【技术实现步骤摘要】
一种暖通空调智能送风控制方法及系统
[0001]本专利技术涉及空调设备
，特别涉及一种暖通空调智能送风控制方法 及系统。
技术介绍
[0002]随着经济社会和技术的发展，暖通空调技术应用较为广泛，改善 了室内热舒适，但不同人体状态的热舒适需求也存在差异。相对于燃 煤锅炉供热供冷，电力能源碳排放更低。
[0003][0004]申请人在研究过程中发现，现有技术方法至少存在以下缺点：(1)现有空 调送风系统调节主要靠用户手动控制或停留在概念阶段，而无法根据人体舒适 度、建筑物实际的热负荷、分时电价等方面来进行修正或指导其运行状态，因 此容易出现机组供冷热量与实际需求不匹配、运行电费过高的情况，导致机组 能效较低的同时，产生较大的运行费用；(2)现有空调送风系统送风控制方法， 缺乏科学定量参数控制方法，不能根据实时监测参数进行优化。一方面通常采 用PMV等基于平均人群的传统热舒适指标，无法有效评价用户个性化热舒适 需求；同时，传统的暖通空调系统容易造成系统运行的不匹配和局部过冷过热 的现象，缺乏定量指标来协调用户个性化热舒适需求与能源过度消耗之间的矛 盾，对建筑节能与人体舒适健康总目标达成有不利影响。
[0005]因此，本领域技术人员迫切需要基于个性化热舒适和经济指标的暖通空调 控制系统及控制方法。
技术实现思路
[0006]有鉴于此，本专利技术旨在提出一种暖通空调智能送风控制方法及系统，针对 人体热舒适的个性化需求，提供定量解决方法，在不明显影响用户满意度的前 提下，减少暖通空调系统用...
【技术保护点】
【技术特征摘要】
1.一种暖通空调智能送风控制方法，其特征在于，包括如下步骤：S1：监测端数据采集模块获取监测数据，确定热舒适预测模型和能耗预测模型；S2：监测端数据采集模块将预测模型输出至用户端存储显示模块；S3：根据监测端数据采集模块采集的实时数据，计算机运算控制模块运算系统输出实时冷热不舒适性概率P和实时能耗负荷比C；S4：根据热舒适预测模型和能耗预测模型中冷热不舒适性概率P和能耗负荷比C随温度设定值T
S
的变化关系，计算出不同温度设定值变化时的满意度负荷比，得到满足可接受满意度负荷率指标下的设定温度值范围T
S，Q
；S5：调节暖通空调系统的温度设定值，并执行对应的实时调控策略。2.根据权利要求1所述的暖通空调智能送风控制方法，其特征在于，在步骤S1中，所述监测端数据采集模块包括热环境监测系统、人体监测系统和运行成本采集系统，所述热环境监测系统用于监测热环境参数，所述人体监测系统用于识别或者预估用户的人体监测参数，所述运行成本采集系统用于采集不同工况下暖通空调系统的能耗和相应的分时电价信息，所述热舒适预测模型的运算采用集成学习算法基于输入数据对用户热舒适进行预测，所述热舒适预测模型的输出因变量冷热舒适指标包括舒适、冷不舒适、热不舒适；所述能耗预测模型根据不同工况下能耗检测数据以及相应的分时电价信息进行模型训练，所述能耗预测模型的输出因变量为暖通空调能耗Q。3.根据权利要求2所述的暖通空调智能送风控制方法，其特征在于，所述热舒适预测模型训练学习时输入的参数包括空气温度变化
△
T、用户年龄A和性别G，人体活动状态M，以及头部皮肤温度和手部皮肤温度ST。4.根据权利要求2所述的暖通空调智能送风控制方法，其特征在于，在步骤S1中，若所述热舒适预测模型在首次运行时，根据暖通空调系统不同温度设定值T
S
范围，通过问卷形式让用户输入相应场景的热舒适感受值，同时记录对应时刻的各监测参数，通过学习运算得到可适用的热舒适预测模型。5.根据权利要求1～4任意一项所述的暖通空调智能送风控制方法，其特征在于，步骤S3包括：S31：根据监测端数据采集模块采集的实时数据，在同一场景运行集成学习算法n次，得到舒适，冷不舒适，热不舒适的结果次数分别为(n
‑
i
‑
j)、j和i次；S32：制热工况时，冷不舒适概率为：则制冷工况时，热不舒适概率为：S33：根据暖通空调能耗Q和实时电网负荷L，得到暖通空调系统的能耗负荷比C：C＝Q/(L
max
‑
L)，其中，L
max
为电网设计的最大负荷。6.根据权利要求5所述的暖通空调智能送风控制方法，其特征在于，若所述暖通空调系统的用户数量大于1时，将各用户运...
【专利技术属性】
技术研发人员：吴语欣，张梓轩，蒋昂辰，陈齐元，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。