CN112923530B - 基于人体热感觉的智能温控方法及系统 - Google Patents
基于人体热感觉的智能温控方法及系统 Download PDFInfo
- Publication number
- CN112923530B CN112923530B CN202110099802.2A CN202110099802A CN112923530B CN 112923530 B CN112923530 B CN 112923530B CN 202110099802 A CN202110099802 A CN 202110099802A CN 112923530 B CN112923530 B CN 112923530B
- Authority
- CN
- China
- Prior art keywords
- temperature
- capmv
- air
- thermal
- indoor
- 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.)
- Active
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
- F24F11/52—Indication arrangements, e.g. displays
- F24F11/523—Indication arrangements, e.g. displays for displaying temperature 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
- F24F11/61—Control or safety arrangements characterised by user interfaces or communication using timers
-
- 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
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
-
- 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
- F24F2110/12—Temperature of the outside air
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开一种基于人体热感觉的智能温控系统及方法,方法包括步骤:根据用户预设信息和室内外空气温度历史数据,量化综合热经历温度值;根据热经历温度值计算CaPMV模型值;根据CaPMV模型值调控室内温度。本发明综合考虑自然通风热经历、供暖空调热经历及室外气温热经历的量化指标和方法,弥补现有基于PMV指标的智能控制空调系统只考虑了客观热物理参数而未考虑人群热经历影响的不足,可以更准确评价人群多样化热经历情况下的供暖空调热环境舒适性,为夏热冬冷等地区具有分散式和间歇式特征的供暖空调系统控制提供科学依据。
Description
技术领域
本发明涉及空调温度控制技术领域,尤其涉及基于人体热感觉的智能空调温控方法及系统。
背景技术
由于现代人类大部分时间都待在室内,建筑室内的热舒适水平好坏就与人们生活工作的良好状态息息相关。人体的热舒适不仅仅受到温度的影响,还受到湿度、风速、辐射温度等其他因素影响。因此,早在1960年前后,Fanger提出了PMV(Predicted Mean Vote)指标模型,用来基于热环境等物理参数来预测平均人群的热舒适水平,之后被广泛的用于室内热舒适的评价以及智能建筑控制系统。由于不同气候区及季节的室内外热环境具有多样性,人员长期生活一定热经历差异的环境中,形成了相应不同程度的生理适应性。因此,许多学者发现在自然热环境热经历下的人体适应性是影响热舒适水平的一个重要因素,从而提出了适用性热舒适模型,用于自然通风建筑的热舒适评价方法与调控系统。
传统的基于热感觉预测的室内温度智能控制方法如基于PMV指标没有考虑人体热经历因素的影响,只适合于集中供冷供暖环境的热舒适评价与温度控制。而现有适应性热舒适模型方法虽然考虑了人体热经历,但仅仅基于室外温度值来评价和调控室内温度,没有考虑室内供暖空调热经历的影响,只适用于自然通风建筑的热环境评价。对于非集中式的供暖空调环境,人体热经历受到室内外多样化热环境的影响而具有多样性,而现有技术还缺乏对此的准确热舒适评价和系统控制方法。具体来说,对于具有不同供暖空调及室外综合热经历的人群,现在技术缺乏人体热经历的科学量化方法,以及相应基于人体热经历量化值的室内供冷供暖调控系统产品和控制方法。
