CN114341896A - 用于检测过滤器脏污程度的***和方法 - Google Patents

用于检测过滤器脏污程度的***和方法 Download PDF

Info

Publication number
CN114341896A
CN114341896A CN202080060704.1A CN202080060704A CN114341896A CN 114341896 A CN114341896 A CN 114341896A CN 202080060704 A CN202080060704 A CN 202080060704A CN 114341896 A CN114341896 A CN 114341896A
Authority
CN
China
Prior art keywords
filter
data
edge detection
flow
sensor data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202080060704.1A
Other languages
English (en)
Inventor
宋震
格雷戈里·康特
王秦鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Industry Inc
Original Assignee
Siemens Industry Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Industry Inc filed Critical Siemens Industry Inc
Publication of CN114341896A publication Critical patent/CN114341896A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/32—Responding to malfunctions or emergencies
    • F24F11/39—Monitoring filter performance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
    • F24F11/74—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity
    • F24F11/745—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity the air flow rate increasing with an increase of air-current or wind pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
    • F24F11/74—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity
    • F24F11/77—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity by controlling the speed of ventilators
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2140/00—Control inputs relating to system states
    • F24F2140/10—Pressure
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Automation & Control Theory (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

一种***和方法识别当前过滤器脏污程度。该***包括传感器(308、310、322、324、1808、1810、1822、1824)，它们耦合到控制器(104)以收集与通过过滤器(306、320、1806、1820)的材料流相关联的压力差传感器数据和流量数据。控制器(104)将用过滤器过滤后数据集应用于压力差传感器数据和流量数据的一部分，并将第二过滤数据集应用于第一过滤数据集以使第一过滤数据集进一步平滑化。控制器(104)进一步将边缘检测过滤器应用于第二过滤数据集，从而得出边缘检测过滤数据集并且利用边缘检测过滤数据集和流量数据来确定过滤器替换阈值和最佳过滤器替换日期。

