基于群體熱感覺和區域占用率的多區域變風量空調系統優化控制方法*

趙乙凡 李 威 姜昌偉

(長沙理工大學,長沙)

0 引言

建筑室內環境是人類生存環境的重要組成部分,研究顯示人們約有90%的時間在室內度過[1]。建筑熱環境在影響人們的熱舒適性和身體健康的同時,也與建筑能耗和資源環境的可持續發展有著重要關系[2]。空調系統是建筑內的主要能源消耗設備,其能源需求占建筑能源總需求的40%～60%[3]。空調系統的優化運行控制是提高建筑能效的重要手段之一,其最終目標應為以最小的能耗成本滿足居住者的熱舒適需求。

在現有大空間多區域建筑中,通常將變風量空調系統劃分為多個分區,建筑管理者依據相關規范或管理規定將各分區溫度設定值設置為相同,由各分區的變風量空調末端對室溫進行調控。在室溫調控過程中,空調系統沒有根據其服務的空調區用戶的熱舒適性來優化設定;同時,各區域之間的物理空間相互連通,但相鄰變風量末端之間卻沒有進行協同控制,特別是在區域沒有人員存在時變風量末端仍處于工作狀態,進而導致室內環境熱舒適性差和空調系統能耗過高。因此,有必要將人員實時熱感覺和區域占用率加入到變風量空調系統優化控制過程中,以期提高室內環境熱舒適性和降低空調系統能耗。

在變風量系統優化控制和提高室內環境熱舒適性方面,國內外學者進行了大量研究。Chen等人根據房間使用者的熱感覺投票結果來優化空調系統的送風溫度[4]。Hu等人提出了一種基于優化方法的人體熱舒適學習方法,利用人體熱感覺指數規則來控制暖通空調系統[5]。Kim等人通過考慮室外環境和檢測入住狀態,提出了一種基于占用狀態的室內環境調控設備控制算法[6]。Yoon等人提出了一種基于性能的熱舒適性控制方法,利用高斯回歸過程來進行熱舒適的實時預測[7]。韓爾東等人使用基于貝葉斯算法的增量學習方法更新熱感覺預測模型,相較于其他更新方法具有更高的準確度和更低的建模成本[8]。筆者所在團隊在之前的研究中通過智能手環收集人體生理數據來預測人體熱感覺,并根據人員的群體熱感覺對溫度設定值進行了實時調整[9]。Chaudhuri等人為了研究空調系統能耗與室內熱舒適之間的關系,提出了一個使用熱舒適預測模型和前饋神經網絡(SLFF-ANN)能量模型的室內氣候控制框架[10]。Li等人使用不同熱環境中人員面部皮膚溫度,提出了一種人體自主恒溫器新模式[11]。Zhu等人通過獲取多個溫度傳感器的溫度信息來調整溫度設定值,實時重置變風量末端的送風溫度[12]。此外,在空調系統的優化控制和考慮區域占用率方面,Nikdel等人提出了一種基于占用率的恒溫器,用于空調系統的控制策略,模擬結果表明該策略有較好的節能潛力[13]。Anastasiadi等人在空調系統控制過程中使用模糊邏輯來增強用戶的熱舒適性,與此同時保持或改善空調系統的能耗[14]。Dong等人針對空調系統的需求提出了3種不同的占用率預測方法,并根據瞬時占用信息分配溫度設定值,得到了高達20%的節能效果[15]。Soudari等人提出了一種節能控制器,用于空調系統,將歷史數據和天氣信息與占用率的預測控制相結合,以實現建筑節能[16]。Anand等人提出了3種不同的基于占用率的變風量控制策略,并研究了所提出的控制策略對室內空氣品質、熱舒適性和能源效率的影響[17]。Turley等人提出了一種住宅內人員占用率預測模型,并將占用率預測結果加入到住宅的空調控制系統中,在不降低熱舒適性的前提下實現節能[18]。

