CN107025496A - 一种集中空调风系统突发污染分布检测点的优化布置方法 - Google Patents

Abstract

本发明涉及一种集中空调风系统突发污染分布检测点的优化布置方法，所述方法包括下列步骤：建立集中空调风系统的网络动力学模型；随机产生检测点布置位置集合，作为初始种群；以建立的网络动力学模型中检测到污染物的时间最短作为目标函数，通过遗传算法对产生的初始种群进行优化；将得到的优化结果作为集中空调风系统突发污染物分布检测点的布置方案。与现有技术相比，本发明具有可以实现检测点的最优布置、对污染的检测时间最短以及节省成本等优点。

Description

一种集中空调风系统突发污染分布检测点的优化布置方法

技术领域

本发明涉及建筑突发污染应急监控方案设计，尤其是涉及一种集中空调风系统突发污染分布检测点的优化布置方法。

背景技术

我国公共建筑面积超过50亿平方米，5亿平方米以上设有集中式空调风系统(以集中处理的空气为介质，通过风管道输送到建筑内各区域，再经过回风形成一个空气循环回路)，在应对恐怖生化袭击方面极其薄弱。集中空调风系统污染扩散速度快，一般几分钟内即可将污染物漫布整个建筑，极易被利用作为挥发性化学战剂CWA(Chemical WarfareAgent)等毒剂的传播通道，是一种被动式“化学武器”，其潜在危险性已引起关注。以人员密集的大型公共建筑为目标的生化袭击事件的发生，促发了一系列建筑环境防恐的研究工作，集中空调风系统的预警应急策略也广受关注。所谓“预警”是指在集中空调风系统内设置有限数目的检测点，当突发污染在系统内发生时，通过预先设置的污染物检测点可以在污染扩散的短时间内探测到污染物并报警，为建筑安控中心采取相应的应急通风措施或组织室内人员按预先设计的逃生路径疏散提供依据，进而最大程度地在应对此类突发事件时保障室内人员的人身安全。

分布检测点的优化布置是集中空调风系统应对突发污染的前提及必要条件，其中检测点类型，布置位置及数量均起着关键作用，如何布置有限数目的检测点实现对突发污染事件的快速探测，是集中空调风系统的预警应急策略的关键问题之一。

理论上，风系统内设置的检测点位越多，在突发污染事件发生时，检测污染物所需要的时间也越短，所探测到的污染物浓度及种类状态等信息也就越详细。但实际中，由于污染物检测通常需要应用光离子化快速检测VOC技术，该技术成本较高，因此检测点的数量受到一定约束。

当前用于建筑污染检测的系统设计主要凭经验或直觉布置，缺乏合理优化的检测布点方案，待优化的检测目标函数不明确，突发污染传播预警在实验条件下的可行性未有研究。

发明内容

本发明的目的是针对上述问题提供一种集中空调风系统突发污染分布检测点的优化布置方法。

本发明的目的可以通过以下技术方案来实现：

一种集中空调风系统突发污染分布检测点的优化布置方法，所述方法包括下列步骤：

1)建立集中空调风系统的网络动力学模型；

2)随机产生检测点布置位置集合，作为初始种群；

3)以在步骤1)建立的网络动力学模型中检测到污染物的时间最短作为目标函数，通过遗传算法对步骤2)中产生的初始种群进行优化；

4)将步骤3)得到的优化结果作为集中空调风系统突发污染物分布检测点的布置方案。

所述步骤1)具体为：将集中空调风系统中所有的污染物投放位置和污染物检测位置简化为节点，得到集中空调风系统的网络动力学模型。

所述步骤2)具体为：在预设参数范围内通过二进制编码方式随机均匀地产生检测点布置位置的集合，作为初始种群。

所述步骤3)具体为：

31)计算步骤2)中产生的初始种群中每个个体对应的检测到污染物所需的时间；

32)判断是否达到迭代终止条件，若是则以当前种群作为优化结果，若否则进入步骤33)；

33)对当前种群进行杂交、突变及选择，得到的结果作为当前种群，并返回步骤32)。

所述步骤31)具体为：

311)计算并记录从集中空调风系统的网络动力学模型中当前污染物投放节点处进行污染物投放时检测到污染物的时间；

312)判断是否遍历过所有污染物投放节点，若是则进入步骤313)，若否则将下一污染物投放节点作为当前污染物投放节点并返回步骤311)；

313)将记录的所有检测到污染物时间进行加权平均，得到的结果为当前个体对应的检测到污染物所需的时间。

所述检测到污染物的时间的具体计算方法为：

t_det-j＝μ_near-3σ_near+δ

其中，t_det-j为检测到污染物的时间，μ_near为距离污染源最近的检测节点达到峰值浓度的时间；σ_near为距离污染源最近的检测节点时间的总体方差；δ为检测点响应时间。

