基于多傳感器信息融合的空調系統變風量優化控制研究

葛宣鳴，杜志敏，晉欣橋

（上海交通大學制冷與低溫工程研究所，上海 200240）

基于多傳感器信息融合的空調系統變風量優化控制研究

葛宣鳴*，杜志敏**，晉欣橋

（上海交通大學制冷與低溫工程研究所，上海 200240）

利用TRNSYS和FLUENT協同仿真平臺，本文對變風量空調系統提出了基于多傳感器的送風控制策略。本文還對比了基于多傳感器控制策略及傳統基于單傳感器控制策略下的能耗及熱舒適性情況。研究結果表明，基于多傳感器控制策略可以有效提升人員熱舒適性并且不會增加能耗。

變風量空調系統；多傳感器；舒適性；能耗

0 引言

目前，很多研究者通過TRNSYS對空調系統進行監測與能耗分析[1-2]，有研究者針對住宅建筑利用TRNSYS對送風預冷策略進行能耗評價[3]；利用TRNSYS實現空調系統不同控制策略，例如在TRNSYS仿真平臺上針對冷凍水系統對比了采用定頻泵和變頻泵對能耗的影響[4]。有研究者基于TRNSYS平臺，針對低能耗建筑設計并評價帶有預熱處理的混合通風系統的效果[5-7]；也有不少研究者使用CFD軟件對空調室內環境的舒適性進行分析[8-9]。例如，利用了CFD技術研究不同戶外氣象條件是如何影響密閉空調區域內的空氣流速分布[10]；又如在一篇文獻中，研究者利用CFD研究了置換通風對室內溫度場分布的影響，驗證了室內溫度場存在分層的情況[11]。然而TRNSYS的缺點在于將室內環境視為一個單一節點，忽略了室內溫度分布存在不均勻性；CFD缺點在于無法實時更新邊界條件從而無法實現在線控制。為了將TRNSYS與FLUENT優勢相結合，通過搭建接口程序實現在研究能耗的同時關注室內熱舒適性情況[12]，從而提出了TRNSYS-CFD協同仿真的研究方式，并在協同仿真平臺上實現基于多傳感器的送風控制。

1 協同仿真建模及必要性分析

本次的研究對象是位于上海地區的某幢商務大樓，樓層使用面積為2,332 m2，南北兩半各采用一相同AHU，其中每個AHU帶有8個相同的不受靜壓的VAV末端。根據末端的位置將空調區域分為8塊，本次對于空調區域6進行研究。圖1為空調系統及控制示意圖[13]。

圖1 空調系統及其控制系統示意圖

由于TRNSYS與CFD兩款軟件存在較大差異，比如仿真步長的不同、使用模型的不同、所需要的參數不同等等，因而要實現CFD-TRNSYS協同仿真就必須搭建接口程序以完成數據的傳遞。

1.1 協同仿真平臺搭建

首先，搭建協同仿真平臺，完成能耗分析與舒適性分析的協同仿真[14-15]。接口程序邏輯如圖2(a)。為了研究室內熱舒適性狀況，針對空調區域6在Gambit中建立三維立體模型，示意圖如圖2(b)。東墻為外墻，其余三面墻為內墻，采用上送上回的送回風方式，房間尺寸為12.8 m×8.6 m×3.9 m，室內包含人員、桌椅、電腦，為方便建模將其簡化為立方體并假設人員處于靜坐狀態[16]。點1～10表示高度為1.3 m平面上溫度傳感器采樣點，11～19表示對應位置處高度為0.1 m平面溫度傳感器采樣點。完成立體模型搭建后進行網格繪制并導入FLUENT進行計算，具體FLUENT邊界條件設置如表1。

圖2 空調系統協同仿真建模示意圖

表1 FLUENT邊界條件設置

1.2 CFD-能耗協同仿真與傳統能耗仿真的對比

1.2.1 傳統能耗（TRNSYS）仿真的結果

仿真日選取上海7月夏季某典型日，圖3展示了戶外空氣溫度、空氣含濕量在內的實驗日戶外工況，以及室內負荷和太陽輻射得熱情況。

圖3 實驗日工況

房間設定溫度值取24 ℃，送風溫度設定值為13 ℃，空調系統工作時間是8:00～20:00，在TRNSYS仿真平臺基礎上對VAV空調系統進行模擬。圖4(a)表示了基于TRNSYS獨立仿真的溫度情況，T_sup是送風溫度變化情況，Tsensor是TRNSYS單節點計算時的房間6平均溫度結果，可以看出房間平均溫度可以較好地控制在24 ℃附近，送風溫度穩定在13 ℃左右。仿真日內的送風量變化情況如圖4(b)所示。

圖4 區域6的VAV末端PID控制結果

1.2.2 CFD-能耗協同仿真必要性分析

本次研究將回風口附近的傳感器作為采樣傳感器[12]。取高度為1.3 m處平面（人員靜坐時頭部高度）進行舒適性分析。圖5展示了空調區域6的送回風溫度、房間平均溫度和采樣傳感器溫度值變化以及送風量的變化情況。對比TRNSYS仿真結果，位于回風口的傳感器可以較好控制在設定值24 ℃±1 ℃，而此時室內平均溫度最高卻可以達到26 ℃左右。這是由于位于回風口附近的采樣溫度傳感器檢測到溫度較低時，系統送風量減小，從而導致室內平均溫度會偏高，人員舒適性較差。此例證明了基于單傳感器送風控制的不足之處，從而基于多傳感器的控制就顯得尤為必要。

圖5 基于協同仿真的區域6末端控制結果

2 基于多傳感器信息融合的變風量優化控制

對于變風量空調系統，送風量隨著室內負荷變化而變化，不合理的送風量很容易引起室內空氣分布的不均勻，從而引起室內溫度、速度場分布產生梯度變化。因此，本文提出了通過控制室內兩測點之間的溫差從而確定較為合理的送風量的優化策略[17]，如圖6所示。T2和T3布置在人員工作區域，通過采集T2和T3，獲得溫差ΔT=T2-T3，并將其作為送風控制回路的變量，通過對送風溫度設定的實時優化，使其維持在設定范圍內，從而獲得最佳的氣流分布。測點傳感器T2及T3放置于圖3中9、10所在位置，T1仍放置于回風口位置。

圖6 基于多傳感器控制送風示意圖

2.1 基于多傳感器控制與基于單傳感器控制對比

針對單傳感器（控制策略A）和多傳感器（控制策略B）控制策略進行舒適性與能耗的比較。本文使用PMV-PPD（Predicted Mean Vote - Prsdicted Percentage Of Dissatisfied）評價指標[18]。PMV（Predicted Mean Vote）是一種表征人體熱反應（冷熱感）的評價指標，一般當PMV處于±0.5之間表示人員感受較為舒適，不同PMV值代表的含義如表2所示。但由于人與人之間存在生理差別，因此PMV難以代表所有人的感覺。即使在PMV=0處，也會有人對該熱環境不滿意，因而提出配以預測不滿意百分比（PPD）來表示人群對熱環境不滿意百分數的評價指標。一般當PPD＜10%時表示人群對熱環境較為滿意[19]。

PMV根據文獻[12]進行計算，PPD計算式如下：

表2 PMV值含義

2.1.1 工況Ⅰ下舒適性比較

圖7(a)展示了基于多傳感器信息融合控制的室溫以及傳感器所在位置溫度，圖7(b)展示了對應工況下的房間送風量變化。

圖7 基于多傳感器控制的區域6末端控制結果

圖8～圖10為10:00、14:00和16:00這3個時刻的兩種控制策略的對比圖。將單傳感器控制策略記為控制策略A（左圖），多傳感器控制策略記為控制策略B（右圖）。

圖8 10:00時刻房間舒適性分析云圖

圖9 14:00時刻房間舒適性分析云圖

圖10 16:00時刻房間舒適性分析云圖

圖11 基于兩種控制策略的PMV

2.1.2 能耗比較

對兩種不同控制策略進行能耗分析，如表3。

由上面的云圖可以看出，控制策略B即基于多傳感器信息融合的控制策略較之前的控制策略A，送風量增加，因而風機能耗有所升高，然而由于送風溫度提高導致機組能耗下降，總體能耗也有所減少。

表3 兩種控制策略能耗對比

2.2 工況Ⅱ下舒適性比較

更換天氣工況Ⅱ，選取北京7月工況進行仿真。圖12是兩種控制下的傳感器及房間平均溫度情況，圖13是兩種控制策略下的PMV情況。

圖12 基于兩種控制策略下的溫度情況

圖13 基于兩種控制策略下的PMV

在經過24 h的仿真之后發現，在北京7月典型日工況下基于多傳感器控制能耗為417.7 kW·h，比基于單傳感器控制少了4.4%。

通過以上對比可以發現：1）基于多傳感器的送風控制可以明顯改善室內溫度分布以及風速分布；2）基于多傳感器的送風控制可以有效提升室內熱環境的舒適性；3）基于多傳感器的送風控制不僅沒有增加系統能耗，反而由于優化使得系統的能耗有所降低。

3 結論

1）基于TRNSYS的仿真由于將室內空氣作為單一工況點進行計算處理與實際過程是有較大差別的。

2）基于協同仿真的結果展示了傳統基于單傳感器控制的不足之處，即當傳感器附近溫度控制較好時，室內熱舒適性反而可能會較差。

3）基于多傳感器控制可以優化室內空氣溫度場以及速度場分布情況，較好地改善人體熱舒適性環境且系統能耗會因為優化作用而降低。

[1] SIBILIO S, ROSATO A, CIAMPI G, et al. Building-integrated trigeneration system: Energy, environmental and economic dynamic performance assessment for Italian residential applications[J]. Renewable and Sustainable Energy Reviews, 2016, 68(2): 920-933.

[2] PERNIGOTTO G, GASPARELLA A. Extensive comparative analysis of building energy simulation codes: Heating and cooling energy needs and peak loads calculation in TRNSYS and energy plus for southern Europe climates[J]. HVAC&R Research, 2013, 19(5): 481-492.

[3] CHO W H, LEE T Y, CHO K, et al. Energy consumption rate of air conditioner and panel heater with ventilation for a residential apartment using TRNSYS[J]. Asian Conference on Refrigeration and Air-conditioning, 2004: 8(2): 669-675.

[4] SHIRAZI A, PINTALDI S, WHITE S D, et al. Solar-assisted absorption air-conditioning systems in buildings: control strategies and operational modes[J]. Applied Thermal Engineering, 2016, 92: 246-260.

[5] DAVIDSSON H, BERNARDO L R, LARSSON S. Design and performance of a hybrid ventilation system with heat recovery for low energy buildings[J]. Journal of Environment and Engineering, 2011, 6(2): 469-477.

[6] 李斌, 馬光柏, 翟曉強. 基于TRNSYS軟件的大型太陽能集熱陣列的性能模擬與分析[J]. 制冷技術, 2016,36(1): 14-19.

[7] 王喜春. 夏熱冬冷地區居住建筑圍護結構節能技術氣候適應性研究[J]. 制冷技術, 2016, 36(2): 26-29.

[8] 趙愛國, 祝用華, 晉欣橋. 多聯機與新風機復合空調系統優化控制研究[J]. 制冷技術, 2015, 35(1): 6-10.

[9] LI K, SU H, CHU J. A CFD-based test method for control of indoor environment in air-conditioned rooms[C]// Control Conference (CCC), 31stChinese IEEE, Hefei, 2012: 6933-6937.

[10] NARDECCHIA F, GUGLIERMETTI F, BISEGNA F. How temperature affects the airflow around a single-block isolated building[J]. Energy and Buildings, 2016, 118: 142-151.

[11] GILANI S, MONTAZERI H, BLOCKEN B. CFD simulation of stratified indoor environment in displacement ventilation: Validation and sensitivity analysis[J]. Building and Environment, 2016, 95: 299-313.

[12] DU Z, XU P, JIN X, et al. Temperature sensor placement optimization for VAV control using CFD-BES co-simulation strategy[J]. Building and Environment, 2015, 85: 104-113.

[13] 劉巧玲, 杜志敏, 晉欣橋. VAV 空調系統室內溫度傳感器位置的影響研究[J]. 建筑熱能通風空調, 2013, 32(1): 11-14.

[14] 晉欣橋. 變風量空調系統的仿真及其實時優化控制研究[D]. 上海: 上海交通大學, 1999.

[15] 晉欣橋, 柴小峰, 杜志敏. 過渡季節VAV空調系統送風溫度的優化控制策略[J]. 天津大學學報, 2009, 42(7): 587-590.

[16] 任曉利, 陳小磚, 袁東升. 辦公室空調房間不同送風速度的數值模擬[J]. 制冷與空調, 2008, 22(1): 80-83.

[17] POURSHAGHAGHY A, OMIDVARI M. Examination of thermal comfort in a hospital using PMV-PPD model[J]. Applied Ergonomics, 2012, 43(6): 1089-1095.

[18] 趙軍, 狄育慧, 李健, 等. 建筑節能熱舒適的發展現狀[J]. 潔凈與空調技術, 2009(3): 51-55.

[19] FANGER P O. Thermal Comfort-Analysis and Applications in Environment Engineering[M]. New York: McGraw-Hill, 1972.

Investigation of Variable Air Volume Optimal Control for Air Conditioning System Based on Multi-sensor Data Fusion

GE Xuan-ming*, DU Zhi-min**, JIN Xin-qiao
(Institute of Refrigeration and Cryogenics, Shanghai Jiao Tong University, Shanghai 200240, China)

Using TRNSYS-FLUENT co-simulation platform, a control strategy of supply air based on multi-sensor for Variable Air Volume (VAV) system was proposed. The energy consumption and thermal comfort for the system based on the proposed strategy was compared with that based on the traditional single-sensor control strategy. The results show that, the proposed multi-sensor control strategy can effectively improve thermal comfort of occupants without raising energy consumption.

VAV air conditioning system; Multi-sensor; Thermal comfort; Energy consumption

10.3969/j.issn.2095-4468.2016.06.107

*葛宣鳴（1993-），男，碩士研究生。研究方向：空調系統仿真與模擬。

**杜志敏（通訊作者），男，副教授。聯系地址：上海市東川路800號上海交通大學制冷與低溫工程研究所，郵編200240。聯系電話：021-34206533。E-mail：duzhimin@sjtu.edu.cn。

國家自然科學基金（No.51376125）。