CN116804486A - 一种基于人工智能的建筑新风节能控制系统 - Google Patents
一种基于人工智能的建筑新风节能控制系统 Download PDFInfo
- Publication number
- CN116804486A CN116804486A CN202310838374.XA CN202310838374A CN116804486A CN 116804486 A CN116804486 A CN 116804486A CN 202310838374 A CN202310838374 A CN 202310838374A CN 116804486 A CN116804486 A CN 116804486A
- Authority
- CN
- China
- Prior art keywords
- floor area
- air
- area
- air quality
- fresh air
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 19
- 230000001105 regulatory effect Effects 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims description 39
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000012216 screening Methods 0.000 claims description 15
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 13
- 239000001569 carbon dioxide Substances 0.000 claims description 13
- 230000001276 controlling effect Effects 0.000 claims description 13
- 238000004378 air conditioning Methods 0.000 claims 1
- 239000013598 vector Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 210000000697 sensory organ Anatomy 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明属于新风系统节能控制领域,具体公开一种基于人工智能的建筑新风节能控制系统,包括:预计到达时间获取模块、区域空气质量监测模块、区域空气质量分析模块、风量等级符合分析模块、新风设备调节控制模块、实际到达时间获取模块、新风设备二次调节控制模块和数据库,本发明通过计算目标大厦各楼层区域的空气质量综合系数和新风设备各风量等级的符合影响系数来分析各楼层区域对应的风量等级,提升了新风设备调节控制的精准性,同时结合各楼层区域对应用户的实际到达时间和新风设备的开启时长,分析出各楼层区域新风设备二次调节的风量等级,增加了新风设备调节控制的节能性和效率。
Description
技术领域
本发明属于新风系统节能控制领域,具体而言,涉及到一种基于人工智能的建筑新风节能控制系统。
背景技术
现如今,人们对所处环境空气质量的要求越来越高,大厦作为很多人集中办公的地方,更应该做好空气质量的监测和调节,但是有些大厦空间较为密闭,缺少空气流通,因此很多大厦引入了可以通风换气、净化尘埃的新风系统,在用户到达前由工作人员开启对应楼层区域的新风系统,提前将区域内的空气质量调节至标准状态,而为了更加便捷且精准的实现提前调节,应该引入更加智能化的方法,人工智能技术发展迅速,且逐渐运用到多个领域,这其中各类电器设备对人工智能的使用尤其突出,因此,亟需将大厦的新风系统与人工智能结合,实时监测并及时调整以达到精准调节空气质量的目的。
现有的新风系统虽然可以满足大多数大厦净化空气的基本作用,但还存在一些不足,具体表现在以下几个方面:(1)大多数大厦现有的新风系统主要是由人为控制或是统一同时开启各个新风设备,一方面增加了工作人员的负担,而且由人为控制也无法做到精准地将每一个被楼层区域的新风设备及时开启并将对应楼层区域的空气质量综合系数调节至标准,另一方面每个用户楼层区域的时间不一样,到达区域的时间也不一样,存在差异性,若将各个楼层区域的新风设备统一同时开启,则会导致有些区域对应用户已经到达,但对应楼层区域的空气质量调节仍未完成,或是有些区域的空气质量调节已完成,但对应用户还未到达,新风设备一直处于开启状态,浪费资源。
