[发明专利]适用于EnKF数据同化的室内空气状态监测点优化布置方法

说明书

本发明公开一种适用于EnKF数据同化的室内空气状态监测点优化布置方法，属于建筑环境测试领域。首先构建工况样本集合，结合工程案例需求及可行性设定候选的空气状态测量点位置，计算候选测点状态与边界条件参数变量之间的Spearman相关系数，根据所述的各候选测点在相应工况下的空气状态模拟值，计算在各边界条件参数变量区间内，保留的候选测点状态的标准差，测点数量m不少于条件参数变量的总数量n，根计算在各边界条件参数变量区间内单位条件参数变量变化引起的测点状态变化量，而后计算各候选测点组合用于数据同化时对应的系数矩阵的极值，本发明能够确定测量中所需监测设备的最小数量，合理控制投资成本。

技术领域

本发明属于建筑环境测试领域，具体涉及一种适用于EnKF数据同化的室内空气状态监测点优化布置方法。

背景技术

室内空气状态评估是空调通风系统运行优化的基础。由于空气状态受室内外多种因素扰动，具有时空非均一的特性，获知准确的空气状态参数分布情况则需要在广泛的空间区域中布置大量测量仪器，这导致了高昂的设备初投资和维护成本，并为居住者带来不便，在实际工程中不具有可行性。集合卡尔曼滤波(Ensemble Kalman Filter，EnKF)数据同化技术可以将有限的测量数据与多物理场的计算流体动力学(CFD)模拟有机结合，实现由少量的空气状态参数测量数据推算数值模型当前工况的边界条件参数，继而通过CFD获取多物理场的全局分布信息。虽然该方法在建筑环境仿真与评价中能够起到积极的效用，但其性能受到测量数据属性的重要影响。实际工程中的环境状态监测点往往是根据面积指标或依靠人工经验布置，并不能为EnKF数据同化针对性地提供有用的测量数据。在使用EnKF数据同化方法时，通常以试错的方式寻找合适的状态监测点，浪费了大量时间成本和计算资源。

发明内容

基于以上不足之处，本发明提供一种适用于EnKF数据同化的室内空气状态监测点优化布置方法，解决了由于测点布置不当导致数据同化效果不佳的问题。

本发明所采用的技术如下：一种适用于EnKF数据同化的室内空气状态监测点优化布置方法，步骤如下：

步骤一、自适应构建工况样本集合，首先通过各系统边界条件变量的极值组合构建原始的基础工况样本集合，将基础工况样本集合中的工况样本进行CFD模拟获得对应的物理场模拟结果集合，而后由所述的物理场模拟结果集合中的相邻工况样本线性插值创建中位参数变量工况，并同时线性插值估算出中位参数变量下的室内物理场，将此插值估算的物理场与相同参数变量下利用CFD模拟所得的物理场进行对比，计算物理场线性插值的误差，若误差大于设定的限定值，则将该中位参数变量工况补充到所述的物理场模拟结果集合中，同时该工况对应的物理场CFD模拟结果补充到所述的物理场模拟结果集合中，若误差小于限定值，则无需补充，以此类推，直至相邻样本的中位参数变量工况物理场的线性插值结果和CFD模拟结果之间的误差均小于限定值，此时基础工况样本集合及其对应的物理场模拟结果集合构建完成；

步骤二、结合工程案例需求及可行性设定候选的空气状态测量点位置，在建筑空间中等间隔设置共m个候选测点，由各工况样本的物理场CFD模拟结果导出各候选测点在相应工况下的空气状态模拟值；

步骤三、根据所述的基础工况样本集合及各候选测点在相应工况下的空气状态模拟值，计算候选测点状态与边界条件参数变量之间的Spearman相关系数，以此分析候选测点状态在边界条件参数变量区间内的单调性，若表示测点j处的空气状态，j＝1,2,3，…，m；对于任意s_i成立，则保留j测点，否则从候选测点中剔除j测点；其中，设由系统边界条件中具有不确定性的条件参数变量为s_i，i＝1,2,3，…，n，组成的变量向量为s＝[s₁ s₂ … s_i … s_n]^T，其中，n为条件参数变量的总数量；在EnKF算法中，关键的EnKF滤波方程如公式(1)所示，