Description

用于检测过滤器脏污程度的***和方法
技术领域
本发明总体上涉及过滤器，并且更特别地涉及过滤器的效率和寿命。
背景技术
在商业建筑物中，应正确地更换空气处理单元(AHU)或屋顶单元(RTU)空气过滤器。过早地更换将造成额外的硬件和劳动力成本。过少地更换会导致增加的能源费用并且能够危及居住者的健康。
在标准做法中，工程师按固定时间表盲目地更换过滤器，诸如每3个月更换一次过滤器，而不检查真正的脏污程度。这种方法并不准确。根据室外空气质量(OAQ)和室内空气质量(IAQ)条件以及进气风扇状态，脏污程度能够会更快或更慢地增加。因此，再次带来额外的装备/劳动力成本或更高的能源费用。
另一种已知做法是当压力差(DP)达到阈值时更换过滤器。但是，由于传感器数据干扰是传感器所固有的，这种方法并不可靠。当前过滤器DP值由于异常和/或干扰的传感器读数而显著变化时，发出过滤器变脏的信号并且使读数不可信。其它介质或材料(诸如水、油等)过滤也存在类似问题。
需要一种方法来确定过滤器变脏并且需要更换，同时避免过早/频繁地更换过滤器或运行具有需要更换的过滤器的***。
发明内容
本发明描述了一种方法和***，该方法和***用于使用多个传感器来监测过滤器的脏侧或输入侧和过滤器的输出侧的效率。然后对传感器数据进行收集、平均化或以其它方式标准化，从而创建与时间相关的过滤器曲线。然后进一步处理过滤器曲线以预测将何时达到需要更换过滤器的阈值。确定过滤器更换的日期。更换过滤器的日期还取决于更换过滤器所需的过滤器成本和劳动力成本。过滤器能够是空气过滤器、滤水器或其它类型的材料过滤器，其中，在过滤器的不同侧之间存在压力差。
在研究以下附图和具体实施方式时，本发明的其它设备、装置、***、方法、特征以及优点对于本领域技术人员将是显而易见的或将变得显而易见。其目的是所有这样的附加的***、方法、特征以及优点都包括在本说明书中、在本发明的范围内并且受所附权利要求的保护。
附图说明
通过参考以下附图能够更好地理解本发明。附图中的部件不一定按比例绘制，而是重点强调阐述本发明的原理。在附图中，在不同的视图中，相似的附图标记指示对应的部分。
图1示出了根据本发明的示例性实施方案的具有耦合到网络的主建筑物控制器的第一建筑物和具有建筑物自动化***的第二建筑物的示意图。
图2示出了根据本发明的示例性实施方案的图1的建筑物控制器的示意图。
图3示出了根据本发明的示例性实施方案的作为图1的建筑物的建筑物自动化***的一部分的气流***的示意图。
图4示出了根据本发明的示例性实施方案的来自监测图3的气流***的输入传感器的数据的图表。
图5示出了根据示例性实施方案的来自图3的***的已处理数据的过滤器曲线的图表。
图6示出了根据本发明的示例性实施方案的能够从图3的***的元件收集和处理的不同类型的传感器数据的实例的示意图。
图7示出了根据示例性实施方案的来自DP的已清洁的传感器数据和来自图3的流速的图表。
图8示出了根据本发明的示例性实施方案的来自图7的一天的数据的过滤器曲线的图表。
图9示出了根据本发明的示例性实施方案的在应用回归运算(诸如最小二乘运算)之后的多日参考DP值的图表。
图10示出了根据本发明的示例性实施方案的在应用两次最小二乘运算之后的多日参考DP值的图表。
图11示出了根据本发明的示例性实施方案的在考虑风扇状态数据之后的多日脏污程度的图表。
图12示出了根据本发明的示例性实施方案的在应用边缘检测之后的脏污程度的图表。
图13描绘了根据本发明的示例性实施方案的图11的数据的动态分割的图表。
图14示出了根据本发明的示例性实施方案的用于识别过滤器模型的学习方法的示意图。
图15示出了根据本发明的示例性实施方案的在预定地理区域中的几个采样点的每日空气质量的实例的图表。
图16示出了根据本发明的示例性实施方案的基于数据的所估计的脏污程度的图表。
图17示出了根据本发明的示例性实施方案从已处理数据导出的最佳过滤器更换日期的图表。
图18示出了根据本发明的示例性实施方案的作为图1的建筑物的建筑物自动化***的一部分的水流***的示意图。
图19示出了根据本发明的示例性实施方案的用于确定何时需要更换过滤器的方法的流程图。
具体实施方式
本发明描述了一种方法和***，该方法和***用于使用多个传感器来监测过滤器的脏侧或输入侧和过滤器的输出侧的效率。
