CN112254287B - 变权重多模型综合预测中央空调末端送风控制方法 - Google Patents

Abstract

本发明涉及一种变权重多模型综合预测中央空调末端送风控制方法，包括：获取监测参数；根据所述监测参数并采用预设模型进行预测，获得多模型预测结果；基于所述多模型预测结果进行变权重处理，获得综合预测值；根据所述综合预测值调节中央空调末端送风量。本发明采用基于变权重多模型综合预测的中央空调末端送风控制，用综合预测值作为室内热舒适评价指标，可保证室内热环境变动时，可以在不同的热环境变量取值区域内，动态赋予单一热舒适预测模型中精度较高的模型以较高权重值，从而提升变权重综合预测模型的预测精度，进而合理调整中央空调末端送风状态，提升室内热环境的舒适性。

Description

变权重多模型综合预测中央空调末端送风控制方法

技术领域

本发明涉及中央空调控制领域，更具体地说，涉及一种变权重多模型综合预测中央空调末端送风控制方法。

背景技术

中央空调***末端的送风调节可以根据室内环境变化，动态调整送风参数，保证室内环境维持在一个合理的范围之内。常规的空调末端控制根据室内温度与设定温度之间的差值，调节风机的工作频率，进而改变送风参数。这种方法的优点是控制简单，但由于空调室内末端感知的温度一般都是回风温度而不是使用者所在空调区的温度，即室内空调设备不是根据其服务的空调区温度来完成调控，存在温度偏差，空调的运行调控与用户的实际热感觉是脱节的。因此，现有的方法是将人体热舒适度引入空调的自动控制***中，使空调***能根据人体热状态的变化自动调节室内温、湿度。如PMV(预期平均评价指数)模型、Adaptive thermal comfort model(适应性热舒适模型) 等。

然而，人体热舒适响应的预测问题是个复杂的过程，受多种因素影响，采用这些单一模型对空调末端的控制存在一定的局限性。例如，PMV模型通常只适用于室内参数稳定且在人体周围均匀分布的热环境，既不适用于非稳态的热环境，也不适用于人体周围参数不均匀的热环境。Adaptive thermal comfort model只考虑舒适温度与室外温度的关系，没有考虑人与环境的物理换热过程，也不能反映其他因素的作用效果。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种变权重多模型综合预测中央空调末端送风控制方法。

本发明解决其技术问题所采用的技术方案是：构造一种变权重多模型综合预测中央空调末端送风控制方法，包括：

获取监测参数；

根据所述监测参数并采用预设模型进行预测，获得多模型预测结果；

基于所述多模型预测结果进行变权重处理，获得综合预测值；

根据所述综合预测值调节中央空调末端送风量。

优选地，所述监测参数包括：室内空气温度、室内相对湿度、室内空气速度、室内黑球温度、以及人体温度；

所述预设模型包括：有效温度模型；

所述根据所述监测参数并采用预设模型进行预测，获得多模型预测结果包括：

根据所述室内空气温度、所述室内相对湿度以及所述有效温度模型，获得有效温度预测值。

优选地，所述预设模型还包括：预期平均评价指数模型；

所述根据所述监测参数并采用预设模型进行预测，获得多模型预测结果包括：

根据所述室内空气温度、所述室内相对湿度、所述室内黑球温度、所述室内空气速度、衣服热阻、以及人体散热率值，获得预期平均评价指数预测值。

优选地，所述根据所述室内空气温度、所述室内相对湿度、所述室内黑球温度、所述室内空气速度、衣服热阻、以及人体散热率值，获得预期平均评价指数预测值包括：

根据所述室内空气温度、所述室内相对湿度与空气水蒸气分压力的关系式，获得所述空气水蒸气分压力；

根据所述衣服热阻与着装面积系数的关系式，获得所述着装面积系数；

根据人体产热率、人体活动额外散热值、所述衣服热阻以及所述着装面积系数的关系式，获得所述衣服表面温度；

根据所述室内黑球温度、所述室内空气温度、所述室内空气速度和平均辐射温度的关系式，获得所述平均辐射温度；

根据所述衣服表面温度、所述室内空气温度、所述室内空气速度和对流换热系数的关系式，获得所述对流换热系数；

根据所述人体产热率、所述人体活动额外散热值、所述空气水蒸气分压力、所述着装面积系数、所述衣服表面温度、所述室内空气温度、所述平均辐射温度、所述对流换热系数，获得所述预期平均评价指数预测值。

