CN104359192B - 一种基于数据的室内环境节能舒适个性化控制系统及方法 - Google Patents

Abstract

本发明公开了一种基于数据的室内环境节能舒适个性化控制系统及方法，针对室内环境参数信息进行数据的预处理得到满足限制条件的实时数据存放在数据库，根据存放在数据库中的实时数据构建舒适性模型及能耗的模型，对建立的舒适性模型及能耗的模型进行节能舒适温度协调优化得到最佳温湿度数值，控制器控制空调温湿度控制器调节室内温室度数值直至达到最佳的温湿度数值。通过多目标优化解决舒适与节能目标冲突问题，实现二者的协调优化。

Description

一种基于数据的室内环境节能舒适个性化控制系统及方法

技术领域

本发明涉及一种室内环境舒适性和节能的技术领域，特别涉及一种基于数据的室内环境节能舒适个性化控制系统及控制方法。

背景技术

随着经济和科技的飞速发展，智能建筑和智能家居不仅在发达国家备受关注，在发展中国家智能建筑和智能家居也已经逐渐的进入人们的视野，人们对室内环境舒适性的要求越来越高。由于不同房间的成员不同，对温湿度的要求不一致，从而导致了室内环境舒适度个性化调节的必要性。而传统的室内温湿度调节方法未考虑舒适的个性化问题，很难满足舒适性调节的个性化需求。

另一方面，在智能建筑与智能家居中，人们重点关注"节能、环保、安全、舒适"的智能解决方案，尤为突出的是关注舒适性和能耗的协调问题。已有的研究中，主要是针对如何提高空调的舒适性或是在设定空调固定温度的基础上进行的节能控制，都是只对单一目标的改善，未考虑对舒适与节能二者间冲突的协调优化，也未根据系统具体运行情况对温湿度进行实时的优化控制。

发明内容

为解决现有技术存在的不足，本发明公开了一种基于数据的室内环境节能舒适个性化控制系统及方法，本申请解决了传统研究方法中对于不确定性数据难以建立精确模型的问题；利用实时数据库建立的模型实现了传统方法中未考虑的个性化控制；通过利用多目标优化方法，得到最佳的温、湿度值，保证在最大限度满足个体舒适性的前提下，使得能耗最低；通过协调优化得出的温、湿度值，实时地进行温、湿度控制器的调节，从而实现办公环境、家居生活的个性化舒适性控制及节能降耗。

为实现上述目的，本发明的具体方案如下：

一种基于数据的室内环境节能舒适个性化控制系统，包括室内环境温湿度及能耗数据采集装置，室内环境温湿度及能耗数据采集装置将采集的室内环境参数信息均通过A/D转换模块传送至控制器，控制器根据获得的室内环境参数信息进行处理得到最佳的温湿度数值并将该数值通过红外转发器传送至室内空调温湿度控制器。

针对室内环境参数信息进行数据的预处理得到满足限制条件的实时数据存放在数据库中，根据存放在数据库中的实时数据构建舒适性模型及能耗的模型，对建立的舒适性模型及能耗的模型进行节能舒适协调优化得到最佳的温湿度数值，由控制器通过红外转发器控制空调内部温湿度控制器调节室内温湿度数值直至达到最佳的温湿度数值。

所述室内环境温湿度及能耗数据采集装置为温度采集电路、湿度采集电路、电压采集电路及电流采集电路。

所述温度采集电路包括温度传感器IC1及同相放大器，温度传感器IC1将室内温度转变成电压信号，输出给后级电路，经过同相放大器进行调理后，控制器的AD采样端口。

所述湿度采集电路包括湿度传感器IC2、射级跟随器及反相放大器，湿度传感器IC2将湿度信号转变为电压信号输出给后级电路，射级跟随器提高了电路带负载能力，反相放大器的第一级反相放大器用于信号调理，将信号调整到所需电平，反相放大器的第二级反相放大器用于相位校正，校正后的信号输出到控制器的AD采样端口。

