在线自学习动态热舒适模型预测的室内热环境智能控制研究

The present thermal environment control for comfort purpose is conducted based on the temperature set points using the industrial precess control theory and methodology. However human comfortable temperature and humidity locate at a wide region instead of a point. Further, most people cannot certainly decide what temperature and humidity are comfortable for them. Therefore the present set point based thermal environment control frequently results in overheating, overcooling, and energy waste caused by irational temperature set point. It is uregent to develop a control theory and methdology suitable for comfort control. This research proposes a intelligent control methodology to control thermal environment using online self-learning dynamic thermal comfort model prediction. Using the human thermal perceptions as inputs,the personalized dynamic thermal comfort model is built by online self-learning. The model is used to predict rational temperature setpoint and control actions to quickly built comfortable and energy efficient thermal environment. The research will study the following three issues in detail: 1) Study the characteristics and laws of thermal comfort control, so as to build control theory and methodology suitable for comfort control; 2) Study the characteristics of human thermal comfort and sensation expression behavior pattern during the interactions between human and machine, which fills a blank of thermal comfort theory; 3) Build online self-learning personalized dynamic thermal comfort model and use the model prediction to achieve rational control and solve the actual application problems of overcooling, overheating and energy waste casued by the persent set point based control method.

目前舒适性热环境的自动控制是采用工业控制的理论与方法基于温度设定值进行控制的。然而人的舒适域是一个较宽的范围而不是一个设定点，多数人做不到准确确定自己的舒适温度是多少，不合理的设定值必然引起过冷、过热及能耗浪费，因此迫切需要研究适用于舒适性温度控制的理论与方法。本课题拟研究在线自学习动态热舒适模型预测的室内热环境智能控制方法，以房间用户的热感觉为输入，通过在线自学习，确立个性化动态热舒适模型，基于模型预测确定合理的温度设定值及控制动作，快速建立舒适节能的热环境。本课题主要研究内容及其创新意义为：1、研究舒适性热环境自动控制的特性与规律，建立适用于舒适性控制的理论与方法；2、研究位于闭环控制中的人与系统互动时的热感觉及其表达行为规律，填补热舒适理论研究的一个空白； 3、建立在线自学习的个性化动态热舒适模型，实现基于模型预测的准确控制，解决现有的基于设定值控制引起的过冷过热能耗浪费的实际问题。

目前舒适性热环境的自动控制是采用工业控制的理论与方法基于温度设定值进行控制的。 然而人的舒适域是一个较宽的范围而不是一个设定点，多数人做不到准确确定自己的舒适温度是多少，不合理的设定值必然引起过冷、过热及能耗浪费，因此迫切需要研究适用于舒适性温度控制的理论与方法。本课题研究了在线自学习动态热舒适模型预测的室内热环境智能控制方法，以房间用户的热感觉为输入，通过在线自学习，确立个性化动态热舒适模型，基于模型预测确定合理的温度设定值及控制动作，快速建立舒适节能的热环境。本课题主要研究内容及其创新意义为：1、研究舒适性热环境自动控制的特性与规律，建立了适用于舒适性控制的理论与方法；2、研究位于闭环控制中的人与系统互动时的热感觉及其表达行为规律，填补了热舒适理论研究的一项空白； 3、建立在线自学习的个性化动态热舒适模型，实现基于模型预测的准确控制，解决了现有的基于设定值控制引起的过冷过热能耗浪费的实际问题。基于上述理论和方法，分别开发了基于用户热感觉表达识别热感觉、基于红外热成像识别皮肤温度预测热感觉、基于智能手环测量手腕皮肤温度预测热感觉的室内热环境在线学习模型预测控制方法，实验结果表明，该方法比传统的基于用户自主设定温度的控制方法可节省空调能耗15%，显示了具有实际应用价值和经济效益潜力。