(2)少数大厦会根据用户预定的到达时间来提前开启各楼层区域的新风设备,虽然已经做到差异化开启新风设备以实现精准调节,但考虑到不同用户预定到达大厦区域的时间与实际到达大厦区域的时间仍存在偏差,会导致有些楼层区域按照对应用户预计到达大厦区域的时间开启新风设备,也未能准时将区域的空气质量调节至标准状态,不够精准,或是有些楼层区域已将区域的空气质量调节至标准状态,但用户仍未到达,不能达到节能的效果。
发明内容
为了克服背景技术中的缺点,本发明实施例提供了一种基于人工智能的建筑新风节能控制系统,能够有效解决上述背景技术中涉及的问题。
本发明的目的可以通过以下技术方案实现:本发明提供了一种基于人工智能的建筑新风节能控制系统,包括:预计到达时间获取模块用于获取目标大厦中各楼层区域对应用户的预计到达时间,分析目标大厦各楼层区域对应新风设备的预计监测时间。
区域空气质量监测模块用于根据各楼层区域对应新风设备的预计监测时间,对各楼层区域的空气质量信息进行监测,分析各楼层区域的空气质量综合系数。
区域空气质量分析模块用于当某楼层区域的空气质量综合系数大于或等于预设的标准空气质量综合系数时,则该楼层区域的风量等级为设定风量等级,反之则将该楼层区域记为目标区域,进而执行风量等级符合分析模块。
风量等级符合分析模块用于获取各目标区域的体积,分析各目标区域对应各风量等级的符合影响系数,进而筛选各目标区域对应的风量等级。
新风设备调节控制模块用于获取各楼层区域对应的风量等级,对各楼层区域对应的新风设备进行对应风量等级的调节控制。
实际到达时间获取模块用于获取各楼层区域对应用户的实际到达时间。
新风设备二次调节控制模块用于获取各楼层区域对应新风设备的开启时长,分析各楼层区域对应各风量等级的符合影响系数,筛选各楼层区域对应的二次风量等级,进而对各楼层区域对应的新风设备进行二次风量等级的调节控制。
数据库用于存储目标大厦中各楼层区域对应用户的预定方式和用户登记信息,并存储各区域的体积、从电梯到各区域的距离、各区域历史用户的工区信息以及设定的新风设备的各个风量等级在单位体积下开启单位时间的调节空气质量综合系数。
进一步地,所述目标大厦各楼层区域对应新风设备的预计监测时间,其具体分析方式为:从数据库中提取目标大厦中各楼层区域对应用户的预定方式,其中用户预定方式包括在线预定方式和前台登记方式,若某楼层区域对应用户的预定方式为在线预定方式,则获取该楼层区域对应的在线预定信息,得到该楼层区域对应用户的预计到达时间,若某楼层区域对应用户的预定方式为前台登记方式,则获取该楼层区域对应的前台登记时间,分析该楼层区域对应用户的预计到达时间。
进而统计各楼层区域对应用户的预计到达时间,分析各楼层区域对应新风设备的预计监测时间,其具体计算公式为T0 i=Ti-T设,其中T0 i表示第i个楼层区域对应新风设备的预计监测时间,Ti表示第i个楼层区域对应用户的预计到达时间,T设表示大厦设定的提前开启楼层区域新风设备的时长,i表示楼层区域编号,i=1,2,......n。
进一步地,所述各楼层区域的空气质量信息包括温度、湿度、PM2.5含量和二氧化碳浓度。
进一步地,所述各楼层区域的空气质量综合系数,其具体分析方式为:根据监测所得的各楼层区域的空气质量信息计算出各楼层区域的空气质量综合系数,其具体计算公式为:其中ωi为第i个楼层区域的空气质量综合系数,△T、△RH、△PM、△C分别表示设定的大厦区域适宜环境中的适宜温度、适宜湿度、适宜的PM2.5含量和适宜的二氧化碳浓度,Ti、RHi、PMi、Ci分别表示第i个楼层区域的温度、湿度、PM2.5含量以及二氧化碳浓度,λ1、λ2、λ3、λ4分别表示设定的区域温度、湿度、PM2.5含量以及二氧化碳浓度对应的空气质量影响因子。
进一步地,所述各目标区域对应各风量等级的符合影响系数,其具体分析方式为:根据各楼层区域的空气质量综合系数筛选出各目标区域的空气质量综合系数,再从数据库中调取各目标区域的体积和设定的新风设备的各个风量等级在单位体积下开启单位时间的调节空气质量综合系数,结合大厦设定的提前开启楼层区域新风设备的时长,计算各目标区域对应各风量等级的符合影响系数,其计算公式为:其中/>为第s个目标区域对应第j个风量等级的符合影响系数,αj为设定的新风设备的第j个风量等级在单位体积下开启单位时间的调节空气质量综合系数,j表示新风设备风量等级的编号,j=1,2,......,f,Vs为第s个目标区域的体积,ωs表示第s个目标区域的空气质量综合系数,s表示目标区域编号,s=1,2,......m,m≤n,/>为预设的标准空气质量综合系数,△ω为预设的空气质量综合系数偏差,进而对比筛选出各目标区域对应的风量等级。
进一步地,所述各楼层区域对应用户的实际到达时间,其具体分析方式为:通过电梯安装的监控摄像头对进入电梯的人员进行实时监测,得到进入电梯人员对应的脸部图像,与数据库中各楼层区域对应用户登记信息中的脸部图像进行比对,若进入电梯人员对应的脸部图像与某楼层区域对应用户登记信息中的脸部图像匹配成功,则进入电梯人员为该楼层区域对应的用户,进而获取该用户进入电梯的时间,并统计各楼层区域对应用户进入电梯的时间。
