CN108133289A - 基于环境预测的隧道通风控制方法及系统 - Google Patents
基于环境预测的隧道通风控制方法及系统 Download PDFInfo
- Publication number
- CN108133289A CN108133289A CN201711394301.7A CN201711394301A CN108133289A CN 108133289 A CN108133289 A CN 108133289A CN 201711394301 A CN201711394301 A CN 201711394301A CN 108133289 A CN108133289 A CN 108133289A
- Authority
- CN
- China
- Prior art keywords
- tunnel
- index
- value
- blower fan
- fan group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000009423 ventilation Methods 0.000 title claims abstract description 55
- 230000007613 environmental effect Effects 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 43
- 238000013135 deep learning Methods 0.000 claims abstract description 8
- 238000012360 testing method Methods 0.000 claims description 29
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical class [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 claims description 20
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 2
- 239000007789 gas Substances 0.000 description 17
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 15
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 13
- 229960004424 carbon dioxide Drugs 0.000 description 8
- 229910002092 carbon dioxide Inorganic materials 0.000 description 7
- 239000001569 carbon dioxide Substances 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000012806 monitoring device Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 230000009931 harmful effect Effects 0.000 description 3
- 239000011133 lead Substances 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 2
- 239000000809 air pollutant Substances 0.000 description 2
- 231100001243 air pollutant Toxicity 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013277 forecasting method Methods 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 229910002090 carbon oxide Inorganic materials 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000004408 titanium dioxide Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F1/00—Ventilation of mines or tunnels; Distribution of ventilating currents
- E21F1/003—Ventilation of traffic tunnels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Ventilation (AREA)
