變風量空調房間溫度傳感器最佳位置預測

(1 西安建筑科技大學建筑設備科學與工程學院 西安 710055；2 西安建筑科技大學信息與控制工程學院 西安 710055)

對空調系統而言，室內傳感器測量值直接反映了房間環境參數的變化，變風量空調系統通過末端裝置調節每個房間的送風量，引起房間溫度場和速度場變化，從而影響室內空氣分布均勻性、人員舒適性及空調系統能耗[1-2]。實際工程中室內傳感器大多安裝在門口等便于用戶觀察操作的位置,其測量值不能準確反映房間的真實情況，依據其進行的末端系統控制不利于滿足空調房間人員的舒適性要求，對空調系統的控制優化與節能有重要影響。

目前，國內外關于空調系統室內傳感器位置優化的研究很多。A.D.Fontanini等[3]利用動力學系統方法跟蹤計算室內污染物數量，對封閉環境的傳感器進行了優化布置，確定室內傳感器位置、響應時間及傳感器數量，同時評估了室內空氣質量。王文修等[4]分析風量傳感器布置對風量傳感特性的影響,通過優化傳感器布置提高末端裝置風量傳感特性,為變風量空調末端裝置的改造提供了參考。Liu Yanzheng等[5]利用CFD(計算流體動力學)仿真軟件在機械通風條件下模擬溫室內溫度分布，以確定最佳傳感器布置方式，結果表明，最佳傳感器布置在溫室中間，可以降低測量值與參考值的偏差,但此處不利于傳感器的安裝施工。M.Arnesano等[6]開發了傳感器優化單元，以傳感器測量性能為指標，優化了大空間運動場館最佳溫度傳感器安裝位置。孫占鵬等[7]設計了一種基于多傳感器的室內環境監測系統，對室內空氣各參數進行實時監測。曾令杰等[8]利用遺傳算法優化傳感器的布置，優化后的方案可使傳感器在風系統向室內輸送的污染物量最小時監測到污染物，及時發出預警信息。葛宣鳴等[9]利用TRNSYS和FLUENT協同仿真平臺，對比多傳感器控制策略及傳統單傳感器控制策略下空調系統能耗及熱舒適性情況，得出基于多傳感器控制策略可以改善人體熱舒適性環境。Du Zhimin等[10]通過CFD-BES協同仿真平臺，綜合考慮空調系統能耗和預測平均投票數即PMV(predicted mean vote)優化室內溫度傳感器布置方案，得出溫度傳感器布置在回風口附近不利于變風量末端控制器的優化控制。

國內外多數研究集中于多傳感器的監測、仿真；對單傳感器測點的研究僅找出了不利測點，對單傳感器的最佳測點位置目前還沒有較好的解決方法。實際中，為減少造價，小面積辦公、住宅樓等建筑內，一個房間多采用單個傳感器，其最佳安裝位置很關鍵，需進一步探索研究。

針對以上問題，本文綜合考慮室內溫度、風速對空調室內人員舒適性及系統節能性的影響，采用基于修正誤差學習的加權融合算法對室內多個測點傳感器測量的數據進行融合，分析變風量中央空調系統不同室內測點的有效吹風溫度、空氣分布特性指標(air diffusion performance index,ADPI)及系統能耗情況，研究變風量空調系統室內傳感器最佳檢測點，并確定室內傳感器最合適的安裝位置，提高末端裝置控制效果，改善室內環境品質。

1 基于修正誤差學習的加權融合算法

基于修正誤差學習的加權融合算法，是對基于神經網絡的多傳感加權融合算法[11]的進一步改進，該方法首先對傳感器多次采樣數據求均值，同時確定各傳感器測量值的計算權值，最后通過均值與權值相乘獲得融合結果，增大融合結果的可靠性，圖1所示為該方法的算法流程。有x個傳感器對房間內溫度、風速進行測量，得到溫度和風速分別為t1，t2,…,tx；v1，v2,…,vx，進而可計算有效吹風溫度，再將計算值進行基于信任度的預處理和修正誤差學習權值匹配，然后加權融合，最終獲得一個融合值，計`算過程如下。

1)有效吹風溫度：

θ=(tx-tr)-7.8(vx-0.15)

(1)

式中：θ為有效吹風溫度，℃；tx為室內測點x的空氣溫度，℃；tr為室內平均溫度，℃；vx為室內測點x的空氣風速，m/s。

2)權值匹配

實際測量中個別傳感器出現的數據偏離會降低融合精度。應先對計算結果進行相關性分析和基于信任度的一致性檢驗，剔除異常結果[12]，此過程稱為一次處理。

(2)

第i個傳感器的測量方差σi12為：

(3)

(4)

(5)

式中：m為各個傳感器的采樣次數。

引入學習因子λ，λ=1/m，則式(5)變為：

(6)

隨著采樣次數m的增加，傳感器方差趨于穩定值，各傳感器權值為：

(7)

各個傳感器m次歷史數據的均值yi為：

(8)

通過式(7)和式(8)獲得各傳感器的權值和均值分別為w1，w2…wx；y1，y2…yx，再通過式(9)獲得傳感器的融合值θ′：

(9)

2 室內溫度傳感器測點優化

通常房間內氣流分布不均勻，室內傳感器安裝位置不同，測量值會有差異，以此為依據進行房間溫度控制會因測點不同影響房間溫度調節效果。因此，室內溫度傳感器測點研究時考慮了如下幾點：

1)由于室內存在熱源，且送風溫度與房間溫度的不同，在垂直方向將產生溫度梯度。按照標準ISO 7730[13]，在舒適范圍內，工作區內的地面上方0.1 m和1.1 m之間的溫差應不大于3 ℃(考慮坐著工作的情況)；標準ASHRAE 55—1992[14]建議地面上方0.1 m和1.8 m之間的溫差應不大于3 ℃(考慮站立工作的情況)。從可靠性角度，垂直溫度梯度宜采用后者的控制指標。

2)測量室內空氣溫度和風速時，按照標準ANSI/ASHRAE 55—2013[15]建議，考慮人員坐著工作的情況，在工作區的地面上方0.1 m(腳踝)、0.6 m(手腕)和1.1 m(頭部)等處的空氣溫度和風速；同樣考慮了人站立工作的情況，0.1 m(腳踝)、1.1 m(手腕)和1.7 m(頭部)等處的空氣溫度和風速。從可靠性角度，選擇傳感器布置高度為：0.75、1.1、1.3、1.5、1.7、1.9 m。

3)房間送風口和回風口處的空氣溫度和流速變化較為劇烈，應避免在此附近布置傳感器；考慮到圍護結構的輻射作用，傳感器布置應與圍護結構保持一定距離。

室內多傳感器測點研究平臺由不同長度的可伸縮方形不銹鋼管、底輪、翼型螺絲、鋼絲及三腳架等組成，如圖2所示。G1、C1、K1為可伸縮方形不銹鋼管。G1由兩節長度為1.20 m的可伸縮管組成，最大可伸縮至2.40 m；C1由4節長度為0.60 m的可伸縮管組成，最大可伸縮至2.40 m；K1由4節長度為1.30 m的可伸縮管組成，最大可伸縮至2.60 m。框架底部4個角各安裝一個底輪，有利于調整研究平臺在房間內的位置。框架的最低水平面為0.10 m。

圖3所示為傳感器平面布置示意圖。將研究平臺整體框架的長×寬×高調整為1.7 m×1.4 m×2 m，分別選垂直方向高度0.75、1.1、1.3、1.5、1.7、1.9 m進行實驗。以1.9 m高度的平面為例，在長和寬分別距框架兩端為25 cm和20 cm處做標記，傳感器長和寬的間隔分別為40 cm和50 cm，在此平面形成網格，傳感器即位于網格十字交叉處，共12個。

圖2 多傳感器測點研究平臺Fig.2 The multi-sensor measurement research platform

1～12為溫度、風速測點。圖3 傳感器平面布置示意圖(單位：cm)Fig.3 Schematic plan of sensor layout

對室內溫度、風速進行采樣時，涉及大量實驗，傳感器的精度會影響最終有效吹風溫度的計算，最終選取HT10溫度傳感器和HD103T風速傳感器，以滿足實驗要求。傳感器參數如表1所示。

表1 傳感器參數Tab.1 Sensor parameter

3 實驗分析

在西安建筑科技大學變風量空調系統進行實驗研究，該空調系統由2臺冷水機組、1臺輔助電加熱器、1臺變頻冷凍水泵二次泵、3臺冷凍水泵一次泵、3臺冷卻水泵、1臺冷卻塔、2臺空氣處理機組(AHU)和6個VAVBOX組成，其中風系統由風機、過濾器、表冷器、加濕器，送回風管道組成，并配備末端再熱裝置。建筑面積約為135 m2，空調面積約為36 m2，根據空調的實際運行情況，通過保溫彩鋼板搭建模擬6個空調房間，用于反饋空調的使用效果，其中空調機組1連接Room1～Room4，空調機組2連接Room5～Room6。針對本文有效吹風溫度計算需通過房間空調區域實測各點的空氣溫度和風速確定，隨機選取空調房間Room5為研究對象，進行室內溫度傳感器、風速傳感器的布置。實驗工況選40%～100%的設計風量，逐步改變房間送風量大小，進行室內多傳感器測點實驗，室內通過增加一臺1 kW的小太陽取暖器來模擬房間的負荷變化。實驗工況如表2所示，房間溫度均為15 ℃，末端風量設定值分別取為最大設計風量的40%～100%。后文描述的送風量百分比均指送風量設定值。由表2可知，由于機械部件耗損與傳感器誤差等多種原因，末端風量實測值不完全等于設定值。

3.1 室內有效吹風溫度分布分析

有效吹風溫度θ用于判斷空調房間內任何一點是否有吹風感，當θ在-1.7～1.1 ℃之間時，大多數人會感到舒適[15]。通過對選取不同高度上測點處的溫度、風速采樣值進行處理，得到Room5在不同工況及不同高度平面的室內θ分布。當送風量為40%的最大設計風量時，無法滿足室內負荷要求，房間溫度不斷升高，θ=1.7～3.1 ℃，均不符合要求。當送風量增至50%的最大設計風量時，房間溫度降低，θ=0.9～2.7 ℃，其中符合要求的θ數量隨所選擇室內平面高度的增大而增加。當送風量增至60%～80%的最大設計風量時，達到室內負荷要求，房間溫度降低明顯，風速不斷增大，符合要求的θ數量持續增加，其中位于室內平面高度1.5 m處的數量最多。當送風量達到90%～100%的最大設計風量時，送風量大量超出室內負荷要求，導致房間溫度急劇降低，風速迅速變大，滿足θ要求的數量快速減少，滿足要求的點多位于房間1.1 m以下。對比分析7種不同工況、不同高度平面室內θ，選取平面位于1.5 m處且工況為C、D及E的采樣數據進行多傳感器數據融合分析。

表2 室內有效吹風溫度實驗工況Tab.2 Experimental conditions of indoor effective air blast temperature

3.2 室內熱舒適性分析

ADPI用于評價整個空調房間的氣流分布，反映了空調區氣流分布帶來的影響[17]。ADPI值越大，說明感到舒適的人群比例越大，ADPI的最大值為100%。其計算如式(10)：

(10)

通過式(10)可以得到不同工況下室內空氣分布特性指標，如表3所示。

由表3可知，室內不同高度的ADPI不同，不同工況下，ADPI隨送風量變化而變化。表3中陰影代表ADPI≥80%的情況，即認為空調房間內氣流分布是令人滿意的。當送風量為40%和100%時，室內不同高度處的ADPI最小，即感到舒適的人群比例最小。當送風量為50%和90%時，只有高度為1.9 m和0.75 m處的ADPI大于80%。當送風量為60%時，ADPI大于80%集中于高度為1.9 m和1.7 m處。當送風量為70%～80%時，ADPI大于80%的平面最多，即室內氣流分布令人滿意的平面最多。因此，進行多傳感器數據融合分析時，對1.5 m平面工況為D和E下進行數據采樣研究。

表3 不同平面處不同送風量對應的ADPI(單位：%)Tab.3 ADPI for different air volumes at different levels

3.3 空調系統能耗分析

不同工況下，通過調節末端風閥改變Room5的送風量進行房間溫度調節，同時單個房間送風量的改變影響系統總送風量的變化，引起風機頻率的變化進而影響風機能耗。風系統輸送負荷的變化會引起水系統負荷變化，影響空調系統總能耗。不同工況下空調系統能耗如圖4所示，空調系統總能耗由風系統能耗和水系統能耗組成，風機能耗會隨送風量的增大而增大，即風系統能耗增大，同時冷負荷增加，為滿足系統負荷要求，水系統需增加相應負荷。

圖4 不同工況下空調系統能耗Fig.4 Energy consumption of air-conditioning system under different conditions

3.4 多傳感器數據融合結果分析

不同工況下，對室內不同高度平面的θ、ADPI及空調系統能耗進行分析，選取1.5 m平面處的工況D進行數據采樣和基于修正誤差學習的加權融合計算。通過式(7)對各測點200次采樣時12個傳感器的權值計算，得到權值如表4所示。其中權值w1=0.151，在12個計算權值中最大，說明溫度傳感器1和風速傳感器1的測量值得到的θ在平面位于1.5 m處且工況為D時所占的權重最大。

表4 不同平面處不同送風量對應的ADPITab.4 Multi-sensor fusion computing weight

圖5 各測點有效吹風溫度Fig.5 The detection-point′s effective draft temperature

在選取的實驗工況下對12個測點進行200次采樣，得到各測點有效吹風溫度如圖5所示。進一步采用基于修正誤差學習的融合算法得到測點融合值θ′=0.39。由圖5可知，測點1處θ=0.45 ℃，與融合值最接近。因此，綜合考慮測點處的計算權值和融合結果，可知在測點1位置進行室內傳感器安裝更合理。實際中，房間中心無合適的安裝位置，需找出適宜安裝的位置與其的映射關系，即可找到最佳的映射安裝位置。

4 結論

為尋找室內溫控器合理的安裝位置，研究了不同工況下，傳感器測點對室內有效吹風溫度、室內熱舒適性及空調系統能耗的影響，最終選取平面位于高1.5 m且工況為D時的室內溫度、風速參數，并采用基于修正誤差學習的加權融合算法進行了有效吹風溫度數據融合。得到如下結論：

1)當末端送風量為335 m3/h時，空調系統能耗增幅較小，房間氣流分布令人滿意，融合得到室內最佳有效吹風溫度值。

2)以室內最佳測點的測量值進行房間溫度調控有利于保持室內人員熱舒適性，同時提高了空調系統的節能性。

3)融合得到的最佳測點位于房間中部懸空處，不滿足實際施工要求，需進一步研究融合測點與其他便于施工位置點的映射關系，找到最佳測點的等效點，實現其工程應用價值。