[发明专利]基于仿真的数据机理双驱动的传感器节点部署方法和系统

权利要求书

1.基于仿真的数据机理双驱动的传感器节点部署方法，其特征在于，包括以下步骤：

S1、根据实际建筑物空间位置分布情况，将建筑划分为M个子区域，并由经济成本预算确定需要部署的传感器个数k_i、取值范围k_i∈[a,b]及取值步长c；

S2、在传感器个数为k_i的条件下，从全部部署方案的可行域Ω中生成大小为N的传感器节点部署策略的可行域

S3、根据S1确定的初始化的传感器个数k_i，确定目标函数，所述目标函数使得传感器网络节点部署策略的传感误差最小；

S4、根据从实际建筑中获取的环境信息和气象信息，利用建筑能耗模拟引擎EnergyPlus进行基于机理驱动的仿真，获得基于仿真的建筑环境数据，基于仿真的建筑环境数据包括环境分布真实值和k_i个传感器条件下的环境数据；

S5、将S4获得的基于仿真的建筑环境数据输入神经网络进行训练和预测，结合序优化算法S3求解目标函数，输出传感器节点部署策略的可行域中的最优解；

S6、存储S5中输出的最优解，令k_i＝k_i+c；

S7、令i＝i+1，并判断k_ib是否成立；

S8、若k_ib不成立，则重复步骤S2～S7，直至S7的k_ib时，通过数据分析进行决策，输出经济成本和传感精度综合最优的传感器网络节点部署策略。

2.根据权利要求1所述的基于仿真的数据机理双驱动的传感器节点部署方法，其特征在于，所述S4中，利用建筑物能耗模拟引擎EnergyPlus获得基于仿真的建筑环境数据的过程包括以下步骤：

S401、获取建筑周边环境、天气情况、建筑围护结构信息、建筑负载信息、HVAC控制信息，并输入建筑能耗模拟引擎EnergyPlus；

S402、通过建筑能耗模拟引擎EnergyPlus输出模块定义输出为温度与相对湿度，得到基于仿真的建筑环境数据，所述基于仿真的建筑环境数据包括建筑环境分布真实值和k_i个传感器采集到的建筑环境数据。

3.根据权利要求1所述的基于仿真的数据机理双驱动的传感器节点部署方法，其特征在于，所述S5中包括以下步骤：

S501、将S4得到的基于仿真的建筑环境分布真实值，按照划分好的M个建筑子区域处理为大小为M×x的矩阵，x表示维度，所述矩阵作为训练集输入全连接BP神经网络，进行训练，得到建筑环境分布模型；

S502、将S4中得到的基于仿真的k_i个传感器条件下的建筑环境数据处理为大小为M×x的矩阵，并将所述矩阵作为测试集输入S501得到的建筑环境分布模型中进行预测，得到k_i个传感器条件下的环境分布输出，即建筑环境分布的预测值；

S503、根据S502中神经网络输出的建筑环境分布的预测值以及与之对应的部署策略下基于仿真的环境分布真实值，绘制序优化性能曲线；

S504、根据S503中所得序优化性能曲线的类型，确定序优化粗选模型的可行解集S；

S505、基于S504获得的粗选模型的可行解集S，分别计算可行解集S中每个环境分布预测值与S4中得到的基于仿真的建筑环境数据的均方根误差，并对误差进行从小到大的排序，确定误差最小的可行解为k_i个传感器条件下最优的传感器网络阶段部署方案。

4.根据权利要求3所述的基于仿真的数据机理双驱动的传感器节点部署方法，其特征在于，所述S502中，所述的神经网络的输出层每个节点所代表的环境分布预测值是P维向量。

5.根据权利要求3所述的基于仿真的数据机理双驱动的传感器节点部署方法，其特征在于，所述S503中，所述的序优化性能曲线的绘制步骤包括：

S5031、分别计算S502中神经网络输出的环境分布预测值以及与之对应的部署策略下基于仿真的环境分布真实值之间的均方根误差；

S5032、对S5031所得的误差按照从小到大的顺序进行排序，将可行解的序号作为横坐标，将与该可行解对应的误差作为纵坐标，绘制曲线图即为序优化性能曲线。