CN111637607A - 一种改善空气质量的方法及系统 - Google Patents
一种改善空气质量的方法及系统 Download PDFInfo
- Publication number
- CN111637607A CN111637607A CN202010453058.7A CN202010453058A CN111637607A CN 111637607 A CN111637607 A CN 111637607A CN 202010453058 A CN202010453058 A CN 202010453058A CN 111637607 A CN111637607 A CN 111637607A
- Authority
- CN
- China
- Prior art keywords
- air
- particulate matter
- detected
- characteristic
- concentration value
- 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
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/56—Remote control
- F24F11/58—Remote control using Internet communication
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
- F24F11/74—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/50—Air quality properties
- F24F2110/64—Airborne particle content
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/50—Air quality properties
- F24F2110/65—Concentration of specific substances or contaminants
- F24F2110/66—Volatile organic compounds [VOC]
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/50—Air quality properties
- F24F2110/65—Concentration of specific substances or contaminants
- F24F2110/70—Carbon dioxide
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Fluid Mechanics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明实施例提供一种改善空气质量的方法及系统,所述方法包括:预先设定各粒径区间;检测被测区域空气中被测颗粒物在各粒径区间的浓度值;获取所述被测区域的颗粒物特性影响因子;其中,所述颗粒物特性影响因子是基于所述被测区域的天气数据、疫情信息和应用场所数据得到的;根据所述浓度值和所述颗粒物特性影响因子,生成控制策略;其中,所述控制策略包括待开启空气改善设备的唯一标识和控制指令;按照所述控制指令对所述唯一标识对应的空气改善设备进行控制。应用本发明实施例提供的方法改善空气质量时,可以获得空气的真实质量情况,进而可以根据空气质量的真实情况选用合适的空气改善设备,实现对空气质量的精准改善。
Description
技术领域
本发明涉及空气质量改善技术领域,特别涉及一种改善空气质量的方法及系统。
背景技术
现有技术中,评价空气质量的主要指标有PM2.5、PM10以及一些化学物质的含量等,其中,PM2.5是指单位体积的空气中粒径小于等于2.5μm颗粒物的总重量,PM10是指单位体积的空气中粒径小于等于10μm颗粒物的总重量。
事实上,颗粒物粒径越小越容易通过呼吸道吸入人体体内,而且,小粒径颗粒物的浓度越大,对人体危害也越严重。所谓的颗粒物浓度是指,单位体积的空气中含某种粒径颗粒物的总数量。
当小粒径颗粒物浓度较大,而大颗粒物浓度较低时,所测得的PM2.5、PM10值极有可能是低于限定值的,即表明空气质量较好,而事实上极有可能是小粒径颗粒物浓度很大的情况,而这种情况显然对人体危害较大。由于现有的PM2.5、PM10的空气质量评价方法并不对颗粒物粒径大小进行区分,因而难以反映出不同粒径颗粒物的分布情况。
可见,现有技术中将单位体积中颗粒物的总重量作为评价空气质量指标并不能真实地反映出空气中颗粒物的分布情况,若基于该指标来选用空气改善设备并对其进行控制,则难以选择出合适的空气改善设备,具有一定的局限性,而且也难以利用空气改善设备对空气质量进行精准改善。
发明内容
本发明实施例提供一种改善空气质量的方法及系统,以根据空气质量的真实情况选用合适的空气改善设备,并利用所选用的空气改善设备对空气质量进行精准改善。