但是,上述研究大多是從單一方面對系統進行優化調整,并未解決公共建筑空調系統優化控制與用戶熱感覺脫節及無法根據區域占用率來實現各變風量末端協同控制的問題。為此,本文提出了一種基于群體熱感覺和區域占用率的多區域變風量空調系統的優化控制方法,其控制過程是根據室內人員的群體熱感覺和各區域內的人員數量,采用調控算法調整室溫設定值,進而調整各控制區域末端送風量。搭建了仿真平臺,進行了仿真研究,以評估該控制算法的性能,并與傳統空調室溫控制方法進行了對比分析。

1 研究方法

1.1 控制邏輯

在大空間多區域建筑變風量空調系統中,通常依據設計規范或建筑功能分區將大空間劃分成多個小區域,每個小區域由相對應的變風量末端管控,每個變風量末端根據區域溫度設定值來調節末端送風量。圖1a顯示了常見的多區域變風量空調系統中各單區域室溫控制回路。本文針對溫度設定值和風量設定值優化問題提出了基于人體熱感覺和人員數量的優化調整算法,如圖1b所示,其核心思想是：根據區域內人員實時熱感覺來確定當前區域的溫度設定值,根據區域內的人員數量、區域負荷及鄰區協同來優化當前區域的風量設定值。

圖1 2種多區域變風量空調系統室溫控制回路流程圖

在大多數熱感覺預測模型中,通常是對單個人員的熱感覺進行個性化預測,而當1臺設備或多臺設備服務多個人的復雜場景時,為滿足大多數室內人員的熱舒適需求,在獲得人員的個性化熱感覺后,需要對生活工作在該場景中的人群的群體熱感覺進行綜合評判以確定所有用戶的群體熱感覺。群體熱感覺是指某一控制區域內所有人員的個性化熱感覺的綜合表征,能夠反映該區域人員的群體熱舒適性。通過使用群體熱感覺模糊綜合評判方法[19],可以得到反映人群熱舒適性特征的群體熱感覺,進而使得暖通空調系統的調控可以滿足大部分人的熱舒適性。

1.2 控制流程

多區域變風量空調系統區域劃分如圖2所示,在加入溫度優化和風量優化的多區域變風量空調系統中,變風量末端控制邏輯可分為4個步驟,如圖3所示。

注：區域6、7、10、11為內區。圖2 多區域變風量空調系統區域劃分示意圖

圖3 加入溫度優化和風量優化的多區域變風量空調系統控制流程圖

步驟1：根據實測區域內人員的數量定義各區域的名稱。區域內人員數量可利用相關紅外視頻監測設備獲取。若區域內人員數量大于0,則該區域定義為占用區域(如區域7);若區域內人員數量為0,則該區域定義為未占用區域;若占用區域的相鄰區域為未占用區域,則根據系統管道物理連接來定義未占用區域名稱,若兩區域處于相同主干管不同支路上,則該未占用區域為一級相鄰區(如區域3),若兩區域處于不同主干管上,則該未占用區域為二級相鄰區(如區域6、8)。

步驟2：各區域溫度設定值優化調整。區域環境參數(如溫濕度)通過相應的傳感器采集得到。根據相關設計規范和區域內溫度設定值的歷史數據,初步確定各區域的溫度設定值。利用智能穿戴設備在線監測人體生理參數(皮膚溫度和心率),利用熱感覺預測模型在線預測個性化人體熱感覺。在獲得個性化熱感覺之后,再對控制區域內多名用戶的群體熱感覺進行評判,得到該區域的群體熱感覺,根據各區域所有人員群體熱感覺來調整溫度設定值。若該區域無熱感覺值上傳,則在該控制周期內不調整溫度設定值。對溫度設定值進行調整時采用筆者所在團隊之前提出的基于熱感覺的線性調整算法[20],即通過多人熱感覺模糊綜合評判方法得到室內人員的群體熱感覺后,利用分段的線性表達式來表達調整后的溫度設定值,算法表達式如下：

