本发明属于分布式空调末端，具体而言，涉及一种分布式智能空调末端系统。
背景技术：
1、现有的集中式中央空调系统广泛应用于大型办公楼、商场、医院等场所,通过一个集中的空调机组为整个建筑提供制冷、供热、送风等功能。这种集中式空调系统具有设备集中、管理方便等优势,但也存在一些问题。首先,由于建筑面积较大,空调系统需要长距离输送冷热量,热量和气流在管道传输过程中容易损失,导致能源效率较低。其次,单一的集中式设计无法根据不同区域的实际需求进行精细化调控,难以满足个性化的温湿度要求。再者,集中式系统的故障处理也较为困难,一旦出现问题,整个建筑的空调系统都会受到影响。
2、为了解决集中式空调系统存在的问题,分布式空调系统应运而生。分布式空调系统将空调设备分散布置在建筑物的各个区域,每个区域配备独立的空调末端设备。这种方式可以有效缩短冷热量的输送距离,提高能源利用效率。同时,分散的空调设备也更容易针对不同区域的需求进行精细化控制,满足个性化的温湿度要求。此外,分布式系统的故障处理也更加灵活,局部故障不会影响整个系统的正常运行。
3、然而,现有的分布式空调末端设备普遍存在控制策略单一,无法充分利用环境数据和人员密度信息进行智能化优化的问题，造成现有的分布式空调系统难以真正实现精准控制和能效提升。
技术实现思路
1、有鉴于此，本发明提供一种分布式智能空调末端系统，能够解决现有的分布式空调末端设备普遍存在控制策略单一,无法利用环境数据和人员密度信息进行智能化优化的问题。
2、本发明是这样实现的：
3、本发明提供一种分布式智能空调末端系统，包括：
4、空气处理机组、智能控制柜、信息屏、线声源、摄像头和电动喷口；
5、所述空气处理机组包括依次连接的回风格栅、空气过滤器、表冷器、回风消声器、送风风机、送风消声器和送风静箱；所述电动喷口与静压箱的出口连接；
6、所述摄像头为人员侦测摄像头，用于捕捉周边人员密集情况，与所述智能控制柜电连接；
7、所述智能控制柜中设置有控制芯片，所述控制芯片内设置有空气处理机组调节模块，用于根据回风温湿度传感器和人员侦测摄像头采集的数据调节所述空气处理机组的参数，包括电动喷口的送风角度、风速、送风温度以及机组运行参数；
8、所述信息屏与智能控制柜电连接，用于实时显示室内温度、湿度、人员密度、送风参数和能耗数据的运行状态。
9、在上述技术方案的基础上，本发明的一种分布式智能空调末端系统还可以做如下改进:
10、其中，还包括消防箱、消防水炮和警报器，当发现高温火情时，所述警报器发出报警信息；所述消防水炮与智能控制柜电连接，用于接收和执行智能控制柜发出的指令。所述消防箱嵌入式安装，可在高温火情时迅速开启。
11、其中，所述空气处理机组的空气流向为：空气从正面和背面底部经过回风格栅进入所述系统内部，先后经过空气过滤器、表冷器，进入空气处理单元内部，然后经过回风消声器、送风风机和送风消声器，最后进入静压箱通过电动喷口送至室内空间；所述回风格栅设置在空气处理机组的底部，电动喷口设置在空气处理机组的顶部。
12、其中，还包括吸声/隔音外壳，所述吸声/隔音外壳包覆在空气处理机组外部；所述吸声/隔音外壳由隔音材料制成，用于降低空气处理机组运行时产生的噪音。
13、其中，还包括踢脚线和地面进出水管，所述地面进出水管设置在踢脚线内部；所述地面进出水管与表冷器连接，用于为表冷器提供冷热水。
14、其中，还包括检修门，所述检修门设置在空气处理机组上，用于维护和检修；所述检修门通过合页与空气处理机组连接。
15、其中，还包括机组基础，所述空气处理机组安装在机组基础上；所述机组基础为空气处理机组提供稳定的支撑，并具有减震功能。
16、其中，所述空气处理机组调节模块用于执行以下步骤：