同时从数据库中提取从电梯到各楼层区域的距离和各楼层区域在设定历史时间周期内历史用户的工区信息,分析各楼层区域历史用户到达区域的平均速度,从而计算出各楼层区域对应用户的实际到达时长,其计算公式为:其中ti表示第i个楼层区域对应用户的实际到达时长,xi为从电梯到第i个楼层区域的距离,/>表示第i个楼层区域历史用户到达区域的平均速度,μ表示设定的到达区域的速度影响因子,进而分析出各楼层区域对应用户的实际到达时间。
进一步地,所述各楼层区域历史用户到达区域的平均速度,其具体分析方法为:从各楼层区域在设定历史时间周期内历史用户的工区信息中提取各楼层区域在设定历史时间周期内各历史用户对应的进入电梯时间和开启房门时间,计算各楼层区域各历史用户到达区域的平均速度,进而计算出各楼层区域历史用户到达区域的平均速度,其计算公式为:其中/>表示第i个楼层区域对应用户到达区域的平均速度,/>表示第i个楼层区域在设定历史时间周期内第r个历史用户对应的开启房门时间,/>表示第i个楼层区域在设定历史时间周期内第r个历史用户对应的进入电梯时间,k表示历史用户的数量,r=1,2,......,k。
进一步地,所述各楼层区域对应各风量等级的符合影响系数,其具体分析方式为:当确认各楼层区域对应用户的实际到达时间后,分析各楼层区域当前的空气质量综合系数,将其记为ω′i再将计算所得各楼层区域当前的空气质量综合系数与预设的标准空气质量综合系数进行对比,若某楼层区域当前的空气质量综合系数小于预设的标准空气质量综合系数,则计算该楼层区域对应各个风量等级的符合影响系数,其具体计算公式为:其中ξj为该楼层区域对应第j个风量等级的符合影响系数,αj为设定的新风设备的第j个风量等级在单位体积下开启单位时间的调节空气质量综合系数,V为该楼层区域的体积,ω′为该预订区域当前的空气质量综合系数,进而对比筛选出该楼层区域二次调节对应的风量等级。
若某楼层区域的空气质量综合系数大于或等于预设的标准空气质量综合系数,则将该楼层区域的风量等级调节为设定风量等级。
进而统计各楼层区域二次调节对应的风量等级。
进一步地,所述各楼层区域当前的空气质量综合系数,其具体分析方式为:获取各楼层区域对应新风设备的开启时长,结合各楼层区域的体积和各楼层区域新风设备当前的风量等级在单位体积下开启单位时间的调节空气质量综合系数,计算得出各楼层区域当前的空气质量综合系数,其计算公式为:ω′i=ωi+αi*Vi*τi,其中ω′i为第i个楼层区域当前的空气质量综合系数,αi表示第i个楼层区域新风设备当前的风量等级在单位体积下开启单位时间的调节空气质量综合系数,τi表示第i个楼层区域对应新风设备的开启时长。
相较于现有技术,本发明的有益效果如下:(1)本发明在获取到各楼层区域对应用户的预计到达时间后,分析出各楼层区域的预计监测时间,并据此时间提前开启对应楼层区域的新风设备,提升了新风设备开启时间的合理性和可靠性,能够精准地将每一个被楼层区域的新风设备及时开启,并将对应楼层区域的空气质量调节到标准空气质量状态,提升了用户居住的满意度。
(2)本发明对各楼层区域的空气质量进行监测,计算出对应的空气质量综合系数,准确反映了各楼层区域空气质量的整体状况,判断与标准空气质量综合系数的差异,使风量等级的调节更加方便准确。
(3)本发明分析计算各楼层区域对应各风量等级的符合影响系数,进而分析筛选各楼层区域对应的风量等级,增加了各楼层区域新风设备工作的精准性。
(4)本发明考虑到了用户并不一定能够准时到达大厦区域,因此继续分析各楼层区域对应用户的实际到达时间,计算各楼层区域当前的空气质量综合系数,在当前已调节的基础上再次进行调节,可以有效地节省资源,提高新风系统的节能性和效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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为本发明系统的模块连接示意图。
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。
请参阅图1所示,本发明提供了一种基于人工智能的建筑新风节能控制系统,包括:预计到达时间获取模块、区域空气质量监测模块、区域空气质量分析模块、风量等级符合分析模块、新风设备调节控制模块、实际到达时间获取模块、新风设备二次调节控制模块和数据库。
所述预计到达时间获取模块与区域空气质量监测模块连接,区域空气质量监测模块与区域空气质量分析模块连接,区域空气质量分析模块与风量等级符合分析模块连接,风量等级符合分析模块与新风设备调节控制模块连接,新风设备调节控制模块与实际到达时间获取模块连接,实际到达时间获取模块与新风设备二次调节控制模块连接,数据库分别与预计到达时间获取模块、风量等级符合分析模块、实际到达时间获取模块和新风设备二次调节控制模块连接。
所述预计到达时间获取模块用于获取目标大厦中各楼层区域对应用户的预计到达时间,分析目标大厦各楼层区域对应新风设备的预计监测时间。