所述电压采集电路包括分压阻抗网络及差分式放大电路，分压阻抗网络的选择开关S1调整分压阻抗网络的比例，使得该电压采集电路用于多种电压等级的信号采集，分压后的电压信号经过差分放大后，输出给控制器的AD采样端口。

所述电流采集电路包括霍尔电流传感器IC4、高阻抗反相放大器及反相放大器，霍尔电流传感器IC4将电流信号成比例的衰减为直流电压信号，该直流电压信号经过高阻抗反相放大器，进一步调理到控制器接受范围，调理后的信号再经过反相放大器，校正相位后直接输出给控制器的AD采样端口。

一种基于数据的室内环境节能舒适个性化控制方法，包括以下步骤：

步骤一：设定采样时间，利用温湿度及能耗的采集装置对室内温度、湿度和能耗进行实时采集；

步骤二：对采集到的实时数据进行预处理，判断实时数据是否满足限定条件，如果满足，则保留，不满足的则舍弃，更新实时温湿度及能耗数据；根据更新后的数据重新计算限定条件，循环执行步骤二；

步骤三：利用步骤二中所产生的满足限定条件的数据，构建舒适性模型及能耗的模型；

步骤四：对步骤三中构建的舒适性模型及能耗的模型进行节能舒适协调优化得到最佳的温、湿度值，由控制器发出控制指令给空调设备的温湿度控制器执行来改变室内温度和湿度。

所述步骤二中，对实时温湿度及能耗数据库中的数据进行预处理具体包括：

2-1)：对温、湿度及能耗的数据计算相应的均值m和方差σ²；

2-2)：判断是否满足设定限制条件：c⁽ⁱ⁾∈[m-kσ,m+kσ]，其中c⁽ⁱ⁾表示第i个数据，根据正态分布规律，考虑95％置信度时公差因子k取为2，满足给出限制条件要求的数据将被保留，不满足限制条件的数据给予丢弃。

所述步骤三中，构建舒适性模型及能耗的模型，具体为：

3-1)：利用温、湿度及能耗之间的关系式确定能耗模型：y₀＝c₁t+c₂h+c₃，其中定义y₀代表能耗，t为室内温度,h为室内湿度，参数c₁,c₂,c₃是待定参数，采用最小二乘方法计算得出；

3-2)：根据满足限定条件的数据，分别计算其对应的均值和方差，进而构建温、湿度的模糊集合模型，在此基础上，所得到的舒适性模型是温湿度模糊集合模型的数量积，即：

$\begin{array}{c}com(t,h)com\left(t\right)\×com\left(h\right)=\exp \{-\frac{{(t-m_t)}^2}{2{{\mathrm{\σ}}_t}^2}\}\×\exp \{-\frac{{(h-m_h)}^2}{2{{\mathrm{\σ}}_h}^2}\}\\ =\exp \{-\frac{{(t-m_t)}^2}{2{{\mathrm{\σ}}_t}^2}-\frac{{(h-m_h)}^2}{2{{\mathrm{\σ}}_h}^2}\}\end{array};$

其中，com(t,h)为室内环境舒适度，com(t)为室内温度舒适度，com(h)为室内湿度舒适度，m_t为温度数据库的均值，m_h为湿度数据库的均值，σ_t ²为温度数据库的方差，σ_h ²为湿度数据库的方差，为高斯型模糊集合的隶属函数，x代表温度t或湿度h。

所述步骤四中，舒适与能耗两者之间存在的冲突是室内环境舒适性最大但能耗要最低；

室内环境舒适性最大等价于优化目标:

$\underset{t,h}{\max }\left\{com(t,h)\right\}=\underset{t,h}{\max }\exp \{-\frac{{(t-m_t)}^2}{2{{\mathrm{\σ}}_t}^2}-\frac{{(h-m_h)}^2}{2{{\mathrm{\σ}}_h}^2}\},$

能耗要最低等价于优化目标:

$\underset{t,h}{\min }{y}_0=\underset{t,h}{\min }\[c_{1}t+c_{2}h+c_3\].$

为解决二者的冲突相当于解决下述多目标模型描述的多目标优化问题:

