CN117413273A - 用于监控封闭空间环境的方法、装置和计算机存储介质 - Google Patents
用于监控封闭空间环境的方法、装置和计算机存储介质 Download PDFInfo
- Publication number
- CN117413273A CN117413273A CN202180098829.8A CN202180098829A CN117413273A CN 117413273 A CN117413273 A CN 117413273A CN 202180098829 A CN202180098829 A CN 202180098829A CN 117413273 A CN117413273 A CN 117413273A
- Authority
- CN
- China
- Prior art keywords
- data
- current
- enclosed space
- historical
- space environment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 238000003860 storage Methods 0.000 title claims abstract description 26
- 230000007613 environmental effect Effects 0.000 claims abstract description 76
- 238000004590 computer program Methods 0.000 claims abstract description 6
- 238000004088 simulation Methods 0.000 claims description 27
- 238000005457 optimization Methods 0.000 claims description 20
- 238000000638 solvent extraction Methods 0.000 claims description 15
- 239000003795 chemical substances by application Substances 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000002790 cross-validation Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims 1
- 238000004458 analytical method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 208000018910 keratinopathic ichthyosis Diseases 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Mathematical Analysis (AREA)
- Fluid Mechanics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Mathematical Optimization (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种用于监控封闭空间环境的方法(200)，在步骤201中，获取与封闭空间环境(100)相关联的当前感测数据和当前影响因素数据；在步骤202中，获取用于封闭空间环境(100)的代理模型，代理模型是基于与封闭空间环境(100)相关联的历史感测数据和历史影响因素数据以及CFD模型来生成的；在步骤203中，基于当前感测数据以及当前影响因素数据，使用代理模型来确定封闭空间环境(100)的当前整体环境状态值。以及一种用于监控封闭空间环境的装置(500)，包括：执行步骤201的获取单元(501)，执行步骤202的模型单元(502)以及执行步骤203的确定单元(503)。还提供一种计算设备、计算机可读存储介质以及计算机程序产品。
Description
本公开涉及环境监控领域，更具体地说，涉及用于监控封闭空间环境的方法、装置、计算设备、计算机可读存储介质和计算机程序产品。
环境保障和关键参数(如温度、湿度、清洁度、气流)在内部/外部影响下的动态控制对于诸如数据中心室、温室、冷库、洁净室和操作室等的封闭空间环境的环境敏感行业至关重要。可靠的环境保障和精确控制需要对目标基础设施/设施和涉及多个系统以及内部和外部环境的集成解决方案进行整体监控。还存在其他的挑战，例如在将关键环境KPI(关键性能指标)保持在设计范围内的同时获得优化的能源效率。
物理传感器通常用于监测封闭空间中的关键环境参数。由于使用物理传感器对环境状态的监测仅限于某些位置，出于成本和物理约束的限制，只能呈现局部的环境状态而无法呈现整体的环境状态。因此，监视系统可能无法解决空间内未满足环境要求的位置(例如，热点/冷点)。基于传感器输入和系统模型的虚拟传感器已应用于监测设备(例如，暖通空调(HVAC)设备、电机等)的状态。由于建立系统模型需要大量昂贵的计算流体力学(CFD)分析以及虚拟校准的挑战，虚拟传感器在环境监测中的应用仍然受到限制。