在本发明的具体实施例中,所述目标大厦各楼层区域对应新风设备的预计监测时间,其具体分析方式为:从数据库中提取目标大厦中各楼层区域对应用户的预定方式,其中用户预定方式包括在线预定方式和前台登记方式,若某楼层区域对应用户的预定方式为在线预定方式,则获取该楼层区域对应的在线预定信息,得到该楼层区域对应用户的预计到达时间,若某楼层区域对应用户的预定方式为前台登记方式,则获取该楼层区域对应的前台登记时间,分析该楼层区域对应用户的预计到达时间。
进而统计各楼层区域对应用户的预计到达时间,分析各楼层区域对应新风设备的预计监测时间,其具体计算公式为T0 i=Ti-T设,其中T0 i表示第i个楼层区域对应新风设备的预计监测时间,Ti表示第i个楼层区域对应用户的预计到达时间,T设表示大厦设定的提前开启楼层区域新风设备的时长,i表示楼层区域编号,i=1,2,......n。
本发明在获取到各楼层区域对应用户的预计到达时间后,分析出各楼层区域的预计监测时间,并据此时间提前开启对应楼层区域的新风设备,提升了新风设备开启时间的合理性和可靠性,能够精准地将每一个被楼层区域的新风设备及时开启,并将对应楼层区域的空气质量调节到标准空气质量状态,提升了用户居住的满意度。
所述区域空气质量监测模块用于根据各楼层区域对应新风设备的预计监测时间,对各楼层区域的空气质量信息进行监测,分析各楼层区域的空气质量综合系数。
在本发明的具体实施例中,所述各楼层区域的空气质量信息包括温度、湿度、PM2.5含量和二氧化碳浓度。
需要说明的是,上述对各楼层区域的空气质量信息进行监测,具体使用的设备是温度传感器、湿度传感器、PM2.5监测传感器和二氧化碳浓度传感器。
所述区域空气质量分析模块用于当某楼层区域的空气质量综合系数大于或等于预设的标准空气质量综合系数时,则该楼层区域的风量等级为设定风量等级,反之则将该楼层区域记为目标区域,进而执行风量等级符合分析模块。
在本发明的具体实施例中,所述各楼层区域的空气质量综合系数,其具体分析方式为:根据监测所得的各楼层区域的空气质量信息计算出各楼层区域的空气质量综合系数,其具体计算公式为:其中ωi为第i个楼层区域的空气质量综合系数,△T、△RH、△PM、△C分别表示设定的大厦区域适宜环境中的适宜温度、适宜湿度、适宜的PM2.5含量和适宜的二氧化碳浓度,Ti、RHi、PMi、Ci分别表示第i个楼层区域的温度、湿度、PM2.5含量以及二氧化碳浓度,λ1、λ2、λ3、λ4分别表示设定的区域温度、湿度、PM2.5含量以及二氧化碳浓度对应的空气质量影响因子。
需要说明的是当某楼层区域的空气质量综合系数大于或等于预设的标准空气质量综合系数时,说明该楼层区域的空气质量已处于最佳状态,不需要过度调整,因此将其风量等级调为设定风量等级,即为最低风量等级,可以达到节能的效果。
本发明对各楼层区域的空气质量进行监测,计算出对应的空气质量综合系数,准确反映了各楼层区域空气质量的整体状况,判断与标准空气质量综合系数的差异,使风量等级的调节更加方便准确。
所述风量等级符合分析模块用于获取各目标区域的体积,分析各目标区域对应各风量等级的符合影响系数,进而筛选各目标区域对应的风量等级。
在本发明的具体实施例中,所述各目标区域对应各风量等级的符合影响系数,其具体分析方式为:根据各楼层区域的空气质量综合系数筛选出各目标区域的空气质量综合系数,再从数据库中调取各目标区域的体积和设定的新风设备的各个风量等级在单位体积下开启单位时间的调节空气质量综合系数,结合大厦设定的提前开启楼层区域新风设备的时长,计算各目标区域对应各风量等级的符合影响系数,其计算公式为:其中/>为第s个目标区域对应第j个风量等级的符合影响系数,αj为设定的新风设备的第j个风量等级在单位体积下开启单位时间的调节空气质量综合系数,j表示新风设备风量等级的编号,j=1,2,......,f,Vs为第s个目标区域的体积,ωs表示第s个目标区域的空气质量综合系数,s表示目标区域编号,s=1,2,......m,m≤n,/>为预设的标准空气质量综合系数,△ω为预设的空气质量综合系数偏差,进而对比筛选出各目标区域对应的风量等级。
需要说明的是,当计算出各目标区域对应各风量等级的符合影响系数后,筛选每个目标区域对应符合影响系数最大的风量等级作为对应目标区域的风量等级,进而统计各目标区域对应的风量等级。
本发明分析计算各楼层区域对应各风量等级的符合影响系数,进而分析筛选各楼层区域对应的风量等级,增加了各楼层区域新风设备工作的精准性。
所述新风设备调节控制模块用于获取各楼层区域对应的风量等级,对各楼层区域对应的新风设备进行对应风量等级的调节控制。
需要说明的是,新风设备调节室内新风量使用的是新风入口电动阀,由电动阀门、电机和控制器组成,其工作原理是通过电动阀门的开合来控制新风的进入量,具体工作流程是由控制器接收到新风设备筛选出的风量等级信号后,给电机发送指令使其旋转,电机的旋转会带动电动阀门的开合,从而控制新风的进入量,当新风量达到新风设备对应风量等级的设定风量值后,控制器会停止发送指令,电机会停止旋转,电动阀门保持在相应的开度位置,如果新风量需要再次调整,可以重新发送信号实现调整。
