CN110784838B - 一种基于能量节点的无线传感网络节点部署方法 - Google Patents
一种基于能量节点的无线传感网络节点部署方法 Download PDFInfo
- Publication number
- CN110784838B CN110784838B CN201910890503.3A CN201910890503A CN110784838B CN 110784838 B CN110784838 B CN 110784838B CN 201910890503 A CN201910890503 A CN 201910890503A CN 110784838 B CN110784838 B CN 110784838B
- Authority
- CN
- China
- Prior art keywords
- building
- energy
- point
- model
- energy flow
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Abstract
本发明公开了一种基于能量节点的无线传感网络节点部署方法,主要步骤为:1)采集建筑物环境系统参数;2)利用CFD方法建立建筑物室内能量流动模型;3)利用PCA算法和KPCA算法对建筑物室内能量流动模型的参数进行特征参数提取,得到若干特征参数;4)利用K‑means算法对特征参数对应的空域离散网格进行聚类,从而形成能量节点;5)在能量节点中选取一级聚变点、二级聚变点和稳定点,将传感器分别布置在选取的一级聚变点、二级聚变点和稳定点所在位置上。本发明结合CFD、KPCA和PCA特征提取算法、K‑means聚类算法等方法进行部署方法优化,同时制定可靠的节点选取排布方法,可多次灵活运用于多个区域,对多监控区域的工业建筑环境有实际意义和实用价值。
Description
技术领域
本发明涉及无线传感器网络部署及建筑节能技术领域,具体是一种基于能量节点的无线传感网络节点部署方法。
背景技术
当前工业建筑趋于大面积复杂化,建筑能耗持续上升,节能潜力巨大。建立建筑能耗控制系统是提升建筑能耗的有效的常用手段。其中建筑节点部署为建筑能耗评估系统构建的基础,节点部署直接关系到该系统的时效性、控制难度、信息量和消息准确性。
无线传感器节点部署是建筑能耗控制系统建立时必须解决的问题,是实现能耗监控预测控制的基础。合理的节点部署可以减少信息反馈,提高系统的时效性,减小系统控制难度,实现精确控制。
发明内容
本发明的目的是解决现有技术中存在的问题。
为实现本发明目的而采用的技术方案是这样的,一种基于能量节点的无线传感网络节点部署方法,主要包括以下步骤:
1)采集建筑物环境系统参数。
进一步,所述建筑物环境系统参数包括建筑物的室内外温湿度、光照、风速、建筑物内部结构、建筑物外部结构、建筑物进出口大小、通风量和建筑物内部冷热源布局。建筑物内部冷热源布局包括冷负载器的制冷量、热负载器的制热量和用电设备。
2)利用CFD方法建立建筑物室内能量流动模型。
进一步,利用CFD方法建立建筑物室内能量流动模型的主要步骤如下。
2.1)建立建筑物CAD实体模型和CAE力学模型。
进一步,所述CAD实体模型等比例还原建筑物内部结构和建筑物外部结构。
进一步,CAE力学模型由CAD实体模型网格划分得到。
2.2)设置模型仿真参数、确定边界条件。
2.3)建立建筑物室内能量流动模型。
3)利用PCA算法和KPCA算法对建筑物室内能量流动模型的参数进行特征参数提取,得到若干特征参数。
进一步,利用PCA算法和KPCA算法对建筑物室内能量流动模型的参数进行特征参数提取的主要步骤如下:
3.1)将建筑物室内能量流动模型划分为若干局部控制区域和非控制区域。
3.2)利用PCA算法对每个局部控制区域的线性参数进行特征参数提取。
3.3)利用KPCA算法对建筑物室内能量流动模型的非线性参数进行特征提取。
4)利用K-means算法对特征参数对应的空域离散网格进行聚类,从而形成能量节点。
进一步,利用K-means算法对特征参数对应的空域离散网格进行聚类的主要步骤如下:
4.1)利用K-means算法对特征参数对应的空域离散网格进行聚类,使每个簇的能量流动状态参数E满足Emin≤E≤Emax。Emin和Emax分别表示预设的能量流动状态参数最小值和最大值。
4.2)将每个簇设置为能量节点。
5)在能量节点中选取一级聚变点、二级聚变点和稳定点,将传感器分别布置在选取的一级聚变点、二级聚变点和稳定点所在位置上。
进一步,按照能量流动状态参数E波动误差值,对应的能量节点依次划分被为一级聚变点、二级聚变点和稳定点。其中,一级聚变点在整体建筑范围内的能量流动状态参数E波动误差最大。二级聚变点在各自局部控制范围内的能量流动状态参数E波动误差最大。稳定点在各自局部控制范围内的能量流动状态参数E波动误差最小。