Abstract
本发明涉及公路隧道通风技术领域，尤其涉及一种基于环境预测的隧道通风控制方法及系统。其中，隧道通风控制方法，包括：设定与隧道环境相关的各个指标的目标值；采集当前时刻各个指标的检测值；根据各个指标的检测值和通过深度学习建立的预测模型，预测下一时刻各个指标的预测值；根据各个指标的检测值、预测值和目标值，调节隧道的通风风量。隧道通风控制系统，包括风机组、检测装置和控制装置，风机组设置于隧道内，检测装置对应于风机组设置，控制装置分别与风机组和检测装置连接。本发明的基于环境预测的隧道通风控制方法及系统，可以降低风量反馈控制的滞后性，提高通风风量的控制精确性。
Description
技术领域
本发明涉及公路隧道通风技术领域，尤其涉及一种基于环境预测的隧道通风控制方法及系统。
背景技术
随着城市化进程的不断推进，道路隧道的建设对缓解中心城区主干道的交通拥堵、减少路面环境污染起着重要作用。由于隧道均为半封闭结构，而在隧道内运行的车辆经过隧道时，会排放大量的尾气。尾气中一般含有大量的一氧化碳、氮氧化物、碳氢化合物和铅等对人体有害的成分，如不对隧道进行通风，隧道内运行的车辆所排放的尾气就会严重的污染空气，对司乘人员和隧道内的工作人员的身体造成危害。
另外，将隧道内的尾气排放至隧道以外后，如过不对排放出隧道的空气污染物进行有效控制和治理，低浓度的一氧化碳、氮氧化物、碳氢化合物和铅等有害物质将对隧道周围的空气环境和隧道周边的居民健康造成持续性危害。
为使隧道内的空气质量得到保证，隧道设计及建设时需配置合适的通风控制系统以控制其内各种污染物的浓度，从而达到不同工况时废气排放浓度标准的要求。同时,隧道通风控制系统应能有效地控制隧道污染物的排出方式，以减轻隧道周围的空气环境受到的不良影响。
由于现有的隧道通风控制系统对隧道环境的检测滞后性较大、交通量也是随时变化的，并且由于射流风机运行后也无法立即改变隧道环境的各项指标的参数值，因此，无法及时预测隧道环境的空气污染物的变化，不能在环境变恶劣之前及时对隧道环境进行改善。
因此，针对以上不足，需要提供一种能够通过预测隧道环境对隧道进行通风控制的隧道通风控制方法及系统。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是解决现有技术中的基于环境预测的隧道通风控制方法及系统，对隧道环境检测具有滞后性，导致对隧道的通风控制的精确性不高的问题。
(二)技术方案
为了解决上述技术问题，本发明提供了一种基于环境预测的隧道通风控制方法，包括：
设定与隧道环境相关的各个指标的目标值；
采集当前时刻各个指标的检测值；
根据各个指标的检测值和通过深度学习建立的预测模型，预测下一时刻各个指标的预测值；
根据各个指标的检测值、预测值和目标值，调节隧道的通风风量。
进一步地，采集当前时刻各个指标的检测值的方法包括：
在隧道内设置多个检测点，在多个检测点分别采集当前时刻各个指标的检测值。
进一步地，与隧道环境相关的各个指标包括：
隧道内的氮氧化物浓度、二氧化碳浓度、能见度和温度。
进一步地，预测模型通过BP神经网络建立。
进一步地，还包括：根据上一时刻各个指标的的预测值和当前时刻各个指标的的检测值，调整预测模型。
本发明还提供了一种基于环境预测的隧道通风控制系统，包括风机组、检测装置和控制装置，风机组设置于隧道内，检测装置对应于风机组设置，控制装置分别与风机组和检测装置连接，其中，
检测装置被配置为采集当前时刻与隧道环境相关的各个指标的检测值，控制装置被配置为根据各个指标的检测值和通过深度学习建立的预测模型，预测下一时刻各个指标的预测值；根据各个指标的检测值、预测值和预设的各个指标的目标值，控制风机组的运行状态。
进一步地，在隧道内由隧道的入口至隧道的出口均匀布置多组风机组，各组风机组至少对应设置一个检测装置。
进一步地，隧道内设有多个检测点，检测装置分别设置于检测点上，风机组间隔设置于检测装置之间。
进一步地，控制装置根据各个检测点的各个指标的预测值和目标值，控制与检测点相邻的风机组的运行状态。
进一步地，检测装置包括环境检测装置和温度传感器。
(三)有益效果
本发明的上述技术方案与现有技术相比具有如下优点：
本发明的基于环境预测的隧道通风控制方法，能够检测隧道内与隧道环境相关的各个指标的检测值，并且利用预测模型获取下一时刻各个指标的预测值，然后利用预测值与各个指标的目标值进行比较，根据比较结果控制隧道内的通风风量增大或者降低，可以降低风量反馈控制的滞后性，提高通风风量的控制精确性。
本发明的基于环境预测的隧道通风控制系统，设置了检测装置，用于检测隧道内风机组周围与隧道环境相关的各个指标的测量值，并且根据测量值和预测模型获得下一时刻各个指标的预测值，然后根据预测值和各个指标的目标值的比较结果，控制风机组的运行状态，以控制隧道内的通风风量，从而具有控制效力和精确性较高的优点
附图说明
图1是本发明实施例的基于环境预测的隧道通风控制方法的流程示意图；
图2是本发明一个实施例的基于环境预测的隧道通风控制方法的具体流程图；
图3是本发明实施例基于环境预测的隧道通风控制系统的结构示意图；
