基于物聯網智能感知的空調系統節能方案

葉錦潮

(江門市江海區永德冷氣裝飾工程有限公司，廣東 江門 529000)

1 研究現狀

在當前的電能統計中，采暖和制冷空調消耗的電能最多，它們廣泛應用于住宅和商業建筑中，從全球能源角度來看，降低空調能耗對于提高電力利用效率至關重要。

李菁等[1]描述了一種具有可充電可再生資源(例如太陽能和風能)的家庭能量管理系統。在該系統中，監控模塊包含對智能電表采集的能耗進行測量和顯示。通過分析用電量和高/低價時段，實施各種自動控制方法來降低家用電器的電費。沒有傳感器獲取環境信息，這種系統具有有限的智能來自主適應動態變化的情況。譚寶[2]提出了一種具有遠程監控和智能控制功能的樓宇自動化系統。儀表和傳感器的集成監測了能耗和環境信息，為智能管理中的行為決策過程提供了依據。雖然這些系統實現了高效的能源利用，但是管理服務器是除了消耗額外高功耗的家用電器之外的額外設備。為了避免額外的消耗，張明熙[3]開發了一種用于信號傳輸的智能物聯網網關，以取代智能家居中的中心管理服務器。在無線網絡中，智能房屋中的所有智能儀表都與網關相連，無需額外的計算機就能方便地傳遞信號，同時，網關接收到的遠程信號被傳送到相應的儀表，以控制電器的運行。為了提高電力效率，王健[4]提出了在實時控制和監測系統中實現高速數據交換的Zigbee協議。通過Zigbee協議，肖鵬[5]開發了一種節能系統，以低成本的方式遠程控制分布式電器。基于當前環境信息和能量消耗數據集，減少由手動遠程控制方法產生的能量消耗。家庭用戶實現節能效果的自愿行為缺乏管理且不精確。夏璐[6]提出了一種通過從環境傳感器、家用電器和用戶行為收集信息的統計表解決方案。在分析了這些信息特征后，構建了一個行為規劃模型，用于制定智能家居中的自動節能決策。馬揚[7]描述了一種具有社區服務的物聯網解決方案，用于收集和分析城市中的本地電力消耗數據集。此外，張鵬[8]提出了有關中央空調節能自動控制設計方案，楊益鋒[9]研究了基于負荷智能分配的中央空調節能控制,王曉冰[10]提出了基于人體舒適度的智能空調節能控制方案，楊立堅[11]研究了基于滑模控制的中央空調節能方法，郭雪平[12]研究了基于能效優化中央空調節能控制系統的應用,馮博[13]研究了基于網絡的中央空調節能控制系統,郭曉巖[14]研究了基于神經網絡的建筑電氣節能關鍵問題,李駿翔等[15]研究了Dueling-DQN在空調節能控制中的應用。

基于物聯網技術，智能電表通過無線網絡將功耗數據集傳輸到社區中心進行數據集分析。從分析結果來看，電站根據實時需求發電，避免了不必要的資源浪費，遠程控制接口必須集成到該解決方案中，以便用戶能夠通過智能移動設備提交信號來操作常見的設備。為了解決這些問題，筆者利用云計算和物聯網技術，提出了一種基于物聯網智能感知的空調控制系統。

2 基于物聯網智能感知的空調控制系統

為了降低中央空調的成本，則需要降低其能耗，物聯網的出現使得中央空調節能智能控制成為可能，利用傳感器采集環境信息，傳輸到控制中心，根據人體舒適度調節空調的運行功率，使其在保持舒適的前提下，低功率運行，達到節能的效果。基于物聯網智能感知的空調控制系統以舒適度為約束條件，以能效為目標來控制空調的節能，包括智能電表、智能網關和云服務器模塊(圖1)。

圖1 基于物聯網智能感知的空調控制系統架構

具有嵌入式多個傳感器的智能儀表使用Zigbee協議向網關提交所感測的環境信息和電力消耗數據集。網關使用超文本傳輸協議(HTTP)將從智能儀表接收的數據集發送到云服務器，用于需求側管理的特征分析。此外，網關將云服務器產生的實時控制信號發送到相應的智能電表，以減少能源浪費。該智能儀表實現了遵循基本行為規則的控制功能，可自動釋放由過高預設溫度引起的壓縮過載。根據靜態IP地址映射的地理位置，將所有鏈接的智能儀表劃分為不同的區域。在電站管理區域內，總能耗是判斷是否需要額外發電的重要信息。利用云平臺，提出的空調智能控制系統實現了數據采集和智能操作等遠程管理功能。使用在收集的數據集中實現的在線順序極限學習機(ELM),準確地預測電力負荷。通過這種方式，所提出的基于物聯網智能感知的空調控制系統能夠實現供需平衡，從而避免多余的電力生產，單個空調和需求側管理的電力消耗都減少了。

智能電表由5個模塊組成，分別是溫濕度傳感器、集成紅外控制器、電氣開關、電源監控器和Zigbee終端節點。溫濕度傳感器檢測室內環境情況。電源監控器實時檢測空調的功耗。所有采集到的數據集都被轉換成電信號，包括電標記和開關狀態，通過Zigbee模塊傳輸到智能網關，儀表處理器和無線通信模塊是整個系統的核心部件。通過智能網關，從云服務器和遠程客戶端接收命令信號。基于接收到的信號控制電源的通斷狀態。當儀表接收到溫度調節指令時，Zigbee端節點向集成紅外控制器發送信號，該儀表支持幾個基本的操作，如溫度和風速調節。

網關作為智能系統的核心，實現了數據上傳、協議轉換和傳感器網絡控制等功能。在基于物聯網智能感知的空調控制系統中，云服務器和終端設備之間的數據上傳是智能網關的一個基本功能，它使用Zigbee串口向節點終端設備發送遠程控制命令。通過Zigbee協調器，智能網關管理和控制Zigbee網絡，包括自動啟動和維護無線網絡，以及向智能電表的終端節點發送命令。在廣播過程中，當新網絡建立時，協調器的網絡狀態是反應性的。為了加入已建立的網絡，新的終端設備被初始化并向協調器發送請求數據。然后，協調器向對應于加入協調器的網絡狀態被更新的終端設備回復確認消息。最后，網關和連接的智能儀表之間的單播過程作為它們的通信來執行。為了實現可擴展性，網關支持不同的編程語言接口，使用HTTP協議根據開發者的意圖向智能電表發送控制命令。

包含功耗和環境溫度的監控數據集通過互聯網從智能網關傳輸到云服務器。路由和地址分配模塊支持靜態和動態路由信息協議以及動態主機配置協議。Web服務模塊通過互聯網將數據集顯示在應用服務器上，實現對云平臺的遠程訪問和查詢。當訪問智能網關時，云平臺向請求處理器提交簡單對象訪問協議(SOAP)消息。然后，Web服務通知處理器生成相應的SOAP響應，通過HTTP發送到云平臺。智能網關和智能電表之間實現了接收命令和發送消息等通信，以響應用戶的需求(圖2)。

圖2展示了用于多個領域中的大規模電力消耗數據集的實時分析的智能用電云計算平臺，該平臺在計算機或移動設備上為管理員和用戶提供遠程監控和數據可視化界面。環境信息和功耗數據集被傳輸到云服務器，云服務器用于收集和分析從智能儀表接收的環境信息和監控數據集。服務器還將遙控信號傳送給相關設備。同時，政府云平臺在本地收集必要的信息，用于對應當前電力需求側的實時電力產品管理。基于時間和空間域中的功耗統計，自動生成智能控制命令和功耗預測，以提高能效。

圖2 智能用電云計算平臺

不良使用習慣造成能源浪費。例如，由于過高的室外溫度，在熱天室內溫度很難達到低預設值。根據溫度規范，空調持續運行，不僅會導致不必要的電力浪費，還會縮短電氣壽命。云服務器平衡制冷操作和電力消耗。如果環境溫度達到一定程度，壓縮機暫停一段時間。這樣可以減少10%～20%的功耗，空調的溫度和氣流設置對能耗有很大影響。在這種情況下，室外溫度每超出1°，就會額外消耗10%到25%的能量。

傳統上，智能儀表的智能溫度控制僅基于幾種簡單的行為規劃方法來增加或降低預設溫度。為了提供低功耗的舒適體驗，空調壓縮機的運行應通過分析室外溫度、室內溫度、預設溫度和用戶當前的使用習慣來實現。在基于物聯網智能感知的空調控制系統中，云服務器能夠根據集成的數據集分析結果稍微提高目標溫度。空調被認為是家庭中的大功率電器，在收集了電力消耗之后，云服務器在時間和空間域中分析電力峰值，從而估計用戶的用電習慣，對電力消耗負荷進行分析，以便為供應側和需求側響應提供行為規劃基礎。因此，供電企業可以作為供電方避免電能浪費的參考。從需求側來看，適時調整用電習慣，可以錯開用電高峰，緩解用電壓力。在預測過程中，ELM被用于單隱層前饋神經網絡，ELM具有自學習和優化計算的特點，能夠處理不精確的海量非結構化數據集。在指定了合適的隱層節點數后，隨機選擇SLFNs的輸入和輸出權值進行數據訓練，不需要迭代就能產生最優解。但當新數據集注冊到ELM中時，需要重新訓練過程。為了解決這個問題，提出了分布式在線順序ELM預測決策模型，以避免新數據配準的額外再訓練計算。在線順序ELM的初始階段訓練n個數據集，以生成初始隱藏層的輸出，包括目標值的矩陣和向量，新注冊的數據集被視為第n+1個樣本，用于計算新的隱藏層輸出矩陣和權重向量。

利用基于Map Reduce的云計算技術對ELM進行優化和改進，以處理海量高緯度數據集。該技術能夠處理高維數據，提高電力負荷預測的準確性。基于Map-Reduce的在線順序ELM的實現步驟如下。

步驟1:在將訓練數據集注冊到云計算平臺中的分布式文件系統中之后，使用Map Reduce編程框架中的floor機制將數據集分割成k個不同的訓練子集，k是云計算集群的數量。

步驟2:根據聯機順序ELM，k子集使用k學習機進行訓練。

步驟3:從學習機生成的k個不同的預測器被傳送到Map reduce編程框架中的Reduce階段。因此，從k個預測值的加權平均值中接收最終預測值。

步驟4:考慮到順序學習機制和中長期負荷預測的要求，基于當前數據集預測第二天的用電量。

3 實驗及結果分析

在一家酒店一樓和二樓的16個房間安裝的空調上測試了這個系統，收集了13 d的功耗數據。智能電表安裝在一樓和二樓，這兩個樓層的入住率通常很高。智能網關分別安裝在第一層和第二層的井道上，沒有改變任何架構和人為干預。云服務器通過智能網關將決策消息傳遞給智能電表來管理空調。與空調連接的智能電表還可以通過移動客戶端應用程序進行遠程控制，該應用程序提供了多種操作界面，如設備安裝、電力監控和存儲(表1、表2)。

表1 一樓搜集的能源消耗數據集

表2 二樓搜集的能源消耗數據集

表1和表2顯示了智能電表報告的環境數據集，包括最高室內外溫度、能耗、功率和工作時間。在系統測試之前，一樓和二樓都沒有實施節能策略，以證明兩層中的環境干擾是相似的。

無智能控制的實驗結果如圖3所示，空調能耗隨室外溫度變化明顯。當空氣溫度高于30 ℃時，當空氣溫度低于30 ℃時，每個房間的平均功耗約為517.67 W，一樓和二樓平均耗電量的差異極小。

圖3 無智能感知的空調控制系統的功耗

使用基于物聯網智能感知的空調控制系統的實驗結果如圖4所示，安裝了智能電表的一樓和未安裝智能電表的二樓之間的功耗存在顯著差異。在安裝了智能電表以節約能源的一樓，每個房間每天的平均工作時間為8.2 h，平均耗電量為258.5 W。二樓平均工作時長和消耗分別為8.01 h和449.2 W。13 d的平均最高溫度為28.9 ℃。結果表明，使用智能電表后，耗電量減少了35.7%。

圖4 基于物聯網智能感知的空調控制系統的功耗

4 結論與討論

本文提出了一種基于物聯網智能感知的空調控制系統，以節約用電。開發智能電表是為了實時監控環境信息和功耗，并將其報告給云計算服務器。通過Zigbee和互聯網之間的協議轉換，遠程控制信號通過云服務器傳送到智能網關。云服務器智能地遠程控制空調，并利用分布式智能電表報告的數據集預測時域內的功率峰值。所提出的智能控制方法在位于酒店房間的16臺空調上進行了測試，實驗結果表明功耗降低了約35.7%。此外，本文還提出了一種在線序貫ELM算法來預測空調負荷。因此，該系統對節能具有重要作用。