CN109751721A - 一种新风系统的控制方法、装置、存储介质及新风系统 - Google Patents
一种新风系统的控制方法、装置、存储介质及新风系统 Download PDFInfo
- Publication number
- CN109751721A CN109751721A CN201811554331.4A CN201811554331A CN109751721A CN 109751721 A CN109751721 A CN 109751721A CN 201811554331 A CN201811554331 A CN 201811554331A CN 109751721 A CN109751721 A CN 109751721A
- Authority
- CN
- China
- Prior art keywords
- pollutant
- degree
- grey
- fresh air
- association
- 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Abstract
本发明提供一种新风系统的控制方法、装置、存储介质及新风系统,所述方法包括:确定所述新风系统所属室内环境中至少两种污染物的关联度;根据所述关联度对所述至少两种污染物进行聚类,根据聚类结果和数目确定至少一个室内空气控制指标;根据至少一个所述室内空气控制指标,调节所述新风系统,以将室内空气质量调节至设定质量范围内。根据本发明的方案,能够客观、准确的选择控制性指标,可以从单一需求控制优化成多需求控制,有效的检测和准确的计算室内新风需求量,提高变风量系统的有效新风,增加室内舒适性。
Description
技术领域
本发明涉及电器技术领域,尤其涉及一种新风系统的控制方法、装置、存储介质及新风系统,具体涉及一种应用于新风系统的基于灰色理论的多指标新风系统的控制方法、装置、存储介质及新风系统。
背景技术
健康、环保的理念已经渐入人心,改善室内空气质量已经成人们日益普遍的要求。传统的变风量通风系统以湿度或二氧化碳等单一因素作为控制指标,通过检测单一因素控制性指标,当指标的数值大于或者小于预定义的正常范围时,则调节新风阀门开度,以此来改变新风量大小。传统方式下,控制性指标单一,并且选取多靠经验或由用户根据自身感受直接选取,不能准确代表室内空气品质。同时,室内空气的品质受到多种低浓度的污染物的综合影响,污染物种类多,不同污染物对空气品质的影响程度不同,因此有必要对不同污染物与空气品质的关联性进行分析,进而选择新风需求的控制性指标,以确定所需的新风量与新风比。
发明内容
本发明为解决现有技术存在的缺陷,提出了一种新风系统的控制方法、装置、存储介质及新风系统,用以解决现有技术中新风系统的控制性指标单一,并且选取多靠经验或由用户根据自身感受直接选取,不能准确代表室内空气品质的技术问题。
通过灰色理论系统对室内污染物关联度进行描述,并分析得到影响室内空气品质的一个或多个关键性控制指标;通过灰色系统研究污染物之间聚类,将按需求通风控制策略从单一控制性指标优化成多指标需求控制。
根据本发明的第一方面,提供一种新风系统的控制方法,包括:
确定所述新风系统所属室内环境中至少两种污染物的关联度;
根据所述关联度对所述至少两种污染物进行聚类,根据聚类结果和数目确定至少一个室内空气控制指标;
根据至少一个所述室内空气控制指标,调节所述新风系统,以将室内空气质量调节至设定质量范围内。
进一步地,所述确定所述新风系统所属室内环境中至少两种污染物的关联度,包括:
选取所述至少两种污染物,分别检测所述污染物浓度值;为所述至少两种污染物分别构建样本数据;
对所述样本数据进行预处理,根据预处理后得到的数据,计算污染物浓度灰色相对关联度矩阵γ及污染物浓度绝对关联度矩阵ε;
根据所述污染物浓度灰色相对关联度矩阵γ及所述污染物浓度绝对关联度矩阵ε计算得到灰色综合关联度矩阵ρ;
确定所述至少两种污染物中任意两种污染物的关联度。
进一步地,所述根据所述关联度对所述至少两种污染物进行聚类,根据聚类结果和数目确定至少一个室内空气控制指标,包括:
