CN113551340A - 一种智能新风监控系统及其新风控制方法 - Google Patents

一种智能新风监控系统及其新风控制方法 Download PDF

Info

Publication number
CN113551340A
CN113551340A CN202110871369.XA CN202110871369A CN113551340A CN 113551340 A CN113551340 A CN 113551340A CN 202110871369 A CN202110871369 A CN 202110871369A CN 113551340 A CN113551340 A CN 113551340A
Authority
CN
China
Prior art keywords
air
fresh air
air conditioner
fan
temperature
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.)
Granted
Application number
CN202110871369.XA
Other languages
English (en)
Other versions
CN113551340B (zh
Inventor
马辉
刘永兴
程从越
张少威
齐金华
李洋
李丽
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.)
China Telecom Cangzhou Branch
Original Assignee
China Telecom Cangzhou Branch
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 China Telecom Cangzhou Branch filed Critical China Telecom Cangzhou Branch
Priority to CN202110871369.XA priority Critical patent/CN113551340B/zh
Publication of CN113551340A publication Critical patent/CN113551340A/zh
Application granted granted Critical
Publication of CN113551340B publication Critical patent/CN113551340B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • F24F7/00—Ventilation
    • F24F7/007—Ventilation with forced flow
    • 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
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • 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
    • 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
    • F24F11/70—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
    • 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
    • F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
    • F24F11/81—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the air supply to heat-exchangers or bypass channels
    • 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
    • F24F11/88—Electrical aspects, e.g. circuits
    • 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
    • F24F2110/10—Temperature
    • 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
    • F24F2110/10—Temperature
    • F24F2110/12—Temperature of the outside air
    • 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
    • F24F2110/20—Humidity
    • F24F2110/22—Humidity of the outside air
    • 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
    • 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)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明提出了一种智能新风监控系统及其新风控制方法，所述智能新风监控系统安装在基站机房或普通接入机房；所述智能新风监控系统包括：环境参数获取模块，获取室内环境参数和室外环境参数；设备控制模块，对风机和空调的状态进行监控及远程控制；云端集中控制系统，采集环境参数获取模块输入的室内环境参数和室外环境参数，通过模糊学习来动态获取每个机房的新风和空调开启阈值，采用神经网络学习空调和新风关闭阈值，控制大脑计算输出的控制指令传输至设备控制模块，驱动风机和空调的开关。本发明可模拟人脑思维方式对设备控制，设备关闭时机更为科学，也避免了频繁启停对设备寿命的影响，保证风机工作的连续性，增加节能比例。