图4是设置有本发明实施例的基于环境预测的隧道通风控制系统的隧道结构图。
图中：1：风机组；11：射流风机；2：检测装置；21：环境检测装置；22：温度传感器；3：控制装置。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明的一部分实施例，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做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供的基于环境预测的隧道通风控制方法，包括：
S1、设定与隧道环境相关的各个指标的目标值。
其中，与隧道环境相关的各个指标包括但不限于：隧道内的氮氧化物浓度、二氧化碳浓度、能见度和温度。各个指标的目标值为能够使隧道环境的通风状态保持到最佳的氮氧化物浓度值、二氧化碳浓度值、能见度值和温度值。除此之外，与隧道环境相关的各个指标还可以包括风速，此时，各个指标的目标值还可以为能够使隧道环境的通风状态保持到最佳的风速值。
S2、采集当前时刻各个指标的检测值，具体的采集方法包括：
在隧道内设置多个检测点，在多个检测点分别采集当前时刻各个指标的检测值，以能够控制隧道内的多个位置的通风风量，从而能够均匀地控制隧道内的通风风量。
S3、根据各个指标的检测值和通过深度学习建立的预测模型，预测下一时刻各个指标的预测值。
预测模型可以利用多组检测值和预测值通过BP神经网络进行训练而建立。建立好的预测模型在每次使用之前，可以根据上一时刻各个指标的的预测值和当前时刻各个指标的的检测值调整预测模型的整权值和阈值。当前时刻的各个指标的检测值可以输入值调整后的预测模型，获取下一时刻的各个指标的预测值。
S4、当确定了各个指标在下一时刻的预测值后，根据各个指标的检测值、预测值和目标值，调节隧道的通风风量。
在本发明实施例中，隧道内可以设有多组风机组，可以根据各个指标的检测值、预测值和目标值，分别控制对应的风机组的运行状态，以通过控制多个风机组的运行状态，调节隧道不同位置的通风风量，从而使隧道内的通风均匀。
如图2所示，为本发明一个实施例的基于环境预测的隧道通风控制方法，利用各个指标的预测值对隧道的通风风量进行控制，具体工作过程如下：
步骤1、设定与隧道环境相关的各项指标的目标值范围：氮氧化物浓度值范围(N+≥NkNn≥N-)、二氧化碳浓度值范围(C+≥CkNn≥C-)、能见度值范围(I+≥IkNn≥I-)、温度值范围(T+≥TkNn≥T-)，采集间隔时间tc，风机组运行间隔设定时间tr。
步骤2、根据采集间隔时间tc，采集各个检测点周围环境的各项指标的实时检测值。其中，氮氧化物浓度检测值为NkNn、二氧化碳浓度检测值为CkNn、能见度检测值为IkNn、温度检测值为TkNn。
步骤3、将当前采样周期的各个检测点周围环境的各项指标的实时检测值与上个采集周期对各项指标的预测值进行对比，调整预测模型的整权值和阈值。
步骤4、将当前采样周期的各个检测点周围环境的各项指标的实时检测值通过调整后的预测模型获得下个采样周期的各项指标的预测值。
步骤5、比较隧道内风机组的运行变化时间间隔tn与设定时间tr，当tn<tr时，执行步骤2；当tn≥tr时，执行步骤6。
步骤6、对氮氧化物浓度预测值NkFn+1和目标范围上限进行判断，当NkFn+1≥N+时，执行步骤14；当NkFn+1<N+时，执行步骤7。
步骤7、对二氧化碳浓度预测值CkFn+1和目标范围上限进行判断，当CkFn+1≥C+时，执行步骤14；当CkFn+1<C+时，执行步骤8。
步骤8、对温度预测值TkFn+1和目标范围上限进行判断，当TkFn+1≥T+时，执行步骤14；当TkFn+1<T+时，执行步骤9。
步骤9、对能见度预测值IkFn+1和目标范围下限进行判断，当I-≥IkFn+1时，执行步骤14；当I-<IkFn+1时，执行步骤10。
步骤10、对氮氧化物浓度检测值NkNn和目标范围下限进行判断，当N-≥NkNn时，执行步骤15；当N-<NkNn时，执行步骤11。
步骤11、对二氧化碳浓度检测值CkNn和目标范围下限进行判断，当C-≥CkNn时，执行步骤15；当C-<CkNn时，执行步骤12。
步骤12、对温度检测值TkNn和目标范围下限进行判断，当T-≥TkNn时，执行步骤15；当T-<TkNn时，执行步骤13。
步骤14、对能见度检测值IkNn和目标范围上限进行判断，当IkNn≥I+时，执行步骤15；当IkNn<I+时，执行步骤2。
步骤14、启动距离检测点两端距离最短的未启动的风机组，执行步骤2。
步骤15、停止距离检测点两端距离最短的运行中的风机组，执行步骤2。
如图3所示，本发明还提供了一种基于环境预测的隧道通风控制系统，包括风机组1、检测装置2和控制装置3。其中，风机组1设置于隧道内，检测装置2对应于风机组1设置，控制装置3分别与风机组1和检测装置2连接，检测装置2被配置为采集当前时刻与隧道环境相关的各个指标的检测值，控制装置3被配置为根据各个指标的检测值和通过深度学习建立的预测模型，预测下一时刻各个指标的预测值；根据各个指标的预测值和预设的各个指标的目标值，控制风机组1的运行状态以改变隧道内的通风风量。