优选地，所述人体温度包括：人体头部温度、人体手部温度、人体脚踝温度；

所述预设模型包括：人体生理参数综合评价模型；

所述根据所述监测参数并采用预设模型进行预测，获得多模型预测结果包括：

根据所述人体头部温度、所述人体手部温度、所述人体脚踝温度、所述平均辐射温度、以及所述室内空气温度，获得所述人体生理参数综合评价预测值。

优选地，所述根据所述人体头部温度、所述人体手部温度、所述人体脚踝温度、所述平均辐射温度、以及所述室内空气温度，获得所述人体生理参数综合评价预测值包括：

根据所述室内空气温度、所述平均辐射温度和操作温度的关系式，获得所述操作温度；

根据所述人体头部温度、所述人体手部温度和所述人体脚踝温度，获得人体平均体表温度；

根据所述操作温度与平均体表阻抗的关系式，获得所述平均体表阻抗；

根据所述操作温度、所述人体平均体表温度和所述平均体表阻抗，获得所述人体生理参数综合评价预测值。

优选地，所述预设模型包括：皮肤湿度模型；

所述根据所述监测参数并采用预设模型进行预测，获得多模型预测结果包括：

根据所述平均体表温度、所述室内空气温度、所述空气水蒸气分压力，获得所述皮肤相对湿度；

根据所述皮肤相对湿度，获得所述皮肤湿度模型预测值。

优选地，所述方法还包括：

对所述有效温度预测值和所述皮肤湿度模型预测值进行归一化处理，获得归一化的有效温度预测值和归一化的皮肤湿度模型预测值。

优选地，所述基于所述多模型预测结果进行变权重处理，获得综合预测值包括：

对所述归一化的有效温度预测值、所述预期平均评价指数预测值、所述人体生理参数综合评价预测值和所述归一化的皮肤湿度模型预测值进行加权处理，获得所述综合预测值。

优选地，所述对所述归一化的有效温度预测值、所述预期平均评价指数预测值、所述人体生理参数综合评价预测值和所述归一化的皮肤湿度模型预测值进行加权处理，获得所述综合预测值包括：

确定所述归一化的有效温度预测值的第一权重、所述预期平均评价指数预测值的第二权重、所述人体生理参数综合评价预测值的第三权重和所述归一化的皮肤湿度模型预测值的第四权重；

根据所述第一权重、所述第二权重、所述第三权重、所述第四权重、所述归一化的有效温度预测值、所述预期平均评价指数预测值、所述人体生理参数综合评价预测值和所述归一化的皮肤湿度模型预测值，获得所述综合预测值。

实施本发明的变权重多模型综合预测中央空调末端送风控制方法，具有以下有益效果：包括：获取监测参数；根据所述监测参数并采用预设模型进行预测，获得多模型预测结果；基于所述多模型预测结果进行变权重处理，获得综合预测值；根据所述综合预测值调节中央空调末端送风量。本发明采用基于变权重多模型综合预测的中央空调末端送风控制，用综合预测值作为室内热舒适评价指标，可保证室内热环境变动时，可以在不同的热环境变量取值区域内，动态赋予单一热舒适预测模型中精度较高的模型以较高权重值，从而提升变权重综合预测模型的预测精度，进而合理调整中央空调末端送风状态，提升室内热环境的舒适性。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例提供的变权重多模型综合预测中央空调末端送风控制方法的流程示意图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

为了解决目前采用单一模型对中央空调末端的送风控制方法中所存在的局限性、适用范围小，不能达到很好的热舒适性的问题，本发明提供了一种基于变权重多模型综合预测中央空调末端送风控制方法，该方法采用变权重合并预测模型，将不同的模型的权重取值与变量取值进行动态关联，提高了预测的可靠性和预测精度。

参考图1，图1为本发明提供的各实施例一可选实施例的流程示意图。

如图1所示，该变权重多模型综合预测中央空调末端送风控制方法，包括：

步骤S10、获取监测参数。

具体的，监测参数可包括：室内空气温度、室内相对湿度、室内空气速度、室内黑球温度、以及人体温度。其中，室内空气温度可以通过温度传感器监测获取，室内相对湿度可通过湿度传感器监测获取，室内空气速度可以通过风速仪监测获取，室内黑球温度可通过黑球温度计监测获取，人体温度可通过红外摄像头监测采集得到。其中，人体温度可包括：人体头部温度、人体手部温度、人体脚踝温度。

步骤S20、根据监测参数并采用预设模型进行预测，获得多模型预测结果。

在一些实施例中，该预设模型可包括：有效温度模型。其中，根据监测参数并采用预设模型进行预测，获得多模型预测结果包括：根据室内空气温度、室内相对湿度以及有效温度模型，获得有效温度预测值。

具体的，有效温度模型用数学表达式可表示为：

其中，ET为有效温度预测值，t_a为室内空气温度，

为室内相对湿度。

因此，在获得室内空气温度、室内相对湿度时，可根据(1)式(有效温度与室内空气温度、室内相对湿度的关系式)直接获得有效温度预测值。

在其他一些实施例中，该预设模型可包括：预期平均评价指数模型(PMV 模型)。其中，根据监测参数并采用预设模型进行预测，获得多模型预测结果包括：根据室内空气温度、室内相对湿度、室内黑球温度、室内空气速度、衣服热阻、以及人体散热率值，获得预期平均评价指数预测值。

其中，预期平均评价指数预测值可通过以下式子获取：

在(2)式中，M为人体产热率，W为人体活动额外散热(室内人员一般为0)，P_a是空气水蒸气分压力，t_a是室内空气温度，f_cl是着装面积系数，t_cl是衣服表面温度，

是平均辐射温度，h_c是对流换热系数。

具体的，根据室内空气温度、室内相对湿度、室内黑球温度、室内空气速度、衣服热阻、以及人体散热率值，获得预期平均评价指数预测值包括：

根据室内空气温度、室内相对湿度与空气水蒸气分压力的关系式，获得空气水蒸气分压力。

其中，室内空气温度、室内相对湿度与空气水蒸气分压力的关系式为：

根据衣服热阻与着装面积系数的关系式，获得着装面积系数。

其中，衣服热阻与着装面积系数的关系式为：

在(4)式中，I_cl为衣服热阻。

其中，衣服热阻可参考表1。

表1.衣服热阻

根据人体产热率、人体活动额外散热值、衣服热阻以及着装面积系数的关系式，获得衣服表面温度。

其中，人体产热率、人体活动额外散热值、衣服热阻以及着装面积系数的关系式为：

根据室内黑球温度、室内空气温度、室内空气速度和平均辐射温度的关系式，获得平均辐射温度。

其中，室内黑球温度、室内空气温度、室内空气速度和平均辐射温度的关系式为：

(7)式中，t_g为室内黑球温度，v_ar为室内空气速度。

根据衣服表面温度、室内空气温度、室内空气速度和对流换热系数的关系式，获得对流换热系数。

其中，衣服表面温度、室内空气温度、室内空气速度和对流换热系数的关系式为：

根据人体产热率、人体活动额外散热值、空气水蒸气分压力、着装面积系数、衣服表面温度、室内空气温度、平均辐射温度、对流换热系数，获得预期平均评价指数预测值。

在一些实施例中，该预设模型可包括：人体生理参数综合评价模型。其中，根据监测参数并采用预设模型进行预测，获得多模型预测结果包括：根据人体头部温度、人体手部温度、人体脚踝温度、平均辐射温度、以及室内空气温度，获得人体生理参数综合评价预测值。

具体的，根据人体头部温度、人体手部温度、人体脚踝温度、平均辐射温度、以及室内空气温度，获得人体生理参数综合评价预测值包括：

根据室内空气温度、平均辐射温度和操作温度的关系式，获得操作温度。

其中，室内空气温度、平均辐射温度和操作温度的关系式为：

根据人体头部温度、人体手部温度和人体脚踝温度，获得人体平均体表温度。

由于人体温度受衣服遮挡，因此，采用红外摄像机获取全身皮肤温度难度较大，因此，可通过对人体头部温度、人体手部温度和人体脚踝温度取平均值作为人体平均体表温度。

即人体平均体表温度可通过下式获得：

(10)式中，t_skin为人体平均体表温度，t_head为人体头部温度，t_hand为人体手部温度，t_ankle为人体脚踝温度。

根据操作温度与平均体表阻抗的关系式，获得平均体表阻抗。

其中，操作温度与平均体表阻抗的关系式为：

I_skin＝-29t_op+1141.73 (11)。

(11)式中，I_skin为平均体表阻抗。

根据操作温度、人体平均体表温度和平均体表阻抗，获得人体生理参数综合评价预测值。

其中，人体生理参数综合评价预测值可通过下式获得：

TSV＝0.165t_op+0.468t_skin-0.0018I_skin-193772 (8)。

在一些实施例中，该预设模型包括：皮肤湿度模型。

根据监测参数并采用预设模型进行预测，获得多模型预测结果包括：

根据平均体表温度、室内空气温度、空气水蒸气分压力，获得皮肤相对湿度。

根据皮肤相对湿度，获得皮肤湿度模型预测值。

其中，皮肤湿度预测值可通过下式获得：

皮肤相对湿度可通过下式获得：

在热评价中，热感觉投票一般采用ISO7730中的7分制，即如表2所示：

表2.七分制度热感觉评价表

其中，PMV模型、人体生理参数评价综合模型均采用7分制，而有效温度模型和皮肤温度模型的热感觉预测采用的指标体系不一致，因此，需要进行归一化处理。即对有效温度预测值和皮肤湿度模型预测值进行归一化处理，获得归一化的有效温度预测值和归一化的皮肤湿度模型预测值。

具体的，在一些实施例中，可采用Min-Max法(最小值-最大值法)对原始数据进行线性变换，使结果值映射到[-3，3]之间。其中，归一化公式如下所示：

通过(14)式分别对有效温度模型和皮肤湿度模型进行归一化处理可得到：

A、有效温度：

B、皮肤湿度：

步骤S30、基于多模型预测结果进行变权重处理，获得综合预测值。

具体的，基于多模型预测结果进行变权重处理，获得综合预测值包括：

对归一化的有效温度预测值、预期平均评价指数预测值、人体生理参数综合评价预测值和归一化的皮肤湿度模型预测值进行加权处理，获得综合预测值。

进一步地，对归一化的有效温度预测值、预期平均评价指数预测值、人体生理参数综合评价预测值和归一化的皮肤湿度模型预测值进行加权处理，获得综合预测值包括：

确定归一化的有效温度预测值的第一权重、预期平均评价指数预测值的第二权重、人体生理参数综合评价预测值的第三权重和归一化的皮肤湿度模型预测值的第四权重；根据第一权重、第二权重、第三权重、第四权重、归一化的有效温度预测值、预期平均评价指数预测值、人体生理参数综合评价预测值和归一化的皮肤湿度模型预测值，获得综合预测值。

具体的，对四个模型组合为一个变权重的综合预测模型，即：

因此，参考变权重综合预测的关系式，即如下所示：

可得到：

f(t+1)＝g₁(t+1)·f₁(t+1)+g₂(t+1)·f₂(t+1)+g₃(t+1)·f₃(t+1)+g₄(t+1)· f₄(t+1)

(17)。

其中，f(t+1)是在t+1时刻的综合预测模型结果；f_i(t+1)是第i个单一预测模型在t+1时刻的预测结果；g_i(t+1)第i个单一模型在t+1时刻预测结果的权重。对g_i(t+1)，有∑g_i(t+1)＝1且g_i(t+1)≥0；i为大于0的自然数。第一权重、第二权重、第三权重和第四权重分别为(17)式中的g₁(t+1)、g₂(t+1)、g₃(t+1)、 g₄(t+1)。

进一步地，权重的值可通过以下方式确定：

A1、先确定综合预测值的误差和第i个单一预测值的误差。

其中，综合预测值的误差可通过下述(18)式获得，第i个单一预测值的误差可通过下述(19)式获得。

(18)式中，e(t+1)为综合预测值的误差，F(t+1)为t+1时刻综合预测真实值，f(t+1)为t+1时刻的综合预测值。

(19)式中，F_i(t+1)为t+1时刻第i个单一预测模型的真实值，f_i(t+1)为t+1 时刻第i个单一预测模型的预测值。

因此，可以得到：

其中，(20)式的推导过程如下：

由(20)式可知，权重g_i(t)的确认分为两种情况：

1)t+1时刻，对于任意一个单一模型，预测误差e_i(t+1)均为非正值(或非负值)。

此时存在某单一模型f_j(t+1)，其预测误差e_j(t+1)(或预测误差的绝对值 |e_j(t+1)|)在所有预测误差中最小。则此时单一模型f_j(t+1)的权重为1；剩余的单一模型对应的权重均为0。其中，j为大于0的自然数。

2)t+1时刻，对于任意一个单一模型，预测误差e_i(t+1)有的为非负值，有的为负值。

对所有预测误差为非负值的单一模型中，此时存在某单一模型f_m(t+1)，其预测误差值e_m(t+1)在所有预测误差为非负值的单一模型中最小；其中，m 为大于0的自然数。

对所有预测误差为负值的单一模型中，此时存在某单一模型f_n(t+1)，其预测误差的绝对值|e_n(t+1)|在所有预测误差为负值的单一模型中最小。其中,n为大于0的自然数。

此时单一模型f_m(t+1)与单一模型f_n(t+1)对应的权重值分别为：

其余的单一模型对应的权重均为0。

基于此，在权重的值确定后，可利用变权重综合预测模型(17)式，对 t+1时刻的热感觉进行预测。

步骤S40、根据综合预测值调节中央空调末端送风量。

具体的，在步骤S30中获得综合预测值后，可根据综合预测值与中央空调末端风机运行频率控制表，对中央空调末端风机运行频率进行调节，以达到调节中央空调末端送风量的目的。其中，综合预测值与中央空调末端风机运行频率控制表如下所示：

综合预测值与中央空调末端风机运行频率控制表(设定0％、50％、75％及100％四种风机运行频率)。如下表所示，根据对t+1时刻的热感觉预测情况f(t+1)及其相对于t+1时刻热感觉的变化情况(f(t+1)-f(t))，依据控制规则表调节空调末端风机运行频率：

本发明通过采用采用热综合评价结果作为室内热舒适评价指标。该方法可保证室内热环境变动时，动态赋予单一热舒适预测模型中精度较高的模型以较高权重值，从而提升变权重综合预测模型的热综合评价结果的精确性。

以上实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据此实施，并不能限制本发明的保护范围。凡跟本发明权利要求范围所做的均等变化与修饰，均应属于本发明权利要求的涵盖范围。

Claims (10)

1.一种变权重多模型综合预测中央空调末端送风控制方法，其特征在于，包括：

获取监测参数；所述监测参数包括：室内空气温度、室内相对湿度、室内空气速度、室内黑球温度、以及人体温度；

根据所述监测参数并采用预设模型进行预测，获得多模型预测结果；所述预设模型包括：有效温度模型、预期平均评价指数模型、人体生理参数综合评价模型及皮肤湿度模型；

基于所述多模型预测结果进行变权重处理，获得综合预测值；

根据所述综合预测值调节中央空调末端送风量。

2.根据权利要求1所述的变权重多模型综合预测中央空调末端送风控制方法，其特征在于，所述根据所述监测参数并采用预设模型进行预测，获得多模型预测结果包括：

根据所述室内空气温度、所述室内相对湿度以及所述有效温度模型，获得有效温度预测值。

3.根据权利要求2所述的变权重多模型综合预测中央空调末端送风控制方法，其特征在于，所述根据所述监测参数并采用预设模型进行预测，获得多模型预测结果包括：

根据所述室内空气温度、所述室内相对湿度、所述室内黑球温度、所述室内空气速度、衣服热阻、以及人体散热率值，获得预期平均评价指数预测值。

4.根据权利要求3所述的变权重多模型综合预测中央空调末端送风控制方法，其特征在于，所述根据所述室内空气温度、所述室内相对湿度、所述室内黑球温度、所述室内空气速度、衣服热阻、以及人体散热率值，获得预期平均评价指数预测值包括：

根据所述室内空气温度、所述室内相对湿度与空气水蒸气分压力的关系式，获得所述空气水蒸气分压力；

根据所述衣服热阻与着装面积系数的关系式，获得所述着装面积系数；

根据人体产热率、人体活动额外散热值、所述衣服热阻以及所述着装面积系数的关系式，获得衣服表面温度；

根据所述室内黑球温度、所述室内空气温度、所述室内空气速度和平均辐射温度的关系式，获得所述平均辐射温度；

根据所述衣服表面温度、所述室内空气温度、所述室内空气速度和对流换热系数的关系式，获得所述对流换热系数；

根据所述人体产热率、所述人体活动额外散热值、所述空气水蒸气分压力、所述着装面积系数、所述衣服表面温度、所述室内空气温度、所述平均辐射温度、所述对流换热系数，获得所述预期平均评价指数预测值。

5.根据权利要求4所述的变权重多模型综合预测中央空调末端送风控制方法，其特征在于，所述人体温度包括：人体头部温度、人体手部温度、人体脚踝温度；

所述根据所述监测参数并采用预设模型进行预测，获得多模型预测结果包括：

根据所述人体头部温度、所述人体手部温度、所述人体脚踝温度、所述平均辐射温度、以及所述室内空气温度，获得所述人体生理参数综合评价预测值。

6.根据权利要求5所述的变权重多模型综合预测中央空调末端送风控制方法，其特征在于，所述根据所述人体头部温度、所述人体手部温度、所述人体脚踝温度、所述平均辐射温度、以及所述室内空气温度，获得所述人体生理参数综合评价预测值包括：

根据所述室内空气温度、所述平均辐射温度和操作温度的关系式，获得所述操作温度；

根据所述人体头部温度、所述人体手部温度和所述人体脚踝温度，获得人体平均体表温度；

根据所述操作温度与平均体表阻抗的关系式，获得所述平均体表阻抗；

根据所述操作温度、所述人体平均体表温度和所述平均体表阻抗，获得所述人体生理参数综合评价预测值。

7.根据权利要求6所述的变权重多模型综合预测中央空调末端送风控制方法，其特征在于，所述根据所述监测参数并采用预设模型进行预测，获得多模型预测结果包括：

根据所述平均体表温度、所述室内空气温度、所述空气水蒸气分压力，获得所述皮肤相对湿度；

根据所述皮肤相对湿度，获得所述皮肤湿度模型预测值。

8.根据权利要求7所述的变权重多模型综合预测中央空调末端送风控制方法，其特征在于，所述方法还包括：

对所述有效温度预测值和所述皮肤湿度模型预测值进行归一化处理，获得归一化的有效温度预测值和归一化的皮肤湿度模型预测值。

9.根据权利要求8所述的变权重多模型综合预测中央空调末端送风控制方法，其特征在于，所述基于所述多模型预测结果进行变权重处理，获得综合预测值包括：

对所述归一化的有效温度预测值、所述预期平均评价指数预测值、所述人体生理参数综合评价预测值和所述归一化的皮肤湿度模型预测值进行加权处理，获得所述综合预测值。

10.根据权利要求9所述的变权重多模型综合预测中央空调末端送风控制方法，其特征在于，所述对所述归一化的有效温度预测值、所述预期平均评价指数预测值、所述人体生理参数综合评价预测值和所述归一化的皮肤湿度模型预测值进行加权处理，获得所述综合预测值包括：

确定所述归一化的有效温度预测值的第一权重、所述预期平均评价指数预测值的第二权重、所述人体生理参数综合评价预测值的第三权重和所述归一化的皮肤湿度模型预测值的第四权重；

根据所述第一权重、所述第二权重、所述第三权重、所述第四权重、所述归一化的有效温度预测值、所述预期平均评价指数预测值、所述人体生理参数综合评价预测值和所述归一化的皮肤湿度模型预测值，获得所述综合预测值。

Images