$\left\{\begin{array}{c}\underset{t,h}{\max }\exp \{-\frac{{(t-m_t)}^2}{2{{\mathrm{\σ}}_t}^2}-\frac{{(h-m_h)}^2}{2{{\mathrm{\σ}}_h}^2}\}\\ \underset{t,h}{\min }\[c_{1}t+c_{2}h+c_3\]\end{array}\right.$

对多目标模型利用多目标优化算法进行协调，得出节能舒适的最佳温、湿度值t*,h*。

本发明的有益效果：

本发明有效地解决不确定性数据很难甚至无法为其建立精确模型的问题，可以通过具有学习能力的预处理方法筛选出合理的数据库，构建其相应的模型；该方法可以满足不同的房间对舒适在不同时间的不同要求，可以通过随实时数据库的更新而更新的模型体现；该方法有效的平衡了舒适与节能目标之间存在冲突，通过多目标优化的方法得出最低能耗下的最佳温、湿度，并利用其对空调进行调节，适用于办公环境、家居生活的个性化舒适性控制及节能降耗。

1、通过采集数据，建立基于数据的能耗与舒适性模型以克服精确建模困难问题；

2、通过采用构建的实时模型解决舒适性的个性化问题；

3、通过多目标优化解决舒适与节能目标冲突问题，实现二者的协调优化。

附图说明

图1本发明数据采集及数据预处理流程图；

图2基于数据的能耗与舒适性建模流程图；

图3节能舒适协调优化与个性化控制；

图4本发明的整体流程示意图；

图5本发明的节能舒适个性化控制框架图；

图6本发明的温度采集电路图；

图7本发明的湿度采集电路图；

图8本发明的电压采集电路图；

图9本发明的电流采集电路图。

具体实施方式：

下面结合附图对本发明进行详细说明：

如图4所示，一种基于数据的室内环境节能舒适个性化控制方法，包括以下步骤：

设定采样时间，利用温湿度及能耗的采集装置对室内温度、湿度和能耗进行实时采集；

对采集到的实时数据进行预处理，判断实时数据是否满足限定条件，如果满足，则保留，实时温湿度及能耗数据库得以更新，不满足的则舍弃；根据更新后的数据库重新计算限定条件，循环执行以上步骤。

利用满足限定条件的实时数据库的数据，构建舒适性模型及能耗的模型；

对构建的舒适性模型及能耗的模型进行节能舒适协调优化得到最佳的温、湿度值，由DSP控制器通过红外转发器发出控制指令给空调设备的温湿度控制器执行来改变室内温度和湿度。

具体方法为：

如图1所示，室内环境温湿度与能耗数据采集及数据预处理过程，该过程具体为：

(1)设定采样时间，利用温、湿度及能耗的采集装置对室内温、湿度和能耗进行采集。

(2)分别对数据库中的温、湿度及能耗的数据计算相应的均值m和方差σ²。

(3)据研究，采集的温、湿度及能耗的数据应服从高斯分布，其中m是高斯分布的位置参数，描述高斯分布的集中趋势位置。高斯分布以x＝m为对称轴，左右完全对称。σ描述满足高斯分布的数据分布的离散程度，σ越大，数据分布越分散，σ越小，数据分布越集中。

利用容限值处理方法进行预处理：

给出限制条件c⁽ⁱ⁾∈[m-kσ,m+kσ]，其中c⁽ⁱ⁾表示第i个数据，根据正态分布规律，考虑95％置信度时公差因子k取为2。满足给出限制条件要求的数据将被保留，不满足限制条件的数据给予丢弃。

(4)进行前3步之后将产生一个新的数据库，实时数据库得以更新。

(5)重复步骤(1)-(4)，完成数据库的动态更新。

如图2所示，基于数据的能耗与舒适性建模流程，具体为：

利用所得的有效实时数据库，构建温、湿度及能耗的模型，具体步骤如下：

(1)利用线性回归方法——利用温、湿度及能耗之间的关系式确定能耗模型：y₀＝c₁t+c₂h+c₃，其中定义y₀代表能耗，t为室内温度,h为室内湿度，参数c₁,c₂,c₃是待定参数，采用最小二乘方法计算得出。