所述实际到达时间获取模块用于获取各楼层区域对应用户的实际到达时间。
在本发明的具体实施例中,所述各楼层区域对应用户的实际到达时间,其具体分析方式为:通过电梯安装的监控摄像头对进入电梯的人员进行实时监测,得到进入电梯人员对应的脸部图像,与数据库中各楼层区域对应用户登记信息中的脸部图像进行比对,若进入电梯人员对应的脸部图像与某楼层区域对应用户登记信息中的脸部图像匹配成功,则进入电梯人员为该楼层区域对应的用户,进而获取该用户进入电梯的时间,并统计各楼层区域对应用户进入电梯的时间。
同时从数据库中提取从电梯到各楼层区域的距离和各楼层区域在设定历史时间周期内历史用户的工区信息,分析各楼层区域历史用户到达区域的平均速度,从而计算出各楼层区域对应用户的实际到达时长,其计算公式为:其中ti表示第i个楼层区域对应用户的实际到达时长,xi为从电梯到第i个楼层区域的距离,/>表示第i个楼层区域历史用户到达区域的平均速度,μ表示设定的到达区域的速度影响因子,进而分析出各楼层区域对应用户的实际到达时间。
需要说明的是,对进入电梯对应人员的脸部图像与数据库中各楼层区域对应用户登记信息中的脸部图像进行识别匹配,其主要原理是通过电梯安装的监控摄像头采集进入电梯人员的脸部图像,校正人脸在尺度、光照和旋转等因素影响后的变化,使用深度学习技术将脸部图像输入到预训练的神经网络中,提取人脸的轮廓、五官等关键特征点的特征值,构成特征向量,再将其与数据库中各楼层区域对应用户登记信息中脸部图像的特征向量作比较,进而计算进入电梯人员的脸部图像与数据库中各楼层区域对应用户登记信息中的脸部图像之间的相似度,其计算公式为:其中σi表示进入电梯人员的脸部图像与数据库中第i个楼层区域对应用户登记信息中的脸部图像之间的相似度,xp表示进入电梯人员脸部图像的特征向量的第p个关键特征点的特征值,/>表示第i个楼层区域对应用户登记信息中脸部图像的特征向量的第p个关键特征点的特征值,p=1,2,......,q,当进入电梯人员对应的脸部图像与数据库中某楼层区域对应用户登记信息中的脸部图像的相似度超过设定的相似度阈值时,则判定匹配成功。
进一步说明人脸轮廓的特征值为面积,五官的特征值为尺寸。
还需要说明的是,计算出各楼层区域对应用户的实际到达时长后,再结合各楼层区域对应用户进入电梯的时间,进而计算出各楼层区域对应用户的实际到达时间,其计算公式为:其中/>表示各楼层区域对应用户的实际到达时间,/>表示各楼层区域对应用户进入电梯的时间。
在本发明的具体实施例中,所述各楼层区域历史用户到达区域的平均速度,其具体分析方法为:从各楼层区域在设定历史时间周期内历史用户的工区信息中提取各楼层区域在设定历史时间周期内各历史用户对应的进入电梯时间和开启房门时间,计算各楼层区域各历史用户到达区域的平均速度,进而计算出各楼层区域历史用户到达区域的平均速度,其计算公式为:其中/>表示第i个楼层区域对应用户到达区域的平均速度,/>表示第i个楼层区域在设定历史时间周期内第r个历史用户对应的开启房门时间,/>表示第i个楼层区域在设定历史时间周期内第r个历史用户对应的进入电梯时间,k表示历史用户的数量,r=1,2,......,k。
所述新风设备二次调节控制模块用于获取各楼层区域对应新风设备的开启时长,分析各楼层区域对应各风量等级的调节符合影响系数,筛选各楼层区域对应的二次风量等级,进而对各楼层区域对应的新风设备进行二次风量等级的调节控制。
在本发明的具体实施例中,所述各楼层区域对应各风量等级的符合影响系数,其具体分析方式为:当确认各楼层区域对应用户的实际到达时间后,分析各楼层区域当前的空气质量综合系数,将其记为ω′i再将计算所得各楼层区域当前的空气质量综合系数与预设的标准空气质量综合系数进行对比,若某楼层区域当前的空气质量综合系数小于预设的标准空气质量综合系数,则计算该楼层区域对应各个风量等级的符合影响系数,其具体计算公式为:其中ξj为该楼层区域对应第j个风量等级的符合影响系数,αj为设定的新风设备的第j个风量等级在单位体积下开启单位时间的调节空气质量综合系数,V为该楼层区域的体积,ω′为该预订区域当前的空气质量综合系数,进而对比筛选出该楼层区域二次调节对应的风量等级。
若某楼层区域的空气质量综合系数大于或等于预设的标准空气质量综合系数,则将该楼层区域的风量等级调节为设定风量等级。
进而统计各楼层区域二次调节对应的风量等级。
需要说明的是,当计算出某楼层区域对应各个风量等级的符合影响系数后,筛选该楼层区域对应符合影响系数最大的风量等级作为该楼层区域二次调节对应的风量等级。
还需要说明的是,对各楼层区域新风设备的风量等级进行第二次调节是为了将未调节到标准空气质量状态的区域的新风设备在当前的空气质量综合系数的基础上增加风量等级,加快调节速度,而将已调节至标准空气质量状态的区域的新风设备的风量等级调节到设定的风量等级,以达到节能的目的。