在图1中，根据本发明的示例性实施方案描绘了具有耦合到网络106的主建筑物控制器104的网络中心建筑物102和具有建筑物自动化***110的建筑物108的示意图100。建筑物自动化***110具有连接到网络106的控制器112。建筑物自动化***110，诸如由西门子公司提供。控制器112能够是运行诸如LINUX或WINDOWS操作***的专用计算机。网络连接能够是有线以太网、无线以太网、蜂窝、数据包、ISDN，或能够提供数据以经由网络传输的其它类型的网络连接。主建筑物控制器104被示出在建筑物102中，但是实际上主建筑物控制器能够被定位为在服务器上执行的软件，该服务器位于以通常被称为云计算的方式经由互联网访问的服务器场中。
图2示出了根据本发明的示例性实施方案的图1的主建筑物控制器104的示意图200。主建筑物控制器104具有控制器/处理器202，该控制器/处理器耦合到存储器206、数据存储区212、网络接口214、输入/输出接口216、显示接口218和电源220，所有这些都经由总线204连接。总线204被示为电源/数据总线，但是实际上，主建筑物控制器104能够具有多条单独的总线，这些总线包含数据、地址和电源。存储器206被划分为操作***存储器208和应用程序存储器210。应用程序存储器210包含指令，该指令在被执行时用于将过滤器数据存储在数据存储区212中并处理该数据以确定是否需要更换过滤器以及过滤器更换的日期。数据存储区212被描绘为在主建筑物控制器104内，但是在其它实施方案中，数据存储区212能够驻留在外部或者甚至在网络106或云中。而且，在一些实施方案中，主建筑物控制器104能够在具有建筑物自动化***110的建筑物中实施。
在图3中，根据本发明的示例性实施方案描绘了作为图1的建筑物108的建筑物自动化***110的一部分的气流***300的示意图。室外/外部空气302进入建筑物108并通过风门304。压力传感器308测量进入物理过滤器(诸如空气过滤器306)的空气的流量或压力。离开过滤器的空气的流量或压力由压力传感器310测量。应当理解，压力传感器和流量传感器是可互换使用的。确定在DP1子控制器312处所确定的压力降并对该压力降定期采样(压力差传感器数据)。应注意，其它实施方案能够具有任意数量的压力差传感器。所得数据被发出到数据存储区进行进一步处理，DP1是连接到建筑物控制器的子控制器。在当前实施方案中，空气过滤器306能够是褶皱玻璃纤维过滤器。在其它实施方案中，能够使用其它类型的过滤器和过滤器材料。
来自空气过滤器306的气流通过空气冷却器314和316。离心风扇318增加经过压力传感器324、然后通过空气过滤器320和压力传感器322的空气压力或流量。压力差DP2子控制器326确定在空气过滤器上的压力降并定期将数据提供给数据存储区以用于进一步处理。附加数据(诸如电流消耗量和风扇转速)由与离心风扇相关联的传感器生成并还存储在数据存储区中。另一个离心风扇328增加回流空气330的流量或压力。回流空气的一部分332流过风门334。回流空气的另一部分338经由空气风门336从建筑物108排出。
转向图4，根据本发明的示例性实施方案描绘了来自监测图3的气流***300的输入传感器306、308、322和324的数据(数据的预定集或周期)的图表402、404、406、408、410和412。如图表408所示，在DP1子控制器312处测量的前过滤器压力差(DP)值在一天中显著地变化。在图中，x轴是样本数量。在当前实施方案中，DP1子控制器312处的数据的采样速率为15分钟，但是在其它实施方案中，能够使用不同的时长。在当前实施方案中，时长是一天，但是在其它实施方案中，能够使用其它时长。另外，存在具有异常和/或干扰的传感器读数的情况，如图表408所示，其中，当流量412恒定时，前过滤器DP具有不同的值。流量的DP增加导致过滤器曲线增加。然而，图表402和404是所测量的过滤器曲线，该过滤器曲线是在异常和/或干扰时段期间的竖直线。这些异常和/或干扰时段能够是由于故障、维护、异常和干扰情况所造成的，并且需要在脏污程度检测期间进行识别和考虑。否则，结果将不会像在之前已知的方法中经常发生的那样可信。理论过滤器曲线被示出在图表412中，其中，过滤器曲线被绘制在DP-流量图表上。由于基本物理原理，仅使用DP进行脏污程度估计是不准确的：我们至少需要DP和流量计一起来估计过滤器的脏污程度。另外，数据分析指示：我们需要汇总多日数据以便在处理数据时移除传感器数据中的干扰。应注意，在其它示例性实施方案中，能够使用后过滤器或其它过滤器。