进一步,每级聚变点包括聚变源点和聚变末端点。
进一步,二级聚变源点和一级聚变源点连线方向与风向一致;二级聚变末端点和一级聚变末端点连线方向与风向一致。
本发明的技术效果是毋庸置疑的。本发明针对建筑能耗控制系统的节点部署问题,基于覆盖、信息量、信息准确度和运行能耗等四个方面实用价值和实际系统要求,提出一种基于能量节点的工业建筑无线传感器部署方法,结合CFD、KPCA和PCA特征提取算法、K-means聚类算法等方法进行部署方法优化,同时制定可靠的节点选取排布方法,可多次灵活运用于多个区域,对多监控区域的工业建筑环境有实际意义和实用价值,进而对建筑节能方面有积极作用。本发明使用少量节点,覆盖了多块检测区域,结构灵活,可精简系统反馈的信息量,降低系统运行能耗,降低系统信息错误率,进而提高系统稳定性。
附图说明
图1为节点部署流程示意图;
图2为局部控制区域聚类效果;
图3为能量节点、能量节点范围和能量节点区域。
具体实施方式
下面结合实施例对本发明作进一步说明,但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下,根据本领域普通技术知识和惯用手段,做出各种替换和变更,均应包括在本发明的保护范围内。
实施例1:
参见图1至图3,一种基于能量节点的无线传感网络节点部署方法,主要包括以下步骤:
1)采集建筑物环境系统参数。
进一步,所述建筑物环境系统参数包括建筑物的室内外温湿度、光照、风速、建筑物内部结构、建筑物外部结构、建筑物进出口大小、通风量和建筑物内部冷热源布局。建筑物内部冷热源布局包括冷负载器的制冷量、热负载器的制热量和用电设备。
2)利用CFD(Computational Fluid Dynamics计算流体力学)方法建立建筑物室内能量流动模型。
进一步,利用CFD方法建立建筑物室内能量流动模型的主要步骤如下。
2.1)建立建筑物CAD实体模型和CAE力学模型。
进一步,所述CAD实体模型等比例还原建筑物内部结构和建筑物外部结构。
进一步,CAE力学模型由CAD实体模型网格划分得到。
2.2)设置模型仿真参数、确定边界条件。
2.3)建立建筑物室内能量流动模型。
3)利用PCA算法和KPCA算法对建筑物室内能量流动模型的参数进行特征参数提取,得到若干特征参数。
进一步,利用PCA算法和KPCA算法对建筑物室内能量流动模型的参数进行特征参数提取的主要步骤如下:
3.1)将建筑物室内能量流动模型划分为若干局部控制区域和非控制区域。
3.2)利用PCA算法对每个局部控制区域的线性参数进行特征参数提取。
3.3)利用KPCA算法对建筑物室内能量流动模型的非线性参数进行特征提取。
4)利用K-means算法对特征参数对应的空域离散网格进行聚类,从而形成能量节点。
进一步,利用K-means算法对特征参数对应的空域离散网格进行聚类的主要步骤如下:
4.1)利用K-means算法对特征参数对应的空域离散网格进行聚类,使每个簇的能量流动状态参数E尽可能满足Emin≤E≤Emax。Emin和Emax分别表示预设的能量流动状态参数最小值和最大值。
4.2)将每个簇设置为能量节点。每个簇的能量流动状态参数E属于一个设定范围,即温湿度和风速也限制在设定范围,称为能量节点范围。能量节点范围一般与实验建筑所使用的温湿度传感器误差范围一致,能量节点在空域上也对应着一个空间区域,称为能量节点区域。由于能量节点范围内参数波动可忽略,采用中心点的参数值来代表这整个簇的值。结合实际节点排布,能量节点中心点的值即是传感器节点测量的值,能量节点区域即是传感器测量值所能代表的空间区域。
参见图3,其中一个能量节点A的温度T满足Tmin≤T≤Tmax,湿度H满足Hmin≤H≤Hmax,风速V满足Vmin≤V≤Vmax。
5)在能量节点中选取一级聚变点、二级聚变点和稳定点,将传感器分别布置在选取的一级聚变点、二级聚变点和稳定点所在位置上。
进一步,按照能量流动状态参数E即同一个簇的能量波动误差值,依据能量波动误差值得大小将对应簇的能量节点依次被划分为一级聚变点、二级聚变点和稳定点。其中,一级聚变点在整体建筑范围内的能量流动状态参数E波动误差最大。二级聚变点在各自局部控制范围内的能量流动状态参数E波动误差最大。稳定点在各自局部控制范围内的能量流动状态参数E波动误差最小。
进一步,每级聚变点包括聚变源点和聚变末端点。
进一步,二级聚变源点和一级聚变源点连线方向与风向一致。二级聚变末端点和一级聚变末端点连线方向与风向一致。
实施例2:
一种应用基于能量节点的无线传感网络节点部署方法的实验,主要包括以下步骤:
1)选取办公室为建筑系统背景。
2)CFD模型分析
采集实际建筑环境系统参数包括建筑的室内外温湿度、光照和风速、建筑物具体内外部结构、建筑物进出口大小和通风量、建筑冷(热)负载器的制冷(热)量和用电设备等冷(热)源布局。
调查建筑实际内外部结构,按真实比例构建建筑的三维实体CAD模型,通过对CAD实体模型进行网格划分得到CAE模型,通过分析正交质量和最大(小)网格体积分析网格质量。
针对CFD模拟,采用FLUENT软件进行模拟,Fluent的物理模型包括多相流模型、湍流模型、辐射模型、热交换模型、能量方程、湍流模型、辐射模型、热交换模型、多组分模型、离散相模型和噪音模型。
选择能量方程,用于进行空间能量计算。选择湍流模型,选用RNG k-ε模型来近似室内气流湍动效应,将S2S与DO模型耦合到热流动建模中,根据室外气象参数来给定外墙与外窗壁面的热边界条件。
选择辐射模型,选择使用功能更为强大的离散坐标(discrete ordinates,DO)辐射模型。对于外墙的壁面,由于受室外气象参数、墙体传热、内壁面与室内空气的对流换热,以及与其它表面间的辐射换热。但如果建筑的外墙内壁面的热边界条件非常复杂不包含外窗时,可应用计算效率较高的角系数(surface to surface,S2S)辐射模型。在本实验中需要考虑透过外窗的辐射传热时,则选择DO模型。
选择多组分模型,因为在本模型中要考虑湿度,所以在模拟水蒸气在空气中的含量。所以选择通用有限速度模型。
3)CFD模拟参数分析
根据模拟结果,温度、湿度和风速三个参数在小范围内线性分布,但在大范围内非线性分布,所以分别运用PCA和KPCA算法对线性参数和非线性参数进行特征参数提取,得到能量流动参数E的三维分布图,再运用K-means算法对特征参数进行聚类形成能量节点。
特征参数使用K-means算法聚类,空间离散节点聚类成有限个簇,每个簇的能量流动状态参数E属于一个设定范围,即温湿度和风速也限制在设定范围,称为能量节点范围。能量节点范围一般与实验建筑所使用的温湿度传感器误差范围一致,能量节点在空域上也对应着一个空间区域,称为能量节点区域。由于能量节点范围内参数波动可忽略,采用中心点的参数值来代表这整个簇的值。结合实际节点排布,能量节点中心点的值即是传感器节点测量的值,能量节点区域即是传感器测量值所能代表的空间区域。
4)能量节点选取和排布
一级聚变点:能量波动范围最大的能量节点设置为一级聚变源点、一级聚变末端。能量输入的源头,是引起一系列空间参数变化的原因,能量输出的末端是空间经历一系列变化后输出的能量参数,两点往往是各种因素影响下的聚变点,也是能量流动变化最剧烈的点,在很大程度上代表了整个空间能量流动的过程。
二级聚变点:在控制范围内,能量输入输出由风速风向等多因素决定,且不具备封闭性,导致空间能量流动测量困难。分析实验建筑CFD模拟的温湿度和风速分布云图发现,控制区域边缘上的点最先受到波动影响。能量源点输入的能量以风向的方向进入控制区域,再以风向的方向进入能量末端。所以二级聚变源点和末端为控制区域边缘,能量节点范围波动较大的点,二级聚变源点与一级聚变源点连线方向,二级聚变末端与一级聚变末端连线方向和风向大致相同。这两点即是局部范围内的能量源点和末端。
稳定点设置局部范围内节点范围波动最小的点为稳定点。选取的节点为空间中受能量输入输出影响最小的点,用于反映局部区域在无能量波动状况下的基本能量状况。
Claims (7)
1.一种基于能量节点的无线传感网络节点部署方法,其特征在于,主要包括以下步骤:
1)采集建筑物环境系统参数;
2)利用CFD方法建立所述建筑物室内能量流动模型;
利用CFD方法建立建筑物室内能量流动模型的主要步骤如下;
2.1)建立建筑物CAD实体模型和CAE力学模型;
2.2)设置模型仿真参数、确定边界条件;
2.3)建立建筑物室内能量流动模型;
3)利用PCA算法和KPCA算法对建筑物室内能量流动模型的参数进行特征参数提取,得到若干特征参数;
利用PCA算法和KPCA算法对建筑物室内能量流动模型的参数进行特征参数提取的主要步骤如下:
3.1)将建筑物室内能量流动模型划分为若干局部控制区域和非控制区域;
3.2)利用PCA算法对每个局部控制区域的线性参数进行特征参数提取;
3.3)利用KPCA算法对建筑物室内整体能量流动模型的非线性参数进行特征提取;
4)利用K-means算法对特征参数对应的空域离散网格进行聚类,从而形成能量节点;
5)在能量节点中选取一级聚变点、二级聚变点和稳定点,将传感器分别布置在选取的一级聚变点、二级聚变点和稳定点所在位置上;
按照能量流动状态参数E即同一个簇的能量波动误差值,依据能量波动误差值得大小将对应簇的能量节点依次被划分为一级聚变点、二级聚变点和稳定点;其中,一级聚变点在整体建筑范围内的能量流动状态参数E波动误差最大;二级聚变点在各自局部控制范围内的能量流动状态参数E波动误差最大;稳定点在各自局部控制范围内的能量流动状态参数E波动误差最小。
2.根据权利要求1所述的一种基于能量节点的无线传感网络节点部署方法,其特征在于:所述建筑物环境系统参数包括建筑物的室内外温湿度、光照、风速、建筑物内部结构、建筑物外部结构、建筑物进出口大小、通风量和建筑物内部冷热源布局;建筑物内部冷热源布局包括冷负载器的制冷量、热负载器的制热量和用电设备。
3.根据权利要求1所述的一种基于能量节点的无线传感网络节点部署方法,其特征在于:所述CAD实体模型等比例还原建筑物内部结构和建筑物外部结构。
4.根据权利要求3所述的一种基于能量节点的无线传感网络节点部署方法,其特征在于:CAE力学模型由CAD实体模型网格划分得到。
5.根据权利要求1所述的一种基于能量节点的无线传感网络节点部署方法,其特征在于,利用K-means算法对特征参数进行聚类的主要步骤如下:
1)利用K-means算法对特征参数对应的空域离散网格进行聚类,使每个簇的能量流动状态参数E满足Emin≤E≤Emax;Emin和Emax分别表示预设的能量流动状态参数最小值和最大值;
2)将每个簇设置为能量节点。
6.根据权利要求1所述的一种基于能量节点的无线传感网络节点部署方法,其特征在于:每级聚变点包括聚变源点和聚变末端点。
7.根据权利要求1所述的一种基于能量节点的无线传感网络节点部署方法,其特征在于:二级聚变源点和一级聚变源点连线方向与风向一致;二级聚变末端点和一级聚变末端点连线方向与风向一致。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910890503.3A CN110784838B (zh) | 2019-09-20 | 2019-09-20 | 一种基于能量节点的无线传感网络节点部署方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910890503.3A CN110784838B (zh) | 2019-09-20 | 2019-09-20 | 一种基于能量节点的无线传感网络节点部署方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110784838A CN110784838A (zh) | 2020-02-11 |
CN110784838B true CN110784838B (zh) | 2021-02-09 |
Family
ID=69383615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910890503.3A Active CN110784838B (zh) | 2019-09-20 | 2019-09-20 | 一种基于能量节点的无线传感网络节点部署方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110784838B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107688698A (zh) * | 2017-08-09 | 2018-02-13 | 安徽省建筑科学研究设计院 | 一种建筑单元内温度传感器布置方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2455077A (en) * | 2007-11-27 | 2009-06-03 | Polyhedron Software Ltd | Estimating the state of a physical system using generalized nested factorisation |
CN102014398B (zh) * | 2010-09-21 | 2013-04-03 | 上海大学 | 基于差分进化算法的大规模工业无线传感器网络最优部署方法 |
CN102271422B (zh) * | 2011-04-11 | 2015-04-22 | 江苏大学 | 一种基于wsn的光伏温室监控系统及构建方法 |
CN103092158A (zh) * | 2012-12-31 | 2013-05-08 | 深圳先进技术研究院 | 一种基于无线传感器网络的大型建筑能耗实时监控系统 |
CN105973473A (zh) * | 2016-03-24 | 2016-09-28 | 合肥瑞石测控工程技术有限公司 | 基于目标表面温度分布的空间温度场重构方法及装置 |
CN106792749B (zh) * | 2016-12-27 | 2019-12-06 | 重庆大学 | 基于cfd和聚类算法的无线传感器网络节点部署方法 |
CN107545100B (zh) * | 2017-07-31 | 2020-05-05 | 江苏大学 | 一种venlo型温室环境的高分辨率降阶建模方法 |
-
2019
- 2019-09-20 CN CN201910890503.3A patent/CN110784838B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107688698A (zh) * | 2017-08-09 | 2018-02-13 | 安徽省建筑科学研究设计院 | 一种建筑单元内温度传感器布置方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110784838A (zh) | 2020-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gracik et al. | Effect of urban neighborhoods on the performance of building cooling systems | |
CN107545100B (zh) | 一种venlo型温室环境的高分辨率降阶建模方法 | |
Raatikainen et al. | Intelligent analysis of energy consumption in school buildings | |
Zhou et al. | Comparison of HVAC system modeling in EnergyPlus, DeST and DOE-2.1 E | |
CN103995548B (zh) | 基于模型降阶和多模型预测控制的室内热环境控制方法 | |
US20120072181A1 (en) | Method and apparatus for optimizing hvac systems in buildings | |
CN110489835B (zh) | 基于Ansys软件的自然通风与墙体蓄热耦合模拟方法 | |
Tahmasebi et al. | Optimization-based simulation model calibration using sensitivity analysis | |
Wu et al. | Multi-stage regression linear parametric models of room temperature in office buildings | |
CN114200986A (zh) | 一种考虑作物生产效益和节省能耗的温室环境优化设计方法 | |
JP7459935B2 (ja) | 推定方法、シミュレーション方法、推定装置、及び推定プログラム | |
Pan et al. | Thermal inertia: Towards an energy conservation room management system | |
CN110784838B (zh) | 一种基于能量节点的无线传感网络节点部署方法 | |
Bagheri et al. | Coupling building thermal network and control system, the first step to smart buildings | |
Fang et al. | Comprehensive clustering method to determine coincident design day for air-conditioning system design | |
CN111222237A (zh) | 直热类电采暖设备的建模处理方法及装置 | |
CN102867084A (zh) | 超大型逆流式自然通风冷却塔工艺设计三维仿真计算方法 | |
Zhang et al. | Annual coupled EnergyPlus and computational fluid dynamics simulation of natural ventilation | |
CN115344919A (zh) | 建筑内部环境分析方法、装置、设备及介质 | |
CN114186353A (zh) | 一种基于数值模拟的大空间空调交叉影响因子的计算方法 | |
Tate et al. | Computational fluid dynamics and data–based mechanistic modelling of a forced ventilation chamber | |
Royer et al. | Towards a generic procedure for modeling buildings and their thermal zones | |
CN111222230A (zh) | 热泵类电采暖设备的建模处理方法及装置 | |
CN111488644A (zh) | 一种基于中庭天窗材质的高大空间能耗优化方法 | |
KR20200022952A (ko) | 도시의 형상 및 에너지 소비 패턴을 이용한 도시 유형 구분 방법 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |