论文部分内容阅读
本文简要论述了研究室内动态热舒适的重要性和必要性,传统的热舒适控制方法不能够满足不同住户的热舒适需要,而且不利于空调系统的节能。针对夏季家用空调器制冷环境下室内空气相对湿度主要受室外温湿度、室内温度及家用空调器被动除湿性能等因素的影响,室内外温湿度参数间具有非线性、强耦合且难以建立数学模型等特点,给设计高性能的基于PMV指标的舒适度控制系统带来困难。基于超闭球CMAC神经网络,分别建立了基于1.day和3-day数据的夏季室内外温湿度关联模型。仿真结果表明,该关联模型学习精度高,泛化能力强,能够比较准确的预测出室内空气的相对湿度。基于1.day数据模型的学习精度、泛化能力和预测精度均高于基于3-day数据的模型,为基于计算实验的室内温度设定值计算方法提供了依据。提出了基于PMV指标的家用空调温度设定值的计算实验方法。所提出的舒适度控制方法不用建立室内居住环境制冷设备的除湿特性模型和室外气候特性模型,仅仅利用室内外环境参数的历史数据,通过对环境样本数据的学习和简便的计算实验过程,通过恰当地调整室内温度,能够自适应地满足住户对热舒适偏好需求,将PMV值调整到任意给定的范围。针对传统PID控制方法的不足,运用模糊控制理论,设计了模糊PID控制器,弥补了传统PID控制方法的缺陷。仿真结果表明,与传统的PID控制方法相比,该控制方法具有超调小,稳定时间短的优点,更加适合于室内热舒适的控制。最后,本文提出了一种动态的热舒适度控制方法,动态的热舒适度控制主要分为舒适区和节能区,空调系统在两个区域内交替运行,在保证住户热舒适的前提下,努力实现最大程度的节能。本文主要考虑温度因素,通过适当的调节室内温度,改变人体的热舒适感觉,也就是改变了PMV值,实现了动态的热舒适度控制。结果表明,采用动态的热舒适度控制方法能够满足住户的热舒适需要,比单纯使用稳态的PMV指标的舒适度控制方法,可以节能23.8%,节能效果比较明显,证明了该动态的热舒适度控制方法是可行的,有效的。