高密度档案架环境监测：温湿度传感器点位布局算法与布点原则

GB/T 27703-2011《信息与文献 档案馆建筑设计规范》：
- 温度：14~24℃，日波动 ≤ ±2℃
- 湿度：45~60%RH，日波动 ≤ ±5%RH

JGJ 25-2010《档案馆建筑设计规范》：
- 每 100~150㎡ 不少于 1 个监测点
- 库房面积 ≤ 100㎡ 时，不少于 2 个监测点
- 重点区域（入口、窗户、空调附近）加密

DA/T 76-2019《绿色档案馆建筑评价标准》：
- 监测点应能反映库房内温湿度的"代表性"
- 鼓励采用连续监测和自动记录

Step 1: 初始均匀网格
  将库房平面按 S × S 网格划分（S 建议 3~4m）
  每个网格中心放置临时测试点（可用无线记录仪，低成本）

Step 2: 梯度计算
  连续采集 7 天（覆盖一个完整的空调启停周期）
  对每个网格点计算：
    ∇T(i,j) = max(|T(i,j) - T(i±1,j)|, |T(i,j) - T(i,j±1)|)
    ∇H(i,j) = max(|H(i,j) - H(i±1,j)|, |H(i,j) - H(i,j±1)|)

Step 3: 梯度阈值判定
  if ∇T > 0.5℃/m or ∇H > 3%RH/m:
    标记该区域为"高变区域"，需要加密

Step 4: 最终布点
  高变区域：网格密度加倍（S/2）
  普通区域：维持原网格
  垂直方向：高变区域三层，普通区域两层

"""
entropy_based_placement.py - 基于信息熵的传感器布点算法
"""

import numpy as np
from scipy.spatial.distance import cdist
from typing import List, Tuple

class EntropyBasedPlacement:
    """
    将库房空间离散化为体素网格，基于信息熵选择传感器位置
    """
    
    def __init__(self, space_dims: Tuple[float, float, float], 
                 voxel_size: float = 0.5,
                 history_data: np.ndarray = None):
        """
        space_dims: (L, W, H) 库房尺寸
        voxel_size: 体素边长（m）
        history_data: (n_voxels, n_timesteps, 2) 历史温湿度数据
        """
        self.L, self.W, self.H = space_dims
        self.voxel_size = voxel_size
        self.nx = int(L / voxel_size)
        self.ny = int(W / voxel_size)
        self.nz = int(H / voxel_size)
        self.n_voxels = self.nx * self.ny * self.nz
        self.history = history_data
        self.covered = np.zeros(self.n_voxels, dtype=bool)
        
    def voxel_index(self, x: int, y: int, z: int) -> int:
        return z * (self.nx * self.ny) + y * self.nx + x
    
    def voxel_coords(self, idx: int) -> Tuple[int, int, int]:
        z = idx // (self.nx * self.ny)
        rem = idx % (self.nx * self.ny)
        y = rem // self.nx
        x = rem % self.nx
        return x, y, z
    
    def compute_entropy(self, voxel_idx: int) -> float:
        """计算单个体素的温湿度信息熵"""
        if self.history is None:
            return 1.0  # 无历史数据时，所有体素等权
        
        temp = self.history[voxel_idx, :, 0]
        hum = self.history[voxel_idx, :, 1]
        
        # 温度熵（分10个bin）
        temp_bins = np.histogram(temp, bins=10, range=(10, 30))[0]
        temp_probs = temp_bins / (temp_bins.sum() + 1e-10)
        temp_entropy = -np.sum(temp_probs * np.log2(temp_probs + 1e-10))
        
        # 湿度熵
        hum_bins = np.histogram(hum, bins=10, range=(30, 80))[0]
        hum_probs = hum_bins / (hum_bins.sum() + 1e-10)
        hum_entropy = -np.sum(hum_probs * np.log2(hum_probs + 1e-10))
        
        return (temp_entropy + hum_entropy) / 2.0
    
    def coverage_radius(self, voxel_idx: int, sensor_pos: np.ndarray) -> float:
        """
        计算传感器对体素的覆盖能力
        考虑距离衰减和架体遮挡
        """
        coords = self.voxel_coords(voxel_idx)
        voxel_pos = np.array([coords[0] * self.voxel_size + self.voxel_size/2,
                              coords[1] * self.voxel_size + self.voxel_size/2,
                              coords[2] * self.voxel_size + self.voxel_size/2])
        
        dist = np.linalg.norm(voxel_pos - sensor_pos)
        
        # 遮挡因子：如果有密集架在传感器和体素之间，衰减覆盖
        # 简化模型：距离 > 2m 且中间有架体时，覆盖能力降为 50%
        occlusion_factor = 1.0
        if dist > 2.0 and self._has_obstruction(sensor_pos, voxel_pos):
            occlusion_factor = 0.5
        
        # 覆盖能力随距离平方衰减
        coverage = occlusion_factor / (1.0 + dist * dist)
        return coverage
    
    def _has_obstruction(self, pos1: np.ndarray, pos2: np.ndarray) -> bool:
        """简化遮挡检测：判断两点连线是否穿过密集架区域"""
        # 实际实现中需加载架体CAD数据
        # 这里返回False作为占位
        return False
    
    def select_next_sensor(self, candidate_positions: List[np.ndarray]) -> int:
        """
        贪心选择下一个传感器位置：
        选择能最大程度降低系统总熵的位置
        """
        best_idx = -1
        best_gain = -np.inf
        
        for i, pos in enumerate(candidate_positions):
            gain = 0.0
            for v in range(self.n_voxels):
                if self.covered[v]:
                    continue
                coverage = self.coverage_radius(v, pos)
                entropy = self.compute_entropy(v)
                gain += coverage * entropy
            
            if gain > best_gain:
                best_gain = gain
                best_idx = i
        
        return best_idx
    
    def place_sensors(self, max_sensors: int, 
                      candidate_positions: List[np.ndarray]) -> List[np.ndarray]:
        """主算法：迭代选择传感器位置"""
        placed = []
        
        for _ in range(max_sensors):
            idx = self.select_next_sensor(candidate_positions)
            if idx < 0:
                break
            
            pos = candidate_positions.pop(idx)
            placed.append(pos)
            
            # 更新覆盖状态
            for v in range(self.n_voxels):
                if not self.covered[v]:
                    cov = self.coverage_radius(v, pos)
                    if cov > 0.3:  # 覆盖阈值
                        self.covered[v] = True
            
            # 如果所有体素已覆盖，提前结束
            if np.all(self.covered):
                break
        
        return placed


# 使用示例
if __name__ == "__main__":
    # 库房尺寸：12m × 8m × 3m（密集架高度3m）
    placer = EntropyBasedPlacement(space_dims=(12, 8, 3), voxel_size=0.5)
    
    # 生成候选位置（通道中心、各层高度）
    candidates = []
    for x in np.arange(0.5, 12, 1.0):    # 沿长度方向每1m
        for y in np.arange(0.5, 8, 1.0):  # 沿宽度方向每1m
            for z in [0.5, 1.5, 2.5]:      # 低、中、高三层
                candidates.append(np.array([x, y, z]))
    
    # 选择最多 15 个传感器
    placed = placer.place_sensors(max_sensors=15, candidate_positions=candidates)
    print(f"算法推荐 {len(placed)} 个传感器位置")
    for i, p in enumerate(placed):
        print(f"  传感器 {i+1}: ({p[0]:.1f}, {p[1]:.1f}, {p[2]:.1f})")

CFD模拟流程：
1. 建立库房几何模型（包括密集架布局、空调位置、风口参数）
2. 设置边界条件（外墙传热系数、内热源、空调送风参数）
3. 求解Navier-Stokes方程 + 能量方程 + 湿度输运方程
4. 获得稳态和瞬态温湿度场
5. 在梯度最大的区域布点

优势：
- 在建设/改造前即可完成布点规划
- 可模拟不同空调策略下的效果
- 可验证布点方案的覆盖效果

局限：
- 需要专业CFD软件和算力
- 模型参数（渗透率、热源）需实测校准
- 成本较高，适合大型项目

┌─────────────────────────────────────────────────────────────────────┐
│  高密度档案架库房布点模板（12m × 8m × 3m，6排密集架）              │
│                                                                     │
│  俯视图（Z=1.5m 中层平面）：                                        │
│  ┌───────────────────────────────────────────────────────────────┐ │
│  │  窗 户 区                                                       │
│  │  ●S1    ●S2                                                    │
│  │  ───────────────────────────────────────────────────────────   │
│  │  通道1 │ 架体列1~3 │ 通道2 │ 架体列4~6 │ 通道3 │ 架体列7~9  │ │
│  │        │           │        │           │        │            │ │
│  │        │           │  ●S3   │           │  ●S4   │            │ │
│  │        │           │        │           │        │            │ │
│  │  ───────────────────────────────────────────────────────────   │
│  │  通道4 │ 架体列10~12│ 通道5 │ 架体列13~15│ 通道6 │ 架体列16~18│ │
│  │        │           │        │           │        │            │ │
│  │  ●S5   │           │  ●S6   │           │  ●S7   │            │ │
│  │        │           │        │           │        │            │ │
│  │  ───────────────────────────────────────────────────────────   │
│  │  空 调 区（2台精密空调，一备一用）                              │
│  │  ★AC1                                    ★AC2                 │
│  └───────────────────────────────────────────────────────────────┘ │
│                                                                     │
│  垂直方向（以S3为例）：                                              │
│  Z=2.5m  ●S3-top（上层，监测架顶热积聚）                            │
│  Z=1.5m  ●S3-mid（中层，代表常规档案存放环境）                      │
│  Z=0.5m  ●S3-bot（下层，监测近地面湿度，防底部受潮）                │
│                                                                     │
│  总计：7个水平点位 × 3层 = 21个传感器                               │
│  预算有限时：7个水平点位 × 2层（仅中层+下层）= 14个传感器            │
└─────────────────────────────────────────────────────────────────────┘

点位编码规则：库房号-排号-层号-序号

示例：
  A-03-L2-01  = A库房，第3排，第2层（中层），第1个传感器
  A-03-L1-01  = A库房，第3排，第1层（下层），第1个传感器
  A-03-L3-01  = A库房，第3排，第3层（上层），第1个传感器

布点文档应包含：
1. 平面布置图（CAD或PDF）
2. 每个点位的精确坐标（X, Y, Z，单位：mm）
3. 安装方式（磁吸/粘胶/扎带）
4. 对应交换机端口
5. IP地址分配
6. 告警阈值（可因位置不同而不同）

方法一：移动测试法
  使用高精度温湿度记录仪（±0.1℃/±1.5%RH）
  在布点方案确定的传感器位置附近放置记录仪
  同时运行 7 天
  对比固定传感器与记录仪的数据偏差
  偏差 > 0.3℃ 或 > 3%RH 的点位需调整

方法二：插值验证法
  在传感器之间的"空白区域"临时放置验证传感器
  运行 3 天
  用克里金插值（Kriging）或反距离加权（IDW）估算空白区域值
  与验证传感器实测值对比
  RMSE < 0.2℃ 且 < 2%RH 为合格

方法三：扰动测试法
  模拟空调故障、开门、人员进入等扰动
  验证传感器能否及时捕捉到温湿度变化
  响应时间 > 5 分钟的点位需考虑增加密度

校准周期：
- 初始校准：安装后 1 个月（传感器自热效应稳定后）
- 定期校准：每 12 个月
- 异常校准：数据偏差 > 0.5℃ 或 > 5%RH 时触发

校准方法：
1. 将传感器拆下，放入恒温恒湿箱
2. 在 15℃、20℃、25℃ 三个温度点校准
3. 在 45%RH、55%RH、65%RH 三个湿度点校准
4. 记录校准偏移量，写入网关数据库
5. 网关在数据展示时自动补偿

对于POE以太网传感器（不便拆卸）：
- 使用便携式校准套件（带屏幕的校准腔）
- 现场校准，记录偏移量