不确定环境下智能大厦空调系统的调度策略评估方法

摘要

本发明公开了一种不确定环境下智能大厦空调系统的调度策略评估方法，包括以下步骤：对天气、设备、用户、房间、房间温度监测器、控制器以及调度策略建模，生成空调系统的NPTA模板；对空调系统的不确定环境参数及可配置参数进行配置；将空调系统的设计约束转化为查询属性，使用UPPAAL-SMC作为查询引擎对系统模型进行随机模拟运行，得到结果数据；根据结果数据绘制图形和表格，并以此作为依据对策略进行定量分析和评估。本发明可以准确地反映不同调度策略在能耗和用户舒适度方面的表现，帮助智能大厦空调系统的设计者对调度策略进行定量分析评估，进行选取和修改，使智能大厦更加节能舒适。

说明书

技术领域

本发明涉及智能大厦空调系统的调度策略评估，尤其涉及一种不确定环境下智能大厦空 调系统的调度策略评估方法。

背景技术

近年来，各国开始重视发展智能电网(SmartGrid)技术。作为智能电网的重要组成部分， 智能大厦也受到了高度的关注，逐渐在国内外兴起。智能大厦依赖于现代建筑科技、计算机 技术、控制技术以及通信技术的发展，内部系统高度集成、资源管理更加高效，同时也更加 节能舒适，是未来建筑的发展趋势。在智能大厦的内部系统中，楼宇自动化系统负责给用户 提供健康舒适的使用环境，同时保证大厦的经济运行和智能化管理，是智能大厦的核心支柱 系统。作为楼宇自动化系统的子系统，除了使用环保的建筑材料以及先进的设备之外，空调 系统通过对大厦内外环境的温湿度进行监测并根据适当的策略合理调度空调机组及通风设 备，能够在保证用户舒适度的前提下最大限度地降低智能大厦的能耗。因此，调度策略在智 能大厦的空调系统中占有十分重要的地位。

在理想条件下对控制系统中的调度策略进行分析评估时，通常会遇到难以定量分析、评 价方法不够准确等问题。物理世界存在固有的动态性，因而智能大厦所处环境的不确定性大 大增加了调度策略评估的难度，目前缺少可靠有效的方法。在设计系统时，如何考虑不确定 环境对智能大厦的影响，制定出合理的调度策略以满足智能大厦在节能和舒适度方面的需求， 是空调系统设计者面临的一大挑战。

现有的评估方法更多的是侧重在系统的能耗和性能等方面，这些方法都没有脱离系统针 对调度策略进行定量的评估，尤其是在不确定环境下。构建一套不确定环境下智能大厦空调 系统的调度策略评估方法，能帮助空调系统的设计者在设计系统时进行分析和评估，作出正 确的决策。

发明内容

本发明的目的是弥补当前在不确定环境下智能大厦空调系统的调度策略方面的空白，提 供一种对不确定环境下智能大厦空调系统的调度策略进行定量分析评估的方法，实现了调度 策略和控制器模型的分离，并可以给出对模型进行属性查询的结果，从而实现了对不确定环 境下智能大厦空调系统调度策略的分析评估。

实现本发明目的的具体技术方案：

一种不确定环境下智能大厦空调系统的调度策略评估方法，包括以下步骤：

步骤一：对天气、设备、用户、房间、房间温度监测器、控制器以及调度策略建模，生 成空调系统的NPTA模板；

步骤二：对空调系统的不确定环境参数以及可配置参数进行配置；

步骤三：将空调系统的设计约束转化为查询属性，使用UPPAAL-SMC作为查询引擎对 系统模型进行随机模拟运行，得到结果数据；

步骤四：根据结果数据绘制图形和表格，并以此作为依据对策略进行定量分析和评估。

本发明提出的不确定环境下智能大厦空调系统的调度策略评估方法中，系统建模分为 NPTA模板构建和参数配置两部分，其中参数配置由不确定环境参数及可配置参数两部分构 成，NPTA模板描述了各个模型的行为模式。

本发明提出的不确定环境下智能大厦空调系统的调度策略评估方法中，所述属性查询的 形式如下：

Pr[<＝t](<>energy>＝E)；

Pr[<＝t](<>range_out[rid]>＝t_out)；

式中，t为时间约束，E为能耗约束，energy>＝e表示消耗的能量超过e，range_out[rid]>＝ t_out表示房间rid超出温度限制的时间超过t_out。

优选地，本发明提出的不确定环境下智能大厦空调系统的调度策略评估方法中，所述参 数配置包括不确定环境参数及可配置参数。其中不确定环境参数为概率分布，即天气模型、 用户模型以及加热器模型中所设定的概率分布函数，设定不同的概率分布函数会影响环境的 不确定性。而可配置参数指房间温度需求、加热器功率输出等需要随具体情境的变化而修改 但较为固定的参数。所述参数配置可以被NPTA模板访问。

优选地，本发明提出的不确定环境下智能大厦空调系统的调度策略评估方法中，所述对 用户建模，每个用户与所处的房间对应。用户行为服从不确定环境参数中的概率分布，在a 时刻到b时刻间以概率分布函数生成的概率进入房间并通知控制器用户到达，在c时刻至d 时刻间以概率分布函数生成的概率离开房间并通知控制器用户离开。

优选地，本发明提出的不确定环境下智能大厦空调系统的调度策略评估方法中，所述对 天气建模模拟了智能大厦外界天气的温度变化。空调系统开始运行后，室外天气从“初始” 状态按照概率分布函数生成的概率跳转到不同的天气即“雨天”或“晴天”状态，跳转的同 时设置这两种天气的初始温度。外界环境温度服从温度变化函数，模型中采用正弦函数模拟 一天的温度变化。

优选地，本发明提出的不确定环境下智能大厦空调系统的调度策略评估方法中，所述对 加热器建模用于统计大厦各个房间的总能耗。控制器根据房间温度状态控制加热器打开或关 闭。在“开”状态下，加热器根据当前加热器的实际功率使用公式统计各个 房间的累积能耗。

优选地，本发明提出的不确定环境下智能大厦空调系统的调度策略评估方法中，所述对 房间建模描述了房间的温度变化。智能大厦中的每个房间根据用户的特点有不同的温度配置， 温度配置即温度上限和下限以及舒适温度需求。房间内的温度变化受相邻房间的影响。在“降 温”状态和“加热”状态下，房间温度会根据相应状态下的函数进行变化。

优选地，本发明提出的不确定环境下智能大厦空调系统的调度策略评估方法中，所述对 温度监测器建模用于统计各房间温度超出其要求的温度范围的时间，每个房间对应一个温度 监测器。若某房间内的温度不在其需求的温度范围内，房间内用户会感觉“过冷”或“过热”， 这种情况下用户的舒适度较差，因此房间温度监测器模型反映出了房间内用户的舒适度。

优选地，本发明提出的不确定环境下智能大厦空调系统的调度策略评估方法中，所述对 控制器建模，设定了空调系统中控制器的工作方式，根据各个房间的温度调度加热器对房间 供暖。该模型负责根据某种调度策略选择房间供暖。控制器中包含一个由各个房间形成的优 先级队列，该队列隐含了各个房间的优先级，同时根据房间是否在队列中也能说明该房间中 是否有用户。当接收到用户模型发出的用户到达的消息时，控制器将该房间号加入到队列中， 同时向其他模型广播用户到达的消息。当控制器接收到房间发出的加热请求或降温请求后， 会根据当前的策略选择出一个合适的房间进行加热。当控制器接收到用户模型发出的离开消 息时，先将该房间从队列中移除，再判断当前队列情况：若当前队列不为空，则选择房间并 通知该房间加热请求被允许，同时禁止其他房间加热，最后通知加热器打开并设置当前功率； 若队列为空，则通知所有房间停止加热，并通知加热器关闭。

优选地，本发明提出的不确定环境下智能大厦空调系统的调度策略评估方法中，所述策 略模型是对控制器中的调度策略进行建模。调度策略被写入到控制器中，同时又独立于控制 器，这是因为控制器建模仅仅规定了控制器的行为模式，具体的策略决定了控制器的实际行 为动作，控制器根据策略调度加热器对各个房间供暖。调度策略需要房间队列信息以及各个 房间的温度数据。多个策略可以被同时写入，控制器根据当前采用的策略号调用具体策略进 行房间的选择。

本发明的有益效果：本发明可以准确地反映不同调度策略在能耗和用户舒适度方面的表 现，帮助智能大厦空调系统的设计者对调度策略进行定量分析评估，进行选取和修改，使智 能大厦更加节能舒适。

附图说明

图1为本发明框架图；

图2为本发明流程图；

图3为本发明中对用户建模的示意图；

图4为本发明中对天气建模的示意图；

图5为本发明中对加热器建模的示意图；

图6为本发明中对房间建模的示意图；

图7为本发明中对房间温度监测器建模的示意图；

图8为本发明中对控制器建模的示意图；

图9为本发明中对策略建模的示意图。

具体实施方式

结合以下具体实施例和附图，对本发明作进一步的详细说明。实施本发明的过程、条件、 试验方法等，除以下专门提及的内容之外，均为本领域的普遍知识和公知常识，本发明没有 特别限制内容。

本发明提出了一种不确定环境下智能大厦空调系统的调度策略评估方法，图1是本发明中 调度策略评估方法的框架图。

参阅图1，该图反映了整个策略评估的过程。在对天气、设备、用户、房间、房间温度监 测器、控制器以及调度策略建模之后，可以得到该空调系统的NPTA模板，对于相同的软件环 境该NPTA模板通用。其中，天气、设备以及用户属于智能大厦的不确定环境，房间及房间温 度监测器属于可配置环境。控制器建模设定了系统中控制器的工作方式。控制器中写有房间 的调度策略，系统设计者可以自行设计，调度策略建模即对写入控制器的策略进行建模。除 NPTA模板以外还需要进行参数的配置，参数配置包括不确定环境参数及可配置参数。其中不 确定环境参数主要为可配置的概率分布，包括天气模型、用户模型以及加热器模型中所设定 的概率分布函数，设定不同的概率分布函数会影响环境的不确定性。而可配置参数指房间温 度需求、加热器功率输出等随着具体情境的变化而修改但较为固定的参数，如房间的温度需 求和加热器的输出功率等。在生成NPTA模板并配置好相应参数后，系统建模完成。在进行策 略评估之前需要将设计者的需求即设计约束转化为具体的查询属性。得到查询属性后，使用 UPPAAL-SMC作为查询引擎即可对所建的模型进行随机模拟运行。运行生成的结果数据可以 被用于绘制直观的图形和表格，以进行定量分析和策略评估。

参阅图3，房间中的用户对象对应于所处的房间。用户模型从“开始”状态，不消耗时间 跳转到“等待”状态，同时调用函数将用户到达和离开房间的时间以及用户所在房间的设备 信息等配置进行初始化。用户行为服从均匀分布或正态分布。假设当用户在a时刻到b时刻间 以概率分布函数生成的概率进入房间时，模型从“等待”状态跳转到“到达”状态，同时向 控制器发送到达消息。当用户在c时刻至d时刻间离开房间时，模型向控制器发送用户离开的 消息并从“到达”状态进入“离开”状态。

参阅图4，天气模型中带“U”的状态为urgent状态，这种状态不消耗时间，即模型在该 状态下不作停留，立刻跳转。智能大厦模型中考虑的天气包括晴天和雨天两种。系统开始运 行后，室外天气从“初始”状态按照概率分布函数生成的概率跳转到不同的天气即“雨天” 或“晴天”状态，模型中设置的晴雨天比例为7︰3，即晴天的概率为70％，雨天的概率为30％， 跳转的同时设置这两种天气的初始温度。外界环境温度服从温度变化函数，模型中采用正弦 函数模拟一天的温度变化，具体为每天0点时温度最低，12点温度最高。参数配置中包含记录 房间及室外温度的温度矩阵，矩阵元素为时钟类型。在“晴天”状态或“雨天”状态下，室 外温度变量按照设置的函数变化。

参阅图5，空调系统为大厦内的各个房间供暖，本发明中的加热器模型用于统计大厦各个 房间的总能耗。加热器初始时处于“关”状态，当接收到控制器发出打开命令时跳转到“开” 状态，根据当前加热器的实际功率统计累积能耗。当接收到控制器发出的关闭命令时，加热 器跳转到“关”状态停止工作。加热器消耗的能量由公式计算得出。

参阅图6，智能大厦中的每个房间根据房间内用户的特点有不同的温度配置，温度配置即 温度上限和下限以及舒适温度需求。房间内的温度变化受相邻房间的影响。空调系统开始运 行后，房间在接收到控制器发出的用户到达的消息后从“开始”状态跳转到“降温”状态， 同时将加热标志位need置为true，并将房间内温度初始化为与外界温度相等。当房间内温度低 于该房间温度上限temp_upper时，该房间向控制器按固定的时间间隔发出加热请求，并将need 置为true。当加热请求被控制器允许后，该房间接收到允许消息，从“降温”状态跳转到“加 热”状态，房间开始加热。当房间处于“加热”状态时：若温度超过了其温度上限temp_upper， 则房间向控制器发出消息要求停止加热，并将need置为false；若房间接收到停止加热的消息， 则跳转到“降温”状态停止加热。在“降温”状态和“加热”状态下，房间温度会根据相应 状态下的变化函数。当房间内用户下班离开时，该房间接收到控制器发出的用户离开的消息， 模型从“降温”或“加热”状态跳转到“结束”状态，同时将加热标志位need设置为false。

参阅图7，大厦的每个房间对应一个温度监测器，温度监测器模型用于统计各房间温度超 出其要求的温度范围的时间，若某房间内的温度不在其需求的温度范围内，房间内用户会感 觉“过冷”或“过热”，这种情况下用户的舒适度较差，因此房间温度监测器模型反映出了 房间内用户的舒适度。接收到用户到达的消息后，模型从“开始”状态跳转到“等待”状态。 当房间温度上升首次超过要求温度范围的下限时，模型跳转到“范围内”状态，表明房间温 度在所要求的范围之内。当房间温度在限制范围外即低于温度下限temp_lower或超出温度上 限temp_upper后，模型从“范围内”状态跳转到“范围外”状态并开始计时；当房间温度再 次回到温度限制范围内时，模型从“范围外”状态跳转到“范围内”状态。当温度监测器模 型接收到控制器发出的用户离开的消息时，模型跳转到“结束”状态停止工作。

参阅图8，控制器模型负责根据某种调度策略选择房间供暖。控制器中包含一个由各个房 间形成的优先级队列。控制器初始处于“接收”状态，在该状态下控制器可以接收各个模型 发来的消息。当接收到用户模型发出的用户到达的消息时，控制器将该房间号加入到队列中， 同时向其他模型广播用户到达的消息。这里的队列是一个优先级队列，隐含了各个房间的优 先级，同时也能根据房间是否在队列中说明该房间中是否有用户。当控制器接收到房间发出 的加热请求或降温请求后，会根据当前的策略调用choose函数选择出一个合适的房间(选择 结果保存到变量ch中)进行加热，并跳转到“发送”状态。或者当有用户下班离开房间时， 控制器接收到用户模型发出的离开消息，先将该房间从队列中移除，再判断当前队列情况： 若当前队列不为空，则调用choose函数选择房间；若队列为空，则将选择结果ch置为-1。选择 出合适的待加热房间后，控制器向各个房间发出控制信息。若有房间需要供暖，则控制器通 知选出的房间的加热请求被允许，同时通知其他房间禁止加热，最后通知加热器打开并调用 power_set()函数根据概率分布函数设置当前加热器的实际功率；若没有房间需要供暖，控制 器则通知所有房间停止加热，并通知加热器关闭并调用power_set()函数进行功率设置。

参阅图9，为了使智能大厦节能、舒适，空调系统的控制器中需要写入适当的策略，控制 器根据其中的策略调度加热器对各个房间供暖。调度策略被写入到控制器中，同时又独立于 控制器，这是因为控制器建模仅仅规定了控制器的行为模式，具体的调度策略决定了控制器 的实际行为动作。调度策略需要房间队列信息以及各个房间的温度数据等，而模型中的控制 器可以从其他模型轻松获取到这些信息。系统设计者可以根据具体环境设计出适当的策略并 将其写入控制器中。多个策略可以被同时写入，控制器根据策略号sn调用choose函数中的具 体策略进行房间的选择。在进行调度时，控制器根据当前策略调整队列，然后选择房间。选 择房间时取队首元素，被选中的房间将收到控制器发出的加热允许的消息，而其他房间则收 到加热停止的消息。当有房间被选出进行加热时，控制器向加热器发送消息打开加热器；当 队列为空时，所有房间将收到加热停止的消息，同时控制器通知加热器关闭。

在系统建模完成之后，执行策略评估步骤。首先将能耗和用户舒适度的设计约束转化为 属性查询语句，使用UPPAAL-SMC作为查询引擎对系统模型进行随机模拟运行，生成结果数 据。为了比较不同调度策略在能耗及用户舒适度方面的表现，采用了如下形式的属性模板：

Pr[<＝t](<>energy>＝E)；

Pr[<＝t](<>range_out[rid]>＝t_out)；

式中，t为时间约束，E为能耗约束，energy>＝e表示消耗的能量超过e，range_out[rid]>＝ t_out表示房间rid超出温度限制的时间超过t_out。

在大量的随机模拟运行后，UPPAAL-SMC将报告运行结果即成功运行的概率分布，生成 统计数据。根据结果可以进行定量分析，同时绘制出直观的图表，便于系统设计者对空调系 统的调度策略进行选取或改进。

本发明提出的不确定环境下智能大厦空调系统的调度策略评估方法，根据价格时间自动 机理论对不确定环境下的智能大厦进行建模，并使用UPPAAL-SMC对模型进行随机模拟运 行，分析空调系统采用不同调度策略时大厦在能耗及舒适度方面的表现。智能大厦空调系统 的设计者可以使用这种评估方法对不同策略进行定量分析，根据具体的需求采用适当的策略 使智能大厦更加节能、舒适。