CN115654697A - 半封闭空间的温度控制方法、装置及计算机可读存储介质 - Google Patents

Abstract

本发明公开了一种半封闭空间的温度控制方法、装置及计算机可读存储介质，涉及温度控制领域，根据半封闭空间内外的两种环境参数共同确定半封闭空间内的当前温度舒适度，在当前温度舒适度较为舒适时，关闭半封闭空间内的空调机，并根据半封闭空间内的通风机的当前通风强度、温度舒适度以及两种环境参数共同控制通风机的目标通风强度；在当前温度舒适度较不舒适时，根据半封闭空间内的空调机的目标制冷温度、温度舒适度以及两种环境参数共同控制空调机的目标制冷温度。通过两种环境参数共同确定当前温度舒适度的方法，能够将半封闭空间与外界之间的能量交换产生的热量考虑进去，能够更有效地控制通风机和空调机，提高温度控制效果。

Description

半封闭空间的温度控制方法、装置及计算机可读存储介质

技术领域

本发明涉及温度控制领域，特别是涉及一种半封闭空间的温度控制方法、装置及计算机可读存储介质。

背景技术

火车站和汽车车站等客运站属于半封闭的空间，虽然候车室以及站内大厅等地相对较为封闭，但客运站的出入口需要保持开启以承受较大的人流量，因此，客运站与全封闭空间相比具备与外界进行能量交换的特性，而客运站与全开放空间相比又具备封闭空间特有的保温保湿等特性，可见半封闭空间内的环境较为复杂。目前，在控制半封闭空间内的温度时，通常是使用全封闭空间的温度控制方法来进行控制，但由于其并未考虑到半封闭空间与外界之间有能量交换，半封闭空间内的温度会受到外界影响，导致温度控制效果较差。

发明内容

本发明的目的是提供一种半封闭空间的温度控制方法、装置及计算机可读存储介质，能够将半封闭空间与外界之间的能量交换产生的热量考虑进去，而且能够提高温度控制的效果，使其更符合预期效果。

为解决上述技术问题，本发明提供了一种半封闭空间的温度控制方法，包括：

确定半封闭空间内的第一环境参数和所述半封闭空间外的第二环境参数；

根据所述第一环境参数和所述第二环境参数确定所述半封闭空间的当前温度舒适度；

根据所述当前温度舒适度确定所述半封闭空间对应的温度控制策略，所述温度控制策略包括通风策略和制冷策略；

当所述温度控制策略为通风策略时，关闭所述半封闭空间内的空调机，并根据所述半封闭空间内的通风机的当前通风强度、所述温度舒适度、所述第一环境参数和所述第二环境参数控制所述通风机的目标通风强度；

当所述温度控制策略为制冷策略时，根据所述半封闭空间内的空调机的当前制冷温度、所述温度舒适度、所述第一环境参数和所述第二环境参数控制所述空调机的目标制冷温度。

优选的，根据所述半封闭空间内的空调机的当前制冷温度、所述温度舒适度、所述第一环境参数和所述第二环境参数控制所述空调机的目标制冷温度，包括：

将所述当前制冷温度、所述当前温度舒适度、所述第一环境参数以及所述第二环境参数均输入至第一预设神经网络模型，以便确定所述目标制冷温度，所述第一预设神经网络模型预先由预设数量的所述当前制冷温度、所述当前温度舒适度、所述第一环境参数以及所述第二环境参数训练得到的。

优选的，在根据所述半封闭空间内的空调机的当前制冷温度、所述温度舒适度、所述第一环境参数和所述第二环境参数控制所述空调机的目标制冷温度之后，还包括：

将所述目标制冷温度、所述当前温度舒适度、所述第一环境参数以及所述第二环境参数均输入至第二预设神经网络模型，以便确定需要开启N台所述半封闭空间内的空调机，所述第二预设神经网络模型预先由预设数量的所述当前温度舒适度、所述第一环境参数以及所述第二环境参数训练得到的，N为正整数；

根据所述目标制冷温度控制N台所述半封闭空间内的空调机进行制冷。

优选的，根据所述当前温度舒适度确定所述半封闭空间对应的温度控制策略，包括：

判断所述当前温度舒适度是否大于预设不适度；

若是，则确定所述温度控制策略为制冷策略；

若否，则确定所述温度控制策略为通风策略。

优选的，根据所述半封闭空间内的通风机的当前通风强度、所述温度舒适度、所述第一环境参数和所述第二环境参数控制所述通风机的目标通风强度，包括：

将所述当前通风强度、所述温度舒适度、所述第一环境参数和所述第二环境参数均输入至第三预设神经网络模型，以便确定所述目标通风强度，所述第三预设神经网络模型预先由预设数量的所述当前通风强度、所述当前温度舒适度、所述第一环境参数以及所述第二环境参数训练得到的。

优选的，根据所述第一环境参数和所述第二环境参数确定所述半封闭空间的当前温度舒适度，包括：

根据所述第一环境参数和所述第二环境参数确定所述半封闭空间的平均人体温度感受参数；

根据所述平均人体温度感受参数确定所述当前温度舒适度。

优选的，所述第一环境参数包括所述半封闭空间的室内温度、室内湿度、室内二氧化碳浓度、对流换热系数、平均辐射温度以及所述半封闭空间内的人数；

所述第二环境参数为所述半封闭空间的室外温度和室外湿度。

优选的，在确定半封闭空间内的第一环境参数和所述半封闭空间外的第二环境参数之前，还包括：

当接收到启动指令后，控制所述半封闭空间中的通风机以预设通风强度进行工作；

确定半封闭空间内的第一环境参数和所述半封闭空间外的第二环境参数，包括：

确定在所述通风机以预设风量进行工作时的所述半封闭空间内的第一环境参数；

确定所述半封闭空间外的第二环境参数。

本申请还提供一种半封闭空间的温度控制装置，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如上述的半封闭空间的温度控制方法的步骤。

本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的半封闭空间的温度控制方法的步骤。

本发明提供了一种半封闭空间的温度控制方法、装置及计算机可读存储介质，首先确定半封闭空间内的第一环境参数和半封闭空间外的第二环境参数；根据第一环境参数和第二环境参数确定半封闭空间的当前温度舒适度，根据当前温度舒适度确定对应的温度控制策略，当温度控制策略为通风策略时，关闭半封闭空间内的空调机，并根据半封闭空间内的通风机的当前通风强度、温度舒适度、第一环境参数和第二环境参数控制通风机的目标通风强度；当温度控制策略为制冷策略时，根据半封闭空间内的空调机的目标制冷温度、温度舒适度、第一环境参数和第二环境参数控制空调机的目标制冷温度。通过第一环境参数和第二环境参数共同确定当前温度舒适度的方法，能够将半封闭空间与外界之间的能量交换产生的热量考虑进去，而且，根据舒适度以及半封闭空间内外的环境参数共同确定通风机或空调机的强度，能够提高温度控制的效果，使其更符合预期效果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请提供的一种半封闭空间的温度控制方法的流程图；

图2为本申请提供的一种通风策略的流程图；

图3为本申请提供的一种神经网络分类模型的结构示意图；

图4为本申请提供的一种制冷策略中调节目标制冷温度的流程图；

图5为本申请提供的另一种半封闭空间的温度控制方法的流程图；

图6为本申请提供的一种半封闭空间的温度控制装置的结构示意图。

具体实施方式

本发明的核心是提供一种半封闭空间的温度控制方法、装置及计算机可读存储介质，能够将半封闭空间与外界之间的能量交换产生的热量考虑进去，而且能够提高温度控制的效果，使其更符合预期效果。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，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，都属于本发明保护的范围。

请参照图1，图1为本申请提供的一种半封闭空间的温度控制方法的流程图，包括：

S1：确定半封闭空间内的第一环境参数和半封闭空间外的第二环境参数；

由于汽车站和火车站等客运站经常有大量的人员进出，所以需要保持客运站大门常开，而大门常开则使得客运站内部环境与外界环境存在着空气流通交换以及受到日光与太阳能的影响等特点，因此，相比于全开放空间和全封闭空间，客运站属于与外界之间具有特定的能量交换方式的半开放半封闭空间，该空间系统内的温度、湿度等参数之间具有复杂且难以解析描述的作用机理。因此，该半封闭空间的温度控制较为复杂，将全开放空间或全封闭空间的温度控制方法直接应用在半封闭空间中的效果不佳。其通常无视内部空间与外部空间之间的能量交换，仅通过单方面（仅考虑半封闭空间内部）、人工化（根据人体实际感受）、静态化（不考虑与温度变化有关的参数的变化）和经验化（根据历史数据）的对半封闭空间内的温度进行控制。

为了解决上述技术问题，本申请中，由于半封闭空间内外空间存在能量交换，所以需要将半封闭空间内部的环境参数和外界的环境参数均考虑进去，具体的，可以利用设置在半封闭空间内部的温度传感器和湿度传感器等检测单元，以及半封闭空间外部的各种检测单元，分别检测半封闭空间内以及半封闭空间外的各种环境参数，如温度或湿度等。

S2：根据第一环境参数和第二环境参数确定半封闭空间的当前温度舒适度；

在获取到半封闭空间内外的环境参数后，根据环境参数来确定出当前舒适度，半封闭空间的当前温度舒适度指的是人在半封闭空间内的实际感受程度，在本申请中采用PMV（Predicted Mean Vote，平均热感觉指数）-PPD（Predicted Percentage ofDissatisfied，预测不满意百分比）等级作为温度舒适度的等级，依据目前的标准可以将PPD分为一级热舒适度，二级热舒适度和不舒适三类，当PPD小于10%时为一级热舒适度，PPD在10％到27%之间为二级热舒适度，PPD大于27%时为不舒适，因此，当人在半封闭空间内的实际感受越是舒适，则当前温度舒适度越高，PPD百分比越接近0%。例如，假设人体最佳感受温度为26度，则当半封闭空间内的温度越是接近26度时，当前舒适度越高，PPD越低，而在实际计算中，由于每个人的体质不同会导致每个人对温度的舒适感受不同，为了后续能够简单计算，可以采用一个平均值作为最终的温度舒适度。

S3：根据当前温度舒适度确定半封闭空间对应的温度控制策略，温度控制策略包括通风策略和制冷策略；

S4：当温度控制策略为通风策略时，关闭半封闭空间内的空调机，并根据半封闭空间内的通风机的当前通风强度、温度舒适度、第一环境参数和第二环境参数控制通风机的目标通风强度；

S5：当温度控制策略为制冷策略时，根据半封闭空间内的空调机的当前制冷温度、温度舒适度、第一环境参数和第二环境参数控制空调机的目标制冷温度。

在确定了当前温度舒适度后，则需要根据温度舒适度来对半封闭空间进行温度控制，具体的，基于节能的目的，当温度舒适度较高时，说明此时半封闭空间内外环境差不多，而且均为比较舒适的环境，也即此时人在半封闭空间内的感受比较舒适，此时则不需要使用空调来主动改变半封闭空间内的温度，只需要进行通风，加大半封闭空间的空气流通，也能够使得半封闭空间内的环境更加舒适；而当温度舒适度较低时，可能说明此外半封闭空间外的环境较为恶劣，如炎热的夏天或寒冷的冬天，此时仅通过通风的方式无法改善半封闭空间内的温度，所以需要使用空调以及其他制冷或制热单元来进行主动对温度进行控制。在进行控制时，对于比较舒适的情况下，由于此时已经属于舒适的环境，而且仅需要对通风机进行控制，因此可以控制通风机根据当前的通风强度（或者说单位时间内的风量）以及温度舒适度和半封闭空间内外的环境参数来调节通风机的通风强度，当半封闭空间内的人体感受相对而言较为不舒适时，则在现在通风强度的基础上增大通风强度，在较为舒适时，则可以降低通风强度；或者也可以是控制通风机以预设的固定风量进行通风。同理，在半封闭空间内的环境较为不适时，越不适则空调的制冷或制热强度越会在现有的基础上增大，相对较为舒适时，空调的制冷或制热强度则会在现有基础上降低。基于此，根据半封闭空间内外的环境参数来调节通风机或空调，不仅能够有效地调节半封闭空间内的温度，还能够节约一定的功耗。

综上，首先确定半封闭空间内的第一环境参数和半封闭空间外的第二环境参数；根据第一环境参数和第二环境参数确定半封闭空间的当前温度舒适度，根据当前温度舒适度确定对应的温度控制策略，当温度控制策略为通风策略时，关闭半封闭空间内的空调机，并根据半封闭空间内的通风机的当前通风强度、温度舒适度、第一环境参数和第二环境参数控制通风机的目标通风强度；当温度控制策略为制冷策略时，根据半封闭空间内的空调机的目标制冷温度、温度舒适度、第一环境参数和第二环境参数控制空调机的目标制冷温度。通过第一环境参数和第二环境参数共同确定当前温度舒适度的方法，能够将半封闭空间与外界之间的能量交换产生的热量考虑进去，而且，根据舒适度以及半封闭空间内外的环境参数共同确定通风机或空调机的强度，能够提高温度控制的效果，使其更符合预期效果。

在上述实施例的基础上：

作为一种优选的实施例，根据半封闭空间内的空调机的当前制冷温度、温度舒适度、第一环境参数和第二环境参数控制空调机的目标制冷温度，包括：

将当前制冷温度、当前温度舒适度、第一环境参数以及第二环境参数均输入至第一预设神经网络模型，以便确定目标制冷温度，第一预设神经网络模型预先由预设数量的当前制冷温度、当前温度舒适度、第一环境参数以及第二环境参数训练得到的。

为了确定目标制冷温度，本申请中，利用神经网络模型来确定目标制冷温度，具体的，第一预设神经网络模型包含一个神经网络模型和一个回归模型，这是由于温度属于连续变量，所以可以使用神经网络模型加上回归模型的方式进行训练，预先采集多个制冷温度、当前温度舒适度、第一环境参数以及第二环境参数并制作成一个训练集给神经网络模型进行训练，以便其得知在当前的温度舒适度以及当前的环境参数的前提下，需要设置哪种目标制冷温度才能使半封闭空间内的环境变得更舒适，然后神经网络模型将自身的输出结果发送给回归模型，以便回归模型判断神经网络模型的输出结果是否准确且合理。在训练过程中，采用MSE（Mean Squared Error，均方误差）和

（R Squared，拟合优度）来确定神经网络模型以及回归模型的精度。

对于MSE的计算，如下：

其中，N为训练集中的样本数量，对于每个参数而言有其对应的N，yi为表示实际的温度舒适度，yti为回归模型预测的温度舒适度，MSE越小，则说明回归模型预测的准确率越高，训练效果和精度越高。

而对于

的计算，如下：

其中的yai为训练集中的温度舒适度的平均值，

的值越大，也能够说明拟合优度越好，回归模型预测的准确率越高，训练效果和精度越高。请参照图4，图4为本申请提供的一种制冷策略中调节目标制冷温度的流程图，神经网络回归模型采用的是决策树回归模型，并利用十折交叉验证来测试模型的准确性，在实际应用时，将室外温度、室内温度和室内湿度等第一环境参数和第二环境参数，连同当前的空调目标制冷温度一起输入到模型中，以便模型确定出在当前的环境参数以及制冷温度下，需要如何调整目标制冷温度以使得半封闭空间内的温度环境更为舒适；在下一时刻进行下次调整时，则需要根据本次调整之后的环境参数作为输入来再次进行调整；此外，每次在调整完目标制冷温度后，还可以根据目标制冷温度输出空调能耗并发送至显示模块进行显示，以便工作人员查看当前的能耗；此外，客流密度指的是停留在半封闭空间中的人数与本封闭空间的面积之间的比值，但由于实际应用环境中人流变化速度较快且难以预测，为了减小计算比值所耗费的时间和工作量，可以直接将人数作为客流密度。基于此，可以根据均方误差以及拟合优度的实际值来确定第一预设神经网络模型的精度是否满足要求，以便在其精度满足要求后投入使用。通过使用神经网络模型，能够准确地确定目标制冷温度。

作为一种优选的实施例，在根据半封闭空间内的空调机的当前制冷温度、温度舒适度、第一环境参数和第二环境参数控制空调机的目标制冷温度之后，还包括：

将目标制冷温度、当前温度舒适度、第一环境参数以及第二环境参数均输入至第二预设神经网络模型，以便确定需要开启N台半封闭空间内的空调机，第二预设神经网络模型预先由预设数量的当前温度舒适度、第一环境参数以及第二环境参数训练得到的，N为正整数；

根据目标制冷温度控制N台半封闭空间内的空调机进行制冷。

为了更好地对半封闭空间进行温度控制，本申请中，考虑到实际的舒适度会随着气候变化以及温度控制的结果而不断产生变化，而且半封闭空间内的各部分区域内的温度变化趋势和速度也不同，所以可以在保证半封闭空间内温度舒适的前提下，基于节约节能的理念，在较为舒适的情况中不需要所有的空调都工作，而是根据各个部分区域内的实际温度以及各个部分区域的温度变化趋势和速度来控制舒适度要求较高以及温度变化较快的区域内的空调进行工作，例如，在夏天时，假设半封闭空间包括候车大厅、餐厅和检票进站区这三个区域，餐厅位于候车大厅内部，而检票进站区设置有大门作为客运站的入口与外界接触，检票进站区再与候车大厅接触，候车大厅为一个较为宽阔的封闭空间，由于检票进站区和外界直接接触，该区域内部温度受到外界环境参数的影响最大，其内部温度的上升速度相比于候车大厅要快，因此，需要开启检票进站区内的空调的数量较多；餐厅通常作为候车大厅内的一个全封闭空间，其几乎不会受到外界环境参数的影响，也即其内部温度的上升速度较慢，仅需要少量空调就能保证其内部环境舒适，因此，需要开启餐厅内的空调的数量较少；当最终确定需要N台空调进行制冷即可保证整个客运站内的各个区域均处于较为舒适的环境时，可以按照一定的比例来开启各个区域内的空调，假设需要开启X台候车大厅内的空调，则检票进站区需要开启的空调台数可能是2X，餐厅区域需要开启的空调台数可能是0.5X，而且2X+X+0.5X=N。本申请在此仅作为例子说明，具体的空调开启比例可以根据实际情况进行设定。

具体确定总共需要开启的空调的台数，可以利用神经网络模型来确定数量，具体的，第二预设神经网络模型包含一个神经网络模型和一个分类模型，这是由于数量属于离散变量，所以可以使用神经网络模型加上分类模型的方式进行训练，预先采集多个制冷温度、当前温度舒适度、开启的空调台数、第一环境参数以及第二环境参数并制作成一个训练集给神经网络模型进行训练，以便其得知在现在的制冷温度下需要开启多少台空调就能够让半封闭空间内的温度达到目标温度，然后神经网络模型将自身的输出结果发送给分类模型，以便分类模型判断神经网络模型的输出结果是否准确且合理。

作为一种优选的实施例，根据当前温度舒适度确定半封闭空间对应的温度控制策略，包括：

判断当前温度舒适度是否大于预设不适度；

若是，则确定温度控制策略为制冷策略；

若否，则确定温度控制策略为通风策略。

为了更好地对半封闭空间内部环境进行温度控制，本申请中，基于节约节能的理念，在没有执行任何温度控制策略的前提下，若此时半封闭空间内的温度较为舒适，说明外界温度也较为舒适，则不需要开启空调。但是由于人体呼吸会散发二氧化碳，而且人体本身也存在热量发散，由于半封闭空间具有全封闭空间有的保温保湿特性，若不执行任何温度控制策略，则会使得半封闭空间内的二氧化碳浓度以及温度逐渐升高，从而导致半封闭空间内的空气沉闷和不适，因此，在半封闭空间内的温度较为舒适时，需要采用通风策略，通过半封闭空间内的通风机加强半封闭空间内的空气流通，排出内部的二氧化碳和热量并输入外界的新鲜空气，以减低半封闭空间内的空气沉闷感和不适感，提高舒适度。此外，预设不适度可以是根据人体的实际舒适感受设定的一个参数，也可以是根据PPD确定的一个参数，本申请对此不做限定。

作为一种优选的实施例，根据半封闭空间内的通风机的当前通风强度、温度舒适度、第一环境参数和第二环境参数控制通风机的目标通风强度，包括：

将当前通风强度、温度舒适度、第一环境参数和第二环境参数均输入至第三预设神经网络模型，以便确定目标通风强度，第三预设神经网络模型预先由预设数量的当前通风强度、当前温度舒适度、第一环境参数以及第二环境参数训练得到的。

为了确定当前通风强度，本申请中，利用神经网络模型来确定当前通风强度，具体的，第三预设神经网络模型包含一个神经网络模型和一个分类模型，这是由于通风强度属于离散变量，所以可以使用神经网络模型加上分类模型的方式进行训练，预先采集多个通风强度、当前温度舒适度、第一环境参数以及第二环境参数并制作成一个训练集给神经网络模型进行训练，以便其得知在当前的温度舒适度以及当前的环境参数的前提下，需要设置哪种通风强度才能使半封闭空间内的环境舒适度满足要求，然后神经网络模型将自身的输出结果发送给分类模型，以便分类模型判断神经网络模型的输出结果是否准确且合理。在训练过程中，可以采用Acc（Accuracy，准确率）和F1（weighted-F1，加权宏平均）来确定模型的精度。

对于Acc，如下：

其中，k为分类模型中的第k个类别，m为分类模型中的类别总数量，ak为正确分类到第k个类别中的样本数量，N为训练集中的样本总数量，由于训练集中的样本存在多种，所以需要对每一种类的样本均进行分类，也即不同种类的样本有不同的N值和m值。

对于F1，如下：

其中，F1i为利用二分类公式计算出来的F1作为F1i，wi为第i个类别中的样本数量占训练集样本总数量的比例，Pi为第i个类别的精度，Ri为第i个类别的召回率，TPi、FPi和FNi分别为第i个类别中的正例预测正确的样本数量、负例预测错误的样本数量和正例预测错误的样本数量。

对于Acc和F1而言，Acc越接近0，说明分类错误的样本越多，Acc越接近1，说明分类正确的样本越多；F1越接近0则分类结果越差，F1越接近1则分类结果越好，基于此，可以根据Acc以及F1的实际值来确定第三预设神经网络模型的精度是否满足要求，以便在其精度满足要求后投入使用。

请参照图2，图2为本申请提供的一种通风策略的流程图，其中的换气率相当于通风强度，首先采集当前的换气率数据并进行处理和归一化，再结合室外温度、室内温度和室内湿度等环境参数共同输入到分类模型中的神经网络模型中，以便模型输出新的换气率以确定出新的PDD等级（也即温度舒适度），在下次计算时，则将本次模型确定输出的新的换气率作为当前换气率再次进行计算，形成循环。通过使用神经网络模型，能够准确地确定当前通风强度，而对于图2中的分类模型的详细介绍，请参照图3，图3为本申请提供的一种神经网络分类模型的结构示意图，其包括一个神经网络模型和一个分类模型，并将Acc和F1作为模型的评价指标，与上述内容所对应；同理，对于制冷策略而言，空调的开启台数也属于离散变量，因此也可以使用类似于图3中的神经网络分类模型来确定制冷策略中的空调的实际开启台数。

作为一种优选的实施例，根据第一环境参数和第二环境参数确定半封闭空间的当前温度舒适度，包括：

根据第一环境参数和第二环境参数确定半封闭空间的平均人体温度感受参数；

根据平均人体温度感受参数确定当前温度舒适度。

为了确定当前温度舒适度，本申请中，由于采用的是PPD等级作为温度舒适度，所以可以根据PMV与PPD之间的关系，首先根据环境参数计算出PMV，再根据PMV来计算得到PPD。具体的，对于PMV，如下：

其中，M为人体能量代谢率，W为人体所做的机械功，Pa为半封闭空间内的水蒸气分压力，Ta为空气温度，Fci为人体被服装覆盖的面积与人体未被覆盖的面积之比，Tci为人体外表面的温度，Ts为半封闭空间内的平均辐射温度，Hc为半封闭空间内部与外部之间的对流换热系数。而对于M、W、Fci和Tci而言，由于每个人的体质、穿着以及动作不同，这些参数会有不同的变化，为了简单地进行计算，则可以预先取一个平均值作为对应参数进行计算。

在计算得到PMV后，根据PMV确定出PPD，如下：

通过检测人体参数以及半封闭空间内外的环境参数先计算得到PMV，再通过PMV能够确定出PPD。

作为一种优选的实施例，第一环境参数包括半封闭空间的室内温度、室内湿度、室内二氧化碳浓度、对流换热系数、平均辐射温度以及半封闭空间内的人数；

第二环境参数为半封闭空间的室外温度和室外湿度。

为了确定温度舒适度，本申请中，由于半封闭空间具有全封闭空间有的保温保湿特性，而且人体呼吸会散发二氧化碳以及也存在热量发散的情况，所以对于半封闭空间内部而言，需要考虑多方面因素，其中，不仅需要考虑室内温度和室内湿度，还需要考虑二氧化碳浓度和人数，这是因为人数也会影响到实际的二氧化碳浓度以及室内温度湿度，而平均辐射温度则可以反映出室内环境辐射到室内人体表面的温度感受，因此还需要利用平均辐射温度，对流换热系数指的是半封闭空间内外的能量交换系数，由于半封闭空间会受到外部空间的影响所以需要利用对流换热系数；而对于半封闭空间外，由于其二氧化碳浓度几乎恒定不变，而且外界的人数多少也不会影响到半封闭空间内部环境，因此对于半封闭空间外部而言，只需要确定温度和湿度。基于此，通过确定第一环境参数和第二环境参数，能够准确地确定温度舒适度。

作为一种优选的实施例，在确定半封闭空间内的第一环境参数和半封闭空间外的第二环境参数之前，还包括：

当接收到启动指令后，控制半封闭空间中的通风机以预设通风强度进行工作；

确定半封闭空间内的第一环境参数和半封闭空间外的第二环境参数，包括：

确定在通风机以预设风量进行工作时的半封闭空间内的第一环境参数；

确定半封闭空间外的第二环境参数。

为了确定温度控制策略，本申请中，在半封闭空间的整个温度控制系统启动后，此时相当于从未对半封闭空间进行温度控制，但无论是通风策略还是制冷策略，均需要根据当前的通风强度或者制冷强度来确定出新的通风强度或者制冷强度，可见，若从未对封闭空间进行温度控制，则不存在当前的通风强度或制冷强度。基于此，再根据节约节能的理念，在启动之后，在获取到环境参数后，可以首先执行通风策略，使用预设的通风强度进行通风，然后将半封闭空间在预设通风强度进行通风的环境作为当前的环境，根据半封闭空间正在通风时的环境参数来计算PPD，请参照图5，图5为本申请提供的另一种半封闭空间的温度控制方法的流程图，而进一步的，在后续判断执行哪种温度控制策略时，若发现在预设通风强度下就能够保证很好的舒适度，则可以继续执行通风策略，并继续与预设通风强度进行通风；若预设通风强度不能保证很好的舒适度，则可以将预设通风强度作为当前通风强度，并利用半封闭空间内外的环境参数计算得出新的通风强度；若此时的舒适度较为不适，则可以将预设通风强度换算成对应的预设制冷强度并作为当前制冷强度，以便空调进行制冷。基于此，能够便于后续确定温度控制策略。

请参照图6，图6为本申请提供的一种半封闭空间的温度控制装置的结构示意图，包括：

存储器21，用于存储计算机程序；

处理器22，用于执行计算机程序时实现如上述的半封闭空间的温度控制方法的步骤。

对于本申请提供的半封闭空间的温度控制装置的详细介绍，请参照上述半封闭空间的温度控制方法的实施例，本申请在此不再赘述。

本申请还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述的半封闭空间的温度控制方法的步骤。

对于本申请提供的计算机可读存储介质的详细介绍，请参照上述半封闭空间的温度控制方法的实施例，本申请在此不再赘述。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种半封闭空间的温度控制方法，其特征在于，包括：

确定半封闭空间内的第一环境参数和所述半封闭空间外的第二环境参数；

根据所述第一环境参数和所述第二环境参数确定所述半封闭空间的当前温度舒适度；

根据所述当前温度舒适度确定所述半封闭空间对应的温度控制策略，所述温度控制策略包括通风策略和制冷策略；

当所述温度控制策略为通风策略时，关闭所述半封闭空间内的空调机，并根据所述半封闭空间内的通风机的当前通风强度、所述温度舒适度、所述第一环境参数和所述第二环境参数控制所述通风机的目标通风强度；

当所述温度控制策略为制冷策略时，根据所述半封闭空间内的空调机的当前制冷温度、所述温度舒适度、所述第一环境参数和所述第二环境参数控制所述空调机的目标制冷温度。

2.如权利要求1所述的半封闭空间的温度控制方法，其特征在于，根据所述半封闭空间内的空调机的当前制冷温度、所述温度舒适度、所述第一环境参数和所述第二环境参数控制所述空调机的目标制冷温度，包括：

将所述当前制冷温度、所述当前温度舒适度、所述第一环境参数以及所述第二环境参数均输入至第一预设神经网络模型，以便确定所述目标制冷温度，所述第一预设神经网络模型预先由预设数量的所述当前制冷温度、所述当前温度舒适度、所述第一环境参数以及所述第二环境参数训练得到的。

3.如权利要求1所述的半封闭空间的温度控制方法，其特征在于，在根据所述半封闭空间内的空调机的当前制冷温度、所述温度舒适度、所述第一环境参数和所述第二环境参数控制所述空调机的目标制冷温度之后，还包括：

将所述目标制冷温度、所述当前温度舒适度、所述第一环境参数以及所述第二环境参数均输入至第二预设神经网络模型，以便确定需要开启N台所述半封闭空间内的空调机，所述第二预设神经网络模型预先由预设数量的所述当前温度舒适度、所述第一环境参数以及所述第二环境参数训练得到的，N为正整数；

根据所述目标制冷温度控制N台所述半封闭空间内的空调机进行制冷。

4.如权利要求1所述的半封闭空间的温度控制方法，其特征在于，根据所述当前温度舒适度确定所述半封闭空间对应的温度控制策略，包括：

判断所述当前温度舒适度是否大于预设不适度；

若是，则确定所述温度控制策略为制冷策略；

若否，则确定所述温度控制策略为通风策略。

5.如权利要求1所述的半封闭空间的温度控制方法，其特征在于，根据所述半封闭空间内的通风机的当前通风强度、所述温度舒适度、所述第一环境参数和所述第二环境参数控制所述通风机的目标通风强度，包括：

将所述当前通风强度、所述温度舒适度、所述第一环境参数和所述第二环境参数均输入至第三预设神经网络模型，以便确定所述目标通风强度，所述第三预设神经网络模型预先由预设数量的所述当前通风强度、所述当前温度舒适度、所述第一环境参数以及所述第二环境参数训练得到的。

6.如权利要求1所述的半封闭空间的温度控制方法，其特征在于，根据所述第一环境参数和所述第二环境参数确定所述半封闭空间的当前温度舒适度，包括：

根据所述第一环境参数和所述第二环境参数确定所述半封闭空间的平均人体温度感受参数；

根据所述平均人体温度感受参数确定所述当前温度舒适度。

7.如权利要求1所述的半封闭空间的温度控制方法，其特征在于，所述第一环境参数包括所述半封闭空间的室内温度、室内湿度、室内二氧化碳浓度、对流换热系数、平均辐射温度以及所述半封闭空间内的人数；

所述第二环境参数为所述半封闭空间的室外温度和室外湿度。

8.如权利要求1至7任一项所述的半封闭空间的温度控制方法，其特征在于，在确定半封闭空间内的第一环境参数和所述半封闭空间外的第二环境参数之前，还包括：

当接收到启动指令后，控制所述半封闭空间中的通风机以预设通风强度进行工作；

确定半封闭空间内的第一环境参数和所述半封闭空间外的第二环境参数，包括：

确定在所述通风机以预设风量进行工作时的所述半封闭空间内的第一环境参数；

确定所述半封闭空间外的第二环境参数。

9.一种半封闭空间的温度控制装置，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至8任一项所述的半封闭空间的温度控制方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的半封闭空间的温度控制方法的步骤。

Images