基于群体热感觉和区域占用率的多区域变风量空调系统优化控制方法*

赵乙凡 李 威 姜昌伟

(长沙理工大学,长沙)

0 引言

建筑室内环境是人类生存环境的重要组成部分,研究显示人们约有90%的时间在室内度过[1]。建筑热环境在影响人们的热舒适性和身体健康的同时,也与建筑能耗和资源环境的可持续发展有着重要关系[2]。空调系统是建筑内的主要能源消耗设备,其能源需求占建筑能源总需求的40%～60%[3]。空调系统的优化运行控制是提高建筑能效的重要手段之一,其最终目标应为以最小的能耗成本满足居住者的热舒适需求。

在现有大空间多区域建筑中,通常将变风量空调系统划分为多个分区,建筑管理者依据相关规范或管理规定将各分区温度设定值设置为相同,由各分区的变风量空调末端对室温进行调控。在室温调控过程中,空调系统没有根据其服务的空调区用户的热舒适性来优化设定;同时,各区域之间的物理空间相互连通,但相邻变风量末端之间却没有进行协同控制,特别是在区域没有人员存在时变风量末端仍处于工作状态,进而导致室内环境热舒适性差和空调系统能耗过高。因此,有必要将人员实时热感觉和区域占用率加入到变风量空调系统优化控制过程中,以期提高室内环境热舒适性和降低空调系统能耗。

在变风量系统优化控制和提高室内环境热舒适性方面,国内外学者进行了大量研究。Chen等人根据房间使用者的热感觉投票结果来优化空调系统的送风温度[4]。Hu等人提出了一种基于优化方法的人体热舒适学习方法,利用人体热感觉指数规则来控制暖通空调系统[5]。Kim等人通过考虑室外环境和检测入住状态,提出了一种基于占用状态的室内环境调控设备控制算法[6]。Yoon等人提出了一种基于性能的热舒适性控制方法,利用高斯回归过程来进行热舒适的实时预测[7]。韩尔东等人使用基于贝叶斯算法的增量学习方法更新热感觉预测模型,相较于其他更新方法具有更高的准确度和更低的建模成本[8]。笔者所在团队在之前的研究中通过智能手环收集人体生理数据来预测人体热感觉,并根据人员的群体热感觉对温度设定值进行了实时调整[9]。Chaudhuri等人为了研究空调系统能耗与室内热舒适之间的关系,提出了一个使用热舒适预测模型和前馈神经网络(SLFF-ANN)能量模型的室内气候控制框架[10]。Li等人使用不同热环境中人员面部皮肤温度,提出了一种人体自主恒温器新模式[11]。Zhu等人通过获取多个温度传感器的温度信息来调整温度设定值,实时重置变风量末端的送风温度[12]。此外,在空调系统的优化控制和考虑区域占用率方面,Nikdel等人提出了一种基于占用率的恒温器,用于空调系统的控制策略,模拟结果表明该策略有较好的节能潜力[13]。Anastasiadi等人在空调系统控制过程中使用模糊逻辑来增强用户的热舒适性,与此同时保持或改善空调系统的能耗[14]。Dong等人针对空调系统的需求提出了3种不同的占用率预测方法,并根据瞬时占用信息分配温度设定值,得到了高达20%的节能效果[15]。Soudari等人提出了一种节能控制器,用于空调系统,将历史数据和天气信息与占用率的预测控制相结合,以实现建筑节能[16]。Anand等人提出了3种不同的基于占用率的变风量控制策略,并研究了所提出的控制策略对室内空气品质、热舒适性和能源效率的影响[17]。Turley等人提出了一种住宅内人员占用率预测模型,并将占用率预测结果加入到住宅的空调控制系统中,在不降低热舒适性的前提下实现节能[18]。

但是,上述研究大多是从单一方面对系统进行优化调整,并未解决公共建筑空调系统优化控制与用户热感觉脱节及无法根据区域占用率来实现各变风量末端协同控制的问题。为此,本文提出了一种基于群体热感觉和区域占用率的多区域变风量空调系统的优化控制方法,其控制过程是根据室内人员的群体热感觉和各区域内的人员数量,采用调控算法调整室温设定值,进而调整各控制区域末端送风量。搭建了仿真平台,进行了仿真研究,以评估该控制算法的性能,并与传统空调室温控制方法进行了对比分析。