所述迭代终止条件具体为：迭代次数达到预设最大迭代次数或计算得到的检测到污染物所需的时间达到预设最短检测时间。

所述步骤33)具体为：

331)对当前种群的所有个体进行杂交，得到杂交后的子代个体；

332)对步骤331)中所有杂交后的子代个体以预设突变率进行突变，得到突变后的子代个体；

333)将检测到污染物的时间小于父代个体的突变后的子代个体替换相应的父代个体，并对剩余的父代个体进行保留，得到的新种群作为当前种群，并返回步骤32)。

所述杂交具体为：

其中，X和Y分别为父代个体，X'和Y'分别为杂交后的子代个体，r为[0,1]上的随机实数。

所述检测点的具体检测方式为通过光电离检测仪进行污染检测。

与现有技术相比，本发明具有以下有益效果：

(1)通过建立集中空调风系统的网络动力学模型同时结合自适应遗传算法，选取检测点的最优分布位置，比起当前凭经验或直觉布置的检测点来说，本方法具有更高的合理性，最终得到的检测点分布位置可以真正的实现以最短时间发现污染物。

(2)将集中空调风系统的所有可能的污染物投放位置和检测位置均简化为节点，从而得到集中空调风系统的网络动力学模型，这种建模方式简单直观，可行性高，而且这种建模方式也便于后续对污染物检测时间的计算，节省计算时间。

(3)通过自适应遗传算法对检测点的布置位置进行优化，通过模拟自然界的生物演化过程，利用复制、杂交、突变等操作，使优胜者繁殖，劣败者淘汰，一代代的重复同样的操作最终找到最优解或接近最优解，对检测点位置布置这种高度非线性优化问题显示出较强的适应性。

(4)通过二进制编码的方式生成初始种群，将所有检测点的位置都以二进制编码进行标记，这种标记方式确保了每一个检测点的位置都不会进行重复标记，同时也便于后续通过自适应遗传算法对种群中的每个个体进行杂交、突变和选择。

(5)对在集中空调风系统的网络动力学模型中计算检测到污染物的时间进行了具体定义，将原有的抽象问题转换为具象的数学计算，这是现有技术中无法实现的。

(6)以迭代次数达到预设最大迭代次数或计算得到的检测到污染物所需的时间达到预设最短检测时间作为迭代的终止条件，既可以最终的检测点布置方案可以使检测时间达到最短，也避免了一味追求最短检测时间而使得迭代次数过多，从而使得计算量过大导致成本的增加。

(7)通过这种方式可以使得在规定的检测点数目下达到最短的检测时间，平衡了检测点数目和检测时间之间的矛盾，降低了检测点的布置数量，节省了成本。

(8)通过光电离检测仪进行污染检测，可检测极低浓度的VOC和其它气态污染物，检测范围可从10ppb～10000ppm，而且具备便于安装、响应快、可以连续测试等优点。

附图说明

图1为本发明的方法流程图；

图2为某实际集中空调风系统的节点划分及最优检测点布置位置图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

集中空调风系统突发污染分布检测点的优化布置方法的流程图如图1所示。该方法包括如下步骤：

1)建立集中空调风系统的网络动力学模型，具体为：

将集中空调风系统中所有的污染物投放位置和污染物检测位置简化为节点，得到集中空调风系统的网络动力学模型；

2)随机产生检测点布置位置集合，作为初始种群，具体为：

在预设参数范围内通过二进制编码方式随机均匀地产生检测点布置位置的集合，作为初始种群；

3)以在步骤1)建立的网络动力学模型中检测到污染物的时间最短作为目标函数，通过自适应遗传算法对步骤2)中产生的初始种群进行优化，具体为：

31)计算步骤2)中产生的初始种群中每个个体对应的检测到污染物所需的时间：

311)计算并记录从集中空调风系统的网络动力学模型中当前污染物投放节点处进行污染物投放时检测到污染物的时间：

t_det-j＝μ_near-3σ_near+δ

其中，t_det-j为检测到污染物的时间，μ_near为距离污染源最近的检测节点达到峰值浓度的时间；σ_near为距离污染源最近的检测节点时间的总体方差；δ为检测点响应时间；

312)判断是否遍历过所有污染物投放节点，若是则进入步骤313)，若否则将下一污染物投放节点作为当前污染物投放节点并返回步骤311)；

313)将记录的所有检测到污染物时间进行加权平均，得到的结果为当前个体对应的检测到污染物所需的时间；

32)判断是否达到迭代终止条件(迭代次数达到预设最大迭代次数或计算得到的检测到污染物所需的时间达到预设最短检测时间)，若是则以当前种群作为优化结果，若否则进入步骤33)；

