一种智能建筑室内空气环境维护系统和方法与流程

本发明涉及空气质量维护及大数据分析领域，具体涉及一种智能建筑室内空气环境维护系统和方法。

背景技术：

近年来，空气质量一直在恶化，空气中的粉尘、pm2.5等污染物含量逐步上升，全年中严重污染的天数也有所增加，出现了各种呼吸疾病甚至癌症，严重影响着人们的身体健康。尤其是在人员相对密集、空气流动不畅的室内环境中，不仅存在上述污染物，还可能存在装修时易挥发的残留物、病人携带的病毒和各种细菌残留物等。针对室内空气质量差的情况，可以在室内安装空气净化设备，运用滤网、光触媒等技术手段，实现空气过滤、杀菌和无害化。

智能建筑，是以物联网作为基础，其特点是在建筑空间范围内广泛布置多种类型的传感器，通过物联网实现传感数据的采集和传输，在传感数据智能分析的基础上，对建筑内部设施进行调整控制。例如，智能建筑中的空气维护设备，首先需要在建筑空间内布置大量的空气质量传感器，通过物联网实现空气质量传感数据的采集和传输，分析空气质量传感数据后对空气维护设备进行调控。

目前，以物联网为基础的智能建筑空气维护存在以下不足：1、由于空气本身具有流动性以及检测手段的制约，空气质量传感数据的稳定性和精确性一直都比较差，采集的传感数据变化幅度大、变化频率高、无效数据多，会给空气环境设备的调控带来很多不便；同时，由于空气的流动性，数据的时效性短，必须增加数据采集检测的频率，就会存在传感数据的量很大、通信负担重等问题。2、每台空气维护设备的有效作用范围有限，一般是十米到三十米左右，因此在建筑内需要安装较多数量的空气维护设备，而且每个建筑的空间布局各不相同，数量差异更大，如果将采集的全部传感数据统一上传到后台服务器分析，确定调控策略，然后再下发给前端的每个空气维护设备，不但实时性很差、调控延迟时间长，而且很难让调控策略针对每个维护设备充分优化。

技术实现要素：

针对现有技术存在的上述不足，本发明的目的在于：设计一种智能建筑室内空气环境维护系统和方法，来解决现有技术中室内空气质量检测数据通信负担重、难以对每个维护设备充分优化等问题，具有可降低室内空气质量采集数据通信开销和通信负担、通信实时性好和可以对每个维护设备充分优化等优点。

一种智能建筑室内空气环境维护系统，将智能建筑划分为多个建筑空间，包括：

多个群组，所述群组和所述建筑空间一一对应，用于进行分布式布局和计算；

每个群组包括调控决策模块、多个空气质量传感器和多个空气环境维护设备，所述空气质量传感器用于采集对应建筑空间的空气质量数据，所述空气环境维护设备用于维护调控对应建筑空间的空气质量，所述调控决策模块用于根据对应建筑空间的空气质量数据分析、计算和确定调控策略，并向对应建筑空间内的空气环境维护设备下达调控指令；

中心服务器，用于处理预设任务、群组间数据的传输、各个群组运行状态监控和群组结构调整。

进一步地，所述调控决策模块包括bp神经网络，所述bp神经网络的输入量为调控决策模块对应建筑空间内的空气质量传感器采集的空气质量数据，输出量为对该建筑空间对应群组中每个空气环境维护设备的调控预设值。

进一步地，每个群组至少包括两个调控决策模块，一个主调控决策模块和至少一个从调控决策模块；所述主调控决策模块用于根据空气质量数据分析、计算和确定调控策略，并根据调控策略向对应建筑空间的空气环境维护设备下达调控指令；所述从调控决策模块用于根据空气质量数据分析、计算和确定调控策略。