17、s10、采集回风温湿度传感器的温湿度数据和人员侦测摄像头的人员密度数据，形成温湿度-人员密度信号组；
18、s20、对采集到的温湿度-人员密度信号组进行预处理，包括去噪、滤波和信号对齐，以提高数据质量；
19、s30、根据对齐后的温湿度-人员密度信号组中的每个信号，采用时频分析方法确定最优时间窗口长度，以捕捉室内环境变化的特征；
20、s40、利用确定的最优时间窗口长度，提取每个信号的时频特征，包括温度变化率、湿度变化率和人员密度变化率，将所有信号的时频特征记为待测特征组；
21、s50、建立室内环境动力学方程组，包括热平衡方程、湿度平衡方程、空气流动方程、人体热舒适经验方程和空调系统响应方程；
22、s60、将室内空间划分为若干网格单元，对热平衡方程、湿度平衡方程、空气流动方程进行差分离散，将人体热舒适经验方程和空调系统响应方程转化为离散形式；
23、s70、获取所述室内环境动力学方程组的初始条件和边界条件，采用gauss-seidel迭代法对离散化后的热平衡方程、湿度平衡方程和空气流动方程进行求解，迭代计算直至收敛，得到数值解，包括室内各网格点的温度、湿度和气流速度场；并根据人体热舒适经验方程，计算各网格点的舒适度指标；
24、s80、定义调节目标函数，包括平均舒适度指标和能耗指标，所述调节目标函数的约束条件至少包括空调系统的物理限制、室内温湿度允许范围；以所述数值解为初始种群，以人体热舒适经验方程为适应度函数，采用遗传算法优化得到最优调节参数，并输出给空气处理机组进行调节。
25、具体而言，所述步骤s10具体包括:采集回风温度和湿度数据以及人员密度数据,形成温湿度-人员密度信号组。首先,利用回风温湿度传感器实时测量室内温度和湿度,获得温度和湿度两个时间序列信号。同时,人员侦测摄像头捕捉室内人员密集分布情况,给出人员密度时间序列信号。将这三个时间序列信号整合成温湿度-人员密度信号组,为后续的数据处理和分析提供基础数据。
26、其中,所述步骤s20具体包括:对温湿度-人员密度信号组进行预处理。首先,采用数字滤波算法对原始信号进行去噪处理,提高信号质量。其次,对三个信号进行时间对齐,确保各信号的时间戳一致。最后,将预处理后的温度、湿度和人员密度信号组合成温湿度-人员密度信号组。该预处理过程可以有效提升后续步骤中信号分析的精度和可靠性。
27、其中,所述步骤s30具体包括:采用时频分析方法确定最优时间窗口长度。首先,对温湿度-人员密度信号组中的每个信号进行短时傅里叶变换(stft)分析,得到时频域表示。通过观察stft结果,可以发现室内环境参数在不同时间尺度上存在显著变化。为了更好地捕捉这些变化特征,需要选择合适的时间窗长度。这里采用信息熵最小化的方法来确定最优时间窗长度,即计算stft结果在时频平面上的信息熵,并寻找使信息熵最小的时间窗长度。这个时间窗长度可以最大限度地提取环境变化的时频特征。
28、其中,所述步骤s40具体包括:利用确定的最优时间窗长度,提取温湿度-人员密度信号组的时频特征。首先,对每个信号再次进行stft分析,得到时频域表示。然后,从stft结果中提取温度变化率、湿度变化率和人员密度变化率三个特征量。温度变化率由温度信号在时域的导数表示,湿度变化率由湿度信号在时域的导数表示,人员密度变化率由人员密度信号在时域的导数表示。将这三个特征量组成待测特征组,为后续的动力学建模提供基础数据。
29、其中,所述步骤s50具体包括:建立描述室内环境动力学过程的数学模型。该模型包括热平衡方程、湿度平衡方程、空气流动方程、人体热舒适经验方程和空调系统响应方程等5个部分。这些方程可以描述室内温度、湿度、气流速度以及人体热舒适度等关键环境参数的动态变化过程，涵盖了热量传递、湿度变化、空气流动和人体热舒适等各个方面。该数学模型为后续的数值求解和参数优化提供了基础。