虽然基于物理/虚拟传感器的开环/闭环控制系统(例如，PID)广泛用于环境管理，但控制参数、内部/外部影响和环境KPI之间的相关性对于可靠的环境保证是必要的。可以使用数据驱动模型和/或模拟驱动模型来建立相关性。数据驱动模型的准确性受到训练数据的数量和质量的限制，即数据收集周期和传感器的准确性。另一方面，建立基于仿真的模型的CFD仿真计算时间长(例如，CFD建模分析可能需要多达数小时)，无法满足实时环境监测/控制的需求，需要大量计算资源的模型校准对于建立高精度仿真驱动模型是必要的。
因此，亟需一种改进的用于监控封闭空间环境的解决方案。
发明内容
采用物理传感器来监测封闭空间环境通常只能呈现局部的环境状态，但无法呈现整体的环境状态，而通过CFD建模分析耗费了大量的时间进行仿真计算，难以满足实时环境监测/控制的需求。可靠的环境保障和精确控制需要对目标基础设施/设施和涉及多个系统以及内部和外部环境的集成解决方案进行实时的整体监控。
本公开的第一实施例提出了一种用于监控封闭空间环境的方法，该方法包括：获取与封闭空间环境相关联的当前感测数据和当前影响因素数据；获取用于封闭空间环境的代理模型，代理模型是基于与封闭空间环境相关联的历史感测数据和历史影响因素数据以及CFD模型来生成的；基于当前感测数据以及当前影响因素数据，使用所述代理模型来确定封闭空间环境的当前整体环境状态值。
在该实施例中，通过使用代理模型取代CFD建模，可以避免使用大量计算资源的模型校准，并节省了建模分析时间，可快速地且高精度地呈现封闭空间环境的整体环境状态，以满足实时监控需求。
本公开的第二实施例提出了一种用于监控封闭空间环境的装置，该装置包括：获取单元，被配置为获取与封闭空间环境相关联的当前感测数据和当前影响因素数据；模型单元，被配置为获取用于封闭空间环境的代理模型，代理模型是基于与封闭空间环境相关联的历史感测数据和历史影响因素数据以及CFD模型来生成的；确定单元，被配置为基于当前感测数据以及当前影响因素数据，使用代理模型来确定所述封闭空间环境的当前整体环境状态值。
本公开的第三实施例提出了一种计算设备，该计算设备包括：处理器；以及存储器，其用于存储计算机可执行指令，当计算机可执行指令被执行时使得处理器执行第一实施例的方法。
本公开的第四实施例提出了一种计算机可读存储介质，该计算机可读存储介质具有存储在其上的计算机可执行指令，计算机可执行指令用于执行第一实施例的方法。
本公开的第五实施例提出了一种计算机程序产品，该计算机程序产品被有形地存储在计算机可读存储介质上，并且包括计算机可执行指令，计算机 可执行指令在被执行时使至少一个处理器执行第一实施例的方法。
结合附图并参考以下详细说明，本公开的各实施例的特征、优点及其他方面将变得更加明显，在此以示例性而非限制性的方式示出了本公开的若干实施例，在附图中：
图1示出了其中可应用本公开的实施例的示例性封闭空间环境；
图2示出根据本公开的实施例的用于监控封闭空间环境的示例性方法的流程图；
图3示出了根据本公开的实施例的用于生成代理模型的一个示例性方法的流程图；
图4示出了根据本公开的实施例的用于生成代理模型的另一个示例性方法的流程图；
图5示出了根据本公开的实施例的用于监控封闭空间环境的示例性装置；
图6示出了根据本公开的实施例的用于监控封闭空间环境的示例性计算设备。
以下参考附图详细描述本公开的各个示例性实施例。虽然以下所描述的示例性方法、装置包括在其它组件当中的硬件上执行的软件和/或固件，但是应当注意，这些示例仅仅是说明性的，而不应看作是限制性的。例如，考虑在硬件中独占地、在软件中独占地、或在硬件和软件的任何组合中可以实施任何或所有硬件、软件和固件组件。因此，虽然以下已经描述了示例性的方法和装置，但是本领域的技术人员应容易理解，所提供的示例并不用于限制用于实现这些方法和装置的方式。
此外，附图中的流程图和框图示出了根据本公开的各个实施例的方法和系统的可能实现的体系架构、功能和操作。应当注意，方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，或者它们有时也可以按照相反的顺序执行，这取决于所涉及的功能。同样应当注意的是，流程图和/或框图中的每个方框、以及流程图和/或框图中的方框的组合，可以使用执行规定的功能或操作的专 用的基于硬件的系统来实现，或者可以使用专用硬件与计算机指令的组合来实现。
本文所使用的术语“包括”、“包含”及类似术语是开放性的术语，即“包括/包含但不限于”，表示还可以包括其他内容。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”等等。
图1示出了其中可以应用本公开的实施例的示例性封闭空间环境100。封闭空间环境100可以是例如数据中心室、温室、冷库、洁净室和操作室等。封闭空间环境100内可以分布有若干对象，举例来说，设备101和102、以及传感器103。在封闭空间环境100是数据中心室的示例中，设备101可以例如是机架，并且机架的各排上堆放了诸如服务器、交换机等，设备102可以是例如空调器设备(AHU)，传感器103可以例如是温度、湿度、流速等传感器，设置在设备101或设备102或其他设施上或附近或其他可以感测环境状态的位置。可以由传感器103感测封闭空间环境100的环境状态以生成或记录与封闭空间环境100相关联的感测数据，例如实时的感测数据可以称为当前感测数据，过去的感测数据可以称为历史感测数据，感测数据可以例如保存在数据库或其他存储装置中以供存取。与封闭空间环境100相关联的影响因素数据可以包括内部因素(例如，数据中心室的机架负载)、外部因素(例如，温室的天气信息)、控制参数(例如，办公楼的HVAC设置点)以及其他对环境KPI有重大影响的因素。类似地，例如实时的影响因素数据可以称为当前影响因素数据，过去的影响因素数据可以称为历史感测数据，影响因素数据可以例如保存在数据库或其他存储装置中以供存取。