Description

一种智能新风监控系统及其新风控制方法
技术领域
本发明涉及新风控制技术领域，尤其是涉及一种智能新风监控系统及其新风控制方法。
背景技术
我国幅员辽阔，各地地理环境差异很大，在北方采用机房新风节能系统替代空调制冷而减少能耗是十分有效的方法。除了用于调节温度的空调外，新风系统也成为常用的家用电器。空调和新风系统可以独立安装，用户根据自身的实际需要分别控制，调整室内环境的温度和空气质量。空调和新风系统也可以集成为一个整体系统。
由于空调和新风系统某些功能相同，存在相同功能同时启动的可能性，这样一方面造成了电能的浪费，另一方面也会引起用户使用体验差的问题。并且，目前的新风节能系统是通过比较室内空气洁净度与各自预设值之间以及室内外空气洁净度之间的大小关系，再根据比较结果来自动控制新风气运行，新风节能系统通常人为限定风机或者空调开启阈值，风机和空调开启、关闭阈值无法进行动态调整，设备会出现频繁启停的状况，对设备寿命的影响造成影响。目前的新风节能系统空调的运行时间较长，节能降耗目的较差。
此外，目前的新风节能系统需要获取室外参数时，均需要在室外安装相应的采集传感器才可实现，这样无疑增加了投入成本。
发明内容
本发明提出一种智能新风监控系统及其新风控制方法，以解决背景技术中的问题，以避免频繁启停对设备寿命的影响，保证风机工作的连续性，增加节能比例。
本发明的技术方案是这样实现的：
一种智能新风监控系统，所述智能新风监控系统安装在基站机房或普通接入机房；所述智能新风监控系统包括：
环境参数获取模块，获取室内环境参数和室外环境参数；
设备控制模块，对风机和空调的状态进行监控及远程控制；
云端集中控制系统，采集环境参数获取模块输入的室内环境参数和室外环境参数，通过模糊学习来动态获取每个机房的新风和空调开启阈值，采用神经网络学习空调和新风关闭阈值，控制大脑计算输出的控制指令传输至设备控制模块，驱动风机和空调的开关。
进一步优化技术方案，所述新风和空调开启阈值是根据室内温度达到告警阈值时刻室外气温确定的；所述空调和新风关闭阈值动态获得，空调和新风关闭阈值的核心算法是根据历史数据训练神经网络，确定最优权值。
进一步优化技术方案，所述环境参数获取模块包括：
动环监控系统，安装在机房内，通过调用动环监控系统的C接口即可获取机房内的实时温度；
机房外环境参数获取模块，通过网络爬虫技术对中央气象台网站天气情况页面数据进行爬取，获取精准的实时天气信息及未来24小时的天气信息。
进一步优化技术方案，所述设备控制模块包括：
设备控制器，通过动环监控的C接口与云端集中控制系统相连接，对风机和空调实现远程集中控制。
一种智能新风监控系统的新风控制方法，获取室内环境参数和室外环境参数，通过模糊学习来动态获取每个机房的新风和空调开启阈值，采用神经网络学习空调和新风关闭阈值，控制大脑计算输出的控制指令传输至设备控制模块，驱动风机和空调的开关。
进一步优化技术方案，空调和新风关闭阈值的过程中，输入神经元包括光照时长与温度的乘积的和、当天内温度变化方差、当天温度最大值、上次设备开启阈值、当前内外部温度，根据输入神经元来学习设备的开关动作。
进一步优化技术方案，设定：
机房内温度告警阈值T_alarm_max、新风开启温度阈值T_fan_max、空调开启温度阈值T_Air_max；
室内温度变化趋势导函数值f_in、室外温度变化趋势导函数值f(out)；
室外天气指数函数值f_air：湿度Y、空气质量指数S、天气描述Q；当湿度Y>80％，或者空气质量指数S>300，f_air值为0，否则f_air值为1；
阈值具体的学习过程如下：
S1、关闭进风风机、出风风机和空调；设定机房内温度告警阈值T_alarm_max＝初始新风开启温度阈值T_fan_max＝初始空调开启温度阈值T_Air_max；
S2、每隔一段时间采集一次室内温度变化趋势导函数值f_in和室外天气指数函数值f_air；
S3、得到未来一段时间的天气变化趋势导函数值f_out；
S4、当检测到室内温度达到阈值T_alarm_max，且同时满足T_now<T_alarm_max、f_in>0、f_out>0、f_air＝1时，开启新风机，并将新风开启温度峰值阈值T_fan_max的阈值更新为T_now；如果T_now>＝T_alarm_max或者f_air＝0时，则开启空调，不更新阈值；
S5、如果新风机处在运行状态，随着室外温度V_out持续升高，即f_out>0,室内温度V_in开始升高,当达到T_alarm_max时，且f_air＝1时开启空调，并将空调开启温度阈值T_air_max更新为T_now；
S6、如果空调处于开启状态，室外温度导函数值f_out<0，且f_air＝1，将当天的神经元参数输入神经网络学习算法中，进行计算，得出空调关闭阈值T_air_min，如果T_air_min<＝T_now,则关闭空调开启新风机；
S7、如果风机处于开启状态，室外温度导函数值f_out<0，且f_air＝1，将当天的神经元参数输入神经网络学习算法中，进行计算，得出新风关闭阈值T_fan_min，如果T_fan_min<＝T_now,则关闭新风，自然降温。
进一步优化技术方案，所述室外环境参数的获取，采用中国气象网网站或者墨迹天气网站实时的天气数据，墨迹天气能够做到区县级的天气预报；通过爬虫技术爬取后，再解析html标签拿到实时天气数据和24小时天气数据。
采用了上述技术方案，本发明的有益效果为：
本发明通过使用机房现有资源，使用最少的成本实现机房新风系统的搭建，并通过云端模糊学习控制算法实现新风和空调的智能选择，最大限度地使用新风代替空调降温，最大限度地减少空调运行时长，最终实现机房节能降耗的目的。通过在机房基站安装试用，在夏季夜间也能实现不错的节能效果。
本发明用最低的成本实现接入机房批量安装新风节能系统，需要投入的安装成本仅有新风机、室外空滤过滤装置及物联网控制器，具有在短时间大批量安装部署的优势。
本发明云端集中控制系统采用人工智能自主学习设备关闭阈值，通过神经网络学习，模拟人脑思维方式对设备控制，动态获取当天的设备控制阈值。输入神经元包括光照时长与温度的乘积的和、当天内温度变化方差、当天温度最大值、上次设备开启阈值、当前内外部温度。相比固定阈值控制方式，本系统可模拟人脑思维方式对设备控制，设备关闭时机更为科学，也避免了频繁启停对设备寿命的影响。正常情况下，该系统每天只对空调控制进行两次控制，即开机制冷和关机两个操作，保证风机工作的连续性，增加节能比例。
本发明采用中央气象台网站天气数据，通过网络爬虫技术爬取当前天气数据，省去了温湿度传感器、室外空气质量传感器等硬件投资，降低了新风节能系统的硬件复杂度，进而保证了系统健壮性、可用性、易维护、易安装等特性。
本发明云端集中控制系统具有控制风机反转功能，可自定义反转运行时长，延长空气过滤滤网的清洁周期，降低维护上站频次，增加系统收益。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种智能新风监控系统的原理框图；
图2为本发明通过神经网络计算设备关闭阈值的流程图；
图3为本发明一种智能新风监控系统中一个机房一天内运行情况图。
具体实施方式
下面将结合具体实施方案对本发明的技术方案进行清楚、完整的描述，但是本领域技术人员应当理解，下文所述的实施方案仅用于说明本发明，而不应视为限制本发明的范围。基于本发明中的实施方案，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方案，都属于本发明保护的范围。
本发明采用的技术有新风引入技术、物联网通信技术、北向接口技术、网络爬虫技术以及神经网络自主学习人工智能技术。通过使用机房现有资源，使用最少的成本实现机房新风系统的搭建，并通过云端模糊学习控制算法实现新风和空调的智能选择，最大限度地使用新风代替空调降温，最大限度地减少空调运行时长，最终实现机房节能降耗的目的。通过在机房基站安装试用，在夏季夜间也能实现不错的节能效果。
一种智能新风监控系统，结合图1所示，包括环境参数获取模块、设备控制模块和云端集中控制系统。
图1中，01:代表环境参数获取模块，此模块获取的变量送入云端集中控制系统；
02:代表机房内现有的动环监控系统；
03:表示中央气象台网站，需要获取当天的天气情况；
04:云端集中控制系统，根据历史数据通过神经网络学习最优解，再根据最优解将输入的环境参数和设备开启阈值输出为设备关闭阈值；
05：通过动环监控获取的室内温度；
06：网络爬虫爬取的室外温度；
07：网络爬虫爬取的室外湿度；
08：网络爬虫爬取的空气质量：优、轻度污染、重度污染；
09：网络爬虫爬取的天气情况：大雨、小雨、扬砂；
10：设备控制器，有动环监控或者物联网设备控制器；
11：进风风机：外接空气过滤装置；
12：出风风机；
13：室内空调；
14：设备控制模块，包括该发明所使用的硬件设备。
智能新风监控系统安装在基站机房或普通接入机房。因为通信运营商此类机房分布较多，如果全部安装使用新风节能系统的话，所获得的经济效益最为显著。因为安装量大，所以必须考虑硬件投入成本、现场施工成本以及安装复杂度，确保要在三年之内回收成本，才能进行批量安装。本发明的目的是能够利用现有设备的尽量使用现有设备，尽可能地降低硬件测的复杂度，通过提升平台软件测复杂度代替硬件投资，从而达到最大的经济效益。