在图5中，根据示例性的实施方案描绘了来自图3的气流***300的已处理数据的过滤器曲线504至510的图表502。从离心风扇318和DP2子控制器326收集传感器数据。应注意，在其它实施方案中，或多或少的压力差传感器能够用于其它HVAC***。当在图1的主建筑物控制器104处处理超过预定时间时，得出用于图5的图表的数据。曲线504表明随着气流速率增大，来自离心风扇318的风扇压力升高(压力差的归一化值)，通常称为***曲线。随着过滤器变脏，***曲线506已经向上移动，表明气流速率随着风扇压力的升高而降低。使用干净的过滤器，离心风扇318的风扇转速曲线508与脏过滤器的风扇转速相比较低。
其中，***曲线504和离心风扇318的风扇曲线在第一转速508下相交或交汇，干净的空气过滤器的运行状态是能够识别的(点“A”512)。类似地，***曲线506和脏的空气过滤器转速510的风扇曲线在脏空气过滤器的运行状态下相交或交汇，这是能够识别的(点“B”514)。能够在考虑过滤器材料和环境条件(诸如烟雾)的建筑物自动化***110中识别初始点。在建筑物自动化***的运行期间，随着时间推移，能够修改脏的空气过滤器的运行状态以便在必须更换过滤器时更准确地发出信号。这种信号通常是由建筑物自动化***110生成的报警消息或警报。来自其它传感器的更多传感器数据能够用于其它实施方案并且与风扇转速和气流速率组合或代替风扇转速和气流速率而使用。
在图6中，根据本发明的示例性的实施方案示出了表示能够从图3的气流***300的元件收集和处理的不同类型的输入传感器数据602的实例的示意图600。输入传感器数据602的一些实例包括压力差、进气风扇转速、气流速率、风扇状态和风扇能量(能量传感器数据)。在其它实施方案中，能够采用与空气压力/气流相关联的传感器数据的附加的或不同的组合。又在其它实施方案中，传感器能够与正被过滤的不同类型的介质相关联，诸如被液体过滤器(被制造用于过滤液体的过滤器)过滤的液体(水、油、化学品)。输入传感器数据源于图1的建筑物自动化***110并经由网络106发送到主建筑物控制器104。然后使用算法608处理输入传感器数据602以生成输出604，诸如脏污程度指数、预计过滤器更换日期和能源浪费估计。
转向图7，根据示例性的实施方案描绘了来自DP2子控制器326的干净的传感器数据和来自图3的流速的图表。该处理从进气风扇变速驱动器(svd)/流量702(由位于风扇318中的传感器提供的svd)、前过滤器DP704和流量706的比率的原始输入数据(在当前实例中为一天的数据)开始。由于DP2子控制器326传感器值随时间显著变化，如前文所解释，仅基于DP读数检测脏污程度是不可靠的。
在图8中，根据本发明的示例性实施方案示出了来自图7的数据在气流***300的一天的测量中的过滤器曲线802和804的图表。由于数据非常干扰，因此仅使用一天的数据来检测过滤器的“脏污程度”是不切实际的。以下数据与具有大致相同脏污程度的过滤器相关联，但是它们的过滤器曲线明显不同。给定流量f和DP值“d”。如果“d”被定义为：
Figure BDA0003521527970000081
并且
A＝[1，f，f2，f3]
则f∈Rn是流量矢量，该流量矢量被定义为
Figure BDA0003521527970000091
在其它实施方案中，“A”的阶数能够更高或更低，诸如
A＝[1，f]
A＝[1，f，f2]
或者甚至
A＝[1，f，f2，f3，f4].
通常，流量计越准确，高阶模型提供的性能就越好。因此，
d＝Ab，
其中，“b”是过滤器曲线的未知系数。但是，能够使用最小二乘回归法找到“b”
b＝A+b，
并且“A+”是“A”的伪逆矩阵。得出所得过滤器曲线802和804。
转向图9，根据本发明的示例性的实施方案描绘了在应用回归运算(诸如最小二乘运算)之后的多日参考DP值的图表902。绘制所有时间(该实例中为一年)的每日过滤器参数。x轴是日期。y轴是参考流量(在该实例中为18,000立方英尺/分钟)下的预期DP。如图表902所示，数据非常干扰，使得不清楚在数据集中有多少和哪些过滤器更换日。为了简单起见，一阶过滤器曲线模型用于阐明该方法。给定时间实例i的DP等级d[i]，我们有带“M”个元素的“d”矢量：
Figure BDA0003521527970000092
A矩阵被重新定义为：
Figure BDA0003521527970000101
并且它是M乘(N+1)矩阵，其中，N是天数。第j天的脏污程度被表示为b[j]，并且过滤器曲线的公共斜率为b0，从而得出以下方程：