如前所述，要呈现封闭空间环境100的整体环境状态，需要在环境100内布置大量的物理传感器103，然而出于成本和物理约束的限制，这是不切实际的。虽然基于传感器输入和系统模型的虚拟传感器已应用于监测设备，但是建立系统模型需要大量昂贵的CFD分析以及虚拟校准的挑战，使得虚拟传感器在环境监测中的应用仍然受到限制。此外，建立基于仿真的模型的CFD仿真计算时间长(例如，CFD建模分析可能需要多达数小时)，无法满足实时环境监测/控制的需求。
图2示出了根据公开的实施例的用于监控封闭空间环境的示例性方法200的流程图。该示例性方法200可以应用于如图1所示的封闭空间环境100。
参考图2，方法200从步骤201开始。在步骤201中，获取与封闭空间环境100相关联的当前感测数据和当前影响因素数据。例如，可以从环境100内传感器或设备采集感测数据和内部因素数据，以及从环境100外部的气象服务中心接收外部因素数据(例如，天气信息等)。
接着，方法200行进到步骤202。在步骤202中，获取用于封闭空间环境100的代理模型(surrogate model)，代理模型是基于与封闭空间环境100相关联的历史感测数据和历史影响因素数据以及CFD模型来生成的。例如，CFD模型是已通过参考数据库进行校准的，因此可以避免耗费大量的时间进行CFD建模，并利用经校准的CFD模型来快速生成代理模型。例如，所生成的代理模型可以存储在模型数据库或其他存储装置中，使得可以从模型数据库或其他存储装置访问所生成的代理模型。
接着，方法200行进到步骤203。在步骤203中，基于当前感测数据以及当前影响因素数据，使用代理模型来确定封闭空间环境100的当前整体环境状态值(例如，温度场、气流场等)。
在一些实施例中，封闭空间环境100可以被划分为多个网格点，并且步骤203可以包括：基于当前感测数据以及当前影响因素数据，使用代理模型来确定多个网格点中的每个网格点的环境参数；基于每个网格点的环境参数，确定所述封闭空间环境的当前整体环境状态值。在该步骤中，可以通过将空间环境100分成离散的网格点，基于离散网格点确定的环境参数来预测环境100的连续空间位置的环境状态值。例如，基于环境100的任何空间位置附近的多个网格点的环境参数，可以通过插值法来获得该空间位置的环境状态值。
在一些实施例中，步骤203可以进一步包括：对当前感测数据以及当前影响因素数据进行数据清洗和预处理；基于清洗和预处理后的当前感测数据以及当前影响因素数据，使用代理模型来确定多个网格点中的每个网格点的环境参数。在该步骤中，通过数据清洗和预处理可以提升数据准确性、完整性、一致性，以避免影响所生成的环境状态值的准确性。类似地，在生成代理模型之前，可以对历史感测数据以及历史影响因素数据进行数据清洗和预处理，以提升数据准确性、完整性、一致性，避免影响所生成的代理模型的准确性。
在一些实施例中，代理模型是通过以下方式来生成的：基于历史感测数 据和历史影响因素数据以及多个网格点，使用CFD模型进行CFD仿真以构建关于封闭空间环境的环境状态的仿真结果数据集；基于历史感测数据和历史影响因素数据以及仿真结果数据集，训练生成代理模型。例如，将历史感测数据和历史影响因素数据输入到CFD模型进行CFD仿真以生成关于封闭空间环境的环境状态的(多个网格点上的)仿真结果数据集；并且将历史感测数据和历史影响因素数据作为输入，(多个网格点上的)仿真结果数据集作为输出，并将由输入和相应输出组成的数据集合中的一部分作为训练集以及一部分作为测试集；基于训练集，通过使用算法(例如，kriging、KPLS、多精度kriging等)来训练生成代理模型，并基于测试集，来对代理模型进行验证。
转到图3，示出根据本公开的实施例的用于生成代理模型的一个示例性方法300的流程图。
参考图3，方法300从步骤301开始。在步骤301中，根据划分策略集合，将历史感测数据和历史影响因素数据划分到多个子组。
接着，方法300行进到步骤302。在步骤302中，针对多个子组中的每个子组：使用CFD模型来构建相应的仿真结果数据子集。
接着，方法300行进到步骤303。在步骤303中，基于与多个子组相对应的多个子代理模型，生成代理模型。类似地，可以将子组的参数作为输入，仿真结果数据子集作为输出，将由输入和相应输出组成的数据集合划分为训练集和测试集。基于训练集，通过使用算法(例如，kriging、KPLS、多精度kriging等)来训练生成子代理模型，并基于测试集，来对子代理模型进行验证。
在图3的方法300中，通过将历史感测数据和历史影响因素数据划分成多个子组，可以有效地降低CFD仿真生成的数据量，例如，数据量与参数个数成指数比例，通过将8个参数分组为2个参数、3个参数、3个参数的三个子组，可以将仿真数据量从2
8＝256减少到2
2+2
3+2
3＝20，这不仅大大降低了数据存储，而且可以快速生成子代理模型，并基于子代理模型生成代理模型。由于历史感测数据和历史影响因素数据的数量可以是几十、几百甚至更多，将这些历史感测数据和历史影响因素数据分成子组可以显著减少构建代理模型所需的参考数据，并可以通过整合由每个子组计算的预测影响来计算历史感测数据和历史影响因素数据对环境状态的总体影响。
转到图4，示出根据本公开的实施例的用于生成代理模型的另一个示例性方法400的流程图。
参考图4，方法400从步骤401开始。在步骤401中，划分策略集合包括多个策略，多个策略中的每个策略指定从历史感测数据和历史影响因素数据到多个子组的不同划分，可以针对每个策略，采用方法300来根据每个策略相对应的多个子组来生成代理模型。
接着，方法400行进到步骤402。在步骤402中，基于历史感测数据和历史影响因素数据，通过与多个策略相对应的多个代理模型生成相应的封闭空间环境100的整体环境状态值。