为达到上述目的,本发明实施例公开了一种改善空气质量的方法,所述方法包括:
预先设定各粒径区间;
检测被测区域空气中被测颗粒物在各粒径区间的浓度值;
获取所述被测区域的颗粒物特性影响因子;其中,所述颗粒物特性影响因子是基于所述被测区域的天气数据、疫情信息和应用场所数据得到的;
根据所述浓度值和所述颗粒物特性影响因子,生成控制策略;其中,所述控制策略包括待开启空气改善设备的唯一标识和控制指令;
按照所述控制指令对所述唯一标识对应的空气改善设备进行控制。
优选地,所述根据所述浓度值和所述颗粒物特性影响因子,生成控制策略包括:
将所述浓度值和所述颗粒物特性影响因子输入至预先训练得到的空气质量分析模型,所述空气质量分析模型为利用机器学习算法对预设的训练数据进行迭代运算而生成的数学模型,根据所述空气质量分析模型的输出得到被测颗粒物的特性和指数;
根据所述被测颗粒物的特性和指数生成控制策略。
优选地,所述粒径区间包括以下任意两个或多个:0.3~0.5、0.5~1、1~2.5、2.5~5、5~10、10~+∞,粒径单位为μm。
优选地,所述方法还包括:获取所述被测区域空气中的化学成分数据;
所述根据所述浓度值和所述颗粒物特性影响因子,生成控制策略包括:
根据所述浓度值、所述化学成分数据和所述颗粒物特性影响因子,生成控制策略。
优选地,所述被测颗粒物的特性包括以下任意一种或多种:PM2.5、CO2、TVOC、降尘、飘尘、病菌、病毒。
优选地,所述按照所述控制指令对所述唯一标识对应的空气改善设备进行控制包括:
获取与所述被测颗粒物的特性对应的指数阈值;
当所述被测颗粒物的指数大于所述指数阈值时,开启与所述被测颗粒物的特性相对应的空气改善设备;
当所述被测颗粒物的指数不大于所述指数阈值时,关闭与所述被测颗粒物的特性相对应的空气改善设备。
优选地,所述检测被测区域空气中被测颗粒物对应各粒径区间的各浓度值包括:
将被测区域的空气按照设定速度输送至暗室;
用激光光束照射所述空气,并利用光电接收器将光信号转换为电信号;其中,所述光电接收器与激光光束成预设角度;
根据所述电信号的脉冲强度确定被测颗粒物的粒径大小,并利用电信号的脉冲数进行计数;
根据各被测颗粒物的粒径大小、所述电信号的脉冲数和所述空气的设定速度,确定被测颗粒物对应各粒径区间的浓度值。
优选地,所述当所述被测颗粒物的指数大于所述指数阈值时,开启与所述被测颗粒物的特性相对应的空气改善设备包括:
当病毒或病菌的浓度值大于第一设定值时,打开杀毒灭菌设备;
当飘尘的浓度值大于第二设定值时,打开空气净化设备;
当CO2和TVOC的浓度值大于第三设定值时,开启新风设备,并根据实时检测的浓度值调整新风风量大小;
当PM2.5大于第四设定值时,根据室外PM2.5确定选择开启新风设备或是开启空气净化设备。
为达到上述目的,本发明实施例公开了一种改善空气质量的系统,所述系统包括:空气探测设备、云服务器和空气改善设备;所述空气改善设备包括以下任意一种或多种:杀毒灭菌设备、空气净化设备、新风设备和空调设备;
所述空气探测设备,用于检测被测区域空气中被测颗粒物在预先设定的各粒径区间的浓度值,并将各浓度值上传至所述云服务器;
所述云服务器,用于获取所述被测区域的颗粒物特性影响因子;根据所述浓度值和所述颗粒物特性影响因子生成控制策略;所述控制策略包括待开启空气改善设备的唯一标识和控制指令;按照所述控制指令对所述唯一标识对应的空气改善设备进行控制;其中,所述颗粒物特性影响因子是基于所述被测区域的天气数据、疫情信息和应用场所数据得到的。
优选地,所述云服务器,具体用于将所述浓度值和所述颗粒物特性影响因子输入至预先训练得到的空气质量分析模型,所述空气质量分析模型为利用机器学习算法对预设的训练数据进行迭代运算而生成的数学模型,根据所述空气质量分析模型的输出得到被测颗粒物的特性和指数;根据所述被测颗粒物的特性和指数生成控制策略。
本发明实施例提供一种改善空气质量的方法及系统,在该方法中,将颗粒物对应各粒径区间的浓度值作为评价空气质量好坏的指标,能够避免高浓度小粒径颗粒物和低浓度的大粒径颗粒物混合时将空气质量错误地检测为较好的情况,即使颗粒物粒径再小,虽然其总重量很轻,但是由于其浓度值较高也依然可以确定空气质量较差。由此可见,本发明方案反映了空气的真实质量情况,进而可以根据空气质量的真实情况选用合适的空气改善设备,实现对空气质量的精准改善。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种改善空气质量的方法的流程图;
图2为本发明实施例提供的一种改善空气质量的方法的另一流程图;
图3为本发明实施例提供的一种改善空气质量的系统的结构图。
具体实施方式
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,所描述的实施例仅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。
为了能够根据空气质量的真是情况选用合适的空气改善设备,并利用所选用的空气改善设备对空气质量进行精准改善,本发明实施例提供了一种改善空气质量的方法及系统。
如图1所示,为本发明实施例提供的一种改善空气质量的方法的流程图,所述方法包括:
S101:预先设定各粒径区间。
为了更准确的反应被测区域的空气质量,本发明预先设定了多个粒径区间,从而可以根据被测区域空气中颗粒物的粒径大小分段统计浓度数据。
一种优选实现方式中,粒径区间包括以下任意两个或多个:0.3~0.5、0.5~1、1~2.5、2.5~5、5~10、10~+∞,粒径单位为μm。
当然,上述粒径区间设定方式仅仅为本发明的一种优选实现方式,本发明不限定粒径区间的区间端点的具体数值,也不对所设定粒径区间的具体数量进行限定。
S102:检测被测区域空气中被测颗粒物在各粒径区间的浓度值。
被测颗粒物在各粒径区间的浓度值,是指单位体积内对应于各粒径区间的被测颗粒物的数量。
可以理解的是,通过检测对应于各粒径区间的被测颗粒物的浓度值,能够获得不同大小的被测颗粒物的分布情况,进而可以更好地确定是小粒径颗粒物浓度较大的情况(空气质量差),还是大粒径颗粒物浓度较低的情况(空气质量优),有利于后续准确选取空气改善设备。
一种实现方式中,可以按照如下方式检测浓度值:
(1)将被测区域的空气按照设定速度输送至暗室。
(2)用激光光束照射所述空气,并利用光电接收器将光信号转换为电信号;其中,所述光电接收器与激光光束成预设角度。
(3)根据所述电信号的脉冲强度确定被测颗粒物的粒径大小,并利用电信号的脉冲数进行计数。
(4)根据各被测颗粒物的粒径大小、所述电信号的脉冲数和所述空气的设定速度,确定被测颗粒物对应各粒径区间的浓度值。
需要说明的是,上述检测浓度值的方式为本发明实施例的一种具体方式,本发明不限定浓度值的具体检测方式。
S103:获取所述被测区域的颗粒物特性影响因子。
其中,所述颗粒物特性影响因子是基于所述被测区域的天气数据、疫情信息和应用场所数据得到的。
一种实现方式中,被测区域的颗粒物特性影响因子,可以通过互联网访问第三方数据服务器来获取。
S104:根据所述浓度值和所述颗粒物特性影响因子,生成控制策略。
其中,所述控制策略包括待开启空气改善设备的唯一标识和控制指令。
一种实现方式中,可以按照如下方式生成控制策略:
(1)将所述浓度值和所述颗粒物特性影响因子输入至预先训练得到的空气质量分析模型,所述空气质量分析模型为利用机器学习算法对预设的训练数据进行迭代运算而生成的数学模型,根据所述空气质量分析模型的输出得到被测颗粒物的特性和指数;
(2)根据所述被测颗粒物的特性和指数生成控制策略。
具体地,被测颗粒物的特性包括以下任意一种或多种:PM2.5、CO2、TVOC、降尘、飘尘、病菌、病毒。
被测颗粒物的指数是用于衡量被测区域空气中颗粒物浓度值大小的指标,指数数值越大表明被测颗粒物的浓度值越大,对人体危害程度也越大,反之,指数数值越小表明被测颗粒物的浓度值越小,对人体危害程度也越小。
一种实现方式中,可以将被测颗粒物依据浓度值量化为0到10十个等级即指数。比如,被测区域空气中一粒径区间的浓度值为900m-3,其量化后的指数数值为9。
需要说明的是,本发明不限定指数等级的数量,也不限定指数量化的具体比例,本领域内的技术人员可以根据实际应用中的浓度值与对人体危害的对应关系进行合理设置。
需要说明的是,本发明不限定建立空气质量分析模型所采用的具体学习算法,本领域内的技术人员可以根据实际应用中的具体情况进行合理的选择。
S105:按照所述控制指令对所述唯一标识对应的空气改善设备进行控制。
一种实现方式中,按照如下方式对唯一标识对应的空气改善设备进行控制:
(1)获取与所述被测颗粒物的特性对应的指数阈值;
(2)当所述被测颗粒物的指数大于所述指数阈值时,开启与所述被测颗粒物的特性相对应的空气改善设备;
(3)当所述被测颗粒物的指数不大于所述指数阈值时,关闭与所述被测颗粒物的特性相对应的空气改善设备。
更具体地,当所述被测颗粒物的指数大于所述指数阈值时,按照如下方式开启与所述被测颗粒物的特性相对应的空气改善设备:
(a)当病毒或病菌的浓度值大于第一设定值时,打开杀毒灭菌设备;
(b)当飘尘的浓度值大于第二设定值时,打开空气净化设备;
(c)当PM2.5大于第四设定值时,根据室外PM2.5确定选择开启新风设备或是开启空气净化设备。
应用本发明实施例提供的方法改善空气质量时,将颗粒物对应各粒径区间的浓度值作为评价空气质量好坏的指标,能够避免高浓度小粒径颗粒物和低浓度的大粒径颗粒物混合时将空气质量错误地检测为较好的情况,即使颗粒物粒径再小,虽然其总重量很轻,但是由于其浓度值较高也依然可以确定空气质量较差。由此可见,本发明方案反映了空气的真实质量情况,进而可以根据空气质量的真实情况选用合适的空气改善设备,实现对空气质量的精准改善。
下面结合一个具体实例,对本发明实施例提供的改善空气质量的方法进行说明。
预先设定各粒径区间:0.3~0.5、0.5~1、1~2.5、2.5~5、5~10,粒径单位为μm;
检测被测区域空气中被测颗粒物在各粒径区间的浓度值为:
通过互联网访问第三方数据服务器获得该被测区域的颗粒物特性影响因子,基于该颗粒物特性影响因子可知被测区域为医院、且该被测区域为疫情区域。
