[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

说明书

本发明公开一种适用于办公建筑的智能化通风系统及数据处理方法，通风系统包括设置在建筑一侧墙壁上部区域的送风单元，所述送风单元包括条缝型送风口和设置在送风口一侧的送风管道，设置在建筑顶层外部区域的空调机组，设置在建筑另一侧墙壁上部区域的回风单元，回风单元包括条缝型回风口和设置于回风口一侧的回风管道，空调机组分别连接送风单元、回风单元与新风单元实现室内外空气循环；所述数据处理方法包括：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；物理场体积平均转化和误差计算部分；低维计算域划分和自适应更新部分。本发明数据处理方法基于开源数值模拟软件OpenFOAM，具有很强的可扩展性和可移植性。

技术领域

本发明涉及办公建筑通风系统领域，具体是一种适用于办公建筑的智能化通风系统及数据处理方法。

背景技术

人们受当今工作和生活习惯的影响，在建筑室内的时间大约占90％，尤其是对于青年人群来说，受生活节奏的影响，在办公建筑内的时间要远远高于在居住建筑内的时间。研究表明，长时间在不舒适的建筑内容易造成建筑相关疾病、病态建筑综合症等疾病，当建筑室内的空气品质较差时，会增加室内人员的呼吸性疾病、心血管疾病等的发生率。因此，对办公建筑的室内空气品质以及热舒适的要求日益增加。

目前，对办公建筑的室内热舒适和室内空气品质的研究主要依靠实验和数值模拟的方法，其中数值模拟的方法已被广泛应用于办公建筑的风速、温度和污染物浓度等环境参数的有效研究。然而，由于CFD(计算流体动力学)模拟的高分辨率数据和费时的计算，目前数值模拟技术在构建快速预测模型初始数据库仍旧面临着“低效率”和“高成本”的难题。因此，CFD和人工神经网络(ANN)的结合为解决此难题提供了启示。曹和任提出了利用线性低维通风模型(LLVM)和人工神经网络(ANN)预测的快速预测模型，即将CFD结合到人工智能中进行快速预测的案例研究。LLVM能够通过降维方法从已知场中建立新的浓度场，并将高分辨率CFD数据处理为“低维”水平，从而可以有效地减少计算时间和数据量。

然而，考虑到通风系统的预测精度和速度的困境时，在应用低维数据时存在局限性。低维数据与实际监测数据之间的不一致会导致对实时情况的评估不正确，这会影响通风控制的即时决策。一方面，这种不一致性可能是由仿真错误和监视错误引起的，可以通过应用更准确，更高级的仿真和传感器技术来解决。另一方面，即使有准确的模拟结果，CFD数据和LLVM数据之间的转换误差也不能忽略，这是当前工作的主要关注点。随着低维区域数量的增加，此转换误差将减小(低维区域是指从高分辨率CFD仿真获得的一种稀疏网格中进行的数据集成)。对于办公建筑来说，使用几个低维区域来表示具有可接受的转换误差的高分辨率数据，可大大解决低效率和高成本的难题。因此，考虑到尺寸转换数量有限的精确转换，改进低维模型(LVM)是非常必要且重要的。

发明内容

本发明的目的在于提供一种适用于办公建筑的智能化通风系统及数据处理方法，数据处理方法基于开源数值模拟软件OpenFOAM，具有很强的可扩展性和可移植性；低维过程已被全部集成，并直接与CFD模拟结果对接；非均匀方法能够有效提高有限低维子域数量下的低维转化精度，且非均匀方法的筛选过程占用内存较少；提出了考虑‘体积贡献率’的低维误差指标，能够更准确地反映低维过程的转化情况；提高办公建筑的室内空气品质和热舒适，提出智能化数据处理方法，对办公建筑的后续研究大大节省了工作效率。

本发明的目的可以通过以下技术方案实现：

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，建筑内设置办公区域，所述通风系统包括空调机组，空调机组上连通设有送风单元、回风单元和新风单元，送风单元和回风单元分别位于空调机组的两侧，送风单元包括送风管道，送风管道的一端与空调机组连通，另一端延伸至建筑内设有条缝型送风口，空调机组内部设有风机组件，回风单元包括回风管道，回风管道的一端与空调机组连通，另一端延伸至建筑内设有条缝型回风口，空调机组与送风单元、回风单元和新风单元形成循环回路实现办公区域的空气循环。

一种适用于办公建筑的智能化通风系统的数据处理方,所述数据处理方法包括：