本發明涉及通信基站，尤其涉及面向基站熱島效應的多參數耦合空調動態調控系統及方法。
背景技術：
1、隨著5g通信技術的普及，通信基站數量呈指數級增長，高密度部署的基站集群在運行中產生大量熱量，導致基站區域溫度顯著高于周邊環境，形成基站熱島效應，現有基站空調控制系統存在以下技術瓶頸：
2、傳統系統僅依賴機房溫度單一參數調節，忽略濕度、設備負載、太陽輻射等多維度熱環境影響因素，導致溫濕度調控精度不足，設備因濕度過高引發的冷凝故障或過低引發的靜電故障頻發。
3、單個基站獨立運行，未形成熱環境數據交互，無法從區域層面優化散熱資源，單站獨立控制會導致區域整體能耗增加，熱島強度提升。
4、傳統系統依賴人工現場調試，缺乏遠程策略更新和故障預測能力，設備故障發現延遲，導致維護成本高。
5、因此，本發明提出面向基站熱島效應的多參數耦合空調動態調控系統及方法以解決現有技術中存在的問題。
技術實現思路
1、針對上述問題，本發明提出面向基站熱島效應的多參數耦合空調動態調控系統及方法，該面向基站熱島效應的多參數耦合空調動態調控系統及方法采用多參數耦合控制策略，能夠更加精準地調控空調系統的運行，確保機房內始終保持適宜的溫度和濕度條件，為通信設備的穩定運行提供良好的環境保障，有效降低出現故障的概率。
2、為實現本發明的目的，本發明通過以下技術方案實現：
3、本發明第一方面提出面向基站熱島效應的多參數耦合空調動態調控系統，包括多維數據采集模塊、設備狀態采集單元、智能決策模塊、邊緣計算處理模塊和執行運維模塊，所述多維數據采集模塊用于采集機房溫濕度、太陽輻射及氣壓數據；所述設備狀態采集單元用于獲取通信設備負載率及空調運行參數；
4、所述邊緣計算處理模塊用于數據預處理、熱島效應評估及負載預測；所述智能決策模塊用于計算熱環境影響因子hei并生成單站/跨站調控策略；所述執行運維模塊用于空調動態參數調整及遠程運維。
5、進一步改進在于：所述多維數據采集模塊包括分層部署的分布式溫濕度傳感器、太陽輻射傳感器及氣壓傳感器，所述分布式溫濕度傳感器部署于設備機架、空調出風口、外墻內側，用于實時采集溫度濕度數據，所述太陽輻射傳感器用于測量機房外壁不同朝向的輻射強度數據，所述氣壓傳感器用于檢測機房內外氣壓數據。
6、進一步改進在于：所述設備狀態采集單元包括設備負載監測模塊、空調運行狀態監測模塊，所述設備負載監測模塊用于實時采集主設備功耗及溫度數據，所述空調運行狀態監測模塊用于獲取壓縮機頻率、送風量、冷凝器壓力數據。
7、進一步改進在于：所述邊緣計算處理模塊包括數據預處理單元、熱島效應評估模塊、負載預測引擎，所述數據預處理單元采用卡爾曼濾波算法對多維數據采集模塊、設備狀態采集單元采集的數據進行降噪，通過數據融合技術生成機房三維熱場分布模型。
8、進一步改進在于：所述邊緣計算處理模塊還包括熱島效應評估模塊和負載預測引擎，所述熱島效應評估模塊基于周邊若干個鄰近基站的環境數據，通過以下公式計算區域熱島強度：
9、
10、其中，為各基站機房平均溫度，trural為距離各基站機房n米外參考點溫度；
11、所述負載預測引擎基于lstm神經網絡構建設備負載預測模型，通過輸入歷史負載數據、變化量曲線、時段特征，對未來t時長進行熱負荷預測，并在異常時輸出報警數據。
12、進一步改進在于：所述智能決策模塊基于多維數據采集模塊、設備狀態采集單元、邊緣計算處理模塊的數據進行分析處理，且智能決策模塊包括多參數耦合分析引擎，所述多參數耦合分析引擎用于構建熱環境影響因子hei：
13、hei＝k1·tgrad+k2·hdev+k3·srad+k4·leq
14、其中，tgrad為溫度梯度，表示機房內外溫差與內部區域溫差加權值；
15、hdev為濕度偏差度，表示當前濕度與設備安全閾值的百分比差值；
16、srad為太陽輻射補償系數，根據方位角與輻射強度動態計算得到；
17、leq為等效負載率，表示設備功耗與散熱效率的歸一化值；
18、權重系數k1～k4通過強化學習模型動態優化，優先抑制主導熱源。
19、進一步改進在于：智能決策模塊還包括跨基站協同優化模塊，所述跨基站協同優化模塊用于將熱環境影響因子hei帶入邊緣計算處理模塊中，與熱島效應評估進行聯動分析，相鄰基站交換熱環境數據，包括基站hei均值、空調運行狀態，基于博弈論算法，以平衡弱化熱島效應和運行功率為目標，生成協同調控策略。
20、進一步改進在于：所述執行運維模塊包括空調參數動態調節器和遠程運維接口，所述空調參數動態調節器基于智能決策模塊的控制調控策略，用于控制壓縮機變頻，根據hei值實時調整制冷量輸出，用于自適應控制導風系統，結合太陽輻射強度定向增強外墻側送風，還用于協同控制濕度，在異常季節啟動除濕、制冷雙模式交替運行。
21、進一步改進在于：所述遠程運維接口用于接入運維人員智能終端，支持云端獲取所有數據，基于設備歷史數據生成故障預測報告，還用于發送人工指令數據，進行在線調控。
22、本發明第二方面提出面向基站熱島效應的多參數耦合空調動態調控方法，應用第一方面中任意一項所述的面向基站熱島效應的多參數耦合空調動態調控系統，包括以下步驟：
23、采集各基站機房環境數據、設備負載率及空調運行參數，并通過數據融合生成機房三維熱場分布模型；
24、對若干個鄰近基站的熱環境進行狀態評估，計算熱負荷及區域熱島強度；
25、計算熱環境影響因子hei，并以平衡弱化熱島效應和運行功率為目標，生成單站/跨站調控策略；
26、根據調控策略對空調動態參數進行調整及遠程運維。
27、本發明的有益效果為：
28、1、本發明通過綜合考慮溫度、濕度、設備負荷、太陽輻射強度等多參數對機房熱環境的影響，采用多參數耦合控制策略，能夠更加精準地調控空調系統的運行，確保機房內始終保持適宜的溫度和濕度條件，為通信設備的穩定運行提供良好的環境保障，有效降低出現故障的概率。
29、2、本發明對各基站之間的調控進行相互通信和協同工作，能夠根據周邊基站的熱環境狀況及時調整自身的空調運行策略，從整體上對基站區域的熱環境進行優化，有效緩解基站熱島效應，提高基站群的整體運行穩定性。
30、3、本發明結合負載對未來t時長進行熱負荷預測，并在異常時輸出報警數據，避免故障發現延遲，減少維護成本，并提供遠程運維接口，供運維人員發送人工指令數據，進行在線調控，功能多樣化。
1.面向基站熱島效應的多參數耦合空調動態調控系統，包括多維數據采集模塊、設備狀態采集單元、智能決策模塊、邊緣計算處理模塊和執行運維模塊，其特征在于：所述多維數據采集模塊用于采集機房溫濕度、太陽輻射及氣壓數據；所述設備狀態采集單元用于獲取通信設備負載率及空調運行參數；
2.根據權利要求1所述的面向基站熱島效應的多參數耦合空調動態調控系統，其特征在于：所述多維數據采集模塊包括分層部署的分布式溫濕度傳感器、太陽輻射傳感器及氣壓傳感器，所述分布式溫濕度傳感器部署于設備機架、空調出風口、外墻內側，用于實時采集溫度濕度數據，所述太陽輻射傳感器用于測量機房外壁不同朝向的輻射強度數據，所述氣壓傳感器用于檢測機房內外氣壓數據。
3.根據權利要求2所述的面向基站熱島效應的多參數耦合空調動態調控系統，其特征在于：所述設備狀態采集單元包括設備負載監測模塊、空調運行狀態監測模塊，所述設備負載監測模塊用于實時采集主設備功耗及溫度數據，所述空調運行狀態監測模塊用于獲取壓縮機頻率、送風量、冷凝器壓力數據。
4.根據權利要求1所述的面向基站熱島效應的多參數耦合空調動態調控系統，其特征在于：所述邊緣計算處理模塊包括數據預處理單元，所述數據預處理單元采用卡爾曼濾波算法對多維數據采集模塊、設備狀態采集單元采集的數據進行降噪，通過數據融合技術生成機房三維熱場分布模型。
5.根據權利要求4所述的面向基站熱島效應的多參數耦合空調動態調控系統，其特征在于：所述邊緣計算處理模塊還包括熱島效應評估模塊和負載預測引擎；
6.根據權利要求1所述的面向基站熱島效應的多參數耦合空調動態調控系統，其特征在于：所述智能決策模塊基于多維數據采集模塊、設備狀態采集單元、邊緣計算處理模塊的數據進行分析處理，且智能決策模塊包括多參數耦合分析引擎，所述多參數耦合分析引擎用于構建熱環境影響因子hei：
7.根據權利要求6所述的面向基站熱島效應的多參數耦合空調動態調控系統，其特征在于：智能決策模塊還包括跨基站協同優化模塊，所述跨基站協同優化模塊用于將熱環境影響因子hei帶入邊緣計算處理模塊中，與熱島效應評估進行聯動分析，相鄰基站交換熱環境數據，包括基站hei均值、空調運行狀態，基于博弈論算法，以平衡弱化熱島效應和運行功率為目標，生成協同調控策略。
8.根據權利要求1所述的面向基站熱島效應的多參數耦合空調動態調控系統，其特征在于：所述執行運維模塊包括空調參數動態調節器，所述空調參數動態調節器基于智能決策模塊的控制調控策略，用于控制壓縮機變頻，根據hei值實時調整制冷量輸出，用于自適應控制導風系統，結合太陽輻射強度定向增強外墻側送風，還用于協同控制濕度，在異常季節啟動除濕、制冷雙模式交替運行。
9.根據權利要求1所述的面向基站熱島效應的多參數耦合空調動態調控系統，其特征在于：所述執行運維模塊還包括遠程運維接口，所述遠程運維接口用于接入運維人員智能終端，支持云端獲取所有數據，基于設備歷史數據生成故障預測報告，還用于發送人工指令數據，進行在線調控。
10.面向基站熱島效應的多參數耦合空調動態調控方法，應用上述權利要求1-9中任意一項所述的面向基站熱島效應的多參數耦合空調動態調控系統，其特征在于，包括以下步驟：