30、其中，所述步骤s60具体包括：将室内空间划分为若干个网格单元，对热平衡方程、湿度平衡方程和空气流动方程进行差分离散，同时将人体热舒适经验方程和空调系统响应方程转化为离散形式。这样，原来的偏微分方程组就转化为由多个代数方程和差分方程组成的离散化方程组，可以用数值计算方法进行求解。这种离散化处理为后续的数值计算奠定了基础。
31、其中，所述步骤s70具体包括：获取室内环境动力学方程组的初始条件和边界条件，采用迭代的gauss-seidel方法对热平衡方程、湿度平衡方程和空气流动方程进行数值求解。在迭代计算过程中，需要不断更新各个网格点的温度、湿度和气流速度。最后，根据人体热舒适经验方程计算各网格点的pmv值，反映出室内环境对人体热舒适的影响程度。此步骤为后续的参数优化奠定了基础。
32、其中，所述步骤s80具体包括：定义调节目标函数，采用遗传算法进行优化求解。调节目标函数包括平均舒适度指标和能耗指标。平均舒适度指标采用各网格点pmv值的平均绝对值表示，能耗指标采用实际能耗与最大能耗的比值表示。将这两项指标综合起来形成调节目标函数。为了求解这个多目标优化问题，这里采用遗传算法进行优化。最终得到的最优个体即为最佳调节参数，包括电动喷口的送风角度、风速、送风温度以及机组其他运行参数，将这些参数输出给空气处理机组进行调节。
33、进一步的，迭代计算直至收敛的判断标准为迭代步数达到2000步或连续两次迭代结果的相似度大于99.75％。
34、进一步的，将室内空间划分为若干网格单元的步骤中，每个网格单元的尺寸为0.2米～1米。
35、下面对本发明的方案中涉及到的计算的方程或函数进行详细描述：
36、1.热平衡方程：
37、热平衡方程描述了室内空间温度变化的动态过程，考虑了各种热量传递和产生的因素。具体表示如下：
38、
39、式中，ρ为空气密度，kg/m3；cp为空气比热容，j/(kg·k)；t为室内温度，k；t为时间，s；k为空气导热系数，w/(m·k)；qh为空调系统提供的热量，w/m3；qs为太阳辐射热增益，w/m3；qe为设备热增益，w/m3；qv为通风热交换，w/m3；qp为人体散热，w/m3；εt为温度误差项。
40、参数获取方法：
41、ρ、cp和k可从标准空气物性表中查询。
42、t通过温度传感器实时测量获得。
43、qh根据空调系统的运行参数计算：其中为送风质量流量，kg/s；ts为送风温度，k；tr为回风温度，k；v为房间体积，m3。
44、qs通过太阳辐射计测量外部辐射强度，再根据窗户的传热特性计算得到。
45、qe根据设备功率和使用情况估算。
46、qv计算公式为：其中为新风量，m3/s；to为室外温度，k。
47、qp根据人员密度和人体平均散热量计算：其中n为室内人数，qp为每个人的平均散热量，w。
48、2.湿度平衡方程：
49、湿度平衡方程描述了室内空气湿度的变化过程，考虑了各种水分来源和去除。具体表示如下：
50、
51、式中，ω为空气含湿量，kg/kg(干空气)；d为水蒸气扩散系数，m2/s；wh为空调系统除湿/加湿量，kg/s；wv为通风带来的水分交换量，kg/s；wp为人体排湿量，kg/s；wm为其他水分源(如植物蒸腾)，kg/s；v为房间体积，m3；εω为湿度误差项。
52、参数获取方法：
53、ω通过湿度传感器测量相对湿度，再换算得到。
54、d可从标准空气物性表中查询。
55、wh根据空调系统的运行参数计算：其中ωs和ωr分别为送风和回风含湿量。
