CN116558082B - 一种节能通风系统 - Google Patents
一种节能通风系统 Download PDFInfo
- Publication number
- CN116558082B CN116558082B CN202310719187.XA CN202310719187A CN116558082B CN 116558082 B CN116558082 B CN 116558082B CN 202310719187 A CN202310719187 A CN 202310719187A CN 116558082 B CN116558082 B CN 116558082B
- Authority
- CN
- China
- Prior art keywords
- environment
- area
- information
- acquiring
- generating
- 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
- 238000009423 ventilation Methods 0.000 title claims abstract description 47
- 238000010586 diagram Methods 0.000 claims abstract description 92
- 230000005540 biological transmission Effects 0.000 claims abstract description 84
- 238000013461 design Methods 0.000 claims abstract description 66
- 238000012544 monitoring process Methods 0.000 claims abstract description 61
- 230000008447 perception Effects 0.000 claims abstract description 53
- 238000004378 air conditioning Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000001105 regulatory effect Effects 0.000 claims description 30
- 238000009434 installation Methods 0.000 claims description 26
- 238000013507 mapping Methods 0.000 claims description 24
- 230000007613 environmental effect Effects 0.000 claims description 22
- 210000000349 chromosome Anatomy 0.000 claims description 12
- 230000035772 mutation Effects 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 238000003860 storage Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- F24F11/89—Arrangement or mounting of control or safety devices
-
- 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
- F24F11/62—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- F24F2120/00—Control inputs relating to users or occupants
- F24F2120/10—Occupancy
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Biophysics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Signal Processing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Architecture (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Graphics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Human Computer Interaction (AREA)
- Fuzzy Systems (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及一种节能通风系统,属于通风控制技术领域,本发明通过获取当前目标区域的室内布局设计图,并根据当前目标区域的室内布局设计图构建环境感知监测网络,通过环境感知监测网络获取目标区域中各个子区域的环境感知数据,融合目标区域中各个子区域的环境感知数据构建数字孪生模型,基于数字孪生模型获取每一区域的实时环境数据信息,并根据每一区域的实时环境数据信息生成待进行空调调控的所在区域,根据待进行空调调控的所在区域进行通风调控。本发明充分考虑了环境感知设备在采集数据的数据传输速率,从而使得环境感知设备在采集数据的数据传输速率符合预设要求,进而在采集环境感知数据时保持及时性,有利于空调的实时化控制。
Description
技术领域
本发明涉及通风控制技术领域,尤其涉及一种节能通风系统。
背景技术