进一步地，所述主调控决策模块和从调控决策模块通信连接，用于数据共享，且当满足预设条件时主调控决策模块和从调控决策模块间主从切换。

进一步地，根据对应建筑空间中的空气质量传感器数量、空气环境维护设备数量、对应建筑空间的大小和对应建筑空间的复杂度中的任意一个或多个，来确定对应建筑空间中配置的调控决策模块的数量。

一种智能建筑室内空气环境维护方法，包括以下步骤：

将智能建筑划分为多个建筑空间；

采用多个群组进行分布式布局和计算，所述群组和所述建筑空间一一对应；

每个群组包括调控决策模块、多个空气质量传感器和多个空气环境维护设备，所述空气质量传感器采集对应建筑空间的空气质量数据，所述空气环境维护设备维护调控对应建筑空间的空气质量，所述调控决策模块根据对应建筑空间的空气质量数据分析、计算和确定调控策略，并向对应建筑空间内的空气环境维护设备下达调控指令；

通过中心服务器处理预设任务、群组间数据的传输、各个群组运行状态监控和群组结构调整。

进一步地，所述调控决策模块包括bp神经网络，所述bp神经网络的输入量为调控决策模块对应建筑空间内的空气质量传感器采集的空气质量数据，输出量为对该建筑空间对应群组中每个空气环境维护设备的调控预设值。

进一步地，每个群组至少包括两个调控决策模块，一个主调控决策模块和至少一个从调控决策模块；所述主调控决策模块用于根据空气质量数据分析、计算和确定调控策略，并根据调控策略向对应建筑空间的空气环境维护设备下达调控指令；所述从调控决策模块用于根据空气质量数据分析、计算和确定调控策略。

进一步地，所述主调控决策模块和从调控决策模块通信连接，用于数据共享，且当满足预设条件时主调控决策模块和从调控决策模块间主从切换。

进一步地，根据对应建筑空间中的空气质量传感器数量、空气环境维护设备数量、对应建筑空间的大小和对应建筑空间的复杂度中的任意一个或多个，来确定对应建筑空间中配置的调控决策模块的数量。

相比于现有技术，本发明具有以下优点：

本发明提供的一种智能建筑室内空气环境维护系统和方法，将智能建筑里面的空气质量传感器和空气环境维护设备采用分布式结构布局和计算，每个群组内的调控决策模块只分析计算本群组内前端采集的传感数据，制定相应调控策略，只针对本群组内的每个空气维护设备充分优化。具有可降低通信负荷、提高通信实时性、可以针对性地对每个维护设备充分优化等优点。

附图说明

图1为本发明实施例一中智能建筑室内空气环境维护系统的系统框图；

图2为本发明实施例二中智能建筑室内空气环境维护方法的流程图。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。

实施例一：

参照图1，一种智能建筑室内空气环境维护系统，包括：

将智能建筑划分为多个建筑空间，具体地，按照楼层、房间和楼梯等将智能建筑划分为一个一个地建筑空间，例如，一个楼层为一个建筑空间，一个房间为一个建筑空间，每个楼梯单独为一个建筑空间。

多个群组，所述群组和所述建筑空间一一对应，用于进行分布式布局和计算；具体地，将前端一定数量的空气质量传感器和空气环境维护设备组建为一个群组，一个群组对应一个建筑空间，例如，同一个楼层内所有的空气质量传感器和空气环境维护设备为一个群组，或者同一个房间内的空气质量传感器和空气环境维护设备为一个群组，或者将安装位置彼此接近的空气质量传感器和空气环境维护设备组成为一个群组。采用一个群组对应一个建筑空间这样的分布式结构进行布局和计算。

每个群组包括调控决策模块、多个空气质量传感器和多个空气环境维护设备，所述空气质量传感器用于采集对应建筑空间的空气质量数据，所述空气环境维护设备用于维护调控对应建筑空间的空气质量，所述调控决策模块用于根据对应建筑空间的空气质量数据分析、计算和确定调控策略，并向对应建筑空间内的空气环境维护设备下达调控指令。具体地，每个群组中的调控决策模块根据本群组内的空气质量传感器提供的数据，进行计算、分析和决策，进而确定本群组的空气质量调控策略，然后再向本群组的空气维护设备下达调控指令。

