CN110671798A - 一种基于人工智能技术预测热感觉的室内热环境控制系统 - Google Patents
一种基于人工智能技术预测热感觉的室内热环境控制系统 Download PDFInfo
- Publication number
- CN110671798A CN110671798A CN201910909536.8A CN201910909536A CN110671798A CN 110671798 A CN110671798 A CN 110671798A CN 201910909536 A CN201910909536 A CN 201910909536A CN 110671798 A CN110671798 A CN 110671798A
- Authority
- CN
- China
- Prior art keywords
- user
- thermal
- skin temperature
- temperature
- comfortable
- 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
Links
Images
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
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
-
- 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
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
-
- 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
- F24F2110/00—Control inputs relating to air properties
- F24F2110/10—Temperature
-
- 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
- F24F2110/20—Humidity
-
- 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
- F24F2120/10—Occupancy
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种基于人工智能技术预测热感觉的室内热环境控制系统,所述的基于人工基于人工智能技术预测热感觉的室内热环境控制,步骤1.根据推荐舒适温度值设定用户舒适皮肤温度的初始值。利用红外热成像摄像头拍摄用户的红外图像,根据热成像识别皮肤温度。步骤2.若用户通过HMI输入了“太冷”“太热”等热感觉,则相应更新用户皮肤温度的舒适域。
Description
技术领域
本发明属于人工智能家居领域,更具体的说涉及一种一种基于人工智能技术预测热感觉的室内热环境控制。
背景技术
人工智能技术的发展,给建筑室内环境的优化控制带来新的可能性,成为促进智能建筑水平升级的重要技术之一。前的室内环境,采用的是用户通过温度控制器面板自主设定的温度设定值的方法,然而,温度控制器设定值的现场调查显示,超过 50% 的温度设定值,
位于设计手册推荐的舒适温度范围外。这样的温度设定,不仅带来过冷、过热的不舒适感,而且增加了空调系统能耗。
试验表明,基于用户热感觉投票的室内热环境控制比基于用户自主设定温度的控制方式能够节省空调能耗 15% 。为了解决目前室内热环境控制中存在的既不节能,又不舒适的问题,本文提出一种基于人工智能技术预测用户的热感觉、进而根据用户热感觉进行控制,取代现有的用户自主设定温度的控制方法,以期解决现有控制存在的既不节能,又不舒适的问题。
发明内容
本发明通过人工智能技术与智能家居技术相结合,进而根据用户热感觉进行家居空调控制,取代现有的用户自主设定温度的控制方法,以期解决现有控制存在的既不节能,又不舒适的问题。
为了实现上述目的,本发明是通过以下技术方案实现的:步骤1.根据推荐舒适温度值设定用户舒适皮肤温度的初始值,利用红外热成像摄像头拍摄用户的红外图像,根据热成像识别皮肤温度;
步骤2.若用户通过HMI 输入了“太冷”“太热”等热感觉,则相应更新用户皮肤温度的舒适域;
步骤3.随后以一定时间周期,对红外摄像头识别出的用户皮肤温度与用户舒适皮肤温度进行对比,预测用户的热感觉状态及其变化趋势,相应调节室内空气温度设定值,预测性地避免用户产生热不舒适感;
步骤4.空调器控制器根据房间温度的实测值与设定值,根据比例积分微分( PID)算法,调节空调器出力,使室内温度达到设定值范围。
优选的,步骤1.根据推荐舒适温度值设定用户舒适皮肤温度的初始值,利用红外热成像摄像头拍摄用户的红外图像,根据热成像识别皮肤温度,具体方式为利用红外摄像机获取人体面部和颈部的红外成像,通过图像识别获取皮肤温度,利用带有红外传感器的眼镜框,获取用户面部若干测点的皮肤温度;利用普通摄像机获取手部皮肤图像,通过分析皮肤色彩饱和度判断皮肤温度。
优选的,若用户通过HMI 输入了“太冷”“太热”等热感觉,则相应更新用户皮肤温度的舒适域,具体方式如下:
若用户通过HMI 输入了“太冷”“太热”等热感觉,则相应更新用户皮肤温度的舒适域:x1 /x 2 /x 3分别表示热感觉为热 / 冷 / 舒适的用户的数量,通过“大多数原则”确定群组的热状态;
“大多数原则”是指当一个群组中有 N个人时,则数量超过 N/2 的用户为大多数,他们的共同意见将被采纳;
在某些不存在大多数的特殊情况下,如当 x 3 <N/2, x 1 =x 2 ,控制系统将计算每个感觉热 / 冷用户的皮肤温度到其皮肤温度舒适域的距离称为“热偏差”或“冷偏差”,并对所有用户的“冷偏差”或“热偏差”分别求和,最终系统将按照偏差较大的一方调整设定值。