将浓度值和颗粒物特性影响因子输入至预先训练得到的空气质量分析模型,可以得到各粒径区间被测颗粒物的指数为:
粒径区间(μm) | 指数 |
0.3~0.5 | 8 |
0.5~1 | 5 |
1~2.5 | 2 |
2.5~5 | 1 |
5~10 | 0 |
并且,基于该颗粒物特性影响因子确定0.3~0.5粒径区间的被测颗粒物的主要成分为病毒或病菌。
从而生成控制策略:当病毒或病菌的浓度值大于第一设定值600时,即病毒或病菌的指数大于指数阈值6时,打开杀毒灭菌设备。
由该实例可以看出,本发明实施例提供的改善空气质量的方案,不仅可以针对不同粒径的被测颗粒物进行检测,还能够结合颗粒物特性影响因子预测粒径区间颗粒物的主要成分,进而可以针对该主要成分进行空气质量改善,有利于精准改善空气质量。
如图2所示,为本发明实施例提供的一种改善空气质量的方法的另一流程图,所述方法包括:
S201:预先设定各粒径区间。
S202:检测被测区域空气中被测颗粒物在各粒径区间的浓度值。
需要说明的是,步骤S201和S202与图1所示方法实施例中的步骤S101和S102类似,此处不再赘述。
S203:获取所述被测区域空气中的化学成分数据。
对于一些特定场合比如化工厂、医院等,其被测区域空气中的化学粒子浓度也会很高,比如二氧化碳(CO2)、总挥发性有机物(TVOC)等,为了更有效地改善空气质量,还有必要对一些化学粒子进行检测。
S204:获取所述被测区域的颗粒物特性影响因子。
S205:根据所述浓度值、所述化学成分数据和所述颗粒物特性影响因子,生成控制策略。
S206:按照所述控制指令对所述唯一标识对应的空气改善设备进行控制。
需要说明的是,步骤S204至S206与图1所示方法实施例中的步骤S103至S105类似,此处不再赘述。
一种实现方式中,按照如下方式对唯一标识对应的空气改善设备进行控制:
(1)获取与所述被测颗粒物的特性对应的指数阈值;
(2)当所述被测颗粒物的指数大于所述指数阈值时,开启与所述被测颗粒物的特性相对应的空气改善设备;
(3)当所述被测颗粒物的指数不大于所述指数阈值时,关闭与所述被测颗粒物的特性相对应的空气改善设备。
更具体地,当所述被测颗粒物的指数大于所述指数阈值时,按照如下方式开启与所述被测颗粒物的特性相对应的空气改善设备:
(a)当病毒或病菌的浓度值大于第一设定值时,打开杀毒灭菌设备;
(b)当飘尘的浓度值大于第二设定值时,打开空气净化设备;
(c)当CO2和TVOC的浓度值大于第三设定值时,开启新风设备,并根据实时检测的浓度值调整新风风量大小;
(d)当PM2.5大于第四设定值时,根据室外PM2.5确定选择开启新风设备或是开启空气净化设备。
应用本发明实施例提供的方法改善空气质量时,除了具备图1所示方法实施例的全部优点之外,还可以对一些特殊场合的空气质量进行改善,进一步扩大了本发明的应用场合。
如图3所示,为本发明实施例提供的一种改善空气质量的系统的结构图,所述系统包括:空气探测设备、云服务器和空气改善设备。其中,所述空气改善设备包括以下任意一种或多种:杀毒灭菌设备、空气净化设备、新风设备和空调设备。
所述空气探测设备,用于检测被测区域空气中被测颗粒物在预先设定的各粒径区间的浓度值,并将各浓度值上传至所述云服务器。
所述云服务器,用于获取所述被测区域的颗粒物特性影响因子;根据所述浓度值和所述颗粒物特性影响因子生成控制策略;所述控制策略包括待开启空气改善设备的唯一标识和控制指令;按照所述控制指令对所述唯一标识对应的空气改善设备进行控制;其中,所述颗粒物特性影响因子是基于所述被测区域的天气数据、疫情信息和应用场所数据得到的。
本发明实施例提供的系统在改善空气质量时,云服务器将颗粒物对应各粒径区间的浓度值作为评价空气质量好坏的指标,能够避免高浓度小粒径颗粒物和低浓度的大粒径颗粒物混合时将空气质量错误地检测为较好的情况,即使颗粒物粒径再小,虽然其总重量很轻,但是由于其浓度值较高也依然可以确定空气质量较差。由此可见,本发明方案反映了空气的真实质量情况,进而可以根据空气质量的真实情况选用合适的空气改善设备,实现对空气质量的精准改善。
一种实现方式中,所述云服务器,具体用于将所述浓度值和所述颗粒物特性影响因子输入至预先训练得到的空气质量分析模型,所述空气质量分析模型为利用机器学习算法对预设的训练数据进行迭代运算而生成的数学模型,根据所述空气质量分析模型的输出得到被测颗粒物的特性和指数;根据所述被测颗粒物的特性和指数生成控制策略。
需要说明的是,本发明不限定建立空气质量分析模型所采用的具体学习算法,本领域内的技术人员可以根据实际应用中的具体情况进行合理的选择。
一种实现方式中,所述粒径区间包括以下任意两个或多个:0.3~0.5、0.5~1、1~2.5、2.5~5、5~10、10~+∞,粒径单位为μm。
一种实现方式中,所述空气探测设备,还用于获取所述被测区域空气中的化学成分数据。相应地,所述云服务器,还用于根据所述浓度值、所述化学成分数据和所述颗粒物特性影响因子,生成控制策略。
所述被测颗粒物的特性包括以下任意一种或多种:PM2.5、CO2、TVOC、降尘、飘尘、病菌、病毒。
一种实现方式中,所述云服务器,具体用于获取与所述被测颗粒物的特性对应的指数阈值;当所述被测颗粒物的指数大于所述指数阈值时,开启与所述被测颗粒物的特性相对应的空气改善设备;当所述被测颗粒物的指数不大于所述指数阈值时,关闭与所述被测颗粒物的特性相对应的空气改善设备。
具体地,所述云服务器用于:当病毒或病菌的浓度值大于第一设定值时,打开杀毒灭菌设备;当飘尘的浓度值大于第二设定值时,打开空气净化设备;当CO2和TVOC的浓度值大于第三设定值时,开启新风设备,并根据实时检测的浓度值调整新风风量大小;当PM2.5大于第四设定值时,根据室外PM2.5确定选择开启新风设备或是开启空气净化设备。
对于系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于计算机可读取存储介质中,这里所称的存储介质,如:ROM/RAM、磁碟、光盘等。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种改善空气质量的方法,其特征在于,所述方法包括:
预先设定各粒径区间;
检测被测区域空气中被测颗粒物在各粒径区间的浓度值;
获取所述被测区域的颗粒物特性影响因子;其中,所述颗粒物特性影响因子是基于所述被测区域的天气数据、疫情信息和应用场所数据得到的;
根据所述浓度值和所述颗粒物特性影响因子,生成控制策略;其中,所述控制策略包括待开启空气改善设备的唯一标识和控制指令;
按照所述控制指令对所述唯一标识对应的空气改善设备进行控制。
2.根据权利要求1所述的方法,其特征在于,所述根据所述浓度值和所述颗粒物特性影响因子,生成控制策略包括:
将所述浓度值和所述颗粒物特性影响因子输入至预先训练得到的空气质量分析模型,所述空气质量分析模型为利用机器学习算法对预设的训练数据进行迭代运算而生成的数学模型,根据所述空气质量分析模型的输出得到被测颗粒物的特性和指数;
根据所述被测颗粒物的特性和指数生成控制策略。
3.根据权利要求1所述的方法,其特征在于,所述粒径区间包括以下任意两个或多个:0.3~0.5、0.5~1、1~2.5、2.5~5、5~10、10~+∞,粒径单位为μm。
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:获取所述被测区域空气中的化学成分数据;
所述根据所述浓度值和所述颗粒物特性影响因子,生成控制策略包括:
根据所述浓度值、所述化学成分数据和所述颗粒物特性影响因子,生成控制策略。
5.根据权利要求4所述的方法,其特征在于,所述被测颗粒物的特性包括以下任意一种或多种:PM2.5、CO2、TVOC、降尘、飘尘、病菌、病毒。
6.根据权利要求5所述的方法,其特征在于,所述按照所述控制指令对所述唯一标识对应的空气改善设备进行控制包括:
获取与所述被测颗粒物的特性对应的指数阈值;
当所述被测颗粒物的指数大于所述指数阈值时,开启与所述被测颗粒物的特性相对应的空气改善设备;
当所述被测颗粒物的指数不大于所述指数阈值时,关闭与所述被测颗粒物的特性相对应的空气改善设备。
7.根据权利要求1所述的方法,其特征在于,所述检测被测区域空气中被测颗粒物对应各粒径区间的各浓度值包括:
将被测区域的空气按照设定速度输送至暗室;
用激光光束照射所述空气,并利用光电接收器将光信号转换为电信号;其中,所述光电接收器与激光光束成预设角度;
根据所述电信号的脉冲强度确定被测颗粒物的粒径大小,并利用电信号的脉冲数进行计数;
根据各被测颗粒物的粒径大小、所述电信号的脉冲数和所述空气的设定速度,确定被测颗粒物对应各粒径区间的浓度值。
8.根据权利要求6所述的方法,其特征在于,所述当所述被测颗粒物的指数大于所述指数阈值时,开启与所述被测颗粒物的特性相对应的空气改善设备包括:
当病毒或病菌的浓度值大于第一设定值时,打开杀毒灭菌设备;
当飘尘的浓度值大于第二设定值时,打开空气净化设备;
当CO2和TVOC的浓度值大于第三设定值时,开启新风设备,并根据实时检测的浓度值调整新风风量大小;
当PM2.5大于第四设定值时,根据室外PM2.5确定选择开启新风设备或是开启空气净化设备。
9.一种改善空气质量的系统,其特征在于,所述系统包括:空气探测设备、云服务器和空气改善设备;所述空气改善设备包括以下任意一种或多种:杀毒灭菌设备、空气净化设备、新风设备和空调设备;
所述空气探测设备,用于检测被测区域空气中被测颗粒物在预先设定的各粒径区间的浓度值,并将各浓度值上传至所述云服务器;
所述云服务器,用于获取所述被测区域的颗粒物特性影响因子;根据所述浓度值和所述颗粒物特性影响因子生成控制策略;所述控制策略包括待开启空气改善设备的唯一标识和控制指令;按照所述控制指令对所述唯一标识对应的空气改善设备进行控制;其中,所述颗粒物特性影响因子是基于所述被测区域的天气数据、疫情信息和应用场所数据得到的。
10.根据权利要求9所述的系统,其特征在于,所述云服务器,具体用于将所述浓度值和所述颗粒物特性影响因子输入至预先训练得到的空气质量分析模型,所述空气质量分析模型为利用机器学习算法对预设的训练数据进行迭代运算而生成的数学模型,根据所述空气质量分析模型的输出得到被测颗粒物的特性和指数;根据所述被测颗粒物的特性和指数生成控制策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010453058.7A CN111637607A (zh) | 2020-05-26 | 2020-05-26 | 一种改善空气质量的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010453058.7A CN111637607A (zh) | 2020-05-26 | 2020-05-26 | 一种改善空气质量的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111637607A true CN111637607A (zh) | 2020-09-08 |
Family
ID=72326713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010453058.7A Pending CN111637607A (zh) | 2020-05-26 | 2020-05-26 | 一种改善空气质量的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111637607A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114087713A (zh) * | 2022-01-11 | 2022-02-25 | 维睿空气系统产品(深圳)有限公司 | 一种室内空气质量自动调节系统 |
CN114791141A (zh) * | 2021-01-25 | 2022-07-26 | 浙江盾安人工环境股份有限公司 | 新风系统的控制方法、装置、电子装置和计算机设备 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2725763Y (zh) * | 2004-04-06 | 2005-09-14 | 北京同方洁净技术有限公司 | 一种空气净化器 |
CN1912482A (zh) * | 2005-08-12 | 2007-02-14 | 三星电子株式会社 | 通风系统和用于驱动该通风系统的方法 |
CN1952505A (zh) * | 2005-10-14 | 2007-04-25 | 日立空调·家用电器株式会社 | 空调机 |
CN201594088U (zh) * | 2009-09-11 | 2010-09-29 | 泰豪科技股份有限公司 | 新型室内无线空气质量监测仪 |
CN202460313U (zh) * | 2012-03-21 | 2012-10-03 | 黄成辉 | 一种具有智能检测和选择性过滤功能的空气净化装置 |
CN103471202A (zh) * | 2013-08-09 | 2013-12-25 | 浙江吉利汽车研究院有限公司 | 一种基于模糊控制的车载智能空气净化控制系统及方法 |
CN203858184U (zh) * | 2014-02-14 | 2014-10-01 | 莱克电气绿能科技(苏州)有限公司 | 用于微粒性质数显的空气净化器 |
CN104235957A (zh) * | 2014-10-14 | 2014-12-24 | 北京恒泰实达科技股份有限公司 | 一种室内空气净化系统及方法 |
CN104296317A (zh) * | 2014-09-29 | 2015-01-21 | 珠海格力电器股份有限公司 | 空气净化器的控制方法和装置 |
CN104949233A (zh) * | 2015-05-29 | 2015-09-30 | 郭鹏 | 一种室内空气净化的方法及装置 |
CN105674422A (zh) * | 2016-03-02 | 2016-06-15 | 周成华 | 利用遥距传感器净化空气的方法及其系统 |
CN106288195A (zh) * | 2016-08-17 | 2017-01-04 | 安徽广行物联科技有限公司 | 一种室内空气质量净化方法及系统 |
JP2017116417A (ja) * | 2015-12-24 | 2017-06-29 | シャープ株式会社 | 光電式ほこりセンサおよび空調機器 |
CN107975923A (zh) * | 2017-11-02 | 2018-05-01 | 珠海格力电器股份有限公司 | 空气净化器及其控制方法和系统 |
CN108302735A (zh) * | 2016-09-30 | 2018-07-20 | 日本电气株式会社 | 用于控制空气净化系统的设备和方法 |
CN108344113A (zh) * | 2018-03-12 | 2018-07-31 | 温州松浦电器有限公司 | 一种智能互联空气净化系统及空气净化方法 |
CN108981115A (zh) * | 2018-07-23 | 2018-12-11 | 珠海格力电器股份有限公司 | 一种基于机器学习的空气净化器及控制方法 |