本发明考虑到了用户并不一定能够准时到达大厦区域,因此继续分析各楼层区域对应用户的实际到达时间,计算各楼层区域当前的空气质量综合系数,在当前已调节的基础上再次进行调节,可以有效地节省资源,提高新风系统的节能性和效率。
在本发明的具体实施例中,所述各楼层区域当前的空气质量综合系数,其具体分析方式为:获取各楼层区域对应新风设备的开启时长,结合各楼层区域的体积和各楼层区域新风设备当前的风量等级在单位体积下开启单位时间的调节空气质量综合系数,计算得出各楼层区域当前的空气质量综合系数,其计算公式为:ω′i=ωi+αi*Vi*τi,其中ω′i为第i个楼层区域当前的空气质量综合系数,αi表示第i个楼层区域新风设备当前的风量等级在单位体积下开启单位时间的调节空气质量综合系数,τi表示第i个楼层区域对应新风设备的开启时长。
需要说明的是,各楼层区域当前的空气质量综合系数既可以由重新监测各楼层区域的空气质量信息进而计算得到,也可以由初次计算的各楼层区域的空气质量综合系数与各楼层区域新风设备在当前的风量等级下已调节的空气质量综合系数相加得到,后者为本发明使用的方法,更加方便快捷。
所述数据库用于存储目标大厦中各楼层区域对应用户的预定方式和用户登记信息,并存储各区域的体积、从电梯到各区域的距离、各区域历史用户的工区信息以及设定的新风设备的各个风量等级在单位体积下开启单位时间的调节空气质量综合系数。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (9)
1.一种基于人工智能的建筑新风节能控制系统,其特征在于,包括:
预计到达时间获取模块用于获取目标大厦中各楼层区域对应用户的预计到达时间,分析目标大厦各楼层区域对应新风设备的预计监测时间;
区域空气质量监测模块用于根据各楼层区域对应新风设备的预计监测时间,对各楼层区域的空气质量信息进行监测,分析各楼层区域的空气质量综合系数;
区域空气质量分析模块用于当某楼层区域的空气质量综合系数大于或等于预设的标准空气质量综合系数时,则该楼层区域的风量等级为设定风量等级,反之则将该楼层区域记为目标区域,进而执行风量等级符合分析模块;
风量等级符合分析模块用于获取各目标区域的体积,分析各目标区域对应各风量等级的符合影响系数,进而筛选各目标区域对应的风量等级;
新风设备调节控制模块用于获取各楼层区域对应的风量等级,对各楼层区域对应的新风设备进行对应风量等级的调节控制;
实际到达时间获取模块用于获取各楼层区域对应用户的实际到达时间;
新风设备二次调节控制模块用于获取各楼层区域对应新风设备的开启时长,分析各楼层区域对应各风量等级的符合影响系数,筛选各楼层区域对应的二次风量等级,进而对各楼层区域对应的新风设备进行二次风量等级的调节控制;
数据库用于存储目标大厦中各楼层区域对应用户的预定方式和用户登记信息,并存储各区域的体积、从电梯到各区域的距离、各区域历史用户的工区信息以及设定的新风设备的各个风量等级在单位体积下开启单位时间的调节空气质量综合系数。
2.根据权利要求1所述的一种基于人工智能的建筑新风节能控制系统,其特征在于:所述目标大厦各楼层区域对应新风设备的预计监测时间,其具体分析方式为:
从数据库中提取目标大厦中各楼层区域对应用户的预定方式,其中用户预定方式包括在线预定方式和前台登记方式,若某楼层区域对应用户的预定方式为在线预定方式,则获取该楼层区域对应的在线预定信息,得到该楼层区域对应用户的预计到达时间,若某楼层区域对应用户的预定方式为前台登记方式,则获取该楼层区域对应的前台登记时间,分析该楼层区域对应用户的预计到达时间;
进而统计各楼层区域对应用户的预计到达时间,分析各楼层区域对应新风设备的预计监测时间,其具体计算公式为T0 i=Ti-T设,其中T0 i表示第i个楼层区域对应新风设备的预计监测时间,Ti表示第i个楼层区域对应用户的预计到达时间,T设表示大厦设定的提前开启楼层区域新风设备的时长,i表示楼层区域编号,i=1,2,......n。
3.根据权利要求2所述的一种基于人工智能的建筑新风节能控制系统,其特征在于:所述各楼层区域的空气质量信息包括温度、湿度、PM2.5含量和二氧化碳浓度。
4.根据权利要求3所述的一种基于人工智能的建筑新风节能控制系统,其特征在于:所述各楼层区域的空气质量综合系数,其具体分析方式为:
根据监测所得的各楼层区域的空气质量信息计算出各楼层区域的空气质量综合系数,其具体计算公式为:其中ωi为第i个楼层区域的空气质量综合系数,△T、△RH、△PM、△C分别表示设定的大厦区域适宜环境中的适宜温度、适宜湿度、适宜的PM2.5含量和适宜的二氧化碳浓度,Ti、RHi、PMi、Ci分别表示第i个楼层区域的温度、湿度、PM2.5含量以及二氧化碳浓度,λ1、λ2、λ3、λ4分别表示设定的区域温度、湿度、PM2.5含量以及二氧化碳浓度对应的空气质量影响因子。
5.根据权利要求3所述的一种基于人工智能的建筑新风节能控制系统,其特征在于:所述各目标区域对应各风量等级的符合影响系数,其具体分析方式为:
根据各楼层区域的空气质量综合系数筛选出各目标区域的空气质量综合系数,再从数据库中调取各目标区域的体积和设定的新风设备的各个风量等级在单位体积下开启单位时间的调节空气质量综合系数,结合大厦设定的提前开启楼层区域新风设备的时长,计算各目标区域对应各风量等级的符合影响系数,其计算公式为:其中/>为第s个目标区域对应第j个风量等级的符合影响系数,αj为设定的新风设备的第j个风量等级在单位体积下开启单位时间的调节空气质量综合系数,j表示新风设备风量等级的编号,j=1,2,......,f,Vs为第s个目标区域的体积,ωs表示第s个目标区域的空气质量综合系数,s表示目标区域编号,s=1,2,......m,m≤n,/>为预设的标准空气质量综合系数,△ω为预设的空气质量综合系数偏差,进而对比筛选出各目标区域对应的风量等级。
6.根据权利要求2所述的一种基于人工智能的建筑新风节能控制系统,其特征在于:所述各楼层区域对应用户的实际到达时间,其具体分析方式为:
通过电梯安装的监控摄像头对进入电梯的人员进行实时监测,得到进入电梯人员对应的脸部图像,与数据库中各楼层区域对应用户登记信息中的脸部图像进行比对,若进入电梯人员对应的脸部图像与某楼层区域对应用户登记信息中的脸部图像匹配成功,则进入电梯人员为该楼层区域对应的用户,进而获取该用户进入电梯的时间,并统计各楼层区域对应用户进入电梯的时间;
同时从数据库中提取从电梯到各楼层区域的距离和各楼层区域在设定历史时间周期内历史用户的工区信息,分析各楼层区域历史用户到达区域的平均速度,从而计算出各楼层区域对应用户的实际到达时长,其计算公式为:其中ti表示第i个楼层区域对应用户的实际到达时长,xi为从电梯到第i个楼层区域的距离,/>表示第i个楼层区域历史用户到达区域的平均速度,μ表示设定的到达区域的速度影响因子,进而分析出各楼层区域对应用户的实际到达时间。
7.根据权利要求6所述的一种基于人工智能的建筑新风节能控制系统,其特征在于:所述各楼层区域历史用户到达区域的平均速度,其具体分析方法为:
从各楼层区域在设定历史时间周期内历史用户的工区信息中提取各楼层区域在设定历史时间周期内各历史用户对应的进入电梯时间和开启房门时间,计算各楼层区域各历史用户到达区域的平均速度,进而计算出各楼层区域历史用户到达区域的平均速度,其计算公式为:其中/>表示第i个楼层区域对应用户到达区域的平均速度,表示第i个楼层区域在设定历史时间周期内第r个历史用户对应的开启房门时间,/>表示第i个楼层区域在设定历史时间周期内第r个历史用户对应的进入电梯时间,k表示历史用户的数量,r=1,2,......,k。
8.根据权利要求5所述的一种基于人工智能的建筑新风节能控制系统,其特征在于:所述各楼层区域对应各风量等级的符合影响系数,其具体分析方式为:
当确认各楼层区域对应用户的实际到达时间后,分析各楼层区域当前的空气质量综合系数,将其记为ω′i,再将计算所得各楼层区域当前的空气质量综合系数与预设的标准空气质量综合系数进行对比,若某楼层区域当前的空气质量综合系数小于预设的标准空气质量综合系数,则计算该楼层区域对应各个风量等级的符合影响系数,其具体计算公式为:其中ξj为该楼层区域对应第j个风量等级的符合影响系数,αj为设定的新风设备的第j个风量等级在单位体积下开启单位时间的调节空气质量综合系数,V为该楼层区域的体积,ω′为该预订区域当前的空气质量综合系数,进而对比筛选出该楼层区域二次调节对应的风量等级;
若某楼层区域的空气质量综合系数大于或等于预设的标准空气质量综合系数,则将该楼层区域的风量等级调节为设定风量等级;
进而统计各楼层区域二次调节对应的风量等级。
9.根据权利要求8所述的一种基于人工智能的建筑新风节能控制系统,其特征在于:所述各楼层区域当前的空气质量综合系数,其具体分析方式为:
获取各楼层区域对应新风设备的开启时长,结合各楼层区域的体积和各楼层区域新风设备当前的风量等级在单位体积下开启单位时间的调节空气质量综合系数,计算得出各楼层区域当前的空气质量综合系数,其计算公式为:ω′i=ωi+αi*Vi*τi,其中ω′i为第i个楼层区域当前的空气质量综合系数,αi表示第i个楼层区域新风设备当前的风量等级在单位体积下开启单位时间的调节空气质量综合系数,τi表示第i个楼层区域对应新风设备的开启时长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310838374.XA CN116804486A (zh) | 2023-07-10 | 2023-07-10 | 一种基于人工智能的建筑新风节能控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310838374.XA CN116804486A (zh) | 2023-07-10 | 2023-07-10 | 一种基于人工智能的建筑新风节能控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116804486A true CN116804486A (zh) | 2023-09-26 |
