本發明涉及消防設施，具體涉及注氮控氧防火方法。
背景技術：
1、在現代倉儲物流，特別是高價值冷庫存儲領域，火災防控始終是安全保障的核心議題；傳統滅火系統，如噴水系統，在冷庫環境中存在凍結風險，且對存儲貨物可能造成二次損害；而氣體滅火系統則通常在火災發生后才被觸發，屬于被動響應，且其一次性釋放滅火介質的方式可能對人員造成風險并中斷業務運行；注氮控氧防火技術作為一種先進的“防勝于消”的解決方案，通過持續向保護空間注入氮氣，將內部氧氣濃度維持在一個低于支持燃燒的閾值以下，從而從根源上抑制火災的發生；這種技術能夠提供不間斷的保護，且其介質（氮氣）來源于空氣，對環境友好，對人員和貨物安全；
2、然而，現有的注氮控氧系統在實踐應用中仍面臨若干亟待解決的技術挑戰；首先，系統的控制策略多表現為被動響應模式，即當氧氣濃度傳感器檢測到濃度偏離設定值后，系統才啟動制氮與注入程序；這種滯后性導致保護區內的氧氣濃度存在波動窗口，在頻繁有人員或設備進出的動態環境中，防火安全等級存在瞬時下降的風險；其次，為追求控制的精確性，系統往往將保護區域劃分為大量的固定虛擬網格并進行獨立控制，但這種靜態劃分難以適應庫內因貨物布局變化、人員設備移動以及空氣自然流動所導致的動態風險分布與氣流模式變化，造成了系統資源分配的不合理，部分高風險區域可能得不到足夠快速的響應，而低風險區域則存在控制資源浪費；此外，傳統的系統架構中，監測管網與釋放管網相互獨立，導致系統結構復雜、安裝成本高昂，且在空間受限的貨架區內布管困難；
3、因此，不滿足現有的需求，對此我們提出了注氮控氧防火方法。
技術實現思路
1、為此，本發明提供注氮控氧防火方法，以解決現有技術中的上述問題。
2、為了實現上述目的，本發明提供如下技術方案：
3、將需要保護的空間劃分為多個虛擬網格；并在各個虛擬網格內預設氮氣注入點；
4、將氮氣通過各個氮氣注入點注入所述虛擬網格；并實時獲取各所述虛擬網格內的氧氣濃度；
5、獲取前瞻性預測模型，所述前瞻性預測模型基于以影響虛擬網格內氧氣濃度變化的因子為輸入參數，預測目標虛擬網格在未來一固定時間窗口內的氧氣濃度變化范圍；同時預設安全濃度范圍，取安全濃度范圍的最低值為觸發閾值；
6、當預測的氧氣濃度超過預設安全濃度范圍的最高值之時，在目標虛擬網格的實際氧氣濃度超過觸發閾值但尚未超過中間值時，通過所述前瞻性預測模型控制各個氮氣注入點的氮氣通入量，使得各所述虛擬網格內的氧氣濃度維持在各自預設的安全濃度范圍的中間值之下。
7、進一步地，所述前瞻性預測模型為基于機器學習算法構建的數學模型，通過歷史數據集進行訓練得到模型的權重參數。
8、進一步地，所述前瞻性預測模型的輸入參數至少包括：開門事件標識、開門持續時間、室內外氣壓差、保護空間內部溫度變化率以及歷史氧氣濃度。
9、進一步地，所述室內外氣壓差包括氣壓差瞬時值、氣壓變化率以及歸一化處理后的氣壓差。
10、進一步地，還包括模型在線優化步驟。
11、進一步地，所述模型在線優化步驟具體為：每次完成開門事件及后續濃度控制后，將實際氧氣濃度變化數據作為新樣本加入歷史數據集，并定期自動重新訓練模型參數，實現模型的在線自學習與持續優化。
12、進一步地，所述生成提前控制向該網格注入氮氣的前瞻性控制策略具體原理為：當預測的氧氣濃度變化曲線c（t）大于預設濃度s時，即生成控制指令。
13、進一步地，該控制指令控制目標虛擬網格對應的區域控制閥以30%至50%的額定開度開啟，并聯動供氮設備以較低的頻率運行。
14、進一步地，在每個所述虛擬網格內采用三點布置法，安裝至少三個氧氣傳感器，所述三個點分別位于該網格的幾何中心、距離氮氣注入點最遠處以及一個預計氣流死角區域。
15、進一步地，對同一網格內的多個傳感器讀數進行數據融合處理，剔除異常值后取算術平均值作為該網格的代表性氧濃度。
16、本發明具有如下優點：
17、1、該注氮控氧防火方法，通過基于多維參數的前瞻性預測控制，實現了氧氣濃度的主動與平穩維持；該方法在擾動發生初期即預測濃度趨勢，并提前進行低流量氮氣補償，徹底消除了傳統被動響應模式固有的安全盲區；此舉不僅保障了防護環境的持續穩定，還通過避免制氮設備的高負荷急啟停運行，顯著降低了系統能耗與設備磨損；
18、2、該注氮控氧防火方法，通過實時構建的氣流分布與風險熱力圖，動態重構虛擬網格并實施差異化控制策略；該機制實現了計算與氣體資源依據實際風險的高效精準調配，大幅提升了整體防護效率與經濟性，同時增強了系統在局部故障時的容錯與維持能力。
1.注氮控氧防火方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的注氮控氧防火方法，其特征在于，所述前瞻性預測模型為基于機器學習算法構建的數學模型，通過歷史數據集進行訓練得到模型的權重參數。
3.根據權利要求2所述的注氮控氧防火方法，其特征在于，所述前瞻性預測模型的輸入參數至少包括：開門事件標識、開門持續時間、室內外氣壓差、保護空間內部溫度變化率以及歷史氧氣濃度。
4.根據權利要求3所述的注氮控氧防火方法，其特征在于，所述室內外氣壓差包括氣壓差瞬時值、氣壓變化率以及歸一化處理后的氣壓差。
5.根據權利要求1所述的注氮控氧防火方法，其特征在于，還包括模型在線優化步驟。
6.根據權利要求5所述的注氮控氧防火方法，其特征在于，所述模型在線優化步驟具體為：每次完成開門事件及后續濃度控制后，將實際氧氣濃度變化數據作為新樣本加入歷史數據集，并定期自動重新訓練模型參數，實現模型的在線自學習與持續優化。
7.根據權利要求1所述的注氮控氧防火方法，其特征在于，所述生成提前控制向該網格注入氮氣的前瞻性控制策略具體原理為：當預測的氧氣濃度變化曲線c（t）大于預設濃度s時，即生成控制指令。
8.根據權利要求7所述的注氮控氧防火方法，其特征在于，該控制指令控制目標虛擬網格對應的區域控制閥以30%至50%的額定開度開啟，并聯動供氮設備以較低的頻率運行。
9.根據權利要求1所述的注氮控氧防火方法，其特征在于，在每個所述虛擬網格內采用三點布置法，安裝至少三個氧氣傳感器，所述三個點分別位于該網格的幾何中心、距離氮氣注入點最遠處以及一個預計氣流死角區域。
10.根據權利要求9所述的注氮控氧防火方法，其特征在于，對同一網格內的多個傳感器讀數進行數據融合處理，剔除異常值后取算術平均值作為該網格的代表性氧濃度。