基于智能空调系统的环境可持续性研究

周长智，欧阳大妹

（广东美的暖通设备有限公司，广东佛山，528311）

基于智能空调系统的环境可持续性研究

周长智，欧阳大妹

（广东美的暖通设备有限公司，广东佛山，528311）

在对智能空调系统的环境可持续性研究中，本文采取了数据采集方案，主要是在活动等级分类和居住率评估这两个方向上通过基于SRC（稀疏随机分类器）的拓展分类算法进行数据建模，这种方法在传统SRC实现性能的基础上，有效性改善了10%。同时，通过这种方法得出以下两个结论：对人体物理活动控制的策略可以决定并调整空调的热力性能；调整合适的居住状态既可以维持人体热舒适性又可以节约能耗。该研究的创新点在于入住率估计首次融合了加速计和智能手机的特征数据来确定居住率。

SRC；智能空调系统；活动等级分类；居住率评估

0 引言

暖通空调(采暖、通风和空调)系统决定了商业建筑中的能量损耗，以往为了对暖通空调进行有效的管理，在进行了非常重大的投资。一般来说,大多数空调系统仅依赖于温度和湿度的输入来控制冷却。这样的方式会有局限性，会经常导致能源的使用效率不高。例如，一个房间是空置，但是空调也可能而开一整天甚至更久。同时，传统暖通空调的控制策略并不是考虑居住者的身体活动，而居住者的身体活动可以决定其代谢率，从而最终决定居住者的热舒适性。大量的研究表明，过去在对居住着的评估方面使用了大量的传感器，如运动传感器、CO2传感器、接触式传感器等。引入额外的传感器会导致安装和维修费用的增加，特别是对于大型商业性建筑而言。为了解决这个问题，可以使用智能手机传感器，既使用手机的无线位置映射到个人办公室。从而，仅仅通过达到使用手机的无线位置就可以映射到建筑的个人办公室。

1 智能方案

在本文中，我们成立了一个30人的志愿者队伍，对于这些志愿者，我们进行了追踪检测，以待能够建立一个可以供公众使用的可靠的数据库。我们在每个人的腰部都设置了智能手机，从而可以监控并收集他们的身体活动特征数据，然后整合到数据库中。所有的特征数据都是从三轴加速计和三轴旋转仪中收集而来的所有的信号都是经过滤波器进行了预处理，然后进行取样。每个志愿者总共有561个特征数据被采集出来，我们对这些特征数据进行了分类和处理。

在此基础上，针对智能暖通空调的控制，我们在提出了两个至关重要的方面，一个是活动等级分类，另一个是居住率评估。现代研究表明，对于人体物理活动的管理可以确定并进行热参数的调整。同样的，居住率评估是暖通空调控制中非常重要的一环。如何暖通空调可以根据居住率选择正确的工作循环，则可以在维持人体热舒适性的前提下充分地节省能源损耗。

居住率评估是非常新颖的，这是由于我们第一次融合了加速计和从智能手机中采集的数据，我们根据实际进行了大量的实验，并且实验证明我们达到了超过90%的准确率。

对于活动的分类算法的新颖性是基于SRC（稀疏随机分类器）的拓展分类算法。我们的研究表明，在前人的基础上，基于信号重建也促进了SRC的准确率。更加值得一提的是，我们在实行传统SRC性能的基础上更增加了10%的准确率。

2 计算方法

活动分类框架嵌入稀疏随机分类如图1所示。我们考虑了六种不同的活动级别，包括站立、行走、躺卧、跑步、上楼和下楼。训练设计组成包括从加速计和磁力计的数据中提取特征数据从而建立分类字典。为了进行识别，从加速计和磁力计中提取的实验活动分类数据，会被作为分类字典要素的线性组合。测试分类中剩余的活动分类最小值被用以匹配活动分类。

图1 SRC分类框架

预测居住率基于众多的加速计和居住特征之间的性能关系研究，为了研究这种关系，可以使用矢量回归模型。

考虑到，设{（x1,y1）, （x2,y2）,……, （xn,yn）}，其中xi为居住特征，且yi为居住状态。

为使计算简便，假设x、y之间是线性关系，y=ωx+b，其中ω和b为预计参数。当ω=0，则x与y的函数关系相关度最小，或者说，两者没有联系，因此总误差非常大。而当ω非常大时，误差达到最小值，

但是函数f(x)发散。为了要使ω的值最小化，且误差尽可能的小。因此进行优化如下式（1）所示：

注意到在很多中情况下，变量之间的关系是非线性的，在这些情况下, SVR方法需要进行扩展，将转化为的特征空间。在此线性空间与成线性关系，因此，可以用线性方法来找到回归解决方案。

3 结论

在本文中提供了一种基于人体典型身体活动的研究方法，并根据对于活动的分类算法基于SRC（稀疏随机分类器）的拓展进行模拟计算，该方法是智能空调控制的关键。研究表明，这种方法在SRC传统实现性能的基础上改善了10%。

[1] Balaji B, Xu J, Nwokafor A, Gupta R, Agarwal Y. Occupancy based HVAC actuation using existing WiFi infrastructure within commercial buildings. Proceedings of the 11th ACM Conference on embedded networked sensor systems, pages 17:1e17:14. New York, NY, USA: 2013.

[2] Agarwal Y, Balaji B, Dutta S, Gupta RK, Weng T. Dutycycling buildingsaggressively: the next frontier in HVAC control. Information processing insensor networks (IPSN), 2011 10th International Conference. IEEE; 2011.p. 246-57.

[3] Rajib Rana,Brano Kusy b, Josh Wall c, Wen Hu b. Novel activity classification and occupancy estimation methods forintelligent HVAC (heating, ventilation and air conditioning) systems. Enery. 2015. P.245-255.

Study on the environmental sustainability of intelligent air conditioning system based on

Zhou Changzhi，Ouyang Damei
(Guangdong Midea HVAC Equipment Co.Ltd.,Foshan Guangdong,528311)

In the study of environmental sustainability of the intelligent air conditioning system, this paper adopts data acquisition scheme based on SRC, mainly through the activities in classification and living rate evaluation of the two directions (sparse random classifier) extension classification algorithm for data modeling, this method based on the performance of the traditional SRC. To improve the effectiveness of 10%. at the same time, through this method to draw the following two conclusions: 1, to decide and adjust the thermal performance of air conditioning on human physical activity control strategy; 2, adjust the appropriate living conditions can not only maintain the human thermal comfort and energy saving. The innovation of this research Is the occupancy rate for the first time estimation feature data fusion and intelligent mobile phone accelerometer to determine the rate of living.

SRC;intelligent air-conditioning system;activity level classification;residential rate assessment