在本发明一个实施例中，检测装置2包括环境检测装置21和温度传感器22。在本发明另一个实施例中，检测装置2还可以包括风速风向检测器。其中，环境监测装置能够将氮氧化物浓度、二氧化碳浓度、能见度值进行采集并信号化转换，监测并显示测量氮氧化物浓度、二氧化碳浓度、能见度的实时检测值。温度传感器22能够将温度值进行采集并信号化转换，监测并显示测量温度的实时检测值。风速风向检测器能够将风向与风速进行采集并信号化转换，监测并显示测量风向及风速变化。
在本发明实施例中，在隧道内由隧道的入口至隧道的出口均匀布置多组风机组1，各组风机组1至少对应设置一个检测装置2。每个风机组1可以设有多个射流风机11，射流风机11的具体工作原理为：将一部分空气从射流风机11的入口端吸人，经叶轮加速后，由射流风机11的出口高速射出，被射出的带有较高动能的高速气流能够将能量传送给隧道内的空气，产生克服隧道阻力的压升，从而推动隧道内的空气沿射流风机11喷射气流的方向流动，以对隧道进行通风。对应地，隧道内设有多个检测点，检测装置2分别设置于检测点上，风机组1间隔设置于检测装置2之间。
在本发明实施例中，控制装置3根据各个检测点的各个指标的预测值和目标值，控制与检测点相邻的风机组1的运行状态，以改变隧道内的通风风量。其中，控制装置3是整个基于环境预测的隧道通风控制系统的神经中枢，能够对与隧道环境相关的各项指标的检测值数据进行存储、计算、判断，并根据预测模型确定不同检测点的各项指标的预测值，对检测值、预测值与风速目标值进行判断，以根据判断结果对隧道内的射流风机11的运行状态进行控制。
本发明实施例的基于环境预测的隧道通风控制系统的工作流程包括：
在控制装置3内设定与隧道环境相关的各项指标的目标值范围：氮氧化物浓度值范围(N+≥NkNn≥N-)、二氧化碳浓度值范围(C+≥CkNn≥C-)、能见度值范围(I+≥IkNn≥I-)、温度值范围(T+≥TkNn≥T-)，采集间隔时间tc，风机组1运行间隔设定时间tr。
控制装置3控制检测装置2根据采集间隔时间tc，采集各个检测点周围环境的各项指标的实时检测值。其中，氮氧化物浓度检测值为NkNn、二氧化碳浓度检测值为CkNn、能见度检测值为IkNn、温度检测值为TkNn。
控制装置3将当前采样周期的各个检测点周围环境的各项指标的实时检测值(氮氧化物浓度检测值NkNn、二氧化碳浓度检测值CkNn、能见度检测值IkNn、温度检测值TkNn)与上个采集周期对各项指标的预测值(氮氧化物浓度上一周期预测值NkNn-1、二氧化碳浓度上一周期预测值CkNn-1、能见度上一周期预测值IkNn-1、温度上一周期预测值TkNn-1)进行对比，调整预测模型的整权值和阈值。
控制装置3将当前采样周期的各个检测点周围环境的各项指标的实时检测值通过调整后的预测模型获得下个采样周期的各项指标的预测值(氮氧化物浓度预测值NkNn+1、二氧化碳浓度预测值CkNn+1、能见度预测值IkNn+1、温度预测值TkNn+1)。
控制器对各个指标的预测值(氮氧化物浓度预测值NkNn+1、二氧化碳浓度预测值CkNn+1、能见度预测值IkNn+1、温度预测值TkNn+1)、检测值(氮氧化物浓度检测值NkNn、二氧化碳浓度检测值CkNn、能见度检测值IkNn、温度检测值TkNn)和各项指标的目标值范围进行对比判断：
氮氧化物浓度值判断：
当NkFn+1≥NkNn≥N+时，启动风机组1需求。
当NkFn+1≥N+≥NkNn时，启动风机组1需求。
当NkNn≥NkFn+1≥N+时，启动风机组1需求。
当NkNn≥N+≥NkFn+1时，满足隧道环境的营运需求。
当N+≥NkNn≥NkFn+1时，满足隧道环境的营运需求。
当N+≥NkFn+1≥NkNn时，满足隧道环境的营运需求。
当NkFn+1≥NkNn≥N-时，满足隧道环境的营运需求。
当NkFn+1≥N-≥NkNn时，满足隧道环境的营运需求。
当NkNn≥NkFn+1≥N-时，满足隧道环境的营运需求。
当NkNn≥N-≥NkFn+1时，满足隧道环境的营运需求。
当N-≥NkNn≥NkFn+1时，满足减少运行的风机组1需求。
当N-≥NkFn+1≥NkNn时，满足减少运行的风机组1需求。
二氧化碳浓度值判断：
当CkFn+1≥CkNn≥C+时，启动风机组1需求。
当CkFn+1≥C+≥CkNn时，启动风机组1需求。
当CkNn≥CkFn+1≥C+时，启动风机组1需求。
当CkNn≥C+≥CkFn+1时，满足隧道环境的营运需求。
当C+≥CkNn≥CkFn+1时，满足隧道环境的营运需求。
当C+≥CkFn+1≥CkNn时，满足隧道环境的营运需求。
当CkFn+1≥CkNn≥C-时，满足隧道环境的营运需求。
当CkFn+1≥C-≥CkNn时，满足隧道环境的营运需求。
当CkNn≥CkFn+1≥C-时，满足隧道环境的营运需求。
当CkNn≥C-≥CkFn+1时，满足隧道环境的营运需求。
当C-≥CkNn≥CkFn+1时，满足减少运行的风机组1需求。当C-≥CkFn+1≥CkNn时，满足减少运行的风机组1需求。
能见度值判断：