(2)借助于所得的有效实时数据库，分别计算温度数据与湿度数据所对应的均值m和方差σ²，构建温、湿度的模糊集合模型，在此基础上，所得到的舒适性模型是温湿度模糊集合模型的数量积，即：

$\begin{array}{c}com(t,h)=com\left(t\right)\×com\left(h\right)=\exp \{-\frac{{(t-m_t)}^2}{2{{\mathrm{\σ}}_t}^2}\}\×\exp \{-\frac{{(h-m_h)}^2}{2{{\mathrm{\σ}}_h}^2}\}\\ =\exp \{-\frac{{(t-m_t)}^2}{2{{\mathrm{\σ}}_t}^2}-\frac{{(h-m_h)}^2}{2{{\mathrm{\σ}}_h}^2}\}\end{array};$

其中定义com(t,h)为室内环境舒适度，com(t)为室内温度舒适度，com(h)为室内湿度舒适度，m_t为温度数据库的均值，m_h为湿度数据库的均值，σ_t ²为温度数据库的方差，σ_h ²为湿度数据库的方差，为模糊集合隶属函数，x代表温度t或湿度h。

如图3所示，节能舒适协调优化与个性化控制过程：

该部分的主要作用是满足人们所要求的室内环境舒适性，并且能最大限度的节省能耗，有效的解决了传统研究方法中只对单一目标的改进，未对二者进行协调考虑的问题。在得到最佳温湿度的基础上，对室内温湿度控制器进行控制，进而调节室内环境的舒适性。该模块对采用基于数据方法已建立的舒适性和能耗模型的进行协调优化处理，很好地解决了舒适与能耗两者之间存在的冲突问题。

舒适性最大等价于优化目标:

能耗要最低等价于优化目标:

为解决二者的冲突相当于解决下述多目标模型描述的多目标优化问题:

$\left\{\begin{array}{c}\underset{t,h}{\max }\exp \{-\frac{{(t-m_t)}^2}{2{{\mathrm{\σ}}_t}^2}-\frac{{(h-m_h)}^2}{2{{\mathrm{\σ}}_h}^2}\}\\ \underset{t,h}{\min }\[c_{1}t+c_{2}h+c_3\]\end{array}\right.$

对多目标模型利用多目标优化算法进行协调，得出节能舒适的最佳温、湿度值t*,h*。其中选用的多目标最优化算法的优势如下所述，即将目标一(最佳温湿度)和目标二(最低能耗)同时进行优化，在满足目标一的约束下，也能满足目标二，使得多个目标都能达到最优。

根据室内温、湿度和能耗的实时数据库构建的模型，进行协调优化，通过多目标优化算法,得出最佳温、湿度的值分别为t*,h*。将t*,h*导入温、湿度控制器的同时，由DSP控制器发出控制指令给空调设备执行改变温度和湿度，不断的自动调节室内环境舒适度，达到令人满意的工作、生活的室内环境，并最大限度地节省能耗。

如图5所示，本发明的控制系统利用DSP控制器作为系统的核心。其中DSP(数字信号处理)是将信号以数字方式表示并处理的理论和技术。DSP控制器的内部采用程序和数据分开的结构，具有专门的硬件乘法器，广泛采用流水线操作，提供特殊的DSP指令，可以用来快速的实现各种数字信号处理算法。

数据采集装置有四部分构成，分别是温度采集电路、湿度采集电路、电压采集电路、电流采集电路。采集电路将采样信号经过A/D转换模块送到DSP中进行运算处理，通过设计的算法构建相应模型，并通过选定的多目标优化算法得出的最佳温、湿度t*,h*，输入红外转发器中，由红外转发器对空调内部的温湿度控制器发出红外调控指令，完成空调的自动调节。