(1)

式中tSO為調整后的溫度設定值,℃;tSU為溫度設定值的上限值,℃;TS為用戶熱感覺預測值;tS為調整前的溫度設定值,℃;KTI為溫度設定值增大所對應的線性調整常數,可根據調整前的溫度設定值與溫度設定值的上限值確定,℃;KTD為溫度設定值減小所對應的線性調整常數,可根據調整前的溫度設定值與溫度設定值的下限值確定,℃;tSL為溫度設定值的下限值,℃。

(2)

(3)

步驟3：各區域送風量的確定。若區域內沒有人員,則該區域的送風量為0,區域變風量末端閥門關閉。根據區域溫度設定值和溫度實際值計算出各占用區域送風量設定值,由PID控制器對送風量設定值進行修正,然后根據區域內人員數量估算各區域的實時冷負荷,并計算各區域的需求送風量,比較2個風量值的大小,取其中較大值為各區域送風量。在估算出區域冷負荷后,為消除區域冷負荷以維持室溫在穩定范圍內,各空調區域送風量計算式如下：

(4)

式中Vs,i為滿足第i個空調區域所需送風量,m3/s;Qz,i為第i個空調區域冷負荷,kW;ρ為空氣密度,kg/m3;cp為空氣的比定壓熱容,kJ/(kg·℃);tz,i為第i個空調區域溫度,℃;ts為空調送風溫度,℃。

步驟4：各區域送風量協同控制。主控器控制各占用區域變風量末端閥門開度,維持區域溫度在設定值范圍內,若某一區域內溫度在一段時間后無法達到溫度設定值,且該區域變風量末端風閥開度已超過95%,則打開一級相鄰區變風量末端,使相鄰兩區域維持同一溫度,在區域溫度達到溫度設定值并維持一段時間后,若此時一級相鄰區變風量末端風閥開度小于50%,則關閉一級相鄰區變風量末端,若該變風量末端風閥開度大于50%,則保持一級相鄰區變風量末端開啟;若區域內溫度在一級相鄰區變風量末端打開一段時間后仍然無法達到溫度設定值,且一級變風量末端風閥開度也超過95%,則開啟二級相鄰區變風量末端,在區域溫度達到溫度設定值并維持一段時間后,若二級相鄰區變風量末端風閥開度小于50%,則關閉二級相鄰區變風量末端,同時保持一級相鄰區變風量末端開啟,若二級相鄰區末端風閥開度大于50%,則保持二級相鄰區末端風閥開啟。

1.3 仿真平臺和仿真流程

本文所進行的仿真是基于TRNSYS 18軟件環境下的模擬仿真,TRNSYS中的TRNbuild程序可以設定房間的各種參數及建立所需模擬的房間,從而進行溫度模擬和能耗計算;TRNSYS中的Simulation Studio程序可以通過將各個不同功能的模塊進行組合,實現目標系統的建立,最終完成系統的仿真模擬。對于風量優化和溫度優化的控制采用type-169模塊,其可以調用TRNSYS外部的python 3.8程序,這樣可以使仿真的控制更加精準且易于編寫程序,所有的控制語句在python 3.8中編寫。圖4顯示了仿真系統中所涉及到的模塊和各模塊之間的連接情況。

圖4 仿真平臺的仿真模型

在仿真過程中,建筑各個區域的人員數量采用外部輸入的模式,在這種模式下,可以更加便捷地對不同區域占用率進行調整,而不需要再次對TRNbuild中房間的模型參數進行修改,增加系統穩定性的同時減少了繁雜的工作量。風量末端采用的是壓力無關型風閥,即只根據區域溫度和設定溫度之間的差值進行風量的調整,采用PID控制算法實現這一目的;新風機和回風機則采用基于輸入風量的變風量風機,即type-744模塊,這種風機的優越性在于其能耗可以根據流入風量大小而改變。

