[0001] 本发明涉及建筑环境控制技术和智能控制系统技术领域，具体涉及一种智能可调节自然通风系统。

[0002] 随着人们对居住环境舒适度要求的提高以及对节能减排意识的增强，自然通风系统作为一种有效改善室内空气质量和节约能源的方式受到了广泛关注。自然通风系统利用室内外温差、风压等自然因素实现空气流通，减少空调使用频率，降低能耗。然而，传统的自然通风系统往往采用固定的控制策略，无法根据外界环境的变化进行灵活调整，导致其在某些情况下可能无法达到预期的效果，甚至可能出现过冷、过热或空气污染等问题。

[0003] 目前市场上常见的自然通风控制系统主要包括三个方面：一是基于传感器的数据采集，通过安装温度、湿度、CO2浓度等传感器来实时监测室内外环境状态；二是简单的阈值控制，设定固定阈值，当检测到的参数超过这些阈值时启动通风设备；三是手动调节，用户根据自身感受手动调整通风口开度。尽管这些技术能在一定程度上改善室内环境，但仍存在一些不足之处：首先，缺乏智能化，即无法根据环境变化自动调整通风策略；其次，用户参与度较低，用户难以根据个人喜好进行个性化设置；最后，效率相对较低，由于缺乏对环境变化的预测能力，导致通风系统工作不稳定，能耗较高。

[0004] 本发明旨在提供一种更加智能且全面的可调节自然通风系统，该系统不仅能够根据室内外温度和湿度的变化进行通风策略的自动调整，还能根据室外空气质量的优劣做出相应反应，从而更好地维持室内环境的舒适度与健康性。

[0074] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

[0075] 实施例1

[0076] 请参阅图1所示，本发明为一种智能可调节自然通风系统，包括数据采集模块、模型预测模块、阈值调整模块、通风系统调节模块和用户个性化设置模块；

[0077] 数据采集模块用于获取室外环境状态数据；

[0078] 环境状态数据包括温度、空气湿度和空气质量指数；

[0079] 模型预测模块基于室外环境状态数据构建预测模型，得到预测室外环境状态数据；

[0080] 阈值调整模块基于预测室外环境状态数据，动态调整环境状态阈值；

[0081] 通风系统调节模块基于环境状态阈值，对室内外环境状态进行分析；

[0082] 基于分析结果，对通风系统的工作状态进行调节；

[0083] 用户个性化设置模块用于提供用户友好界面。

[0084] 实施例2

[0085] 将监测周期划分为若干等长的时间子单元，采集时间子单元处于中间时刻时，室外的环境状态数据，记为室外环境状态数据；

[0086] 其中，环境状态数据包括温度值、空气湿度值和空气质量指数；

[0087] 需要说明的是，上述空气质量指数是通过对颗粒物浓度、有害气体浓度、挥发性有机化合物和二氧化碳浓度等污染物进行综合处理得到，颗粒物浓度可通过PM2.5传感器和PM10传感器监测得到，有害气体浓度可通过二氧化硫、氮氧化物和一氧化碳传感器监测得到，挥发性有机化合物可通过VOC传感器监测得到，二氧化碳浓度可通过二氧化碳传感器监测得到；

[0088] 空气质量指数的获得过程为：

[0089] 采集空气中各污染物的浓度，包括颗粒物浓度、有害气体浓度、挥发性有机化合物浓度和二氧化碳浓度；

[0090] 通过分指数计算公式对各污染物进行计算，得到每个污染物的分指数；

[0091] 分指数计算公式为 其中，Ii是污染物i的分指数，Ci是污染物i的浓度，Ai和Bi分别是污染物i对应的浓度阈值上限和下限，污染物浓度阈值为国家空气质量标准规定的阈值，Li和Hi分别是污染物i对应的指数阈值的上限和下限，指数阈值是与浓度阈值相对应的指数值，i是污染物的种类，i＝1,2,3,4，即i＝1为颗粒物，i＝2为有害气体，i＝3为挥发性有机化合物，i＝4为二氧化碳；

[0092] 对所有污染物的分指数进行加权平均处理，得到空气质量指数AQI；

[0093] 加权平均处理的公式为 其中，w1、w2、w3和w4分别是颗粒物浓度I1、有害气体浓度I2、挥发性有机化合物浓度I3和二氧化碳浓度I4的预设权重值；

[0094] 需要说明的是，空气质量指数AQI是用来衡量空气质量好坏的指标，数值越小，空气质量越好；

[0095] 基于监测周期内所有的室外环境状态数据，构建预测模型，预测未来的环境变化趋势，具体的：

[0096] 对监测周期内所有的室外环境状态数据进行处理，得到三个室外环境状态组，包括室外温度组、室外空气湿度组和室外空气质量指数组；

[0097] 对每个室外环境状态组进行处理，得到时间序列特征，即滑动窗口平均值；

[0098] 基于时间序列特征构建ARIMA模型；

[0099] 需要说明的是，ARIMA模型是自回归整合移动平均模型，适用于平稳的时间序列数据预测，ARIMA模型的一般形式为ARIMA(p,d,q)，由三个参数组成，其中，p为自回归项的阶数、d为差分次数，用于使时间序列平稳、q为移动平均项的阶数，p和q的值通过自相关函数(ACF)和偏自相关函数(PACF)图表得到，d值通过单位根检验(ADF)得到；

[0100] ARIMA(p,d,q)模型的一般形式为其中，YCt是在时间t的观测
值，φ1,φ2,...,φp是自回归系数，∈t是在时间t的白噪声误差项，θ1,θ2,...,θq是移动平均系数， 为d次差分操作；

[0101] 需要说明的是，ARIMA(p,d,q)模型包含自回归部分(AR)、移动平均部分(MA)和整合部分(I)，自回归部分捕捉了时间序列自身的线性关系，整合部分通过差分操作来去除趋势和季节性，使时间序列变得平稳，移动平均部分捕捉了随机误差项之间的相关性；

[0102] 将每个室外环境状态组分为训练集和验证集，比例为80％训练集和20％验证集；

[0103] 通过使用训练集数据训练ARIMA模型，使用验证集数据调整模型的p、d、q参数，使用测试集数据评估模型性能，得到完整的预测模型。

[0104] 实施例3

[0105] 通过预测模型对室外环境数据进行预测，得到未来一定时间的预测室外环境状态数据，包括预测室外温度值、预测室外空气湿度值和预测室外空气质量指数值；

[0106] 需要说明的是，通过预测模型得到预测室外环境状态数据后，基于预测室外环境状态数据，对环境状态数据的阈值进行调整，例如，如果预测未来几天的湿度较低，可以放宽湿度阈值，比如空气湿度的原阈值为50％至60％，调整后阈值为45％至65％，如果预测未来几天的温度较高，可以降低温度阈值，比如原温度阈值为20℃至25℃，调整后阈值为18°C至23℃，如果预测未来几天的空气质量较差，可以收紧空气质量阈值，比如，空气质量指数的原阈值为0至50(良好)，调整后阈值为0至40(更严格)，该方法可以使得智能可调节自然通风系统能够根据预测结果自动调整阈值，以适应不断变化的环境条件，从而更加智能地控制通风系统，保持室内环境的舒适度；

[0107] 阈值区间的确定方法为：

[0108] 获取监测周期内每个时间子单元处于中间时刻时的环境状态数据；

[0109] 按照均值计算公式对所有的环境状态数据进行处理，得到室外温度均值、室外空气湿度均值和室外空气质量指数均值；

[0110] 需要说明的是，通过将预测室外环境状态数据与室外环境状态数据均值进行比较，若预测室外环境状态数据与室外环境状态数据均值之间相差一定数值，则认为预测室外环境状态数据高于或低于室外环境状态数据均值，例如，如果预测室外空气湿度低于室外空气湿度均值的一定百分比(例如低于50％‑10％＝40％)，则可以认为预测室外空气湿度低于室外空气湿度均值，即预测湿度较低，如果预测室外空气湿度高于室外空气湿度均值的一定百分比(例如高于50％+10％＝60％)，则可以认为预测湿度较高；

[0111] 若预测室外空气湿度低于室外空气湿度均值，则说明预测室外空气湿度低，通过空气湿度放宽阈值公式newsx＝jsx‑δ×(jss‑jsx)，newss＝jss+δ×(jss‑jsx)对空气湿度阈值区间进行放宽处理；

[0112] 其中，[jsx,jss]为原始空气湿度阈值区间，[newsx,newss]为空气湿度新的阈值区间，δ为预设的放宽系数；

[0113] 若预测室外空气湿度高于室外空气湿度均值，则说明预测室外空气湿度高，通过空气湿度收紧阈值公式newsx＝jsx+δ'×(jss‑jsx)，newss＝jss‑δ'×(jss‑jsx)对空气湿度阈值区间进行收紧处理；

[0114] 其中，δ’为预设的收紧系数；

[0115] 若预测室外温度高于室外温度均值，则说明预测室外温度高，通过将原始温度阈值区间的最小值与预设的温度改变量进行差值计算，得到新的温度阈值区间下限；

[0116] 将原始温度阈值区间的最大值与预设的温度改变量进行差值计算，得到新的温度阈值区间上限；

[0117] 若预测室外温度低于室外温度均值，则说明预测室外温度低，通过将原始阈值区间的最小值与预设的温度改变量进行相加计算，得到新的温度阈值区间下限；

[0118] 将原始阈值区间的最大值与预设的温度改变量进行相加计算，得到新的温度阈值区间上限；

[0119] 若预测室外空气质量指数高于室外空气质量指数均值，则说明预测室外空气质量指数高，即空气质量差，通过将原始空气质量阈值区间的最大值与预设的空气质量改变量进行差值计算，得到新的空气质量阈值区间上限；

[0120] 若预测室外空气质量指数低于室外空气质量指数均值，则说明预测室外空气质量指数低，即空气质量高，通过将原始空气质量阈值区间的最大值与预设的空气质量改变量进行相加，得到新的空气质量阈值区间上限；

[0121] 需要说明的是，空气质量指数的阈值最小值通常为0，所以无需对最小值进行改变；

[0122] 需要说明的是，根据预测结果自动调整阈值对于智能可调节自然通风系统具有重要的意义和作用。通过提前预测未来环境变化的趋势，系统能够更快地做出响应，及时调整通风状态，以应对即将到来的环境变化，从而提高系统的响应能力和适应性。这种动态调整阈值的方法增强了系统的灵活性和鲁棒性，使其能够在各种条件下都保持良好的性能。此外，通过优化能源利用，系统能够在必要时减少机械通风或空调的使用，从而节省能源。更重要的是，动态调整阈值有助于改善室内环境质量，确保温度、湿度和空气质量始终处于理想的范围内，进而提高居住或办公环境的舒适度和保护人们的健康。通过这种方式，系统不仅有助于推动可持续发展，减少对自然资源的消耗，还能够提高用户满意度和生活质量，同时减少维护成本，具有显著的经济价值。因此，根据预测结果自动调整阈值是现代建筑智能化和可持续发展的重要组成部分，对于建设绿色建筑和促进环境保护具有重要意义。

[0123] 实施例4

[0124] 基于上述根据环境变化趋势动态调整阈值后，在自然通风系统开启后，采集实时的室内和室外的环境状态数据；

[0125] 将室外空气质量指数与室内空气质量指数进行比较；

[0126] 若室外空气质量指数小于室内空气质量指数，则认为室外空气质量优于室内空气质量，生成空气质量优秀信号；

[0127] 若室外空气质量指数大于室内空气质量指数，则认为室外空气质量劣于室内空气质量，生成空气质量劣等信号；

[0128] 基于空气质量劣等信号，关闭自然通风系统，同时生成警告信号，向用户发出警告，提醒用户室外空气质量较差，并向用户发送建议关闭自然通风系统的提醒；

[0129] 基于空气质量优秀信号，启动自然通风系统的通风功能，将自然通风系统的通风设备调整为最低运行强度，即使通风设备处于最低功耗运行；

[0130] 同时，将室外空气湿度与空气湿度阈值区间的最大值和最小值进行比较；

[0131] 若室外空气湿度小于空气湿度理想区间的最小值或大于空气湿度理想区间的最大值，则认为室外空气湿度差，生成湿度不合格信号；

[0132] 基于湿度不合格信号，对自然通风系统不做任何调节，保持通风设备的低功耗运行；

[0133] 若室外空气湿度大于空气湿度阈值区间的最小值，且小于空气湿度理想区间的最大值，则认为室外空气湿度属于正常范围，生成湿度合格信号；

[0134] 基于湿度合格信号，将预设湿度调节比例系数与室内空气湿度和室外空气湿度的差值进行乘积计算，得到空气湿度通风量的改变量；

[0135] 基于空气湿度通风量的改变量对自然通风系统的通风设备的运行强度进行调整；

[0136] 基于湿度合格信号，将室内温度与温度阈值区间进行比较；

[0137] 若室内温度大于温度阈值区间最小值，且小于温度阈值区间最大值，则生成温度合格信号；

[0138] 基于温度合格信号，对自然通风系统不做任何调节，保持通风设备的当前运行状态；

[0139] 若室内温度小于温度阈值区间最小值或大于温度阈值区间最大值，则生成室内温度不合格信号；

[0140] 基于室内温度不合格信号，将室外温度与温度阈值区间进行比较；

[0141] 若室外温度不在温度阈值区间内，则对自然通风系统不做任何调节，保持通风设备的当前运行状态；

[0142] 若室外温度在温度阈值区间内，则将预设温度调节系数与室内温度和室外温度的差值进行乘积计算，得到通风设备的温度通风调节量；

[0143] 基于温度通风调节量，对通风设备的运行强度进行调节；

[0144] 需要说明的是，当室外空气质量劣于或等于室内空气质量时，系统保持关闭状态，防止外部环境对室内环境产生不利影响，当室外空气质量优于室内空气质量，且室外湿度低于设定阈值，室内温度不在温度阈值范围内，且室外温度在阈值范围内时，将判定室内环境状态严重劣于室外，将通过对通风设备的运行强度进行二级加强的方法，来改善室内环境，若只有空气质量和湿度劣于室外，则对通风设备进行一级加强，这种方法在改善室内环境的基础上，最大程度的节约了能源消耗；

[0145] 通过这种方式，系统可以根据环境参数的重要度排序(空气质量大于湿度大于温度)，以及当前环境的具体状况，来智能调节通风系统，当不需要进行调节时，系统将维持其当前状态，无论是关闭还是打开，这种做法有助于在不需要调节的情况下节省能源，并保持室内环境处于理想状态。

[0146] 实时例5

[0147] 基于上述所有内容，提供一个用户友好界面，用户能够根据个人喜好和需求设置通风系统的运行参数，具体的：

[0148] 用户可以在其中设置偏好，包括但不限于温度、湿度、空气质量的理想阈值范围，以及通风系统的默认行为；

[0149] 允许用户设置室内温度的理想范围；

[0150] 允许用户设置室内湿度的理想范围；

[0151] 允许用户设置室内空气质量的理想阈值；

[0152] 允许用户选择通风模式(例如，自动、手动调节等)；

[0153] 用户可以保存他们的偏好设置；

[0154] 一旦保存，系统将根据用户的设置自动调节通风状态；

[0155] 应用程序显示当前通风系统的状态以及是否符合用户的偏好；

[0156] 当系统检测到环境参数偏离用户设定的理想阈值时，向用户发送通知；

[0157] 记录用户的偏好设置和系统的历史状态；

[0158] 定期生成报告，展示系统的运行情况和环境参数的变化趋势；

[0159] 需要说明的是，通过提供用户个性化设置的功能，智能可调节自然通风系统能够更好地满足不同用户的需求，提高系统的适用性和用户满意度。这不仅增强了系统的灵活性，还使得用户能够根据个人偏好享受更加舒适的生活或工作环境。

[0160] 本发明的工作原理：本发明的目的在于提供一种智能可调节自然通风系统，旨在解决现有技术中存在的问题。该技术方案包括但不限于以下几个关键模块：数据采集与处理模块：将监测周期划分为多个时间子单元，采集各个时间点的室外环境状态数据(如温度、湿度、空气质量指数等)，通过监测颗粒物、有害气体、挥发性有机化合物和二氧化碳的浓度，计算出各污染物的分指数，并进行加权平均处理得到综合空气质量指数，此外，使用ARIMA模型预测未来环境变化趋势，从历史数据中提取时间序列特征，划分数据集进行模型训练、参数调整和性能评估；阈值动态调整模块：利用预测模型得到未来一段时间内的室外温度、湿度和空气质量指数，根据预测结果动态调整阈值，以适应不断变化的环境条件；智能调节模块：在自然通风系统开启后，持续采集室内外环境状态数据，比较室内外空气质量，根据结果智能调整通风系统的工作状态；用户个性化设置模块：提供一个用户友好的界面，让用户能够根据个人偏好设置通风系统参数，并保存设置；同时显示当前系统的状态，在环境参数偏离理想阈值时通知用户；记录用户的偏好设置和系统状态，定期生成运行报告；通过以上技术方案的实施，可以实现自然通风系统的智能化管理，提高用户参与度和系统的整体效率。

[0161] 以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。