中心服务器，用于处理预设任务、群组间数据的传输、各个群组运行状态监控和群组结构调整。具体地，预设任务主要指群组无法处理或者没有权限处理的任务；当群组之间需要进行数据和指令的交互时，可以通过中心服务器进行中转；通过中心服务器可以对所有群组的运行状态进行实时监控；当群组内需要增加或者减少传感器/空气维护设备、群组之间需要合并、需要撤消群组等，可以通过中心服务器进行操作完成。

上述智能建筑室内空气环境维护系统，将智能建筑里面的空气质量传感器和空气环境维护设备采用分布式结构布局和计算，每个群组内的调控决策模块分析计算本群组内前端采集的传感数据，然后针对本群组内的空气环境维护设备制定调控策略，只针对本群组内的每个空气维护设备充分优化。这样，前端采集的绝大部分传感数据都在本群组内部传输、分析和处理，只有少部分需要与中心服务器通信处理，大大地降低了通信开销和通信负担，降低了通信负荷，提高了通信实时性，而且可以针对性地对每个维护设备充分优化。

上述智能建筑室内空气环境维护系统，所述调控决策模块包括bp神经网络，所述bp神经网络的输入量为调控决策模块对应建筑空间内的空气质量传感器采集的空气质量数据，输出量为对该建筑空间对应群组中每个空气环境维护设备的调控预设值。具体地，调控决策模块依据bp神经网络训练模型产生决策结果，每个调控决策模块的内在结构均是一个bp神经网络，将调控决策模块获得的本群组的所有的空气质量传感器采集的传感数据组作为输入量，决策结果包括对本群组内每个空气环境维护设备的调控指令，对本群组每个空气环境维护设备的调控预设值就是bp神经网络的输出量。具体实施时，bp神经网络训练模型需要用一定数量的样本进行模拟训练，经过多次训练完成后，就可以根据本群组内的空气质量传感器提供的传感数据，输出决策结果。

上述智能建筑室内空气环境维护系统，每个群组至少包括两个调控决策模块，一个主调控决策模块和至少一个从调控决策模块；所述主调控决策模块用于根据空气质量数据分析、计算和确定调控策略，并根据调控策略向对应建筑空间的空气环境维护设备下达调控指令；所述从调控决策模块用于根据空气质量数据分析、计算和确定调控策略。具体地，由于成本原因，每个群组中的调控决策模块不可能按照中心服务器的标准去配置调控决策模块的软硬件，所以调控决策模块对数据的获取能力、计算分析能力都远远比不上中心服务器，而且由于空气本身具有流动性以及检测手段的制约，空气质量传感数据的稳定性差，可能会发生错误的调控决策。因此，在每个群组中设置两个或者两个以上的调控决策模块，一个主调控决策模块，一个或者多个从调控决策模块，主调控决策模块和从调控决策模块都可以根据空气质量数据分析、计算和确定调控策略，但只有主调控决策模块对本群组的空气环境维护设备下达调控指令，从调控决策模块不下达调控指令。

上述智能建筑室内空气环境维护系统，所述主调控决策模块和从调控决策模块通信连接，用于数据共享，且当满足预设条件时主调控决策模块和从调控决策模块间主从切换。具体地，主调控决策模块和从调控决策模块间相互共享决策结果，可以提高决策精度，有效防止决策出错率。主调控决策模块和从调控决策模块间可以通过投票得分机制来进行主从地位切换，具体来说，在群组中的每个调控决策模块中都设有投票模块，投票模块保存着相同的投票规则；根据主调控决策模块和从调控决策模块彼此交换的决策结果，按投票规则给出投票得分结果；当投票得分最高的决策结果对应的调控决策模块不是当前的主决策模块时，则投票得分最高的备份决策模块自动升级为主调控决策模块，由其下达调控指令；而原来的主调控决策模块变更为备份决策模块。

具体实施时，上述投票规则的得分机制包括以下机制：a、多个调控决策模块按照预定的时间间隔采集本群组的空气质量传感器的传感数据，例如，第一个调控决策模块t0时刻采集了空气质量传感器的传感数据，则第二个调控决策模块t1时刻再采集，两者间具有预定的时间间隔；b、调控决策模块根据自身采集的传感数据做出决策结果，对于每个调控决策模块的决策结果，分析群组内的空气质量维护设备的可执行度，例如，决策结果超出了空气质量维护设备允许执行的范围，或者空气质量维护设备在有效时间内无法达到决策结果要求的目标，比如空气质量维护设备在有效时间内无法达到决策结果预定的空气维护目标，则认为可执行度为0；相应的，如果达到决策结果要求目标所需的有效时间越长，则可执行度越低，可执行度越低则该调控决策模块的得分越低；c、对于群组包含三个以上的调控决策模块的情况下，还可以计算各个调控决策模块的决策相似度指数，如果一个决策结果与其它决策结果的相似度指数低则得分低；d、根据b步获得的得分，或者c步和d步得分的累计，获得每个决策结果的投票得分结果。t0和t1表示时间。

上述智能建筑室内空气环境维护系统，根据对应建筑空间中的空气质量传感器数量、空气环境维护设备数量、对应建筑空间的大小和对应建筑空间的复杂度中的任意一个或多个，来确定对应建筑空间中配置的调控决策模块的数量。具体地，将一个建筑空间内的空气质量传感器数量m、空气环境维护设备数量n、对应建筑空间的大小o和对应建筑空间的复杂度p作为四个可变因素。例如，当m小于m1、n小于n1、o小于o1和p小于p1时，群组内配置两个调控决策模块，一个主调控决策模块和一个从调控决策模块；当m大于m1且小于m2、n大于n1且小于n2、o大于o1且小于o2和p大于p1且小于p2时，群组内配置三个调控决策模块，一个主调控决策模块和两个个从调控决策模块；当m大于m2且小于m3、n大于n2且小于n3、o大于o2且小于o3和p大于p2且小于p3时，群组内配置四个调控决策模块，一个主调控决策模块和三个个从调控决策模块；其余三个因素同理使用。进一步地，具体实施时，各个因素大小交叉是最常见的情况，可以对各个因素设置权重系数，比如，设m和n的权重系数为1、设o和p的权重系数为2，当m小于m1、n大于n1且小于n2、o大于o1且小于o3和p大于p1且小于p2时，权重为1*1+1*2+2*3+2*2＝13；预设权重值，权重值在0～10，则在群组内配置两个调控决策模块，一个主调控决策模块和一个从调控决策模块；权重值在11～20，则在群组内配置三个调控决策模块，一个主调控决策模块和两个个从调控决策模块；权重值在21～30，则在群组内配置四个调控决策模块，一个主调控决策模块和三个个从调控决策模块。再进一步地，具体实施时，可能还存在其他因素，可根据上述方法叠加使用。上述提到的复杂度，主要指建筑空间中的家具、建筑支撑住和栽种的植物等障碍物，具体实施时，可以通过障碍物的数量来评估建筑空间的复杂度。

参照图2，一种智能建筑室内空气环境维护方法，包括以下步骤：

将智能建筑划分为多个建筑空间；具体地，按照楼层、房间和楼梯等将智能建筑划分为一个一个地建筑空间，例如，一个楼层为一个建筑空间，一个房间为一个建筑空间，每个楼梯单独为一个建筑空间。

采用多个群组进行分布式布局和计算，所述群组和所述建筑空间一一对应；具体地，将前端一定数量的空气质量传感器和空气环境维护设备组建为一个群组，一个群组对应一个建筑空间，例如，同一个楼层内所有的空气质量传感器和空气环境维护设备为一个群组，或者同一个房间内的空气质量传感器和空气环境维护设备为一个群组，或者将安装位置彼此接近的空气质量传感器和空气环境维护设备组成为一个群组。采用一个群组对应一个建筑空间这样的分布式结构进行布局和计算。

每个群组包括调控决策模块、多个空气质量传感器和多个空气环境维护设备，所述空气质量传感器采集对应建筑空间的空气质量数据，所述空气环境维护设备维护调控对应建筑空间的空气质量，所述调控决策模块根据对应建筑空间的空气质量数据分析、计算和确定调控策略，并向对应建筑空间内的空气环境维护设备下达调控指令；具体地，每个群组中的调控决策模块根据本群组内的空气质量传感器提供的数据，进行计算、分析和决策，进而确定本群组的空气质量调控策略，然后再向本群组的空气维护设备下达调控指令。

通过中心服务器处理预设任务、群组间数据的传输、各个群组运行状态监控和群组结构调整。具体地，预设任务主要指群组无法处理或者没有权限处理的任务；当群组之间需要进行数据和指令的交互时，可以通过中心服务器进行中转；通过中心服务器可以对所有群组的运行状态进行实时监控；当群组内需要增加或者减少传感器/空气维护设备、群组之间需要合并、需要撤消群组等，可以通过中心服务器进行操作完成。

上述智能建筑室内空气环境维护方法，将智能建筑里面的空气质量传感器和空气环境维护设备采用分布式结构布局和计算，每个群组内的调控决策模块分析计算本群组内前端采集的传感数据，然后针对本群组内的空气环境维护设备制定调控策略，只针对本群组内的每个空气维护设备充分优化。这样，前端采集的绝大部分传感数据都在本群组内部传输、分析和处理，只有少部分需要与中心服务器通信处理，大大地降低了通信开销和通信负担，降低了通信负荷，提高了通信实时性，而且可以针对性地对每个维护设备充分优化。

上述智能建筑室内空气环境维护方法，所述调控决策模块包括bp神经网络，所述bp神经网络的输入量为调控决策模块对应建筑空间内的空气质量传感器采集的空气质量数据，输出量为对该建筑空间对应群组中每个空气环境维护设备的调控预设值。具体地，调控决策模块依据bp神经网络训练模型产生决策结果，每个调控决策模块的内在结构均是一个bp神经网络，将调控决策模块获得的本群组的所有的空气质量传感器采集的传感数据组作为输入量，决策结果包括对本群组内每个空气环境维护设备的调控指令，对本群组每个空气环境维护设备的调控预设值就是bp神经网络的输出量。具体实施时，bp神经网络训练模型需要用一定数量的样本进行模拟训练，经过多次训练完成后，就可以根据本群组内的空气质量传感器提供的传感数据，输出决策结果。

上述智能建筑室内空气环境维护方法，每个群组至少包括两个调控决策模块，一个主调控决策模块和至少一个从调控决策模块；所述主调控决策模块用于根据空气质量数据分析、计算和确定调控策略，并根据调控策略向对应建筑空间的空气环境维护设备下达调控指令；所述从调控决策模块用于根据空气质量数据分析、计算和确定调控策略。具体地，由于成本原因，每个群组中的调控决策模块不可能按照中心服务器的标准去配置调控决策模块的软硬件，所以调控决策模块对数据的获取能力、计算分析能力都远远比不上中心服务器，而且由于空气本身具有流动性以及检测手段的制约，空气质量传感数据的稳定性差，可能会发生错误的调控决策。因此，在每个群组中设置两个或者两个以上的调控决策模块，一个主调控决策模块，一个或者多个从调控决策模块，主调控决策模块和从调控决策模块都可以根据空气质量数据分析、计算和确定调控策略，但只有主调控决策模块对本群组的空气环境维护设备下达调控指令，从调控决策模块不下达调控指令。

上述智能建筑室内空气环境维护方法，所述主调控决策模块和从调控决策模块通信连接，用于数据共享，且当满足预设条件时主调控决策模块和从调控决策模块间主从切换。具体地，主调控决策模块和从调控决策模块间相互共享决策结果，可以提高决策精度，有效防止决策出错率。主调控决策模块和从调控决策模块间可以通过投票得分机制来进行主从地位切换，具体来说，在群组中的每个调控决策模块中都设有投票模块，投票模块保存着相同的投票规则；根据主调控决策模块和从调控决策模块彼此交换的决策结果，按投票规则给出投票得分结果；当投票得分最高的决策结果对应的调控决策模块不是当前的主决策模块时，则投票得分最高的备份决策模块自动升级为主调控决策模块，由其下达调控指令；而原来的主调控决策模块变更为备份决策模块。

具体实施时，上述投票规则的得分机制包括以下机制：a、多个调控决策模块按照预定的时间间隔采集本群组的空气质量传感器的传感数据，例如，第一个调控决策模块t0时刻采集了空气质量传感器的传感数据，则第二个调控决策模块t1时刻再采集，两者间具有预定的时间间隔；b、调控决策模块根据自身采集的传感数据做出决策结果，对于每个调控决策模块的决策结果，分析群组内的空气质量维护设备的可执行度，例如，决策结果超出了空气质量维护设备允许执行的范围，或者空气质量维护设备在有效时间内无法达到决策结果要求的目标，比如空气质量维护设备在有效时间内无法达到决策结果预定的空气维护目标，则认为可执行度为0；相应的，如果达到决策结果要求目标所需的有效时间越长，则可执行度越低，可执行度越低则该调控决策模块的得分越低；c、对于群组包含三个以上的调控决策模块的情况下，还可以计算各个调控决策模块的决策相似度指数，如果一个决策结果与其它决策结果的相似度指数低则得分低；d、根据b步获得的得分，或者c步和d步得分的累计，获得每个决策结果的投票得分结果。t0和t1表示时间。

上述智能建筑室内空气环境维护方法，根据对应建筑空间中的空气质量传感器数量、空气环境维护设备数量、对应建筑空间的大小和对应建筑空间的复杂度中的任意一个或多个，来确定对应建筑空间中配置的调控决策模块的数量。具体地，将一个建筑空间内的空气质量传感器数量m、空气环境维护设备数量n、对应建筑空间的大小o和对应建筑空间的复杂度p作为四个可变因素。例如，当m小于m1、n小于n1、o小于o1和p小于p1时，群组内配置两个调控决策模块，一个主调控决策模块和一个从调控决策模块；当m大于m1且小于m2、n大于n1且小于n2、o大于o1且小于o2和p大于p1且小于p2时，群组内配置三个调控决策模块，一个主调控决策模块和两个个从调控决策模块；当m大于m2且小于m3、n大于n2且小于n3、o大于o2且小于o3和p大于p2且小于p3时，群组内配置四个调控决策模块，一个主调控决策模块和三个个从调控决策模块；其余三个因素同理使用。进一步地，具体实施时，各个因素大小交叉是最常见的情况，可以对各个因素设置权重系数，比如，设m和n的权重系数为1、设o和p的权重系数为2，当m小于m1、n大于n1且小于n2、o大于o1且小于o3和p大于p1且小于p2时，权重为1*1+1*2+2*3+2*2＝13；预设权重值，权重值在0～10，则在群组内配置两个调控决策模块，一个主调控决策模块和一个从调控决策模块；权重值在11～20，则在群组内配置三个调控决策模块，一个主调控决策模块和两个个从调控决策模块；权重值在21～30，则在群组内配置四个调控决策模块，一个主调控决策模块和三个个从调控决策模块。再进一步地，具体实施时，可能还存在其他因素，可根据上述方法叠加使用。上述提到的复杂度，主要指建筑空间中的家具、建筑支撑住和栽种的植物等障碍物，具体实施时，可以通过障碍物的数量来评估建筑空间的复杂度。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的保护范围当中。