本次仿真基于不同的區域占用率和不同的室外溫度控制進行案例設置,并對案例的結果進行對比分析。案例1、5、6是探究僅將群體熱感覺加入到控制系統的情況;案例2～4則是為了尋找不同的區域占用率與空調系統控制性能之間的聯系,將案例依據建筑的總人數進行劃分,具體如表1所示。圖5顯示了建筑區域布局,表2給出了相應的建筑模型的熱工參數。

為了評價本文所提出的控制方法與傳統控制方法的性能和能耗,第1組模擬研究是在上海氣象條件、6種不同人員情況下對2種控制方法進行模擬仿真,所選取的模擬代表日期為7月20—25日與8月17、18日,模擬時間步長為0.02 h,每次模擬的時間為1 d;第2組模擬研究是在6種不同人員情況、不同建筑氣候區氣象條件下對2種控制系統進行模擬仿真,其中選取的嚴寒地區、寒冷地區、夏熱冬冷地區、夏熱冬暖地區的代表城市分別為哈爾濱、北京、上海、廣州,仿真時間為6月20—25日、7月9—13日、8月18—22日,仿真時間步長為0.02 h,每次模擬時間為2 d。2種控制方法下的仿真初始室溫設定值均為25 ℃,2種控制方法均只改變室溫設定值和風閥的開度,其余所有的空調設備運行策略均相同。本次仿真的室溫控制周期為30 min,即控制系統每隔30 min計算1次優化后的溫度設定值。其中人體熱感覺和溫度的對應關系由先前實驗得到[21],且不同區域采取不同的溫度和熱感覺對應關系,以代表不同人員對于溫度有不同的熱感覺。

表1 不同人員在室情況

圖5 建筑區域布局

表2 建筑模型熱工參數

2 研究結果及分析

在模擬仿真過程中,對室內外環境參數(包括室內空氣溫度)及空調系統各用電設備的耗電量進行檢測收集,2組模擬共采集了146 304組數據,為研究所提出的基于群體熱感覺和區域占用率的多區域變風量空調系統優化控制方法的可行性和優劣性,對所提出的控制方法與傳統控制方法在室溫控制性能、人員熱舒適性和空調系統耗電量方面進行對比分析。

2.1 控制效果對比

以案例3為例,選取仿真時間為8月18日,圖6顯示了2種控制方法下區域1～6室溫和環境溫度的變化情況。在基于群體熱感覺和區域占用率的多區域變風量空調系統優化控制方法下：區域1有人員在室,為占用區域,其室溫的變化范圍為25.00～27.85 ℃,最后穩定于27.28 ℃;區域2無人員在室,即區域2為區域1的一級相鄰區,同時也為區域5的一級相鄰區,其室溫的變化范圍為25.00～27.80 ℃,最后穩定于27.75 ℃,但在相鄰區的溫度滿足設定要求時,將其變風量末端風閥關閉,停止對該區域進行供冷;區域3無人員在室,也不為占用區域的相鄰區,其室溫不斷升高,表明該區域的變風量末端已經關閉,不對該區域進行供冷;區域4為有人員在室,為占用區域,其室溫的變化范圍為25.00～27.60 ℃,最后穩定于27.56 ℃;區域5有人員在室,為占用區域,其室溫的變化范圍為25.00～27.45 ℃,最后穩定于27.45 ℃;區域6無人員在室,即區域6為區域5的二級相鄰區,其室溫的變化范圍為25.00～27.10 ℃,最后穩定于26.84 ℃,在其相鄰區溫度滿足室溫設定值時,將變風量末端風閥關閉。由于傳統控制方法對溫度設定值不進行修改,其室溫一直維持在25 ℃,同時每個區域都時刻處于空調制冷的狀態。

圖6 2種控制方法下區域1～6室溫和環境溫度的變化情況

在6個區域中,基于群體熱感覺和區域占用率的優化控制方法下的室溫最終穩定值均高于傳統控制方法下的室溫值,這表明基于群體熱感覺和區域占用率的優化控制方法具有一定的節能效果。同時在該控制方法下,6個區域的室溫設定值均進行了多次調整,室溫隨著室溫設定值的調整而變化,表明該控制方法可以根據區域用戶的熱感覺進行室溫調整。

在采用基于群體熱感覺和區域占用率的優化控制時,當一個區域既不是占用區域也不是占用區域的相鄰區時,該區域的風閥會處于關閉狀態,即不再對該區域進行制冷,如圖6中的區域3,此時該區域室溫將隨著外界條件變化的趨勢進行變化;當一個區域不是占用區域而只是相鄰區時,那么在該相鄰區相關的占用區域的室溫達到設定值時,該相鄰區的風閥將會關閉,不再對該區域進行制冷,圖6中的區域2和區域5便為此相鄰區情況。相比于傳統控制方法,這3個區域仍以25 ℃的室溫設定值對該區域進行制冷,直到工作時間結束,這樣一來便造成了能源的浪費,同時表明本文所提出的優化控制方法可以根據區域占用率進行風閥控制,節能潛力是存在的。

2.2 熱舒適性分析

本仿真實驗中,在進行區域溫度設定值的調整時,基于群體熱感覺和區域占用率的優化控制方法是根據區域內部人體熱感覺對室溫設定值進行優化計算,而傳統控制方法則是將室溫設定值一直維持在25 ℃。表3顯示了各個區域部分溫度與熱感覺的對應關系。可以看出,在基于群體熱感覺和區域占用率的優化控制方法下,這6個區域最后穩定時的室溫所對應的熱感覺均在-0.5～0.5之間,即此時的室內環境滿足人員的熱舒適要求,為一個較好的工作環境;室溫25 ℃對應的熱感覺在-2.4～-1.9之間,即此時室內環境對于室內人員而言為一個較冷的環境,將不利于室內人員的活動,也不滿足人員的熱舒適性需求。綜合分析可知,本文所提出的基于群體熱感覺和區域占用率的優化控制方法可以更好地滿足人員的熱舒適性需求,同時可以根據人員的熱感覺來進行溫度設定值的調控。

表3 各個區域部分溫度與熱感覺的對應關系

2.3 能耗對比

暖通空調系統的能耗主要來源于冷水機組、冷水泵、冷卻水泵、冷卻塔、送風機及回風機等。在模擬仿真過程中,記錄各個設備的累計耗電量,并依此來進行2種控制方法的對比。由于這2種控制方法只是對末端進行改變,其余各個設備的控制策略相同,因此,2種控制方法耗電量的差異主要體現在冷水機組、冷卻塔和送風機的耗電量。在相同室外參數條件下進行2種控制方法的仿真模擬。

圖7a顯示了2種優化控制方法在案例1、5、6下的節能率,這3種情況均不存在沒有人員區域,所以表征了在只加入溫度設定值優化下2種控制方法的能耗對比。從圖7a可以看出,當只有溫度設定值優化時,節能率可以穩定在7.5%～8.5%之間,這與先前實驗研究獲得的結果一致[21],并且隨著建筑總人數的減少,節能率會逐漸增大,但是增大幅度較小,這是由于基于群體熱感覺和區域占用率的控制方法的日累計耗電量的下降值低于基于傳統控制方法的日累計耗電量的下降值,所以本文所提出的優化控制方法有著更加良好的穩定性。圖7b顯示了案例2～4的節能率,這3種情況均含有無人員在室的區域,即區域占用率不為100%。分析可知,當建筑存在2個空區域時,即案例2,系統的節能率可以穩定在8.5%～9.0%之間;當建筑存在3個空區域時,即案例3,系統的節能率可以穩定在9.5%～10.2%之間;當建筑存在4個空區域時,即案例4,系統的節能率可以穩定在10.0%～11.5%之間。隨著空區域數量的增加,系統的節能率不斷增大,這是由于當占用區域的室溫達到設定值時,系統會關閉與其相鄰的一級和二級相鄰區變風量末端風閥,從而體現出良好的節能效果。

圖7 不同區域占用率情況下的節能率

圖8顯示了基于群體熱感覺和區域占用率的優化控制方法在建筑總人數相同而區域占用率不同情況下的節能潛力,表明存在空區域時可以最大程度地體現該優化控制方法的優勢。

2.4 能耗與地區之間的關系

圖9顯示了在不同建筑氣候區代表城市3種案例的節能率。基于群體熱感覺和區域占用率的優化控制方法與傳統控制方法相比,在區域占用率為67%時,4個地區的節能率可以達到7%以上;在區域占用率為50%時,4個地區的節能率可以達到8%及以上;在區域占用率為33%時,不同地區的平均節能率可以達到9.5%以上。由于進行不同地區的仿真時采取的模擬周期為2 d,所以相對于2.3節的節能率均有下降。經分析可知,基于群體熱感覺和區域占用率的優化控制方法在不同的建筑氣候條件下,仍有著較好的節能效果,并且隨著區域占用率的下降,其節能效果逐步增強。綜上所述,基于群體熱感覺和區域占用率的優化控制方法在有效滿足室內人員熱舒適性的同時,比傳統控制方法有更穩定的控制性能和更好的節能效果,具有很好的實際應用前景。

圖8 建筑總人數相同時的系統節能率

圖9 不同地區下的能耗對比

3 結論

本研究采用一種基于群體熱感覺和區域占用率的優化控制方法。在傳統控制方法的基礎上將熱感覺加入室溫優化控制邏輯中,采用了簡單便捷的空調室溫設定值線性調整算法;同時增加了各個區域之間的協同控制,對風量進行優化調整。為研究該優化控制方法的可行性和有效性,模擬了夏季工況下分別采用優化控制方法和傳統控制方法的空調系統的運行情況,并從控制性能、人員熱舒適性、空調系統能耗等方面進行了對比分析。得到以下主要結論：

1) 在傳統控制方法下,溫度設定值通常設置不合理且幾乎不會自動調整,導致室溫過低,在影響室內人員正常工作的同時造成了不必要的能耗。而本研究所提出的優化控制方法是根據人員的群體熱感覺來調整室內的溫度設定值,可以更好地滿足室內人員的熱舒適性需求并降低能耗。

2) 與傳統控制方法相比,僅加入群體熱感覺時系統能耗可以減少7.5%～8.5%,采用基于群體熱感覺和區域占用率的優化控制方法可使系統日能耗減少8.5%～11.5%,而且會隨著區域占用率的下降增大。基于群體熱感覺和區域占用率的優化控制方法可以比傳統控制方法提供更高、更合適的溫度設定值,同時增加了區域之間的協同控制,可以在沒有人員駐留的區域關閉風閥,以減少系統的能耗。

3) 基于群體熱感覺和區域占用率的優化控制方法在不同建筑氣候區進行模擬時仍有著較好的節能效果,在以2 d為1個模擬周期時,仍可以保持7%以上的節能率,這對于該方法在不同地區的應用具有一個良好的指導意義。

同時,本文存在的局限性如下：本研究在調整室溫設定值時是采用基于熱感覺的線性調整算法,該算法在調節室溫設定值時受到了溫度上下限的限制,在接近上限值和下限值時溫度調整量很小,需要在后續研究中探究更加符合基于熱感覺的溫度設定值調整優化算法。仿真時采用的溫度與熱感覺的對應關系是之前實驗所采集的,只能表征人員在室內的熱感覺,在驗證基于熱感覺的溫度設定值的線性調整算法時,無法實現根據人員在室內的實時狀態進行熱感覺的實時更新。若以多種人員類型的熱感覺模型建立溫度與熱感覺之間的對應關系,并根據人員在室內的實際熱感覺進行實時修正,則可以在原有研究基礎上增加模擬仿真的準確度。