d＝Ab
Figure BDA0003521527970000102
“b”矢量也能够通过最小二乘回归法求解：
b＝A+d
在图表902中描绘了在一次最小二乘回归之后得出的多日参考DP值。
在图10中，根据本发明的示例性的实施方案描绘了在应用两次最小二乘运算之后的多日参考DP值的图表1002。在图表1002中以深色实线示出使用最小二乘法平滑化的数据。较浅的线是没有平滑化的输入(数据)。
转向图11，根据本发明的示例性的实施方案示出了在考虑风扇状态数据之后的多日脏污程度的图表1102和1104。计算脏污程度(Df)并将风扇状态应用于计算。图表1102中示出了下降的斜升和斜降时间，在一年中描绘了两个过滤器更换情况。应注意，在第250天左右的第二次Df下降与第50天的下降的重要性大致相同。如果使用相邻两天的窗口，则会发生错误警报并检测到两个以上的过滤器更换的情况。
在图12中，根据示例性实施方案示出了在应用边缘检测之后的脏污程度的图表1202。索贝尔过滤器(Sobel filter)(也称为索贝尔-费尔德曼算子(Sobel-Feldmanoperator))用于Df曲线的下降边缘检测。在当前实施方案中，使用索贝尔过滤器。在其它实施方案中，能够采用不同的边缘检测方法，诸如坎尼(Canny)、普瑞维特(Prewitt)或拉普拉斯(Laplacian)边缘检测方法。所得峰值识别过滤器更换日。
转向图13，根据示例性实施方案示出了图11的数据的动态分割的图表1302和1304。动态分割允许多个属性集与线性特征的任何部分相关联。使用当前数据，峰值被聚集成片段。使用标准偏差，计算过滤器更换阈值。选择高于动态阈值的点。选定点被识别为图表1302中的小圆点。然后将这些点分割成识别两个过滤器更换日的两个群集。
在图14中，根据示例性实施方案示出了用于识别过滤器模型的学习方法的示意图1400。当空气中存在能够被过滤器捕获的颗粒时，过滤器就会变脏。如果过滤器脏污程度为Df，则脏污程度的累积由以下过滤器模型计算。
Figure BDA0003521527970000111
其中，dA(t)是时间t的空气脏污程度，空气脏污程度与空气质量(AQ)相关联。气流fF(t)的积分乘以dA(t)等于从时间t0到tN通过过滤器的粒子总数。常数k表示过滤器捕获粒子的能力。如图表1502所示，参数k在“过滤器模型”框中，并且将基于存储在数据存储区212中或经由网络106访问的AQ数据库来学习。另外，能够经由机器学习过程识别各个空气质量传感器数据(诸如颗粒物10um(PM10)、PM2.5、花粉等)与联合空气脏污程度(dA(t))之间的关系。因此，空气质量数据库的数据与预定历史时段内的历史脏污程度和流量传感器数据组合以生成过滤器模型。
转向图15，根据示例性实施方案示出了来自预定地理区域中的几个采样点的每日空气质量的实例的图表1502。给定空气质量度量，诸如图15中的每日PM10实例，能够估计脏污程度累积速度。在当前实例中，来自几个位置的每日PM10数据和历史传感器数据(DP和流量)，能够构建过滤器模型。在这种情况下，给定过滤器类型和典型的暖通空调(HVAC)用量，在图表1602中，该算法估计过滤器脏污程度在4个月内从0％增加到100％(图16示出了根据示例性实施方案的基于数据的所估计的脏污程度的图表)。
在图17中，根据示例性实施方案示出了从已处理数据导出的最佳过滤器更换日期的图表1702。随着过滤器变得更脏，进气风扇(即，离心风扇318)将浪费更多的能量来提供相同的气流。更频繁地更换过滤器将减少风扇能量浪费，但是需要更多的劳动力和硬件成本1706。存在最佳过滤器更换频率以最大程度地减少总成本1708。如图表1702中所示，时间Tf处的竖直线1704是最佳过滤器更换时间。
为了通过更换过滤器来估计节能潜力，在刚刚安装新过滤器之后记录风扇转速。驱动效率比率R被定义为：
R＝风扇转速/流量
例如，在当前脏污程度下，过滤器的R为R1(即，图3的空气过滤器320)为4.2。在刚刚安装过滤器时，它的比率R2为3.39。然后所估计的节能比率K为
K＝(R2/R1)3
在当前实例中，K＝1.22，即，由于脏的过滤器，有22％的能量浪费。给定能量价格和估计的进气风扇能耗，我们能够通过更换过滤器来估计节能。该曲线被示为能源成本曲线1710。