在一些公共场合中,如地铁站、大型建筑的公共区域,而作为城市轨道交通的重要组成部分,地铁站是相对特殊的一类建筑,深埋地下数米至数十米,室内环境和能源利用效率的保持都比传统建筑更具有难度。巨大的内热源不间断散热与波动剧烈的人流带来的热量,使得地铁站通风空调系统的能耗居高不下。据统计,在中国北方地区,车站环控系统(包含车站通风空调系统和隧道通风系统)能耗约占地铁系统总能耗的33%~50%,在南方地区比例更高,约为50%。地铁站通风空调系统的高能耗不仅影响了地铁运营的经济性,还造成了能源的浪费,因此分析现有地铁站通风空调系统中存在的问题,总结现有系统的节能优化措施以及探讨未来的节能优化技术发展方向。
发明内容
本发明克服了现有技术的不足,提供了一种节能通风系统。
为达上述目的,本发明采用的技术方案为:
本发明第一方面提供了一种节能通风方法,包括以下步骤:
获取当前目标区域的室内布局设计图,并根据当前目标区域的室内布局设计图构建环境感知监测网络,通过环境感知监测网络获取目标区域中各个子区域的环境感知数据;
融合目标区域中各个子区域的环境感知数据构建数字孪生模型;
基于数字孪生模型获取每一区域的实时环境数据信息,并根据每一区域的实时环境数据信息生成待进行空调调控的所在区域;
根据待进行空调调控的所在区域进行通风调控。
进一步地,本发明的一个较佳实施例中,根据当前目标区域的室内布局设计图构建环境感知监测网络,具体包括以下步骤:
初始化坐标原点,并根据坐标原点构建虚拟场景,同时,基于当前目标区域的室内布局设计图通过三维建模软件构建室内设计三维模型图,并将室内设计三维模型图输入到虚拟产场景中;
获取当前室内中相关设备的外形尺寸信息,并根据当前室内中相关设备的外形尺寸信息构建设备三维模型图,获取当前室内中相关设备所在的位置;
根据当前室内中相关设备所在的位置生成第一映射关系,并根据第一映射关系将三维模型图输入到虚拟产场景中,生成总的室内设计三维模型图,通过对总的室内设计三维模型图进行识别,获取待环境监测的区域;
获取每一环境感知设备的工作范围信息,并根据每一环境感知设备的工作范围信息对待环境监测的区域进行布局,生成环境感知设备布局图,基于环境感知设备布局图生成环境感知监测网络。
进一步地,本发明的一个较佳实施例中,基于环境感知设备布局图生成环境感知监测网络,具体包括以下步骤:
初始化环境感知设备布局图中每一个监测区域的信息传输节点的安装位置,并通过对环境感知监测网络中每一个监测区域的信息传输节点的安装位置进行信息传输速率测试,获取每一个信息传输节点的信息传输速率;
引入遗传算法,并在解空间中产生若干个染色体,生成初代种群,并确定种群规模以及最大进化代数,对选择比例、交叉概率、变异概率进行初始化;
基于每一个信息传输节点的信息传输速率,对初代种群中每一个染色体个体进行快速非支配排序和拥挤度的计算,对初代种群进行选择、交叉、变异操作,以获得下一代种群;
确定演化过程的进化代数,若进化代数小于最大进化代数,则进化代数的数量加一,并转至对初代种群进行选择、交叉、变异操作,以获得下一代种群,若进化代数大于最大进化代数,则中止迭代并输出最大的每一个信息传输节点的信息传输速率,获取最大的每一个信息传输节点的信息传输速率对应的安装节点,并根据安装节点以及环境感知设备布局图生成环境感知监测网络。
进一步地,本发明的一个较佳实施例中,融合目标区域中各个子区域的环境感知数据构建数字孪生模型,具体包括以下步骤:
获取总的室内设计三维模型图,并通过目标区域中各个子区域的环境感知数据生成环境感知模型,构建时间戳,获取每一个时间戳内的环境感知模型;
实时采集每一个时间戳内的环境感知模型的位置信息,并根据每一个时间戳内的环境感知模型的位置信息生成第二映射关系;
基于第二映射关系将每一个时间戳内的环境感知模型输入到总的室内设计三维模型图中,获取每一时间戳的初始数字孪生模型;
基于每一时间戳的初始数字孪生模型构建动态数字孪生模型,将动态数字孪生模型作为最终的数字孪生模型进行输出,并按照预设方式进行显示。
进一步地,本发明的一个较佳实施例中,基于数字孪生模型获取每一区域的实时环境数据信息,并根据每一区域的实时环境数据信息生成待进行空调调控的所在区域,具体包括以下步骤:
设置第一调控阈值以及第二调控阈值,基于数字孪生模型获取每一区域的实时环境数据信息,并根据实时环境数据获取每一区域的人流量数据信息以及温度数据信息;
判断温度信息是否大于第一调控阈值,若温度信息大于第一调控阈值,则获取待调控至第一调控阈值的区域,并实时获取待调控至第一调控阈值的区域的人流量数据信息;
判断人流量信息是否大于预设人流量信息,若人流量信息大于预设人流量信息,则根据待调控至第一调控阈值的区域的人流量数据信息生成待调控至第二调控阈值的区域;
若人流量信息不大于预设人流量信息,则生成待调控至第一调控阈值的区域,并根据待调控至第一调控阈值的区域以及调控至第二调控阈值的区域生成待进行空调调控的所在区域。
进一步地,本发明的一个较佳实施例中,根据待进行空调调控的所在区域进行通风调控,具体包括以下步骤:
通过数字孪生模型获取每一待进行空调调控的所在区域的温度场模型,并根据每一待进行空调调控的所在区域的温度场模型获取每一区域的温度梯度数据信息;
根据每一区域的温度梯度数据信息制定相关的空调通风调控方案,并获取每一待进行空调调控的所在区域的空调设备的通信协议信息;
根据每一待进行空调调控的所在区域的空调设备的通信协议信息通过信息传输节点传输控制指令,并通过控制指令对每一待进行空调调控的所在区域进行通风调控。
本发明第二方面提供了一种节能通风系统,该系统包括存储器以及处理器,存储器中包含节能通风方法程序,节能通风方法程序被处理器执行时,实现如下步骤:
获取当前目标区域的室内布局设计图,并根据当前目标区域的室内布局设计图构建环境感知监测网络,通过环境感知监测网络获取目标区域中各个子区域的环境感知数据;
融合目标区域中各个子区域的环境感知数据构建数字孪生模型;
基于数字孪生模型获取每一区域的实时环境数据信息,并根据每一区域的实时环境数据信息生成待进行空调调控的所在区域;
根据待进行空调调控的所在区域进行通风调控。
在本系统中,根据当前目标区域的室内布局设计图构建环境感知监测网络,具体包括以下步骤:
初始化坐标原点,并根据坐标原点构建虚拟场景,同时,基于当前目标区域的室内布局设计图通过三维建模软件构建室内设计三维模型图,并将室内设计三维模型图输入到虚拟产场景中;
获取当前室内中相关设备的外形尺寸信息,并根据当前室内中相关设备的外形尺寸信息构建设备三维模型图,获取当前室内中相关设备所在的位置;
根据当前室内中相关设备所在的位置生成第一映射关系,并根据第一映射关系将三维模型图输入到虚拟产场景中,生成总的室内设计三维模型图,通过对总的室内设计三维模型图进行识别,获取待环境监测的区域;
获取每一环境感知设备的工作范围信息,并根据每一环境感知设备的工作范围信息对待环境监测的区域进行布局,生成环境感知设备布局图,基于环境感知设备布局图生成环境感知监测网络。
在本系统中,根据当前目标区域的室内布局设计图构建环境感知监测网络,具体包括以下步骤:
初始化环境感知设备布局图中每一个监测区域的信息传输节点的安装位置,并通过对环境感知监测网络中每一个监测区域的信息传输节点的安装位置进行信息传输速率测试,获取每一个信息传输节点的信息传输速率;
引入遗传算法,并在解空间中产生若干个染色体,生成初代种群,并确定种群规模以及最大进化代数,对选择比例、交叉概率、变异概率进行初始化;
基于每一个信息传输节点的信息传输速率,对初代种群中每一个染色体个体进行快速非支配排序和拥挤度的计算,对初代种群进行选择、交叉、变异操作,以获得下一代种群;
确定演化过程的进化代数,若进化代数小于最大进化代数,则进化代数的数量加一,并转至对初代种群进行选择、交叉、变异操作,以获得下一代种群,若进化代数大于最大进化代数,则中止迭代并输出最大的每一个信息传输节点的信息传输速率,获取最大的每一个信息传输节点的信息传输速率对应的安装节点,并根据安装节点以及环境感知设备布局图生成环境感知监测网络。
在本系统中,融合目标区域中各个子区域的环境感知数据构建数字孪生模型,具体包括以下步骤:
获取总的室内设计三维模型图,并通过目标区域中各个子区域的环境感知数据生成环境感知模型,构建时间戳,获取每一个时间戳内的环境感知模型;
实时采集每一个时间戳内的环境感知模型的位置信息,并根据每一个时间戳内的环境感知模型的位置信息生成第二映射关系;
基于第二映射关系将每一个时间戳内的环境感知模型输入到总的室内设计三维模型图中,获取每一时间戳的初始数字孪生模型;
基于每一时间戳的初始数字孪生模型构建动态数字孪生模型,将动态数字孪生模型作为最终的数字孪生模型进行输出,并按照预设方式进行显示。
本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
本发明通过获取当前目标区域的室内布局设计图,并根据当前目标区域的室内布局设计图构建环境感知监测网络,通过环境感知监测网络获取目标区域中各个子区域的环境感知数据,进而融合目标区域中各个子区域的环境感知数据构建数字孪生模型,从而基于数字孪生模型获取每一区域的实时环境数据信息,并根据每一区域的实时环境数据信息生成待进行空调调控的所在区域,最后根据待进行空调调控的所在区域进行通风调控。本发明充分考虑了环境感知设备在采集数据的数据传输速率,从而使得环境感知设备在采集数据的数据传输速率符合预设要求,进而在采集环境感知数据时保持及时性,有利于空调的实时化控制。另一方面,本发明充分考虑了人流量以及温度数据,从而根据人流量以及温度数据进行智能化调控,使得公共场合的空调更加节能。
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实施例的附图。
图1示出了一种节能通风方法的整体方法流程图;
图2示出了一种节能通风方法的第一子方法流程图;
图3示出了一种节能通风方法的第二子方法流程图;
图4示出了一种节能通风系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
本发明第一方面提供了一种节能通风方法,包括以下步骤:
S102:获取当前目标区域的室内布局设计图,并根据当前目标区域的室内布局设计图构建环境感知监测网络,通过环境感知监测网络获取目标区域中各个子区域的环境感知数据;
需要说明的是,目标区域可以是大型建筑的公共场合、地铁站、汽车站等场合。
S104:融合目标区域中各个子区域的环境感知数据构建数字孪生模型;
S106:基于数字孪生模型获取每一区域的实时环境数据信息,并根据每一区域的实时环境数据信息生成待进行空调调控的所在区域;
S108:根据待进行空调调控的所在区域进行通风调控。
需要说明的是,本发明充分考虑了环境感知设备在采集数据的数据传输速率,从而使得环境感知设备在采集数据的数据传输速率符合预设要求,进而在采集环境感知数据时保持及时性,有利于空调的实时化控制。另一方面,本发明充分考虑了人流量以及温度数据,从而根据人流量以及温度数据进行智能化调控,使得公共场合的空调更加节能。
如图2所示,进一步地,本发明的一个较佳实施例中,根据当前目标区域的室内布局设计图构建环境感知监测网络,具体包括以下步骤:
S202:初始化坐标原点,并根据坐标原点构建虚拟场景,同时,基于当前目标区域的室内布局设计图通过三维建模软件构建室内设计三维模型图,并将室内设计三维模型图输入到虚拟产场景中;
需要说明的是,三维建模软件包括但不限于Blender软件、maya软件、RhinoRhinocero软件、SolidWorks软件。
S204:获取当前室内中相关设备的外形尺寸信息,并根据当前室内中相关设备的外形尺寸信息构建设备三维模型图,获取当前室内中相关设备所在的位置;
S206:根据当前室内中相关设备所在的位置生成第一映射关系,并根据第一映射关系将三维模型图输入到虚拟产场景中,生成总的室内设计三维模型图,通过对总的室内设计三维模型图进行识别,获取待环境监测的区域;
其中,通过对总的室内设计三维模型图进行识别,获取待环境监测的区域,可以通过大数据分析技术、深度学习网络等技术来对待环境监测的区域进行识别,非经常使用的工作区域(如逃生通道)为非待环境监测的区域。
S208:获取每一环境感知设备的工作范围信息,并根据每一环境感知设备的工作范围信息对待环境监测的区域进行布局,生成环境感知设备布局图,基于环境感知设备布局图生成环境感知监测网络。
需要说明的是,环境感知设备包括但不限于传感器、摄像头、红外探测仪等,其中传感器包括温度传感器、湿度传感器等,每一种环境感知设备均会有一定的工作范围,从而根据每一环境感知设备的工作范围信息对待环境监测的区域进行布局,通过本方法能够进一步提高节能通风系统的设置合理化。
如图3所示,在步骤208中,其中,基于环境感知设备布局图生成环境感知监测网络,具体包括以下步骤:
S302:初始化环境感知设备布局图中每一个监测区域的信息传输节点的安装位置,并通过对环境感知监测网络中每一个监测区域的信息传输节点的安装位置进行信息传输速率测试,获取每一个信息传输节点的信息传输速率;
需要说明的是,实际上在安装环境感知设备(如传感器、红外探测仪)时,采集数据之后就会通过信息传输设备来传输信息,所以般都会设置一个信息传输节点来传输所采集的信息到计算机空调控制终端,其中,通过对环境感知监测网络中每一个监测区域的信息传输节点的安装位置进行信息传输速率测试,一方面可以根据信息传输设备的传输原则来预估信息传输速率,如WiFi设备容易受到安装位置、建筑中建筑墙的厚度影响;另一方面,工作人员可以在每一监测区域的位置通过测试仪器进行测试,从而统计出一个大数据集。
S304:引入遗传算法,并在解空间中产生若干个染色体,生成初代种群,并确定种群规模以及最大进化代数,对选择比例、交叉概率、变异概率进行初始化;
S306:基于每一个信息传输节点的信息传输速率,对初代种群中每一个染色体个体进行快速非支配排序和拥挤度的计算,对初代种群进行选择、交叉、变异操作,以获得下一代种群;
S308:确定演化过程的进化代数,若进化代数小于最大进化代数,则进化代数的数量加一,并转至对初代种群进行选择、交叉、变异操作,以获得下一代种群,若进化代数大于最大进化代数,则中止迭代并输出最大的每一个信息传输节点的信息传输速率,获取最大的每一个信息传输节点的信息传输速率对应的安装节点,并根据安装节点以及环境感知设备布局图生成环境感知监测网络。
需要说明的是,本发明充分考虑了环境感知设备在采集数据的数据传输速率,从而使得环境感知设备在采集数据的数据传输速率符合预设要求,进而在采集环境感知数据时保持及时性,有利于空调的实时化控制。
进一步地,本发明的一个较佳实施例中,融合目标区域中各个子区域的环境感知数据构建数字孪生模型,具体包括以下步骤:
获取总的室内设计三维模型图,并通过目标区域中各个子区域的环境感知数据生成环境感知模型,构建时间戳,获取每一个时间戳内的环境感知模型;
其中,环境感知模型包括每一区域的温度场数据、人体模型、红外温度场模型等,从而对每一区域的实时温度情况进行构建。
实时采集每一个时间戳内的环境感知模型的位置信息,并根据每一个时间戳内的环境感知模型的位置信息生成第二映射关系;
基于第二映射关系将每一个时间戳内的环境感知模型输入到总的室内设计三维模型图中,获取每一时间戳的初始数字孪生模型;
基于每一时间戳的初始数字孪生模型构建动态数字孪生模型,将动态数字孪生模型作为最终的数字孪生模型进行输出,并按照预设方式进行显示。
需要说明的是,构建数字孪生模型能够展示出公共场合内的每一区域的温度场数据、人体模型、红外温度场模型等,通过本方法能够对动态的数字孪生模型进行展示,能够使得通过人工智能技术来根据实际情况来调控。
进一步地,本发明的一个较佳实施例中,基于数字孪生模型获取每一区域的实时环境数据信息,并根据每一区域的实时环境数据信息生成待进行空调调控的所在区域,具体包括以下步骤:
设置第一调控阈值以及第二调控阈值,基于数字孪生模型获取每一区域的实时环境数据信息,并根据实时环境数据获取每一区域的人流量数据信息以及温度数据信息;
判断温度信息是否大于第一调控阈值,若温度信息大于第一调控阈值,则获取待调控至第一调控阈值的区域,并实时获取待调控至第一调控阈值的区域的人流量数据信息;
判断人流量信息是否大于预设人流量信息,若人流量信息大于预设人流量信息,则根据待调控至第一调控阈值的区域的人流量数据信息生成待调控至第二调控阈值的区域;
若人流量信息不大于预设人流量信息,则生成待调控至第一调控阈值的区域,并根据待调控至第一调控阈值的区域以及调控至第二调控阈值的区域生成待进行空调调控的所在区域。
需要说明的是,第一调控阈值为空调在无人时设置的阈值,如25摄氏度,第二调控阈值为人流量高于预设人流量时设置的温度阈值,当调控到第二调控阈值时,能够提高用户在公共场合的舒适度。
进一步地,本发明的一个较佳实施例中,根据待进行空调调控的所在区域进行通风调控,具体包括以下步骤:
通过数字孪生模型获取每一待进行空调调控的所在区域的温度场模型,并根据每一待进行空调调控的所在区域的温度场模型获取每一区域的温度梯度数据信息;
根据每一区域的温度梯度数据信息制定相关的空调通风调控方案,并获取每一待进行空调调控的所在区域的空调设备的通信协议信息;
根据每一待进行空调调控的所在区域的空调设备的通信协议信息通过信息传输节点传输控制指令,并通过控制指令对每一待进行空调调控的所在区域进行通风调控。
此外,本发明还可以包括以下步骤:
通过环境感知设备获取目标区域中用户的表情数据信息,基于深度学习网络构建表情特征识别模型,并通过大数据获取大量的用户表情特征数据信息;
将所述大量的用户表情特征数据信息输入到所述表情特征识别模型中进行编码学习,当所述表情特征识别模型符合预设要求之后,保存模型参数,输出所述表情特征识别模型;
将所述目标区域中用户的表情数据信息输入到所述表情特征识别模型中进行识别,获取用户的实时表情特征信息,并通过所述数字孪生模型获取每一区域的温度场;
通过大数据获取每一区域的温度场对于当前用户表情特征的舒适程度反馈数据,当所述舒适程度反馈数据大于预设舒适程度反馈数据时,将舒适程度反馈数据大于预设舒适程度反馈数据的区域按照预设方式推荐以及显示。
需要说明的是,用户的表情数据信息包括用户运动后出汗时的表情特征,用户平常时的表情特征等,通过本方法能够推荐舒适程度反馈数据较高的温度区域给有需求的用户,相关的推荐设备可以安装在公共场合,以提示用户。其中舒适程度包括低舒适程度、中舒适程度、高舒适程度等。
此外,本发明还可以包括以下步骤:
获取目标区域中故障空调设备的位置信息以及目标区域中故障空调设备调控区域的温度信息,并获取目标区域中用户所在的位置信息;
获取实时的用户的表情特征数据,当所述用户的表情特征数据为预设表情特征数据时,判断所述目标区域中故障空调设备调控区域的温度信息是否高于预设温度数据信息;
当所述目标区域中故障空调设备调控区域的温度信息高于预设温度数据信息,则选取目标区域中故障空调设备调控区域的温度信息低于预设温度数据信息的区域作为目标区域中的用户行驶区域;
将所述目标区域中故障空调设备的位置信息、目标区域中用户所在的位置信息、目标区域中的用户行驶区域输入到蚁群算法中进行最优路径规划,获取用户的最优行驶路径,并按预设方式显示。
需要说明的是,由于公共区域中的空调可能产生了故障情况,通过本方法能够规划出一条更加舒适的行驶路径给用户,从而提高用户在公共场合中的舒适度。
本发明第二方面提供了一种节能通风系统4,该系统包括存储器41以及处理器62,该存储器41中包含节能通风方法程序,节能通风方法程序被处理器62执行时,实现如下步骤:
获取当前目标区域的室内布局设计图,并根据当前目标区域的室内布局设计图构建环境感知监测网络,通过环境感知监测网络获取目标区域中各个子区域的环境感知数据;
融合目标区域中各个子区域的环境感知数据构建数字孪生模型;
基于数字孪生模型获取每一区域的实时环境数据信息,并根据每一区域的实时环境数据信息生成待进行空调调控的所在区域;
根据待进行空调调控的所在区域进行通风调控。
在本系统中,根据当前目标区域的室内布局设计图构建环境感知监测网络,具体包括以下步骤:
初始化坐标原点,并根据坐标原点构建虚拟场景,同时,基于当前目标区域的室内布局设计图通过三维建模软件构建室内设计三维模型图,并将室内设计三维模型图输入到虚拟产场景中;
获取当前室内中相关设备的外形尺寸信息,并根据当前室内中相关设备的外形尺寸信息构建设备三维模型图,获取当前室内中相关设备所在的位置;
根据当前室内中相关设备所在的位置生成第一映射关系,并根据第一映射关系将三维模型图输入到虚拟产场景中,生成总的室内设计三维模型图,通过对总的室内设计三维模型图进行识别,获取待环境监测的区域;
获取每一环境感知设备的工作范围信息,并根据每一环境感知设备的工作范围信息对待环境监测的区域进行布局,生成环境感知设备布局图,基于环境感知设备布局图生成环境感知监测网络。
在本系统中,根据当前目标区域的室内布局设计图构建环境感知监测网络,具体包括以下步骤:
初始化环境感知设备布局图中每一个监测区域的信息传输节点的安装位置,并通过对环境感知监测网络中每一个监测区域的信息传输节点的安装位置进行信息传输速率测试,获取每一个信息传输节点的信息传输速率;
引入遗传算法,并在解空间中产生若干个染色体,生成初代种群,并确定种群规模以及最大进化代数,对选择比例、交叉概率、变异概率进行初始化;
基于每一个信息传输节点的信息传输速率,对初代种群中每一个染色体个体进行快速非支配排序和拥挤度的计算,对初代种群进行选择、交叉、变异操作,以获得下一代种群;
确定演化过程的进化代数,若进化代数小于最大进化代数,则进化代数的数量加一,并转至对初代种群进行选择、交叉、变异操作,以获得下一代种群,若进化代数大于最大进化代数,则中止迭代并输出最大的每一个信息传输节点的信息传输速率,获取最大的每一个信息传输节点的信息传输速率对应的安装节点,并根据安装节点以及环境感知设备布局图生成环境感知监测网络。
在本系统中,融合目标区域中各个子区域的环境感知数据构建数字孪生模型,具体包括以下步骤:
获取总的室内设计三维模型图,并通过目标区域中各个子区域的环境感知数据生成环境感知模型,构建时间戳,获取每一个时间戳内的环境感知模型;
实时采集每一个时间戳内的环境感知模型的位置信息,并根据每一个时间戳内的环境感知模型的位置信息生成第二映射关系;
基于第二映射关系将每一个时间戳内的环境感知模型输入到总的室内设计三维模型图中,获取每一时间戳的初始数字孪生模型;
基于每一时间戳的初始数字孪生模型构建动态数字孪生模型,将动态数字孪生模型作为最终的数字孪生模型进行输出,并按照预设方式进行显示。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种节能通风方法,其特征在于,包括以下步骤:
获取当前目标区域的室内布局设计图,并根据所述当前目标区域的室内布局设计图构建环境感知监测网络,通过所述环境感知监测网络获取目标区域中各个子区域的环境感知数据;
融合所述目标区域中各个子区域的环境感知数据构建数字孪生模型;
基于所述数字孪生模型获取每一区域的实时环境数据信息,并根据所述每一区域的实时环境数据信息生成待进行空调调控的所在区域;
根据所述待进行空调调控的所在区域进行通风调控;
根据所述当前目标区域的室内布局设计图构建环境感知监测网络,具体包括以下步骤:
初始化坐标原点,并根据所述坐标原点构建虚拟场景,同时,基于所述当前目标区域的室内布局设计图通过三维建模软件构建室内设计三维模型图,并将所述室内设计三维模型图输入到所述虚拟场景中;
获取当前室内中相关设备的外形尺寸信息,并根据所述当前室内中相关设备的外形尺寸信息构建设备三维模型图,获取当前室内中相关设备所在的位置;
根据所述当前室内中相关设备所在的位置生成第一映射关系,并根据所述第一映射关系将所述三维模型图输入到所述虚拟场景中,生成总的室内设计三维模型图,通过对所述总的室内设计三维模型图进行识别,获取待环境监测的区域;
获取每一环境感知设备的工作范围信息,并根据所述每一环境感知设备的工作范围信息对待环境监测的区域进行布局,生成环境感知设备布局图,基于所述环境感知设备布局图生成环境感知监测网络;
基于所述环境感知设备布局图生成环境感知监测网络,具体包括以下步骤:
初始化所述环境感知设备布局图中每一个监测区域的信息传输节点的安装位置,并通过对所述环境感知监测网络中每一个监测区域的信息传输节点的安装位置进行信息传输速率测试,获取每一个信息传输节点的信息传输速率;
引入遗传算法,并在解空间中产生若干个染色体,生成初代种群,并确定种群规模以及最大进化代数,对选择比例、交叉概率、变异概率进行初始化;
基于每一个信息传输节点的信息传输速率,对所述初代种群中每一个所述染色体个体进行快速非支配排序和拥挤度的计算,对所述初代种群进行选择、交叉、变异操作,以获得下一代种群;
确定演化过程的进化代数,若所述进化代数小于所述最大进化代数,则所述进化代数的数量加一,并转至所述对所述初代种群进行选择、交叉、变异操作,以获得下一代种群,若所述进化代数大于所述最大进化代数,则中止迭代并输出最大的每一个信息传输节点的信息传输速率,获取最大的每一个信息传输节点的信息传输速率对应的安装节点,并根据所述安装节点以及所述环境感知设备布局图生成环境感知监测网络。
2.根据权利要求1所述的一种节能通风方法,其特征在于,融合所述目标区域中各个子区域的环境感知数据构建数字孪生模型,具体包括以下步骤:
获取总的室内设计三维模型图,并通过所述目标区域中各个子区域的环境感知数据生成环境感知模型,构建时间戳,获取每一个时间戳内的环境感知模型;
实时采集每一个时间戳内的环境感知模型的位置信息,并根据所述每一个时间戳内的环境感知模型的位置信息生成第二映射关系;
基于所述第二映射关系将所述每一个时间戳内的环境感知模型输入到所述总的室内设计三维模型图中,获取每一时间戳的初始数字孪生模型;
基于所述每一时间戳的初始数字孪生模型构建动态数字孪生模型,将所述动态数字孪生模型作为最终的数字孪生模型进行输出,并按照预设方式进行显示。
3.根据权利要求1所述的一种节能通风方法,其特征在于,基于所述数字孪生模型获取每一区域的实时环境数据信息,并根据所述每一区域的实时环境数据信息生成待进行空调调控的所在区域,具体包括以下步骤:
设置第一调控阈值以及第二调控阈值,基于所述数字孪生模型获取每一区域的实时环境数据信息,并根据所述实时环境数据获取每一区域的人流量数据信息以及温度数据信息;
判断所述温度数据信息是否大于第一调控阈值,若所述温度数据信息大于第一调控阈值,则获取待调控至第一调控阈值的区域,并实时获取待调控至第一调控阈值的区域的人流量数据信息;
判断所述人流量数据信息是否大于预设人流量信息,若所述人流量数据信息大于预设人流量信息,则根据所述待调控至第一调控阈值的区域的人流量数据信息生成待调控至第二调控阈值的区域;
若所述人流量数据信息不大于预设人流量信息,则生成待调控至第一调控阈值的区域,并根据所述待调控至第一调控阈值的区域以及调控至第二调控阈值的区域生成待进行空调调控的所在区域。
4.根据权利要求1所述的一种节能通风方法,其特征在于,根据所述待进行空调调控的所在区域进行通风调控,具体包括以下步骤:
通过所述数字孪生模型获取每一待进行空调调控的所在区域的温度场模型,并根据所述每一待进行空调调控的所在区域的温度场模型获取每一区域的温度梯度数据信息;
根据所述每一区域的温度梯度数据信息制定相关的空调通风调控方案,并获取每一待进行空调调控的所在区域的空调设备的通信协议信息;
根据所述每一待进行空调调控的所在区域的空调设备的通信协议信息通过信息传输节点传输控制指令,并通过所述控制指令对每一待进行空调调控的所在区域进行通风调控。
5.一种节能通风系统,其特征在于,所述系统包括存储器以及处理器,所述存储器中包含节能通风方法程序,所述节能通风方法程序被所述处理器执行时,实现如下步骤:
获取当前目标区域的室内布局设计图,并根据所述当前目标区域的室内布局设计图构建环境感知监测网络,通过所述环境感知监测网络获取目标区域中各个子区域的环境感知数据;
融合所述目标区域中各个子区域的环境感知数据构建数字孪生模型;
基于所述数字孪生模型获取每一区域的实时环境数据信息,并根据所述每一区域的实时环境数据信息生成待进行空调调控的所在区域;
根据所述待进行空调调控的所在区域进行通风调控;
根据所述当前目标区域的室内布局设计图构建环境感知监测网络,具体包括以下步骤:
初始化坐标原点,并根据所述坐标原点构建虚拟场景,同时,基于所述当前目标区域的室内布局设计图通过三维建模软件构建室内设计三维模型图,并将所述室内设计三维模型图输入到所述虚拟场景中;
获取当前室内中相关设备的外形尺寸信息,并根据所述当前室内中相关设备的外形尺寸信息构建设备三维模型图,获取当前室内中相关设备所在的位置;
根据所述当前室内中相关设备所在的位置生成第一映射关系,并根据所述第一映射关系将所述三维模型图输入到所述虚拟场景中,生成总的室内设计三维模型图,通过对所述总的室内设计三维模型图进行识别,获取待环境监测的区域;
获取每一环境感知设备的工作范围信息,并根据所述每一环境感知设备的工作范围信息对待环境监测的区域进行布局,生成环境感知设备布局图,基于所述环境感知设备布局图生成环境感知监测网络;
基于所述环境感知设备布局图生成环境感知监测网络,具体包括以下步骤:
初始化所述环境感知设备布局图中每一个监测区域的信息传输节点的安装位置,并通过对所述环境感知监测网络中每一个监测区域的信息传输节点的安装位置进行信息传输速率测试,获取每一个信息传输节点的信息传输速率;
引入遗传算法,并在解空间中产生若干个染色体,生成初代种群,并确定种群规模以及最大进化代数,对选择比例、交叉概率、变异概率进行初始化;
基于每一个信息传输节点的信息传输速率,对所述初代种群中每一个所述染色体个体进行快速非支配排序和拥挤度的计算,对所述初代种群进行选择、交叉、变异操作,以获得下一代种群;
确定演化过程的进化代数,若所述进化代数小于所述最大进化代数,则所述进化代数的数量加一,并转至所述对所述初代种群进行选择、交叉、变异操作,以获得下一代种群,若所述进化代数大于所述最大进化代数,则中止迭代并输出最大的每一个信息传输节点的信息传输速率,获取最大的每一个信息传输节点的信息传输速率对应的安装节点,并根据所述安装节点以及所述环境感知设备布局图生成环境感知监测网络。
6.根据权利要求5所述的一种节能通风系统,其特征在于,融合所述目标区域中各个子区域的环境感知数据构建数字孪生模型,具体包括以下步骤:
获取总的室内设计三维模型图,并通过所述目标区域中各个子区域的环境感知数据生成环境感知模型,构建时间戳,获取每一个时间戳内的环境感知模型;
实时采集每一个时间戳内的环境感知模型的位置信息,并根据所述每一个时间戳内的环境感知模型的位置信息生成第二映射关系;
基于所述第二映射关系将所述每一个时间戳内的环境感知模型输入到所述总的室内设计三维模型图中,获取每一时间戳的初始数字孪生模型;
基于所述每一时间戳的初始数字孪生模型构建动态数字孪生模型,将所述动态数字孪生模型作为最终的数字孪生模型进行输出,并按照预设方式进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310719187.XA CN116558082B (zh) | 2023-06-16 | 2023-06-16 | 一种节能通风系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310719187.XA CN116558082B (zh) | 2023-06-16 | 2023-06-16 | 一种节能通风系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116558082A CN116558082A (zh) | 2023-08-08 |
CN116558082B true CN116558082B (zh) | 2023-11-17 |
Family
ID=87494852
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310719187.XA Active CN116558082B (zh) | 2023-06-16 | 2023-06-16 | 一种节能通风系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116558082B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116738552B (zh) * | 2023-08-11 | 2023-10-27 | 和欣汇达(山东)科技有限公司 | 一种基于物联网的环境检测设备管理方法及系统 |
CN117196350B (zh) * | 2023-11-06 | 2024-01-05 | 天津市地质研究和海洋地质中心 | 一种矿山地质环境特征监测与恢复治理方法及系统 |
CN117557970B (zh) * | 2024-01-12 | 2024-04-05 | 深圳市博安智控科技有限公司 | 基于数字孪生的智能建筑管理方法、系统及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012063055A (ja) * | 2010-09-15 | 2012-03-29 | Taisei Corp | 空調環境モニタリングシステム |
CN106765959A (zh) * | 2016-12-27 | 2017-05-31 | 武汉虹信技术服务有限责任公司 | 基于遗传算法和深度bp神经网络算法的暖通空调节能控制方法 |
CN110332647A (zh) * | 2019-07-11 | 2019-10-15 | 四川聚智精创轨道交通科技有限公司 | 地铁地下车站空调系统负荷预测方法及空调系统 |
CN113887983A (zh) * | 2021-10-14 | 2022-01-04 | 珠海格力电器股份有限公司 | 环境感知局域网络监控控制的方法及相关设备 |
CN114838470A (zh) * | 2022-03-04 | 2022-08-02 | 五邑大学 | 一种暖通空调的控制方法和系统 |
CN115220351A (zh) * | 2022-08-06 | 2022-10-21 | 郑州轻工业大学 | 一种基于云边端的建筑空调系统智能节能优化控制方法 |
KR20230032804A (ko) * | 2021-08-31 | 2023-03-07 | 주식회사 아이지아이 코리아 | 디지털 트윈 모델을 이용한 공기질 관리 방법 |
CN115963763A (zh) * | 2022-12-30 | 2023-04-14 | 中国矿业大学 | 一种基于数字孪生和数据驱动的矿井智能通风调控系统 |
CN116129366A (zh) * | 2023-04-19 | 2023-05-16 | 肯特智能技术(深圳)股份有限公司 | 基于数字孪生的园区监测方法及相关装置 |
-
2023
- 2023-06-16 CN CN202310719187.XA patent/CN116558082B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012063055A (ja) * | 2010-09-15 | 2012-03-29 | Taisei Corp | 空調環境モニタリングシステム |
CN106765959A (zh) * | 2016-12-27 | 2017-05-31 | 武汉虹信技术服务有限责任公司 | 基于遗传算法和深度bp神经网络算法的暖通空调节能控制方法 |
CN110332647A (zh) * | 2019-07-11 | 2019-10-15 | 四川聚智精创轨道交通科技有限公司 | 地铁地下车站空调系统负荷预测方法及空调系统 |
KR20230032804A (ko) * | 2021-08-31 | 2023-03-07 | 주식회사 아이지아이 코리아 | 디지털 트윈 모델을 이용한 공기질 관리 방법 |
CN113887983A (zh) * | 2021-10-14 | 2022-01-04 | 珠海格力电器股份有限公司 | 环境感知局域网络监控控制的方法及相关设备 |
CN114838470A (zh) * | 2022-03-04 | 2022-08-02 | 五邑大学 | 一种暖通空调的控制方法和系统 |
CN115220351A (zh) * | 2022-08-06 | 2022-10-21 | 郑州轻工业大学 | 一种基于云边端的建筑空调系统智能节能优化控制方法 |
CN115963763A (zh) * | 2022-12-30 | 2023-04-14 | 中国矿业大学 | 一种基于数字孪生和数据驱动的矿井智能通风调控系统 |
CN116129366A (zh) * | 2023-04-19 | 2023-05-16 | 肯特智能技术(深圳)股份有限公司 | 基于数字孪生的园区监测方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116558082A (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116558082B (zh) | 一种节能通风系统 | |
Pan et al. | Building energy simulation and its application for building performance optimization: A review of methods, tools, and case studies | |
Yan et al. | When artificial intelligence meets building energy efficiency, a review focusing on zero energy building | |
Liu et al. | Enhancing building energy efficiency using a random forest model: A hybrid prediction approach | |
Deng et al. | Archetype identification and urban building energy modeling for city-scale buildings based on GIS datasets | |
Li et al. | A review of operational energy consumption calculation method for urban buildings | |
CN115796393B (zh) | 基于多能互动的能源网管理优化方法、系统及存储介质 | |
CN111722540A (zh) | 一种能源互联网数字孪生仿真系统及方法 | |
CN105320184A (zh) | 建筑室内环境智能监控系统 | |
Wu et al. | Intelligent optimization framework of near zero energy consumption building performance based on a hybrid machine learning algorithm | |
CN114969876A (zh) | 电气安全监测方法、装置、计算机设备和存储介质 | |
Wang et al. | Real-time building heat gains prediction and optimization of HVAC setpoint: An integrated framework | |
CN116826979B (zh) | 一种分布式光伏电站的电能质量控制方法及系统 | |
CN116205425A (zh) | 一种基于典型数据库的低碳园区冷热电气负荷预测方法 | |
CN113762911A (zh) | 一种基于分布式架构的综合能源服务平台的制作方法 | |
CN103942910A (zh) | 一种基于IPv6的机房火灾提前预警方法及系统 | |
Zhou et al. | Real-time prediction of indoor humidity with limited sensors using cross-sample learning | |
Liu et al. | Predictive maintenance of wind turbines based on digital twin technology | |
CN111784830B (zh) | 一种基于规则的三维地理信息模型空间分析方法与系统 | |
CN103841595B (zh) | 一种基站信息监管系统 | |
Pitt et al. | A sensor network for predicting and maintaining occupant comfort | |
Nishi et al. | IoT-based monitoring for smart community | |
CN116430748A (zh) | 一种基于智能设备的节能控制方法及系统 | |
Kanthila et al. | Markov chain-based algorithms for building occupancy modeling: A review | |
CN116882145A (zh) | 数字孪生推演模拟系统 |
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 |