如图6所示，温度检测电路由湿度传感器IC1、同相放大构成。温度传感器IC1将室内温度转变成电压信号，输出给后级电路。经过同相放大进行调理后，输出给DSP的AD采样端口，供内部计算使用。

如图7所示，湿度检测电路由湿度传感器IC2、射级跟随器、反相放大构成。IC2将湿度信号转变为电压信号输出给后级电路。射级跟随器提高了电路带负载能力。第一级反相放大用于信号调理，将信号调整到合适电平。第二级反相放大用于相位校正。校正后的信号输出到DSP的AD采样端口，供内部计算使用。

如图8所示，电压检测电路由分压阻抗网络、差分式放大电路构成。设计的选择开关S1可以调整分压阻抗网络的比例，使得传感器可以用于多种电压等级的信号采集。分压后的电压信号经过差分放大后，输出给DSP控制器的AD采样端口，供DSP内部计算使用。

如图9所示，电流检测电路由霍尔电流传感器IC4、高阻抗反相放大、反相放大构成。传感器IC4将电流信号成比例的衰减为直流电压信号。该直流电压信号经过高阻抗反相放大，进一步调理到控制器接受范围。调理后的信号再经过一级反相放大，校正相位后直接输出给DSP控制器的AD采样端口。供DSP内部计算使用。接口I_A、I_B直接串联在供电回路中。DSPADC4直接与DSP的AD采样端口相连。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种基于数据的室内环境节能舒适个性化控制系统，其特征是，包括室内环境温湿度及能耗数据采集装置，室内环境温湿度及能耗数据采集装置将采集的室内环境参数信息均通过A/D转换模块传送至控制器，控制器根据获得的室内环境参数信息进行处理得到最佳的温湿度数值并将该数值通过红外转发器传送至室内空调温湿度控制器；

针对室内环境参数信息进行数据的预处理得到满足限制条件的实时数据存放在数据库中，根据存放在数据库中的实时数据构建舒适性模型及能耗的模型，对建立的舒适性模型及能耗的模型进行节能舒适协调优化得到最佳的温湿度数值，由控制器通过红外转发器控制空调内部温湿度控制器调节室内温湿度数值直至达到最佳的温湿度数值。

2.如权利要求1所述的一种基于数据的室内环境节能舒适个性化控制系统，其特征是，所述室内环境温湿度及能耗数据采集装置为温度采集电路、湿度采集电路、电压采集电路及电流采集电路。

3.如权利要求2所述的一种基于数据的室内环境节能舒适个性化控制系统，其特征是，所述温度采集电路包括温度传感器IC1及同相放大器，温度传感器IC1将室内温度转变成电压信号，输出给后级电路，经过同相放大器进行调理后，输出给控制器的AD采样端口。

4.如权利要求2所述的一种基于数据的室内环境节能舒适个性化控制系统，其特征是，所述湿度采集电路包括湿度传感器IC2、射级跟随器及反相放大器，湿度传感器IC2将湿度信号转变为电压信号输出给后级电路，射级跟随器提高了电路带负载能力，反相放大器的第一级反相放大器用于信号调理，将信号调整到所需电平，反相放大器的第二级反相放大器用于相位校正，校正后的信号输出到控制器的AD采样端口。

5.如权利要求2所述的一种基于数据的室内环境节能舒适个性化控制系统，其特征是，所述电压采集电路包括分压阻抗网络及差分式放大电路，分压阻抗网络的选择开关S1调整分压阻抗网络的比例，使得该电压采集电路用于多种电压等级的信号采集，分压后的电压信号经过差分放大后，输出给控制器的AD采样端口。

6.如权利要求2所述的一种基于数据的室内环境节能舒适个性化控制系统，其特征是，所述电流采集电路包括霍尔电流传感器IC4、高阻抗反相放大器及反相放大器，霍尔电流传感器IC4将电流信号成比例的衰减为直流电压信号，该直流电压信号经过高阻抗反相放大器，进一步调理到控制器接受范围，调理后的信号再经过反相放大器，校正相位后直接输出给控制器的AD采样端口。