转向图18，根据本发明的示例性实施方案示出了作为图1的建筑物108的建筑物自动化***110的一部分的水(液体)流***的示意图1800。水塔的水1802进入建筑物108并通过阀门1804。压力传感器1808测量进入滤水器1806的水的流量或压力。离开滤水器1806的水的流量或压力由压力传感器1810测量。应当理解，术语压力传感器和流量传感器是能够互换使用的。确定压力降DP1 1812并定期采样。由于压力差DP1 1812是连接到建筑物控制器112的子控制器，因此将所得数据发出到数据存储区以便进一步处理。在当前实施方案中，滤水器1806能够是褶纸式过滤器。在其它实施方案中，能够使用其它类型的过滤器和过滤器材料，诸如玻璃纤维或沙子。
来自滤水器1806的水通过水冷却器1814和1816。泵1818增加经过压力传感器1824然后通过滤水器1820和压力传感器1822的水的压力或流量。压力差DP2子控制器1826确定空气过滤器上的压力降并定期将数据提供给数据存储区以进一步处理。附加数据(诸如电流消耗量和风扇转速)由与离心风扇相关联的传感器生成并也存储在数据存储区中。回流水1830通过泵1828通过阀门1836，并且回流水1838离开建筑物前往冷却塔。通过处理来自水流***1800的传感器数据，能够使用与利用气流***300来确定最佳的过滤器更换类似的方法。
在图19中，根据本发明的示例性实施方案示出了用于确定何时需要更换过滤器的方法的流程图1900。在建筑物自动化***110中，在步骤1902中从传感器(诸如与过滤器上的流量或压力降相关联的子控制器DP2326处的324和322)收集传感器数据。在步骤1904中，由主建筑物控制器104处理收集的传感器数据，并且在当前实施方案中，采用数值回归方法(诸如最小二乘法、鲁棒最小二乘法、决策树、支持矢量机回归)来降低数据中的干扰。在步骤1906中，数据的进一步过滤得出第二过滤数据集。在步骤1908中生成脏污程度曲线。在步骤1910中，将诸如使用索贝尔过滤器(Sobel filter)的边缘检测过滤应用于识别峰值过滤器更换日的脏污程度曲线，并得出经边缘检测过滤的数据。在步骤1912中，将峰值分割成群集并且确定过滤器更换的阈值。然后在步骤1914中使用历史脏污程度数据连同已处理数据、劳动力和材料成本以及能源成本一起来确定最佳过滤器更换日期。
本领域技术人员将理解和明白，结合图19描述的一个或多个过程、子过程或过程步骤能够由硬件和/或软件(机器可读指令)执行。如果该方法由软件执行，则该软件能够驻留在合适的电子处理部件或***(诸如附图中示意性描绘的功能部件或模块中的一者或多者)中的软件存储器中。
软件存储器中的软件能够包括用于实施逻辑功能(即，能够以诸如数字电路或源代码的数字形式或以诸如模拟电路或模拟能源诸如模拟电、声音或视频信号的模拟形式来实施的“逻辑”)的可执行指令的有序列表，并且该软件能够选择性地体现在任何计算机可读介质中以供指令执行***、装置或设备(诸如基于计算机的***、包含处理器的***或能够选择性地从指令执行***、装置或设备中提取指令并执行指令的其它***)使用或与其结合使用。在本公开文本的背景中，“计算机可读介质”是能够包含或存储程序以供指令执行***、装置或设备使用或与其结合使用的任何有形手段。有形计算机可读介质能够选择性地是例如但不限于电、磁、光学、电磁或半导体***、装置或设备。有形计算机可读介质的更详细的实例但仍然是非详尽的列表将包括以下各项：便携式计算机磁盘(磁)、RAM(电子)、只读存储器“ROM”(电子)、可删除可编程只读存储器(EPROM或快闪存储器)(电子)和便携式小型光盘只读存储器“CDROM”(光学)。应注意，有形计算机可读介质甚至能够为纸(穿孔卡或穿孔带)或另一种合适的介质，在该介质上能够以电子形式捕获指令，随后(如果需要)通过合适方式对指令进行编译、解译或以其它方式处理并将指令存储在计算机存储器中。
上述对用于与装备、面板和点直接通信的集成建筑物服务器的中间件服务的方法的一个或多个实施方案的详细描述在本文仅作为实例而非限制性的方式呈现。将认识到，在不结合本文描述的其它特征和功能的情况下能够获得本文描述的某些单独的特征和功能的优点。此外，将认识到，上文公开的实施方案的各种替代方案、修改方案、变体方案或改进方案和其它特征和功能，或其替代方案能够预期地组合成许多其它不同的实施方案、***或应用。本领域技术人员随后能够在其中做出目前未预见的或未预料到的替代方案、修改方案、变体方案或改进方案，这些替代方案、修改方案、变体方案或改进方案也应包括在所附权利要求中。因此，任何所附权利要求的本质和范围不应限于本文所包含的实施方案的描述。