当IkFn+1≥IkNn≥I+时，满足减少运行的风机组1需求。
当IkFn+1≥I+≥IkNn时，满足隧道环境的营运需求。
当IkNn≥IkFn+1≥I+时，满足减少运行的风机组1需求。
当IkNn≥I+≥IkFn+1时，满足隧道环境的营运需求。
当I+≥IkNn≥IkFn+1时，满足隧道环境的营运需求。
当I+≥IkFn+1≥IkNn时，满足隧道环境的营运需求。
当IkFn+1≥IkNn≥I-时，满足隧道环境的营运需求。
当IkFn+1≥I-≥IkNn时，满足隧道环境的营运需求。
当IkNn≥IkFn+1≥I-时，满足隧道环境的营运需求。
当IkNn≥I-≥IkFn+1时，启动风机组1需求。
当I-≥IkNn≥IkFn+1时，启动风机组1需求。
当I-≥IkFn+1≥IkNn时，启动风机组1需求。
温度值判断：
当TkFn+1≥TkNn≥T+时，启动风机组1需求。
当TkFn+1≥T+≥TkNn时，启动风机组1需求。
当TkNn≥TkFn+1≥T+时，启动射流风机组1需求。
当TkNn≥T+≥TkFn+1时，满足隧道环境的营运需求。
当T+≥TkNn≥TkFn+1时，满足隧道环境的营运需求。
当T+≥TkFn+1≥TkNn时，满足隧道环境的营运需求。
当TkFn+1≥TkNn≥T-时，满足隧道环境的营运需求。
当TkFn+1≥T-≥TkNn时，满足隧道环境的营运需求。
当TkNn≥TkFn+1≥T-时，满足隧道环境的营运需求。
当TkNn≥T-≥TkFn+1时，满足隧道环境的营运需求。
当T-≥TkNn≥TkFn+1时，满足减少运行的风机组1需求。
当T-≥TkFn+1≥TkNn时，满足减少运行的风机组1需求。
控制装置3可以根据当前风机组1的控制需求、风机组1运行状态和风机组1的运行变化时间间隔(tn≥tr)，输出控制隧道内风机组1的运行状态。当控制装置3根据与隧道环境的任意一项指标判断需要启动风机组1时，且隧道内风机组1启动时间大于设定时间，启动距离检测点两端距离最短未启动的风机组1；当控制装置3根据与隧道环境的任意一项指标未判断为启动风机组1需求，且其中一项或以上指标判断为满足风机组1减少运行需求时，且隧道内风机组1停止时间大于设定时间，则停止距离检测点两端距离最短正在运行的风机组1。
其中：
N+：氮氧化物浓度值范围上限设定值；
N-：氮氧化物浓度值范围下限设定值；
C+：二氧化碳浓度值范围上限设定值；
C-：二氧化碳浓度值范围下限设定值；
I+：能见度值范围上限设定值；
I-：能见度值范围下限设定值；
T+：温度值范围上限设定值；
T-：温度值范围下限设定值；
tc：检测装置2采集间隔时间；
tr：风机组1运行间隔设定时间；
tn：风机组1运行时间；
IkNn：I表示能见度；下标k表示隧道内的第k个环境监测装置；N表示检测值；下标n表示当前采集周期。下标n-1表示当前采集周期的上一个采集周期，下标n+1表示当前采集周期的下一个采集周期。
NkNn：N表示氮氧化物浓度；下标k表示隧道内的第k个环境监测装置；N表示检测值；下标n表示当前采集周期。下标n-1表示当前采集周期的上一个采集周期，下标n+1表示当前采集周期的下一个采集周期。
CkNn：C表示二氧化碳浓度；下标k表示隧道内的第k个环境监测装置；N表示检测值；下标n表示当前采集周期。下标n-1表示当前采集周期的上一个采集周期，下标n+1表示当前采集周期的下一个采集周期。
TkNn：T表示温度；下标k表示隧道内的第k个温度传感器22；N表示检测值；下标n表示当前采集周期。下标n-1表示当前采集周期的上一个采集周期，下标n+1表示当前采集周期的下一个采集周期。
如图4所示，为本发明一个实施例的基于环境预测的隧道通风控制系统，每个设置风机组1的位置均设置由三台射流风机11构成的一组风机组1，每组风机组1的前后都安装有检测装置2。这样的结构使得，当上一个靠近隧道入口(出口)的位置的多台射流风机11射出气流的流动速度衰减到一定程度时，下一靠近隧道出口(入口)的位置的多台射流风机11继续工作，以实现了从隧道的一端吸入新鲜空气，从隧道的另一端排出污浊空气的目的。
综上所述，本发明实施例的基于环境预测的隧道通风控制方法及系统，利用风速、氮氧化物浓度、二氧化碳浓度、能见度、温度等的变化趋势预测，根据深度学习方法对隧道内的与隧道环境相关的各个指标的变化进行预测，根据预测结果提前对隧道内的风机组的运行状态的进行控制，以在隧道环境未进一步恶化的情况下，有效地进行控制，避免在隧道内污染物超过容许极限时大量启动风机组造成能量负荷过大、能耗浪费的问题。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于环境预测的隧道通风控制方法，其特征在于：包括：
设定与隧道环境相关的各个指标的目标值；
采集当前时刻所述各个指标的检测值；
根据所述各个指标的所述检测值和通过深度学习建立的预测模型，预测下一时刻所述各个指标的预测值；
根据所述各个指标的所述检测值、所述预测值和所述目标值，调节隧道的通风风量。
2.根据权利要求1所述的基于环境预测的隧道通风控制方法，其特征在于：采集当前时刻所述各个指标的所述检测值的方法包括：
