CN113221452B - 一种基于分布式光纤的办公空间温度预测系统 - Google Patents

Abstract

本发明公开一种基于分布式光纤的办公空间温度预测系统，包括光纤温度修正模块、人因内扰修正模块和温度预测模块；光纤温度修正模块，用于确定室内的实时空气温度，作为温度预测模块的输入；人因内扰修正模块，用于确定室内内扰所在位置，确定室内内扰在单位调控时间内对天花板高度处空气温度和所需室内高度处温度场的影响，作为温度预测模块的输入；温度预测模块用于最终确定所需高度处温度分布。

Description

一种基于分布式光纤的办公空间温度预测系统

技术领域

本发明涉及室内温度预测方法领域，特别是涉及一种基于分布式光纤的办公空间温度预测系统。

背景技术

办公建筑作为最常见的建筑类型之一，营造节能舒适的办公环境具有重要意义。空调个性化调节作为新兴的室内环境调控方法，可以有效兼顾节能与舒适的目标，但该方法实施依赖于高精度的室内温度场分布。目前常用的室内温度获取方式主要使用点式温度传感器，如需获取精细的室内温度场分布，需要海量的温度传感器，造价过高。此外，现有的温度预测方法主要基于历史时序数据或空调设备运行参数，缺乏实时内扰变化对室内温度影响的考虑。

目前与本申请最接近的现有专利及论文如下：

1)数据中心分布式光纤传感监控系统(103701898A)，该系统包括一台分布式光纤温度测量主机和一个监控服务器。分布式光纤温度测量主机与监控服务器通过网络连接，测温光纤敷设至机柜正门和背门，实时测量室内空间温度分布信息，实现对于数据中心微环境的精确测量。光纤测得数据上传至监控服务器，对温度数据进行分析存储。

该发明旨在减少应用于数据中心机房温度监测电子温度触感器的数量，降低温度监测系统安装难度，提升环境监测系统的颗粒度及准确性，提供了一种数据中心机房温度实时监测系统。但该发明主要解决的是室内场景中温度监测问题，缺乏对室内温度场进行实时预测的功能，并且对于测得温度缺少校准、异常值筛查等步骤。

2)用于智能温室的温度预测方法及系统(112418498A)，该方法由温室环境数据获取和温室温度预测两步组成。其中环境数据采集包括温度数据、湿度数据、气压数据、风向数据、风速数据、雨量数据、光照数据和二氧化碳数据。温室温度预测模型包括误差反向传播神经网络、梯度下降树模型、弹性网络回归模型和Light GBM模型。在采集环境参数后，训练机器学习模型，预测室内预设温度，起到提前控制温室温度的作用。

该发明旨在为温室温度调控提供准确的依据，减少由于温室温度控制不佳导致的产量下降，提出了一种用于智能温室的温度预测方法及系统。但该发明主要解决的是温室中温度预测问题，温室中无不规律内热源变化，对办公空间温度预测问题并不适用。

3)一种满足用户个性化需求的室内温度预测方法(110298487A)。该方法针对用户个性化热舒适需求，利用PMV指标表征出人体热舒适预测模型，并利用深度学习方法预测室内温度。室内温度预测模型包含了采集数据，数据预处理，搭建神经网络和模型训练预测四部分，并考虑了不同季节、不同应用场景等情况。

因此现有技术中缺少应用场景为个性化需求调控预测的技术，且对室内内扰变化未加以考虑。无法针对于室内温度场进行预测。亟需基于分布式光纤测温的办公空间温度场预测方法方面的技术方案。

发明内容

本发明的目的是为了克服现有技术中的不足，提供一种基于分布式光纤的办公空间温度预测系统，能够有效利用分布式光纤测温结果，结合监控视频提供的室内人员分布信息，考虑了内扰对于室内温度的影响。本发明提高了办公空间温度场预测准确性，有效解决了目前由于温度信息滞后导致的调控时滞，可以有效指导应用于办公空间的空调运维。

本发明的目的是通过以下技术方案实现的：

一种基于分布式光纤的办公空间温度预测系统，包括光纤温度修正模块、人因内扰修正模块和温度预测模块；

所述光纤温度修正模块，用于确定室内的实时空气温度，作为温度预测模块的输入；

所述人因内扰修正模块，用于确定室内内扰所在位置，确定室内内扰在单位调控时间内对天花板高度处空气温度和所需室内高度处温度场的影响，作为温度预测模块的输入；

所述温度预测模块用于确定最终所需高度处的温度分布；

其中，所述光纤温度修正模块中，将光纤依据所需的空间分辨率均匀布置在侧墙及天花板处，利用分布式光纤温度测量主机，得到天花板高度处和侧墙处测点的温度信息，随后利用温度修正数学模型，修正光纤测得温度；

温度修正数学模型如公式1所示，式中x为光纤测得温度，Y为修正后的光纤测得温度。

Y＝-105.4928+27.3917x-2.22707x²+0.07845x³-0.000994034x⁴ (1)

所述人因内扰修正模块包括人员分布识别模块和人因内扰影响量化模块，所述人员分布识别模块用于提供人员分布信息，利用办公空间中的监控摄像头，定时采集图像信息，利用目标检测方法，提取被监控办公空间内人员位置及数量信息；所述人因内扰影响量化模块利用CFD模拟软件，包含了不同季节、不同人员分布对室内不同高度处温度影响的量化结果；利用人员分布识别模块提供的实时人员信息，提取对应的温度影响量化矩阵结果，用作后续温度预测模块结果修正；

所述温度预测模块，利用光纤温度修正模块提供的温度数据减去人因内扰修正模块提供的天花板高度处温度影响量化矩阵，得到无人因内扰下的天花板处温度，使用支持向量机回归算法，对所需高度处无人因内扰下的温度进行预测；最后将人因内扰修正模块提供的所需高度处温度影响量化矩阵添加至所需高度处无人因内扰下的温度预测结果，得到最终所需温度场预测结果。

进一步的，所述温度修正数学模型，利用温湿度传感器与分布式光纤传感器进行位置同步监测，利用对应点位的同步监测数据，建立分布式光纤传感器的温度修正数学模型；对于所有修正后的温度点，计算与其沿光纤布置方向上距离最为接近的任意两温度点的差异以及与该点前5次历史温度数据的变异率，若差异过大将对应的修正后的温度点作为温度异常点处理；光纤温度修正模块得到的温度数据作为之后步骤的输入。

与现有技术相比，本发明的技术方案所带来的有益效果是：

1.针对室内温度场获取困难的问题，利用分布式光纤测温系统得到天花板及侧墙高度处温度数据，简化了室内温度场获取难度。

2.针对分布式光纤测温系统的温度监测不稳定的问题，利用光纤温度修正模块，修正了分布式光纤测温系统结果，提高了室内温度场获取精度。

3.针对室内温度场预测精度与计算时长难以平衡的问题，利用机器学习方法，建立了室内温度场预测模型，在保证预测精度的同时缩短了预测时间。

4.针对室内温度场预测人因内扰难以量化的问题，利用人因内扰修正模块修正室内温度预测模型，量化了人因内扰对于室内温度场的影响，提高了预测精度。

附图说明

图1是本发明系统的工作流程示意图。

图2是本实施例中某办公空间的座椅排布方式。

图3a和图3b是本实施例中从人因内扰影响量化模块中找到对应的天花板高度处的温度影响量化矩阵示意图。

具体实施方式

以下结合附图和具体实施例对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供一种基于分布式光纤的办公室温度场预测系统，包含光纤温度修正模块、人因内扰修正模块和温度预测模块三部分。系统的工作流程见图1,。

其中光纤温度修正模块用于确定天花板高度处和侧墙指定高度处等位置的实时空气温度，作为室内温度预测模块的输入；首先将光纤依据所需的空间分辨率均匀布置在侧墙及天花板处，利用一台分布式光纤温度测量主机，得到一系列天花板高度处和侧墙处测点的温度信息，随后利用提出的温度修正数学模型，修正光纤测得温度。温度修正数学模型，利用公式Y＝-105.4928+27.3917x-2.22707x²+0.07845x³-0.000994034x⁴。对于所有修正后的温度点，计算与其沿光纤布置方向上距离最为接近的任意两温度点的差异以及与该点前5次历史温度数据的变异率，若差异过大将其作为温度异常点处理。光纤温度修正模块得到的温度数据作为之后步骤的输入。

人因内扰修正模块用于确定室内内扰所在位置，确定该内扰在单位调控时间内对天花板高度处空气温度和所需室内高度处温度场的影响，作为室内温度预测模块的输入；人因内扰修正模块主要包括人员分布识别模块和人因内扰影响量化模块，人员分布识别模块用于提供人员分布信息，利用办公空间中的监控摄像头，定时采集图像信息，利用目标检测方法，提取被监控办公空间内人员位置及数量信息。人因内扰影响量化模块利用CFD模拟软件，包含了不同季节、不同人员分布对室内不同高度处温度影响的量化结果。利用人员分布识别模块提供的实时人员信息，提取对应的温度影响量化矩阵结果，用作后续温度预测模块结果修正。

所述室内温度预测模块利用光纤温度修正模块提供的温度数据减去人因内扰修正模块提供的天花板高度处温度影响量化矩阵，得到无人因内扰下的天花板处温度，使用支持向量机回归算法，对所需高度处无人因内扰下的温度进行预测。最后将内扰修正模块提供的所需高度处温度影响量化矩阵添加至所需高度处无人因内扰下的温度预测结果，得到最终所需温度场预测结果。

具体的，本实施例选择一个典型办公空间对发明实施方案进行阐述。所选办公空间的座椅排数为四排，具体布置形式如图2所示。假设以15分钟为人员数据采集及温度调控单次间隔，15分钟前仅有第一排全部坐满，给出桌面高度处(0.8m)15分钟后温度场的预测流程。

第一步，基于光纤温度修正模块得到当前天花板高度处及侧墙高度处的温度，对测量结果采用前文提到的温度修正数学模型Y＝-105.4928+27.3917x-2.22707x²+0.07845x³-0.000994034x⁴进行实时在线修正，并对修正结果进行异常值检测，得到最终天花板高度处、侧墙高度处测点的温度。

第二步，利用人因内扰修正模块中的人员分布识别模块，采集到人员仅在第一排坐满，从人因内扰影响量化模块中找到对应的桌面高度处的温度影响量化矩阵，矩阵如图3a和图3b所示。并参考之前15分钟人员信息，从人因内扰影响量化模块中找到对应的天花板高度处的温度影响量化矩阵，矩阵如图3a和图3b所示。利用第一步中得到的天花板处温度，减去人因内扰修正模块提供的15分钟前的人因内扰对于天花板处温度影响，得到无人情况下的天花板高度处温度。

第三步，利用温度预测模块中的SVR算法，以第二步得到的无人情况下的天花板高度处温度，以及第一步得到的侧墙处温度作为输入，得到当前时刻无人情况下的桌面高度处温度。

第四步，在第三步得到了当前无人情况下桌面高度处的温度后，将其与第二步得到的15分钟后的人因内扰(第1排坐满情况)对桌面高度处温度影响相加，即求得15分钟后的桌面高度处温度，所有温度点应基于可视化处理和空调智能运行控制系统联动，以便实现空调运维人员对不同区域空调系统进行调控。

本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案，上述的具体实施方式仅仅是示意性的，并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下，本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换，这些均属于本发明的保护范围之内。

Claims (1)

1.一种基于分布式光纤的办公空间温度预测系统，其特征在于，包括光纤温度修正模块、人因内扰修正模块和温度预测模块；

所述光纤温度修正模块，用于确定室内的实时空气温度，作为温度预测模块的输入；

所述人因内扰修正模块，用于确定室内内扰所在位置，确定室内内扰在单位调控时间内对天花板高度处空气温度和所需室内高度处温度场的影响，作为温度预测模块的输入；

所述温度预测模块用于确定最终所需高度处的温度分布；

其中，所述光纤温度修正模块中，将光纤依据所需的空间分辨率均匀布置在侧墙及天花板处，利用分布式光纤温度测量主机，得到天花板高度处和侧墙处测点的温度信息，随后利用温度修正数学模型，修正光纤测得温度；所述温度修正数学模型为：Y＝-105.4928+27.3917x-2.22707x²+0.07845x³-0.000994034x⁴，式中x为光纤测得温度，Y为修正后的光纤测得温度；利用温湿度传感器与分布式光纤传感器进行位置同步监测，利用对应点位的同步监测数据，建立分布式光纤传感器的温度修正数学模型；对于所有修正后的温度点，计算与其沿光纤布置方向上距离最为接近的任意两温度点的差异以及与该点前5次历史温度数据的变异率，若差异过大将对应的修正后的温度点作为温度异常点处理；光纤温度修正模块得到的温度数据作为之后步骤的输入；

所述人因内扰修正模块包括人员分布识别模块和人因内扰影响量化模块，所述人员分布识别模块用于提供人员分布信息，利用办公空间中的监控摄像头，定时采集图像信息，利用目标检测方法，提取被监控办公空间内人员位置及数量信息；所述人因内扰影响量化模块利用CFD模拟软件，包含了不同季节、不同人员分布对室内不同高度处温度影响的量化结果；利用人员分布识别模块提供的实时人员信息，提取对应的温度影响量化矩阵结果，用作后续温度预测模块结果修正；

所述温度预测模块，利用光纤温度修正模块提供的温度数据减去人因内扰修正模块提供的天花板高度处温度影响量化矩阵，得到无人因内扰下的天花板处温度，使用支持向量机回归算法，对所需高度处无人因内扰下的温度进行预测；最后将人因内扰修正模块提供的所需高度处温度影响量化矩阵添加至所需高度处无人因内扰下的温度预测结果，得到最终所需温度场预测结果。

Images