基于多参数传感器的实时风网解算方法技术

本发明专利技术属于风网解算领域，提出一种基于多参数传感器的实时风网解算方法。在传统通风解算基础上，利用多参数传感器数据，提出一种基于拉格朗日乘子法和非线性迭代的实时风网解算方法。风网包括风路和通风结点；通风结点分别安装温度传感器、湿度传感器、压力传感器和风速传感器，获得温度、湿度、压力和风速多参数监测数据；风路上安装超声传感器，获得风速、风量多参数监测数据；该方法在保证环路压差平衡和结点风量平衡的约束下，实现解算结果对实测数据的最佳逼近。并通过伪代码形式给出了具体实现步骤。相关实验表明算法在运行效率和求解精度上的有效性。精度上的有效性。精度上的有效性。

【技术实现步骤摘要】
基于多参数传感器的实时风网解算方法


[0001]本专利技术属于风网解算领域，尤其涉及一种基于多参数传感器的实时风网解算方法。

技术介绍

[0002]矿井通风是矿井安全生产的重要工作，可以用来提高氧气浓度，稀释有毒气体、粉尘等，从而保障人员安全生产。在通风设计和生产管理过程中，需要对井下通风状况进行数据获取和分析，而通风网络解算是其中的重要环节。传统风网解算基于风路风阻、风机曲线、自然风压等数据，求解非线性方程组。但由于井下生产情况复杂多变，导致风阻动态变化，从而影响计算精度。
[0003]随着物联网技术、精准测风技术和人工智能领域的发展，井下通风状态可以相对实时准确的传输到上位机，从而为实时计算井下通风状态提供了重要基础。
[0004]在工程实施中，首先利用机械风表对全矿井的各个风路进行风阻测量，然后基于风机曲线和自然风压，可以得到自然分风解算。多参数测风站用于风网状态的实时监测。由于施工和安装成本问题，多参数传感只能安装在少部分的结点和风路上。
[0005]风网解算作为经典问题，国内外已有大量研究，其中回路法和结点风压法是经典方法。利用余树枝上风量作为独立变量，其余分支风量是余树枝风量的线性组合，然后对每个环路根据风量风阻求压差，再对环路压差进行迭代平差。结点风压法是以各个结点上的风压作为变量，根据当前风量求风导，再根据结点风量平衡建立线性方程组，迭代求解。
[0006]国内外相关工作对实时解算的研究相对较少，一些工作主要在于测量风量修正方面。随着精准测风技术和物联网通信技术的发展，风速、风量、大气压、温湿度等参数可以相对精准的传输到上位机。以上技术都为实时准确的风网状态估计提供了依据。

技术实现思路

[0007]本专利技术的目的是：基于井下测风的多参数传感技术，在通风结点接入温度传感器、湿度传感器、压力传感器以及风速传感器；在风路采用超声技术对风速、风量进行精准测量。利用回路法进行初始自然分风解算，给出了非矩阵方法的具体步骤，从而也避免了由于邻接矩阵稀疏性带来的额外计算开销。
[0008]本专利技术的技术方案为：一种基于多参数传感器的实时风网解算方法，风网包括风路和通风结点；通风结点分别安装温度传感器、湿度传感器、压力传感器和风速传感器，获得温度、湿度、压力和风速多参数监测数据；风路上安装超声传感器，获得风速、风量多参数监测数据。
[0009]风网利用无向无自环的连通图G(V，E)表示，其中V＝{v1，v2，
…
，v
n
}表示点集，E＝{e1，e2，
…
，e
m
}表示边集；其中e
i
表示为(a
i
，b
i
)，a
i
，b
i
∈V，a
i
＜b
i
，1≤i≤m；R
i
、q
i
、h
i
、h
Ni
分别表示边e
i
上的风阻、风量、通风阻力和自然风压；h
Fi
表示边e
i
上的通风机风压，为关于q
i
的多项式函数；给定序对u，v∈V，定义函数ξ(u，v)如公式(1)所示；表示序对u，v邻接的边
集，如公式(2)所示；
[0010][0011][0012]其中，φ表示空值；
[0013]经典scott
‑
hinsley法求解采用矩阵形式，由于目前主流高级编程语言(C++STL、C#、Java、Python等)提供了关于Hash和集合操作的标准数据结构和相关操作，本专利技术提供的基于多参数传感器的实时风网解算方法，是一种非依赖矩阵计算的实现方法，一方面便于实现；另一方面也避免稀疏矩阵带来的额外开销。
[0014]步骤一、进行自然分风解算，获取各风路风量q的初始值，具体步骤如下：
[0015]1)令E
c
表示固定风量所在边集，令子图G
′
＝(V，E
‑
E
c
)；G
′
为连通图；
[0016]2)利用最小生成树算法，生成子图G
′
的子树T(V，E
t
)，得到余树枝集合E
′
＝E
‑
E
t
；其中，E
t
表示子树的边集；
[0017]3)对每个边e
k
(a
k
，b
k
)∈E
′
，在子树T中搜索从a
k
到b
k
的最短路径Path
k
；
[0018]4)对每个边e
i
∈E，S
i
(s，j)为二元组集合，初值为空；其中，s取值为1或
‑
1，表示风向的正负；j取为E中元素的下标；
[0019]5)对每个最短路径Path
k
，设为最短路径上的结点序列，其中n
k
表示最短路径长度；令其中b＝(t+n
k
‑
1)modn
k
，对t＝0，1，
…
，n
k
‑
1；mod为取模运算；
[0020]6)设E
f
表示给定固定风量的边集，对每个e
i
∈E
f
，风量qi初始化为给定固定风量；对每个e
i
∈E
′‑
E
f
，风量q
i
初始化为随机值；
[0021]7)对每个最短路径Path
k
，为最短路径上的结点序列，对环路压差求和，记为g
k
；记环路压差和对风量的偏导为d
k
；分别初始化为g
k
＝0和d
k
＝0；
[0022]8)对t＝0，1，
…
，n
k
‑
1，循环执行以下步骤：
[0023]8.1)令(s，i)＝ξ(v
kb
，v
kt
)，其中b＝(t+n
k
‑
1)mod n
k
；
[0024]8.2)令
[0025]8.3)令g
k
＝g
k
+R
i
q
i
|q
i
|
‑
h
Ni
‑
h
Fi
(q
i
)；
[0026]8.4)令
[0027]9)更新
[0028]10)迭代执行步骤8)、9)，直至每个g
k
达到指定精度，或达到指定最大迭代步数；...