发明内容
本发明提供一种基于人体热感觉的智能空调温控系统机方法,综合考虑自然通风热经历、供暖空调热经历及室外气温热经历的量化指标和方法,弥补现有智能控制空调系统的不足,可以更准确评价多样化情况下的供暖空调热环境,为夏热冬冷地区的供暖调控提供依据,并为不同地区的供暖空调系统调控及热感觉评价提供参考。
为实现上述技术目的,本发明采用的一些实施方案包括:
本发明提供一种基于人体热感觉的智能温控方法,包括以下步骤:
S1,根据用户预设信息和室内外空气温度历史数据,量化综合热经历温度值;
S2,根据热经历温度值计算CaPMV(Cold-adaptive Predicted Mean Vote)模型值;
S3,根据CaPMV模型值调控室内温度。
作为本发明的优选方案之一,步骤S1具体包括:
S11,获取用户输入或选择的预设信息,预设信息包括过去N天内的给定时间段,用户在给定时间段内的平均室外活动时间hout、平均在空调或供暖室内的活动时间hac和平均在无空调且无供暖的室内活动时间hnv;其中,给定时间段为Nd日或Nh小时,其中N≥1,Nd≥1,Nh≥1;
S12,获取室内外空气温度历史记录,包括过去给定时间段,用户所在的供暖或空调房间的平均温度Ta,AC、在无供暖且无空调房间的时间加权平均温度Trm,NV和室外环境时间加权平均温度Trm,out;
S13,计算热经历温度值Tth:
其中,H为给定时间段包含的小时数,一天为24小时,ωx为权重系数(x=1,2,3),ω1+ω2+ω3=1。
作为本发明的优选方案之一,步骤S3具体为:
S31,获取实时室内温度,
S32,根据实时室内温度调控空调系统,使得CaPMV下限设定值<CaPMV模型值<CaPMV上限设定值,其中,CaPMV下限设定值范围为-1.5~-0.1,CaPMV上限设定值范围为0.1~1.5。
作为本发明的优选方案之一,步骤S12中,室内外空气温度历史记录中,用户所在空调房间的平均温度可由监测数据获得或根据经验值设定;
室外环境时间加权平均温度Trm,out由以下公式计算:
其中,α是常数,且α<1;Tod-i是过去给定时间段的日平均温度;
无空调房间的时间加权平均温度Trm,NV由以下公式计算:
Trm,nv=a Trm,out+b
其中,a和b为气候修正系数。
作为本发明的优选方案之一,在CaPMV模型公式中,人体外表面平均温度tcl与中性皮肤温度有关,中性皮肤温度是由与空气温度Ta和/或热经历温度Tth线性或非线性关系得到的变量值。
本发明还提供一种基于人体热感觉的智能温控系统,包括环境温度监测系统、数据存储显示系统、运算控制系统和空调系统,
环境温度监测系统用于监测室内外空气温度,并将室内外空气温度信息传输至数据存储显示系统和运算控制系统,
数据存储显示系统供用户输入或选择预设信息,并存储和显示室内外空气温度;所述预设信息包括用户热经历数据,
运算控制系统用于根据用户热经历数据和室内外空气温度历史数据,计算CaPMV模型值,并根据室内外空气温度实时调控空调系统,使得CaPMV下限设定值<CaPMV模型值<CaPMV上限设定值,其中,CaPMV下限设定值范围为-1.5~-0.1,CaPMV上限设定值范围为0.1~1.5。
作为本发明的优选方案之一,所述用户热经历数据包括过去N天内的给定时间段,用户平均室外活动时间、平均在空调或供暖室内的活动时间和平均在无空调且无供暖的室内活动时间;其中,给定时间段为Nd日或Nh小时,其中N≥1,Nd≥1,Nh≥1。
作为本发明的优选方案之一,过去给定时间段,用户所在的供暖或空调房间的平均温度、在无供暖且无空调房间的时间加权平均温度和室外环境时间加权平均温度。
作为本发明的优选方案之一,数据存储显示系统还用于存储用户热经历数据和使得CaPMV模型值历史数据,运算控制系统还根据CaPMV模型值历史数据实时调控空调系统。
作为本发明的优选方案之一,所述CaPMV模型值控制目标为趋近于0。
相对于现有技术,本发明具有如下优点:
本发明提出的基于人体热感觉的智能空调温控系统及方法,针对不同人群具有的供暖空调及室外综合热经历多样性特征,提供了人体热经历的量化方法,并给出了相应基于人体热经历量化值的室内供冷供暖调控系统产品和控制方法。对于非集中式的供暖空调环境,例如夏热冬冷地区的空调供暖模式就具有分散式、间歇式局部式等特征,本发明提出的基于热经历的人体热感觉评价方法及智能温控系统,可以更准确评价多样化情况下的供暖空调热环境,为夏热冬冷地区的供暖调控提供依据,并为不同地区的供暖空调系统调控及热感觉评价提供参考。
相对于传统PMV智能温度控制,本发明的室内温度调控值会随着人体热经历及热习服的变化而变化,变化规律更符合人体热舒适在不同热经历水平下的适应性规律。经过人体实验数据验证,相对于PMV模型预测值,CaPMV模型偏差率可以减少40%~80%左右。
附图说明
出于解释的目的,在以下附图中阐述了本发明技术的若干实施方案。以下附图被并入本文本并且构成具体实施方案的一部分。在一些情况下,以框图形式示出了熟知的结构和部件,以便避免使本发明主题技术的概念模糊。
图1为本发明所述智能空调温控方法流程示意图。
图2为本发明所述热经历温度计算过程示意图。
图3为本发明所述CaPMV模型计算过程示意图。
图4为本发明所述智能空调温控系统组成示意图。
具体实施方式
下面示出的具体实施方案旨在作为本发明主题技术的各种配置的描述,并且,不旨在表示本发明主题技术可被实践的唯一配置。具体实施方案包括具体的细节旨在提供对本发明主题技术的透彻理解。然而,对于本领域的技术人员来说将清楚和显而易见的是,本发明主题技术不限于本文示出的具体细节,并且,可在没有这些具体细节的情况下被实践。
实施例1
本实施例提供一种基于人体热感觉的智能空调温控方法,综合考虑人们室内自然通风热经历、室内供暖空调热经历及室外热经历的相应温度、暴露时间及权重的热经历温度量化指标值和方法,如图1所示,具体包括以下步骤:
S1,根据用户预设信息和室内外空气温度历史数据,量化综合热经历温度值;
S2,根据热经历温度值计算CaPMV模型值;
S3,根据CaPMV模型值调控室内温度。
如图2所示,步骤S1中热经历温度值的计算根据用户平均每日在室外、空调室内和无空调的室内时间及相应温度历史数据。本实施例中,获取的用户预设信息为过去30天内,用户平均每日活动时间。实际工况中,因室外气温或室内气温的变化,每个给定时间段过后均需重新计算热经历温度,例如,每一天都可以获得新的历史室外气温数据和室内温度历史数据(可以是过去30天的历史数据,第i天是i-30到i天的历史数据,过一天到第i+1天就是i-29到i+1天的30天加权日均温度数据),和室内温度历史数据,每一天可以计算一个新的热经历温度值,以此控制供暖空调系统。可选地,还可按照过去30天内,每小时逐时温度数据对加权温度进行计算,即给定时间段可以是每天,每几天,每小时,每几个小时等等。
具体包括:
S11,获取用户输入或选择的预设信息,预设信息包括过去30天内,用户平均每日室外活动时间hout、平均每日空调室内活动时间hac和平均每日无空调室内活动时间hnv;
S12,获取室内外空气温度历史记录,包括过去30天内,用户所在的空调房间的平均温度Ta,AC、无空调房间的时间加权平均温度Trm,NV和室外环境时间加权平均温度Trm,out;
S13,计算热经历温度值Tth(℃):
其中,hac是过去30天内平均每天处于空调供暖房间的时间(h/d);hnv是过去30天内平均每天处于无空调无供暖的自然通风房间的时间(h/d);hout是过去30天内平均每天处于室外环境的时间(h/d);Ta,AC过去一个月空调供暖房间的平均温度(可根据传感器的室内温度监测数据在用户端的数据存储历史记录计算,但缺乏相应监测数据时也可采用默认值21℃);Trm,NV无空调无供暖的自然通风房间的30天时间加权平均温度(℃);Trm,out室外环境的30天时间加权平均温度(℃),室外温度可采用传感器的室外温度监测数据在用户端的数据存储历史记录进行计算,也可采用网络来源的中国气象站的气温数据。ωx为权重系数(x=1,2,3),ω1+ω2+ω3=1。
暴露时间hac,hnv和hout的取值由用户端输入或采用默认值得到。考虑到近期和稍远期热经历对人体现在热响应影响的不同权重,时间加权平均温度[154]由以下公式计算:
其中,α是常数(<1,根据标准推荐[155]本研究采用0.8);Tod-i是过去某一天i的日平均温度(℃)。
由于采用公式(1)是一个涵盖无限计算日期的公式,离现在时间越近的某一天温度的权重越高,而在这种情况下,30天之前的权重几乎可以忽略不计,因此本发明案例的时间加权平均温度计算周期为30天(i.e.n=30)。无空调无供暖的自然通风房间过去30天的日平均温度,可以基于已有调研数据库中的室内外温度关系式,也可以基于以下室内外温度的关系式取值:
Trm,nv=a Trm,out+b
对于不同气候区a和b取值不同,一般来说根据建筑热工性能、气密性以及冬夏气温差异而变化。其中,温和气候区宜取a=0.6,b=8.5;夏热冬冷和夏热冬暖地区宜取a=0.75,b=6.0;寒冷地区宜取a=0.5,b=10.0。
相对于PMV指标,CaPMV模型对以下两个方面进行了修正:基于人体热经历的中性皮肤温度修正,以及基于人体热经历的代谢率修正。
在PMV指标模型中,人体外表面(服装)的平均温度tcl由以下迭代方程进行计算
tcl=T′sk-Icl·{3.96·fcl·10-8[(tcl+273)4-(tr+273)4]+fcl·hc·(tcl-ta)}
Tsk=34+1.7-0.028(M-W)
其中,T′sk是模型默认的中性皮肤温度计算公式,主要受到人体产热影响,当代谢率M为1.1met且对外做功W为0时(即日常坐姿办公状态),中性皮肤温度默认为34℃。其含义就是,默认情况下人体平均皮肤温度为34℃时,人就会感到不冷不热。因此,在一定热环境下的人体计算散热量(皮肤温度为实际值时)与人体皮肤温度为中性值34℃时的人体(服装)表面的辐射和对流的散热量差值,就是PMV指标中热损失项计算的依据。理论上,在偏冷环境中,人体实际皮肤温度要小于34℃,因此散热量差值为负数,PMV也为负数;而在偏热环境中,人体实际皮肤温度要大于34℃,因此散热量差值为正数,PMV也为正数。
但在热经历的影响下,人体热中性状态时平均皮肤温度可能会不同于PMV指标模型中的默认值34℃,人体在平均皮肤温度为34℃时也可能会感到热或冷。经过研究,本发明将原PMV方程中的中性皮肤温度默认值34℃替换为不同热经历温度习服影响下的中性皮肤温度值关系式,就可以改进基于冬季皮肤温度习服特性的CaPMV(Cold-adaptivePredicted Mean Vote)模型的准确性,使得模型计算的换热量与中性状态的差值和实际人体热感觉情况更为接近。
在CaPMV模型中,人体外表面(服装)的平均温度tcl迭代方程中的中性皮肤温度由以下方程计算:
T′sk=Tsk,n+1.7-0.028(M-W), (3)
Tsk,n=0.21*Tth+28.66, (4)
其中,Tsk,n为热习服的中性皮肤温度值。
在模型中将原中性皮肤温参数的数值34℃用热习服的中性皮肤温度值Tsk,n代替,用于CaPMV模型。
而不同室温范围的代谢率修正因子如下公式所示。
当室温大于16℃时,热经历对代谢率的影响较小,按统一的热经历与λ值的线性公式计算。而当室温小于16℃时,由于生理冷习服的作用,有冷暴露经历的人群代谢率同时受到室内温度和热经历的较大影响,按二元公式计算。即当室内温度为10℃,而热经历温度为15℃时,修正因子λ约为1.17,即代谢率相对于一般情况升高了1.17倍。当室内温度和人体热经历温度都为15℃时,修正因子λ约为1.07,即代谢率相对于一般情况升高了1.07倍。当室内温度为20℃,而热经历温度为15℃时,修正因子λ约为1.04,即代谢率相对于一般情况只升高了1.04倍。因此室内温度越低,冷适应人群的代谢率提升越高。注意的是,当室内温度大于16℃且热经历温度为20℃时,代谢率修正因子为1左右。因此,夏热冬冷地区较常处于供暖室内的弱冷适应人群的热经历温度也可默认为20℃,作为CaPMV的输入值。
根据PMV指标的表达式,以及上述参数修正,CaPMV计算的具体表达式如下:
CaPMV=[0.303exp(-0.036·λ·M)+0.028]·{(λ·M-W)-3.05·10-3·[5733-6.99·(λ·M-W)-pa]-0.42·[(λ·M-W)-58.15]-1.7·10-5·λ·M·(5867-pa)-0.0014·λ·M·(34-ta)-3.96·10-8·fcl·[(tcl+273)4-(tr+273)4]-fcl·hc·(tcl-ta)} (6)
在CaPMV模型中,人体外表面(服装)的平均温度tcl由以下迭代方程进行计算:
tcl=0.21·Tth+30.36-0.028(λ·M-W)-Icl·{3.96·fcl·10-8[(tcl+273)4-(tr+273)4]+fcl·hc·(tcl-ta)}, (7)
对流传热系数hc、服装面积因子fcl和代谢率修正因子λ由以下公式计算:
其中,M是人体代谢率,单位W/m2;W是人体对外做功,单位W/m2;ta是环境平均空气温度,单位℃;tr是环境辐射温度,单位℃;v是空气流速,单位m/s;pa水蒸气偏压力,单位Pa;hc对流换热系数,单位W/(m2·℃);tcl是人体外表面(服装)的平均温度,单位℃;Icl是从人体皮肤到人体(服装)外表面的服装热阻,m2·℃/W;fcl是人体服装外表面和裸体皮肤表面面积的比例,λ是代谢率修正因子,无量纲;Tth是热经历温度,单位℃。
步骤S3,根据CaPMV调控室内温度。根据上一步得到的CaPMV,以及传感器(1)实时监测温度数据Ta,对供暖空调系统进行温度调节控制,使得-0.5<CaPMV<0.5。优选地,控制CaPMV接近0。
实施例2
本实施例提供一种基于人体热感觉的智能温控系统,包括环境温度监测系统、数据存储显示系统、运算控制系统和空调系统,
环境温度监测系统用于监测室内外空气温度,并将室内外空气温度信息传输至数据存储显示系统和运算控制系统,
数据存储显示系统供用户输入或选择预设信息,并存储和显示室内外空气温度;所述预设信息包括用户热经历数据,
运算控制系统用于根据用户热经历数据和室内外空气温度历史数据,计算CaPMV模型值,并根据室内外空气温度实时调控空调系统,使得-0.5<CaPMV模型值<0.5。
本实施例中,环境温度监测系统包括若干个传感器,数据存储系统数据存储显示系统为用户端,运算控制系统为计算机,与空调系统的执行器连接。传感器监测室内外空气温度,并将数据通过传输线或者无线传输至用户端数据存储系统。用户端由用户输入相关信息或选择预设存储信息(例如,包括过去30天的平均待在室外的时间,平均每日待在空调房间的时间等),并对相关室内外温度监测及网络获取气象温度数据进行显示,对历史数据进行记录存储。计算机根据用户端输入的信息以及历史记录数据进行运算,实时得出室内舒适温度,并根据传感器的温度监测数据实时调控执行器的供暖空调系统,以实现室内温度值接近实时计算得出的室内舒适温度值。
数据存储显示系统还用于存储用户热经历数据和CaPMV模型值度历史数据,运算控制系统还根据CaPMV模型值历史数据实时调控空调系统,避免用户重复设置。
本发明提出的基于热经历的人体热感觉评价方法及智能温控系统,针对不同人群具有的供暖空调及室外综合热经历多样性特征,提供了人体热经历的量化方法,并给出了相应基于人体热经历量化值的室内供冷供暖调控系统产品和控制方法。对于非集中式的供暖空调环境,例如夏热冬冷地区的空调供暖模式就具有分散式、间歇式局部式等特征,本发明提出的基于热经历的人体热感觉评价方法及智能温控系统,可以更准确评价人群多样化热经历情况下的供暖空调热环境,为夏热冬冷地区的供暖调控提供依据,并为不同地区的供暖空调系统调控及热感觉评价提供参考。
相对于传统PMV智能温度控制,本发明的室内温度调控值会随着人体热经历及热生理习服的变化而变化,变化规律更符合人体热舒适在不同热经历水平下的适应性规律。经过在夏热冬冷地区具有分散式和间歇式供暖空调热经历的人群实验及调研数据验证,相对于PMV模型预测值,CaPMV模型偏差率可以减少40%~80%左右。
以上对本发明主题技术方案以及相应的细节进行了介绍,可以理解的是,以上介绍仅是本发明主题技术方案的一些实施方案,其具体实施时也可以省去部分细节。
另外,在以上公开的一些实施方案中,多个实施方案存在组合实施的可能,各种组合方案限于篇幅不再一一列举。本领域技术人员在具体实施时可以根据需求自由结合实施上实施方案,以获得更佳的应用体验。
本领域技术人员在实施本发明主题技术方案时,可以根据本发明的主题技术方案以及附图获得其它细节配置或附图,显而易见地,这些细节在不脱离本发明主题技术方案的前提下,这些细节仍属于本发明主题技术方案涵盖的范围。
Claims (7)
1.基于人体热感觉的智能温控方法,其特征在于,包括以下步骤:
S1,根据用户预设信息和室内外空气温度历史数据,量化综合热经历温度值;
S2,根据热经历温度值计算CaPMV模型值;
S3,根据CaPMV模型值调控室内温度;
步骤S1具体包括:
S11,获取用户输入或选择的预设信息,预设信息包括过去N天内的给定时间段,用户在给定时间段内的平均室外活动时间hout、平均在空调或供暖室内的活动时间hec和平均在无空调且无供暖的室内活动时间hnv;其中,给定时间段为Nd日或Nh小时,其中N≥1,Nd≥1,Nh≥1;
S12,获取室内外空气温度历史记录,包括过去给定时间段,用户所在的空调房间的平均温度Ta,AC、无空调房间的时间加权平均温度Trm,MV和室外环境时间加权平均温度Trm,out;
S13,计算热经历温度值Tth:
其中,H为给定时间段包含的小时数,一天为24小时,ωx为权重系数(x=1,2,3),ω1+ω2+ω3=1;
步骤S2中,CaPMV模型值的计算公式为:
CaPMV=[0.303exp(-0.036·λ·M)+0.028]·{(λ·M-W)-3.05·10-3·[5733-6.99·(λ·M-W)-pa]-0.42·[(λ·M-W)-58.15]-1.7·10-5·λ·M·(5867-pa)-0.0014·λ·M·(34-ta)-3.96·10-8·fc1·[(tc1+273)4-(tr+273)4]-fc1·hc·(tc1-ta)}
其中,M是人体代谢率,单位W/m2;W是人体对外做功,单位W/m2;ta是环境平均空气温度,单位℃;tr是环境辐射温度,单位℃;v是空气流速,单位m/s;pa为水蒸气偏压力,单位Pa;hc对流换热系数,单位W/(m2·℃);tc1是人体外表面的平均温度,单位℃;Ic1是从人体皮肤到人体外表面的服装热阻,m2·℃/W;fc1是人体服装外表面和裸体皮肤表面面积的比例,λ是代谢率修正因子,无量纲,其取值由与空气温度Ta和/或热经历温度Tth的线性或非线性关系得到;Tth是热经历温度,单位℃。
2.根据权利要求1所述的基于人体热感觉的智能温控方法,其特征在于,
在CaPMV模型公式中,人体外表面平均温度tc1与中性皮肤温度有关,中性皮肤温度是由与空气温度Ta和/或热经历温度Tth线性或非线性关系得到的变量值。
3.根据权利要求2所述的基于人体热感觉的智能温控方法,其特征在于,步骤S3具体为:
S31,获取实时室内温度,
S32,根据实时室内温度调控空调系统,使得CaPMV下限设定值<CaPMV模型值<CaPMV上限设定值,其中,CaPMV下限设定值范围为-1.5~-0.1,CaPMV上限设定值范围为0.1~1.5。
5.基于人体热感觉的智能温控系统,其特征在于:包括环境温度监测系统、数据存储显示系统、运算控制系统和空调系统,
环境温度监测系统用于监测室内外空气温度,并将室内外空气温度信息传输至数据存储显示系统和运算控制系统,
数据存储显示系统供用户输入或选择预设信息,并存储和显示室内外空气温度;所述预设信息包括用户热经历数据,
运算控制系统用于根据用户热经历数据和室内外空气温度历史数据,计算CaPMV模型值,并根据室内外空气温度实时调控空调系统,使得CaPMV下限设定值<CaPMV模型值<CaPMV上限设定值,其中,CaPMV下限设定值范围为-1.5~-0.1,CaPMV上限设定值范围为0.1~1.5;
所述的CaPMV模型值的计算公式为:
CaPMV=[0.303exp(-0.036·λ·M)+0.028]·{(λ·M-W)-3.05·10-3·[5733-6.99·(λ·M-W)-pa]-0.42·[(λ·M-W)-58.15]-1.7·10-5·λ·M·(5867-pa)-0.0014·λ·M·(34-ta)-3.96·10-8·fc1·[(tc1+273)4-(tr+273)4]-fc1·hc·(tc1-ta)}
其中,M是人体代谢率,单位W/m2;W是人体对外做功,单位W/m2;ta是环境平均空气温度,单位℃;tr是环境辐射温度,单位℃;v是空气流速,单位m/s;pa为水蒸气偏压力,单位Pa;hc对流换热系数,单位W/(m2·℃);tc1是人体外表面的平均温度,单位℃;Ic1是从人体皮肤到人体外表面的服装热阻,m2·℃/W;fc1是人体服装外表面和裸体皮肤表面面积的比例,λ是代谢率修正因子,无量纲,其取值由与空气温度Ta和/或热经历温度Tth的线性或非线性关系得到;Tth是热经历温度,单位℃;
所述用户热经历数据包括过去N天内的给定时间段,用户平均室外活动时间、平均在空调或供暖室内的活动时间和平均在无空调且无供暖的室内活动时间;其中,给定时间段为Nd日或Nh小时,其中N≥1,Nd≥1,Nh≥1。
6.根据权利要求5所述的基于人体热感觉的智能温控系统,其特征在于,所述室内外空气温度历史数据包括过去给定时间段,用户所在的供暖或空调房间的平均温度、在无供暖且无空调房间的时间加权平均温度和室外环境时间加权平均温度。
7.根据权利要求6所述的基于人体热感觉的智能温控系统,其特征在于,数据存储显示系统还用于存储用户热经历数据和CaPMV模型值历史数据,运算控制系统还根据CaPMV模型值历史数据实时调控空调系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110099802.2A CN112923530B (zh) | 2021-01-25 | 2021-01-25 | 基于人体热感觉的智能温控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110099802.2A CN112923530B (zh) | 2021-01-25 | 2021-01-25 | 基于人体热感觉的智能温控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112923530A CN112923530A (zh) | 2021-06-08 |
CN112923530B true CN112923530B (zh) | 2022-05-27 |
Family
ID=76167599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110099802.2A Active CN112923530B (zh) | 2021-01-25 | 2021-01-25 | 基于人体热感觉的智能温控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112923530B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115202222A (zh) * | 2022-02-24 | 2022-10-18 | 山东浪潮科学研究院有限公司 | 一种全屋温控系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105509264A (zh) * | 2015-12-30 | 2016-04-20 | 重庆大学 | 基于室内热舒适状态的空调系统启停控制装置及控制方法 |
KR101723938B1 (ko) * | 2015-10-21 | 2017-04-10 | 오텍캐리어 주식회사 | 공기조화기의 열 쾌적도 산출장치 및 그 방법 |
CN110454930A (zh) * | 2018-05-08 | 2019-11-15 | 中国科学院理化技术研究所 | 一种基于人体最佳热舒适度估算的空调控制方法与装置 |
CN110986287A (zh) * | 2019-10-31 | 2020-04-10 | 珠海格力电器股份有限公司 | 一种空调控制方法、装置、存储介质及空调 |
CN111076379A (zh) * | 2019-12-26 | 2020-04-28 | 海信集团有限公司 | 一种房间温度控制方法和空调器 |
-
2021
- 2021-01-25 CN CN202110099802.2A patent/CN112923530B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101723938B1 (ko) * | 2015-10-21 | 2017-04-10 | 오텍캐리어 주식회사 | 공기조화기의 열 쾌적도 산출장치 및 그 방법 |
CN105509264A (zh) * | 2015-12-30 | 2016-04-20 | 重庆大学 | 基于室内热舒适状态的空调系统启停控制装置及控制方法 |
CN110454930A (zh) * | 2018-05-08 | 2019-11-15 | 中国科学院理化技术研究所 | 一种基于人体最佳热舒适度估算的空调控制方法与装置 |
CN110986287A (zh) * | 2019-10-31 | 2020-04-10 | 珠海格力电器股份有限公司 | 一种空调控制方法、装置、存储介质及空调 |
CN111076379A (zh) * | 2019-12-26 | 2020-04-28 | 海信集团有限公司 | 一种房间温度控制方法和空调器 |
Also Published As
Publication number | Publication date |
---|---|
CN112923530A (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Enescu | A review of thermal comfort models and indicators for indoor environments | |
Mustapa et al. | Thermal comfort and occupant adaptive behaviour in Japanese university buildings with free running and cooling mode offices during summer | |
CN110454930B (zh) | 人体最佳热舒适度估算方法、设备及空调控制方法和装置 | |
CN103003637B (zh) | 建筑物居住者的热舒适度个性化控制 | |
Newsham | Clothing as a thermal comfort moderator and the effect on energy consumption | |
CN104490371A (zh) | 一种基于人体生理参数的热舒适检测方法 | |
JP5038757B2 (ja) | 空調制御システム | |
Turhan et al. | Development of a personalized thermal comfort driven controller for HVAC systems | |
CN111442478A (zh) | 空调系统优化控制方法、智能终端、存储装置 | |
CN112254287B (zh) | 变权重多模型综合预测中央空调末端送风控制方法 | |
JP2019113303A (ja) | Hvac装置を制御する方法および制御ユニット | |
Yu et al. | Utility of cooling overshoot for energy efficient thermal comfort in temporarily occupied space | |
CN112923530B (zh) | 基于人体热感觉的智能温控方法及系统 | |
De Dear et al. | Indoor climate and thermal comfort in high-rise public housing in an equatorial climate: a field-study in Singapore | |
Mustapa et al. | Investigation of thermal comfort at different temperature settings for cooling in university building | |
Cheng et al. | Energy efficient thermal comfort control for cyber-physical home system | |
CN112923529B (zh) | 基于热经历的供暖空调温度调控方法及系统 | |
TWI746087B (zh) | 空調系統控制方法 | |
de Dear et al. | Thermal comfort inside and outside buildings | |
CN112032970B (zh) | 一种基于体表温度监测的智能空调调控方法 | |
CN110986315B (zh) | 基于集中空调系统的室内温度动态调控方法 | |
JP3361017B2 (ja) | 快適性指標pmv学習装置 | |
TW201837389A (zh) | 室內空間舒適度調整方法及控制模組 | |
Yang et al. | Analysis of thermal comfort experience using peak-end rule with air conditioner in heating season | |
CN212227350U (zh) | 一种控制室内相对温湿度的控制设备及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |