图；
[0032]
图6是本发明控制方法数据库训练和预测原理图；
[0033]
图7是本发明实施例考虑污染源a和b共同作用下线性叠加结果与实际模拟结果对比图；
[0034]
图8是本发明实施例某种通风方式和污染源a作用下的离散处理结果与实际模拟结果对比图；
[0035]
图9是本发明实施例某种通风方式和单个污染源a作用下的神经网络预测结果与实际模拟结果对比图。
[0036]
图中：
[0037]
1-空调机组；2-送风管道；3-回风管道；4-风机组件；5-球形射流风口；6-回风单元；7-目标区域；8-污染物传感器。
具体实施方式
[0038]
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0039]
在本发明的描述中，需要理解的是，术语“开孔”、“上”、“下”、“厚度”、“顶”、“中”、“长度”、“内”、“四周”等指示方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的组件或元件必须具有特定的方位，以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0040]
如图1所示，基于污染源位置信息的某建筑智能化通风监控系统设计：本实施例涉及的建筑几何尺寸为10m(长)
×
10m(宽)
×
5m(高)，通过调节送、排风口的闭合方式可实现不同通风方式转换。每一种通风方式均设置五种换气次数，分别为4、6、8、10和12，污染源位置为四个，其坐标分别为a(2.875,2.55,1.7)m，b(7.625,2.55,1.7)m，c(2.875,7.85,1.7)m和d(7.625,7.85,1.7)m。
[0041]
一种基于污染源位置信息的智能化通风监控系统，包括送风单元、空调机组1、回风单元6，送风单元设置在建筑两侧墙壁中部，送风单元包括球形射流风口5和设置在风口一侧的送风管道2，空调机组1设置在建筑顶部区域，回风单元6设置在墙壁底部位置，回风单元5包括条缝型回风口和设置于回风口一侧的回风管道3，送风单元与回风单元6连接空调机组1；
[0042]
上述基于污染源位置信息的智能化通风监控系统还包括设置在目标区域7的监测单元，监测单元可通过co2和pm
2.5
等污染物传感器8监测污染物浓度数值，监测单元与控制
单元信号连接，控制单元包括流量控制器等。
[0043]
送风管道2呈s型，回风管道3呈l型，送风管道2和回风管道3的管口呈矩形状。
[0044]
送风单元设置于建筑两侧墙壁中部区域，送风管道2连接于送风单元球形射流风口5，回风管道3连接于回风单元6条缝型回风口。
[0045]
空调机组1设置于建筑顶部位置，空调机组1分别连接回风管道3和送风管道2，空调机组1将回风管道导入的室内空气经过滤、冷却或加热处理后再次送入送风单元。
[0046]
空调机组1设置有风机组件4，风机组件4设置有用于控制送风速度的流量控制器。
[0047]
上述基于污染源位置信息的智能化通风监控系统的控制方法，具体包括以下步骤：
[0048]
(1)数据库的构建：采用数值模拟软件openfoam完成通风案例数值模拟计算，本实施例涉及四种通风方式，五种换气次数和四个污染源位置，因此基础数据库总共包括4
×5×
4＝80个通风案例；
[0049]
(2)数据库的扩充：利用线性叠加原理对基础数据库进行有效扩充，图7为考虑污染源a和b共同作用下，线性叠加结果与实际模拟结果(污染物摩尔分数)之间的比较情况(z＝1.1m平面)，数值越大代表污染物浓度越高，由比较结果可知，线性叠加方法确实能够有效实现数据库的快速扩充；
[0050]
(3)数据库的重构：在本案例中，网格被均匀划分为3
×3×
3＝27个小立方块实现数据库的重构，图8为某种通风方式和污染源a作用下的离散处理结果与实际模拟结果(污染物摩尔分数)之间的比较情况，由比较结果可知，基于27等分的降维方法可以有效实现数据库的重构；
[0051]
(4)数据库的训练和预测：运用径向基函数可实现污染物浓度的高效预测。rbf神经网络可通过newrb函数具体实现，其函数表达式如下所示：
[0052]
net＝newrb(p,t,goal,spread,mn,df)
[0053]
其中，p为输入变量，t为输出变量，goal为均方误差的目标，spread为径向基的扩展速度。mn为最大的神经元个数，即神经元个数达到mn后网络训练会立即停止，df是每次添加进来的网络参数，只在输出时使用。图9为某种通风方式和单个污染源a作用下的神经网络预测结果与实际模拟结果(呼吸区域平均污染物摩尔分数，cmean)之间的比较情况，由比较结果可知，神经网络方法能很好地实现数据库的训练和目标变量(如污染物浓度)的快速预测。
[0054]
(5)结合预测数据库、评价指标和流量控制器实现智能化通风系统在线监控：利用通风评价指标ev进一步实现智能化通风系统在线评估，确定换气次数ach和呼吸区平均污染物浓度cmean的权重系数为0.45和0.55，通过智能化通风监控系统，呼吸区域平均污染物浓度和通风系统能耗均得到大幅降低，可达30％和50％，证实了该智能化监控系统的高效性。
[0055]
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0056]
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。