7.一种基于数据的室内环境节能舒适个性化控制方法，其特征是，包括以下步骤：

步骤一：设定采样时间，利用温湿度及能耗的采集装置对室内温度、湿度和能耗进行实时采集；

步骤二：对采集到的实时数据进行预处理，判断实时数据是否满足限定条件，如果满足，则保留，不满足的则舍弃，更新实时温湿度及能耗数据；根据更新后的数据重新计算限定条件，循环执行步骤二；

步骤三：利用步骤二中所产生的满足限定条件的数据，构建舒适性模型及能耗的模型；

步骤四：对步骤三中构建的舒适性模型及能耗的模型进行节能舒适协调优化得到最佳的温、湿度值，由控制器发出控制指令给空调设备的温湿度控制器执行来改变室内温度和湿度。

8.如权利要求7所述的一种基于数据的室内环境节能舒适个性化控制方法，其特征是，所述步骤二中，对实时数据库中的数据进行预处理具体包括：

2-1)：对实时数据库中的温、湿度及能耗的数据计算相应的均值m和方差σ²；

2-2)：判断是否满足设定限制条件：c⁽ⁱ⁾∈[m-kσ,m+kσ]，其中c⁽ⁱ⁾表示第i个数据，根据正态分布规律，考虑95％置信度时公差因子k取为2，满足给出限制条件要求的数据将被保留，不满足限制条件的数据给予丢弃。

9.如权利要求7所述的一种基于数据的室内环境节能舒适个性化控制方法，其特征是，所述步骤三中，构建舒适性模型及能耗的模型，具体为：

3-1)：利用温、湿度及能耗之间的关系式确定能耗模型：y₀＝c₁t+c₂h+c₃，其中定义y₀代表能耗，t为室内温度,h为室内湿度，参数c₁,c₂,c₃是待定参数，采用最小二乘方法计算得出；

3-2)：根据满足限定条件的实时数据库中的数据，分别计算其对应的均值和方差，进而构建温、湿度的模糊集合模型，在此基础上，所得到的舒适性模型是温湿度模糊集合模型的数量积，即：

$\begin{array}{c}com(t,h)=com\left(t\right)\×com\left(h\right)=\exp \{-\frac{{(t-m_t)}^2}{2{{\mathrm{\σ}}_t}^2}\}\×\exp \{-\frac{{(h-m_h)}^2}{2{{\mathrm{\σ}}_h}^2}\}\\ =\exp \{-\frac{{(t-m_t)}^2}{2{{\mathrm{\σ}}_t}^2}-\frac{{(h-m_h)}^2}{2{{\mathrm{\σ}}_h}^2}\}\end{array};$

其中，com(t,h)为室内环境舒适度，com(t)为室内温度舒适度，com(h)为室内湿度舒适度，m_t为温度数据库的均值，m_h为湿度数据库的均值，σ_t ²为温度数据库的方差，σ_h ²为湿度数据库的方差，为高斯型模糊集合的隶属函数，x代表温度t或湿度h。

10.如权利要求7所述的一种基于数据的室内环境节能舒适个性化控制方法，其特征是，所述步骤四中，舒适与能耗两者之间存在的冲突是室内环境舒适性最大但能耗要最低；室内环境舒适性最大等价于优化目标:能耗要最低等价于优化目标:

为解决二者的冲突相当于解决下述多目标模型描述的多目标优化问题:

$\left\{\begin{array}{c}\underset{t,h}{max}\exp \{-\frac{{(t-m_t)}^2}{2{{\mathrm{\σ}}_t}^2}-\frac{{(h-m_h)}^2}{2{{\mathrm{\σ}}_h}^2}\}\\ \underset{t,h}{\min }\[c_{1}t+c_{2}h+c_3\]\end{array}\right.$

对多目标模型利用多目标优化算法进行协调，得出节能舒适的最佳温、湿度值t*,h*，所得出的t*,h*即为最佳的温、湿度值，并且消耗的能量y₀为最低值。