接着，方法400行进到步骤403。在步骤403中，将所生成的相应的封闭空间环境100的整体环境状态值和与封闭空间环境100相关联的历史环境状态值进行比较。例如，环境100的历史环境状态值可以是通过在一段时间内在环境100内布置相关的传感或检测设备进行感测或检测来获得的。
接着，方法400行进到步骤404。在步骤404中，根据比较结果，将与多个策略相对应的多个代理模型中的一个确定为用于封闭空间环境100的代理模型。例如，可以将与历史环境状态值具有最佳精度或最小误差(例如，均方差等)的整体环境状态值相对应的代理模型设置为用于封闭空间环境100的代理模型，以实现最佳的预测效果。
在图4的方法400中，可以从基于不同划分策略生成的代理模型中选择具有最佳预测效果的代理模型，来进一步提高代理模型的准确性。
下面给出一个示例来具体说明上述图3和图4的用于生成代理模型的方法300和400。
以封闭空间环境100为数据中心室为示例，例如，室温状态的影响因素数据包括天气信息、4排的每个机架的负载、3个空调器设备(AHU)的控制参数，感测数据包括每排中间的温度和每个AHU的风量。在以下的表1中示出了示例性划分策略集合和相应的示例性子组划分。
划分策略集合可以包括策略1、策略2、策略3和策略4。这些策略1～4可以例如将输入按类别划分(例如，内部因素、外部因素和控制参数)，将输入按详细类别划分(例如，将热源按位置分为几类)，将传感器信息与模型输入结合起来输入到一个类别中(例如将位置内的热源和温度传感器合并为一个类别)。换句话说，可以将感测数据和影响因素数据分为可调整的控 制参数和不可调整的模型输入，并将控制参数和模型输入划分成多个子组。例如，策略1将控制参数和模型输入划分成3个子组1.1～1.3，策略2将控制参数和模型输入划分成5个子组2.1～2.5，策略3将控制参数和模型输入划分成8个子组3.1～3.8，策略4将控制参数和模型输入划分成8个子组4.1～4.8。在这些策略1～4中，可以仅将控制参数和模型输入的一部分划分到多个子组中，使得某些控制参数和模型输入并不包含在任何子组内。
表1：划分策略集合和子组划分
根据方法300和方法400，可以针对具有M个子组中的每个子组i，获得相应的子代理模型E
i，表示子组i中的参数对某个网格点的环境状态的相对影响。所有参数对某个网格点的环境状态的影响可以通过为每个子组生成的代理模型进行整合。例如，如果在整合过程中应用线性叠加，则整合的代理模型E
all可以表示成如下：
或者，可以对子代理模型采用加权来生成用于环境100的整合的代理模型E
all，以获得具有最佳精度的整合代理模型E
all。
根据方法400，可以采用方法300得到与多个划分策略相对应的多个代理模型E
all (j)，并从这多个代理模型中确定具有最佳预测效果的代理模型，例如，通过将代理模型的输出与实际获得的历史环境状态值进行比较。
在一些实施例中，多个网格点包括区域集合，用于封闭空间环境100的 代理模型是针对区域集合中的区域来确定的。在一些示例中，可以在所有网格点作为一个区域，使得所有网格点上使用相同的具有最佳预测效果的代理模型，如根据方法300或400所生成的代理模型。或者，在一些示例中，可以在每个网格点上应用具有最佳预测效果的代理模型。或者，在一些示例中，可以将网格点划分为多个区域(可以按照物理位置，或其他方式进行划分)，并在每个区域上确定应用具有最佳预测效果的代理模型。
回到图2，方法200还可以可选地包括步骤204～207。
在步骤204，方法200可以包括：获取与多个策略相对应的多个代理模型；基于当前感测数据以及当前影响因素数据，使用多个代理模型中的每个代理模型来确定封闭空间环境的相应的一组当前整体环境状态值；基于与多个代理模型相对应的多组当前整体环境状态值，通过交叉验证来检测所述封闭空间环境内的对象的异常，该对象与当前感测数据和当前影响因素数据中的一个相关联。例如，可以从模型数据或其他存储装置访问多个代理模型。如前所述，每个策略指定了历史感测数据和历史影响因素数据(或者说控制参数和模型输入)到多个子组的不同划分，也就是说可以使得控制参数和模型输入在不同策略下被划分到不同的子组内，或者在某些策略下没有包含在任何子组内。因此，该步骤207可以交叉验证来比较控制参数和模型输入的存在或不存在对整体环境状态值的影响，从而检测与控制参数和模型输入相关联的对象(例如，传感器或设备等)是否异常。
在步骤205，方法200可以包括：将当前整体环境状态值或预测的整体环境状态值(例如，未来的期望的整体环境状态值)设定为初始状态；基于初始状态，利用优化算法(例如，差分演化(DE)、粒子群(PSO)、模拟退火、蚁群算法等)执行以下步骤：
调整步骤，对当前感测数据和当前影响因素数据中可调整的参数进行调整；
更新步骤，基于经调整的感测数据和影响因素数据，使用代理模型来确定封闭空间环境的更新的环境状态值；
判断步骤，确定封闭空间环境的更新的环境状态值是否达到优化目标，如果未达到优化目标，则转至调整步骤，如果已达到优化目标，则提供可调整的参数的优化值。
例如，优化目标是在将关键环境KPI保持在设计范围内的同时获得优 化的能源效率，可调整的参数是诸如AHU的控制参数(例如，温度设置点、风速设置点等)等，外部影响因素数据可以例如包括阶梯电价分布区间等。然而，现有的CFD建模分析是无法实现此类优化控制的。相比之下，在该步骤205中，可以通过调整参数，将调后的整参数输入到代理模型来获得模型输出，并比较是否达到优化目标，使用优化算法来快速迭代地实现优化控制。当优化目标实现时，可以将所调整的参数的优化值提供给管理单元，也就是说，可以向管理单元提供优化控制策略以调整控制参数。
