CN112257209A - 基于固定监测点数据的室内污染监测系统 - Google Patents

基于固定监测点数据的室内污染监测系统 Download PDF

Info

Publication number
CN112257209A
CN112257209A CN202011200092.XA CN202011200092A CN112257209A CN 112257209 A CN112257209 A CN 112257209A CN 202011200092 A CN202011200092 A CN 202011200092A CN 112257209 A CN112257209 A CN 112257209A
Authority
CN
China
Prior art keywords
monitoring
sensor
calculating
monitoring system
time
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
Application number
CN202011200092.XA
Other languages
English (en)
Inventor
薛雨
邹宜轩
王祎
翟志强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian University of Technology
Original Assignee
Dalian University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN202011200092.XA priority Critical patent/CN112257209A/zh
Publication of CN112257209A publication Critical patent/CN112257209A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Biology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Physiology (AREA)
  • Data Mining & Analysis (AREA)
  • Fluid Mechanics (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Algebra (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • Air Conditioning Control Device (AREA)
  • Ventilation (AREA)

Abstract

本发明提供了基于固定监测点数据的室内污染监测系统，属于室内污染监测领域。监测系统搭建步骤如下：首先，根据实际尺寸对所监测区域建立三维模型；根据室内实际的通风情况模拟计算出监测区域的流场；选择监测传感器的类型与相关参数；通过伴随方法计算出单个传感器的监测范围；通过基于遗传算法的优化计算，确定监测传感器的数量及位置；完成监测系统的实际搭建。该监测系统可以实现室内任意位置污染释放的实时监测与报警响应，在满足所要求的监测时间的前提下，使系统整体成本最优化。

Description

基于固定监测点数据的室内污染监测系统
技术领域
本发明属于室内污染监测技术领域，具体涉及一套在室内稳定条件下利用固定探测传感器数据对室内污染物的实时监测系统。
背景技术
随着社会的进步与发展，人类室内生活与工作的时间不断增加。据统计，现代人类全天有超过80％的时间生活在以建筑为主的人工环境内，室内环境的空气品质直接影响了人类的舒适性、健康和工作效率。日常生活和工作中的室内空气污染会对人体产生慢性的伤害，更严重的会直接威胁人的生命安全，因此，在室内污染事件中，能否在有效的时间内检测到污染物具有重大意义。目前，室内污染物监测系统的搭建方法相对简单，监测区域覆盖范围和有效响应时间无法保证，同时系统成本问题一般未加考虑。
因此，针对上述问题，本发明提出了一套基于固定监测点数据的室内污染监测系统，该系统通过优化传感器的数量和位置，可以实现对监测区域的完全覆盖，并能够在有效时间内报警响应，同时一定程度降低了传感器的使用成本，有助于室内空气品质的改善与提高。
发明内容
本发明的主要目的在于解决室内污染的监测问题，为解决此问题，本发明提出一套基于固定监测点数据的室内污染监测系统。
本发明的技术方案：
一种基于固定监测点数据的室内污染监测系统，步骤如下：
(1)根据实际空间尺寸对所监测区域建立三维模型；
(2)了解所监测区域通风设施所在位置，在三维模型相对应的位置设置送风边界条件，根据实际送风参数，模拟计算出所监测区域的流场；
(3)根据污染物类型选择探测传感器的类型与形式，确定满足要求的传感器灵敏度Cth和最大允许响应时间Tm，根据标准与规范，确定在当前所监测区域类型下，保证人员安全的可接受浓度Ccr，计算允许的污染物总质量Mm：Mm＝Ccr×V；
其中，V为所监测区域房间的总体积；
计算临界标准伴随位置概率fx,cri：
fx,cri＝Cth/Mm；
(4)污染物的传播受室内流场的影响，将传感器灵敏度，最大允许响应时间代入非稳态的污染物传播方程的伴随方程：
Figure BDA0002755147310000021
Figure BDA0002755147310000022
Figure BDA0002755147310000023
Figure BDA0002755147310000024
Figure BDA0002755147310000025
其中，ψ*为伴随概率因子；τ为逆向的时间(τ＝T-t)；Vj为xj轴方向的速度；νC表示污染物的有效湍流扩散系数；δ(x)是脉冲函数，当x＝0时，δ(x)＝1，否则δ(x)＝0；
Figure BDA0002755147310000026
是传感器所在位置；Γ1、Γ2、Γ3为边界条件，ni为xi轴方向的单位矢量；通过污染物传播方程的伴随方程计算得出各个时间步长的标准伴随位置概率
Figure BDA0002755147310000027
Figure BDA0002755147310000028
其中，
Figure BDA0002755147310000031
为总质量Ms的污染物释放源在t＝0时刻从源位置
Figure BDA0002755147310000032
到达传感器位置
Figure BDA0002755147310000033
的可能性，
Figure BDA0002755147310000034
是t＝T时刻传感器位置的污染物浓度；计算从第一次读取到最大允许响应时间t＝Tm的所有时间步长所对应的标准位置概率
Figure BDA0002755147310000035
其中，
Figure BDA0002755147310000036
的区域即为传感器在单个时间步长的有效覆盖范围，每个时间步长的覆盖范围的并集即为此传感器位置的总覆盖范围；
(5)通过计算传感器的数量及位置，在保证传感器使用成本最低的前提下，实现污染物监测区域的全覆盖；
(6)按照所优化的传感器位置派人员搭建实际监测系统。
所述的探测传感器类型是由所监测污染物类型决定的，传感器类型是针对某一种特定污染物所选择的，且精度满足监测要求。
所述的优化传感器的数量与位置时采用的算法为遗传算法。
与现有技术相比，本发明的有益效果是：本发明中污染物监测系统的搭建并非依据工程经验，而是根据室内流场利用计算流体力学方法逆向获得传感器的有效覆盖范围，保证了监测区域覆盖的完整性和污染响应的时效性，同时，可以使得监测系统的搭建成本降为最低，本系统更具有实际应用价值。
附图说明
图1是本发明提供的一套室内污染监测系统搭建的流程示意图。
图2是本发明提供的简化案例中的监测系统搭建的过程图。
具体实施方式
以下结合技术方案(和附图)详细叙述本发明的具体实施方式以下结合附图和技术方案，进一步说明本发明的具体实施方式。
以一个简单的办公室为实施例，办公室内两名工作人员和必要的办公家具，以人员附近区域为监测区域，搭建污染物监测系统。
(1)根据实际空间尺寸对所监测区域建立三维模型。
(2)根据实际考察，办公室中央吊顶内部嵌有中央空调机，办公桌上方设置有新风口，回风口位于入室侧。在模型相对应的位置分别设置相应的送风边界条件，根据实际送风参数(中央空调送风速度2.5m/s，新风换气次数为2次)，模拟计算出室内局部监测区域(Y＝0.75m截面)的流场，如图2所示。
(3)已知室内污染物为一氧化碳，选择一氧化碳探测传感器，确定传感器的灵敏度Cth＝1ppm(1.15g/m3)，最大允许响应时间Tm＝5min，查阅相关标准与规范，确定在办公室房间类型下，保证人员安全的可接受浓度Ccr＝35mg/m3，计算允许的污染物总质量Mm：
Mm＝Ccr×V＝35mg/m3×86.94m3＝3042.9mg
其中，V为房间的总体积。计算临界标准伴随位置概率fx,cri：
fx,cri＝Cth/Mm＝1.15/3042.9＝3.78×10-4
(4)污染物的传播受室内流场的影响，初步将首个传感器放置在天花板上，将传感器灵敏度，最大允许响应时间等参数代入非稳态的污染物传播方程的伴随方程：
Figure BDA0002755147310000041
Figure BDA0002755147310000042
Figure BDA0002755147310000043
Figure BDA0002755147310000044
Figure BDA0002755147310000045
其中ψ*为伴随概率因子，τ为逆向的时间(τ＝T-t)，Vj为xj轴方向的速度，νC表示污染物的有效湍流扩散系数，δ(x)是脉冲函数，当x＝0时，δ(x)＝1，否则δ(x)＝0，
Figure BDA0002755147310000051
是传感器所在位置。Γ1、Γ2、Γ3为边界条件，ni为xi轴方向的单位矢量。通过污染物传播方程的伴随方程计算得出各个时间步长的标准伴随位置概率
Figure BDA0002755147310000052
Figure BDA0002755147310000053
其中，
Figure BDA0002755147310000054
为总质量Ms的污染物释放源在t＝0时刻从源位置
Figure BDA0002755147310000055
到达传感器位置
Figure BDA0002755147310000056
的可能性，
Figure BDA0002755147310000057
是t＝T时刻传感器位置的污染物浓度。计算从第一次读取到最大允许响应时间t＝Tm的所有时间步长所对应的标准位置概率
Figure BDA0002755147310000058
其中，
Figure BDA0002755147310000059
的区域即为传感器在单个时间步长的有效覆盖范围，每个时间步长的覆盖范围的并集即为此传感器位置的总覆盖范围，如图2。
(5)通过基于遗传算法的计算程序优化计算传感器的数量及位置，计算可得，在局部区域内布置4个传感器可以实现监测区域的全覆盖，传感器位置如图2所示，按此方法布置传感器可以使得成本最低。
(6)按照所优化的传感器位置派人员搭建实际监测系统。
本系统适用于有如下特定情境：
(1)流场是稳态的。本研究针对的室内流场是稳定不变的，时刻变化的流场不在本系统考虑的范围内。
(2)污染物以强度恒定的点源形式释放。基于概率的伴随方法只能逆向计算点源型(或者可以作为点源来考虑)的污染物释放，线源和面源不在本研究的讨论范围之内。
(3)污染物是惰性污染物，且气流跟随性较好。为了方便起见，本研究只针对气流跟随性较好的惰性污染物。

Claims (3)

1.一种基于固定监测点数据的室内污染监测系统，其特征在于，步骤如下：
(1)根据实际空间尺寸对所监测区域建立三维模型；
(2)了解所监测区域通风设施所在位置，在三维模型相对应的位置设置送风边界条件，根据实际送风参数，模拟计算出所监测区域的流场；
(3)根据污染物类型选择探测传感器的类型与形式，确定满足要求的传感器灵敏度Cth和最大允许响应时间Tm，根据标准与规范，确定在当前所监测区域类型下，保证人员安全的可接受浓度Ccr，计算允许的污染物总质量Mm：
Mm＝Ccr×V；
其中，V为所监测区域房间的总体积；
计算临界标准伴随位置概率fx,cri：
fx,cri＝Cth/Mm；
(4)污染物的传播受室内流场的影响，将传感器灵敏度，最大允许响应时间代入非稳态的污染物传播方程的伴随方程：
Figure FDA0002755147300000011
Figure FDA0002755147300000012
Figure FDA0002755147300000013
Figure FDA0002755147300000014
Figure FDA0002755147300000015
其中，ψ*为伴随概率因子；τ为逆向的时间(τ＝T-t)；Vj为xj轴方向的速度；νC表示污染物的有效湍流扩散系数；δ(x)是脉冲函数，当x＝0时，δ(x)＝1，否则δ(x)＝0；
Figure FDA0002755147300000016
是传感器所在位置；Γ1、Γ2、Γ3为边界条件，ni为xi轴方向的单位矢量；通过污染物传播方程的伴随方程计算得出各个时间步长的标准伴随位置概率
Figure FDA0002755147300000021
Figure FDA0002755147300000022
其中，
Figure FDA0002755147300000023
为总质量Ms的污染物释放源在t＝0时刻从源位置
Figure FDA0002755147300000024
到达传感器位置
Figure FDA0002755147300000025
的可能性，
Figure FDA0002755147300000026
是t＝T时刻传感器位置的污染物浓度；计算从第一次读取到最大允许响应时间t＝Tm的所有时间步长所对应的标准位置概率
Figure FDA0002755147300000027
其中，
Figure FDA0002755147300000028
的区域即为传感器在单个时间步长的有效覆盖范围，每个时间步长的覆盖范围的并集即为此传感器位置的总覆盖范围；
(5)通过计算传感器的数量及位置，在保证传感器使用成本最低的前提下，实现污染物监测区域的全覆盖；
(6)按照所优化的传感器位置派人员搭建实际监测系统。
2.根据权利要求1所述的基于固定监测点数据的室内污染监测系统，其特征在于，所述的探测传感器类型是由所监测污染物类型决定的，传感器类型是针对某一种特定污染物所选择的，且精度满足监测要求。
3.根据权利要求1或2所述的基于固定监测点数据的室内污染监测系统，其特征在于，所述的优化传感器的数量与位置时采用的算法为遗传算法。
CN202011200092.XA 2020-10-30 2020-10-30 基于固定监测点数据的室内污染监测系统 Pending CN112257209A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011200092.XA CN112257209A (zh) 2020-10-30 2020-10-30 基于固定监测点数据的室内污染监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011200092.XA CN112257209A (zh) 2020-10-30 2020-10-30 基于固定监测点数据的室内污染监测系统

Publications (1)

Publication Number Publication Date
CN112257209A true CN112257209A (zh) 2021-01-22

Family

ID=74267179

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011200092.XA Pending CN112257209A (zh) 2020-10-30 2020-10-30 基于固定监测点数据的室内污染监测系统

Country Status (1)

Country Link
CN (1) CN112257209A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113624915A (zh) * 2021-07-01 2021-11-09 同济大学 一种室内突发空气污染预警传感器布置优化方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106650017A (zh) * 2016-11-23 2017-05-10 大连理工大学 一种利用固定位置污染物探测器辨识城市空间多污染物源的方法
CN106777893A (zh) * 2016-11-23 2017-05-31 大连理工大学 一种利用可移动污染物探测器辨识城市空间多污染物源的方法
CN108121850A (zh) * 2017-11-16 2018-06-05 哈尔滨理工大学 地下粮道的空间粉尘分布规律分析方法
CN109885804A (zh) * 2019-01-23 2019-06-14 大连理工大学 一种基于监测车的大气污染监测和源辨识方法
EP3531352A1 (en) * 2018-02-21 2019-08-28 Ningbo Geely Automobile Research & Development Co. Ltd. Method for identifying slow transient variations and/or local spatial variations of a physical property in a set of data points

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106650017A (zh) * 2016-11-23 2017-05-10 大连理工大学 一种利用固定位置污染物探测器辨识城市空间多污染物源的方法
CN106777893A (zh) * 2016-11-23 2017-05-31 大连理工大学 一种利用可移动污染物探测器辨识城市空间多污染物源的方法
CN108121850A (zh) * 2017-11-16 2018-06-05 哈尔滨理工大学 地下粮道的空间粉尘分布规律分析方法
EP3531352A1 (en) * 2018-02-21 2019-08-28 Ningbo Geely Automobile Research & Development Co. Ltd. Method for identifying slow transient variations and/or local spatial variations of a physical property in a set of data points
CN109885804A (zh) * 2019-01-23 2019-06-14 大连理工大学 一种基于监测车的大气污染监测和源辨识方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XIANG LIU等: "Protecting a whole building from critical indoor contamination with optimal sensor network design and source identification methods", 《BUILDING AND ENVIRONMENT》, 31 December 2009 (2009-12-31), pages 2276 - 2283 *
YU XUE等: "Inverse identification of multiple outdoor pollutant sources with a mobile sensor", 《BUILDING SIMULATION》, 6 September 2016 (2016-09-06), pages 255 - 263, XP036128718, DOI: 10.1007/s12273-016-0322-3 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113624915A (zh) * 2021-07-01 2021-11-09 同济大学 一种室内突发空气污染预警传感器布置优化方法

Similar Documents

Publication Publication Date Title
US11324847B2 (en) Automatic source-seeking indoor pollution purifying and removing device and method
Wang et al. CO2-based occupancy detection for on-line outdoor air flow control
Kim et al. Wireless monitoring of indoor air quality by a sensor network
Wang et al. An evaluation index for the control effect of the local ventilation systems on indoor air quality in industrial buildings
CN112257209A (zh) 基于固定监测点数据的室内污染监测系统
Zhang Combined heat, air, moisture, and pollutants transport in building environmental systems
Jin et al. Numerical investigation of particle transport characteristics in an isolated room with single-sided natural ventilation
Rastogi et al. An IoT-based discrete time Markov chain model for analysis and prediction of indoor air quality index
CN112432231B (zh) 一种基于有限传感器的智能化通风监控系统及控制方法
Rim Transient simulation of airflow and pollutant dispersion under mixing flow and buoyancy driven flow regimes in residential buildings
Shao et al. Long-term prediction of dynamic distribution of passive contaminant in complex recirculating ventilation system
Zender-Świercz Improving the indoor air quality using the individual air supply system
CN103294028B (zh) 室内建筑能耗和空气质量的综合控制方法
Hong et al. Assessment of energy savings potential from the use of demand controlled ventilation in general office spaces in California
Mutlu Particle Concentration Comparison of Radiator and Floor Heating Systems under Zero Air Change Rate Condition
CN206057275U (zh) 一种室内空气检测装置
CN114722635A (zh) 一种化工园区大气污染物监测传感器布局方法
KR100585238B1 (ko) 수요 대응 능동환기를 통한 ｉａｑ 제어 시스템
Voznyak et al. Mathematical Modeling of Air Distribution in a Non-stationary Mode by Swirled-Compact Air Jets
Seong et al. Comparison of Energy Consumption Depending on the Occupancy-based HVAC Control in a University Campus Building
Wu et al. A design of fuzzy controller for conforming to the regulations of indoor air quality and thermal comfort
Wang et al. Dynamic and real-time simulation of BMS and air-conditioning system as a ‘living’environment for learning/training
Franco et al. HVAC Systems Operation Control Based on Indirect Occupant-Centric Method for Ensuring Safety Conditions and Reducing Energy Use in Public Buildings after COVID-19
Hong Assessment of energy savings potential from the use of demand control ventilation systems in general office spaces in California
Medved et al. Ventilation and Energy Performance of Buildings

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