Claims (15)

1.一种用于识别当前过滤器脏污程度的方法，包括：
收集与通过物理过滤器的材料流相关联的压力差传感器数据和流量数据；
将所述压力差传感器数据和流量数据存储在数据存储区中；
对所述压力差传感器数据和流量数据的预定集进行过滤以使压力差传感器数据的所述预定集平滑化，从而得出第一过滤数据集；
对所述第一过滤数据集进行过滤以使所述第一过滤数据进一步平滑化，从而得出第二过滤数据集；
将边缘检测过滤器应用于所述第二过滤数据集，从而得出边缘检测过滤数据集；以及
利用所述边缘检测过滤数据集和所述流量数据来确定所述物理过滤器的更换阈值和最佳过滤器更换日期。
2.根据权利要求1所述的用于识别当前过滤器脏污程度的方法，还包括：
收集与通过所述物理过滤器的所述材料流相关联的能量传感器数据；
将所述能量传感器数据存储在所述数据存储区中；以及
利用所述边缘检测过滤数据集和所述能量传感器数据来确定所述物理过滤器的更换阈值和最佳过滤器更换日期。
3.根据权利要求1所述的用于识别当前过滤器脏污程度的方法，其中，还使用历史室外空气质量数据或历史过滤器脏污程度中的至少一项来确定所述最佳过滤器更换日期。
4.根据权利要求1所述的用于识别当前过滤器脏污程度的方法，其中，利用数值回归法对所述第一过滤数据进行过滤。
5.根据权利要求1所述的用于识别当前过滤器脏污程度的方法，其中，应用所述边缘检测过滤器是应用选自由Sobel、Canny、Prewitt或Laplacian边缘检测方法所组成的群组中的边缘检测过滤器。
6.根据权利要求1所述的用于识别当前过滤器脏污程度的方法，其中，所述物理过滤器是空气过滤器或液体过滤器之一。
7.根据权利要求1所述的用于识别最佳过滤器更换日期的方法，其中，确定所述最佳过滤器更换日期还包括使用能量传感器数据、劳动力成本或过滤器成本中的至少一项。
8.一种识别当前过滤器脏污程度的***，包括：
耦合到控制器的多个传感器，所述传感器收集与通过物理过滤器的材料流相关联的压力差传感器数据和流量数据；
由建筑物控制器访问的数据存储区，所述数据存储区存储所述压力差传感器数据和流量数据；
由第一过滤方法生成的第一过滤数据集，所述第一过滤方法由控制器应用于包含在所述数据存储区中的所述压力差传感器数据和流量数据的一部分上；
由第二过滤方法生成的第二过滤数据集，所述第二过滤方法由所述控制器应用于所述第一过滤数据集上以使所述第一过滤数据集进一步平滑化；
边缘检测过滤器，所述边缘检测过滤器由所述控制器应用于所述第二过滤数据集，从而得出边缘检测过滤数据集；以及
过滤器更换阈值和最佳过滤器更换日期，所述过滤器更换阈值和所述最佳过滤器更换日期由所述控制器利用所述边缘检测过滤数据集和流量数据来确定。
9.根据权利要求8所述的***，还包括：
由能量传感器收集的能量传感器数据，所述能量传感器数据与通过所述物理过滤器的材料流相关联，其中，所述能量传感器数据存储在所述数据存储区中；以及
利用所述边缘检测过滤数据集和所述能量传感器数据来确定所述物理过滤器的更换阈值和最佳过滤器更换日期。
10.根据权利要求8所述的***，其中，由所述控制器确定的所述最佳过滤器更换日期还使用历史室外空气质量数据或历史过滤器脏污程度中的至少一项。
11.根据权利要求8所述的***，其中，所述第一过滤方法是最小二乘回归法。
12.根据权利要求8所述的***，其中，所述第二过滤方法是最小二乘回归法。
13.根据权利要求8所述的***，其中，所述边缘检测过滤器是选自由Sobel、Canny、高斯差、Prewitt、Scharr或Laplacian过滤器组成的群组。
14.根据权利要求8所述的***，其中，所述物理过滤器是空气过滤器或液体过滤器之一。
15.根据权利要求8所述的***，其中，确定所述最佳过滤器更换日期包括使用数据的预定历史周期、劳动力成本和过滤器成本中的至少一项。
CN202080060704.1A 2019-08-29 2020-08-20 用于检测过滤器脏污程度的***和方法 Pending CN114341896A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/555,978 US11009246B2 (en) 2019-08-29 2019-08-29 Systems and methods to detect dirt level of filters
US16/555,978 2019-08-29
PCT/US2020/047087 WO2021041134A1 (en) 2019-08-29 2020-08-20 Systems and methods to detect dirt level of filters