环境参数获取模块，主要功能是为云端集中控制模块输入决策参数，决策参数包括室内环境参数和室外环境参数。
环境参数获取模块包括动环监控系统和机房外环境参数获取模块。
动环监控系统，安装在机房内，通过调用动环监控系统的C接口即可获取机房内的实时温度。机房内温度可采用维谛动环监控系统C接口，通过socket来实时获取机房内温度传感器数值。机房环境参数：通信运营商机房内均装有动环监控系统。
机房外环境参数获取模块，通过网络爬虫技术对中央气象台网站天气情况页面数据进行爬取，获取精准的实时天气信息及未来24小时的天气信息。
机房外环境参数：新风系统引入新风需要满足一定的条件的空气才能引入，涉及的机房外环境参数包括室外空气温度、室外空气湿度、室外空气质量、室外天气情况(晴、大雨、扬砂)等。通常情况下其它类似的新风节能系统要获取这些参数均需要在室外安装相应的采集传感器才可实现，而本发明通过网络爬虫技术实现了零成本投入来获取这些参数。通过对中央气象台网站城市、区县天气情况页面数据的爬取，来获取精准的实时天气信息及未来24小时的天气信息，为控制算法提供了准确的判断维度。
设备控制模块，对风机和空调的状态进行监控及远程控制。设备控制模块包括设备控制器，设备控制器通过动环监控的C接口与云端集中控制系统相连接，对风机和空调实现远程集中控制。
本发明中远程设备控制方法采用两种方式：
一种是采用4G物联网控制器，通过其提供的web api接口实现系统平台的远程集中控制，通过控制器上的继电器开关控制风机和空调电源的开合，这种空调的控制方式是硬切换，适用于型号老旧、不能接入动环监控平台的空调；
另一种是通过动环监控的C接口实现远程集中控制，新风机的开关是利用动环设备上的继电器实现的，空调则是通过485接口接入动环监控系统，再通过动环C接口实现远程集中控制，这种空调的控制方式是软切换，对空调的使用寿命更加有利，适用于可接动环监控系统的空调。
云端集中控制系统，作为本发明的控制大脑，采集环境参数获取模块输入的室内环境参数和室外环境参数，通过模糊学习来动态获取每个机房的新风和空调开启阈值，采用神经网络学习空调和新风关闭阈值，控制大脑计算输出的控制指令传输至设备控制模块，驱动风机和空调的开关。
本发明所使用的硬件设备包括进风风机、出风风机、进风过滤装置、物联网设备控制器。
本发明中进风风机带有反转功能，当算法判定需要启动风机时，云端控制系统立即发送反转指令给进风风机控制设备，此时进风风机向机房外吹风。系统设定反转时长为Tc，当反转运行时长超过Tc后，云端控制系统再发送正转指令到风机控制设备。
云端集中控制系统具有控制风机反转功能，可自定义反转运行时长，延长空气过滤滤网的清洁周期，降低维护上站频次，增加系统收益。
设备控制方面可采用维谛动环监控系统C接口控制继电器开关实现新风设备开关，通过C接口实现空调软关闭。机房内不具备动环监控的采用物联网控制器，物联网控制器集成多路继电器开关，实现设备电源通断。
风机控制设备有两种：
一种是动环监控设备，通过动环监控设备的继电器接口控制风机的接线端子的接通还是断开；如果是正转则控制继电器接通风机正转线路，如果是反转则控制继电器接通风机反转线路。
另一种是物联网控制设备，此设备具有多路继电器控制功能，可通过云端的物联网web api接口实现，控制风机方法同动环控制方法。
空调控制设备有两种：
一种是通过动环监控系统控制，将智能空调通过RS485接口接入动环监控系统，云端集中控制系统再通过动环监控的C接口实现空调启停。
另一种是通过网联网控制器实现，通过web api接口实现物联网控制器继电器开关来实现空调开关。
为了防止进风风机出现堵塞现象，延长上站维护时间，本发明智能新风监控系统还包括室外过滤装置，进风风机在室外装有空气过滤装置，风机反转目的即是实现滤网的自主清洁，通过反向吹风将滤网的阻塞物同滤网剥离。
一种智能新风监控系统的新风控制方法，结合图2和图3所示，获取室内环境参数和室外环境参数，通过模糊学习来动态获取每个机房的新风和空调开启阈值，采用神经网络学习空调和新风关闭阈值，控制大脑计算输出的控制指令传输至设备控制模块，驱动风机和空调的开关。
室外环境参数的获取，采用中国气象网网站或者墨迹天气网站实时的天气数据，墨迹天气能够做到区县级的天气预报；通过爬虫技术爬取后，再解析html标签拿到实时天气数据和24小时天气数据。
外界天气数据包括湿度Y、空气质量指数S、天气描述Q，根据历史数据学习经验，当湿度Y>80％，或者空气质量指数S>300(严重污染)，或者天气描述Q为扬砂时，f_air函数值为0，否则f_air函数值为1。当f_air＝0时新风机不能开启。
本发明通过模糊学习来动态获取每个机房的新风和空调开启阈值。通过对历史数据的挖掘分析发现，同一机房在不同季节或者不同天气情况下的阈值并不是固定不变的。受室外气温、光照时长、机房墙壁余温、地温等因素影响，设备开关的阈值是动态变化的，因此使用固定阈值方式过于简单粗暴，并不能达到最大的节能效果。
本发明使用到的参数表达如下：
1)机房内温度告警阈值T_alarm_max、新风开启温度阈值T_fan_max、空调开启温度阈值T_Air_max。
2)室内温度变化趋势导函数值f_in、室外温度变化趋势导函数值f(out)，均为5分钟采集一次。
3)室外天气指数函数值f_air：湿度Y、空气质量指数S、天气描述Q，根据历史数据学习经验，当湿度Y>80％，或者空气质量指数S>300(严重污染)，或者天气描述Q为扬砂时，f_air值为0，否则f_air值为1。
阈值具体的学习过程如下：
S1、关闭进风风机、出风风机和空调。设定机房内温度告警阈值T_alarm_max＝初始新风开启温度阈值T_fan_max＝初始空调开启温度阈值T_Air_max。
S2、开启机房内温度趋势计算模块，每5min采集一次室内温度变化趋势导函数值f_in和室外天气指数函数值f_air。
S3、开启机房外天气采集模块，得到未来1小时天气变化趋势导函数值f_out。
S4、当机房内动环监控接口检测到室内温度达到阈值T_alarm_max，且同时满足T_now<T_alarm_max、f_in>0、f_out>0、f_air＝1时，开启新风机，并将新风开启温度峰值阈值T_fan_max的阈值更新为T_now；如果T_now>＝T_alarm_max或者f_air＝0时，则开启空调，不更新阈值。
S5、如果新风机处在运行状态，随着室外温度V_out持续升高，即f_out>0,室内温度V_in开始升高,当达到T_alarm_max时，且f_air＝1时开启空调，并将空调开启温度阈值T_air_max更新为T_now。
S6、如果空调处于开启状态，室外温度导函数值f_out<0，且f_air＝1，将当天的神经元参数输入神经网络学习算法中，进行计算，得出空调关闭阈值T_air_min，如果T_now<＝T_air_min,则关闭空调开启新风机。
S7、如果风机处于开启状态，室外温度导函数值f_out<0，且f_air＝1，将当天的神经元参数输入神经网络学习算法中，进行计算，得出新风关闭阈值T_fan_min，如果T_now<＝T_fan_min,则关闭新风，自然降温。
设备关闭阈值采用神经网络学习到的过程如下：通过空调和风机的开启阈值、新风历史运行数据、当天爬取的气温变化情况等参数，通过神经网络学习空调关闭阈值和新风关闭阈值。
设备开启阈值是根据室内温度达到告警阈值时刻室外气温确定的。设备关闭阈值动态获得，其核心算法是根据历史数据训练神经网络，确定最优权值。
输入神经元包括：
1)24小时光照时长与温度的乘机的和
Figure BDA0003189305830000121
n＝24；
2)一天内温度变化的方差S；
3)一天内温度最大值Vmax；
4)当前室内温度Vin；
5)当前室外温度Vout；
6)上次设备开启阈值Vthreshold；
输出为设备开关信号Y；
输入数据表示如下：X＝[ai，Si，Vi，Oi，Vin，Vout，Vthreshold]，
输出数据Y＝[y1]，1个输出，视为单输出；
激活函数为y＝sigmoid(sigmoid(X*W1+b1)*W2+b2)，W1是一个6*i的矩阵，b1和b2是一个标量。
采用神经网络学习空调和新风关闭阈值的过程中，输入神经元包括光照时长与温度的乘积的和、当天内温度变化方差、当天温度最大值、上次设备开启阈值、当前内外部温度，整个神经网络所表达的含义是根据输入神经元来学习设备的开关动作Y。
本发明图2为通过神经网络计算设备关闭阈值过程：
01：神经网络自主学习输入的神经元。
02：经过历史数据训练过的神经网络，得到最优权值；通过训练后的神经网络计算当前设备的切换阈值。
03：经过神经网络计算后得到的阈值和室外天气指数函数的值，判断当前是否能切换设备。
结合图3所示，采取一个机房的运行数据如下：8：16之前机房降温设备均未开启，当室外气温升高到16℃时，机房内温度达到告警阈值28℃，且f_air＝1，则开启新风降温，记录当天T_fan_min＝T_now＝16℃。在14:16时，室内温度又升高告警阈值28℃，且f_air＝1,这时需要开启空调，记录当天T_air_min＝T_now＝24℃。当室外气温降到T_air_min时，将神经元参数输入到神经网络算法中，得到输出数据Y为1，即需要关闭空调开启新风。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (8)

1.一种智能新风监控系统，其特征在于，所述智能新风监控系统安装在基站机房或普通接入机房；所述智能新风监控系统包括：
环境参数获取模块，获取室内环境参数和室外环境参数；
设备控制模块，对风机和空调的状态进行监控及远程控制；
云端集中控制系统，采集环境参数获取模块输入的室内环境参数和室外环境参数，通过模糊学习来动态获取每个机房的新风和空调开启阈值，采用神经网络学习空调和新风关闭阈值，控制大脑计算输出的控制指令传输至设备控制模块，驱动风机和空调的开关。
2.根据权利要求1所述的一种智能新风监控系统，其特征在于，所述环境参数获取模块包括：
动环监控系统，安装在机房内，通过调用动环监控系统的C接口即可获取机房内的实时温度；
机房外环境参数获取模块，通过网络爬虫技术对中央气象台网站天气情况页面数据进行爬取，获取精准的实时天气信息及未来24小时的天气信息。
3.根据权利要求2所述的一种智能新风监控系统，其特征在于，所述设备控制模块包括：
设备控制器，通过动环监控的C接口与云端集中控制系统相连接，对风机和空调实现远程集中控制。
4.一种如权利要求1至3任意一项所述的智能新风监控系统的新风控制方法，其特征在于，获取室内环境参数和室外环境参数，通过模糊学习来动态获取每个机房的新风和空调开启阈值，采用神经网络学习空调和新风关闭阈值，控制大脑计算输出的控制指令传输至设备控制模块，驱动风机和空调的开关。
5.根据权利要求4所述的一种智能新风监控系统的新风控制方法，其特征在于，所述新风和空调开启阈值是根据室内温度达到告警阈值时刻室外气温确定的；所述空调和新风关闭阈值动态获得，空调和新风关闭阈值的核心算法是根据历史数据训练神经网络，确定最优权值。
6.根据权利要求5所述的一种智能新风监控系统的新风控制方法，其特征在于，空调和新风关闭阈值的过程中，输入神经元包括光照时长与温度的乘积的和、当天内温度变化方差、当天温度最大值、上次设备开启阈值、当前内外部温度，根据输入神经元来学习设备的开关动作。
7.根据权利要求4所述的一种智能新风监控系统的新风控制方法，其特征在于，设定：
机房内温度告警阈值T_alarm_max、新风开启温度阈值T_fan_max、空调开启温度阈值T_Air_max；
室内温度变化趋势导函数值f_in、室外温度变化趋势导函数值f(out)；
室外天气指数函数值f_air：湿度Y、空气质量指数S、天气描述Q；当湿度Y>80％，或者空气质量指数S>300，f_air值为0，否则f_air值为1；
阈值具体的学习过程如下：
S1、关闭进风风机、出风风机和空调；设定机房内温度告警阈值T_alarm_max＝初始新风开启温度阈值T_fan_max＝初始空调开启温度阈值T_Air_max；
S2、每隔一段时间采集一次室内温度变化趋势导函数值f_in和室外天气指数函数值f_air；
S3、得到未来一段时间的天气变化趋势导函数值f_out；
S4、当检测到室内温度达到阈值T_alarm_max，且同时满足T_now<T_alarm_max、f_in>0、f_out>0、f_air＝1时，开启新风机，并将新风开启温度峰值阈值T_fan_max的阈值更新为T_now；如果T_now>＝T_alarm_max或者f_air＝0时，则开启空调，不更新阈值；
S5、如果新风机处在运行状态，随着室外温度V_out持续升高，即f_out>0,室内温度V_in开始升高,当达到T_alarm_max时，且f_air＝1时开启空调，并将空调开启温度阈值T_air_max更新为T_now；
S6、如果空调处于开启状态，室外温度导函数值f_out<0，且f_air＝1，将当天的神经元参数输入神经网络学习算法中，进行计算，得出空调关闭阈值T_air_min，如果T_air_min<＝T_now,则关闭空调开启新风机；
S7、如果风机处于开启状态，室外温度导函数值f_out<0，且f_air＝1，将当天的神经元参数输入神经网络学习算法中，进行计算，得出新风关闭阈值T_fan_min，如果T_fan_min<＝T_now,则关闭新风，自然降温。
8.根据权利要求4所述的一种智能新风监控系统的新风控制方法，其特征在于，所述室外环境参数的获取，采用中国气象网网站或者墨迹天气网站实时的天气数据，墨迹天气能够做到区县级的天气预报；通过爬虫技术爬取后，再解析html标签拿到实时天气数据和24小时天气数据。
CN202110871369.XA 2021-07-30 2021-07-30 一种智能新风监控系统及其新风控制方法 Active CN113551340B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110871369.XA CN113551340B (zh) 2021-07-30 2021-07-30 一种智能新风监控系统及其新风控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110871369.XA CN113551340B (zh) 2021-07-30 2021-07-30 一种智能新风监控系统及其新风控制方法

Publications (2)

Publication Number Publication Date
CN113551340A true CN113551340A (zh) 2021-10-26
CN113551340B CN113551340B (zh) 2022-12-27

Family

ID=78104998

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110871369.XA Active CN113551340B (zh) 2021-07-30 2021-07-30 一种智能新风监控系统及其新风控制方法

Country Status (1)

Country Link
CN (1) CN113551340B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114115395A (zh) * 2021-11-11 2022-03-01 国网山东省电力公司 一种基于ai的机房环境监控方法及系统
CN115031365A (zh) * 2022-06-17 2022-09-09 广东欧科空调制冷有限公司 基于天气预测的新风机智能控制方法及系统
CN115183356A (zh) * 2022-06-20 2022-10-14 天钥光电（湖北）股份有限公司 一种机房智能温控系统及其温控方法
CN115978760A (zh) * 2023-01-04 2023-04-18 小米科技(武汉)有限公司 空调器的控制方法、装置、电子设备和空调器
CN117632664A (zh) * 2024-01-11 2024-03-01 深圳市柏特瑞电子有限公司 一种基于自动比对的机房设备监测方法及系统
CN117646966A (zh) * 2023-12-11 2024-03-05 广州狮威能源技术有限公司 一种新型智能节能中央空调新风机控制系统
CN118391768A (zh) * 2024-06-26 2024-07-26 安徽中科新源半导体科技有限公司 一种用于环境监测的高精度智能新风系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102410613A (zh) * 2011-10-26 2012-04-11 苏州盟通利机电设备有限公司 神经网络式机房新风控制系统及控制方法
CN202419851U (zh) * 2011-12-02 2012-09-05 温州市创力电子有限公司 一种基站节能控制系统
CN102980276A (zh) * 2012-12-27 2013-03-20 无锡博欧节能科技有限公司 一种基站节能用智能新风系统
CN203116224U (zh) * 2012-05-07 2013-08-07 上海唐辉电子有限公司 小型机房新风节能控制系统
CN108870672A (zh) * 2017-05-05 2018-11-23 中国移动通信有限公司研究院 一种调节新风机房的温度的系统和方法
CN111197850A (zh) * 2020-02-25 2020-05-26 佛山科学技术学院 一种大学图书馆温度监控系统
CN111878958A (zh) * 2020-06-17 2020-11-03 华帝股份有限公司 一种可自动启停的新风系统及其控制方法
JP2021071262A (ja) * 2019-10-31 2021-05-06 株式会社富士通ゼネラル 空気調和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102410613A (zh) * 2011-10-26 2012-04-11 苏州盟通利机电设备有限公司 神经网络式机房新风控制系统及控制方法
CN202419851U (zh) * 2011-12-02 2012-09-05 温州市创力电子有限公司 一种基站节能控制系统
CN203116224U (zh) * 2012-05-07 2013-08-07 上海唐辉电子有限公司 小型机房新风节能控制系统
CN102980276A (zh) * 2012-12-27 2013-03-20 无锡博欧节能科技有限公司 一种基站节能用智能新风系统
CN108870672A (zh) * 2017-05-05 2018-11-23 中国移动通信有限公司研究院 一种调节新风机房的温度的系统和方法
JP2021071262A (ja) * 2019-10-31 2021-05-06 株式会社富士通ゼネラル 空気調和装置
CN111197850A (zh) * 2020-02-25 2020-05-26 佛山科学技术学院 一种大学图书馆温度监控系统
CN111878958A (zh) * 2020-06-17 2020-11-03 华帝股份有限公司 一种可自动启停的新风系统及其控制方法

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114115395A (zh) * 2021-11-11 2022-03-01 国网山东省电力公司 一种基于ai的机房环境监控方法及系统
CN114115395B (zh) * 2021-11-11 2022-10-04 国网山东省电力公司 一种基于ai的机房环境监控方法及系统
CN115031365A (zh) * 2022-06-17 2022-09-09 广东欧科空调制冷有限公司 基于天气预测的新风机智能控制方法及系统
CN115031365B (zh) * 2022-06-17 2023-11-28 广东欧科空调制冷有限公司 基于天气预测的新风机智能控制方法及系统
CN115183356A (zh) * 2022-06-20 2022-10-14 天钥光电（湖北）股份有限公司 一种机房智能温控系统及其温控方法
CN115978760A (zh) * 2023-01-04 2023-04-18 小米科技(武汉)有限公司 空调器的控制方法、装置、电子设备和空调器
CN117646966A (zh) * 2023-12-11 2024-03-05 广州狮威能源技术有限公司 一种新型智能节能中央空调新风机控制系统
CN117646966B (zh) * 2023-12-11 2024-04-26 广州狮威能源技术有限公司 一种智能节能中央空调新风机控制系统
CN117632664A (zh) * 2024-01-11 2024-03-01 深圳市柏特瑞电子有限公司 一种基于自动比对的机房设备监测方法及系统
CN117632664B (zh) * 2024-01-11 2024-04-26 深圳市柏特瑞电子有限公司 一种基于自动比对的机房设备监测方法及系统
CN118391768A (zh) * 2024-06-26 2024-07-26 安徽中科新源半导体科技有限公司 一种用于环境监测的高精度智能新风系统
CN118391768B (zh) * 2024-06-26 2024-08-20 安徽中科新源半导体科技有限公司 一种用于环境监测的高精度智能新风系统

Also Published As

Publication number Publication date
CN113551340B (zh) 2022-12-27

Similar Documents

Publication Publication Date Title
CN113551340B (zh) 一种智能新风监控系统及其新风控制方法
CN101949252B (zh) 一种多功能智能窗
CN201802240U (zh) 一种多功能智能窗
CN111121241A (zh) 一种智能家居环境控制系统及其方法
CN102721145A (zh) 一种室内空调和照明控制器及其控制方法
CN214619993U (zh) 一种空调智能控制节能系统
CN102980276A (zh) 一种基站节能用智能新风系统
CN113890024B (zh) 一种非侵入式负荷智能分解和优化控制方法
CN106885350A (zh) 一种空调节能控制系统
CN201615566U (zh) 公共空调节电远程监控终端
CN112032972A (zh) 基于云计算的物联网中央空调自寻优控制系统及方法
CN105373000B (zh) 基于“互联网+”的智慧社区平台控制系统及控制方法
CN110488897B (zh) 一种非封闭性空间环境调控系统及其调控方法
CN206817703U (zh) 一种节能型无线传感器网络中央空调温度控制系统
CN103712317A (zh) 新型机房通风节能系统及其变换风向的方法
CN111550915A (zh) 一种基于非侵入式量测的空调智能控制系统
CN111043717B (zh) 一种楼宇自动化环境温度控制方法及其系统
CN205263682U (zh) 一种温室大棚环境智能控制系统及其控制终端
CN104154613B (zh) 智能节能控制系统
CN114153256A (zh) 基于用户反馈的共享空间环境集成监控系统
CN116358116A (zh) 空调设备、空调设备的控制方法及空调系统
CN209706295U (zh) 商用风机盘管自动节能控制器
CN201433640Y (zh) 一种定时窗户
CN111380141A (zh) 一种室内环境舒适度自动调控系统及其调控方法
CN205195745U (zh) 基于互联网的智慧社区平台控制系统

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