一种中央空调的智能分区温控方法及系统与流程

本发明互联网，尤其涉及一种中央空调的智能分区温控方法及系统。

背景技术：

1、传统中央空调系统通常采用统一控制方式，对整个建筑的各个区域进行相同的温控调节，导致部分区域过冷或过热，能源浪费严重。缺乏实时能耗监测和优化手段，难以根据实际需求进行动态调整和能效管理。不同区域的使用需求和舒适度要求各不相同，统一的温控策略难以满足个性化需求，导致用户舒适度差。传统系统对温度变化的响应速度较慢，无法及时调整，影响用户体验。传统系统无法充分利用传感器数据和历史数据，缺乏智能化的分析和预测能力，无法实现精准控制。需要人工频繁干预和调整，难以实现自动化控制，增加了管理复杂度和成本。

2、传统系统的软硬件集成难度大，升级和扩展成本高，难以满足不断变化的传统系统的数据采集范围有限，无法全面获取温度、湿度、co2浓度等环境数据，影响温控决策的准确性。数据传输和处理效率低，影响实时性和可靠性，难以实现快速响应和精准控制。

技术实现思路

1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、鉴于上述或现有的中央空调的智能分区温控方法及系统的问题，提出了本发明。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明实施例提供了一种中央空调的智能分区温控方法，其特征在于，包括：利用bim获取建筑的详细平面图，划分区域，根据使用需求、朝向以及楼层因素确定每个区域的温控需求；在每个区域内安装温度传感器、湿度传感器和co2传感器，以获取环境数据，在关键位置安装室内人员检测传感器，以检测区域内的人数和活动水平；传感器定时采集环境数据，并通过无线网络传输至中央控制系统，将实时数据存储在分布式数据库中，利用数据清洗和预处理技术，去除噪音数据和异常值；基于传感器数据和历史数据，建立每个区域的温控模型，使用机器学习算法预测未来的温度变化，基于区域温控模型和用户预设的舒适度要求，制定智能温控策略；中央控制系统将温控策略转化为具体的控制指令，发送至区域内的空调设备，设备接收到控制指令后，调整制冷好、制热功率、风速和风向。

5、作为本发明所述中央空调的智能分区温控方法的一种优选方案，其中：所述利用bim获取建筑的详细平面图，划分区域，根据使用需求、朝向以及楼层因素确定每个区域的温控需求，包括：根据建筑的功能区分，初步划分出办公室、会议室以及休息区功能区域，利用bim模型的空间信息，精准确定每个区域的边界；进一步细化区域划分，包含如下因素：办公区的工作时间、休息区的使用频率、南向房间需要更多的制冷或制热以及顶层和底层的温度需求不同这些因素；通过bim软件的可视化功能，用户交互式地调整区域划分。

6、作为本发明所述中央空调的智能分区温控方法的一种优选方案，其中：所述在每个区域内安装温度传感器、湿度传感器和co2传感器，以获取环境数据，在关键位置安装室内人员检测传感器，包括：温度传感器安装在每个区域的中间位置，避免阳光直射或冷气直吹异常条件影响数据准确性，利用bim技术分析建筑结构和气流分布，精准定位温度传感器；湿度传感器安装在温度传感器附近，确保数据能反映区域的实际湿度情况；co2传感器安装在人群活动较多的区域，确保数据能反映实际使用情况；人员检测传感器安装在区域的入口和主要通道位置，采用红外传感器、超声波传感器或视频分析技术进行分析。

7、作为本发明所述中央空调的智能分区温控方法的一种优选方案，其中：所述传感器定时采集环境数据，并通过无线网络传输至中央控制系统，将实时数据存储在分布式数据库中，包括：温度、湿度、co2传感器以及人员检测传感器定时采集环境数据，各传感器内部含有时钟模块，每5min采集一次；采用分布式数据库系统进行数据存储，实时接收传感器传输的数据，并进行快速写入操作，使用时间序列数据库优化数据写入和查询性能。

8、作为本发明所述中央空调的智能分区温控方法的一种优选方案，其中：所述利用数据清洗和预处理技术，去除噪音数据和异常值，包括：通过3σ原则识别并去除异常值，计算传感器数据的均值μ和标准差σ，设定阈值范围[μ-3σ，μ+3σ]，超出阈值范围的数据视为异常值，并进行过滤；使用插值法或机器学习算法填补缺失数据，根据前后数据点进行线性插值，根据时间序列模型arima预测并填补缺失数据，将不同传感器的数据标准化为相同尺度，将温度、湿度和c02浓度标准化到[0，1]区间。

9、作为本发明所述中央空调的智能分区温控方法的一种优选方案，其中：所述基于传感器数据和历史数据，建立每个区域的温控模型，使用机器学习算法预测未来的温度变化，基于区域温控模型和用户预设的舒适度要求，制定智能温控策略，包括：

10、用户通过界面设定各区域的温控目标和舒适度要求，如温度范围和湿度范围，基于区域温控模型和用户设定的舒适度要求，制定智能温控策略，计算所需的制冷、制热功率和风速，以达到设定的温控目标，具体表达式如下所示：

11、pcooling＝k1×(tcurrent-ttarget)

12、pheating＝k2×(ttarget-tcurrent)

13、其中，pcooling和pheating分别为制冷和制热功率，k1和k2为调节系数；

14、在满足用户舒适度要求的前提下，优化空调系统的能耗，降低能源消耗，使用能效比优化公式：

15、

16、其中，v为空调制冷量，cop为能效比。

17、作为本发明所述中央空调的智能分区温控方法的一种优选方案，其中：所述中央控制系统将温控策略转化为具体的控制指令，发送至区域内的空调设备，设备接收到控制指令后，调整制冷好、制热功率、风速和风向，包括：空调设备接收并识别控制指令，准备执行，空调设备根据指令调整制冷或制热功率，确保达到指定温度；调整风扇的运行速度，达到指令中的设定风速，空调设备执行指令后，反馈执行结果和当前状态至中央控制系统，中央控制系统实时监测环境数据和设备状态，若实际温度偏离目标温度，则调整控制策略并发送新的指令。

18、第二方面，本发明实施例提供了一种中央空调的智能分区温控系统，其包括，需求确定模块，用于利用bim获取建筑的详细平面图，划分区域，根据使用需求、朝向以及楼层因素确定每个区域的温控需求；数据检测模块，用于在每个区域内安装温度传感器、湿度传感器和co2传感器，以获取环境数据，在关键位置安装室内人员检测传感器，以检测区域内的人数和活动水平；数据存储清洗模块，用于传感器定时采集环境数据，并通过无线网络传输至中央控制系统，将实时数据存储在分布式数据库中，利用数据清洗和预处理技术，去除噪音数据和异常值；温控策略制定模块，用于基于传感器数据和历史数据，建立每个区域的温控模型，使用机器学习算法预测未来的温度变化，基于区域温控模型和用户预设的舒适度要求，制定智能温控策略；中央控制系统将温控策略转化为具体的控制指令，发送至区域内的空调设备，设备接收到控制指令后，调整制冷好、制热功率、风速和风向。

19、第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述处理器执行所述计算机程序时实现上述中央空调的智能分区温控方法的任一步骤。

20、第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现上述中央空调的智能分区温控方法的任一步骤。

21、本发明的有益效果为：本发明基于实时环境数据和用户设定的舒适度要求，对各个区域进行精准温控，避免能源浪费，提高能效。利用机器学习算法预测未来温度变化，根据实际需求动态调整制冷、制热功率，实现节能优化。根据不同区域的使用需求和用户偏好，提供个性化温控策略，满足不同用户的舒适度要求。实时监测环境数据和设备状态，快速响应温度变化，及时调整温控策略，提高用户体验。