Publications (1)

Publication Number Publication Date
CN114341896A true CN114341896A (zh) 2022-04-12

Family

ID=72291152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080060704.1A Pending CN114341896A (zh) 2019-08-29 2020-08-20 用于检测过滤器脏污程度的***和方法

Country Status (5)

Country Link
US (1) US11009246B2 (zh)
EP (1) EP4004845A1 (zh)
CN (1) CN114341896A (zh)
CA (1) CA3152730C (zh)
WO (1) WO2021041134A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210207833A1 (en) * 2020-01-07 2021-07-08 Stmicroelectronics S.R.L. Device and method for monitoring hvac air filter
US11719454B1 (en) * 2022-08-31 2023-08-08 Filtration Advice, Inc. System and method for optimizing selection of an air filter

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5564626A (en) 1995-01-27 1996-10-15 York International Corporation Control system for air quality and temperature conditioning unit with high capacity filter bypass
US20040217872A1 (en) * 2003-05-02 2004-11-04 Bhardwaj Arun K. Apparatus for and method of monitoring the condition of a filter element
US7261762B2 (en) 2004-05-06 2007-08-28 Carrier Corporation Technique for detecting and predicting air filter condition
JP2007168706A (ja) * 2005-12-26 2007-07-05 Sanden Corp 空気流のフィルタ装置及び同装置を用いた車両用空調システム
WO2009097656A1 (en) 2008-02-05 2009-08-13 Ptronik Pty Limited Dust collector control system
JP5613584B2 (ja) * 2010-02-18 2014-10-29 白光株式会社 空気清浄器およびその制御方法
WO2011163638A1 (en) 2010-06-24 2011-12-29 Lpd Technologies, Inc. System and method for optimizing selection of an air filter
US8704672B2 (en) 2011-06-20 2014-04-22 Honeywell International Inc. Filter change alert system for an HVAC system
WO2015175821A1 (en) 2014-05-15 2015-11-19 Emerson Electric Co. Hvac system air filter diagnostics and monitoring
US9983114B2 (en) 2014-05-15 2018-05-29 Cummins, Inc. Methods and systems for monitoring loading of an air filter
MY182169A (en) * 2014-06-03 2021-01-18 Coway Co Ltd Air purifier, method for determining time to replace filter thereof, and device and method for determining filter replacement time pressure differential therefor
CN105363298B (zh) 2014-08-15 2017-11-03 台达电子工业股份有限公司 具滤网脏污检测功能的换气设备及其检测方法
US20160342957A1 (en) 2015-05-22 2016-11-24 Charles J. Sloup Air handling unit filter replacement system and method
WO2018040618A1 (zh) 2016-08-31 2018-03-08 广东美的制冷设备有限公司 空调换热器脏堵检测方法、***和空调
EP3652487B1 (en) 2017-07-10 2023-12-27 Carrier Corporation A condition based energy smart air circulation system
EP3489592A1 (en) 2017-11-27 2019-05-29 Daikin Europe N.V. Filter contamination detection method

Also Published As

Publication number Publication date
EP4004845A1 (en) 2022-06-01
CA3152730A1 (en) 2021-03-04
WO2021041134A1 (en) 2021-03-04
US11009246B2 (en) 2021-05-18
US20210063038A1 (en) 2021-03-04
CA3152730C (en) 2023-09-26

Similar Documents

Publication Publication Date Title
RU2704944C1 (ru) Система, способ и компьютерный программный продукт для управления воздушными фильтрами
US9797812B2 (en) Filter replacement lifetime prediction
JP6644174B2 (ja) 空気清浄器
CN109074066B (zh) 优化过滤器寿命周期的方法和监测通风***的***
US10137397B2 (en) Filter systems
CN114341896A (zh) 用于检测过滤器脏污程度的***和方法
KR101593044B1 (ko) 컴퓨터 미세먼지 농도 모니터링 장치 및 방법
CN109612029B (zh) 效能预测方法
TW201742661A (zh) 空氣過濾器配置、裝置及系統
US20170246565A1 (en) Clogging estimation method and filter monitoring system
CN113906259A (zh) 用于检测颗粒过滤器的状态的***和方法
CN109946209A (zh) 一种大气污染报警的方法及装置
CN112461729A (zh) 一种超净间环境监控方法、装置、电子设备及存储介质
Pöyhönen et al. Variable-speed-drive-based method for the cost optimization of air filter replacement timing
US20200338490A1 (en) Filtering Detection Device
CN115638508A (zh) 空调滤网寿命检测方法及空调器

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination