CN113357787A - 基于偏好与习惯的多人办公室人员空调行为建模方法 - Google Patents
基于偏好与习惯的多人办公室人员空调行为建模方法 Download PDFInfo
- Publication number
- CN113357787A CN113357787A CN202110716717.6A CN202110716717A CN113357787A CN 113357787 A CN113357787 A CN 113357787A CN 202110716717 A CN202110716717 A CN 202110716717A CN 113357787 A CN113357787 A CN 113357787A
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- personnel
- temperature
- habit
- behavior
- 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.)
- Granted
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
- F24F11/62—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
- F24F11/65—Electronic processing for selecting an operating mode
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种基于偏好与习惯的多人办公室人员空调行为建模方法。包括以下步骤:对办公空间常驻人员进行问卷调研获取偏好与习惯特征,在此基础上划分人员类别。以5‑15min作为时间步长,基于WiFi定位技术识别人员在室情况,区分在室人员类别。判断空调当前状态,若空调处于关闭状态,基于人员习惯与偏好特征判断是否会有空调开启行为。若空调处于开启状态,基于模糊多目标决策方法判断是否会产生以及会产生什么样的空调调节行为。本发明可以对多人办公空间中,人员与人员间复杂交互作用下,空调的运行状态进行仿真模拟。
Description
技术领域
本发明属于建筑中人员用能行为领域,具体涉及一种基于偏好与习惯的多人办公室人员空调行为建模方法。
背景技术
作为能源消耗大国,我国的建筑能耗在总能耗中占比较高且仍呈上升趋势,尤其是大型公建,其单位面积的年耗电量能够达到普通居民住宅的10-20倍,节能潜力巨大。建筑管理的优化是实现公共建筑的节能的重要途径之一。随着建筑内设备种类和数目的增加,建筑内部人员行为对建筑整体能耗影响越来越大。对于HVAC系统而言,传统情况下,空调温度的设定点和运行时间表是由控制技术人员在设计阶段保守地设定,在运行过程中很少再次改变以优化能源效率,提升人员的舒适度。而即便是采用了自控策略,若不能较好地考虑人员的偏好与习惯,亦会导致高频率手动超驰控制行为的发生,难以达到预期的控制效果。
相比之下,以人为本的控制,通过对居住者的偏好与习惯进行评估,能够在保证舒适的前提下,提升建筑能效,优化建筑的运行管理。但建筑中人行为具有很大的多样性与复杂性,其根源恰恰在于人员对于室内环境的偏好及自身对于设备的调控习惯的差异,尤其在多人办公空间中,人员与人员间交互作用的存在使得上述问题进一步复杂化。已有关于多人办公空间人员空调行为的描述方法大多只注重于典型行为模式的提炼,而未关注人与人间交互作用对人行为的影响。部分文献虽有提及,也仅仅是根据观测结果进行了定性的描述,未对其进行深入分析。
发明内容
有鉴于此,本发明提供一种基于偏好与习惯的多人办公室人员空调行为建模方法,以解决多人办公空间中,人与人交互作用下,对空调的调控行为问题。
为实现上述目的,本发明提出了一种基于偏好与习惯的多人办公室人员空调行为建模方法,主要包括以下具体步骤:
步骤1):根据多人办公空间中人与人间的交互作用是否会改变人员习惯的空调行为及人员空调开启习惯划分办公空间常驻人员类型;
步骤2):以5-15min作为时间步长,基于WiFi定位技术判断当前室内人员在室情况,确定人员类别;
步骤3):判断当前空调的状态:若空调处于关闭状态,则判断当前时刻在室人员是否会有空调开启行为;若空调处于开启状态,则判断当前时刻在室人员是否会有空调调节行为。
所述步骤3)中空调开启行为识别方法为:
对于Active类型人员,若其习惯模式为感到热时开启空调,则判定温度传感器测得的当前室内温度是否超出人员舒适范围,若超出,则产生空调开启行为,设定温度为习惯设定温度;
若其习惯模式为一进入办公室即开启空调,则开启空调,设定温度为习惯设定温度;
对于Medium类型人员,若习惯模式是感到热时开启空调,当室内没有其他同事时,判断温度传感器测得的当前室内温度是否超出人员舒适范围,若超出,则产生空调开启行为,设定温度为习惯设定温度;当室内有其他同事时,判断温度传感器测得的当前室内温度是否超出容忍范围,若超出,则产生空调开启行为,设定温度为习惯设定温度;
若习惯模式是一进入办公室即开启空调,若室内没有其他同事,则空调开启,空调温度设定为习惯设定温度;其他情况下,空调不开启;
对于Passive类型人员,若习惯开启模式为感到热时开启空调,当室内没有其他同事时,判断温度传感器测得的当前室内温度是否超出舒适范围,若超出,则产生空调开启行为,设定温度为习惯设定温度;当室内有其他同事时,不会产生空调开启行为;
若习惯模式为一进入办公室即开启空调,当室内没有其他同事时,空调开启,设定温度为习惯设定温度,其他情况下不会产生空调开启行为;
所述步骤3)中的空调调节行为识别方法为:
第一步,判断温度传感器测得的当前室内温度是否在Active类型人员的舒适区/Medium类型人员的舒适区(室内没有其他人员)/Medium类型人员的容忍区(室内有其他人员)/Passive类型人员的舒适区(室内没有其他人员),若超出,则定义目标函数fk为自己的舒适度和同事的感受,定义方案集C为当前情境下人员可能作出的行为选择;
具体包括:当空调处于开启状态,但自己仍旧感到热时,方案集包括将空调温度在现有设置基础上适当地调低、直接调节空调温度至自己的习惯设定温度、保持不变;当空调处于开启状态,但自己感到冷时,方案集包括将空调温度在现有设置基础上适当地调高、直接调节温度至自己的习惯设定温度、关闭空调、保持不变;
第二步,采用问卷调查法获得人员方案集中各项方案关于2个目标函数fk的语言评价和2个目标重要性的语言评价,使用三角模糊数量化,对其目标函数的重要性程度表述的语义描述对应的三角模糊权重向量规范化后为w=(w1,w2,…,wk)T;
第三步,建立不同方案的排序权重矩阵,建立方法为:对方案集C中的各项方案进行排序,具体排序规则为:若方案ck排在第t位,则βit=1,否则βit=0,依据上述原则,排序矩阵为:
第四步,建立不同方案的排序矩阵Yjt=(yjt)n×n,建立方法为:
第五步,确定排序矩阵第一列为1对应的方案为人员产生的行为。
进一步地,所述步骤1)中对人员类型的划分,根据空调开启习惯:一进入办公室即开启空调(Highstate);感到热时开启空调(Mediumstate);从来不开启空调(Lowstate);以及
根据办公室有其他人员在室时是否会改变这种习惯:保持习惯性行为不变(Active);先采取其他适应性行为或忍受,超出忍耐区间产生相关行为(Medium);不产生习惯性行为(Passive);
将人员类型划分为Active-Highstate,Active-Mediumstate,Active-Lowstate,Medium-Highstate,Medium-Mediumstate,Medium-Lowstate,Passive-Highstate,Passive-Mediumstate,Passive-Lowstate九类。
有益效果
1、本发明基于人员的偏好与习惯划分人员类型,将人员类型与行为特征匹配,并对多人办公空间中空调开启行为和调节行为进行了描述,得到的结果可有效描述多人办公空间中人员的空调行为。
2、本发明考虑了多人办公空间人员间复杂的交互作用,建立了人员调控空调的模型,可对人员交互作用下产生的宏观空调行为进行仿真。
附图说明
图1为本发明技术流程图;
图2为本发明空调开启行为判定方法的技术流程图;
图3为本发明空调调节行为判定方法的技术流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
本发明的具体包括如下:
步骤1:根据人员空调开启习惯:一进入办公室即开启空调(Highstate);感到热时开启空调(Mediumstate);从来不开启空调(Lowstate)。以及办公室有其他人员在室时是否会改变这种习惯:保持习惯性行为不变(Active);先采取其他适应性行为或忍受,超出忍耐区间产生相关行为(Medium);不产生习惯性行为(Passive)。将办公室常驻人员类型划分为Active-Highstate,Active-Mediumstate,Active-Lowstate,Medium-Highstate,Medium-Mediumstate,Medium-Lowstate,Passive-Highstate,Passive-Mediumstate,Passive-Lowstate九类。
步骤2:基于WiFi定位技术判断当前时刻室内人员在室情况,识别人员类别。
步骤3:判断当前空调的状态,若空调处于关闭状态,则判断当前时刻在室人员是否会有空调开启行为;若空调处于开启状态,则判断当前时刻在室人员是否会有空调调节行为。
空调开启行为的具体判别方法如下:
对于Active类型人员,若其习惯模式为感到热时开启空调,则判定温度传感器测得的当前室内温度是否超出人员舒适范围,若超出,则产生空调开启行为,设定温度为习惯设定温度。若其习惯模式为一进入办公室即开启空调,则开启空调,设定温度为习惯设定温度。对于Medium类型人员,若习惯模式是感到热时开启空调,当室内没有其他同事时,判断温度传感器测得的当前室内温度是否超出人员舒适范围,若超出,则产生空调开启行为,设定温度为习惯设定温度;当室内有其他同事时,判断温度传感器测得的当前室内温度是否超出容忍范围,若超出,则产生空调开启行为,设定温度为习惯设定温度。若习惯模式是一进入办公室即开启空调,若室内没有其他同事,则空调开启,空调温度设定为习惯设定温度。其他情况下,空调不开启。对于Passive类型人员,若习惯开启模式为感到热时开启空调,当室内没有其他同事时,判断温度传感器测得的当前室内温度是否超出舒适范围,若超出,则产生空调开启行为,设定温度为习惯设定温度;当室内有其他同事时,不会产生空调开启行为。若习惯模式为一进入办公室即开启空调,当室内没有其他同事时,空调开启,设定温度为习惯设定温度。其他情况下不会产生空调开启行为。
空调调节行为的具体判别方法如下:
判断温度传感器测得的当前室内温度是否在Active类型人员的舒适区/Medium类型人员的舒适区(室内没有其他人员)/Medium类型人员的容忍区(室内有其他人员)/Passive类型人员的舒适区(室内没有其他人员),若超出,定义目标函数fk为自己的舒适度和同事的感受,定义方案集C为当前情境下人员可能作出的行为选择。具体包括:当空调处于开启状态,但自己仍旧感到热时,方案集包括将空调温度在现有设置基础上适当地调低、直接调节空调温度至自己的习惯设定温度、保持不变;当空调处于开启状态,但自己感到冷时,方案集包括将空调温度在现有设置基础上适当地调高、直接调节温度至自己的习惯设定温度、关闭空调、保持不变。
采用问卷调查法获得人员方案集中各项方案关于2个目标函数fk的语言评价和2个目标重要性的语言评价,使用三角模糊数量化。对其目标函数的重要性程度表述的语义描述对应的三角模糊权重向量规范化后为w=(w1,w2,…,wk)T。
建立不同方案的排序权重矩阵,建立方法为:对方案集C中的各项方案进行排序,具体排序规则为:若方案ck排在第t位,则βit=1,否则βit=0。依据上述原则,排序矩阵为:
建立不同方案的排序矩阵Yjt=(yjt)n×n,建立方法为:
确定排序矩阵第一列为1对应的方案为人员产生的行为。
实施例1:
本发明提供了一种基于人员偏好与习惯的多人办公室人员空调行为建模方法,其流程图如图1、图2、图3所示,包括以下步骤:
步骤1:根据多人办公空间中人与人间的交互作用是否会改变人员习惯的空调行为及人员空调开启习惯划分办公空间常驻人员类型;
具体地,本实例中根据需要采集4位常驻人员的习惯与偏好因素为:
第一位:Passive-Mediumstate,空调习惯设定温度23℃,感到舒适的温度区间为23℃-26℃。
第二位:Passive-Mediumstate,空调习惯设定温度25℃,感到舒适的温度区间为20℃-25℃。
第三位:Active-Mediumstate,空调习惯设定温度23℃,感到舒适的温度区间为19℃-26℃。
第四位:Medium-Mediumstate,空调习惯设定温度25℃,感到舒适的温度区间为22℃-27℃,能够忍受的温度区间为22℃-28℃。
步骤2:以5-15min作为时间步长,基于WiFi定位技术判断当前室内人员在室情况,识别人员类别;
具体地,本实例中当前时刻仅有一位Active类型人员在室。
步骤3:判断当前空调的状态,若空调处于关闭状态,则判断当前时刻在室人员是否会有空调开启行为;若空调处于开启状态,则判断当前时刻在室人员是否会有空调调节行为。
具体地,本实例中,判断当前时刻空调处于关闭状态,这位Active类型人员空调开启习惯模式为感到热时开启空调,感到舒适的室内温度区间为19-26℃,当前室内温度为27℃,故空调开启,温度设定为Active类型人员的习惯设定温度,23℃。
实施例2:
步骤1:根据多人办公空间中人与人间的交互作用是否会改变人员习惯的空调行为及人员空调开启习惯划分办公空间常驻人员类型;
具体地,本实例中根据需要采集4位常驻人员的习惯与偏好因素为:
第一位:Passive-Mediumstate,空调习惯设定温度23℃,感到舒适的温度区间为23℃-26℃。
第二位:Passive-Mediumstate,空调习惯设定温度25℃,感到舒适的温度区间为20℃-25℃。
第三位:Active-Mediumstate,空调习惯设定温度23℃,感到舒适的温度区间为19℃-26℃。
第四位:Medium-Mediumstate,空调习惯设定温度25℃,感到舒适的温度区间为22℃-27℃,能够忍受的温度区间为22℃-28℃。
步骤2:以5-15min作为时间步长,基于WiFi定位技术判断当前室内人员在室情况,识别人员类别;
具体地,本实例中当前时刻有一位Active类型人员和一位Medium类型人员在室。
步骤3:判断当前空调的状态,若空调处于关闭状态,则判断当前时刻在室人员是否会有空调开启行为;若空调处于开启状态,则判断当前时刻在室人员是否会有空调调节行为。
具体地,本实例中,判断当前时刻空调处于开启状态,空调温度设定为23℃,不在Active类型人员的舒适区,他面临着三种选择:B1:“保持空调温度不变”、B2:“调高空调温度2-3℃”、B3:“关闭空调”三项选择。采用问卷调查法分别调查得出这位Active给出三种选择的关于2个目标满足程度的评价和2个目标自身重要性的评价。语义变量的个数设置为5个,分别包括很好、好、一般、差、很差和很重要、重要、中等、不重要、很不重要,其对应的三角模糊数如表1所示:
表1语义项-三角模糊数对应表
通过问卷调查,决策者对不同行为的评价与目标的重要性评价如表2和表3所示:
表2行为效果评价表
表3目标重要性评价表
根据上表,决策者对因素X1,X2重要性权重规范化后为:w1=(0.375,0.5,0.8),w2=(0.25,0.43,0.8),建立排序权重矩阵:
则这名Active类型人员对各项方案的排序矩阵为:
故认为其采取的行为是:关闭空调。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.基于偏好与习惯的多人办公室人员空调行为建模方法,主要包括以下具体步骤:
步骤1):根据多人办公空间中人与人间的交互作用是否会改变人员习惯的空调行为及人员空调开启习惯划分办公空间常驻人员类型;
步骤2):以5-15min作为时间步长,基于WiFi定位技术判断当前室内人员在室情况,确定人员类别;
步骤3):判断当前空调的状态:若空调处于关闭状态,则判断当前时刻在室人员是否会有空调开启行为;若空调处于开启状态,则判断当前时刻在室人员是否会有空调调节行为;所述步骤3)中空调开启行为识别方法为:
对于Active类型人员,若其习惯模式为感到热时开启空调,则判定温度传感器测得的当前室内温度是否超出人员舒适范围,若超出,则产生空调开启行为,设定温度为习惯设定温度;
若其习惯模式为一进入办公室即开启空调,则开启空调,设定温度为习惯设定温度;
对于Medium类型人员,若习惯模式是感到热时开启空调,当室内没有其他同事时,判断温度传感器测得的当前室内温度是否超出人员舒适范围,若超出,则产生空调开启行为,设定温度为习惯设定温度;当室内有其他同事时,判断温度传感器测得的当前室内温度是否超出容忍范围,若超出,则产生空调开启行为,设定温度为习惯设定温度;
若习惯模式是一进入办公室即开启空调,若室内没有其他同事,则空调开启,空调温度设定为习惯设定温度;其他情况下,空调不开启;
对于Passive类型人员,若习惯开启模式为感到热时开启空调,当室内没有其他同事时,判断温度传感器测得的当前室内温度是否超出舒适范围,若超出,则产生空调开启行为,设定温度为习惯设定温度;当室内有其他同事时,不会产生空调开启行为;
若习惯模式为一进入办公室即开启空调,当室内没有其他同事时,空调开启,设定温度为习惯设定温度,其他情况下不会产生空调开启行为;
所述步骤3)中的空调调节行为识别方法为:
第一步,判断温度传感器测得的当前室内温度是否在Active类型人员的舒适区/Medium类型人员的舒适区(室内没有其他人员)/Medium类型人员的容忍区(室内有其他人员)/Passive类型人员的舒适区(室内没有其他人员),若超出,则定义目标函数fk为自己的舒适度和同事的感受,定义方案集C为当前情境下人员可能作出的行为选择;
具体包括:当空调处于开启状态,但自己仍旧感到热时,方案集包括将空调温度在现有设置基础上适当地调低、直接调节空调温度至自己的习惯设定温度、保持不变;当空调处于开启状态,但自己感到冷时,方案集包括将空调温度在现有设置基础上适当地调高、直接调节温度至自己的习惯设定温度、关闭空调、保持不变;
第二步,采用问卷调查法获得人员方案集中各项方案关于2个目标函数fk的语言评价和2个目标重要性的语言评价,使用三角模糊数量化,对其目标函数的重要性程度表述的语义描述对应的三角模糊权重向量规范化后为w=(w1,w2,…,wk)T;
第三步,建立不同方案的排序权重矩阵,建立方法为:对方案集C中的各项方案进行排序,具体排序规则为:若方案ck排在第t位,则βit=1,否则βit=0,依据上述原则,排序矩阵为:
第四步,建立不同方案的排序矩阵Yjt=(yjt)n×n,建立方法为:
第五步,确定排序矩阵第一列为1对应的方案为人员产生的行为。
2.根据权利要求1所述的基于偏好与习惯的多人办公室人员空调行为建模方法,其特征在于,所述步骤1)中对人员类型的划分,根据空调开启习惯:一进入办公室即开启空调(Highstate);感到热时开启空调(Mediumstate);从来不开启空调(Lowstate);以及
根据办公室有其他人员在室时是否会改变这种习惯:保持习惯性行为不变(Active);先采取其他适应性行为或忍受,超出忍耐区间产生相关行为(Medium);不产生习惯性行为(Passive);
将人员类型划分为Active-Highstate,Active-Mediumstate,Active-Lowstate,Medium-Highstate,Medium-Mediumstate,Medium-Lowstate,Passive-Highstate,Passive-Mediumstate,Passive-Lowstate九类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110716717.6A CN113357787B (zh) | 2021-06-28 | 2021-06-28 | 基于偏好与习惯的多人办公室人员空调行为建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110716717.6A CN113357787B (zh) | 2021-06-28 | 2021-06-28 | 基于偏好与习惯的多人办公室人员空调行为建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113357787A true CN113357787A (zh) | 2021-09-07 |
CN113357787B CN113357787B (zh) | 2022-06-03 |
Family
ID=77536686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110716717.6A Active CN113357787B (zh) | 2021-06-28 | 2021-06-28 | 基于偏好与习惯的多人办公室人员空调行为建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113357787B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101881489A (zh) * | 2010-06-29 | 2010-11-10 | 南通华信中央空调有限公司 | 全新风空调机组的装配操作方法 |
CN107120782A (zh) * | 2017-02-28 | 2017-09-01 | 上海交通大学 | 一种基于多用户热舒适度数据的暖通系统控制方法 |
KR102020306B1 (ko) * | 2018-09-19 | 2019-09-10 | 엘지전자 주식회사 | 인공지능 기반의 공기조화기 및 그의 제어 방법 |
CN111895577A (zh) * | 2020-07-27 | 2020-11-06 | 宁波奥克斯电气股份有限公司 | 一种四通阀换向控制方法、控制装置、存储介质及空调器 |
CN112032982A (zh) * | 2020-08-21 | 2020-12-04 | 深圳市建滔科技有限公司 | 基于同策蒙特卡罗算法的室内环境舒适度改善方法 |
CN112303861A (zh) * | 2020-09-28 | 2021-02-02 | 山东师范大学 | 一种基于人体热适应性行为的空调温度调节方法及系统 |
-
2021
- 2021-06-28 CN CN202110716717.6A patent/CN113357787B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101881489A (zh) * | 2010-06-29 | 2010-11-10 | 南通华信中央空调有限公司 | 全新风空调机组的装配操作方法 |
CN107120782A (zh) * | 2017-02-28 | 2017-09-01 | 上海交通大学 | 一种基于多用户热舒适度数据的暖通系统控制方法 |
KR102020306B1 (ko) * | 2018-09-19 | 2019-09-10 | 엘지전자 주식회사 | 인공지능 기반의 공기조화기 및 그의 제어 방법 |
CN111895577A (zh) * | 2020-07-27 | 2020-11-06 | 宁波奥克斯电气股份有限公司 | 一种四通阀换向控制方法、控制装置、存储介质及空调器 |
CN112032982A (zh) * | 2020-08-21 | 2020-12-04 | 深圳市建滔科技有限公司 | 基于同策蒙特卡罗算法的室内环境舒适度改善方法 |
CN112303861A (zh) * | 2020-09-28 | 2021-02-02 | 山东师范大学 | 一种基于人体热适应性行为的空调温度调节方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113357787B (zh) | 2022-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Deng et al. | Artificial neural network models using thermal sensations and occupants’ behavior for predicting thermal comfort | |
CN103398451B (zh) | 基于学习用户行为的多维舒适度室内环境控制方法及系统 | |
Daum et al. | A personalized measure of thermal comfort for building controls | |
Magnier et al. | Multiobjective optimization of building design using TRNSYS simulations, genetic algorithm, and Artificial Neural Network | |
CN110298487A (zh) | 一种用于满足用户个性化需求的室内温度预测方法 | |
Alcalá et al. | Fuzzy control of HVAC systems optimized by genetic algorithms | |
KR101972227B1 (ko) | 지능학습기반의 스마트홈 에너지 기기 제어 장치 및 그 방법 | |
CN107166654A (zh) | 一种空调的控制方法、装置及空调 | |
Pazhoohesh et al. | A satisfaction-range approach for achieving thermal comfort level in a shared office | |
CN105955356B (zh) | 基于人体热适应的室内环境控制系统及方法 | |
CN110425698A (zh) | 一种用户偏好自学习的空调控制方法和装置 | |
JP5038757B2 (ja) | 空調制御システム | |
Ali et al. | IoT-based smart air conditioning control for thermal comfort | |
Rupp et al. | Occupant behaviour in mixed-mode office buildings in a subtropical climate: Beyond typical models of adaptive actions | |
CN106796046A (zh) | 智能环境调控引擎、智能环境调节系统和设备 | |
Zhu et al. | An occupant-centric air-conditioning system for occupant thermal preference recognition control in personal micro-environment | |
CN106403162A (zh) | 一种局部热舒适控制方法、局部热舒适控制器及控制系统 | |
CN115882463A (zh) | 一种商业建筑空调负荷可调度潜力评估方法 | |
CN110096793B (zh) | 一种基于居住用户活动模式的住宅能耗预测方法 | |
CN113357787B (zh) | 基于偏好与习惯的多人办公室人员空调行为建模方法 | |
CN117628659A (zh) | 一种面向暖通空调多系统协同运行的预测调控方法 | |
CN106610083A (zh) | 空调热交换风速的控制方法及装置 | |
Song | Intelligent PID controller based on fuzzy logic control and neural network technology for indoor environment quality improvement | |
Zhao et al. | Thermal sensation and occupancy-based cooperative control method for multi-zone VAV air-conditioning systems | |
CN116358114A (zh) | 一种基于深度强化学习的空调温度控制方法 |
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 |