优选的,所说的步骤3确定和更新用户的皮肤温度舒适范围是基于热感觉预测的室内热环境控制系统的核心,当产生用户热感觉信息时,控制系统利用在线学习算法通过用户反馈的热感觉和测量得到的皮肤温度来确定和更新皮肤温度舒适范围;
依据识别和更新个人皮肤温度舒适范围的逻辑及用于预测每个用户的热状态的模糊控制逻辑,可预测得出的个人热状态;
过机器学习得到每个房间用户的热感觉状态之后,通过群组热感觉判断逻辑,确定房间所有用户的整体热感觉状态,然后根据整体热感觉状态,确定房间温度设定值及确定逻辑。
优选的,所述的环境控制系统包括红外热成像摄像头、用户表达热感觉的人机界面、室内温湿度传感器、空气调节装置、人工智能学习软件。
本发明有益效果:
本发明通过人工智能技术与智能家居技术相结合,进而根据用户热感觉进行家居空调控制,取代现有的用户自主设定温度的控制方法,以期解决现有控制存在的既不节能,又不舒适的问题。
附图说明
图1为控制流程图;
图2为群组感觉热感觉判断逻辑图;
图3为房间设备安装示意图。
具体实施方式
下面将结合本发明实施例和附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属本发明保护范围。
如图1所示,步骤1.根据推荐舒适温度值设定用户舒适皮肤温度的初始值。利用红外热成像摄像头拍摄用户的红外图像,根据热成像识别皮肤温度。利用红外摄像机获取人体面部和颈部的红外成像,通过图像识别获取皮肤温度,利用带有红外传感器的眼镜框,获取用户面部若干测点的皮肤温度;利用普通摄像机获取手部皮肤图像,通过分析皮肤色彩饱和度判断皮肤温度。利用普通摄像机获取手部皮肤图像的方法识别皮肤温度精确度较低,距离实际应用尚需进一步的研究。因此本发明采用红外热成像摄像的方法识别用户皮肤温度,其优点是采用无接触测量,不对用户带来不适感。
步骤2.若用户通过HMI 输入了“太冷”“太热”等热感觉,则相应更新用户皮肤温度的舒适域。
步骤3.随后以一定时间周期,对红外摄像头识别出的用户皮肤温度与用户舒适皮肤温度进行对比,预测用户的热感觉状态及其变化趋势,相应调节室内空气温度设定值,预测性地避免用户产生热不舒适感。确定和更新用户的皮肤温度舒适范围是基于热感觉预测的室内热环境控制系统的核心,当产生用户热感觉信息时,控制系统利用在线学习算法通过用户反馈的热感觉和测量得到的皮肤温度来确定和更新皮肤温度舒适范围。依据识别和更新个人皮肤温度舒适范围的逻辑及用于预测每个用户的热状态的模糊控制逻辑,可预测得出的个人热状态。通过机器学习得到每个房间用户的热感觉状态之后,通过图 2 所示的群组热感觉判断逻辑,确定房间所有用户的整体热感觉状态。然后根据整体热感觉状态,确定房间温度设定值及确定逻辑。
图 2 中 x 1 /x 2 /x 3分别表示热感觉为热 / 冷 / 舒适的用户的数量,通过“大多数原则”确定群组的热状态。“大多数原则”是指当一个群组中有 N个人时,则数量超过 N/2 的用户为大多数,他们的共同意见将被采纳。在某些不存在大多数的特殊情况下(如当 x 3 <N/2, x 1 =x 2 )控制系统将计算每个感觉热 / 冷用户的皮肤温度到其皮肤温度舒适域的距离(称为“热偏差”或“冷偏差”),并对所有用户的“冷偏差”或“热偏差”分别求和,最终系统将按照偏差较大的一方调整设定值。
控制系统构成:红外热成像摄像头、用户表达热感觉的人机界面、室内温湿度传感器、空气调节装置。
步骤4.空调器控制器根据房间温度的实测值与设定值,根据比例积分微分( PID)算法,调节空调器出力,使室内温度达到设定值范围。
实施例2:该试验台房间面积为 19.74 m 2,长 4.7 m 宽4.2 m,北侧墙体为外墙并设有外窗。房间内设有桌、椅等普通办公设施模拟群组办公情景,可容纳3人同时办公。试验台设有空调设备与控制系统所需设备。试验台平面图如图 3 所示:
典型的控制过程为:
根据典型控制过程的时间序列,可总结出以下结果。
(1)在试验过程中室内空气温度被控制在设定值范围内。
(2)室内温度设定值范围是由室内用户的热舒适模型决定的,该模型是由红外摄像头获得的皮肤温度和用户输入的热感觉反馈获得的。
(3)当室内用户的皮肤温度变化时,该基于预测的控制系统会发挥作用,并且智能地改变环境温度设定范围。
在该控制系统中使用机器学习方法来确定用户的皮肤温度舒适范围,并且使用模糊控制逻辑来预测用户的热状态并调整室温设定值。为了验证该控制方法的有效性,搭建了试验台并进行了一系列试验,结果显示用户满意率较高,满意度评价达到 97%,并且随着皮肤温度舒适域的机器学习过程的完成,用户冷热抱怨次数显著降低,减少了对用户工作的干扰,提高了用户的舒适度。
最后说明的是,以上优选实施例仅用于说明本发明的技术方案,而非限制尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解可以在形式上和细节上对其做出各种改变,而不偏离本发明的保护范围。
Claims (5)
1.一种基于人工智能技术预测热感觉的室内热环境控制系统,其特征在于:步骤1.根据推荐舒适温度值设定用户舒适皮肤温度的初始值,利用红外热成像摄像头拍摄用户的红外图像,根据热成像识别皮肤温度;
步骤2.若用户通过HMI 输入了“太冷” “太热” 等热感觉,则相应更新用户皮肤温度的舒适域;
步骤3.随后以一定时间周期,对红外摄像头识别出的用户皮肤温度与用户舒适皮肤温度进行对比,预测用户的热感觉状态及其变化趋势,相应调节室内空气温度设定值,预测性地避免用户产生热不舒适感;
步骤4.空调器控制器根据房间温度的实测值与设定值, 根据比例积分微分( PID)算法,调节空调器出力,使室内温度达到设定值范围。
2.根据权利要求1所述的一种基于人工智能技术预测热感觉的室内热环境控制系统,其特征在于:步骤1.根据推荐舒适温度值设定用户舒适皮肤温度的初始值,利用红外热成像摄像头拍摄用户的红外图像,根据热成像识别皮肤温度,具体方式为利用红外摄像机获取人体面部和颈部的红外成像,通过图像识别获取皮肤温度,利用带有红外传感器的眼镜框,获取用户面部若干测点的皮肤温度;利用普通摄像机获取手部皮肤图像,通过分析皮肤色彩饱和度判断皮肤温度。
3.根据权利要求1所述的一种基于人工智能技术预测热感觉的室内热环境控制系统,其特征在于:若用户通过HMI 输入了“太冷” “太热” 等热感觉,则相应更新用户皮肤温度的舒适域,具体方式如下:
若用户通过HMI 输入了“太冷” “太热” 等热感觉,则相应更新用户皮肤温度的舒适域:x 1 /x 2 /x 3分别表示热感觉为热 / 冷 / 舒适的用户的数量,通过“大多数原则”确定群组的热状态;
“大多数原则”是指当一个群组中有 N个人时,则数量超过 N/2 的用户为大多数, 他们的共同意见将被采纳;
在某些不存在大多数的特殊情况下,如当 x 3 <N/2, x 1 =x 2 ,控制系统将计算每个感觉热 / 冷用户的皮肤温度到其皮肤温度舒适域的距离称为“热偏差” 或“冷偏差”,并对所有用户的“冷偏差”或“热偏差”分别求和,最终系统将按照偏差较大的一方调整设定值。
4.根据权利要求1所述的一种基于人工智能技术预测热感觉的室内热环境控制系统,其特征在于:所说的步骤3确定和更新用户的皮肤温度舒适范围是基于热感觉预测的室内热环境控制系统的核心,当产生用户热感觉信息时,控制系统利用在线学习算法通过用户反馈的热感觉和测量得到的皮肤温度来确定和更新皮肤温度舒适范围;
依据识别和更新个人皮肤温度舒适范围的逻辑及用于预测每个用户的热状态的模糊控制逻辑,可预测得出的个人热状态;
过机器学习得到每个房间用户的热感觉状态之后,通过群组热感觉判断逻辑,确定房间所有用户的整体热感觉状态,然后根据整体热感觉状态,确定房间温度设定值及确定逻辑。
5.根据权利要求以上任意一条权利要求所述的一种基于人工智能技术预测热感觉的室内热环境控制系统,其特征在于:所述的环境控制系统包括红外热成像摄像头、用户表达热感觉的人机界面、室内温湿度传感器、空气调节装置、人工智能学习软件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910909536.8A CN110671798A (zh) | 2019-09-25 | 2019-09-25 | 一种基于人工智能技术预测热感觉的室内热环境控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910909536.8A CN110671798A (zh) | 2019-09-25 | 2019-09-25 | 一种基于人工智能技术预测热感觉的室内热环境控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110671798A true CN110671798A (zh) | 2020-01-10 |
Family
ID=69079183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910909536.8A Pending CN110671798A (zh) | 2019-09-25 | 2019-09-25 | 一种基于人工智能技术预测热感觉的室内热环境控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110671798A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111674225A (zh) * | 2020-05-12 | 2020-09-18 | 浙江吉利汽车研究院有限公司 | 热舒适性可视化及调整方法、系统 |
US20200348038A1 (en) | 2019-07-12 | 2020-11-05 | Johnson Controls Technology Company | Hvac system design and operational tool for building infection control |
CN112229045A (zh) * | 2020-10-23 | 2021-01-15 | 深圳市华创智能工程技术有限公司 | 一种矩阵切换系统的智能温度控制方法、装置和系统 |
CN113031117A (zh) * | 2021-03-11 | 2021-06-25 | 哈尔滨工业大学 | 一种基于热图像分析的城市开放空间室外人体热舒适预测方法 |
CN113093839A (zh) * | 2021-02-24 | 2021-07-09 | 青岛理工大学 | 一种基于热感觉识别的多维个性化热环境控制方法及系统 |
CN113339950A (zh) * | 2021-05-31 | 2021-09-03 | 青岛海信日立空调系统有限公司 | 空调控制系统 |
US11274842B2 (en) | 2019-07-12 | 2022-03-15 | Johnson Controls Tyco IP Holdings LLP | Systems and methods for optimizing ventilation, filtration, and conditioning schemes for buildings |
US11714393B2 (en) | 2019-07-12 | 2023-08-01 | Johnson Controls Tyco IP Holdings LLP | Building control system with load curtailment optimization |
US11761660B2 (en) | 2019-01-30 | 2023-09-19 | Johnson Controls Tyco IP Holdings LLP | Building control system with feedback and feedforward total energy flow compensation |
US11960261B2 (en) | 2019-07-12 | 2024-04-16 | Johnson Controls Tyco IP Holdings LLP | HVAC system with sustainability and emissions controls |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0532117A (ja) * | 1991-07-26 | 1993-02-09 | Toyota Central Res & Dev Lab Inc | 空調制御装置 |
JP2013204965A (ja) * | 2012-03-29 | 2013-10-07 | Panasonic Corp | 機器制御装置、機器制御システムおよびプログラム |
CN105659179A (zh) * | 2013-08-21 | 2016-06-08 | 霍尼韦尔国际公司 | 用于与hvac控制器相交互的设备和方法 |
CN109682032A (zh) * | 2017-10-18 | 2019-04-26 | 清华大学 | 空调控制装置 |
-
2019
- 2019-09-25 CN CN201910909536.8A patent/CN110671798A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0532117A (ja) * | 1991-07-26 | 1993-02-09 | Toyota Central Res & Dev Lab Inc | 空調制御装置 |
JP2013204965A (ja) * | 2012-03-29 | 2013-10-07 | Panasonic Corp | 機器制御装置、機器制御システムおよびプログラム |
CN105659179A (zh) * | 2013-08-21 | 2016-06-08 | 霍尼韦尔国际公司 | 用于与hvac控制器相交互的设备和方法 |
CN109682032A (zh) * | 2017-10-18 | 2019-04-26 | 清华大学 | 空调控制装置 |
Non-Patent Citations (1)
Title |
---|
陈庆财等: "一种基于人工智能技术预测热感觉的室内热环境控制", 《建筑技术》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11761660B2 (en) | 2019-01-30 | 2023-09-19 | Johnson Controls Tyco IP Holdings LLP | Building control system with feedback and feedforward total energy flow compensation |
US11274842B2 (en) | 2019-07-12 | 2022-03-15 | Johnson Controls Tyco IP Holdings LLP | Systems and methods for optimizing ventilation, filtration, and conditioning schemes for buildings |
US11131473B2 (en) | 2019-07-12 | 2021-09-28 | Johnson Controls Tyco IP Holdings LLP | HVAC system design and operational tool for building infection control |
US11269306B2 (en) | 2019-07-12 | 2022-03-08 | Johnson Controls Tyco IP Holdings LLP | HVAC system with building infection control |
US11714393B2 (en) | 2019-07-12 | 2023-08-01 | Johnson Controls Tyco IP Holdings LLP | Building control system with load curtailment optimization |
US20200348038A1 (en) | 2019-07-12 | 2020-11-05 | Johnson Controls Technology Company | Hvac system design and operational tool for building infection control |
US11913655B2 (en) | 2019-07-12 | 2024-02-27 | Johnson Controls Tyco IP Holdings LLP | Systems and methods for optimizing ventilation, filtration, and conditioning schemes for buildings |
US11960261B2 (en) | 2019-07-12 | 2024-04-16 | Johnson Controls Tyco IP Holdings LLP | HVAC system with sustainability and emissions controls |
CN111674225A (zh) * | 2020-05-12 | 2020-09-18 | 浙江吉利汽车研究院有限公司 | 热舒适性可视化及调整方法、系统 |
CN112229045A (zh) * | 2020-10-23 | 2021-01-15 | 深圳市华创智能工程技术有限公司 | 一种矩阵切换系统的智能温度控制方法、装置和系统 |
CN112229045B (zh) * | 2020-10-23 | 2021-12-31 | 深圳市华创智能工程技术有限公司 | 一种矩阵切换系统的智能温度控制方法、装置和系统 |
CN113093839A (zh) * | 2021-02-24 | 2021-07-09 | 青岛理工大学 | 一种基于热感觉识别的多维个性化热环境控制方法及系统 |
CN113031117A (zh) * | 2021-03-11 | 2021-06-25 | 哈尔滨工业大学 | 一种基于热图像分析的城市开放空间室外人体热舒适预测方法 |
CN113339950A (zh) * | 2021-05-31 | 2021-09-03 | 青岛海信日立空调系统有限公司 | 空调控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110671798A (zh) | 一种基于人工智能技术预测热感觉的室内热环境控制系统 | |
Park et al. | LightLearn: An adaptive and occupant centered controller for lighting based on reinforcement learning | |
Jazizadeh et al. | User-led decentralized thermal comfort driven HVAC operations for improved efficiency in office buildings | |
Gao et al. | SPOT: a smart personalized office thermal control system | |
Jazizadeh et al. | Human-building interaction framework for personalized thermal comfort-driven systems in office buildings | |
TWI546506B (zh) | 環境舒適度控制系統及其控制方法 | |
US11598548B2 (en) | Device for estimating drowsiness of a user based on image and environment information | |
US20160320081A1 (en) | Method and System for Personalization of Heating, Ventilation, and Air Conditioning Services | |
CN106796043B (zh) | 温度控制方法和装置 | |
US11248820B2 (en) | Air conditioning control device to control air conditioner based on comfortable skin temperature range | |
Turhan et al. | Development of a personalized thermal comfort driven controller for HVAC systems | |
CN102866684A (zh) | 基于用户舒适感的室内环境集成控制系统及方法 | |
JP2011038718A (ja) | 人為的操作を許容できる建築物省エネルギーシステム | |
CN109682043A (zh) | 一种基于人体热舒适机理的适温适湿环境控制系统 | |
WO2014167836A1 (ja) | 空気環境調整システム、制御装置 | |
He et al. | Meeting thermal needs of occupants in shared space with an adjustable thermostat and local heating in winter: An experimental study | |
CN110578961A (zh) | 壁挂炉控制方法、控制设备、壁挂炉及计算机存储介质 | |
Kane | Modeling human-in-the-loop behavior and interactions with HVAC systems | |
JPH04131643A (ja) | 総合環境創出システム | |
JP2013061108A (ja) | 空調制御システム | |
CN108591103A (zh) | 风扇风速控制方法系统和风扇 | |
Zhao et al. | Thermal sensation and occupancy-based cooperative control method for multi-zone VAV air-conditioning systems | |
JP2002022238A (ja) | 快適感評価装置及び空調制御装置 | |
US20230288089A1 (en) | Method and system for controlling building environmental control system | |
CN106288150B (zh) | 一种基于空调遥控器的温度调节方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200110 |
|
RJ01 | Rejection of invention patent application after publication |