基于人体热感觉穿戴传感的室内温度优化调控方法研究
0 引言
建筑热环境不仅影响人们的热舒适性和身体健康,而且也影响建筑能耗和资源环境的可持续发展
随着人工智能和智能楼宇的发展,迫切要求建筑能够为使用者提供舒适、健康、便捷、高效、节能的空间环境,这就要求在使用者缺乏空调系统专业调控知识、不能合理设置舒适的室内温度、不愿多次人工调整室温设定值的情况下,楼宇控制系统能自动根据人体热感觉合理地再设置室温设定值,引导空调系统的运行调控
因此,为提升空调系统自动控制功能、改善室内环境热舒适性及降低空调系统运行能耗,本文提出了一种基于人体热感觉穿戴传感的室内温度优化调控方法。在这种控制方法中,通过智能手环在线监测人体生理参数来预测实时热感觉,然后将用户热感觉加入到空调系统的控制逻辑中,进而通过调整算法对室内温度设定值进行优化调控。为研究该方法的可行性和有效性,通过试验对比研究了夏季工况下采用基于人体热感觉穿戴传感的控制方法和基于温度设定值的控制方法空调系统运行情况,并从控制效果、用户满意度及空调能耗等方面进行了对比分析。
1 研究方法
1.1 控制架构
基于人体热感觉穿戴传感的室内温度优化调控方法的核心思想是利用可穿戴设备在线监测人体生理特征参数并预测人体实时热感觉,然后根据用户的热感觉实时调整室内温度设定值以满足用户的热舒适性要求。如图1所示,系统的控制架构主要由以下3个部分组成:
1) 智能手环、传感器和末端设备,主要用于监测人体生理特征参数(包括手腕皮肤温度和心率)和室内环境参数(包括空气温度、相对湿度和CO2浓度等)及调节室内环境参数。智能手环穿戴在用户手腕上,传感器和末端设备安装在空调监控区域内。
2) 数据库,主要用于存储和传输数据。在数据库中,人体的生理特征参数及室内环境参数被分类存储,控制器可以在数据库中获取相关参数用于控制空调系统。此外,控制器可以上传控制结果到数据库,并通过人机交互界面将相关参数展示出来。
3) 控制器,主要用于控制空调系统设备的运行。首先,控制器通过热感觉预测模型计算用户实时热感觉,然后基于用户实时热感觉调整室内温度设定值,并将控制指令发送到末端设备控制室内温度以满足用户的热舒适需求。
笔者所在团队的前期研究中,已经开发出2种基于智能手环在线监测的热感觉预测模型,分别为多元线性回归模型
1.2 控制逻辑
在传统室温控制过程中,通常采用基于静态温度设定值的控制方法来维持室内温度在设定值的合理范围内,静态温度设定值通常由用户或建筑管理员确定,温度控制器通过测量温度设定值与实际室内温度值的偏差,调节末端执行器使室内温度保持在设定值范围内。但实际控制过程中很难找到一个合理的室内温度设定值,因此传统室温控制方法不能长时间满足用户的热舒适性需求。为了解决上述问题,本研究将人体热感觉作为输入变量添加到室内温度控制回路中以优化温度设定值,如图2所示。由于室内温度对人体生理参数有很大影响,可以通过智能手环在线监测生理参数来预测热感觉,进而根据前一时刻的温度设定值和当前时刻用户热感觉来不断调整温度设定值。
1.3 控制算法
针对温度设定值的优化问题提出了温度设定值线性调整算法,其核心思想是根据室内人员的热感觉来调整温度设定值,利用分段的线性化公式来计算调整后的温度设定值,定义为线性调整算法,算法表达式如下:
式中 tSO为调整后的温度设定值,℃;tSU与tSL分别为温度设定值的上限值与下限值,℃;TS为用户热感觉预测值;tS为调整前的温度设定值,℃;KTI为温度设定值增大所对应的线性调整系数;KTD为温度设定值减小所对应的线性调整系数。
温度设定值线性调整算法示意图见图3。当热感觉预测值小于-2.5时,表明用户感觉冷,则将优化后的温度设定为上限值;当热感觉预测值在-2.5~-0.5之间时,表明用户感觉凉或微凉,则优化后的温度设定值以KTI为斜率而增大;当热感觉预测值在-0.5~0.5之间时,表明用户处于舒适的状态,此时不调整温度设定值;当热感觉预测值在0.5~2.5之间时,表明用户感觉微暖或者暖,则优化后的温度设定值以KTD为斜率而减小;当热感觉预测值大于2.5时,表明用户感觉热,则将优化后的温度设定为下限值。
在温度设定值线性调整算法中,KTI可根据调整前的温度设定值与温度设定值的上限值确定,KTD根据调整前的温度设定值与温度设定值的下限值确定。计算公式分别为
为确保温度设定值在用户可接受的范围内变化,tSU和tSL应该进行合理选择。根据GB 50736—2012《民用建筑供暖通风与空气调节设计规范》,对于空调夏季情况,相对湿度在30%~70%之间时,对应的满足热舒适的温度范围为22~28 ℃。因此,tSU与tSL分别设置为28 ℃与22 ℃。
1.4 试验台
为验证基于人体热感觉穿戴传感的室内温度优化调控方法的可行性,在大连理工大学已建成的多区域双风机变风量空调系统网络化控制试验台(如图4所示)进行了控制试验,试验间选用2#办公室,该办公室面积约为40 m2,可容纳4人同时进行办公。试验台配备有1套变风量空调系统和1套新风系统,用于控制室内温湿度和空气品质,变风量空调系统通过调节末端阀门开度和新风量,可以将室内温度和CO2浓度控制在设定值范围内,试验过程中室内温度设定值鲁棒区为0.3 ℃,CO2体积分数控制在800×10-6以下,试验用传感器量程及精度如表1所示。
表1 试验用传感器量程及精度
量程 | 精度 | |
室内温度 |
0~50 ℃ | ±0.3 ℃ |
室内相对湿度 |
0~100% | ±3% |
室内CO2体积分数 |
0~2 000×10-6 | ±30×10-6 |
室外温度 |
-40~80 ℃ | ±0.4 ℃ |
室外相对湿度 |
0~100% | ±3% |
1.5 试验流程
采用基于人体热感觉穿戴传感的控制方法和基于温度设定值的控制方法分别进行了控制试验。共有10名健康受试者(6男4女,年龄为(24.78±1.30)岁,身体质量指数BMI为(20.29±1.16) kg/m2)参加了连续6 d的试验,试验于2018年7月底进行,其中采用基于人体热感觉穿戴传感的控制和基于温度设定值的控制时间相等。为了尽量减少不同受试者对试验结果的影响,所有受试者至少需要参加2 d的试验以进行2种不同控制方法的对比试验。试验从每天9:00持续到17:00,中午休息2 h。试验过程中,受试者需要待在办公室内,可以进行办公及走动等正常活动,受试者需佩戴智能手环,实时监测手腕皮肤温度和心率。2种控制方法下的初始温度设定值均为25 ℃,所有空调设备运行控制策略均相同,变风量末端根据室内温度设定值和实际值采用PID算法控制送风量以维持室内温度在设定值范围内。由于热感觉表征生理参数(手腕皮肤温度和心率)与室内环境相关参数之间存在一定的滞后性,为了减小时滞特性的影响,室内温度需要在一段时间内保持相对稳定,然后控制器再根据监测到的生理参数计算热感觉并调整温度设定值。因此,在试验过程中将室内热环境的控制周期设置为30 min。
当控制系统运行基于热感觉的控制方法时,控制器根据手腕皮肤温度和心率采用线性回归模型
2 结果与讨论
在整个试验过程中,对室内外环境参数及空调系统能耗进行了监测,同时获得了328个满意度得分。选取2个具有相似室外气候条件的典型日对2种控制方法进行对比分析。图5显示了2个典型工况日室外空气温湿度的变化情况,采用基于人体热感觉穿戴传感的控制方法时平均室外空气温度和相对湿度分别为29.0 ℃和77.3%,采用基于温度设定值的控制方法时平均室外空气温度和相对湿度分别为28.7 ℃和79.2%。
2.1 控制效果
图6显示了2种控制方法室内外空气温度及室内温度设定值的变化情况。采用基于人体热感觉穿戴传感的控制方法时,室内温度设定值的范围为25.0~27.3 ℃,平均值为26.9 ℃;采用基于温度设定值的控制方法时,室内温度设定值的范围为25.0~26.5 ℃,平均值为25.9 ℃。由图6可以看出,基于人体热感觉穿戴传感控制方法的温度设定值高于基于温度设定值的控制方法,所提出的室内环境优化控制方法具有一定的节能潜力。采用基于人体热感觉穿戴传感的控制方法时,温度设定值在测试时上午和下午都进行了一些调整,如9:30时温度设定值从25.0 ℃调整到26.7 ℃,10:00时温度设定值从26.7 ℃调整到26.9 ℃,11:00时温度设定值从26.9 ℃调整到27.0 ℃,14:30时温度设定值从26.3 ℃调整到27.2 ℃,16:30时温度设定值从27.2 ℃调整到27.3 ℃,这些温度设定值的调整结果均由控制器根据监测到的受试者实时热感觉结果计算得到,表明采用基于人体热感觉穿戴传感控制方法时温度设定值可以根据受试者的热感觉进行及时调整。然而,采用基于温度设定值的控制方法时,温度设定值仅在受试者感到不舒适时才调整,导致了在某些时刻室内过冷及空调系统能耗过高。
2.2 用户满意度
2种控制方法的全部受试者在所有测试日的满意度平均得分如表2所示。由表2可以看出,除5号受试者外,其他受试者在采用基于人体热感觉穿戴传感控制方法时的满意度平均得分要高于采用基于温度设定值控制方法时的平均得分,2种控制方法所有受试者的平均得分分别为5.56和5.10。结果表明,基于人体热感觉穿戴传感的控制方法和基于温度设定值的控制方法均能满足热舒适的要求。
表2 2种控制方法的满意度平均得分及t检验结果
受试者编号 | 总体 | |||||||||||
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | |||
满意度得分 |
热感觉控制 | 5.69 | 5.80 | 5.77 | 6.50 | 4.70 | 5.85 | 5.00 | 5.09 | 6.09 | 4.67 | 5.56 |
设定值控制 | 5.09 | 4.73 | 4.43 | 6.09 | 4.79 | 5.27 | 4.75 | 4.41 | 5.70 | 4.20 | 5.10 | |
P值 |
0.03 | 0.02 | 0.00 | 0.02 | 0.61 | 0.03 | 0.55 | 0.04 | 0.04 | 0.28 | 0.00 |
为了比较2种控制方法在热舒适性上的差异,对单个受试者的满意度得分及全部受试者总体的满意度得分分别进行了t检验。原假设为2种控制方法的满意度得分没有差异,取显著性水平为0.05,计算P值。当P值小于0.05时,表示2种控制方法的满意度得分具有统计学意义上的差异性。2种控制方法的满意度得分t检验结果见表2。对于单个受试者而言,10名受试者中有7名受试者的P值小于0.05,表明对于这7名受试者,基于人体热感觉穿戴传感的控制方法比基于温度设定值的控制方法能获得更高的热舒适性,但是其余3名受试者的满意度得分并没有表现出显著的差异性。在考虑全部受试者总体的满意度得分时,t检验的P值为0.00,表明基于人体热感觉穿戴传感的控制方法在热舒适性上要优于基于温度设定值的控制方法。
2.3 能耗比较
2种控制方法空调系统日耗电量的对比如表3所示。基于人体热感觉穿戴传感控制方法比基于温度设定值控制方法在空调机组和制冷站分别减少了20.45%和13.41%的日耗电量,原因是基于人体热感觉穿戴传感控制方法的温度设定值要高于基于设定值的控制方法,这就缩短了空调系统设备的运行时间且降低了设备日耗电量。在总能耗上,基于人体热感觉穿戴传感控制方法比基于设定值控制方法减少了13.77%的日耗电量。因此,试验结果表明基于人体热感觉穿戴传感的控制方法比基于设定值的控制方法更节能。
表3 2种控制方法空调系统日耗电量对比
室外气象参数 | 日耗电量/(kW·h) | ||||
温度/℃ | 相对湿度/% | 空调机组 | 制冷站 | 总计 | |
基于人体热感觉穿戴传感控制方法 |
29.0 | 77.3 | 1.40 | 28.41 | 29.81 |
基于温度设定值控制方法 |
28.7 | 79.2 | 1.76 | 32.81 | 34.57 |
第1种方法比第2种减少耗电量/% |
20.45 | 13.41 | 13.77 |
本研究介绍了基于人体热感觉穿戴传感的室内温度优化调控方法,该方法将现有的热舒适性研究成果应用到空调系统的智能控制中,将热舒适性研究和自动控制研究进行了有机结合。此外,将人体热感觉添加到室内热环境优化控制逻辑中,提出了线性调整算法用于优化室内温度设定值,拓展了建筑室内热环境自动控制理论。研究结果表明该控制方法能够满足热舒适性需求,具有一定的应用前景。但是,本文的研究基础是建立在先前开发出的人体热感觉预测模型的基础上,该模型的准确性和有效性对控制方法的稳定性具有较大的影响。此外,本文提出的线性调整算法在设定值的调整幅度上具有一定的限制,需要开发更加智能的算法来调整室内温度设定值,如模糊神经网络算法等。本研究仅仅验证了基于人体热感觉在线监测的室内热环境优化控制方法的可行性,但是没有讨论该方法与其他先进的控制方法的优缺点,因此,在以后的研究中,应该将该方法与基于用户反馈等控制方法进行试验对比研究,并从控制性能、舒适性及能耗等方面来探讨该方法的优越性。
3 结论
1) 基于人体热感觉穿戴传感的控制方法能够在不影响用户正常工作的情况下主动调整室内温度设定值,在获得稳定的控制性能的同时解决了温度设定值难以确定的问题。
2) 2种控制方法的用户满意度平均得分均超过了5分,表明2种控制方法均能满足用户的热舒适性需求。t检验的结果表明,采用基于人体热感觉穿戴传感的控制方法比基于温度设定值的控制方法能够获得更好的热舒适性。
3) 基于人体热感觉穿戴传感控制方法的平均温度设定值高于基于温度设定值控制方法,前者比后者可以减少约13.8%的空调系统日耗电量。
4) 基于人体热感觉穿戴传感的室内温度优化控制方法能够获得稳定的控制性能,有效地满足用户的热舒适需求,且节能效果较好,具有较好的实际应用前景。