暖通空调办公楼个性化的热舒适性驱动控制 专业英语翻译.docx
- 文档编号:8404988
- 上传时间:2023-01-31
- 格式:DOCX
- 页数:12
- 大小:1.62MB
暖通空调办公楼个性化的热舒适性驱动控制 专业英语翻译.docx
《暖通空调办公楼个性化的热舒适性驱动控制 专业英语翻译.docx》由会员分享,可在线阅读,更多相关《暖通空调办公楼个性化的热舒适性驱动控制 专业英语翻译.docx(12页珍藏版)》请在冰豆网上搜索。
暖通空调办公楼个性化的热舒适性驱动控制专业英语翻译
外文资料及译文
暖通空调办公楼个性化的热舒适性驱动控制
,
,
,
,
1土木与环境工程学院SonnyAstani系
2信息科学研究所
(美国加州洛杉矶市南加利福尼亚大学)
电子邮件:
jazizade@usc.edu,aghahram@usc.edu,becerik@usc.edu,tatiana@isi.edu,
mdorosz@isi.edu
摘要:
用户的舒适性在暖通空调操作的性能中占有主导地位的影响。
大多数暖通空调系统操作依赖于行业标准,以确保住户在入住期间拥有满意的环境条件。
尽管建筑能源消耗率不断增加,住户常常还不很满意商业楼宇的室内条件。
为解决这一问题,本文介绍了一种将人的舒适性整合到暖通空调系统中的逻辑控制框架。
用户代理、舒适性配置文件学习算法及建筑管理系统(BMS)控制器将会作为框架的一部分呈现其中。
该框架的性能已经在真实的建筑操作中通过评估。
框架在一个通过增加能效,提高用户舒适性的小规模试验中很成功并且集体能源消费量略有减少。
简介
在美国,几乎一半的能源消耗被消耗在商业楼宇建筑中,其中约有43%被消耗在供热,制冷和通风系统中(能源部2010)。
用户的舒适度对暖通空调的运行占有主导地位的影响。
目前,大多数的暖通空调系统操作依赖于行业标准,如ASHRAE,使用预测平均值(PMV)--热舒适性指标,以确保和评估用户在入住期间对环境条件的满意度。
PMV-PPD(预测百分比不满意)模型,是20世纪70年代由Fanger(Fanger1970年)基于控制实验的基础上提出,用来计算用户不满意百分比的设计准则(比如,ASHRAE标准,建筑用户的20%)。
目前PMV-PPD是在该行业中最常用的指标。
然而,人体舒适度百分比是一个复杂的参数,很难量化。
Fanger's模型通过非线性模型来解决PMV预测的复杂性。
该模型取决于多个变量,包括物理环境变量(如温度、湿度等)和与人体生理相关的变量如活动级别和服装特征等。
最初创建的模型是基于实验研究并且在几十年研究中已经制定了利于模型应用的大量方法。
这个模型在建筑系统的设计和实际操作过程中被使用,尽管所有这些发展,关于建筑中用户特征依旧存在大量的假定性挑战,比如用户的代谢率、活动率、服装热阻值等。
在建筑物的运行阶段,运营经理在缺乏动态用户信息的情况下,在集中控制的暖通空调楼宇内保守地预定义设置点。
在不考虑动态变化时,建筑系统中应用程序的预定义设置点可能带来建筑用户的不满和效率低的可能(即,住户不满,尽管高能源支出比例高)。
各种研究表明在暖通空调楼宇的操作中预定义热舒适性集点使用户感到不满意(郭和周2009年)。
室内环境的不满可能导致生产力的下降和不健康的室内环境。
因此,建筑系统能够感知其用户的偏好并且将这些情形整合到暖通空调的逻辑操作中是非常重要的。
除了用户的偏好差异,个人的偏好可能随时间而变化,因为季节的变化,活动的级别不同,穿着的差异等。
为了确保个性化的暖通空调控制系统,一个灵活的、交互式的系统是需要的。
要解决这些问题,并提出一种方法去解释热舒适性的时空变化,本文提出了一种框架,在办公楼空调操作中整合互补的舒适性偏好信息组预定义点模型。
该框架的核心理念是以用户为中心的检测方法,其中建筑管理系统(BMS)和建筑物的用户之间不断的相互作用是必需的。
该框架是作者的人力资源建设互动观点的一部分。
该观点认为占有用户活力的建筑中需要一种用户和建筑持续的信息以及他们之间的一个相互行为变化。
研究背景
提高建筑暖通空调系统的性能一直是许多研究的重点。
在这些研究中的大部分,热舒适性和建筑能耗已被视为相互关联的参数,并且为增加舒适性同时节约能源,已做出了不少努力。
为了提高对用户的热舒适性的错综复杂的条件的理解,已经引起了在自适应的楼宇控制系统中的研究。
为了先进的楼宇控制系统以及解决首选热和空气质量条件下,多变量的性质,模糊逻辑控制器已经被暖通空调系统的管理提出(Calvinoetal.,2010年;DuanPei-gongandHui,2010年)。
此外,多智能体模拟(Dounis和Caraiscos,2009年)和神经网络计算方法(Atthajariyakul和Leephakpreeda,2005年)已经被提出。
为更智能化的系统控制,无线传感器网络已经被用于室内环境的实时探测(Marchiori和han,2010年)。
关于用户热舒适性和建筑能耗的自适应模糊控制器,以及遗传和基于梯度的算法已被用于多目标优化。
尽管在建筑的控制策略中取得了这些进展,热舒适模型并未改变。
PMV指标一直被用来评估、维护和优化用户热舒适性却并没有确定在真正的房屋建筑设置中用户的实际偏好及热舒适区域。
解决这个限制,罗杰古勒明和莫雷尔(2002年)提出了自适应控制系统来学习具体的用户的愿望,利用人工神经网络方法,用户用试验室的一个键盘在表单中输入设定点温度、照明条件(罗杰古勒明和2002年莫雷尔)。
同样,Daum等(2011年)提出了一个概率测度的热舒适的的控制器,使用用户界面组成的热/太冷按钮来改善热舒适性和降低能源消耗(Daum等人,2011年)。
贝尔梅霍等人2012年将静态模糊规则整体应用到PMV,从温度和湿度传感器的读数的环境,以及假定的活动和服装的标准,作为热舒适性指标计算。
PMV是用于描述室温以及被更新作为与用户相对应的温控器。
通过模拟,结果表明,该方法可以作为一种在线学习方法,研究用户的舒适性(2012年贝尔梅霍等)。
如上所述,在大多数研究中PMV已被用来作为一个热舒适指标,并且在真实建筑物下在没有任何尝试来验证提出的方法,所提出的大多数方法已经用模拟的方法进行测试。
此外,服装和活动水平的值被假定为恒值。
因此,在此文件中,作者提出一种方法,在现有建筑物中使一个用户集中暖通空调控制并且通过使用行业标准建筑系统的设计作为基准点解决上述问题,并集成用户输入作为要提高暖通空调系统效率的补充信息。
基于个性化的暖通空调热舒适性控制
提出的方法是基于现有建筑系统(基于工业标准的设计)为室内环境热舒适性提供一个基准线这个事实;然而,用户的活力(例如,活动的变化,代谢率,等)运行期间不会被考虑。
解决这一问题,作者的建议方法是使用参与式传感。
参与式感应,用户是遥感的节点,提供建筑物中的实际事件的上下文相关的时空信息。
图一:
个性化的暖通空调控制框架
事实上,所提出的方法可以让用户表达自己的偏好(这源于环境,生理,心理因素)的建筑管理系统。
因此,该方法需要使用代理,代表用户。
执行机构的设计也使建筑管理系统反应给用户偏好(图一)。
用户BMS通信代理。
在所提出的架构中,用户能够利用无处不在的计算设备传达他们的热舒适投票到建筑管理系统。
智能手机,平板电脑,笔记本电脑或台式电脑都可以被用来作为平台(用户代理)来获得环境的热舒适性的信息。
因此,一个有效的界面设计需要启用用户建筑管理系统通信。
代理设计(功能的接口设计)的执行能够使用户提供的反馈意见是一致的,并且代表着他们的环境和室内环境状况满意度的真实看法。
在这种情况下的一致性被定义为在类似的室内环境条件下投票的相似性。
因此,代理设计已经随着一系列任务的调查、评估、访谈而开展。
界面设计的细节不是本文讨论的范围。
图2:
代理接口上的热投票偏好滑块
界面设计的研究表明最有效的界面功能是用对齐的形式捕获用户的一致热投票偏好规模(相比较(ASHARE)热舒适感觉规模)。
偏好规模要求用户反应到当前的室内温度。
区域相关分析捕获的数据表明温度是推动用户的投票的最重要的因素。
基于这些研究结果,代理服务器已设计为不同的平台,如iOS和android系统的智能手机和个人电脑。
学习用户的舒适度配置文件。
使用这个接口(图2),用户能够将他们的个人偏好传达到建筑管理系统(BMS)。
暖通空调系统根据用户的投票相应地调节室内环境,以满足用户的热舒适性的要求。
当用户与系统交互来调节温度,他们也提供信息给BMS,这被用来学习他们的舒性文件。
因此,拟议的框架的另一个组成部分是无线传感器网络,捕捉在感兴趣的客房的环境条件。
在这项研究中,传感器系统包括一个集成支持机802.11无线网络交流的Arduino黑窗口单板单片计算机和maxdetect,rht03温度/湿度传感器。
测量精度是士0.2℃,分辨率(灵敏度)为0.1℃。
对于该反馈提供的每个用户的热舒适性反馈和环境条件会被捕获。
该接口设计有助于BMS在同一时间捕捉偏好(不管温度怎么)和感觉(表示不适的指数)。
为了使用户能够与BMS相交互,一个初始的线性关系(一个数值-50和50之间)在滑块和要求的温度变化范围内被使用。
然而,为寻找最佳的温度范围,并为每个用户定制滑块,并且要避免过度的试验和错误,所提出的框架使用一个学习算法确定各用户的舒适性配置。
在这种情况下,舒适性配置文件,是用户的舒适性指标和环境温度的纽带。
正如所指出的,舒适度是一个由许多因素影响的量,因此用户在不同的室内条件下报告了类似的热舒适的反馈输入值。
因此,不同的热舒适指数与环境温度范围相关联。
所以,了解用户的舒适性配置,一个基于模糊规则的数据挖掘方法,即王-孟德尔(WM)模型(王立新2003年),在这项研究中被使用。
模糊逻辑是用来模拟人类的主观思想。
在这项研究中,不是由人类专家介绍规则,规则是由人类受试者(用户)提供的数据得知,因此该规则表示每个人的舒适度曲线。
了解问题的数学表达式定义为一组数据点((tpvti),(tPz,tz),…,(tpN,tN)}即tp作为热感觉指标输入,ti是与每个人相关联的环境温度。
我们的目标是确定一个映射(F:
TPt),热感知指数和环境温度间的模糊规则,并将温度范围以模糊集的形式进行预测。
因此,当用户与暖通空调系统调相呼应时,会调整到合适的温度,他/她的舒适性将被了解并且一个定制的感觉范围(相对温度和滑块值之间的关系)会为每个单人开发出来。
此外,将热舒适文件和温度进行模糊控制,每个人的热舒适范围就会被得到。
BMS控制器。
一个框架的主要目标是提高现有建筑物的建筑系统能效。
因此,该框架的设计要求是空调系统不需要额外的硬件和没有(风量)侵入建筑物。
然而,提高热舒适的体验,房间级别温度(相对于国内暖通空调系统的区域级温度)会被考虑。
为了适应用户的偏好,比例控制器会被应用。
比例控制器根据反馈从环境中做出反应以此保持占用房间的温度尽可能与舒适性模型传达的最优温度相近。
控制器的目的是最大限度地减少最优温度的偏差,作为误差的定义:
其中,
是热区域的房间号,
是最优温度,
是每个热房间的测量温度。
动态控制机制本身占的因素,例如在房间的热负荷,太阳能热增益,由于不同传感器的位置引起的温度值偏移量的差异,这些可以通过动态驾驶系统控制尽量减少错误,而不是试图计算出一个“完美”的设置点。
实验研究
目标。
该实验的目的是通过对框架的热舒适性及能量消耗的影响的评估来评估该框架在真实建筑物中的性能。
以下就舒适性的能源消耗的改善趋势进行了探讨。
实验测试床。
提出的框架已经部署在南加州地区大学校园的一个办公楼。
该框架已启用了建筑的两个区域。
每个区域包含两个单人办公室,每间客房配备了环境温度传感器。
每间客房用户被提供了热舒适性相关的应用程序(作为代理)。
结果将呈现出每个区域的一个用户(每个区域的一个房间)。
舒适性发展简介。
实验在2012年10月中旬已经开始,持续了三个星期。
前两个星期被视为培训期间,用户在其中通过调节温度与系统互动,并提供培训数据BMS。
用户在两个目标房间的舒适性剖面图如图3。
在这段时间的舒适性参数的发展如本图所示。
模糊集的数量是一个模型参数,它决定了模糊规则的提取方法的准确性。
敏感性分析的结果表明,平均5个模糊集产生一个全局最优误差。
但是,每个用户的模糊集的数量可以在3-7之间变化。
正如图3所示,舒适度曲线的分辨率可以通过增加数据点的数量而增加。
客房1:
舒适性学习范围:
上限)舒适范围客房2:
舒适性学习范围:
上限舒适范围,
下限)感觉规模房间下限)感觉规模房间
图3:
个性化的舒适性配置文件
在前两个星期一获得用户的舒适性配置文件,BMS控制器就会使用个性化的舒适性配置文件通过设定各个房间的最适默认温度到相当于用户的最适温度下。
用户的最适温度是相当于舒适范围(与零投票相关联)的中心温度。
所要求的变化温度在个人觉感规模的基础上也将被计算。
舒适度和能源权衡。
提供的框架的舒适性能将通过对用户的调查进行评估。
为了量化对提供的拟议框架的用户满意度,用户被要求在布置框架前后排列他们对室内环境的满意度用1到10表示(10为非常满意)。
报告的评级,通过之前和之后的一个出口对用户进行面谈,用户通过检测最适温度与他们的期望相一致且他们更喜欢系统继续运行表达他们对部署框架的满意度。
为了评估该框架对目标区的能源消耗的的影响,一个参考基准被运用。
能耗的计算可分为不同的物质,例如为维持室内的环境条件的空气流,用于冷却和加热空气能量。
在这项研究中,气流的变化已被用作一个比较能量消耗的指标。
把目标区域的能量消耗分为2段(前,后框架)进行了比较。
选择时间段进行比较,把具有相似外界温度的条件作为一个标准。
相对的,外界的温度范围为在比较期分别为17.4〜27.2℃和16.626.40℃对应于周期1和周期2。
一周的平均气流在测试过程中被测量和被类似时期的控制数据相比较,结果列于表1中。
结果表明,在某些情况下节能可以实现并且在某些情况下能量消耗会增加,这取决于用户的喜好。
然而,部分增加的能量消耗是由于气流值的振荡。
这关系到该比例控制器需要调整的事实。
如果模型被调整,有节省能源的潜力。
一般情况下,当空调系统在制冷模式下,当用户要求较温暖的环境时节约能源可以被实现。
根据作者的观察,大部分不满意用户更喜欢在温暖的建筑室内条件,这显示了节约能源的潜力。
作为作者今后工作的一部分,舒适性节能权衡将有大规模的实验来探索。
提议的架构在建筑系统中具有提高能效的潜力(提高舒适性而没有增加能量消耗),这也取决于暖通空调系统的操作模式和用户的喜好。
表1:
目标区域空气流的比较
区域
前框架c3/m
后框架c3/m
变化率(%)
区域1
9.64
11
+14%
区域2
9.57
7.93
-17%
结论
在暖通空调系统办公大楼中将用户的喜好集成控制回路的框架被提出。
该框架的主要目的是考虑到了影响人的建筑热舒适性的因素,如活动水平和服装阻值等。
利用无所不在的计算设备,一个模糊规则提取算法,以及一个比例控制器参与感应的方法作为框架的组成部分。
在办公楼的两个区域实验结果表明,该框架的作用是学习个性化的舒适配置文件,提高舒适度,并保持能源消耗。
该框架的更多综合性基准测试的能源影响,在建筑层面的实施,改善控制器的性能,并为空气流量制订一个最优化问题的方案都属于作者的今后的研究工作。
致谢
该材料是基于美国能源部授予的#DE-EE000409及美国国家科学基金会授予的#1201198工作的支持。
在材料中所传达的任何观点,研究成果,结论或建议都归于那些作者,并不一定代表能源部或国家科学基金会的意见。
参考文献
[1]Atthajariyakul,S.,andLeephakpreeda,T.(2005)."NeuralcomputingthermalcomfortindexforHVACsystems."EnergyConversionandManagement,46(15-16),2553-65.
[2]Atthajariyakul,S.,andLeephakpreeda,T.(2004)."Real-timedeterminationofoptimalindoor-airconditionforthermalcomfort,airqualityaridefficientenergyusage”ElsevierLtd,720-733.
[3]Bennejo,P.,Redondo,L.,Ossa,D.L.,Rodriguez,D.,Flores,J.,Urea,C.,Gamez,J.A.,andPuerta,J.M.(2012)."Designandsimulationofathermalcomfortadaptivesystembasedonfuzzylogicandon-linelearning."EnergyBuild.,49367-379.
[4]Calvino,F.,LaGennusa,M.,Morale,M.,Rizzo,G.,aridScaccianoce,G.(2010)."Comparingdifferentcontrolstrategiesforindoorthermalcomfortaimedattheevaluationoftheenergycostofqualityofbuilding."Appl.Therm.Eng.,30(16),2386-2395.
[5]Daum,D.,Haldi,F.,andMorel,N.(2011)."Apersonalizedmeasureofthermalcomfortforbuildingcontrols."Build.Environ.,46
(1),3-11.DepartmentofEnergy,.(2010)."BuildingsEnergyDataBookavailableathttp:
//buildingsdatabook.eren.doe.gov/ChapterIntrol.aspx."LastAcces,sedJune2011,.
[6]Dounis,A.L,andCaraiscos,C.(2009)."Advancedcontrolsystemsengineeringforenergyandcomfortmanagementinabuildingenvironment-Areview”RenewableandSustainableEnergyReviews,13(6-7),1246-1261.
[7]DuanPei-gong,andHui,L.(2010)."Anoveldata-basedcontrolstrategyofdynamicthermalcomfortforinhabitedenvironment."20108thWorldCongressonIntelligentControlandAutomation(WCICA201伪IEEE,Piscataway,NJ,USA,4865-9.
[8]Fanger,P.O.(1970)."Thermalcomfort:
analysisandapplicationsinenvironmentalengineering”.
Guillemin,A,andMorel,N.(2002)."Experimentalresultsofaself-adaptiveintegratedcontrolsysteminbuildings:
apilotstudy."SolarEnergy,72(5),397-403.
[9]Guo,W.,andZhou,M.(2009)."Technologiestowardthermalcomfort-basedandenergy-efficientHVACsystems:
areview."SMC2009,IEEE,Piscataway,NJ,USA,3883-8.
[10]Kolokotsa,D.,Tsiavos,D.,Stavrakakis,G.S.,Kalaitzakis,K.,andAntonidakis,E.(2001)."Advancedfuzzylogiccontrollersdesignandevaluationforbuildings'occupantsthermal-visualcomfortandindoorairqualitysatisfaction."EnergyBuild.,33(6),531-43.
[11]Li-XinWang.(2003)."TheWMmethodcompleted:
aflexiblefuzzysystemapproachtodatamining."IEEETrans.FuzzySyst,11(6),768-82.
[12]Marchiori,A,andHan,Q.(2010)."Distributedwirelesscontrolforbuildingenergymanagement."2ndACMWorkshoponEmbeddedServingSystem,r,forEnergy-EfficiencyinBuildings,BuildSys'10,November2,2010一November2,AssociationforComputingMachinery,Zurich,Switzerland,37-42.
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 暖通空调办公楼个性化的热舒适性驱动控制 专业英语翻译 暖通 空调 办公楼 个性化 舒适 驱动 控制 专业 英语翻译
![提示](https://static.bdocx.com/images/bang_tan.gif)