CN108613332A - 一种节能型建筑微区域人员交互式热舒适度调节方法 - Google Patents

Abstract

本发明公开了一种节能型建筑微区域人员交互式热舒适度调节方法，包括：将建筑物划分微区域；对划分的微区域内采集若干个用户热舒适意愿温度；将所述每个用户热舒适意愿温度加上用户热感觉标度作为反馈输入，进行训练和学习获得微区域内用户平均热舒适意愿温度并计算其方差；监测微区域环境温度，连同用户平均热舒适意愿温度及其方差作为建立的热舒适行为模型的输入，并利用联合凸优化算法对模型中热收益函数和热成本达到最优化平衡求解计算，得到最优解并根据最优解进行HVAC自适应调节，直至用户热舒适收益达到设定阈值后结束。本发明在优化用户热舒适效益的同时能够有效使用电能，达到节能的目的。

Description

一种节能型建筑微区域人员交互式热舒适度调节方法

技术领域

本发明涉及一种节能型建筑微区域人员交互式热舒适度调节方法，属于HVAC调节系统的技术领域。

背景技术

智能建筑能够有效提升用户生活质量，改善环境。智能建筑的一个基本特点是可以对其内部的智能设备进行监控来实现各种目的，其中之一就是提供决策支持工具来辅助用户在使用电能时做出有效的节能决策。用户的热舒适性依赖于很多因素，包括主观方面(如穿着衣物，对环境的预期态度等)和客观方面(如室内外温度，湿度)，通用的热舒适模型很难满足所有人的要求，将用户意愿的动态过程纳入热舒适模型中，才能确保较高的用户热舒收益。

在提供HVAC系统的智能建筑中，用户对热舒适的满意程度与节能有一种天然的矛盾，如何在最优电能利用率和用户感知到的热舒适之间获得一个较好的平衡是需要解决的问题。

在分析建筑物热属性特征时，需要实际温度测量值和用户热意愿反馈数据。从节能方面考虑，最简便的办法是直接切换HVAC开关。如果直接依赖传感器来进行HVAC调控，其效果会受制于传感器较低的性价比。而在IoT中，温度的调节可以参考用户的热意愿温度，将会提升用户热舒适效果。因此，现有的HVAC调控系统中，无法结合区域下用户的热意愿温度、环境温度参数对热舒适度进行自适应调节，导致系统的调节功能低下。

发明内容

本发明所要解决的技术问题在于克服现有技术的不足，提供一种节能型建筑微区域人员交互式热舒适度调节方法，解决现有的HVAC调控系统中，无法结合区域下用户的热意愿温度、环境温度参数对热舒适度进行自适应调节的问题。在微区域内收集区域内用户热舒适意愿温度，从而计算微区域内的用户热舒适意愿，以热舒适度交互感知的方式进行HVAC控制。

本发明具体采用以下技术方案解决上述技术问题：

一种节能型建筑微区域人员交互式热舒适度调节方法，包括以下步骤：

将建筑物划分成若干个微区域；

对划分的每个微区域内采集若干个用户热舒适意愿温度；

将所述每个用户热舒适意愿温度加上设定的用户热感觉标度作为反馈输入，进行训练和学习获得微区域内用户平均意愿温度，并计算得到在设定时间段内用户平均热舒适意愿温度的方差；

对微区域环境温度进行监测获得室内外实时温度，连同用户平均热舒适意愿温度及其方差作为建立的热舒适行为模型的输入，并利用联合凸优化算法对模型中热收益函数和热成本达到最优化平衡求解计算，得到最优解并根据最优解进行HVAC自适应调节，直至用户热舒适收益达到设定阈值后结束。

进一步地，作为本发明的一种优选方案，所述方法中获得微区域内用户平均热舒适意愿温度采用公式：

其中，T_p是用户热舒适意愿温度，T_f是用户热感觉标度；参数α∈{0,1}。

进一步地，作为本发明的一种优选方案，所述方法中并利用联合凸优化算法对模型求解计算包括：

确定电能成本及切换时间与该过程中的功耗及电价的比例关系；

定义为与用户平均热舒适意愿温度的方差成反比的高斯函数作为个热收益函数；

结合所述热收益函数和电能成本建立联合凸优化模型，并求解得到热收益函数和热成本达到最优化平衡的最优解。

本发明采用上述技术方案，能产生如下技术效果：

本发明的方法，将建筑物按照建筑内个人活动区域来划分微区域，实现更细粒度的热舒适度调控；利用建筑物微区域内人员的智能移动手机等终端，收集用户的热舒适意愿温度，最终计算得到的平均意愿温度比较接近用户的需求；联合凸优化算法最终使得用户的热舒适收益达到最大化，在满足用户热舒适度要求的同时提升智能建筑能效。用输入的数据来训练系统并学习生成与用户意愿尽可能接近的建筑物热舒适分析，该分析能够动态适应环境参数及用户行为的变化。建立热舒适行为模型，通过为热舒适度设置最小和最大边界，并利用热收益函数和热成本的凸优化算法，在微区域内实现热舒适度的自适应调控。该方法在优化用户热舒适效益的同时能够有效使用电能，达到节能的目的。

附图说明

图1为本发明方法运用的HVAC控制系统架构图。

图2为本发明HVAC控制系统中交互层的管理示意图。

图3为本发明方法的流程示意图。

具体实施方式

下面结合说明书附图对本发明的实施方式进行描述。

如图1所示，给出了本发明方法所采用的热舒适交互感知的HVAC控制系统架构，系统是一个以用户为中心、面向服务的四层网络结构。最底层是联网设备，包括各种接入Internet的用户智能手机和分析处理服务器；第二层是交互感知层，由用户智能手机和分析处理服务器之间交互获取各用户热舒适意愿温度，以及HVAC控制模块对环境温度进行实时监测和检测数据交互；第三层是数据汇聚层，汇聚微区域用户的热舒适意愿温度和环境温度数据；第四层是分析处理层，用于对用户的热舒适意愿温度进行训练和学习，生成满足用户热舒适要求的平均热舒适意愿结果。另外结合环境温度，计算热收益和热成本的最优化结果。在该总体框架下，热舒适交互感知的HVAC控制算法必须能够基于用户反馈的信息来评估用户热舒适意愿温度。从用户智能移动手机上收集的信息用来分析微区域内的平均意愿温度。

在所述交互感知层中，其原理如图2所示，分析处理服务器和智能手机主要进行与各种系统模块之间的交互，以及设备之间的交互。其中分析处理服务器与智能手机之间主要进行人员热舒适交互感知，与用户之间通过智能手机进行交互，获取用户意愿温度。交互感知的HVAC控制模块需要对环境温度进行实时监测，通过热舒适行为模型进行热舒适交互感知下的HVAC控制，从而实现人员交互式热舒适度自适应调节。

该系统实施过程大致分为热舒适度交互感知和热舒适度自适应调节两个阶段。热舒适度交互感知阶段，用户通过智能手机与分析处理服务器交互感应，在服务器端对数据进行汇聚，而后计算出用户平均热舒适意愿温度；在热舒适度自适应调节阶段，基于室内外温度的实时监控和用户平均热舒适意愿温度建立热舒适行为模型，结合联合凸优化模型进行热舒适度自适应调节，直至用户热舒适收益达到设定阈值后结束。

在系统基础上，本发明提出的一种节能型建筑微区域人员交互式热舒适度调节方法,如图3所示，该方法具体包括以下步骤：

步骤1、将建筑物按照建筑内个人活动区域划分微区域，使得建筑物根据需要划分成多个微区域。

步骤2、利用建筑物微区域内人员的智能移动手机端，对划分的每个微区域内采集若干个用户热舒适意愿温度，并汇聚传输至分析处理服务器中。

步骤3、分析处理服务器将所述每个用户热舒适意愿温度加上设定的用户热感觉标度作为反馈输入，进行训练和学习获得微区域内用户平均热舒适意愿温度，并计算得到在设定时间段内用户平均热舒适意愿温度的方差。

在分析用户对热舒适的意见时，需要设计用户在热环境中的体验等级，采用国际标准设定的七级ASHRAE热感觉标度，其标度从-3到+3，可以被用作热舒适度的量化评估指数。每个用户的热感觉标度加上其热舒适意愿温度作为反馈输入，进行训练和学习，最终获得微区域内用户的平均热舒适意愿温度。为了简化计算，先直接从微区域内用户的意愿温度值T_p和热感觉标度T_f计算平均意愿温度：

其中，参数α∈{0,1}，用来对用户平均意愿温度进行校正调节。

由此，根据平均热舒适意愿温度可得到其方差为

步骤4、为了建立热舒适行为模型，需要对微区域环境真实温度进行监测，以判断该区域离平均意愿温度的差异大小。即利用HVAC系统中温度传感器检测微区域环境温度，获得室内外实时温度，连同用户平均意愿温度及其方差作为建立的热舒适行为模型的输入，并利用联合凸优化算法对模型中热收益函数和热成本达到最优化平衡求解计算，得到最优解并根据最优解进行HVAC自适应调节，直至用户热舒适收益达到设定阈值后结束。具体如下：

对微区域环境真实温度进行监测，该热舒适行为模型原理是：系统测量当前室内温度。如果当前温度和平均热舒适意愿温度不一样，就开始启动HVAC来调节温度。系统还需要持续找出开关HVAC的时刻，以减小能耗，同时最大化用户热收益。

然后，基于温度测量获得一定时间段{t_s,t_e}内的温度方差统计，将其与平均热舒适意愿温度及其方差、室内外温湿度值和HVAC操作模式(开、关、冷、热、送风、除湿)相结合，得到热舒适行为模型。

利用联合凸优化算法对模型中热收益函数和热成本达到最优化平衡求解计算，即实现热舒适度和热成本的最优平衡需要进行联合优化计算。首先，在HVAC调节过程中，确定电能成本C_e及切换时间t与该过程中的功耗p_t及电价C_ep有如下比例关系：

C_e＝C_ep·p_t

为了尽可能提升用户的热舒适性，利用一个热收益函b_thermal数来表示用户在时间t的热舒适度，将该函数定义为一个与成反比的高斯函数：

其中T_m为当前微区域的温度。未来时刻的温度是基于过去一段时间收集的室内外温度数据来进行的估计，这些数据可以追踪智能建筑的热动态。当用户给系统反馈热舒适意见时，b_thermal要作相应修改。用户对微区域的温度意愿对该区域的平均意愿温度有直接影响。

然后，热收益函数和热成本达到最优化平衡的过程可以用一个联合凸优化模型来表述：

s.t.γ＜＞0if t_s＜t＜t_e

0<β＜1

其中γ是与电能成本有关的变量，在HVAC mode-on＝1时γ＝1。β是在成本和收益之间进行权衡的权重参数。参数t_s为调控起始时间，t_e是调控结束时间。假如温度参数(包括T_m、T^ap)、C_e或γ被检测出连续变化，则要重新计算操作HVAC的时间。在该模型中，b_thermal作为凸函数的消减项，是与热成本成反比的，因此最小化热成本即可最大化热收益。由此，可求解得到热收益函数和热成本达到最优化平衡的最优解。

本发明方法的节能主要体现在两点，首先是对HVAC操作时间的控制上，热舒适行为模型确保在最合适的时机进行操作；其次，联合凸优化模型可以最小化热成本，实现节能的目的。而用户热收益最优化是通过对用户热收益函数设置一个阈值，可以通过反馈调试法来确定合理的阈值，HVAC自适应调节的结果必须保证热收益函数达到阈值以上才算满足要求。使得基于室内外温度的实时监控和用户平均意愿温度建立热舒适行为模型，结合联合凸优化模型进行热舒适度自适应调节，在调控过程中控制的时间和温度通过优化函数来确定，可以达到节能的效果，直至用户热舒适收益达到设定阈值后结束。HVAC自适应调节可为调控温度的时间和大小，其调节的具体数值在计算中获得，可通过逐步增加|t_e-t_s|的方式来提升优化速度。

综上，本发明方法在智能建筑中对区域进行微区域划分，并根据用户的意愿温度来调节微区域内温度，将会提升用户热舒适效果。通过优化函数来控制HVAC运行时间和温度，能达到节能的效果。本发明从用户的角度出发，在微区域内通过与成员进行热舒适度交互，并建立热舒适行为模型，对HVAC系统进行控制，再利用最优化技术来实现热舒适度和能效之间的最优平衡，在满足用户热舒适度要求的同时提升智能建筑能效，实现更细粒度的热舒适度调控。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (7)

1.一种节能型建筑微区域人员交互式热舒适度调节方法，其特征在于，包括以下步骤：

将建筑物划分成若干个微区域；

对划分的每个微区域内采集若干个用户热舒适意愿温度；

将所述每个用户热舒适意愿温度加上设定的用户热感觉标度作为反馈输入，进行训练和学习获得微区域内用户平均意愿温度，并计算得到在设定时间段内用户平均热舒适意愿温度的方差；

对微区域环境温度进行监测获得室内外实时温度，连同用户平均热舒适意愿温度及其方差作为建立的热舒适行为模型的输入，并利用联合凸优化算法对模型中热收益函数和热成本达到最优化平衡求解计算，得到最优解并根据最优解进行HVAC自适应调节，直至用户热舒适收益达到设定阈值后结束。

2.根据权利要求1所述节能型建筑微区域人员交互式热舒适度调节方法，其特征在于，所述方法中获得微区域内用户平均热舒适意愿温度采用公式：

其中，T_p是用户热舒适意愿温度，T_f是用户热感觉标度；参数α∈{0,1}。

3.根据权利要求1所述节能型建筑微区域人员交互式热舒适度调节方法，其特征在于，所述方法中并利用联合凸优化算法对模型求解计算包括：

确定电能成本及切换时间与该过程中的功耗及电价的比例关系；

定义一个与用户平均热舒适意愿温度的方差成反比的高斯函数作为热收益函数；

结合所述热收益函数和电能成本建立联合凸优化模型，并求解得到热收益函数和热成本达到最优化平衡的最优解。

4.根据权利要求3所述节能型建筑微区域人员交互式热舒适度调节方法，其特征在于，所述方法中确定电能成本C_e与该过程中的功耗p_t及电价C_ep的比例关系采用公式：

C_e＝C_ep·p_t。

5.根据权利要求3所述节能型建筑微区域人员交互式热舒适度调节方法，其特征在于，所述方法中定义的热收益函数b_thermal具体为：

其中，T_m为当前微区域室内外实时温度；为用户平均热舒适意愿温度的方差；T^ap为温度参数。

6.根据权利要求3所述节能型建筑微区域人员交互式热舒适度调节方法，其特征在于，所述方法中建立的联合凸优化模型具体为：

s.t.γ＜＞0if t_s＜t＜t_e

0<β＜1

其中，β是在成本和收益之间的权重参数；γ是与电能成本关联的变量；C_e是电能成本；b_thermal是热收益函数；参数t_s是调控起始时间，参数t_e是调控结束时间；t是切换时间。

7.根据权利要求1所述节能型建筑微区域人员交互式热舒适度调节方法，其特征在于，所述方法采用移动手机采集若干个用户热舒适意愿温度。