56、wv计算公式为：其中ωo为室外空气含湿量。
57、wp根据人员密度和人体平均排湿量计算：wp＝nqw，其中qw为每个人的平均排湿量，kg/s。
58、wm通过实验测量或经验估算获得。
59、3.空气流动方程：
60、空气流动方程描述了室内空气的运动状态，基于navier-stokes方程简化得到。具体表示如下：
61、
62、
63、式中，u为空气速度矢量，m/s；p为压力，pa；v为空气运动粘度，m2/s；g为重力加速度矢量，m/s2；β为空气热膨胀系数，1/k；t0为参考温度，k；f为其他体积力(如风机驱动力)，n/m3；εu为速度误差项。
64、参数获取方法：
65、u通过热线风速仪在多个点测量获得。
66、p通过压力传感器测量得到。
67、v和β可从标准空气物性表中查询。
68、f根据风机特性曲线和运行参数计算得到。
69、4.人体热舒适经验方程：
70、采用pmv(预测平均投票数)指标来表示人体热舒适度，具体表示如下：
71、pmv＝(0.303e-0.036m+0.028)[(m-w)-3.05×10-3(5733-6.99(m-w)-pa)-0.42((m-w)-58.15)-1.7×10-5m(5867-pa)-0.0014m(34-ta)-3.96×10-8fcl((tcl+273)4-(tr+273)4)-fclhc(tcl-ta)]+εpmv；
72、式中，pmv为预测平均投票数；m为代谢率，w/m2；w为有效机械功率，w/m2；pa为水蒸气分压，pa；ta为空气温度，℃；tr为平均辐射温度，℃；fcl为服装面积因子；tcl为服装表面温度，℃；hc为对流换热系数，w/(m2·k)；εpmv为pmv误差项。
73、参数获取方法：
74、m和w根据人员活动类型从标准表格中查询。
75、pa通过测量相对湿度和温度，使用心理计算公式得到。
76、ta和tr分别通过温度传感器和黑球温度计测量获得。
77、fcl和tcl通过迭代计算得到，计算公式为：
78、
79、tcl＝35.7-0.028(m-w)-icl[3.96×10-8fcl((tcl+273)4-(tr+273)4)+fclhc(tcl-ta)]；
80、其中，icl为服装热阻，m2·k/w。
81、hc计算公式为：其中va为空气相对速度，m/s。
82、5.空调系统响应方程：
83、空调系统响应方程描述了系统输出与控制输入之间的关系，采用一阶滞后环节模型。具体表示如下：
84、
85、式中，y为系统输出(如送风温度、风量等)；u为控制输入；k为系统增益；τ为系统时间常数，s；εy为系统响应误差项。
86、参数获取方法：
87、k和τ通过系统辨识实验获得，具体步骤如下：
88、1.在系统稳定运行时，施加阶跃输入信号。
89、2.记录系统输出响应曲线。
90、3.根据响应曲线，计算系统增益
91、4.确定系统输出达到最终值63.2％时所需的时间，即为时间常数τ。
92、6.调节目标函数：
93、调节目标函数考虑了平均舒适度指标和能耗指标，具体表示如下：
94、
95、式中，j为调节目标函数值；w1和w2为权重系数，且w1+w2＝1；n为房间网格划分数量；pmvi为第i个网格点的pmv值；e为系统能耗，kwh；emax为系统最大能耗，kwh；εj为目标函数误差项。
96、约束条件：
97、1.温度约束：tmin≤t≤tmax；
98、2.湿度约束：rhmin≤rh≤rhmax；
99、3.风速约束：0≤v≤vmax
100、4.送风温度约束：ts，min≤ts≤ts，max；
101、5.送风量约束：