在步骤206，方法200可以包括：基于当前整体环境状态值，检测封闭空间环境的环境异常；响应于检测到环境异常，生成报警。例如，可以检测到局部过热或过冷，风速异常等状况，并基于检测到的异常状况，生成报警以提醒例如工程师或操作人员。在一些示例中，还可以将当前整体环境状态值处理成能以可视化形式展现的数据格式，使得当前整体环境状态值能够图形化形式呈现在用户界面或显示设备上。
在步骤207，方法200可以包括：利用当前感测数据和当前影响因素数据来更新历史感测数据和历史影响因素数据；并且基于经更新的历史感测数据和历史影响因素数据以及CFD模型来更新所述代理模型。在该步骤207中，可以随着时间对历史数据进行更新，并利用更新后的历史数据来重新生成代理模型，以提高代理模型的准确性。
根据前述的方法200，具有如下优点：可以通过从多个输入源读取输入的代理模型，对封闭空间进行高精度实时三维的整体环境监测，因此，可以检测和报告整个封闭空间中与环境要求的偏差；通过应用代理模型可以为可靠的整体环境状态保证和/或能耗优化提供动态控制策略推荐；采用参数划分策略，显著减少了构建代理模型的计算资源，加快了系统部署，降低了仿真成本；可以通过多个整合的代理模型计算结果的交叉验证来检测和诊断传感器/设备异常，这可以增加环境控制的稳定性和可靠性；可以集成到外部管理系统(例如，资产管理系统等)中，用于实现其他功能，如数据中心的容量规划和冷冻水系统的需求/顺序设计。
图5示出了根据本公开实施例的用于监控封闭空间环境的示例性装置500。
参考图5，装置500包括获取单元501、模型单元502和确定单元503。获取单元501被配置为执行如上文关于方法200中的步骤201描述的过程， 模型单元502被配置为执行如上文关于方法200中的步骤202描述的过程，确定单元503被配置为执行如上文关于方法200中的步骤203描述的过程，其中，代理模型是根据如上文关于方法200中所描述的过程来生成的。
装置500还可以可选地包括检测单元504、优化单元505、异常处理单元506和更新单元507。检测单元504被配置为执行如上文关于方法200中的步骤204描述的过程，优化单元505被配置为执行如上文关于方法200中的步骤205描述的过程，异常处理单元506被配置为执行如上文关于方法200中的步骤206描述的过程，更新单元507被配置为执行如上文关于方法200中的步骤207描述的过程。装置500还可以可选地包括模型生成单元，模型生成单元被配置为执行如上文关于方法200中生成代理模型的过程。
图6出了根据本公开的实施例的用于监控封闭空间环境的示例性计算设备600的框图。计算设备600包括处理器601和与处理器601耦合的存储器602。存储器602用于存储计算机可执行指令，当计算机可执行指令被执行时使得处理器601执行以上实施例中的方法(例如，前述的方法200的任何一个或多个步骤)。
此外，替代地，上述方法能够通过计算机可读存储介质来实现。计算机可读存储介质上载有用于执行本公开的各个实施例的计算机可读程序指令。计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
因此，在另一个实施例中，本公开提出了一种计算机可读存储介质，该计算机可读存储介质具有存储在其上的计算机可执行指令，计算机可执行指 令用于执行本公开的各个实施例中的方法。
在另一个实施例中，本公开提出了一种计算机程序产品，该计算机程序产品被有形地存储在计算机可读存储介质上，并且包括计算机可执行指令，该计算机可执行指令在被执行时使至少一个处理器执行本公开的各个实施例中的方法。
一般而言，本公开的各个示例实施例可以在硬件或专用电路、软件、固件、逻辑，或其任何组合中实施。某些方面可以在硬件中实施，而其他方面可以在可以由控制器、微处理器或其他计算设备执行的固件或软件中实施。当本公开的实施例的各方面被图示或描述为框图、流程图或使用某些其他图形表示时，将理解此处描述的方框、装置、系统、技术或方法可以作为非限制性的示例在硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备，或其某些组合中实施。
用于执行本公开的各个实施例的计算机可读程序指令或者计算机程序产品也能够存储在云端，在需要调用时，用户能够通过移动互联网、固网或者其他网络访问存储在云端上的用于执行本公开的一个实施例的计算机可读程序指令，从而实施依据本公开的各个实施例所公开的技术方案。
虽然已经参考若干具体实施例描述了本公开的实施例，但是应当理解，本公开的实施例并不限于所公开的具体实施例。本公开的实施例旨在涵盖在所附权利要求的精神和范围内所包括的各种修改和等同布置。权利要求的范围符合最宽泛的解释，从而包含所有这样的修改及等同结构和功能。
Claims (25)
- 用于监控封闭空间环境的方法，其特征在于，所述方法包括：获取与封闭空间环境相关联的当前感测数据和当前影响因素数据；获取用于所述封闭空间环境的代理模型，所述代理模型是基于与所述封闭空间环境相关联的历史感测数据和历史影响因素数据以及CFD模型来生成的；基于当前感测数据以及当前影响因素数据，使用所述代理模型来确定所述封闭空间环境的当前整体环境状态值。
- 根据权利要求1所述的方法，其特征在于，所述封闭空间环境被划分为多个网格点，其中，确定所述封闭空间环境的当前整体环境状态值包括：基于当前感测数据以及当前影响因素数据，使用所述代理模型来确定所述多个网格点中的每个网格点的环境参数；基于所述每个网格点的环境参数，确定所述封闭空间环境的当前整体环境状态值。