33)对当前种群进行杂交、突变及选择，得到的结果作为当前种群，并返回步骤32)：

331)对当前种群的所有个体进行杂交，得到杂交后的子代个体：

其中，X和Y分别为父代个体，X'和Y'分别为杂交后的子代个体，r为[0,1]上的随机实数；

332)对步骤331)中所有杂交后的子代个体以预设突变率进行突变，得到突变后的子代个体；

333)将检测到污染物的时间小于父代个体的突变后的子代个体替换相应的父代个体，并对剩余的父代个体进行保留，得到的新种群作为当前种群，并返回步骤32)；

4)将步骤3)得到的优化结果作为集中空调风系统突发污染物分布检测点的布置方案。

根据上述步骤进行具体的检测点优化布置，过程如下：

S101、构建基于检测点最短探测时间的优化目标函数，即污染物在风系统内任意位置投放后，通过该目标函数优化后的分布测点布置方案可以保证当污染物被检测点探知时其在风系统内的扩散时间最短。

具体的，污染物在集中空调风系统某位置投放后的分布检测点最短污染物探知时间(J_det)的数学描述如下：

其中，P_j为在风系统第j节点位置投放污染物的可能性；t_det-j为假设在风系统第j节点位置投放污染物时检测点的污染物探知时间；N_s为风系统中拟设置的检测点数目；i表示某检测点；N为所有可能的污染物投放位置数目。

对于多个检测点所组成的系统，t_det-j定义为在j处投放污染物时所有检测点污染物最短探知时间之和。而最短污染物探知时间，是指被检测到的污染物浓度达到(或超过)所用检测点的最低监测阈值，t_det-j可根据理论计算模型中提取的浓度分布特征时间确定。

S102、所述检测点均采用光电离检测仪，光离子化可以检测极低浓度的VOC和其它气态污染物，检测范围可从10ppb～10000ppm。

具体的，光离子化检测仪紫外光源辐射能量一般有10.6eV、9.8eV和11.7eV，在本方案中，确定采用10.6eV紫外光源的检测仪。本实施例中的光电离检测仪检测的VOC浓度值依据异丁烯作为标准气体校准，其他气体则给定相应的修正系数，以获得实际的浓度值。

S103、将风系统中可能的污染物投放点和拟布置的检测点简化为节点，建立风系统网络动力学模型，用于模拟计算在风系统内不同位置投放污染物条件下的所有可能的检测点布置方案的污染物探知时间。

具体的，检测点污染物探知时间t_det-j的数学描述如下：

t_det-j＝μ_near-3σ_near+δ

式中，μ_near为距离污染源最近的检测节点达到峰值浓度的时间；σ_near为距离污染源最近的检测节点时间的总体方差；δ为检测点响应时间。

式中，t_pm为m节点位置处的污染物浓度峰值时间(即该节点达到污染物浓度峰值时的系统时间)；σ_m-1与σ_near的定义相似，均为时间方差，表示污染物浓度在节点处的持续时间。u_m为节点m之前的管段平均风速；x_m为节点m至污染源的距离；ε_x为湍流扩散系数。根据上述步骤最终建立的集中空调风系统的网络动力学模型如表1和图2所示：

表1集中空调风系统的网络动力学模型

S104、在给定的参数范围内随机均匀地产生用二进制编码方式表示的初始种群，该种群即为所有可能的分布检测点布置位置集合。

具体的，给出分布检测点布置位置集合X的约束范围：

X∈(X_node1,X_node2,…X_node,max)

式中，X∈(X_node1,X_node2,…X_node,max)，分别为风系统中各节点所对应的位置，如图2所示，该风系统中共有57个节点，每个节点都对应分布测点可能的布置位置，即该实施例中的分布检测点布置位置集合X的约束范围为X∈(X_node1,X_node2,…X_node57)。上述位置集合均预先存储在自适应优化算法需调用的数据库中。

S105、计算对于所有可能的污染物投放位置，采用随机种群内各分布检测点布置方案下的污染物探知时间。

具体的，所有可能的污染物投放位置也包含预设的风系统内的所有节点，如图2实施例中的节点1-57，本实施例假设污染物在风系统中每个节点的投放概率相等；然后计算某节点投放的污染物到达分布检测点并被测点探知的时间即t_det-j，计算机记录下该时间并存于数据库中，并继续进行在其余节点投放污染物被测点探知时间的计算。最后根据所有可能的污染物投放位置的测点污染物探知时间计算结果，对某分布检测点布置方案下的污染物探知时间进行加权平均，最终得到不同分布检测点布置方案下的污染物探知时间。

S106、通过自适应优化算法的全局寻优功能在所有主计算节点的结果中确定全局最小值，该值所对应的分布检测点布置位置即为风系统的最优测点布置方案。

具体的，自适应优化算法包括杂交、突变及选择过程，其主要功能如下：

a.杂交：将初始化的种群中筛选出的所有种群个体进行杂交。杂交算法采用如下公式：

式中：X与Y分别为父代个体，X'与Y'为分别为新产生的子代个体，r为[0,1]上的随机实数。

b.突变：对杂交过程中的所有个体按一定的突变率进行突变(突变率一般为0.15-0.2)，突变操作是随机对个体的某位二进制编码进行改变，并重复步骤(s105)。

c.选择：若子代个体探测到污染物的时间小于父代，则子代替换父代；否则，父代个体继续存活至下一代，其判据为若子代个体的t_i+1小于父代个体的t_i，则t_i+1赋入G(t+1)；否则t_i赋入G(t+1)。

对于如图2所示的实施例，该风系统的最优测点布置方案对应的分布检测点分别位于节点8，21及51。

S107、比较判断新产生的方案是否满足预设的优化终止条件。方案不满足则转入迭代步骤继续进行迭代演化，方案满足则停止迭代并返回最优的分布测点布置方案。

具体的，预设的优化终止条件为迭代次数达到最大预设值或结果逼近预设的污染物最短探知时间，该时间可根据风系统规模等实际情况进行确定。

Claims (10)

1.一种集中空调风系统突发污染分布检测点的优化布置方法，其特征在于，所述方法包括下列步骤：

1)建立集中空调风系统的网络动力学模型；

2)随机产生检测点布置位置集合，作为初始种群；

3)以在步骤1)建立的网络动力学模型中检测到污染物的时间最短作为目标函数，通过遗传算法对步骤2)中产生的初始种群进行优化；

4)将步骤3)得到的优化结果作为集中空调风系统突发污染物分布检测点的布置方案。

2.根据权利要求1所述的集中空调风系统突发污染分布检测点的优化布置方法，其特征在于，所述步骤1)具体为：将集中空调风系统中所有的污染物投放位置和污染物检测位置简化为节点，得到集中空调风系统的网络动力学模型。

3.根据权利要求1所述的集中空调风系统突发污染分布检测点的优化布置方法，其特征在于，所述步骤2)具体为：在预设参数范围内通过二进制编码方式随机均匀地产生检测点布置位置的集合，作为初始种群。

4.根据权利要求1所述的集中空调风系统突发污染分布检测点的优化布置方法，其特征在于，所述步骤3)具体为：

31)计算步骤2)中产生的初始种群中每个个体对应的检测到污染物所需的时间；

32)判断是否达到迭代终止条件，若是则以当前种群作为优化结果，若否则进入步骤33)；

33)对当前种群进行杂交、突变及选择，得到的结果作为当前种群，并返回步骤32)。

5.根据权利要求4所述的集中空调风系统突发污染分布检测点的优化布置方法，其特征在于，所述步骤31)具体为：

311)计算并记录从集中空调风系统的网络动力学模型中当前污染物投放节点处进行污染物投放时检测到污染物的时间；

312)判断是否遍历过所有污染物投放节点，若是则进入步骤313)，若否则将下一污染物投放节点作为当前污染物投放节点并返回步骤311)；

313)将记录的所有检测到污染物时间进行加权平均，得到的结果为当前个体对应的检测到污染物所需的时间。

6.根据权利要求4所述的集中空调风系统突发污染分布检测点的优化布置方法，其特征在于，所述检测到污染物的时间的具体计算方法为：

t_det-j＝μ_near-3σ_near+δ

其中，t_det-j为检测到污染物的时间，μ_near为距离污染源最近的检测节点达到峰值浓度的时间；σ_near为距离污染源最近的检测节点时间的总体方差；δ为检测点响应时间。

7.根据权利要求4所述的集中空调风系统突发污染分布检测点的优化布置方法，其特征在于，所述迭代终止条件具体为：迭代次数达到预设最大迭代次数或计算得到的检测到污染物所需的时间达到预设最短检测时间。

8.根据权利要求4所述的集中空调风系统突发污染分布检测点的优化布置方法，其特征在于，所述步骤33)具体为：

331)对当前种群的所有个体进行杂交，得到杂交后的子代个体；

332)对步骤331)中所有杂交后的子代个体以预设突变率进行突变，得到突变后的子代个体；

333)将检测到污染物的时间小于父代个体的突变后的子代个体替换相应的父代个体，并对剩余的父代个体进行保留，得到的新种群作为当前种群，并返回步骤32)。

9.根据权利要求8所述的集中空调风系统突发污染分布检测点的优化布置方法，其特征在于，所述杂交具体为：

其中，X和Y分别为父代个体，X'和Y'分别为杂交后的子代个体，r为[0,1]上的随机实数。

10.根据权利要求1所述的集中空调风系统突发污染分布检测点的优化布置方法，其特征在于，所述检测点的具体检测方式为通过光电离检测仪进行污染检测。