CN110793166A (zh) * | 2018-08-01 | 2020-02-14 | 珠海格力电器股份有限公司 | 空气净化器的配置参数确定方法及装置 |
US20200124580A1 (en) * | 2016-12-13 | 2020-04-23 | Gigabase Environmental Consulting (Shanghai) Co., Ltd. | Method for comprehensive evaluation of indoor environmental quality |
-
2020
- 2020-05-26 CN CN202010453058.7A patent/CN111637607A/zh active Pending
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2725763Y (zh) * | 2004-04-06 | 2005-09-14 | 北京同方洁净技术有限公司 | 一种空气净化器 |
CN1912482A (zh) * | 2005-08-12 | 2007-02-14 | 三星电子株式会社 | 通风系统和用于驱动该通风系统的方法 |
CN1952505A (zh) * | 2005-10-14 | 2007-04-25 | 日立空调·家用电器株式会社 | 空调机 |
CN201594088U (zh) * | 2009-09-11 | 2010-09-29 | 泰豪科技股份有限公司 | 新型室内无线空气质量监测仪 |
CN202460313U (zh) * | 2012-03-21 | 2012-10-03 | 黄成辉 | 一种具有智能检测和选择性过滤功能的空气净化装置 |
CN103471202A (zh) * | 2013-08-09 | 2013-12-25 | 浙江吉利汽车研究院有限公司 | 一种基于模糊控制的车载智能空气净化控制系统及方法 |
CN203858184U (zh) * | 2014-02-14 | 2014-10-01 | 莱克电气绿能科技(苏州)有限公司 | 用于微粒性质数显的空气净化器 |
CN104296317A (zh) * | 2014-09-29 | 2015-01-21 | 珠海格力电器股份有限公司 | 空气净化器的控制方法和装置 |
CN104235957A (zh) * | 2014-10-14 | 2014-12-24 | 北京恒泰实达科技股份有限公司 | 一种室内空气净化系统及方法 |
CN104949233A (zh) * | 2015-05-29 | 2015-09-30 | 郭鹏 | 一种室内空气净化的方法及装置 |
JP2017116417A (ja) * | 2015-12-24 | 2017-06-29 | シャープ株式会社 | 光電式ほこりセンサおよび空調機器 |
CN105674422A (zh) * | 2016-03-02 | 2016-06-15 | 周成华 | 利用遥距传感器净化空气的方法及其系统 |
CN106288195A (zh) * | 2016-08-17 | 2017-01-04 | 安徽广行物联科技有限公司 | 一种室内空气质量净化方法及系统 |
CN108302735A (zh) * | 2016-09-30 | 2018-07-20 | 日本电气株式会社 | 用于控制空气净化系统的设备和方法 |
US20200124580A1 (en) * | 2016-12-13 | 2020-04-23 | Gigabase Environmental Consulting (Shanghai) Co., Ltd. | Method for comprehensive evaluation of indoor environmental quality |
CN107975923A (zh) * | 2017-11-02 | 2018-05-01 | 珠海格力电器股份有限公司 | 空气净化器及其控制方法和系统 |
CN108344113A (zh) * | 2018-03-12 | 2018-07-31 | 温州松浦电器有限公司 | 一种智能互联空气净化系统及空气净化方法 |
CN108981115A (zh) * | 2018-07-23 | 2018-12-11 | 珠海格力电器股份有限公司 | 一种基于机器学习的空气净化器及控制方法 |
CN110793166A (zh) * | 2018-08-01 | 2020-02-14 | 珠海格力电器股份有限公司 | 空气净化器的配置参数确定方法及装置 |
Non-Patent Citations (4)
Title |
---|
中原信生: "《建筑和建筑设备的节能》", 31 October 1990 * |
孔邦杰: "《旅游安全管理 第3版》", 31 May 2019 * |
徐东群: "《异常天气与环境污染事件的认知与应对》", 31 December 2016 * |
祝志杰: "《环境质量综合评价方法与中国实践》", 31 March 2019 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114791141A (zh) * | 2021-01-25 | 2022-07-26 | 浙江盾安人工环境股份有限公司 | 新风系统的控制方法、装置、电子装置和计算机设备 |
CN114791141B (zh) * | 2021-01-25 | 2024-03-15 | 浙江盾安人工环境股份有限公司 | 新风系统的控制方法、装置、电子装置和计算机设备 |
CN114087713A (zh) * | 2022-01-11 | 2022-02-25 | 维睿空气系统产品(深圳)有限公司 | 一种室内空气质量自动调节系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108268935B (zh) | 一种基于时序循环神经网络的pm2.5浓度值预测方法及系统 | |
CN111637607A (zh) | 一种改善空气质量的方法及系统 | |
CN101033989A (zh) | 环境监测装置及方法 | |
CN112529240B (zh) | 一种大气环境数据的预测方法、系统、装置及存储介质 | |
CN106596859B (zh) | 室内环境质量综合评估方法 | |
CN102262039A (zh) | 单颗粒气溶胶质谱对室内重金属污染检测的方法及装置 | |
CN110672144B (zh) | 污染源检测方法和装置 | |
Javed et al. | Performance evaluation of real-time DustTrak monitors for outdoor particulate mass measurements in a desert environment | |
Tang et al. | Automating the interpretation of PM2. 5 time‐resolved measurements using a data‐driven approach | |
CN109856321A (zh) | 异常高值点位的确定方法 | |
WO2020047689A1 (zh) | 一种同时测量不同粒径颗粒物质量浓度的方法及装置 | |
CN114814092A (zh) | 基于bp神经网络的ip指标测量方法 | |
WO2022049378A1 (en) | Automated sensor calibration device | |
Chen et al. | Machine Learning Models for Indoor PM2. 5 Concentrations in Residential Architecture in Taiwan | |
CN115711467A (zh) | 一种基于大数据的空气净化过程管理系统 | |
CN112540052A (zh) | 测算待测储罐的污染物排放量的测算方法及系统 | |
Seo et al. | Outdoor environmental sensitivity test for the detection of biological aerosols | |
Masinde et al. | Training recurrent neural networks for particulate matter concentration prediction | |
CN117408520B (zh) | 一种数据服务智能识别方法及系统 | |
Yang et al. | Automated environmental sound recognition for soundscape measurement and assessment | |
Duill et al. | Comparison of Portable and Large Mobile Air Cleaners for Use in Classrooms and the Effect of Increasing Filter Loading on Particle Number Concentration Reduction Efficiency | |
CN111537413B (zh) | 基于单颗粒偏光特性自适应进行沙尘颗粒物定量监测方法 | |
CN115950797B (zh) | 污染物溯源方法和系统 | |
CN116910871B (zh) | 一种建筑设计方案的可行性评估方法及系统 | |
KR102393536B1 (ko) | 자동 교정 알고리즘이 내장된 공기질 측정 장치 및 시스템 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200908 |
|
WD01 | Invention patent application deemed withdrawn after publication |