【技术实现步骤摘要】
本专利技术属于智能建筑，涉及空调开关策略，特别涉及一种综合人员生理信号和环境参数的空调系统智能化启停方法。
技术介绍
1、对建筑中空调开关行为的准确预测，是实现建筑空调系统智能化管理，提高建筑空调系统运行效率的关键所在。与其它建筑用能行为相同，建筑空调的开关行为也是一系列驱动力连续作用产生的结果：人员热状态为驱动空调开启行为的直接因素，环境为驱动空调开启行为的间接因素，人员在室率为驱动空调开启行为的限定因素，这三者共同作用空调开关行为的发生。
2、然而，现有研究通常基于既定的规则，或将多因素简化成多个独立变量分别建模来对空调开关行为进行模拟决策，而忽视多因素之间的交互作用以及对行为发生的耦合影响。
3、有鉴于此，本专利技术提出一种综合人员生理信号和环境参数的空调系统智能化启停方法。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足，提供一种综合人员生理信号和环境参数的空调系统智能化启停方法，利用基于三维变量的copula函数来描述多因素之间的高维关联结构，以此来模拟多元交互信息对空调开关行为的联合驱动作用，为建筑中人员共性行为模拟和决策提供了智能化的决策思路。
2、本专利技术解决其技术问题是通过以下技术方案实现的：
3、一种综合人员生理信号和环境参数的空调系统智能化启停方法，所述方法的步骤为：
4、s1、以问卷调研的方式获取不同工况下人员的热感觉、热舒适，以热感觉投票tsv和热舒适投票tcv结果进行人员热偏好分类，
5、s2、利用人员体域网传感设备来获取人员在热环境下的特征生理信号，对各类人员监测所获得的生理信号与tsv之间进行拟合建立人员在特定热环境工况下不同生理系统的热感觉状态模型，如式(1)～(3)所示，
6、mst＝m×tsv+n (1)
7、式中，mst为皮肤温度，℃；m和n分别为模型的回归系数；
8、
9、式中，lf/hf表示心率变异性指标，hz；p、q和r分别为模型的系数，
10、
11、式中，δhr表示心率变化率，bpm，由各偏好人员当前环境心率参数与热舒适环境基准心率之差的比值来定义；l、u和k为拟合系数；
12、eegi＝u×tsv2+v×tsv+h (4)
13、式中，eegi表示i频段脑电相对功率取值，μv；u、v和h分别为模型的系数；
14、s3、基于s2以δhr、lf/hf、mst、eegi四个分项特征生理信号为输入变量，选用xgboost算法对δhr、lf/hf、mst、eegi四个分项特征生理信号进行集成分类和预测，建立单人集成生理信号预测模型，得到单人集成生理信号预测值ips；
15、s4、基于s3得到的单人集成生理信号预测值，计算空间内群体的平均集成生理信号，如式(5)所示，
16、
17、式中，ipsmean(tt)表示空间内群体的平均集成生理信号，a表示基于s1所分类的a类人员，ipsa(tt)表示a类人员的集成生理信号；根据该式可获得空间内群体平均生理信号的时序变化；
18、基于不同类型人员服装热阻和代谢率的差异，计算该空间内的平均标准有效温度，如式(6)所示，
19、
20、式中，setmeax表示空间内平均标准有效温度；a表示基于s1所分类的a类人员，seta表示当空间只有a类人员存在时环境标准有效温度，该值基于gagge二节点模型计算获得，由式(7)计算出，
21、
22、其中，qsk为皮肤层热交换，w/m2；h's为对流和辐射的综合传热系数，w/(m2·℃)；tsk为人体皮肤温度，℃；ts0为操作温度，℃；wh'es为综合蒸发传热系数，w/(m2·pa)；psk为皮肤表面的蒸汽压，pa；ps0为在ts0处的饱和蒸汽压，pa；set为标准有效温度，℃；0.5psset是在set下相对湿度为50％时的蒸汽压，pa；
23、s5、以红外传感器监测人员在室率occ，以s4所建立的群体的平均集成生理信号为生理内驱力，平均标准有效温度为环境外驱力，联合人员在室率occ作为事件外驱力的输入项，基于clayton-copula函数建立以综合人员生理信号和环境参数的空调开启行为意向预测模型；
24、s6、以一日为循环步长，基于s5所得的空调开启行为意向预测模型计算上午时段空调被开启的联合概率值，对比阈值判别空调的开启时刻，在空调被开启后的循环时段内通过判别人员在室率occ是否为0来判断空调是否被关闭，从而实现以综合人员生理信号和环境参数的的空调开关策略的执行。
25、而且，所述s1中当tcv＞0且tsv＞0时将温度下降1℃后再依据tcv、tsv判断人员是否舒适；当tcv＞0且tsv＜0时将温度上升1℃后再依据tcv、tsv判断人员是否舒适，如式(8)所示，
26、
27、式中，t表示不同环境工况下的室内温度，℃，基于上述定义规则来判别人员在tcv＝0且tsv＝0时对应的舒适温度，由此对人员热偏好进行归类，形成包含冷偏好p、中性偏好q、热偏好r三类人员的群体。
28、而且，所述单人集成生理信号预测值计算公式如式(9)所示，
29、
30、式中，ips表示单人集成生理信号预测值；xi表示样本参数的输入项；n表示决策树的数量；ψ表示由所有决策树组成的函数空间。
31、而且，所述空调开启行为意向预测模型表示为c3(set,ips,occ)，如式(10)所示，
32、
33、式中，c2(set,ips)代表set和ips的最优边缘分布，c(occ)代表的occ最优边缘分布，θ代表copula函数的参数，由拟合求出。
34、本专利技术的优点和有益效果为：
35、1、本专利技术基于室内单个人员的热偏好分类结果集成群体生理信号，可以更精准地根据不同群体的需求和偏好，进行环境温度管理。
36、2、本专利技术以生理层面为人员内驱力，平均标准有效温度和人员在室率为环境外驱力构建了一种以综合人员生理信号和环境参数的空调开启行为意向预测模型，为空调开关行为意向预测提供联合概率建模方法。
本文档来自技高网...【技术保护点】
1.一种综合人员生理信号和环境参数的空调系统智能化启停方法，其特征在于：所述方法的步骤为：
2.根据权利要求1所述综合人员生理信号和环境参数的空调系统智能化启停方法，其特征在于：所述S1中当TCV＞0且TSV＞0时将温度下降1℃后再依据TCV、TSV判断人员是否舒适；当TCV＞0且TSV＜0时将温度上升1℃后再依据TCV、TSV判断人员是否舒适，如式(8)所示，
3.根据权利要求1所述综合人员生理信号和环境参数的空调系统智能化启停方法，其特征在于：所述单人集成生理信号预测值计算公式如式(9)所示，
4.根据权利要求1所述综合人员生理信号和环境参数的空调系统智能化启停方法，其特征在于：所述空调开启行为意向预测模型表示为C3(SET,IPS,OCC)，如式(10)所示，
【技术特征摘要】
1.一种综合人员生理信号和环境参数的空调系统智能化启停方法，其特征在于：所述方法的步骤为：
2.根据权利要求1所述综合人员生理信号和环境参数的空调系统智能化启停方法，其特征在于：所述s1中当tcv＞0且tsv＞0时将温度下降1℃后再依据tcv、tsv判断人员是否舒适；当tcv＞0且tsv＜0时将温度上升1℃后再依据tcv、tsv判断人员是否舒...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。