CN104850906A - 基于群体冷热抱怨信息的室内温度计算方法及系统 - Google Patents

基于群体冷热抱怨信息的室内温度计算方法及系统 Download PDF

Info

Publication number
CN104850906A
CN104850906A CN201510251166.5A CN201510251166A CN104850906A CN 104850906 A CN104850906 A CN 104850906A CN 201510251166 A CN201510251166 A CN 201510251166A CN 104850906 A CN104850906 A CN 104850906A
Authority
CN
China
Prior art keywords
cold
pmv
hot
complaint
temperature
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201510251166.5A
Other languages
English (en)
Inventor
赵千川
赵寅
吴楚格
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN201510251166.5A priority Critical patent/CN104850906A/zh
Publication of CN104850906A publication Critical patent/CN104850906A/zh
Pending legal-status Critical Current

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2120/00—Control inputs relating to users or occupants
    • F24F2120/20—Feedback from users

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明提供一种基于群体冷热抱怨信息的室内温度计算方法及系统，该方法包括：采集室内人员的冷/热抱怨信息；根据冷/热抱怨信息分别计算冷/热抱怨对应的不满意比率PPD；根据冷/热抱怨对应的不满意比率PPD得到预测平均投票数PMV的最终值；根据环境信息和用户信息计算多个室温对应的PMV值，并建立室温-PMV值对应表；根据PMV的最终值、当前的环境信息以及当前的用户信息查询室温-PMV值对应表以得到当前的室内温度。本发明实施例的方法可以根据人群的冷热抱怨预测当前的温度，具有温度预测准确且灵活性高的优点。

Description

基于群体冷热抱怨信息的室内温度计算方法及系统
技术领域
本发明涉及热舒适研究和信息技术领域，特别涉及一种基于群体冷热抱怨信息的室内温度计算方法及系统。
背景技术
关于如何准确测量及利用测量结果对室内温度进行预测从而对房间进行有效的监控和调节，目前有大量的研究。目前的经典方法是通过温度传感器测量温度，再通过一些模型进行温度的预测，便于后面的控制。典型的模型包括线性模型和非线性模型(人工神经网络)。Mechaqrane A,Zouak M的文章《A comparison of linear and neural network ARX modelsapplied to a prediction of the indoor temperature of a building》(Mechaqrane A,Zouak M.Acomparison of linear and neural network ARX models applied to a prediction of the indoortemperature of a building[J].Neural Computing&Applications,2004,13(1):32-37.)就对这两种模型进行了对比，现在更常用的是基于人工神经网络非线性模型。Lu T,Viljanen M的文章《Prediction of indoor temperature and relative humidity using neural network models:modelcomparison》(Lu T,Viljanen M.Prediction of indoor temperature and relative humidity usingneural network models:model comparison[J].Neural Computing and Applications,2009,18(4):345-357.)对不同的非线性模型的方法的预测效果有相关的介绍和对比。
日本的KOIZUMI YOSHIAKI等人公开了名为《AIR-CONDITIONING SYSTEM ANDAIR-CONDITIONING METHOD》的专利，专利号为WO2011JP5182820110128，介绍了一个通过温度传感器的测量数据来控制室内温度和舒适度的空调系统。韩国的YANG IN HO等人公开了名为《METHOD FOR CONTROLLING INTERNAL TEMPERATURE FALLINGTIME OF BUILDING BY USING INTELLIGENT CONTROL ALGORITHM》的专利，专利号为KR2013000280020130110，通过基于人工神经网络的智能控制算法对建筑物内部的温度下降进行调节。韩国的BYUN JI HYUN公开了名为《AIR CONDITIONER ANDHOME-LEAVE DRIVING METHOD THEREOF》的专利，专利号为KR2013000280020130110，提出了人离开房子后的家居室内温度控制调节算法。
现有的学术论文和专利成果对室内温度的获取和预测都基于温度传感器的测量数据。这类方法可以准确地获取数据，从而进行更精确的控制。在智能家居和室温控制的应用背景下，环境温度主要用来满足用户的舒适感受。舒适度是一个主观的概念，因此对于用户来讲，精确的温度控制是没有必要的。同时，对于大型会议室、剧院等公共场所以及已有建筑中，部署温湿度传感器进行改造成本较高，但估计其环境温度状况却十分重要。
发明内容
本发明的目的旨在至少解决上述的技术缺陷之一。
为此，本发明的目的在于提出一种基于群体冷热抱怨信息的室内温度计算方法。该方法可以根据人群的冷热抱怨预测当前的温度，具有温度预测准确且灵活性高的优点。
本发明的另一个目的在于提出一种基于群体冷热抱怨信息的室内温度计算系统。
为了实现上述目的，本发明的第一方面的实施例公开了一种基于群体冷热抱怨信息的室内温度计算方法，包括以下步骤：采集室内人员的冷/热抱怨信息；根据所述冷/热抱怨信息分别计算冷/热抱怨对应的不满意比率PPD；根据所述冷/热抱怨对应的不满意比率PPD得到预测平均投票数PMV的最终值；根据环境信息和用户信息计算多个室温对应的PMV值，并建立室温-PMV值对应表；以及根据所述PMV的最终值、当前的环境信息以及当前的用户信息查询所述室温-PMV值对应表以得到当前的室内温度。
另外，根据本发明上述实施例的基于群体冷热抱怨信息的室内温度计算方法还可以具有如下附加的技术特征：
在一些示例中，所述冷/热抱怨信息包括：太冷、很冷、冷、太热、很热和热。
在一些示例中，所述根据所述冷/热抱怨信息分别计算冷/热抱怨对应的不满意比率PPD，进一步包括：
根据如下公式得到冷抱怨对应的冷不满意比率PPDc，其中，所述公式为：
PPDc＝c/N，
其中，所述c/N表示冷抱怨的时间占全部时间的比例；
根据如下公式得到热抱怨对应的热不满意比率PPDh，其中，所述公式为：
PPDh＝h/N，
其中，所述h/N表示热抱怨的时间占全部时间的比例。
在一些示例中，所述根据所述冷/热抱怨对应的不满意比率PPD得到预测平均投票数PMV的最终值，进一步包括：
根据如下公式(1)计算冷不满意比率PPDc对应的PMV值，根据如下公式(2)热不满意比率PPDh对应的PMV值，
其中，Ln(x)表示对变量x取以e为底的对数；
计算所述冷不满意比率PPDc和所述热不满意比率PPDh的平均值，得到所述PMV的最终值。
在一些示例中，所述环境信息包括：室温、相对湿度、室内风速、热负荷、对流换热系数、辐射温度和空气中的水蒸气气压，所述用户信息包括：人体新陈代谢率、衣着因素和穿衣指数。
在一些示例中，所述根据环境信息和用户信息计算多个室温对应的PMV值，并建立室温-PMV值对应表，进一步包括：
通过如下公式得到室温对应的PMV值，所述公式为：
PMV＝[0.303exp(-0.036M)+0.028]L，
其中，M为人体新陈代谢率，L为热负荷，L被定义为下式的左右之差：
M - W = 3.96 * 10 - 8 · f cl · [ ( t cl + 273 ) 4 - ( t ‾ r + 273 ) 4 + f cl · h c · ( t cl - t a ) + 305 · [ 5.73 - 0.007 ( M - W ) - p a ] + 0.42 [ ( M - W ) - 58.15 ] + 0.0173 M · ( 5.87 - p a ) + 0.0014 M ( 34 - t a ) ,
其中，fcl为衣着因素，根据穿衣指数Icl得到：
fcl＝1.0+0.2Icl(Icl<0.5clo)
＝1.05+0.1Icl(Icl>0.5clo)，
hc为对流换热系数，由室内风速v、室温ta、衣着表面温度tcl确定：
h c = max { 2.38 ( t cl - t a ) 0.25 , 1.21 v } ,
所述tcl由如下方程求解：
R + C = 3.96 * 10 - 8 &CenterDot; f cl &CenterDot; [ ( t cl + 273 ) 4 - ( t &OverBar; r + 273 ) 4 + f cl &CenterDot; h c &CenterDot; ( t cl - t a )
tcl＝tsk-Icl(R+C)
tsk＝35.7-0.0275(M-W)
其中，为辐射温度，约等于ta，Pa为空气中的水蒸气气压，由室温ta和室内湿度RH确定，其中，Ps为饱和水蒸气，根据如下公式得到：
Pa＝RH*Ps/100。
在一些示例中，所述根据PMV的最终值、当前的环境信息以及当前的用户信息查询所述室温-PMV值对应表以得到当前的室内温度，具体包括：从所述室温-PMV值对应表中查询与所述PMV的最终值相差最小的PMV值对应的室温；根据所述与PMV的最终值相差最小的PMV值对应的室温预测当前的室内温度。
本发明第二方面的实施例公开了一种基于群体冷热抱怨信息的室内温度计算系统，包括：采集模块，用于采集室内人员的冷/热抱怨信息；比率计算模块，用于根据所述冷/热抱怨信息分别计算冷/热抱怨对应的不满意比率PPD；PMV的最终值计算模块，用于根据所述冷/热抱怨对应的不满意比率PPD得到预测平均投票数PMV的最终值；温度PMV反算模块，用于根据环境信息和用户信息计算多个室温对应的PMV值，并建立室温-PMV值对应表，以及根据所述PMV的最终值、当前的环境信息以及当前的用户信息查询所述室温-PMV值对应表以得到当前的室内温度。
本发明的实施例，利用用户在同一时段对环境的冷热抱怨信息反推该时段内环境温度，不需要温度传感器。首先计算人员对于环境不满意的比率，进而得到环境中人员的不满意比率，即PPD，进而反算出当前环境的下人员感受的PMV值。在结合适当的衣着、活动水平等参数，进而反算出环境的温度。本发明的实施例基于室内人群舒适度的温度测量与调控的，根据室内人群反应的冷热抱怨，通过用户的携带的移动终端、工作计算机等不同手段收集到用户在室内环境中的冷热抱怨数据，进而反推出室内温度的分布情况。无需在室内环境控制中使用温度传感器，从而可以降低环境监控改造成本，基于人群冷热抱怨更能发挥人员移动的灵活性，能够更加灵活地收集建筑中不同位置的温度信息。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中，
图1是根据本发明一个实施例的基于群体冷热抱怨信息的室内温度计算方法的总体流程图；
图2是根据本发明一个实施例的基于PMV-PPD模型室温反算流程图；
图3是根据本发明一个实施例的基于PMV-PPD的一种PMV值的计算方法流程图；以及
图4是根据本发明一个实施例的基于群体冷热抱怨信息的室内温度计算系统的结构框图。
具体实施方式
下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
以下结合附图描述根据本发明实施例的基于群体冷热抱怨信息的室内温度计算方法及系统。
图1是根据本发明一个实施例的基于群体冷热抱怨信息的室内温度计算方法的流程图。
如图1所示，根据本发明一个实施例的基于群体冷热抱怨信息的室内温度计算方法，包括如下步骤：
S301：采集室内人员的冷/热抱怨信息。其中，冷/热抱怨信息包括但不限于：太冷、很冷、冷、太热、很热和热。
S302：根据冷/热抱怨信息分别计算冷/热抱怨对应的不满意比率PPD。
作为一个具体的示例，对冷/热抱怨信息进行处理，例如：每四十分钟内有一次冷或热抱怨，则记为一次有效的冷/热抱怨信息。冷抱怨和热抱怨分别计算，得出每天冷和热抱怨的时间占总时间的比例。记为PPD(冷/热)。
例如：根据如下公式得到冷抱怨对应的冷不满意比率PPDc，其中，公式为：
PPDc＝c/N，
其中，c/N表示冷抱怨的时间占全部时间(如一天)的比例。
根据如下公式得到热抱怨对应的热不满意比率PPDh，其中，公式为：PPDh＝h/N，
其中，h/N表示热抱怨的时间占全部时间的比例。
S303：根据冷/热抱怨对应的不满意比率PPD得到预测平均投票数PMV的最终值。
具体地，在根据上一模块计算得到不满意比率之后，根据如下公式反算出PMV的数值。
由于PMV是PPD的偶函数，因此需要根据具体抱怨类型对PMV的符号进行确定。当不满意率为冷感受方向的不满时，那么PMV取负值；当不满意率为热感受不满时，那么PMV取正值。当冷热抱怨同时出现时，可分别计算出对应冷抱怨的PMV值和对应热抱怨的PMV值，然后求得平均来获取PMV的最终值。
例如：根据如下公式(1)计算冷不满意比率PPDc对应的PMV值，根据如下公式(2)热不满意比率PPDh对应的PMV值，
其中，Ln(x)表示对变量x取以e为底的对数；
计算所述冷不满意比率PPDc和所述热不满意比率PPDh的平均值，得到所述PMV的最终值。
S304：根据环境信息和用户信息计算多个室温对应的PMV值，并建立室温-PMV值对应表。
在本发明的一个实施例中，环境信息包括但不限于：室温、相对湿度、室内风速、热负荷、对流换热系数、辐射温度和空气中的水蒸气气压，用户信息包括但不限于：人体新陈代谢率、衣着因素和穿衣指数。
因此，根据环境信息和用户信息计算多个室温对应的PMV值，并建立室温-PMV值对应表，可以通过如下方式得到：
通过如下公式得到室温对应的PMV值，公式为：
PMV＝[0.303exp(-0.036M)+0.028]L，
其中，M为人体新陈代谢率，L为热负荷，L被定义为下式的左右之差：
M - W = 3.96 * 10 - 8 &CenterDot; f cl &CenterDot; [ ( t cl + 273 ) 4 - ( t &OverBar; r + 273 ) 4 + f cl &CenterDot; h c &CenterDot; ( t cl - t a ) + 305 &CenterDot; [ 5.73 - 0.007 ( M - W ) - p a ] + 0.42 [ ( M - W ) - 58.15 ] + 0.0173 M &CenterDot; ( 5.87 - p a ) + 0.0014 M ( 34 - t a ) ,
其中M和W可参考如下表1或同等相关表选取，其中，表1示出了不同典型活动的新陈代谢热量值。
表1
a 1met＝58.1W/m2
其中，fcl为衣着因素，根据穿衣指数Icl得到：
fcl＝1.0+0.2Icl(Icl<0.5clo)
＝1.05+0.1Icl(Icl>0.5clo)，
Icl可采取如下表2或同等表获取，其中，表2示出了典型衣着搭配的绝缘和渗透效率值。
表2
1clo＝0.155m2K/W
hc为对流换热系数，由室内风速v、室温ta、衣着表面温度tcl确定：
h c = max { 2.38 ( t cl - t a ) 0.25 , 1.21 v } ,
所述tcl由如下方程求解：
R + C = 3.96 * 10 - 8 &CenterDot; f cl &CenterDot; [ ( t cl + 273 ) 4 - ( t &OverBar; r + 273 ) 4 + f cl &CenterDot; h c &CenterDot; ( t cl - t a )
tcl＝tsk-Icl(R+C)
tsk＝35.7-0.0275(M-W)
其中，为辐射温度，约等于ta，Pa为空气中的水蒸气气压，由室温ta和室内湿度RH确定，其中，Ps为饱和水蒸气，根据如下公式得到：
Pa＝RH*Ps/100。
S305：根据PMV的最终值、当前的环境信息以及当前的用户信息查询室温-PMV值对应表以得到当前的室内温度。
具体地，从室温-PMV值对应表中查询与PMV的最终值相差最小的PMV值对应的室温；根据与PMV的最终值相差最小的PMV值对应的室温预测当前的室内温度。例如：根据人群的相应信息，如穿衣水平、室内风速等状况来，可以利用数值方法或者遍历搜索的方法来寻找出该PMV下对应的温度，该温度为房间室内温度的估计值。一种比较便捷的方法是将设定区间下的温度，以一定增量遍历，将各个温度加上风速等变量计算出M和L，再计算出其对应的PMV，建立ta(室温)—PMV对应表，再将之前计算得到的PMV代入查询，得到室温的预测值。
以下结合图2和图3对发明实施例的基于群体冷热抱怨信息的室内温度计算方法进行更为详细的描述。
如图2所示，101为对抱怨信息的收集，包括收集用户身份，不满的类型以及所处的位置。将冷热抱怨处理得到PPD为步骤102，将PPD计算得到PMV为步骤103，根据冷热类型不同，采用一定方法求解出等效PMV的过程为104，该过程可以采用例如相加得到全天平均意义下的PMV值为步骤，计算给定温度的PMV值为步骤105，该方法根据气候、衣着等相关信息计算出某一区域的温度，可以采取例如遍历PMV-ta表得到所需的室内空气温度等方法。根据PMV和一定的参数，可以确定房间温度。
图3的给出了一种反算温度的方法案例，这里201和202给出了103和104中的一种实施方式，该方式以采取冷热温度加权计算平均温度，具体做法如下：当得到同一时间的一冷一热两个PMV值后，如果分别代入模型计算，会得到冷热两个温度，与实际值比较后发现实际值为两个温度关于PMV的加权平均。故在计算出冷热对应的PMV后直接相加得到平均意义下的PMV，用平均PMV计算得到平均温度。
新陈代谢率与人从事的活动水平、衣着水平等参数的选取需根据收集数据时时间季节用户状态进行估算，其估算方法可参考ASHRAE标准提供的表格。
下面结合某天对室内人群抱怨样本采集的处理，说明图2计算方法的实施过程。
图2中的步骤101：采集室内人员的对室内温度的抱怨。如表3所示。第一列为信息编号，第二三列为月、日，第四五六列为时分秒。最后两列分别为热、冷抱怨。若某时刻有抱怨，则对应时刻的对应抱怨值设为1，一天中的其他时间每隔十二秒设置设一次空抱怨，即冷热抱怨均为0的信息。
表3
将每天的时间以40分钟划分，每40分钟为一个时间段。若该时间段内有抱怨，则认为该段时间为有效抱怨区段。每天内的有效抱怨区段占全天时间段的比例为当天的冷或热PPD值。表4中前两列为月日，第三列为热抱怨比例，第四列为冷抱怨比例。
表4
图2中的步骤102，103：将冷热PPD值转换成对应的PMV值，并相加得到平均意义下某天之内的PMV值。比如8月30日，热抱怨比例0.125，代入
由热抱怨，知PMV>0，故开方后取正值，PMV_h＝0.77。
计算之后将相同一天的PMV_h和PMV_c相加得到该天的平均PMV值。如表5所示。
第一列为平均PMV，第二三列为PMV_h和PMV_c。
表5
步骤105，203：计算一定温度范围下的PMV值，得到ta(室温)-PMV对应表。具体为根据
PMV＝[0.303exp(-0.036M)+0.028]L，
L = M - W = 3.96 * 10 - 8 &CenterDot; f cl &CenterDot; [ ( t cl + 273 ) 4 - ( t &OverBar; r + 273 ) 4 + f cl &CenterDot; h c &CenterDot; ( t cl - t a ) + 305 &CenterDot; [ 5.73 - 0.007 ( M - W ) - p a ] + 0.42 [ ( M - W ) - 58.15 ] + 0.0173 M &CenterDot; ( 5.87 - p a ) + 0.0014 M ( 34 - t a ) ,
夏季时取M＝1.0met＝58.1W/m2正常办公室活动的新陈代谢率。衣着表面指数取Icl＝0.36或0.57，令办公环境下取做功W＝0。
fcl由下面的式子确定：
fcl＝1.0+0.2Icl(Icl<0.5clo)
＝1.05+0.1Icl(Icl>0.5clo)，
hc表面对流换热系数由室内风速v、温度ta、衣着表面温度tcl确定。
h c = max { 2.38 ( t cl - t a ) 0.25 , 1.21 v } ,
Pa空气中的水蒸气气压由室温ta和室内相对湿度RH确定，这里RH＝40％
Ps＝133.8*exp(18.6686-4030.183/(235+ta))
Pa＝RH*Ps/100
                       ，
将某一室温ta，结合之前确定的相对湿度RH、室内风速v、衣着参数Icl、新陈代谢率M和机械做功M的数值带入上式，可以计算在一定分辨精度下(0.1℃)，常用温度范围内每个温度对应的PMV值从而获得对照表，如表6所示，
表6
1 2 3 4 5 6 7 8 9 10
1 -3.279 -3.244 -3.209 -3.174 -3.139 -3.104 -3.069 -3.034 -2.999 -2.964
2 -2.929 -2.894 -2.859 -2.824 -2.789 -2.754 -2.719 -2.684 -2.649 -2.614
3 -2.579 -2.544 -2.509 -2.474 -2.439 -2.404 -2.368 -2.333 -2.298 -2.263
4 -2.228 -2.193 -2.158 -2.123 -2.088 -2.053 -2.018 -1.983 -1.948 -1.913
5 -1.878 -1.843 -1.808 -1.773 -1.738 -1.703 -1.668 -1.633 -1.598 -1.563
6 -1.528 -1.493 -1.458 -1.423 -1.388 -1.353 -1.318 -1.283 -1.248 -1.213
7 -1.177 -1.142 -1.107 -1.072 -1.037 -1.002 -0.967 -0.932 -0.897 -0.862
8 -0.827 -0.792 -0.757 -0.722 -0.687 -0.653 -0.618 -0.583 -0.548 -0.513
9 -0.478 -0.443 -0.408 -0.373 -0.338 -0.303 -0.268 -0.233 -0.198 -0.163
10 -0.128 -0.094 -0.059 -0.024 0.011 0.046 0.081 0.116 0.150 0.185
11 0.220 0.255 0.290 0.325 0.359 0.394 0.429 0.464 0.498 0.533
12 0.568 0.602 0.637 0.672 0.706 0.741 0.776 0.810 0.845 0.880
13 0.914 0.949 0.983 1.018 1.052 1.087 1.121 1.155 1.190 1.224
14 1.259 1.293 1.327 1.362 1.396 1.430 1.464 1.498 1.533 1.567
15 1.601 1.635 1.669 1.703 1.737 1.770 1.804 1.838 1.872 1.905
16 1.939 1.973 2.006 2.040 2.073 2.106 2.140 2.173 2.206 2.239
17 2.272 2.305 2.338 2.370 2.403 2.435 2.468 2.500 2.532 2.564
18 2.595 2.627 2.658 2.689 2.719 2.749 2.778 2.803 2.827 2.852
19 2.876 2.900 2.924 2.948 2.973 2.997 3.021 3.046 3.070 3.095
20 3.119 3.144 3.168 3.193 3.218 3.242 3.267 3.292 3.316 3.341
步骤203：遍历表格得到PMV所在区间，最近邻插值，找到与给定PMV值相差最少的PMV值所对应的温度，从而得到估计的温度值。
根据本发明实施例的基于群体冷热抱怨信息的室内温度计算方法，利用用户在同一时段对环境的冷热抱怨信息反推该时段内环境温度，不需要温度传感器。首先计算人员对于环境不满意的比率，进而得到环境中人员的不满意比率，即PPD，进而反算出当前环境的下人员感受的PMV值。在结合适当的衣着、活动水平等参数，进而反算出环境的温度。该方法是基于室内人群舒适度的温度测量与调控方法，根据室内人群反应的冷热抱怨，通过用户的携带的移动终端、工作计算机等不同手段收集到用户在室内环境中的冷热抱怨数据，进而反推出室内温度的分布情况。无需在室内环境控制中使用温度传感器，从而可以降低环境监控改造成本，基于人群冷热抱怨更能发挥人员移动的灵活性，能够更加灵活地收集建筑中不同位置的温度信息。
图4是根据本发明一个实施例的基于群体冷热抱怨信息的室内温度计算系统的结构框图。如图4所示，根据本发明一个实施例的基于群体冷热抱怨信息的室内温度计算系统400，包括：采集模块410、比率计算模块420、PMV的最终值计算模块430和温度PMV反算模块440。
其中，采集模块410用于采集室内人员的冷/热抱怨信息。比率计算模块420用于根据所述冷/热抱怨信息分别计算冷/热抱怨对应的不满意比率PPD。PMV的最终值计算模块430用于根据所述冷/热抱怨对应的不满意比率PPD得到预测平均投票数PMV的最终值。温度PMV反算模块440用于根据环境信息和用户信息计算多个室温对应的PMV值，并建立室温-PMV值对应表，以及根据所述PMV的最终值、当前的环境信息以及当前的用户信息查询所述室温-PMV值对应表以得到当前的室内温度。
根据本发明实施例的基于群体冷热抱怨信息的室内温度计算系统，利用用户在同一时段对环境的冷热抱怨信息反推该时段内环境温度，不需要温度传感器。首先计算人员对于环境不满意的比率，进而得到环境中人员的不满意比率，即PPD，进而反算出当前环境的下人员感受的PMV值。在结合适当的衣着、活动水平等参数，进而反算出环境的温度。该系统是基于室内人群舒适度的温度测量与调控的，根据室内人群反应的冷热抱怨，通过用户的携带的移动终端、工作计算机等不同手段收集到用户在室内环境中的冷热抱怨数据，进而反推出室内温度的分布情况。无需在室内环境控制中使用温度传感器，从而可以降低环境监控改造成本，基于人群冷热抱怨更能发挥人员移动的灵活性，能够更加灵活地收集建筑中不同位置的温度信息。
需要说明的是，本发明实施例的基于群体冷热抱怨信息的室内温度计算系统的具体实现方式与本发明实施例基于群体冷热抱怨信息的室内温度计算方法的具体实现方式类似，具体实现请参见方法部分的描述，为了减少冗余，不做赘述。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种基于群体冷热抱怨信息的室内温度计算方法，其特征在于，包括以下步骤：
采集室内人员的冷/热抱怨信息；
根据所述冷/热抱怨信息分别计算冷/热抱怨对应的不满意比率PPD；
根据所述冷/热抱怨对应的不满意比率PPD得到预测平均投票数PMV的最终值；
根据环境信息和用户信息计算多个室温对应的PMV值，并建立室温-PMV值对应表；以及
根据所述PMV的最终值、当前的环境信息以及当前的用户信息查询所述室温-PMV值对应表以得到当前的室内温度。
2.根据权利要求1所述的基于群体冷热抱怨信息的室内温度计算方法，其特征在于，所述冷/热抱怨信息包括：太冷、很冷、冷、太热、很热和热。
3.根据权利要求1所述的基于群体冷热抱怨信息的室内温度计算方法，其特征在于，所述根据所述冷/热抱怨信息分别计算冷/热抱怨对应的不满意比率PPD，进一步包括：
根据如下公式得到冷抱怨对应的冷不满意比率PPDc，其中，所述公式为：
PPDc＝c/N，
其中，所述c/N表示冷抱怨的时间占全部时间的比例；
根据如下公式得到热抱怨对应的热不满意比率PPDh，其中，所述公式为：
PPDh＝h/N，
其中，所述h/N表示热抱怨的时间占全部时间的比例。
4.根据权利要求3所述的基于群体冷热抱怨信息的室内温度计算方法，其特征在于，所述根据所述冷/热抱怨对应的不满意比率PPD得到预测平均投票数PMV的最终值，进一步包括：
根据如下公式(1)计算冷不满意比率PPDc对应的PMV值，根据如下公式(2)热不满意比率PPDh对应的PMV值，
其中，Ln(x)表示对变量x取以e为底的对数；
计算所述冷不满意比率PPDc和所述热不满意比率PPDh的平均值，得到所述PMV的最终值。
5.根据权利要求1所述的基于群体冷热抱怨信息的室内温度计算方法，其特征在于，所述环境信息包括：室温、相对湿度、室内风速、热负荷、对流换热系数、辐射温度和空气中的水蒸气气压，所述用户信息包括：人体新陈代谢率、衣着因素和穿衣指数。
6.根据权利要求5所述的基于群体冷热抱怨信息的室内温度计算方法，其特征在于，所述根据环境信息和用户信息计算多个室温对应的PMV值，并建立室温-PMV值对应表，进一步包括：
通过如下公式得到室温对应的PMV值，所述公式为：
PMV＝[0.303exp(-0.036M)+0.028]L，
其中，M为人体新陈代谢率，L为热负荷，L被定义为下式的左右之差：
M - W = 3.96 * 10 - 8 &CenterDot; f cl &CenterDot; [ ( t cl + 273 ) 4 - ( t r &OverBar; + 273 ) 4 + f cl &CenterDot; h c &CenterDot; ( t cl - t a ) + 3.05 &CenterDot; [ 5.73 - 0.007 ( M - W ) - p a ] + 0.42 [ ( M - W ) - 58.15 ] + 0.0173 M &CenterDot; ( 5.87 - p a ) + 0.0014 M ( 34 - t a ) ,
其中，fcl为衣着因素，根据穿衣指数Icl得到：
fcl＝1.0+0.2Icl(Icl<0.5clo)
＝1.05+0.1Icl(Icl>0.5clo)，
hc为对流换热系数，由室内风速v、室温ta、衣着表面温度tcl确定：
h c = max { 2.38 ( t cl - t a ) 0.25 , 1.21 v } ,
所述tcl由如下方程求解：
R + C = 3.96 * 10 - 8 &CenterDot; f cl &CenterDot; [ ( t cl + 273 ) 4 - ( t r &OverBar; + 273 ) 4 + f cl &CenterDot; h c &CenterDot; ( t cl - t a )
tcl＝tsk-Icl(R+C)
tsk＝35.7-0.0275(M-W)
其中，辐射温度，约等于ta，Pa为空气中的水蒸气气压，由室温ta和室内湿度RH确定，其中，Ps为饱和水蒸气，根据如下公式得到：
Pa＝RH*Ps/100。
7.根据权利要求1所述的基于群体冷热抱怨信息的室内温度计算方法，其特征在于，所述根据PMV的最终值、当前的环境信息以及当前的用户信息查询所述室温-PMV值对应表以得到当前的室内温度，具体包括：
从所述室温-PMV值对应表中查询与所述PMV的最终值相差最小的PMV值对应的室温；
根据所述与PMV的最终值相差最小的PMV值对应的室温预测当前的室内温度。
8.一种基于群体冷热抱怨信息的室内温度计算系统，其特征在于，包括：
采集模块，用于采集室内人员的冷/热抱怨信息；
比率计算模块，用于根据所述冷/热抱怨信息分别计算冷/热抱怨对应的不满意比率PPD；
PMV的最终值计算模块，用于根据所述冷/热抱怨对应的不满意比率PPD得到预测平均投票数PMV的最终值；
温度PMV反算模块，用于根据环境信息和用户信息计算多个室温对应的PMV值，并建立室温-PMV值对应表，以及根据所述PMV的最终值、当前的环境信息以及当前的用户信息查询所述室温-PMV值对应表以得到当前的室内温度。
CN201510251166.5A 2015-05-18 2015-05-18 基于群体冷热抱怨信息的室内温度计算方法及系统 Pending CN104850906A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510251166.5A CN104850906A (zh) 2015-05-18 2015-05-18 基于群体冷热抱怨信息的室内温度计算方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510251166.5A CN104850906A (zh) 2015-05-18 2015-05-18 基于群体冷热抱怨信息的室内温度计算方法及系统

Publications (1)

Publication Number Publication Date
CN104850906A true CN104850906A (zh) 2015-08-19

Family

ID=53850538

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510251166.5A Pending CN104850906A (zh) 2015-05-18 2015-05-18 基于群体冷热抱怨信息的室内温度计算方法及系统

Country Status (1)

Country Link
CN (1) CN104850906A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109899933A (zh) * 2017-12-06 2019-06-18 阿自倍尔株式会社 冷热感报告信息处理装置及方法
CN111854076A (zh) * 2020-07-23 2020-10-30 珠海格力电器股份有限公司 基于室内负荷与舒适度的自调节控制方法及系统
CN111928458A (zh) * 2020-07-24 2020-11-13 重庆大学 基于用户实际热舒适度的室内环境温度控制方法、装置
CN112119263A (zh) * 2018-03-19 2020-12-22 开利公司 用于调节个体区域或共用区域的机器学习方法
CN115031357A (zh) * 2022-05-10 2022-09-09 南京信息工程大学 一种适用于不同类型故障特征的基于新型投票策略的故障诊断方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011203832A (ja) * 2010-03-24 2011-10-13 Toshiba Corp 環境影響評価システム、環境影響評価方法、および環境影響評価用プログラム
CN102736649A (zh) * 2012-06-11 2012-10-17 清华大学 基于个性化人员冷热抱怨的环境温湿度控制方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011203832A (ja) * 2010-03-24 2011-10-13 Toshiba Corp 環境影響評価システム、環境影響評価方法、および環境影響評価用プログラム
CN102736649A (zh) * 2012-06-11 2012-10-17 清华大学 基于个性化人员冷热抱怨的环境温湿度控制方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WEI SHENGXIAN 等: "Field Survey and Analysis of Student Flat Indoor Thermal Environment in Winter", 《2009 INTERNATIONAL CONFERENCE ON ENERGY AND ENVIRONMENT TECHNOLOGY》 *
段培永 等: "基于粒子群优化的室内动态热舒适度控制方法", 《信息与控制》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109899933A (zh) * 2017-12-06 2019-06-18 阿自倍尔株式会社 冷热感报告信息处理装置及方法
CN109899933B (zh) * 2017-12-06 2020-12-15 阿自倍尔株式会社 冷热感报告信息处理装置及方法
CN112119263A (zh) * 2018-03-19 2020-12-22 开利公司 用于调节个体区域或共用区域的机器学习方法
CN111854076A (zh) * 2020-07-23 2020-10-30 珠海格力电器股份有限公司 基于室内负荷与舒适度的自调节控制方法及系统
CN111928458A (zh) * 2020-07-24 2020-11-13 重庆大学 基于用户实际热舒适度的室内环境温度控制方法、装置
CN111928458B (zh) * 2020-07-24 2021-09-07 重庆大学 基于用户实际热舒适度的室内环境温度控制方法、装置
CN115031357A (zh) * 2022-05-10 2022-09-09 南京信息工程大学 一种适用于不同类型故障特征的基于新型投票策略的故障诊断方法

Similar Documents

Publication Publication Date Title
CN104850906A (zh) 基于群体冷热抱怨信息的室内温度计算方法及系统
US10107513B2 (en) Thermodynamic modeling for enclosures
Xu et al. A model-based optimal ventilation control strategy of multi-zone VAV air-conditioning systems
CN102589092B (zh) 基于新型模糊控制器的室内环境热舒适度控制方法
Leephakpreeda Grey prediction on indoor comfort temperature for HVAC systems
US20160274963A1 (en) Equipment evaluation device, equipment evaluation method and non-transitory computer readable medium
US10378805B2 (en) Model predictive control for heat transfer to fluids
Kara et al. Quantifying flexibility of residential thermostatically controlled loads for demand response: a data-driven approach
Nikovski et al. A method for computing optimal set-point schedules for HVAC systems
Ryu et al. Defining the thermal sensitivity (Griffiths constant) of building occupants in the Korean residential context
EP2944891B1 (en) Room temperature estimating device, program
JPWO2014203311A1 (ja) 空調システム制御装置及び空調システム制御方法
JP2011214794A (ja) 空調システム制御装置
CN105511423A (zh) 中央控制装置、设备控制系统及方法
CN110736225B (zh) 空调的控制方法和装置
CN103914612A (zh) 居住环境评价方法以及装置
Liu et al. Hourly occupant clothing decisions in residential HVAC energy management
Zhao et al. Data-driven online energy management framework for HVAC systems: An experimental study
CN113065249B (zh) 一种供热系统供回水温度预测方法及装置
Khalid et al. Energy usage prediction model comparing outdoor vs. indoor ice rinks
CN105264299A (zh) 用于建筑物中气候控制的系统以及方法
CN117190393A (zh) 一种空调温度智能调节方法、装置、设备及介质
Biyik et al. Model predictive building thermostatic controls of small-to-medium commercial buildings for optimal peak load reduction incorporating dynamic human comfort models: Algorithm and implementation
EP2945105A1 (en) Device for estimating thermal characteristics of room, program
Moon et al. A comparative study between thermostat/hygrometer-based conventional and artificial neural network-based predictive/adaptive thermal controls in residential buildings

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20150819