1 研究方法

1.1 控制逻辑

在大空间多区域建筑变风量空调系统中,通常依据设计规范或建筑功能分区将大空间划分成多个小区域,每个小区域由相对应的变风量末端管控,每个变风量末端根据区域温度设定值来调节末端送风量。图1a显示了常见的多区域变风量空调系统中各单区域室温控制回路。本文针对温度设定值和风量设定值优化问题提出了基于人体热感觉和人员数量的优化调整算法,如图1b所示,其核心思想是：根据区域内人员实时热感觉来确定当前区域的温度设定值,根据区域内的人员数量、区域负荷及邻区协同来优化当前区域的风量设定值。

图1 2种多区域变风量空调系统室温控制回路流程图

在大多数热感觉预测模型中,通常是对单个人员的热感觉进行个性化预测,而当1台设备或多台设备服务多个人的复杂场景时,为满足大多数室内人员的热舒适需求,在获得人员的个性化热感觉后,需要对生活工作在该场景中的人群的群体热感觉进行综合评判以确定所有用户的群体热感觉。群体热感觉是指某一控制区域内所有人员的个性化热感觉的综合表征,能够反映该区域人员的群体热舒适性。通过使用群体热感觉模糊综合评判方法[19],可以得到反映人群热舒适性特征的群体热感觉,进而使得暖通空调系统的调控可以满足大部分人的热舒适性。

1.2 控制流程

多区域变风量空调系统区域划分如图2所示,在加入温度优化和风量优化的多区域变风量空调系统中,变风量末端控制逻辑可分为4个步骤,如图3所示。

注：区域6、7、10、11为内区。图2 多区域变风量空调系统区域划分示意图

图3 加入温度优化和风量优化的多区域变风量空调系统控制流程图

步骤1：根据实测区域内人员的数量定义各区域的名称。区域内人员数量可利用相关红外视频监测设备获取。若区域内人员数量大于0,则该区域定义为占用区域(如区域7);若区域内人员数量为0,则该区域定义为未占用区域;若占用区域的相邻区域为未占用区域,则根据系统管道物理连接来定义未占用区域名称,若两区域处于相同主干管不同支路上,则该未占用区域为一级相邻区(如区域3),若两区域处于不同主干管上,则该未占用区域为二级相邻区(如区域6、8)。

步骤2：各区域温度设定值优化调整。区域环境参数(如温湿度)通过相应的传感器采集得到。根据相关设计规范和区域内温度设定值的历史数据,初步确定各区域的温度设定值。利用智能穿戴设备在线监测人体生理参数(皮肤温度和心率),利用热感觉预测模型在线预测个性化人体热感觉。在获得个性化热感觉之后,再对控制区域内多名用户的群体热感觉进行评判,得到该区域的群体热感觉,根据各区域所有人员群体热感觉来调整温度设定值。若该区域无热感觉值上传,则在该控制周期内不调整温度设定值。对温度设定值进行调整时采用笔者所在团队之前提出的基于热感觉的线性调整算法[20],即通过多人热感觉模糊综合评判方法得到室内人员的群体热感觉后,利用分段的线性表达式来表达调整后的温度设定值,算法表达式如下：

(1)

式中tSO为调整后的温度设定值,℃;tSU为温度设定值的上限值,℃;TS为用户热感觉预测值;tS为调整前的温度设定值,℃;KTI为温度设定值增大所对应的线性调整常数,可根据调整前的温度设定值与温度设定值的上限值确定,℃;KTD为温度设定值减小所对应的线性调整常数,可根据调整前的温度设定值与温度设定值的下限值确定,℃;tSL为温度设定值的下限值,℃。

(2)

(3)

步骤3：各区域送风量的确定。若区域内没有人员,则该区域的送风量为0,区域变风量末端阀门关闭。根据区域温度设定值和温度实际值计算出各占用区域送风量设定值,由PID控制器对送风量设定值进行修正,然后根据区域内人员数量估算各区域的实时冷负荷,并计算各区域的需求送风量,比较2个风量值的大小,取其中较大值为各区域送风量。在估算出区域冷负荷后,为消除区域冷负荷以维持室温在稳定范围内,各空调区域送风量计算式如下：

(4)

式中Vs,i为满足第i个空调区域所需送风量,m3/s;Qz,i为第i个空调区域冷负荷,kW;ρ为空气密度,kg/m3;cp为空气的比定压热容,kJ/(kg·℃);tz,i为第i个空调区域温度,℃;ts为空调送风温度,℃。

步骤4：各区域送风量协同控制。主控器控制各占用区域变风量末端阀门开度,维持区域温度在设定值范围内,若某一区域内温度在一段时间后无法达到温度设定值,且该区域变风量末端风阀开度已超过95%,则打开一级相邻区变风量末端,使相邻两区域维持同一温度,在区域温度达到温度设定值并维持一段时间后,若此时一级相邻区变风量末端风阀开度小于50%,则关闭一级相邻区变风量末端,若该变风量末端风阀开度大于50%,则保持一级相邻区变风量末端开启;若区域内温度在一级相邻区变风量末端打开一段时间后仍然无法达到温度设定值,且一级变风量末端风阀开度也超过95%,则开启二级相邻区变风量末端,在区域温度达到温度设定值并维持一段时间后,若二级相邻区变风量末端风阀开度小于50%,则关闭二级相邻区变风量末端,同时保持一级相邻区变风量末端开启,若二级相邻区末端风阀开度大于50%,则保持二级相邻区末端风阀开启。

1.3 仿真平台和仿真流程

本文所进行的仿真是基于TRNSYS 18软件环境下的模拟仿真,TRNSYS中的TRNbuild程序可以设定房间的各种参数及建立所需模拟的房间,从而进行温度模拟和能耗计算;TRNSYS中的Simulation Studio程序可以通过将各个不同功能的模块进行组合,实现目标系统的建立,最终完成系统的仿真模拟。对于风量优化和温度优化的控制采用type-169模块,其可以调用TRNSYS外部的python 3.8程序,这样可以使仿真的控制更加精准且易于编写程序,所有的控制语句在python 3.8中编写。图4显示了仿真系统中所涉及到的模块和各模块之间的连接情况。

图4 仿真平台的仿真模型

在仿真过程中,建筑各个区域的人员数量采用外部输入的模式,在这种模式下,可以更加便捷地对不同区域占用率进行调整,而不需要再次对TRNbuild中房间的模型参数进行修改,增加系统稳定性的同时减少了繁杂的工作量。风量末端采用的是压力无关型风阀,即只根据区域温度和设定温度之间的差值进行风量的调整,采用PID控制算法实现这一目的;新风机和回风机则采用基于输入风量的变风量风机,即type-744模块,这种风机的优越性在于其能耗可以根据流入风量大小而改变。

本次仿真基于不同的区域占用率和不同的室外温度控制进行案例设置,并对案例的结果进行对比分析。案例1、5、6是探究仅将群体热感觉加入到控制系统的情况;案例2～4则是为了寻找不同的区域占用率与空调系统控制性能之间的联系,将案例依据建筑的总人数进行划分,具体如表1所示。图5显示了建筑区域布局,表2给出了相应的建筑模型的热工参数。

为了评价本文所提出的控制方法与传统控制方法的性能和能耗,第1组模拟研究是在上海气象条件、6种不同人员情况下对2种控制方法进行模拟仿真,所选取的模拟代表日期为7月20—25日与8月17、18日,模拟时间步长为0.02 h,每次模拟的时间为1 d;第2组模拟研究是在6种不同人员情况、不同建筑气候区气象条件下对2种控制系统进行模拟仿真,其中选取的严寒地区、寒冷地区、夏热冬冷地区、夏热冬暖地区的代表城市分别为哈尔滨、北京、上海、广州,仿真时间为6月20—25日、7月9—13日、8月18—22日,仿真时间步长为0.02 h,每次模拟时间为2 d。2种控制方法下的仿真初始室温设定值均为25 ℃,2种控制方法均只改变室温设定值和风阀的开度,其余所有的空调设备运行策略均相同。本次仿真的室温控制周期为30 min,即控制系统每隔30 min计算1次优化后的温度设定值。其中人体热感觉和温度的对应关系由先前实验得到[21],且不同区域采取不同的温度和热感觉对应关系,以代表不同人员对于温度有不同的热感觉。

表1 不同人员在室情况

图5 建筑区域布局

表2 建筑模型热工参数

2 研究结果及分析

在模拟仿真过程中,对室内外环境参数(包括室内空气温度)及空调系统各用电设备的耗电量进行检测收集,2组模拟共采集了146 304组数据,为研究所提出的基于群体热感觉和区域占用率的多区域变风量空调系统优化控制方法的可行性和优劣性,对所提出的控制方法与传统控制方法在室温控制性能、人员热舒适性和空调系统耗电量方面进行对比分析。

2.1 控制效果对比

以案例3为例,选取仿真时间为8月18日,图6显示了2种控制方法下区域1～6室温和环境温度的变化情况。在基于群体热感觉和区域占用率的多区域变风量空调系统优化控制方法下：区域1有人员在室,为占用区域,其室温的变化范围为25.00～27.85 ℃,最后稳定于27.28 ℃;区域2无人员在室,即区域2为区域1的一级相邻区,同时也为区域5的一级相邻区,其室温的变化范围为25.00～27.80 ℃,最后稳定于27.75 ℃,但在相邻区的温度满足设定要求时,将其变风量末端风阀关闭,停止对该区域进行供冷;区域3无人员在室,也不为占用区域的相邻区,其室温不断升高,表明该区域的变风量末端已经关闭,不对该区域进行供冷;区域4为有人员在室,为占用区域,其室温的变化范围为25.00～27.60 ℃,最后稳定于27.56 ℃;区域5有人员在室,为占用区域,其室温的变化范围为25.00～27.45 ℃,最后稳定于27.45 ℃;区域6无人员在室,即区域6为区域5的二级相邻区,其室温的变化范围为25.00～27.10 ℃,最后稳定于26.84 ℃,在其相邻区温度满足室温设定值时,将变风量末端风阀关闭。由于传统控制方法对温度设定值不进行修改,其室温一直维持在25 ℃,同时每个区域都时刻处于空调制冷的状态。

图6 2种控制方法下区域1～6室温和环境温度的变化情况

在6个区域中,基于群体热感觉和区域占用率的优化控制方法下的室温最终稳定值均高于传统控制方法下的室温值,这表明基于群体热感觉和区域占用率的优化控制方法具有一定的节能效果。同时在该控制方法下,6个区域的室温设定值均进行了多次调整,室温随着室温设定值的调整而变化,表明该控制方法可以根据区域用户的热感觉进行室温调整。

在采用基于群体热感觉和区域占用率的优化控制时,当一个区域既不是占用区域也不是占用区域的相邻区时,该区域的风阀会处于关闭状态,即不再对该区域进行制冷,如图6中的区域3,此时该区域室温将随着外界条件变化的趋势进行变化;当一个区域不是占用区域而只是相邻区时,那么在该相邻区相关的占用区域的室温达到设定值时,该相邻区的风阀将会关闭,不再对该区域进行制冷,图6中的区域2和区域5便为此相邻区情况。相比于传统控制方法,这3个区域仍以25 ℃的室温设定值对该区域进行制冷,直到工作时间结束,这样一来便造成了能源的浪费,同时表明本文所提出的优化控制方法可以根据区域占用率进行风阀控制,节能潜力是存在的。

2.2 热舒适性分析

本仿真实验中,在进行区域温度设定值的调整时,基于群体热感觉和区域占用率的优化控制方法是根据区域内部人体热感觉对室温设定值进行优化计算,而传统控制方法则是将室温设定值一直维持在25 ℃。表3显示了各个区域部分温度与热感觉的对应关系。可以看出,在基于群体热感觉和区域占用率的优化控制方法下,这6个区域最后稳定时的室温所对应的热感觉均在-0.5～0.5之间,即此时的室内环境满足人员的热舒适要求,为一个较好的工作环境;室温25 ℃对应的热感觉在-2.4～-1.9之间,即此时室内环境对于室内人员而言为一个较冷的环境,将不利于室内人员的活动,也不满足人员的热舒适性需求。综合分析可知,本文所提出的基于群体热感觉和区域占用率的优化控制方法可以更好地满足人员的热舒适性需求,同时可以根据人员的热感觉来进行温度设定值的调控。

表3 各个区域部分温度与热感觉的对应关系

2.3 能耗对比

暖通空调系统的能耗主要来源于冷水机组、冷水泵、冷却水泵、冷却塔、送风机及回风机等。在模拟仿真过程中,记录各个设备的累计耗电量,并依此来进行2种控制方法的对比。由于这2种控制方法只是对末端进行改变,其余各个设备的控制策略相同,因此,2种控制方法耗电量的差异主要体现在冷水机组、冷却塔和送风机的耗电量。在相同室外参数条件下进行2种控制方法的仿真模拟。

图7a显示了2种优化控制方法在案例1、5、6下的节能率,这3种情况均不存在没有人员区域,所以表征了在只加入温度设定值优化下2种控制方法的能耗对比。从图7a可以看出,当只有温度设定值优化时,节能率可以稳定在7.5%～8.5%之间,这与先前实验研究获得的结果一致[21],并且随着建筑总人数的减少,节能率会逐渐增大,但是增大幅度较小,这是由于基于群体热感觉和区域占用率的控制方法的日累计耗电量的下降值低于基于传统控制方法的日累计耗电量的下降值,所以本文所提出的优化控制方法有着更加良好的稳定性。图7b显示了案例2～4的节能率,这3种情况均含有无人员在室的区域,即区域占用率不为100%。分析可知,当建筑存在2个空区域时,即案例2,系统的节能率可以稳定在8.5%～9.0%之间;当建筑存在3个空区域时,即案例3,系统的节能率可以稳定在9.5%～10.2%之间;当建筑存在4个空区域时,即案例4,系统的节能率可以稳定在10.0%～11.5%之间。随着空区域数量的增加,系统的节能率不断增大,这是由于当占用区域的室温达到设定值时,系统会关闭与其相邻的一级和二级相邻区变风量末端风阀,从而体现出良好的节能效果。

图7 不同区域占用率情况下的节能率

图8显示了基于群体热感觉和区域占用率的优化控制方法在建筑总人数相同而区域占用率不同情况下的节能潜力,表明存在空区域时可以最大程度地体现该优化控制方法的优势。

2.4 能耗与地区之间的关系

图9显示了在不同建筑气候区代表城市3种案例的节能率。基于群体热感觉和区域占用率的优化控制方法与传统控制方法相比,在区域占用率为67%时,4个地区的节能率可以达到7%以上;在区域占用率为50%时,4个地区的节能率可以达到8%及以上;在区域占用率为33%时,不同地区的平均节能率可以达到9.5%以上。由于进行不同地区的仿真时采取的模拟周期为2 d,所以相对于2.3节的节能率均有下降。经分析可知,基于群体热感觉和区域占用率的优化控制方法在不同的建筑气候条件下,仍有着较好的节能效果,并且随着区域占用率的下降,其节能效果逐步增强。综上所述,基于群体热感觉和区域占用率的优化控制方法在有效满足室内人员热舒适性的同时,比传统控制方法有更稳定的控制性能和更好的节能效果,具有很好的实际应用前景。

图8 建筑总人数相同时的系统节能率

图9 不同地区下的能耗对比

3 结论

本研究采用一种基于群体热感觉和区域占用率的优化控制方法。在传统控制方法的基础上将热感觉加入室温优化控制逻辑中,采用了简单便捷的空调室温设定值线性调整算法;同时增加了各个区域之间的协同控制,对风量进行优化调整。为研究该优化控制方法的可行性和有效性,模拟了夏季工况下分别采用优化控制方法和传统控制方法的空调系统的运行情况,并从控制性能、人员热舒适性、空调系统能耗等方面进行了对比分析。得到以下主要结论：

1) 在传统控制方法下,温度设定值通常设置不合理且几乎不会自动调整,导致室温过低,在影响室内人员正常工作的同时造成了不必要的能耗。而本研究所提出的优化控制方法是根据人员的群体热感觉来调整室内的温度设定值,可以更好地满足室内人员的热舒适性需求并降低能耗。

2) 与传统控制方法相比,仅加入群体热感觉时系统能耗可以减少7.5%～8.5%,采用基于群体热感觉和区域占用率的优化控制方法可使系统日能耗减少8.5%～11.5%,而且会随着区域占用率的下降增大。基于群体热感觉和区域占用率的优化控制方法可以比传统控制方法提供更高、更合适的温度设定值,同时增加了区域之间的协同控制,可以在没有人员驻留的区域关闭风阀,以减少系统的能耗。

3) 基于群体热感觉和区域占用率的优化控制方法在不同建筑气候区进行模拟时仍有着较好的节能效果,在以2 d为1个模拟周期时,仍可以保持7%以上的节能率,这对于该方法在不同地区的应用具有一个良好的指导意义。

同时,本文存在的局限性如下：本研究在调整室温设定值时是采用基于热感觉的线性调整算法,该算法在调节室温设定值时受到了温度上下限的限制,在接近上限值和下限值时温度调整量很小,需要在后续研究中探究更加符合基于热感觉的温度设定值调整优化算法。仿真时采用的温度与热感觉的对应关系是之前实验所采集的,只能表征人员在室内的热感觉,在验证基于热感觉的温度设定值的线性调整算法时,无法实现根据人员在室内的实时状态进行热感觉的实时更新。若以多种人员类型的热感觉模型建立温度与热感觉之间的对应关系,并根据人员在室内的实际热感觉进行实时修正,则可以在原有研究基础上增加模拟仿真的准确度。