在所述隧道内设置多个检测点，在所述多个检测点分别采集当前时刻所述各个指标的所述检测值。
3.根据权利要求1所述的基于环境预测的隧道通风控制方法，其特征在于：与隧道环境相关的所述各个指标包括：
所述隧道内的氮氧化物浓度、二氧化碳浓度、能见度和温度。
4.根据权利要求1所述的基于环境预测的隧道通风控制方法，其特征在于：所述预测模型通过BP神经网络建立。
5.根据权利要求1所述的基于环境预测的隧道通风控制方法，其特征在于：还包括：根据上一时刻所述各个指标的的预测值和当前时刻所述各个指标的的所述检测值，调整所述预测模型。
6.一种基于环境预测的隧道通风控制系统，其特征在于：包括风机组、检测装置和控制装置，所述风机组设置于隧道内，所述检测装置对应于所述风机组设置，所述控制装置分别与所述风机组和所述检测装置连接，其中，
所述检测装置被配置为采集当前时刻与隧道环境相关的各个指标的检测值，所述控制装置被配置为根据所述各个指标的所述检测值和通过深度学习建立的预测模型，预测下一时刻所述各个指标的预测值；根据所述各个指标的所述检测值、所述预测值和预设的所述各个指标的目标值，控制所述风机组的运行状态。
7.根据权利要求6所述的基于环境预测的隧道通风控制系统，其特征在于：在所述隧道内由所述隧道的入口至所述隧道的出口均匀布置多组风机组，各组风机组至少对应设置一个检测装置。
8.根据权利要求7所述的基于环境预测的隧道通风控制系统，其特征在于：所述隧道内设有多个检测点，所述检测装置分别设置于所述检测点上，所述风机组间隔设置于所述检测装置之间。
9.根据权利要求8所述的基于环境预测的隧道通风控制系统，其特征在于：所述控制装置根据各个所述检测点的所述各个指标的所述预测值和所述目标值，控制与所述检测点相邻的风机组的运行状态。
10.根据权利要求6所述的基于环境预测的隧道通风控制系统，其特征在于：所述检测装置包括环境检测装置和温度传感器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711394301.7A CN108133289A (zh) | 2017-12-21 | 2017-12-21 | 基于环境预测的隧道通风控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711394301.7A CN108133289A (zh) | 2017-12-21 | 2017-12-21 | 基于环境预测的隧道通风控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108133289A true CN108133289A (zh) | 2018-06-08 |
Family
ID=62391305
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711394301.7A Pending CN108133289A (zh) | 2017-12-21 | 2017-12-21 | 基于环境预测的隧道通风控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108133289A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109138969A (zh) * | 2018-07-17 | 2019-01-04 | 中国地质大学（武汉） | 一种钻进状态变量的预测方法、设备及存储设备 |
| CN109441519A (zh) * | 2018-10-18 | 2019-03-08 | 谢国兵 | 一种隧道内环境预测调控方法及装置 |
| CN109798262A (zh) * | 2019-02-19 | 2019-05-24 | 重庆交通大学 | 隧道通风系统的动态控制方法 |
| CN109828457A (zh) * | 2019-02-19 | 2019-05-31 | 重庆交通大学 | 隧道通风系统的时滞补偿控制方法 |
| CN111594253A (zh) * | 2020-05-29 | 2020-08-28 | 北京交科公路勘察设计研究院有限公司 | 基于etc门架系统的公路隧道智能通风控制系统及方法 |
| CN111752199A (zh) * | 2020-07-06 | 2020-10-09 | 大连理工大学 | 一种基于实时监测和大数据学习技术的自动化智能风机管理系统及方法 |
| CN112127934A (zh) * | 2020-09-10 | 2020-12-25 | 北京科技大学 | 高海拔高温特长隧道施工变频节能通风系统及方法 |
| CN114000907A (zh) * | 2021-12-10 | 2022-02-01 | 重庆邮电大学 | 一种基于数字孪生技术的矿井通风设备智能调控系统 |
| CN114077269A (zh) * | 2020-08-17 | 2022-02-22 | 青岛平行智能产业管理有限公司 | 基于数据驱动模型的温室环境预测与优化控制方法 |