- 根据权利要求2所述的方法，其特征在于，基于当前感测数据以及当前影响因素数据，使用所述代理模型来确定所述多个网格点中的每个网格点的环境参数包括：对当前感测数据以及当前影响因素数据进行数据清洗和预处理；基于清洗和预处理后的当前感测数据以及当前影响因素数据，使用所述代理模型来确定所述多个网格点中的每个网格点的环境参数。
- 根据权利要求2或3所述的方法，其特征在于，所述代理模型是通过以下方式来生成的：基于历史感测数据和历史影响因素数据以及所述多个网格点，使用所述CFD模型进行CFD仿真以构建关于所述封闭空间环境的环境状态的仿真结果数据集；基于历史感测数据和历史影响因素数据以及所述仿真结果数据集，训练 生成所述代理模型。
- 根据权利要求4所述的方法，其特征在于，所述代理模型是通过以下方式来生成的：根据划分策略集合，将历史感测数据和历史影响因素数据划分到多个子组；针对所述多个子组中的每个子组：使用所述CFD模型来构建相应的仿真结果数据子集；基于所述每个子组以及相应的仿真结果数据子集，训练生成对应的子代理模型；基于与所述多个子组相对应的多个子代理模型，生成所述代理模型。
- 根据权利要求5所述的方法，其特征在于，所述代理模型是通过以下方式来生成的：所述划分策略集合包括多个策略，所述多个策略中的每个策略指定从历史感测数据和历史影响因素数据到多个子组的不同划分，并且所述每个策略对应于根据相应的多个子组生成的代理模型；基于历史感测数据和历史影响因素数据，通过与所述多个策略相对应的多个代理模型生成相应的所述封闭空间环境的整体环境状态值；将所生成的相应的所述封闭空间环境的整体环境状态值和与所述封闭空间环境相关联的历史环境状态值进行比较；根据比较结果，将与所述多个策略相对应的多个代理模型中的一个确定为用于所述封闭空间环境的代理模型。
- 根据权利要求6所述的方法，其特征在于，所述多个网格点包括区域集合，用于所述封闭空间环境的代理模型是针对所述区域集合中的区域来确定的。
- 根据权利要求6所述的方法，其特征在于，所述方法还包括：获取与所述多个策略相对应的多个代理模型；基于当前感测数据以及当前影响因素数据，使用所述多个代理模型中的 每个代理模型来确定所述封闭空间环境的相应的一组当前整体环境状态值；基于与所述多个代理模型相对应的多组当前整体环境状态值，通过交叉验证来检测所述封闭空间环境内的对象的异常，所述对象与当前感测数据和当前影响因素数据中的一个相关联。
- 根据权利要求1所述的方法，其特征在于，所述方法还包括：将当前整体环境状态值或预测的整体环境状态值设定为初始状态；基于所述初始状态，利用优化算法执行以下步骤：调整步骤，对所述当前感测数据和当前影响因素数据中可调整的参数进行调整；更新步骤，基于经调整的感测数据和影响因素数据，使用所述代理模型来确定所述封闭空间环境的更新的环境状态值；判断步骤，确定所述封闭空间环境的更新的环境状态值是否达到优化目标，如果未达到优化目标，则转至调整步骤，如果已达到优化目标，则提供所述可调整的参数的优化值。
- 根据权利要求1所述的方法，其特征在于，所述方法还包括：基于所述当前整体环境状态值，检测所述封闭空间环境的环境异常；响应于检测到所述环境异常，生成报警。
- 根据权利要求1所述的方法，其特征在于，所述方法还包括：利用当前感测数据和当前影响因素数据来更新历史感测数据和历史影响因素数据；并且基于经更新的历史感测数据和历史影响因素数据以及CFD模型来更新所述代理模型。
- 用于监控封闭空间环境的装置，其特征在于，所述装置包括：获取单元，所述获取单元被配置为获取与封闭空间环境相关联的当前感测数据和当前影响因素数据；模型单元，所述模型单元被配置为获取用于所述封闭空间环境的代理模型，所述代理模型是基于与所述封闭空间环境相关联的历史感测数据和历史 影响因素数据以及CFD模型来生成的；确定单元，所述确定单元被配置为基于当前感测数据以及当前影响因素数据，使用所述代理模型来确定所述封闭空间环境的当前整体环境状态值。
- 根据权利要求12所述的装置，其特征在于，所述封闭空间环境被划分为多个网格点，其中，所述确定单元被进一步配置为：基于当前感测数据以及当前影响因素数据，使用所述代理模型来确定所述多个网格点中的每个网格点的环境参数；基于所述每个网格点的环境参数，确定所述封闭空间环境的当前整体环境状态值。
- 根据权利要求13所述的装置，其特征在于，所述确定单元被进一步配置为：对当前感测数据以及当前影响因素数据进行数据清洗和预处理；基于清洗和预处理后的当前感测数据以及当前影响因素数据，使用所述代理模型来确定所述多个网格点中的每个网格点的环境参数。
- 根据权利要求13或14所述的装置，其特征在于，所述代理模型是通过以下方式来生成的：基于历史感测数据和历史影响因素数据以及所述多个网格点，使用所述CFD模型进行CFD仿真以构建关于所述封闭空间环境的环境状态的仿真结果数据集；基于历史感测数据和历史影响因素数据以及所述仿真结果数据集，训练生成所述代理模型。
- 根据权利要求15所述的装置，其特征在于，所述代理模型是通过以下方式来生成的：根据划分策略集合，将历史感测数据和历史影响因素数据划分到多个子组；针对所述多个子组中的每个子组：使用所述CFD模型来构建相应的仿真结果数据子集；基于所述每个子组以及相应的仿真结果数据子集，训练生成对应的子代理模型；基于与所述多个子组相对应的多个子代理模型，生成所述代理模型。
- 根据权利要求16所述的装置，其特征在于，所述代理模型是通过以下方式来生成的：所述划分策略集合包括多个策略，所述多个策略中的每个策略指定从历史感测数据和历史影响因素数据到多个子组的不同划分，并且所述每个策略对应于根据相应的多个子组生成的代理模型；基于历史感测数据和历史影响因素数据，通过与所述多个策略相对应的多个代理模型生成相应的所述封闭空间环境的整体环境状态值；将所生成的相应的所述封闭空间环境的整体环境状态值和与所述封闭空间环境相关联的历史环境状态值进行比较；根据比较结果，将与所述多个策略相对应的多个代理模型中的一个确定为用于所述封闭空间环境的代理模型。
- 根据权利要求17所述的装置，其特征在于，所述多个网格点包括区域集合，用于所述封闭空间环境的代理模型是针对所述区域集合中的区域来确定的。
- 根据权利要求17所述的装置，其特征在于，所述装置还包括：检测单元，所述检测单元被配置为：获取与所述多个策略相对应的多个代理模型；基于当前感测数据以及当前影响因素数据，使用所述多个代理模型中的每个代理模型来确定所述封闭空间环境的相应的一组当前整体环境状态值；基于与所述多个代理模型相对应的多组当前整体环境状态值，通过交叉验证来检测所述封闭空间环境内的对象的异常，所述对象与当前感测数据和当前影响因素数据中的一个相关联。
- 根据权利要求12所述的装置，其特征在于，所述装置还包括：优化单元，所述优化单元被配置为：将当前整体环境状态值或预测的整体环境状态值设定为初始状态；基于所述初始状态，利用优化算法执行以下步骤：调整步骤，对所述当前感测数据和当前影响因素数据中可调整的参数进行调整；更新步骤，基于经调整的感测数据和影响因素数据，使用所述代理模型来确定所述封闭空间环境的更新的环境状态值；判断步骤，确定所述封闭空间环境的更新的环境状态值是否达到优化目标，如果未达到优化目标，则转至调整步骤，如果已达到优化目标，则提供所述可调整的参数的优化值。
- 根据权利要求12所述的装置，其特征在于，所述装置还包括：异常处理单元，所述异常处理单元被配置为：基于所述当前整体环境状态值，检测所述封闭空间环境的环境异常；响应于检测到所述环境异常，生成报警。
- 根据权利要求12所述的装置，其特征在于，所述装置还包括：更新单元，所述更新单元被配置为：利用当前感测数据和当前影响因素数据来更新历史感测数据和历史影响因素数据；并且基于经更新的历史感测数据和历史影响因素数据以及CFD模型来更新所述代理模型。
- 计算设备，其特征在于，所述计算设备包括：处理器；以及存储器，其用于存储计算机可执行指令，当所述计算机可执行指令被执行时使得所述处理器执行根据权利要求1-11中任一项所述的方法。
- 计算机可读存储介质，所述计算机可读存储介质具有存储在其上的计算机可执行指令，所述计算机可执行指令用于执行根据权利要求1-11中任 一项所述的方法。
- 计算机程序产品，所述计算机程序产品被有形地存储在计算机可读存储介质上，并且包括计算机可执行指令，所述计算机可执行指令在被执行时使至少一个处理器执行根据权利要求1-11中任一项所述的方法。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2021/109345 WO2023004704A1 (zh) | 2021-07-29 | 2021-07-29 | 用于监控封闭空间环境的方法、装置和计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117413273A true CN117413273A (zh) | 2024-01-16 |
Family
ID=85086008
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202180098829.8A Pending CN117413273A (zh) | 2021-07-29 | 2021-07-29 | 用于监控封闭空间环境的方法、装置和计算机存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN117413273A (zh) |
| WO (1) | WO2023004704A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116502319B (zh) * | 2023-06-28 | 2023-10-20 | 长江三峡集团实业发展(北京)有限公司 | 一种混凝土坝三维温度场重构方法、装置及电子设备 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007072991A (ja) * | 2005-09-09 | 2007-03-22 | Kajima Corp | 環境評価システム及び環境評価方法 |
| CA2891802A1 (en) * | 2013-11-14 | 2015-05-21 | Nortek Air Solutions, Llc | Predictive monitoring and control of an environment using cfd |
| CN103995548B (zh) * | 2014-05-13 | 2016-06-15 | 江苏大学 | 基于模型降阶和多模型预测控制的室内热环境控制方法 |
| CN104633856A (zh) * | 2015-01-27 | 2015-05-20 | 天津大学 | Cfd数值模拟结合bp神经网络人工环境控制方法 |
| CN107545100B (zh) * | 2017-07-31 | 2020-05-05 | 江苏大学 | 一种venlo型温室环境的高分辨率降阶建模方法 |
| KR102085075B1 (ko) * | 2018-06-15 | 2020-05-25 | (주)미래환경플랜건축사사무소 | 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템 및 방법 |
| CN109840307A (zh) * | 2018-12-29 | 2019-06-04 | 重庆大学 | 一种室内温湿度场快速预测系统及方法 |
| CN113158593B (zh) * | 2021-04-13 | 2023-02-07 | 中南建筑设计院股份有限公司 | 一种基于人工智能的医院病房通风系统智能设计方法 |
-
2021
- 2021-07-29 WO PCT/CN2021/109345 patent/WO2023004704A1/zh active Application Filing
- 2021-07-29 CN CN202180098829.8A patent/CN117413273A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023004704A1 (zh) | 2023-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10684598B1 (en) | Building management system with efficient model generation for system identification | |
| JP6562883B2 (ja) | 特性値推定装置および特性値推定方法 | |
| EP2820488B1 (en) | Multi-dimensional optimization for controlling environmental maintenance modules | |
| EP2689356B1 (en) | Systems and methods for predicting fluid dynamics in a data center | |
| CN103766015A (zh) | 用于数据中心温度和气流值辅助预测的测量系统与方法 | |
| US20110077779A1 (en) | Systems and methods for configuring a building management system | |
| US11085663B2 (en) | Building management system with triggered feedback set-point signal for persistent excitation | |
| US11920811B2 (en) | Performance parameterization of process equipment and systems | |
| CA2891802A1 (en) | Predictive monitoring and control of an environment using cfd | |
| US10540457B2 (en) | System and method for predicting thermal-insights of a data center | |
| US20140316720A1 (en) | Data processing system with real-time data center air flow simulator | |
| JP6216294B2 (ja) | 重回帰分析装置および重回帰分析方法 | |
| KR102047850B1 (ko) | 컴퓨터의 유체 역학 시스템들 및 그것의 사용 방법들 | |
| EP3904987B1 (en) | Control support apparatus, control support method, control support program, computer readable medium with control support program recorded thereon and control system | |
| JP6438124B2 (ja) | 運用管理システム及び運用管理方法 | |
| CN116108604B (zh) | 一种供水管网异常检测方法、系统、设备及存储介质 | |
| CN116193819B (zh) | 一种数据中心机房节能控制方法、系统、装置及电子设备 | |
| CN113821903A (zh) | 温度控制方法和设备、模块化数据中心及存储介质 | |
| CN117413273A (zh) | 用于监控封闭空间环境的方法、装置和计算机存储介质 | |
| CN113170592B (zh) | 基于监测/控制机制的热控制优化 | |
| CN116796569B (zh) | 一种温室环境调控系统及方法 | |
| US20240288839A1 (en) | Systems, methods, and devices for asset simulation and analytics | |
| Jafarizadeh et al. | Thermal piloting: a novel approach for sensor localization in data center monitoring | |
| CN118364733A (zh) | 环境监控方法、系统、电子设备及存储介质 | |
| CN118761187A (zh) | 室内温度传感器安装位置选择方法及系统 |
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 |