102、式中，tmin和tmax分别为允许的最低和最高室内温度，k；rhmin和rhmax分别为允许的最低和最高相对湿度；vmax为允许的最大室内风速，m/s；ts，min和ts，max分别为允许的最低和最高送风温度，k；和分别为允许的最小和最大送风量，m3/s。
103、参数获取方法：
104、w1和w2根据用户偏好设置，可通过问卷调查或专家经验确定。
105、pmvi通过人体热舒适经验方程计算得到。
106、e通过能耗计量装置实时测量获得。
107、emax根据空调系统额定功率和运行时间计算。
108、约束条件中的参数根据空调系统性能参数和室内环境要求确定。
109、与现有技术相比较，本发明提供的一种分布式智能空调末端系统的有益效果是：
110、1.采用多传感器融合技术，实时监测室内温度、湿度和人员密度等关键环境参数，为智能控制提供可靠的数据基础。
111、2.建立了包括热量、湿度、气流以及人体热舒适在内的全面动力学模型，可以精准预测室内环境变化趋势，为主动调控提供依据。
112、3.采用基于模型预测的智能优化算法，能够兼顾温湿度调节精准性、人体热舒适度和能耗指标，实现多目标优化。
113、4.系统采用分布式设计，能够针对不同区域的实际需求进行个性化调控，提高能源利用效率。同时，局部故障不会影响整个系统的正常运行。
114、总之，本发明提出的分布式智能空调末端系统，集成了先进的传感技术、动力学建模和智能优化算法,可以实现对室内环境的精准控制和能效提升,为构建舒适、节能的智能建筑提供有力支撑。解决了现有的分布式空调末端设备普遍存在控制策略单一,无法利用环境数据和人员密度信息进行智能化优化的问题。
1.一种分布式智能空调末端系统，其特征在于，包括：
2.根据权利要求1所述的一种分布式智能空调末端系统，其特征在于，还包括消防箱、消防水炮和警报器，当发现高温火情时，所述警报器发出报警信息；所述消防水炮与智能控制柜电连接，用于接收和执行智能控制柜发出的指令。
3.根据权利要求1所述的一种分布式智能空调末端系统，其特征在于，所述空气处理机组的空气流向为：空气从正面和背面底部经过回风格栅进入所述系统内部，先后经过空气过滤器、表冷器，进入空气处理单元内部，然后经过回风消声器、送风风机和送风消声器，最后进入静压箱通过电动喷口送至室内空间；所述回风格栅设置在空气处理机组的底部，电动喷口设置在空气处理机组的顶部。
4.根据权利要求1所述的一种分布式智能空调末端系统，其特征在于，还包括吸声/隔音外壳，所述吸声/隔音外壳包覆在空气处理机组外部；所述吸声/隔音外壳由隔音材料制成，用于降低空气处理机组运行时产生的噪音。
5.根据权利要求1所述的一种分布式智能空调末端系统，其特征在于，还包括踢脚线和地面进出水管，所述地面进出水管设置在踢脚线内部；所述地面进出水管与表冷器连接，用于为表冷器提供冷热水。
6.根据权利要求1所述的一种分布式智能空调末端系统，其特征在于，还包括检修门，所述检修门设置在空气处理机组上，用于维护和检修；所述检修门通过合页与空气处理机组连接。
7.根据权利要求1所述的一种分布式智能空调末端系统，其特征在于，还包括机组基础，所述空气处理机组安装在机组基础上；所述机组基础为空气处理机组提供稳定的支撑，并具有减震功能。
8.根据权利要求1所述的一种分布式智能空调末端系统，其特征在于，所述空气处理机组调节模块用于执行以下步骤：
9.根据权利要求8所述的一种分布式智能空调末端系统，其特征在于，迭代计算直至收敛的判断标准为迭代步数达到2000步或连续两次迭代结果的相似度大于99.75％。
10.根据权利要求9所述的一种分布式智能空调末端系统，其特征在于，将室内空间划分为若干网格单元的步骤中，每个网格单元的尺寸为0.2米～1米。
