热舒适度指标PMV控制方法及设备技术

本申请公开了一种热舒适度指标PMV控制方法及设备。本方案中，通过预先训练的基于PSOGSA‑FNN的热舒适度指标PMV实时预测模型进行热舒适度指标PMV的预测，预测结果非常准确，基于这一准确的预测结果，为制冷模式和制热模式分别设定了目标区间，基于目标区间的范围进行控制，如此，可以使得热舒适度指标PMV在一个目标区间内动态变化，实现了热舒适度指标PMV准确的动态调控，能够满足多人的舒适度需求。

Thermal Comfort Index PMV Control Method and Equipment

【技术实现步骤摘要】
热舒适度指标PMV控制方法及设备
本申请涉及热舒适度控制
，尤其涉及一种热舒适度指标预测平均投票(PredictedMeanVote，PMV)控制方法及设备。
技术介绍
室内热湿环境指的是人们最直观感觉到的室内温度和相对湿度形成的物理环境，将人们对室内热湿环境的感觉称之为室内热湿环境热舒适度(简称热舒适度)，对热舒适度的量化标准称为热舒适指标。国际标准化组织(InternationalOrganizationforStandardization，ISO)7730标准中，规定了舒适度PMV，主要包括六个影响因素：环境因素：室内环境温度、相对湿度、空气流速、平均辐射温度，非环境因素：人体服装热阻和新陈代谢率。相关技术中，通过热舒适度指标PMV方程计算PMV值，但是由于热舒适度指标PMV方程计算本身存在的复杂性、非线性和时滞性，导致无法进行准确的评估，进而导致无法对热舒适度指标PMV进行准确的控制，合理满足人们的热舒适度需求。
技术实现思路
本申请的目的是提供一种热舒适度指标PMV控制方法及设备，以解决相关技术中无法对热舒适度指标PMV进行准确的控制的问题。本申请的目的是通过以下技术方案实现的：一种热舒适度指标PMV控制方法，包括：确定当前室内环境的目标受控设备的工作模式；所述工作模式包括制冷模式或者制热模式；实时获取预先训练的基于PSOGSA-FNN的热舒适度指标PMV实时预测模型的输入参数，并将实时获取的所述输入参数输入所述热舒适度指标PMV实时预测模型，得到所述热舒适度指标PMV的预测值；所述输入参数包括设定的当前室内非环境因素的参数值和采集的当前室内环境因素的参数值；若所述工作模式包括制冷模式，获取所述热舒适度指标PMV的预设的第一目标区间及当前的第一目标值，将所述预测值分别与所述第一目标区间的上限、下限进行比较，若所述预测值大于所述第一目标区间的上限，获取所述当前的第一目标值对应的第一最优控制参数，确定按照所述第一最优控制参数控制所述目标受控设备制冷，若所述预测值小于所述第一目标区间的下限，确定所述目标受控设备待机；若所述工作模式包括制热模式，获取所述热舒适度指标PMV的预设的第二目标区间及当前的第二目标值，将所述预测值分别与所述第二目标区间的上限、下限进行比较，若所述预测值小于所述第二目标区间的下限，获取所述当前的第二目标值对应的第二最优控制参数，确定按照所述第二最优控制参数控制所述目标受控设备制热，若所述预测值大于所述第二目标区间的上限，确定所述目标受控设备待机。可选的，还包括：采用预先建立的优化模型，计算所述当前的第一目标值对应的第一最优控制参数；或者，采用预先建立的优化模型，计算所述当前的第二目标值对应的第二最优控制参数。可选的，所述设定的当前室内非环境因素的参数值包括：人体服装热阻和新陈代谢率；所述采集的当前室内环境因素的参数值包括室内环境温度、相对湿度、空气流速、平均辐射温度。可选的，所述第一最优控制参数和所述第二最优控制参数均为最优温度参数。可选的，当前室内环境的设备包括加湿器和空调；所述空调为所述当前室内环境的目标受控设备；所述优化模型包括：其中，minf(x)表示目标函数f(x)的最小值，PMV(x)表示热舒适度指标PMV的预测值，Ph表示当前室内加湿器额定功率，M表示摩尔质量，H表示当前室内相对湿度，V表示当前室内空间体积，R表示气体常数，m表示当前室内加湿器额定加湿量，Tj表示当前室内温度，T0为温度常量，m0表示当前室内水蒸气含量，Qa表示空调制热功率，Qv表示当前室内空调制热量，Qe表示电子设备散热，si表示墙体面积，ki表示墙面传热系数，Tis表示墙表面温度，n表示墙体数目，i表示第i面墙体，ρ表示当前室内气流密度，C表示空气比热容，V表示室内体积，PMV*表示热舒适度指标PMV的目标值，v表示空气流速，s.t.表示约束条件，Tmin表示约束条件中的Tj的最小值，Tmax表示约束条件中的Tj的最大值，Hmin表示约束条件中的H的最小值，Hmax表示约束条件中的H的最大值，vmin表示约束条件中的v的最小值，vmax表示约束条件中的v的最大值。可选的，所述第一目标区间属于区间[0，0.5]，和/或，第二目标区间属于区间[-0.5，0]。可选的，所述第一目标区间为[0，0.5]，和/或，第二目标区间为[-0.5，0]。可选的，所述热舒适度指标PMV实时预测模型为PSOGSA-FNN模型，包括FNN模型和PSOGSA算法模型；所述热舒适度指标PMV实时预测模型的训练过程包括：将训练样本输入预先构建的FNN模型，根据当前所述FNN模型的权值、阈值，计算所述FNN模型的各隐含层和输出层的输出值；计算各隐含层和输出层的输出值与期望输出值的偏差；判断是否训练完毕，若未训练完毕，将所述各隐含层和输出层的输出值和所述偏差输入所述PSOGSA算法模型，根据所述PSOGSA算法模型的输出值更新当前所述FNN模型的权值、阈值，重新将训练样本输入所述FNN模型。可选的，所述将所述各隐含层和输出层的输出值和所述偏差输入所述PSOGSA算法模型，根据所述PSOGSA算法模型的输出值更新当前所述FNN模型的权值、阈值，包括：根据所述各隐含层和输出层的输出值和所述偏差，初始化粒子群；计算出每个粒子的适应值；比较各粒子适应值，取最小为最优，对应位置为全局最优；更新引力系数、粒子的惯性质量；计算粒子的加速度和速度，更新粒子的位置；判断是否达到预设标准；若是，输出更新的粒子的位置，根据更新的粒子的位置，更新所述FNN模型的权值、阈值；否则，返回计算每个粒子的适应值的步骤。一种热舒适度指标PMV控制设备，包括：处理器，以及与所述处理器相连接的存储器；所述处理器用于调用并执行所述存储器中的所述计算机程序，以执行如以上任一项所述的热舒适度指标PMV控制方法。本申请采用以上技术方案，具有如下有益效果：本申请的方案中，通过预先训练的基于PSOGSA-FNN的热舒适度指标PMV实时预测模型进行热舒适度指标PMV的预测，预测结果非常准确，基于这一准确的预测结果，为制冷模式和制热模式分别设定了目标区间，基于目标区间的范围进行控制，在制冷模式下，若预测值大于第一目标区间的上限，获取当前的第一目标值对应的第一最优控制参数，确定按照第一最优控制参数控制目标受控设备制冷，若预测值小于第一目标区间的下限，确定目标受控设备待机，室内环境与外界环境经过热传递，热舒适度指标PMV发生变化，若预测值再次大于第一目标区间的上限，再控制设备进行制冷，在制热模式下，若预测值小于第二目标区间的下限，获取当前的第二目标值对应的第二最优控制参数，确定按照第二最优控制参数控制目标受控设备制热，若预测值大于第二目标区间的上限，确定目标受控设备待机，室内环境与外界环境经过热传递，热舒适度指标PMV发生变化，若预测值再次小于第二目标区间的下限，再控制设备进行制热，如此，可以使得热舒适度指标PMV在一个目标区间内动态变化，实现了热舒适度指标PMV的准确的动态调控，能够满足多人的舒适度需求。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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申请的本文档来自技高网...

【技术保护点】
1.一种热舒适度指标PMV控制方法，其特征在于，包括：确定当前室内环境的目标受控设备的工作模式；所述工作模式包括制冷模式或者制热模式；实时获取预先训练的基于PSOGSA‑FNN的热舒适度指标PMV实时预测模型的输入参数，并将实时获取的所述输入参数输入所述热舒适度指标PMV实时预测模型，得到所述热舒适度指标PMV的预测值；所述输入参数包括设定的当前室内非环境因素的参数值和采集的当前室内环境因素的参数值；若所述工作模式包括制冷模式，获取所述热舒适度指标PMV的预设的第一目标区间及当前的第一目标值，将所述预测值分别与所述第一目标区间的上限、下限进行比较，若所述预测值大于所述第一目标区间的上限，获取所述当前的第一目标值对应的第一最优控制参数，确定按照所述第一最优控制参数控制所述设备制冷，若所述预测值小于所述第一目标区间的下限，确定所述目标受控设备待机；若所述工作模式包括制热模式，获取所述热舒适度指标PMV的预设的第二目标区间及当前的第二目标值，将所述预测值分别与所述第二目标区间的上限、下限进行比较，若所述预测值小于所述第二目标区间的下限，获取所述当前的第二目标值对应的第二最优控制参数，确定按照所述第二最优控制参数控制所述目标受控设备制热，若所述预测值大于所述第二目标区间的上限，确定所述目标受控设备待机。...

【技术特征摘要】
1.一种热舒适度指标PMV控制方法，其特征在于，包括：确定当前室内环境的目标受控设备的工作模式；所述工作模式包括制冷模式或者制热模式；实时获取预先训练的基于PSOGSA-FNN的热舒适度指标PMV实时预测模型的输入参数，并将实时获取的所述输入参数输入所述热舒适度指标PMV实时预测模型，得到所述热舒适度指标PMV的预测值；所述输入参数包括设定的当前室内非环境因素的参数值和采集的当前室内环境因素的参数值；若所述工作模式包括制冷模式，获取所述热舒适度指标PMV的预设的第一目标区间及当前的第一目标值，将所述预测值分别与所述第一目标区间的上限、下限进行比较，若所述预测值大于所述第一目标区间的上限，获取所述当前的第一目标值对应的第一最优控制参数，确定按照所述第一最优控制参数控制所述设备制冷，若所述预测值小于所述第一目标区间的下限，确定所述目标受控设备待机；若所述工作模式包括制热模式，获取所述热舒适度指标PMV的预设的第二目标区间及当前的第二目标值，将所述预测值分别与所述第二目标区间的上限、下限进行比较，若所述预测值小于所述第二目标区间的下限，获取所述当前的第二目标值对应的第二最优控制参数，确定按照所述第二最优控制参数控制所述目标受控设备制热，若所述预测值大于所述第二目标区间的上限，确定所述目标受控设备待机。2.根据权利要求1所述的方法，其特征在于，还包括：采用预先建立的优化模型，计算所述当前的第一目标值对应的第一最优控制参数；或者，采用预先建立的优化模型，计算所述当前的第二目标值对应的第二最优控制参数。3.根据权利要求2所述的方法，其特征在于，所述设定的当前室内非环境因素的参数值包括：人体服装热阻和新陈代谢率；所述采集的当前室内环境因素的参数值包括室内环境温度、相对湿度、空气流速、平均辐射温度。4.根据权利要求3所述的方法，其特征在于，所述第一最优控制参数和所述第二最优控制参数均为最优温度参数。5.根据权利要求4所述的方法，其特征在于，当前室内环境的设备包括加湿器和空调；所述空调为所述当前室内环境的目标受控设备；所述优化模型包括：其中，minf(x)表示目标函数f(x)的最小值，PMV(x)表示热舒适度指标PMV的预测值，Ph表示当前室内加湿器额定功率，M表示摩尔质量，H表示当前室内相对湿度，V表示当前室内空间体积，R表示气体常数，m表示当前室内加湿器额定加湿量，Tj表示当前室内温度，T0为温度常量，m0表示当前室内水蒸气含量，Qa表示空调制热功...

【专利技术属性】
技术研发人员：徐文星，王万红，梁菁菁，闫峥，高燚，李仕尧，
申请(专利权)人：北京石油化工学院，
类型：发明
国别省市：北京,11