对所述至少两种污染物进行聚类,聚类的规则是将所述至少两种污染物中任意两种污染物的关联度与强关联阈值进行比较,所述关联度大于或等于强关联阈值的所述两种污染物属于同一聚类;
所述室内空气控制指标的数目与聚类的数目相同;
按照预置的室内空气控制指标确定规则从所述聚类结果中确定所述至少一个室内空气控制指标。
进一步地,所述对所述样本数据进行预处理,包括:
所述污染物浓度值按照如下公式进行无量纲化预处理:
其中,xi(k)为预处理后的数据值,Xi(k)为预处理前的数据值,xi(0)为第i个污染物浓度背景值,由室内空气品质评价标准序列中各污染物清洁级别浓度得到,n为所述污染物的样本数据的数量。
进一步地,所述污染物浓度灰色相对关联度矩阵γ的计算方式为:
其中,xi(n)为污染物i的第n个样本的初值像,为初值像xi(n)的始点零化像,k∈(2,n-1),n为所述污染物的样本数据的数量,i,j=1……N,N为选取的污染物的数目,i,j分别表示第i和第j个污染物。
进一步地,所述污染物浓度灰色绝对关联度矩阵ε的计算方式为:
其中,xi(n)为污染物i的第n个样本经预处理后得到的数值,k∈(2,n-1),n为所述污染物的样本数据的数量,i,j=1……N,N为选取的污染物的数目,i,j分别表示第i和第j个污染物。
进一步地,所述根据所述污染物浓度灰色相对关联度矩阵γ及所述污染物浓度绝对关联度矩阵ε计算得到灰色综合关联度矩阵ρ,包括:
ρij=θεij+(1-θ)γij
其中ρij为污染物之间的灰色综合关联度,其中0∈[0,1],i,j=1……N,N为选取的污染物的数目。
根据本发明第二方面,提供一种新风系统的控制装置,其特征在于,包括:
确定关联度模块,用于确定所述新风系统所属室内环境中至少两种污染物的关联度;
确定室内空气控制指标模块,用于根据所述关联度对所述至少两种污染物进行聚类,根据聚类结果和数目确定至少一个室内空气控制指标;
调节模块,用于根据至少一个所述室内空气控制指标,调节所述新风系统,以将室内空气质量调节至设定质量范围内。
进一步地,所述确定关联度模块,包括:
数据获取模块,用于选取所述至少两种污染物,分别检测所述污染物浓度值;为所述至少两种污染物分别构建样本数据;
关联度计算模块,用于对所述样本数据进行预处理,根据预处理后得到的数据,计算污染物浓度灰色相对关联度矩阵γ及污染物浓度绝对关联度矩阵ε;
灰色综合关联度计算模块,用于根据所述污染物浓度灰色相对关联度矩阵γ及所述污染物浓度绝对关联度矩阵ε计算得到灰色综合关联度矩阵ρ;
确定关联度子模块,用于确定所述至少两种污染物中任意两种污染物的关联度。
进一步地,所述确定室内空气控制指标模块,包括:
聚类模块,用于对所述至少两种污染物进行聚类,聚类的规则是将所述至少两种污染物中任意两种污染物的关联度与强关联阈值进行比较,所述关联度大于或等于强关联阈值的所述两种污染物属于同一聚类;
所述室内空气控制指标的数目与聚类的数目相同;
确定室内空气控制指标子模块,用于按照预置的室内空气控制指标确定规则从所述聚类结果中确定所述至少一个室内空气控制指标。
进一步地,所述关联度计算模块,包括:
无量纲化预处理模块,用于对所述污染物浓度值按照如下公式进行无量纲化预处理:
其中,xi(k)为预处理后的数据值,Xi(k)为预处理前的数据值,xi(0)为第i个污染物浓度背景值,由室内空气品质评价标准序列中各污染物清洁级别浓度得到,n为所述污染物的样本数据的数量。
进一步地,所述灰色综合关联度计算模块进一步包括污染物浓度灰色相对关联度计算子模块,用于对污染物浓度灰色相对关联度矩阵γ进行计算:
其中,xi(n)为污染物i的第n个样本的初值像,为初值像xi(n)的始点零化像,k∈(2,n-1),n为所述污染物的样本数据的数量,i,j=1……N,N为选取的污染物的数目,i,j分别表示第i和第j个污染物。
进一步地,所述灰色综合关联度计算模块进一步包括污染物浓度灰色绝对关联度计算子模块,用于对污染物浓度灰色绝对关联度矩阵ε进行计算:
其中,xi(n)为污染物i的第n个样本经预处理后得到的数值,k∈(2,n-1),n为所述污染物的样本数据的数量,i,j=1……N,N为选取的污染物的数目,i,j分别表示第i和第j个污染物。
进一步地,所述灰色综合关联度计算模块,用于对灰色综合关联度进行计算:
ρij=θεij+(1-θ)γij
其中ρij为污染物之间的灰色综合关联度,其中0∈[0,1],i,j=1……N,N为选取的污染物的数目。
根据本发明第三方面,提供一种新风系统,包括如上所述的装置。
根据本发明第四方面,提供一种存储介质,包括用于执行如上所述的新风系统的控制方法的指令。
根据本发明第五方面,提供一种新风系统,包括处理器,用于执行如上所述的新风系统的控制方法。
根据本发明的上述方案,能够客观、准确的选择控制性指标,可以从单一需求控制优化成多需求控制,有效的检测和准确的计算室内新风需求量,提高变风量系统的有效新风,增加室内舒适性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出了根据本发明一优选实施例的基于灰色理论的新风控制系统的结构框图。
图2示出了根据本发明一优选实施例的新风系统的控制方法。
图3示出了根据本发明一具体实施例的基于灰色理论的多指标新风系统的控制方法流程图。
图4示出了根据本发明一具体实施例的基于灰色理论的新风控制关键指标选取流程图。
图5示出了根据本发明一具体实施例的基于灰色理论的多指标新风系统的控制装置的功能方块图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例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做出创造性劳动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。
首先结合图1说明本发明的基于灰色理论的新风控制系统,图1示出了根据本发明的基于灰色理论的新风控制系统的结构框图。如图1所示,所述新风控制系统包括展示层、控制层、设备层和采集层。采集层由若干个传感器构成,用以采集暖通房间内的多种污染物数据浓度(单位ppm),所述污染物数据包括但不限于二氧化碳、一氧化碳、甲醛、二氧化氮、二氧化硫。所述控制层包括新风控制器、变频器,所述新风控制器接收各种污染物浓度数据并对所述污染物浓度数据进行处理以得到关键污染物指标,同时计算所需新风量、风机转速和风阀开度。所述设备层具有轴流风机和风阀电机,所述轴流风机连接所述控制层的新风控制器、变频器,所述轴流风机连接所述变频器,用以根据接收到的控制器信号,所述轴流风机控制风机转速大小,所述风阀电机控制风阀开度变化。所述展示层包括上位机,用以向用户展示相关数据。
以下结合图2说明本发明的新风系统的控制方法。包括以下步骤:
确定所述新风系统所属室内环境中至少两种污染物的关联度;
根据所述关联度对所述至少两种污染物进行聚类,根据聚类结果和数目确定至少一个室内空气控制指标;
根据至少一个所述室内空气控制指标,调节所述新风系统,以将室内空气质量调节至设定质量范围内。
本实施例能够有效选取室内空气控制指标,调节所述新风系统,以将室内空气质量调节至设定质量范围内。
以下结合图3说明本发明基于灰色理论的多指标新风系统控制方法,根据灰色理论,当同一聚类中某个污染物样本浓度值降低时,其他同一聚类样本的浓度值也会同时降低。包括以下步骤:
步骤S301:启动新风系统;
步骤S302:选取N种污染物,以五种污染物X1、X2、X3、X4、X5为例,为所述五种污染物构建样本数据,所述污染物包括但不限于二氧化碳、一氧化碳、甲醛、二氧化氮、二氧化硫。分别为五种污染物构建样本数据,样本数量为大于1的自然数,本实施例设定样本数量为4,使每种污染物具有4个样本数据。通过传感器检测五种污染物浓度的初始值,再通过传感器在不同时刻采集得到当前时刻所述污染物的浓度数据,以构成样本数据;
例如,检测到的数据如表1所示,行数据表示所述五种污染物浓度,列数据表示传感器在不同时刻采集得到当前时刻所述污染物的浓度数据:
污染物浓度 | A | B | C | D | 均值 |
二氧化碳(ppm) | 721.9 | 854.4 | 740.7 | 953.6 | 817.7 |
一氧化碳(ppm) | 1.97 | 3.40 | 1.90 | 3.51 | 2.70 |
甲醛(ppb) | 36.9 | 72.9 | 65.7 | 80.7 | 64.1 |
二氧化氮(ppb) | 4.41 | 18.9 | 11.5 | 14.7 | 13.5 |
二氧化硫(ppb) | 4.28 | 5.05 | 4.44 | 4.62 | 4.60 |
表1
步骤S303:判断样本数量是否大于或等于4,若否,执行步骤S202;
步骤S304:将检测到的污染物浓度数据传输到所述新风需求控制器中,新风需求控制器对输入数据进行数据处理、运算,得出各污染物浓度之间灰色相对关联度γ的矩阵和绝对关联度ε的矩阵;
步骤S305:基于经验值设置调节因子θ的数值或由所述展示层提示用户手动设置调节因子θ的数值;
步骤S306:根据所述灰色相对关联度γ的矩阵和所述绝对关联度ε的矩阵以及设置的调节因子θ的数值,计算得到灰色综合关联度ρ的矩阵,根据灰色综合关联度ρ的矩阵的具体数值,确定所述五种污染物的关联关系,根据关联关系的紧密程度对所述五种污染物聚类,根据得到的聚类的数目关键控制指标的数目,根据聚类结果,按照预先设置的关键污染物确定规则确定所述关键污染物;
例如,所述五种污染物为X1、X2、X3、X4、X5,计算得到的灰色综合关联度ρ的矩阵,其中ρij表示下标为i、j的两种污染物的灰色综合关联度,预设的强关联阈值α为0.7。和均大于预设的强关联阈值α的数值,可以确定所述污染物X1与X2关系紧密,同时所述污染物X1与X3也关系紧密,则将所述污染物X1、X2、X3聚集为同一聚类。进而,确定出所述五种污染物可以聚类为Z1={X1、X2、X3}、Z2={X4、X5},根据聚类的数目确定所述关键控制指标的数目,可以确定针对当前空气进行处理时,关键控制指标为两个,所述关键性指标为最具代表性的指标,是从所述污染物聚类中选出具有代表性的污染物。例如有聚类{二氧化碳、一氧化碳、甲醛},按照预先设置的关键污染物指标确定规则,确定二氧化碳为根据该聚类的关键指标。
所述关键污染物指标确定规则可以根据所述污染物的常见程度、检测难易程度、对应的传感器造价等因素考虑。所述关键污染物确定规则并不仅限于上述规则。
步骤S307:所述新风需求控制器根据所述关键性控制指标计算实时新风需求量;
步骤S308:所述风阀根据所述新风需求控制器传输的信号调整新风比;
步骤S309:所述传感器实时检测关键污染物浓度数据,由所述新风需求控制器判断所述关键污染物浓度是否在标准范围内,若判断结果为否,则执行步骤S207;若判断结果为是,则执行步骤S210;
步骤S310:所述新风控制系统控制室内空气品质保持在良好范围内;
步骤S311:结束该方法。
本实施例以污染物的种类为五种,每种污染物的样本数为4,对新风系统的控制方法进行了说明,基于本方案,能够确定关键性控制指标,即室内空气控制指标,调节所述新风系统,使室内空气品质保持在良好范围内。
以下结合图4说明本发明基于灰色理论的新风控制方法的关键指标选取方法,具体的:
S401:新风控制关键指标选取流程开始;
S402:建立五种污染物X1、X2、X3、X4、X5的浓度样本数据;
所述步骤S304:将检测到的污染物浓度数据传输到所述新风需求控制器中,新风需求控制器对输入数据进行数据处理、运算,得出各污染物浓度之间灰色相对关联度γ的矩阵和绝对关联度ε的矩阵,还包括步骤S403-S408:
S403:所述新风需求控制器对输入数据进行数据处理,即对所述传感器采集到的所述五种污染物浓度进行无量纲化预处理,按照公式(1)进行预处理,以消除所述五个污染物因不同量纲产生的差异性:
其中,xi(k)为预处理后的数据值,Xi(k)为预处理前的数据值,xi(0)为所述第i个污染物浓度背景值,由室内空气品质评价标准序列中各污染物清洁级别浓度得到。
S404:通过相对关联度公式得到所述五个污染物浓度的灰色相对关联度矩阵;具体包括:
参照公式计算所述五种污染物浓度样本的相对关联度,得出各污染物浓度之间灰色相对关联度γ的矩阵,以第一种污染物与其它污染物为例,计算公式如下:
其中,xi(n)为污染物i的第n个样本的初值像,为初值像xi(n)的始点零化像,k∈(2,n-1),i,j分别表示第i和第j个污染物。通过计算,得到所述五种污染物浓度之间灰色相对关联度γ的矩阵如下:
S405:通过绝对关联度公式得到污染物绝对关联度ε的矩阵;具体包括:
参照公式计算所述五种污染物浓度样本的绝对关联度,得出各污染物浓度之间灰色相对关联度ε的矩阵,计算公式如下:
其中,xi(n)为污染物i的第n个样本经预处理后得到的数值,k∈(2,n-1),n为所述污染物的样本数据的数量,i,j=1……N,N为选取的污染物的数目,i,j分别表示第i和第j个污染物。
通过计算,得到所述五种污染物浓度之间灰色绝对关联度ε的矩阵如下:
S406:将相对关联度和绝对关联度结合起来,得到污染物灰色综合关联度。具体公式如下:ρ1i=θε1i+(1-θ)γ1i其中ρ为污染物之间的灰色综合关联度,其中θ∈[0,1],作用是调整综合影响灰色综合关联度的两个因素,即相对关联度和绝对关联度的之间的比例。通常取θ=0.5。求得各污染物的综合关联度矩阵如下:
S407:当θ取固定值时,可以得到各个关联度的精确值。根据ρ值大小可以判断两两间关联度大小,同时分析各污染物的聚类情况。例如,当θ=0.5时的结果值为如下矩阵时:
假设强关联阈值α的数值为0.7,可以看出有ρ12=0.791,ρ15=0.722,ρ34=0.743,从而可以看出,X1,X2,X5为同一聚类,X3,X4为同一聚类。分析得到影响室内空气品质的污染物聚类有两个,即有两个关键性控制指标。
S408:根据关键污染物指标确定规则,确定新风控制关键指标。
S409:新风控制关键指标选取流程结束。
本发明实施例进一步给出实现上述方法实施例中各步骤及方法的装置实施例。能够确定关键性控制指标,即室内空气控制指标,调节所述新风系统,使室内空气品质保持在良好范围内。
请参考图5,其为本发明实施例所提供的基于灰色理论的多指标新风系统的控制装置的功能方块图。如图所示,该装置包括:
一种新风系统的控制装置,其特征在于,包括:
确定关联度模块,用于确定所述新风系统所属室内环境中至少两种污染物的关联度;
确定室内空气控制指标模块,用于根据所述关联度对所述至少两种污染物进行聚类,根据聚类结果和数目确定至少一个室内空气控制指标;
调节模块,用于根据至少一个所述室内空气控制指标,调节所述新风系统,以将室内空气质量调节至设定质量范围内。
由于本实施例中的各模块能够执行图2-4所示的方法,本实施例未详细描述的部分,可参考对图2-4的相关说明。
本发明实施例进一步给出包括如上所述装置的新风系统。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (17)
1.一种新风系统的控制方法,其特征在于,包括:
确定所述新风系统所属室内环境中至少两种污染物的关联度;
根据所述关联度对所述至少两种污染物进行聚类,根据聚类结果和数目确定至少一个室内空气控制指标;
根据至少一个所述室内空气控制指标,调节所述新风系统,以将室内空气质量调节至设定质量范围内。
2.如权利要求1所述的方法,其特征在于,所述确定所述新风系统所属室内环境中至少两种污染物的关联度,包括:
选取所述至少两种污染物,分别检测所述污染物浓度值;为所述至少两种污染物分别构建样本数据;
对所述样本数据进行预处理,根据预处理后得到的数据,计算污染物浓度灰色相对关联度矩阵γ及污染物浓度绝对关联度矩阵ε;
根据所述污染物浓度灰色相对关联度矩阵γ及所述污染物浓度绝对关联度矩阵ε计算得到灰色综合关联度矩阵ρ;
确定所述至少两种污染物中任意两种污染物的关联度。
3.如权利要求2所述的方法,其特征在于,所述根据所述关联度对所述至少两种污染物进行聚类,根据聚类结果和数目确定至少一个室内空气控制指标,包括:
对所述至少两种污染物进行聚类,聚类的规则是将所述至少两种污染物中任意两种污染物的关联度与强关联阈值进行比较,所述关联度大于或等于强关联阈值的所述两种污染物属于同一聚类;
所述室内空气控制指标的数目与聚类的数目相同;
按照预置的室内空气控制指标确定规则从所述聚类结果中确定所述至少一个室内空气控制指标。
4.如权利要求2所述的方法,其特征在于,所述对所述样本数据进行预处理,包括:
所述污染物浓度值按照如下公式进行无量纲化预处理:
其中,xi(k)为预处理后的数据值,Xi(k)为预处理前的数据值,xi(0)为第i个污染物浓度背景值,由室内空气品质评价标准序列中各污染物清洁级别浓度得到,n为所述污染物的样本数据的数量。
5.如权利要求2所述的方法,其特征在于,所述污染物浓度灰色相对关联度矩阵γ的计算方式为:
其中,xi(n)为污染物i的第n个样本的初值像,为初值像xi(n)的始点零化像,k∈(2,n-1),n为所述污染物的样本数据的数量,i,j=1……N,N为选取的污染物的数目,i,j分别表示第i和第j个污染物。
6.如权利要求2所述的方法,其特征在于,所述污染物浓度灰色绝对关联度矩阵ε的计算方式为:
其中,xi(n)为污染物i的第n个样本经预处理后得到的数值,k∈(2,n-1),n为所述污染物的样本数据的数量,i,j=1……N,N为选取的污染物的数目,i,j分别表示第i和第j个污染物。
7.如权利要求2所述的方法,其特征在于,所述根据所述污染物浓度灰色相对关联度矩阵γ及所述污染物浓度绝对关联度矩阵ε计算得到灰色综合关联度矩阵ρ,包括:
ρij=θεij+(1-θ)γij
其中ρij为污染物之间的灰色综合关联度,其中θ∈[0,1],i,j=1……N,N为选取的污染物的数目。
8.一种新风系统的控制装置,其特征在于,包括:
确定关联度模块,用于确定所述新风系统所属室内环境中至少两种污染物的关联度;
确定室内空气控制指标模块,用于根据所述关联度对所述至少两种污染物进行聚类,根据聚类结果和数目确定至少一个室内空气控制指标;
调节模块,用于根据至少一个所述室内空气控制指标,调节所述新风系统,以将室内空气质量调节至设定质量范围内。
9.如权利要求8所述的装置,其特征在于,所述确定关联度模块,包括:
数据获取模块,用于选取所述至少两种污染物,分别检测所述污染物浓度值;为所述至少两种污染物分别构建样本数据;
关联度计算模块,用于对所述样本数据进行预处理,根据预处理后得到的数据,计算污染物浓度灰色相对关联度矩阵γ及污染物浓度绝对关联度矩阵ε;
灰色综合关联度计算模块,用于根据所述污染物浓度灰色相对关联度矩阵γ及所述污染物浓度绝对关联度矩阵ε计算得到灰色综合关联度矩阵ρ;
确定关联度子模块,用于确定所述至少两种污染物中任意两种污染物的关联度。
10.如权利要求9所述的装置,其特征在于,所述确定室内空气控制指标模块,包括:
聚类模块,用于对所述至少两种污染物进行聚类,聚类的规则是将所述至少两种污染物中任意两种污染物的关联度与强关联阈值进行比较,所述关联度大于或等于强关联阈值的所述两种污染物属于同一聚类;
所述室内空气控制指标的数目与聚类的数目相同;
确定室内空气控制指标子模块,用于按照预置的室内空气控制指标确定规则从所述聚类结果中确定所述至少一个室内空气控制指标。
11.如权利要求9所述的装置,其特征在于,所述关联度计算模块,包括:
无量纲化预处理模块,用于对所述污染物浓度值按照如下公式进行无量纲化预处理:
其中,xi(k)为预处理后的数据值,Xi(k)为预处理前的数据值,xi(0)为第i个污染物浓度背景值,由室内空气品质评价标准序列中各污染物清洁级别浓度得到,n为所述污染物的样本数据的数量。
12.如权利要求9所述的装置,其特征在于,所述灰色综合关联度计算模块进一步包括污染物浓度灰色相对关联度计算子模块,用于对污染物浓度灰色相对关联度矩阵γ进行计算:
其中,xi(n)为污染物i的第n个样本的初值像,为初值像xi(n)的始点零化像,k∈(2,n-1),n为所述污染物的样本数据的数量,i,j=1……N,N为选取的污染物的数目,i,j分别表示第i和第j个污染物。
13.如权利要求9所述的装置,其特征在于,所述灰色综合关联度计算模块进一步包括污染物浓度灰色绝对关联度计算子模块,用于对污染物浓度灰色绝对关联度矩阵ε进行计算:
其中,xi(n)为污染物i的第n个样本经预处理后得到的数值,k∈(2,n-1),n为所述污染物的样本数据的数量,i,j=1……N,N为选取的污染物的数目,i,j分别表示第i和第j个污染物。
14.如权利要求9所述的装置,其特征在于,所述灰色综合关联度计算模块,用于对灰色综合关联度进行计算:
ρij=θεij+(1-θ)γij
其中ρij为污染物之间的灰色综合关联度,其中0∈[0,1],i,j=1……N,N为选取的污染物的数目。
15.一种新风系统,包括如权利要求8-14任一项所述的装置。
16.一种存储介质,其特征在于,所述存储介质中存储有多条指令;所述多条指令,用于由处理器加载并执行如权利要求1-7任一所述的新风系统的控制方法。
17.一种新风系统,其特征在于,包括:
处理器,用于执行多条指令;
存储器,用于存储多条指令;
其中,所述多条指令,用于由所述存储器存储,并由所述处理器加载并执行如权利要求1-7任一所述的新风系统的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811554331.4A CN109751721A (zh) | 2018-12-18 | 2018-12-18 | 一种新风系统的控制方法、装置、存储介质及新风系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811554331.4A CN109751721A (zh) | 2018-12-18 | 2018-12-18 | 一种新风系统的控制方法、装置、存储介质及新风系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109751721A true CN109751721A (zh) | 2019-05-14 |
Family
ID=66402852
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811554331.4A Pending CN109751721A (zh) | 2018-12-18 | 2018-12-18 | 一种新风系统的控制方法、装置、存储介质及新风系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109751721A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047178A (zh) * | 2019-12-06 | 2020-04-21 | 上海机电工程研究所 | 基于灰色关联的武器系统效能指标筛选方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105259318A (zh) * | 2015-11-27 | 2016-01-20 | 北京拓扑智鑫环境科技股份有限公司 | 一种基于气象参数的恶臭ou值预测方法和系统 |
CN105912853A (zh) * | 2016-04-08 | 2016-08-31 | 浙江中烟工业有限责任公司 | 一种基于循环修正的组合灰色关联分析方法 |
CN108182231A (zh) * | 2017-12-27 | 2018-06-19 | 贵州联科卫信科技有限公司 | 一种基于灰色关联度的可拓聚类方法及系统 |
CN108592308A (zh) * | 2018-04-04 | 2018-09-28 | 珠海格力电器股份有限公司 | 新风系统控制方法及装置 |
-
2018
- 2018-12-18 CN CN201811554331.4A patent/CN109751721A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105259318A (zh) * | 2015-11-27 | 2016-01-20 | 北京拓扑智鑫环境科技股份有限公司 | 一种基于气象参数的恶臭ou值预测方法和系统 |
CN105912853A (zh) * | 2016-04-08 | 2016-08-31 | 浙江中烟工业有限责任公司 | 一种基于循环修正的组合灰色关联分析方法 |
CN108182231A (zh) * | 2017-12-27 | 2018-06-19 | 贵州联科卫信科技有限公司 | 一种基于灰色关联度的可拓聚类方法及系统 |
CN108592308A (zh) * | 2018-04-04 | 2018-09-28 | 珠海格力电器股份有限公司 | 新风系统控制方法及装置 |
Non-Patent Citations (1)
Title |
---|
张俊雄: "基于预估模糊PID的空调系统控制研究", 《基于预估模糊PID的空调系统控制研究》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047178A (zh) * | 2019-12-06 | 2020-04-21 | 上海机电工程研究所 | 基于灰色关联的武器系统效能指标筛选方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10775068B2 (en) | System and method for managing air quality, and analysis server | |
CN109460793A (zh) | 一种节点分类的方法、模型训练的方法及装置 | |
CN103389979B (zh) | 在输入法中推荐分类词库的系统、装置及方法 | |
CN109960886B (zh) | 一种空气舒适度评价方法、装置及空气调节设备 | |
CN103889051B (zh) | 基于ap id过滤和卡尔曼滤波的室内wlan指纹定位方法 | |
CN110377961A (zh) | 作物生长环境控制方法、装置、计算机设备及存储介质 | |
CN111174370A (zh) | 故障检测方法及装置、存储介质、电子装置 | |
WO2021196483A1 (zh) | 空气调节设备及其控制方法、装置、电子设备 | |
Nakaya | Geographically weighted generalised linear modelling | |
CN110736225A (zh) | 空调的控制方法和装置 | |
CN106352475A (zh) | 空调器神经网络的训练样本采集方法及装置和空调系统 | |
CN109751721A (zh) | 一种新风系统的控制方法、装置、存储介质及新风系统 | |
CN104535618A (zh) | 一种基于电子鼻技术的白酒识别方法 | |
CN112285056B (zh) | 一种用于光谱样品个性化校正集选择及建模方法 | |
CN104569056A (zh) | 一种基于电子鼻技术的白酒识别便携设备 | |
CN116165988A (zh) | 一种汽车中控台的生产质量管控方法及系统 | |
CN111059734A (zh) | 空调的自动控制方法、装置、存储介质和空调设备 | |
CN113685962A (zh) | 一种基于相关性分析的机房温度高效控制方法及其系统 | |
CN111460380B (zh) | 一种基于高斯过程回归的多工况续驶里程预测方法及系统 | |
CN110361982A (zh) | 一种家居设备控制方法、存储介质及智能家居设备 | |
CN111306720B (zh) | 一种设置空调参数的方法和装置 | |
CN112815487B (zh) | 加湿器的控制方法及装置、设备及存储介质 | |
CN114565288A (zh) | 一种新风系统数据采集分析方法、设备及计算机存储介质 | |
WO2021085498A1 (ja) | 移動体制御システム | |
CN109442698A (zh) | 一种空调控制方法、装置、存储介质及空调 |
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: 20190514 |