| CN114263488A (zh) * | 2021-12-24 | 2022-04-01 | 四川省交通勘察设计研究院有限公司 | 基于外部环境自学习的公路隧道通风控制方法及系统 |
| CN114779651A (zh) * | 2022-06-17 | 2022-07-22 | 北京格瑞高科科技股份有限公司 | 一种基于物联网的五恒空间系统的控制方法、装置 |
| CN116754828A (zh) * | 2023-08-21 | 2023-09-15 | 济南瑞源智能城市开发有限公司 | 一种智慧隧道的能耗监测方法、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101581940B (zh) * | 2009-06-05 | 2011-04-27 | 西安电子科技大学 | 基于集成学习时间序列预测的隧道事件检测方法 |
| CN204327147U (zh) * | 2014-11-06 | 2015-05-13 | 西安越度机电科技有限公司 | 一种柔性风管管口风向自适应调节装置 |
| CN106292443A (zh) * | 2016-08-26 | 2017-01-04 | 山东康威通信技术股份有限公司 | 一种隧道内环境检测及风机联动控制器、装置及其方法 |
| CN106599520A (zh) * | 2016-12-31 | 2017-04-26 | 中国科学技术大学 | 一种基于lstm‑rnn模型的空气污染物浓度预报方法 |
| CN107402586A (zh) * | 2017-08-29 | 2017-11-28 | 北京易沃特科技有限公司 | 基于深度神经网络的溶解氧浓度控制方法及系统 |
-
2017
- 2017-12-21 CN CN201711394301.7A patent/CN108133289A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101581940B (zh) * | 2009-06-05 | 2011-04-27 | 西安电子科技大学 | 基于集成学习时间序列预测的隧道事件检测方法 |
| CN204327147U (zh) * | 2014-11-06 | 2015-05-13 | 西安越度机电科技有限公司 | 一种柔性风管管口风向自适应调节装置 |
| CN106292443A (zh) * | 2016-08-26 | 2017-01-04 | 山东康威通信技术股份有限公司 | 一种隧道内环境检测及风机联动控制器、装置及其方法 |
| CN106599520A (zh) * | 2016-12-31 | 2017-04-26 | 中国科学技术大学 | 一种基于lstm‑rnn模型的空气污染物浓度预报方法 |
| CN107402586A (zh) * | 2017-08-29 | 2017-11-28 | 北京易沃特科技有限公司 | 基于深度神经网络的溶解氧浓度控制方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| CHU, BAEKSUK等: "Tunnel ventilation control using reinforcement learning methodology", 《JSME INTERNATIONAL JOURNAL SERIES C-MECHANICAL SYSTEMS MACHINE ELEMENTS AND MANUFACTURING》 * |
| 张作伟: "公路隧道人工光环境的节能控制研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109138969A (zh) * | 2018-07-17 | 2019-01-04 | 中国地质大学（武汉） | 一种钻进状态变量的预测方法、设备及存储设备 |
| CN109441519A (zh) * | 2018-10-18 | 2019-03-08 | 谢国兵 | 一种隧道内环境预测调控方法及装置 |
| CN109798262A (zh) * | 2019-02-19 | 2019-05-24 | 重庆交通大学 | 隧道通风系统的动态控制方法 |
| CN109828457A (zh) * | 2019-02-19 | 2019-05-31 | 重庆交通大学 | 隧道通风系统的时滞补偿控制方法 |
| CN109828457B (zh) * | 2019-02-19 | 2021-11-26 | 重庆交通大学 | 隧道通风系统的时滞补偿控制方法 |
| CN111594253A (zh) * | 2020-05-29 | 2020-08-28 | 北京交科公路勘察设计研究院有限公司 | 基于etc门架系统的公路隧道智能通风控制系统及方法 |
| CN111594253B (zh) * | 2020-05-29 | 2021-12-10 | 北京交科公路勘察设计研究院有限公司 | 基于etc门架系统的公路隧道智能通风控制系统及方法 |
| CN111752199A (zh) * | 2020-07-06 | 2020-10-09 | 大连理工大学 | 一种基于实时监测和大数据学习技术的自动化智能风机管理系统及方法 |
| CN114077269A (zh) * | 2020-08-17 | 2022-02-22 | 青岛平行智能产业管理有限公司 | 基于数据驱动模型的温室环境预测与优化控制方法 |
| CN114077269B (zh) * | 2020-08-17 | 2022-10-28 | 青岛平行智能产业管理有限公司 | 基于数据驱动模型的温室环境预测与优化控制方法 |
| CN112127934B (zh) * | 2020-09-10 | 2021-12-10 | 北京科技大学 | 高海拔高温特长隧道施工变频节能通风系统及方法 |
| CN112127934A (zh) * | 2020-09-10 | 2020-12-25 | 北京科技大学 | 高海拔高温特长隧道施工变频节能通风系统及方法 |
| CN114000907A (zh) * | 2021-12-10 | 2022-02-01 | 重庆邮电大学 | 一种基于数字孪生技术的矿井通风设备智能调控系统 |
| CN114263488A (zh) * | 2021-12-24 | 2022-04-01 | 四川省交通勘察设计研究院有限公司 | 基于外部环境自学习的公路隧道通风控制方法及系统 |
| CN114779651A (zh) * | 2022-06-17 | 2022-07-22 | 北京格瑞高科科技股份有限公司 | 一种基于物联网的五恒空间系统的控制方法、装置 |
| CN116754828A (zh) * | 2023-08-21 | 2023-09-15 | 济南瑞源智能城市开发有限公司 | 一种智慧隧道的能耗监测方法、设备及介质 |
| CN116754828B (zh) * | 2023-08-21 | 2023-12-01 | 济南瑞源智能城市开发有限公司 | 一种智慧隧道的能耗监测方法、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108133289A (zh) | 基于环境预测的隧道通风控制方法及系统 | |
| US10226982B2 (en) | Automatic vehicle climate control based on predicted air quality | |
| CN106092834B (zh) | 大气细颗粒物在线源解析系统及方法 | |
| KR101724263B1 (ko) | 자동 환기시스템 | |
| US5980378A (en) | Arrangement and process for the ventilation of a vehicle interior as a function of harmful gases | |
| CN104265347B (zh) | 一种基于排放速率及浓度的多参数隧道通风控制方法 | |
| CN202788903U (zh) | 应用于隧道施工的通风系统 | |
| CN204840794U (zh) | 一种跑步机 | |
| CN108839662A (zh) | 一种轨道车辆车内压力保护方法、装置及系统 | |
| CN111005890B (zh) | 交通隧道通风控制方法 | |
| CN108150211A (zh) | 基于风速的隧道通风控制方法及系统 | |
| CN108248623A (zh) | 一种火车车厢内空气检测及通风系统 | |
| CN107808540A (zh) | 车辆服务及预警系统 | |
| CN110310562A (zh) | 双层长大隧道火灾重点排烟试验系统 | |
| CN103673223B (zh) | 一种基于送风空气品质预警的新风系统的智能控制方法 | |
| CN109798262B (zh) | 隧道通风系统的动态控制方法 | |
| CN108223009A (zh) | 一种基于污染物浓度的隧道通风控制方法 | |
| JP2007315143A (ja) | 立坑集中排気換気方式道路トンネルの換気制御方法 | |
| CN205281150U (zh) | 一种高海拔集群通风控制系统 | |
| CN205174687U (zh) | 一种车库co控制装置 | |
| CN105525936B (zh) | 公路隧道群通风控制方法 | |
| JP2000027600A (ja) | 道路トンネルの換気システム | |
| CN205422791U (zh) | 一种隧道通风系统 | |
| CN109828457B (zh) | 隧道通风系统的时滞补偿控制方法 | |
| CN221392950U (zh) | 一种烟雾发散装置和车辆 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180608 |