[发明专利]一种适用于办公建筑的智能化通风系统及数据处理方法

权利要求书

1.一种适用于办公建筑的智能化通风系统，通风系统位于建筑上部，建筑内设置办公区域(8)，其特征在于，所述通风系统包括空调机组(1)，空调机组(1)上连通设有送风单元、回风单元和新风单元(7)，送风单元和回风单元分别位于空调机组(1)的两侧，送风单元包括送风管道(3)，送风管道(3)的一端与空调机组(1)连通，另一端延伸至建筑内设有条缝型送风口(5)，空调机组(1)内部设有风机组件(2)，回风单元包括回风管道(4)，回风管道(4)的一端与空调机组(1)连通，另一端延伸至建筑内设有条缝型回风口(6)，空调机组(1)与送风单元、回风单元和新风单元(7)形成循环回路实现办公区域(8)的空气循环。

2.根据权利要求1所述的一种适用于办公建筑的智能化通风系统的数据处理方法,其特征在于，所述数据处理方法包括：

S1：计算域的输入输出部分，实现对原CFD模拟结果的读取以及降维输出；

S2：物理场体积平均转化和误差计算部分；

S3：低维计算域划分和自适应更新部分。

3.根据权利要求2所述的一种适用于办公建筑的智能化通风系统的数据处理方法,其特征在于，所述S1包括：

计算域的输入和输出：利用数值模拟开源软件OpenFOAM和降维工具实现原CFD模拟结果、软件用户设置的读取以及对降维输出；

计算域输入：直接读取OpenFOAM模拟算例的CFD结果，包括网格和物理场数据以及软件运行所需的用户设定数据；

计算域输出：向OpenFOAM算例的子目录导出计算获得的低维转化结果，包括低维网格和物理场数据。

4.根据权利要求2所述的一种适用于办公建筑的智能化通风系统的数据处理方法,其特征在于，所述S2包括：

S21：物理场体积平均转化：

将总体积为Ω的n个体积为Ω_i的数值模拟网格通过‘切割点P’来划分为N个体积为Ω_c的子区域网格；

切割点P的位置确定时，子域的划分就确定了，子域网格的数量表示为N＝N_x×N_y×N_z，其中下标x,y,z表示每个方向的子域数量，而每个方向的切割点P的数量为N_j+1(j＝x,y,z)，包含一个起始点和一个终点；

子域划分完成后，与子域网格位置(x,y,z)坐标相对应的网格信息被记录到数组人工智能中；

根据数组人工智能，将(x,y,z)坐标对应的网格对应物理场值C也依次划分到相应的数组中，然后基于各个数组人工智能中的网格数据，计算出每个子域内全部数据的体积平均值，表示为C_c；

利用体积平均数据结果来表示对应子域的全部网格数据结果，实现高精度网格数据的离散处理；

S22：误差计算：

采用转化误差ε评估低维转换的性能，使用有限体积方法必须考虑网格体积的影响，否则会导致误差计算不准确，特别是当CFD网格的单个网格体积变化较大时，这在实际模拟中非常常见；

转化误差ε定义如下：

将网格体积比引入方程，从而使其更准确地表示单个网格对低维转换的实际贡献，体积平均值均匀分布在区域中，体积由满足的相应网格体积组成，因使用ò来量化低维场和CFD场之间的差异。

5.根据权利要求4所述的一种适用于办公建筑的智能化通风系统的数据处理方法,其特征在于，所述c＝1-N，i＝1-n,Nn。

6.根据权利要求4所述的一种适用于办公建筑的智能化通风系统的数据处理方法,其特征在于，所述转化误差ε用于表示特定区域的低维离散性能，通过将上式中的体积限制Ω更改为Ω_c，得到能够表示子域中转化误差ε性能的区域误差指数：

根据区域误差指数计算转化误差方差σ，转化误差方差σ作为分析不同低维量级和划分方法时整个体积内误差分布的参考；

低维离散误差评估用来评估区域应划分的数量范围，进行降维处理也是重要的参数，根据错误指数，将通过自适应更新模块实现自动和自适应的低维方法。

7.根据权利要求1所述的一种适用于办公建筑的智能化通风系统的数据处理方法,其特征在于，所述S3包括：

S31：非均匀划分模块：

划分方法是确定每个方向的切点P设置，在每个方向上分别是一个大小为N_j+1(j＝x,y,z)的数组，指定一个维度上低维区域的边界，这些边界默均匀分布；增加子域的数量，减少计算的低维场与原始CFD场之间的偏差，将误差控制在一定范围内；采用非均匀划分方法，作为自适应低维方法的重要组成部分以提高低维转换的精度；

结合“精确子层重组”算法来确定切点P，实现计算域的非均匀降维，

S311：子层的生成：将整个计算域Ω分别在每个方向(X,Y,Z)上划分为N_Sub个子层，其中一个方向上的子层由相等的厚度准则l_Sub生成，然后在其中计算每个子层的体积平均标量值C_Sub；

S312：子层的重组与选择：将这些子层按方向重组，根据通过平均标量场值C_Sub和子层体积来选择重组误差最小的组合，得到最佳组合后，将子层转换为单向分割模式；

S313：单向分割模式的集成将每个方向的单向分割模式集成，以构造整个计算域上的非均匀低维场；

S32:自适应更新：

自适应更新模块决定在不同模式下进行低维转换后是否增加低维子域数量N_j，j＝x,y,z；自适应CFD数据降维工具提供了两种降维模式，分别称为“直接”和“自动/自适应”，通过C++中的公共继承来实现的，这意味着“自动”模式是高级的“直接”模式；区别在于“直接”模式不会增加低维子域数量N_j；它将直接在给定的低维子域数量和划分模式下完成低维转换，而对于自动模式，将执行额外的评估和更新过程；

自动模式下的评估结果是根据转化误差ε和记录更新迭代次数的另一个索引‘Iter’给出的；用户指定了转化误差限制值ò_lim和迭代次数限制Iter_lim；此外，如果ò_lim≥lim且Iter＜Iter_lim，则将更新低维子域数量N_j；

N_j(j＝x,y,z)的更新过程可以表示如下：

N_j-new是更新后的低维子域数量；N_j-new是用户在第一次迭代中给定的低维子域数量的初始值；α是为用户指定的“更新比例”以控制更新时的步幅；是以计算域给定方向尺度为基准的无量纲长度，round(A)是一个简短的表示，表示四舍五入到与A最接近的整数；

通过更新过程，低维子域数量N_j将与计算域的相对尺寸成比例地扩展；虽然N_j必须是整数，但增加过程也将取决于更新比例α和迭代次数；当相对较小的更新比例α，在更新步骤中不会改变，此时迭代次数将增加并执行下一个更新过程。