Family
ID=88080649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310838374.XA Pending CN116804486A (zh) | 2023-07-10 | 2023-07-10 | 一种基于人工智能的建筑新风节能控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116804486A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117346294A (zh) * | 2023-09-27 | 2024-01-05 | 苏州钮斯拓系统集成有限公司 | 一种暖通ai智能控制方法 |
-
2023
- 2023-07-10 CN CN202310838374.XA patent/CN116804486A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117346294A (zh) * | 2023-09-27 | 2024-01-05 | 苏州钮斯拓系统集成有限公司 | 一种暖通ai智能控制方法 |
CN117346294B (zh) * | 2023-09-27 | 2024-04-26 | 江苏钮斯拓系统集成有限公司 | 一种暖通ai智能控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102380397B1 (ko) | IoT센서 및 인공지능을 이용한 스마트 빌딩 관리방법 | |
CN108386971B (zh) | 中央空调节能自控系统 | |
CN116804486A (zh) | 一种基于人工智能的建筑新风节能控制系统 | |
CN110726218B (zh) | 空调器及其控制方法、装置、存储介质和处理器 | |
CN110298487A (zh) | 一种用于满足用户个性化需求的室内温度预测方法 | |
CN106196423A (zh) | 一种基于模型预测的室内环境品质控制优化方法 | |
CN117421618B (zh) | 一种建筑能耗监测方法及系统 | |
CN115272675A (zh) | 一种基于多传感器信息融合的能源管理系统以及方法 | |
CN115220351A (zh) | 一种基于云边端的建筑空调系统智能节能优化控制方法 | |
WO2023029545A1 (zh) | 中央空调系统处理方法、装置和电子设备 | |
US20230083027A1 (en) | Multi-area artificial fog pipe network intelligent control method and system based on yolov5 algorithm | |
CN113778215A (zh) | 基于大数据实现数据中心pue预测以及降耗策略的方法 | |
CN110131842A (zh) | 一种纺织车间空调系统plc自动控制方法 | |
CN115407813A (zh) | 一种基于分布式空调的全户内模块化变电站节能优化系统 | |
CN115435453A (zh) | 一种建筑节能控制方法、系统及存储介质 | |
CN113280490A (zh) | 基于物联网和人工智能的新风系统控制方法、控制系统及存储介质 | |
CN116576549B (zh) | 基于风机技术的中央空调送风系统 | |
JP2004234302A (ja) | プロセス管理装置 | |
CN111043717B (zh) | 一种楼宇自动化环境温度控制方法及其系统 | |
CN116697533A (zh) | 一种节能型中央空调自动调控管理系统 | |
CN113390171B (zh) | 通过视觉监测的地下车站通风空调控制方法 | |
CN116907036A (zh) | 一种基于冷负荷预测的深度强化学习冷水机组控制方法 | |
CN115408930A (zh) | 一种地铁通风空调系统负荷预测方法 | |
CN117329665B (zh) | 一种基于智能ai算法的空调室内联动控制方法及系统 | |
CN117408170B (zh) | 一种适用于数据中心水冷系统的节能预测控制方法 |
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 |