【技术保护点】

【技术特征摘要】
1.一种基于多参数传感器的实时风网解算方法，其特征在于，风网包括风路和通风结点；通风结点分别安装温度传感器、湿度传感器、压力传感器和风速传感器，获得温度、湿度、压力和风速多参数监测数据；风路上安装超声传感器，获得风速、风量多参数监测数据；风网利用无向无自环的连通图G(V,E)表示，其中V＝{v1,v2,
…
,v
n
}表示点集，E＝{e1,e2,
…
,e
m
}表示边集；其中e
i
表示为(a
i
,b
i
)，a
i
,b
i
∈V，a
i
<b
i
，1≤i≤m；R
i
、q
i
、h
i
、h
Ni
分别表示边e
i
上的风阻、风量、通风阻力和自然风压；h
Fi
表示边e
i
上的通风机风压，为关于q
i
的多项式函数；给定序对u,v∈V，定义函数ξ(u,v)如公式(1)所示；表示序对u,v邻接的边集，如公式(2)所示；公式(2)所示；其中，φ表示空值；步骤一、进行自然分风解算，获取各风路风量q的初始值，具体步骤如下：1)令E
c
表示固定风量所在边集，令子图G
′
＝(V,E
‑
E
c
)；G
′
为连通图；2)利用最小生成树算法，生成子图G
′
的子树T(V,E
t
)，得到余树枝集合E
′
＝E
‑
E
t
；其中，E
t
表示子树的边集；3)对每个边e
k
(a
k
,b
k
)∈E
′
，在子树T中搜索从a
k
到b
k
的最短路径Path
k
；4)对每个边e
i
∈E，S
i
(s,j)为二元组集合，初值为空；其中，s取值为1或
‑
1，表示风向的正负；j取为E中元素的下标；5)对每个最短路径Path
k
，设为最短路径上的结点序列，其中n
k
表示最短路径长度；令其中b＝(t+n
k
‑
1)modn
k
，对t＝0,1,
…
,n
k
‑
1；mod为取模运算；6)设E
f
表示给定固定风量的边集，对每个e
i
∈E
f
，风量q
i
初始化为给定固定风量；对每个e
i
∈E
′‑
E
f
，风量q
i
初始化为随机值；7)对每个最短路径Path
k
，为最短路径上的结点序列，对环路压差求和，记为g
k
；记环路压差和对风量的偏导为d
k
；分别初始化为g
k
＝0和d
k
＝0；8)对t＝0,1,
…
...

【专利技术属性】
技术研发人员：刘苗苗，李沂潞，唐琪，康斌，
申请(专利权)人：大连理智科技有限公司，
类型：发明
国别省市：