一种环境自适应电致变色遮阳被动式窗户控制方法及装置转让专利
申请号 : CN202210478440.2
文献号 : CN114895561B
文献日 : 2023-04-25
发明人 : 曹亿 , 刘水江
申请人 : 湖南创享绿建科技有限公司
摘要 :
权利要求 :
1.一种环境自适应电致变色遮阳被动式窗户控制方法,其特征在于,所述方法包括:S1:在玻璃幕墙上均匀布设光敏传感器,采集玻璃幕墙不同区域的双向光照强度数据,并对采集到的双向光照强度数据进行预处理,其中所述双向光照强度数据包括室外光照强度和室内光照强度;
S2:基于双向光照强度数据构建玻璃幕墙电致分布控制目标函数,将玻璃幕墙电致分布控制目标函数转换为图表示形式,其中所述将玻璃幕墙电致分布控制目标函数转换为图表示形式,包括:将所述玻璃幕墙电致分布控制目标函数转换为图表示形式,所述图表示形式的转换流程为:
1)将玻璃幕墙区域集合作为图表示G(E,V)中的点集合E={e1,e2,…,eN},eN表示第N个玻璃幕墙区域,相邻的玻璃幕墙区域构成一条边,vn,n+1表示第n个玻璃幕墙区域与第n+1个玻璃幕墙区域所构成的边;
2)将玻璃幕墙电致分布控制目标函数转换为图表示形式,所述图表示结果F′为:其中:
en为第n个玻璃幕墙区域在图表示形式中的点,en(In)为点en在电流强度维度的值,为点en在室内光照强度维度的值, 为点en在室外光照强度维度的值;
cn,0为点en的初始透光性;
vn,n+1[|en(In)‑en+1(In+1)|]为边vn,n+1中两个点在电流强度维度的差值;
S3:利用图优化算法对目标函数所转换的图表示进行优化求解,得到玻璃幕墙不同区域的电流强度,并将该电流强度的电流输送到对应区域的窗户中,调节遮阳窗户的透光性;
S4:基于深度神经网络构建窗户变色控制模型,通过采样数据构成训练数据集,并基于训练数据集对窗户变色控制模型进行参数训练,得到最优的窗户变色控制模型;
S5:将窗户内电流的电流强度作为窗户变色控制模型的输入,模型输出窗户的颜色控制结果,并控制窗户调节自身的颜色。
2.如权利要求1所述的一种环境自适应电致变色遮阳被动式窗户控制方法,其特征在于,所述S1步骤中采集玻璃幕墙不同区域的双向光照强度数据,包括:将玻璃幕墙划分为N个面积、形状均相同的玻璃幕墙区域,在每个玻璃幕墙区域布设光敏传感器,所述光敏传感器分别布设在玻璃幕墙区域的室内和室外,采集双向光照强度数据,其中所述双向光照强度数据包括室外光照强度和室内光照强度。
3.如权利要求2所述的一种环境自适应电致变色遮阳被动式窗户控制方法,其特征在于,所述S1步骤中对采集到的双向光照强度数据进行预处理,包括:对采集到的双向光照强度数据进行预处理,构成双向光照强度数据集:{U1,U2,…,Un,…,UN}
其中:
Un和Un+1为相邻的玻璃幕墙区域的双向光照强度时序数据,所述相邻的优先级顺序为左方相邻,下方相邻,右方相邻;
所述双向光照强度数据集中任意玻璃幕墙区域的双向光照强度数据Un的数据格式为:其中:
N表示所划分的玻璃幕墙区域数目;
Un为第n个玻璃幕墙区域的双向光照强度时序数据, 为第n个玻璃幕墙区域在tL时刻的室外光照强度, 为第n个玻璃幕墙区域在tL时刻的室内光照强度;
所述双向光照强度数据的时间范围区间为[t1,tL]。
4.如权利要求1所述的一种环境自适应电致变色遮阳被动式窗户控制方法,其特征在于,所述S2步骤中构建玻璃幕墙电致分布控制目标函数,包括:根据预处理后的双向光照强度数据,构建玻璃幕墙电致分布控制目标函数:其中:
In为第n个玻璃幕墙区域的电流强度,根据电流强度调节遮阳窗户的透光性,所述电流强度与透光性的函数关系为cn=f(In),其中cn为透光性,In为电流强度;
cn,0为第n个玻璃幕墙区域的初始透光性,f(In)为第n个玻璃幕墙区域基于电流强度In的透光性;
所述玻璃幕墙电致分布控制目标函数的约束条件为:In
其中:
Imax为遮阳窗户允许通过的最大电流值。
5.如权利要求1所述的一种环境自适应电致变色遮阳被动式窗户控制方法,其特征在于,所述S3步骤中利用图优化算法对目标函数所转换的图表示进行优化求解,得到玻璃幕墙不同区域的电流强度,包括:利用图优化算法对所转换的图表示结果F′进行优化求解,所述优化求解流程为:
1)随机生成X个可行解,第j个可行解Xj的位置信息包括N维的电流强度值:rj=[Ij,1,Ij,2,…,Ij,N]
2)初始化每个可行解的位置信息rj以及速度qj,其中初始化的位置信息rj中,每一维的电流强度值小于Imax,Imax为遮阳窗户允许通过的最大电流值;
3)初始化优化求解迭代次数为h,h的初始值为0,并设置最大迭代次数为Max;
4)将每个可行解的位置信息带入目标函数所转换的图表示,每一维电流强度值对应图表示中每个点的电流强度维度,得到每个可行解Xj的图表示结果Fj′(h),选取所有可行解中最小的图表示结果所对应的位置信息作为第h次迭代的最优位置r*(h);
5)更新可行解的速度和位置:
qj(h+1)=qj(h)+0.1*rand(0,1)*(r*(h)‑rj(h))rj(h+1)=rj(h)+qj(h)
其中:
rj(h)为第h次迭代时可行解Xj的位置信息;
qj(h)为第h次迭代时可行解Xj的速度信息;
rand(0,1)为0‑1之间的随机数;
6)判断当前迭代次数h是否达到最大迭代次数Max,若达到最大迭代次数,此时最小的图表示结果所对应的位置信息即为优化求解结果 其中 为第n个玻璃幕墙区域的电流强度求解结果;若未达到最大迭代次数,则令h=h+1,返回步骤4)。
6.如权利要求5所述的一种环境自适应电致变色遮阳被动式窗户控制方法,其特征在于,所述S3步骤中将求解得到的不同区域电流强度的电流输送到对应区域的遮阳窗户中,遮阳窗户调节自身的透光性,包括:将求解结果所对应的不同玻璃幕墙区域的电流强度 所对应的电流输送到对应区域的遮阳窗户中,其中 为第n个玻璃幕墙区域的电流强度求解结果,利用电流强度与透光性的拟合公式f(·)得到不同玻璃幕墙区域内遮阳窗户的透光性集合:其中:
为第n个玻璃幕墙区域内遮阳窗户的透光性;
不同玻璃幕墙区域内的遮阳窗户根据透光性集合调节自身的透光性。
7.如权利要求1所述的一种环境自适应电致变色遮阳被动式窗户控制方法,其特征在于,所述S4步骤中基于深度神经网络构建窗户变色控制模型,通过采样数据构成训练数据集,包括:基于深度神经网络构建窗户变色控制模型,所述窗户变色控制模型包括输入端,电场转换端,神经网络卷积层以及输出层,其中所述输入端的输入值为单个玻璃幕墙区域的电流强度,电场转换端将输入的电流强度转换电场强度,将电场强度作为神经网络卷积层的输入值,神经输出层输出遮阳窗户的变色结果;
所述电场转换端的电场强度转换公式为:
其中:
*
I为输入电场转换端的电流强度;
为转换后的电场强度;
d为玻璃幕墙区域内导线的横截面积;
为电导率;
所述神经网络卷积层的卷积公式为:
其中:
为电场强度的卷积结果;
Conv(·)为卷积公式,卷积公式内包括卷积层的偏置向量b′以及权重向量w′;
所述输出层的输出公式为:
其中:
为玻璃幕墙区域内遮阳窗户的变色结果;
通过获取采样数据构成窗户变色控制模型的训练数据集data:data={(I(k),y(k))|k∈[1,K]}其中:
(I(k),y(k))为训练数据集data中的第k组训练数据,I(k)为电流强度,y(k)为对应的窗户颜色;
K为训练数据集data中训练数据的组数。
8.如权利要求7所述的一种环境自适应电致变色遮阳被动式窗户控制方法,其特征在于,所述S4步骤中基于训练数据集对窗户变色控制模型进行参数训练,得到最优的窗户变色控制模型,包括:设置窗户变色控制模型的训练损失函数:
其中:
y(k)为电流强度I(k)的真实窗户颜色;
为将电流强度I(k)作为窗户变色控制模型的输出,模型输出的窗户颜色;
利用随机梯度下降方法对窗户变色控制模型中的偏置向量b′以及权重向量w′进行参数训练,所述参数训练流程为:其中:
h′为参数迭代次数,初始值为0,b′(0)以及w′(0)为随机生成的参数向量;
重复参数训练迭代流程,直到模型参数不变,将训练得到的稳定参数作为窗户变色控制模型的参数,得到最优的窗户变色控制模型。
9.如权利要求1所述的一种环境自适应电致变色遮阳被动式窗户控制方法,其特征在于,所述S5步骤中将遮阳窗户内电流的电流强度作为窗户变色控制模型的输入,模型输出窗户的颜色控制结果,包括:将不同玻璃幕墙区域的电流强度 依次输入到窗户变色控制模型中,窗户变色控制模型输出窗户的变色结果,控制遮阳窗户进行变色。