基于多元信息融合技术的供暖节能算法研究
2011-10-26赵国清徐海亮汪海霞
赵国清 徐海亮 汪海霞
陕西省建筑设计研究院有限责任公司， 西安 710003
基于多元信息融合技术的供暖节能算法研究
赵国清 徐海亮 汪海霞
陕西省建筑设计研究院有限责任公司， 西安 710003
文中针对目前集中供暖系统测量精度不高的问题，提出了一种基于Zigbee的多传感器信息融合算法的集中供暖分户计量网络管理系统。在采用了此算法后，住宅温度测量的精确度得到了提高，更重要的是它实现了节能管理。
Zigbee；集中供暖系统；多传感器信息融合
引言
本文针对住宅供暖能耗的现状，以及要达到的节能目标及其节能途径，提出一种基于Zigbee的多传感器信息融合技术的集中供暖分户计量网络管理系统。利用无线传感器网络中的多传感器信息融合技术进行住宅供暖网络系统的组网，在组网过程主要用到了先进的Zigbee技术，由于实际的住宅温度环境的复杂多变，选择了基于模糊控制理论的模糊控制器的设计，并结合算术平均值与分批估计相结合的信息融合算法，从而提高了对住宅温度测量的精确度。
1 多传感器信息融合算法的实现
对室内温度进行控制时，由于室内的一些突发性的干扰，测量设备本身的问题，及其热管道传送的影响，不可避免地会差生误差，影响测量数据的一致性。所以在进行数据融合前，可以采用数据探测技术的分布图法对误差也就是干扰信号进行剔除。在分布图法中反映数据分布的参数主要有：中位数TM、下四分位数FL、上四分位数FU、四分位数离散度dF。
可以设定某一房间的6个传感器，分别独立地进行温度测量，得到一列从小到大的测量列：T1、T2、T3、T4、T5、T6，其中T1为测量列的下极限，T6为测量列的上极限，中位数，上四分位数FU为区间[TM,T6]的中位数，下四分位数FL为区间[T1,TM]的中位数，四分位数离散度为：dF=FUFL，与中位数的距离大于αdF的数据位离异数据，所以无效数据的判断区间是|Tt-TM|＞αdF，在式中α为常数，根据测量误差要求来定，一般取0.5，1，2等。
剔除误差后就可以进行数据融合了，对于数据融合算法可以采用算数平均值算法与分批估计相结合的融合算法。其具体方法是：对于放置在房间内部的六个传感器得到的测量列，先得出一致性测量数据，然后按照室内空间位置相邻的两个传感器不在一组的原则分为两组，对两组数据的算术平均值采用分批估计算法，估计出接近温度真实值的融合值T，得到室内温度测量结果，消除不确定性。
设被测温度的真值为T0，温度测量方程为T=HT0+V（1-1）
在式（1-1）中，T为温度测量值；V为测量噪声；系数矩阵为，由此可得第一组一致性测量数据为，第二组一致性测量数据为。
由于式（1-2）、（1-3）分成了两组数据，所以测试方程可以变为
式（1-4）中V1、V2为的测量噪声，即误差。由于为同一批的测量数据，在此之前没有相关的温度测量统计资料，所以此前测量结果方差为无穷。
在式（1-5）当中HT为H的转置矩阵；R 为测量噪声协方差，且
由分批估计可以得到温度数据融合值Th的矩阵为
将式（1 -6 ）带入就能得到
式（1-8）中，Th为基于多传感器参数估计数据融合的温度值。
对于传统的估计算法是建立在可靠的测量初值的基础上的，没有初值，估计算法就失去意义，此融合算法的优势在于获得了剔除了误差信号得到了两组可靠性较高的测量数据，根据两者的方差进行加权融合处理，方差大的赋予了比较小的权值，方差小的赋予了比较大的权值，因此这种融合算法可以获得比算术平均值更加可靠的结果。
针对小区内部的某住宅进行数据融合实验，采用十个温度传感器在相同时间、相同房间对室内进行单独测量，会得到如表1的测量结果。
表1 多传感器室温测量结果 单位：（℃）
这十个温度测量结果的平均值为
对于这九个一致性传感器可以分成三组，第一组为T1、T2、T3，第二组为T4、T5、T6，第三组为T7、T8、T9。这三组传感器的温度测量数据的算术平均值及其标准偏差分别为
2 结语
针对目前采暖管理网络不健全所带来的煤消耗，提出住宅供暖节能无线控制网络算法研究，使得煤能源能更加合理利用。
1.董兴丽,周超英. ZigBee 技术在家庭网关中的应用与实现[J] . 现代电子技术.2007 ,30 (10) :41 43
10.3969/j.issn.1001-8972.2011.09.020
