[發明專利]基于人體熱舒適度的空調節能智能控制方法及裝置

有效

• 申請號: 202011438321.1
• 申請日: 2020-12-10
• 公開（公告）號: CN112577159B
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 王曉旭;秦昊;張昱;魏千洲;劉智
• 申請（專利權）人: 廣東省科學院智能制造研究所
• 主分類號: F24F11/54
• 分類號: F24F11/54;F24F11/64;F24F11/77;F24F11/79;F24F11/80;F24F11/61;F24F110/10;F24F110/12;F24F110/20;F24F110/22;F24F120/20
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 陳旭紅;呂金金

本發明公開了基于人體熱舒適度的空調節能智能控制方法及裝置，根據遺傳算法對人體熱舒適度與空調能耗進行迭代優化，獲得人體熱舒適度最優值與空調能耗最優值，構建Agent模型，輸入環境參數以及人體熱舒適度最優值作為約束條件進行Agent模型訓練，獲得空調控制指令，空調接收到空調控制指令，空調運作過程中引起環境參數變化，若室內的溫度大于所述室內的舒適溫度值，或室內的濕度大于所述室內的舒適度濕度值，或當室內人數變化導致熱負荷增加或減少時，重新訓練調整所述空調控制指令。本發明通過對人體熱舒適度進行尋優，優化SVR模型獲得空調指令，實現實時滿足人體的舒適度并達到空調節能的效果。

技術領域

本發明涉及空調智能控制技術領域，尤其涉及一種基于人體熱舒適度的空調節能智能控制方法及裝置。

背景技術

在全球倡導綠色能源下，空調系統能耗是建筑能源消耗的最大之一。因此，設計空調系統的智能控制進行節能顯得尤為重要，在滿足人體舒適的前提下盡可能減少能耗。然而，由于一個建筑內人員的數量、位置及活動范圍的不確定性，影響室內人的舒適度，進而也影響能源的消耗。

現有技術中，研究人員一方面關注人的位置來進行節能的控制；另一方面利用機器學習進行研究，采用機器學習工具建立數據驅動模型，然而，僅關注人移動的位置來進行節能的控制，若空調系統的設定值不合適，會消耗更多的能源，僅關注了節能而忽略人體的熱舒適度；另一方面采用機器學習來進行空調的節能研究，由于機器學習算法，需要建立復雜的熱環境，各參數之間相互影響，所建立的熱環境各參數模型不準確且只是建立環境之間各參數變量之間的交互環境，忽略考慮人的位置、人的數量、室內熱負荷分布等因素，導致模型不精確，空間中人員的數量和人員位置分布是不可控的，除環境參數影響人的舒適度外，人員的數量、位置分布也是影響人體舒適度的重要因素，并影響能源的消耗，人體不能達到最佳的舒適度。

發明內容

本發明目的在于，提供一種基于人體熱舒適度的空調節能智能控制方法，通過采用遺傳算法對人體熱舒適度的尋優，并采用粒子群算法級進行SVR模型的訓練，得到Agent模型，訓練得到適合人體熱舒適度的空調指令，以解決由于空間人員數量和位置不可控，導致獲取人體熱舒適度不準確的問題，同時達到空調節能的效果。

為實現上述目的，本發明實施例提供一種基于人體熱舒適度的空調節能智能控制方法，包括：

根據遺傳算法對人體熱舒適度與空調能耗進行迭代優化，獲得人體熱舒適度最優值與空調能耗最優值；

構建Agent模型，所述Agent模型采用粒子群算法調參優化預設的SVR模型得到的SVR預測模型，輸入環境參數以及所述人體熱舒適度最優值作為約束條件進行Agent模型訓練，獲得空調控制指令，所述空調控制指令包括空調溫度控制指令、空調風速控制指令和空調風向控制指令；

空調接收到所述空調控制指令，空調運作過程中引起環境參數變化，若室內的溫度大于所述室內的舒適溫度值，或室內的濕度大于所述室內的舒適度濕度值，或當室內人數變化導致熱負荷增加或減少時，重新訓練調整所述空調控制指令。

優選地，所述根據遺傳算法對人體熱舒適度與空調能耗進行迭代優化，獲得人體熱舒適度最優值與空調能耗最優值，包括：

根據溫度調節預設的PMV值來獲得所述人體熱舒適度，根據遺傳算法對人體熱舒適度與空調能耗進行迭代優化，獲得人體熱舒適度最優值與空調能耗最優值，其中，所述人體熱舒適度最優值與所述空調能耗最優值成反比。

優選地，所述構建Agent模型，所述Agent模型采用粒子群算法調參優化預設的SVR模型得到的SVR預測模型，輸入環境參數以及所述人體熱舒適度最優值作為約束條件進行Agent模型訓練，獲得空調控制指令，所述空調控制指令包括空調溫度控制指令、空調風速控制指令和空調風向控制指令，包括：