一种室内综合环境设计参数优化与控制方法

1.本发明属于建筑室内环境营造技术领域，特别涉及一种室内综合环境设计参数优化与控制方法。


背景技术：

2.当前对居住环境的要求逐渐转向舒适性、健康性。现有的居住建筑环境参数设计时，大多仅考虑能耗和热舒适，而对于影响人体健康的室内空气质量却因缺乏可靠的检测与评价方法而鲜有考虑。
3.典型现有技术如《住宅建筑保障室内(热)环境质量的低能耗策略研究》(喻伟,重庆大学,2011)，以住宅全年建筑能耗和室内适应性舒适状况作为性能评价目标，通过人工神经网络建立预测模型，利用遗传算法进行多目标优化，建立建筑设计方案的多目标优化模型。该技术对于室内环境的探讨只局限于热环境，而忽略了室内空气质量对于人体健康的影响，不能满足建筑节能、舒适、健康的基本需求。
4.又如《基于能耗和热舒适的广州地区办公建筑外窗系统多目标优化研究》(马冲,华南理工大学,2017)，以广州地区办公建筑为研究对象，其外窗为考虑因素，以建筑的综合能耗和室内人员的热舒适为优化目标，进行多目标优化研究。其研究重点在于建筑外窗系统对于建筑能耗与热舒适的影响，而忽略了外窗系统对于室内环境质量也有一定影响，进而影响人体的舒适和健康。


技术实现要素：

5.为了克服上述现有技术的缺点，本发明的目的在于提供一种室内综合环境设计参数优化与控制方法，从需求端平衡舒适、健康、节能等因素，解决舒适、健康、节能的多元耦合优化问题，并通用于各种居住建筑类型。
6.为了实现上述目的，本发明采用的技术方案是：
7.一种室内综合环境设计参数优化与控制方法，其特征在于，包括以下步骤：
8.步骤1)，实时测量室内环境参数，包括甲醛浓度、室内温度和相对湿度、co2浓度以及空调耗电量；
9.步骤2)，将测得数据传输至服务器；
10.步骤3)，处理步骤1)获取的室内温度和相对湿度数据，通过ashrae标准中人体舒适区范围温湿图判断当前房间热环境是否处于舒适区，从而获得室内热舒适满意度；
11.步骤4)，利用人工神经网络，建立以室内热舒适满意度、甲醛浓度和空调耗电量为目标的多目标预测模型；所述多目标预测模型的输入变量为室内综合环境设计参数；
12.步骤5)，利用遗传算法进行多目标优化，得到室内综合环境设计参数的优化设计方案，以实现建筑室内环境的全面控制和优化。
13.在一个实施例中，所述步骤4)，人工神经网络为包括输入层，隐含层，输出层的三层bp神经网络，所述室内综合环境设计参数包括冬季室内设计温度、夏季室内设计温度、冬
季换气次数、夏季换气次数和过渡季换气次数，输出变量包括室内热舒适满意度、甲醛浓度和空调耗电量。
14.在一个实施例中，所述换气次数根据室内co2浓度计算得到。
15.在一个实施例中，所述输出变量，室内热舒适满意度、甲醛浓度和空调耗电量分别进行归一化处理；根据实际建筑中舒适、健康、节能的重要性调整归一化变量的权重，随后线性叠加得到室内综合环境的评价函数；利用遗传算法求得室内综合环境评价函数的最优值。
16.在一个实施例中，所述优化设计方案，在满足建筑舒适、健康的情况下给出空调运行能耗最低的方案，即冬季室内设计温度、夏季室内设计温度、冬季换气次数、夏季换气次数和过渡季换气次数的最优值。
17.本发明还提供了一种室内综合环境设计参数优化与控制系统，包括：
18.数据采集单元，实时测量室内环境参数，包括甲醛浓度、室内温度和相对湿度、co2浓度以及空调耗电量；
19.数据传输单元，将测量的数据传输至服务器；所述服务器存储有同类型的历史数据；
20.第一处理单元，根据室内温度和相对湿度数据，通过ashrae标准中人体舒适区范围温湿图判断当前房间热环境是否处于舒适区，从而获得室内热舒适满意度；
21.第二处理单元，基于所述历史数据，利用人工神经网络建立以室内热舒适满意度、甲醛浓度和空调耗电量为目标的多目标预测模型；所述多目标预测模型的输入变量为室内综合环境设计参数；
22.第三处理单元，利用遗传算法求解所述多目标预测模型，得到室内综合环境设计参数的优化设计方案，以实现建筑室内环境的全面控制和优化。
23.在一个实施例中，所述服务器为远端服务器或本地服务器，所述第一处理单元、第二处理单元和第三处理单元运行于所述服务器。
24.在一个实施例中，所述第三处理单元，向与室内综合环境设计参数匹配的控制机构发出优化的室内综合环境设计参数由其执行。
25.与现有技术相比，本发明的有益效果是：
26.将数据采集、神经网络、遗传算法有机结合，建立以室内热舒适满意度、甲醛浓度和空调耗电量为多目标的室内环境参数优化策略，突破了常规以热舒适或建筑能耗为单控目标对室内环境调控的约束，实现兼顾健康、舒适、节能的室内环境参数协同优化。
附图说明
27.图1为本发明控制方法的原理框图。
28.图2为本发明实施例的宿舍平面布置图。
29.图3为本发明实施例的神经网络训练结果与实际值的线性拟合结果示意图。
具体实施方式
30.下面结合附图和实施例详细说明本发明的实施方式。
31.本发明旨在通过以室内热舒适满意度、甲醛浓度和空调耗电量为控制目标，将室
内环境参数监测采集、神经网络建模和遗传算法优化有机结合，得到兼顾健康、舒适、节能的居住建筑环境参数多目标优化方法。
32.如图1所示，本发明的室内综合环境设计参数优化与控制方法，主要包括以下步骤：
33.步骤1)，利用数据采集单元实时测量室内环境参数，主要包括甲醛浓度、室内温度和相对湿度、co2浓度以及空调耗电量。能实现该测量的常见数据采集单元包括温湿度传感器、电量表、co2浓度传感器以及甲醛浓度传感器等。
34.步骤2)，将测得数据传输至服务器。
35.本发明中，服务器可以是本地服务器，也可以是远端服务器，当采用远端服务器，可通过蓝牙、wi-fi、zigbee中一种或多种方式完成数据传输。
36.步骤3)，处理步骤1)获取的室内温度和相对湿度数据，通过ashrae标准中人体舒适区范围温湿图判断当前房间热环境是否处于舒适区，从而获得室内热舒适满意度。热舒适满意度、甲醛浓度、空调耗电量一同构成了评价建筑室内舒适、健康、节能的三个关键指标。
37.该处理可在服务器完成，也可在一个单独的与服务器或与数据采集单元具有通信关系的处理单元完成，为便于描述，将该处理单元命名为第一处理单元。
38.步骤4)，基于服务器存储的大量历史数据，利用人工神经网络，建立以室内热舒适满意度、甲醛浓度和空调耗电量为目标的快速、精准的多目标预测模型；也即，该多目标预测模型的输出变量为室内热舒适满意度、甲醛浓度和空调耗电量，其输入变量则为室内综合环境设计参数。显然，服务器存储的历史数据是与所测量数据同类型的数据，数据量要达到能够训练神经网络的水平，且数据越多，越有代表性，训练结果越好。
39.示例地，本步骤的人工神经网络可选择bp神经网络，其具有输入层，隐含层和输出层，是一种成熟架构。本发明的室内综合环境设计参数主要包括冬季室内设计温度、夏季室内设计温度、冬季换气次数、夏季换气次数和过渡季换气次数等。其中换气次数根据室内co2浓度，由如下公式计算得到：
40.不区分男女，中国人人体表面积的计算公式为：
41.s＝0.61h+0.0124w-0.0099；
42.其中，s为人体表面积，h为身高，w为体重
43.在此表面积下，人体co2释放量计算所用公式为：
[0044][0045]
其中，为人体co2的呼吸产生率，m为单位面积代谢率，rq为呼吸系数。
[0046]
所测co2浓度趋于稳定时，通风量n计算见公式：
[0047][0048]
其中，n为通风量，v为房间体积，ci为室内co2平均浓度，c0为室外co2浓度。
[0049]
以质量守恒原理为基础，根据室内co2浓度的变化量可以求得换气次数，具体公式为:
[0050][0051]
其中，n为换气次数。
[0052]
具体应用时，输出变量的室内热舒适满意度、甲醛浓度和空调耗电量分别进行归一化处理；根据实际建筑中舒适、健康、节能的重要性调整归一化变量的权重，随后线性叠加得到室内综合环境的评价函数；利用遗传算法求得室内综合环境评价函数的最优值。
[0053]
其中，归一化处理中所用的公式为：
[0054][0055]
其中，xi为归一化前的输入变量，x
i’为归一化后的输入变量，x
min
为归一化前输入变量的最小值，x
max
为归一化前输入变量的最大值，i取1或2或3，分别指室内热舒适满意度、甲醛浓度和空调耗电量。
[0056]
对归一化后的优化目标设置其在优化方案中的权重，构造新的目标函数即评价函数，如下：
[0057][0058]
其中，f为优化目标，fi为原目标，f1、f2和f3分别为室内热舒适满意度、甲醛浓度和空调耗电量，wi为权重，满足：
[0059][0060]
步骤5)，利用遗传算法进行多目标优化，得到室内综合环境设计参数的优化设计方案，以实现建筑室内环境的全面控制和优化。
[0061]
所得方案中，在满足建筑舒适、健康的情况下给出空调运行能耗最低的方案，即冬季室内设计温度、夏季室内设计温度、冬季换气次数、夏季换气次数和过渡季换气次数的最优值。即，根据实际建筑中舒适、健康、节能这三个指标的重要性调整室内综合环境的评价函数，实现不同需求下的室内综合环境优化方案的设计。本发明兼顾室内空气质量、热舒适和建筑节能，在满足建筑健康、舒适的情况下给出空调运行能耗最低的方案。
[0062]
本发明还提供了一种相应的室内综合环境设计参数优化与控制系统，包括：数据采集单元、数据传输单元、第一处理单元、第二处理单元和第三处理单元以及服务器。数据采集单元用于实现上述的实时测量功能，数据传输单元实现上述的数据传输功能，第一处理单元实现上述的室内热舒适满意度获取功能，第二处理单元完成建模并训练，第三处理单元对多目标预测模型求解，服务器存储历史数据，并可集成实现前述的第一处理单元、第二处理单元和第三处理单元。
[0063]
在本发明的一个具体实施例中，针对某高校宿舍开展室内综合环境设计参数优化与控制方案的设计，设定夏季空调开启时间为6月1日至8月31日，冬季空调开启时间为11月15日至3月15日，选取100间宿舍进行测试，每间宿舍室内东西长3.59米，南北长6.39米，内部安装1台测试仪，测点位置布置如图2所示。试验主要包括：
[0064]
(1)使用一种室内综合环境参数测量仪，该仪器可以测量室内温度、相对湿度、甲
醛浓度以及co2浓度，每小时输出一次数据，测量周期为一年。在冬夏季空调开启时间连续测量室内温度和相对湿度；在每月的首日连续24小时测量室内甲醛浓度与co2浓度；并使用电量表测量空调全年耗电量。
[0065]
(2)根据ashrae标准中人体舒适区范围温湿图确定冬季温度18-23℃、相对湿度30％-80％，夏季温度25-29℃、相对湿度30％-80％是能够使人体感到舒适的温湿度上下限。根据该上下限计算全年空调开启总5090个小时中人体处于舒适区温湿度的比值，将其作为室内热舒适满意度；甲醛浓度采用12个月份的24小时时均浓度平均值来代表；空调耗电量直接读取电量表获取。
[0066]
(3)将100间宿舍得到的100组工况的建筑室内环境评价指标数据集作为样本，基于服务器存储的大量历史数据，并根据室内co2浓度计算得到换气次数，建立一个包括输入层，隐含层，输出层的三层bp神经网络。该网络的输入变量包括冬季室内设计温度、夏季室内设计温度、冬季换气次数、夏季换气次数和过渡季换气次数，输出变量包括室内热舒适满意度、甲醛浓度和空调耗电量。该神经网络的隐含层节点数为5，选择训练集70个，测试集与验证集各为15个，利用训练函数trainlm，即levenberg-marquarde(lm)函数反复对网络进行训练，将其中表现最好的一次作为训练的结果，最终得到神经网络训练结果与实际值的拟合精度为r＝0.994，根据图3可以看出该模型在训练集、测试集和验证集上的精度都非常高。
[0067]
(4)利用matlab中mapminmax函数，对神经网络模型的输出变量：室内热舒适满意度、甲醛浓度和空调耗电量分别进行归一化处理，将其统一为(0,1)之间的实数。
[0068]
归一化处理所用公式为：
[0069]
根据实际建筑中舒适、健康、节能这三个指标的重要性调整归一化变量的权重，随后线性叠加得到室内综合环境的评价函数，所用的具体公式为：
[0070]
由此将原多目标优化转换为单目标优化，再使用遗传算法求得函数的最优值，得到最小值所对应的设计工况参数即为在此权重下的最优解，本实验得到不同权重下的最优解如所示表1所示。
[0071]
表1目标不同权重下的最优解
[0072][0073]
设计者在使用时，只要根据实际建筑中舒适、健康、节能这三个指标的重要性调整归一化变量的权重，随后线性叠加得到室内综合环境的评价函数，利用遗传算法即可求得
室内综合环境评价函数的最优值。
[0074]
本发明的控制方法通过人工神经网络及遗传算法耦合获取了室内热舒适满意度、甲醛浓度和空调耗电量的多目标优化解集，根据实际建筑中舒适、健康、节能这三个指标的重要性调整室内综合环境的评价函数，实现不同需求下的室内综合环境优化方案的设计。本发明为建筑行业的从业人员与用户提供了优化建筑能源利用和提升室内环境品质的工具，为现代建筑的低碳健康发展创造了有利条件。

技术特征：
1.一种室内综合环境设计参数优化与控制方法，其特征在于，包括以下步骤：步骤1)，实时测量室内环境参数，包括甲醛浓度、室内温度和相对湿度、co2浓度以及空调耗电量；步骤2)，将测得数据传输至服务器；步骤3)，处理步骤1)获取的室内温度和相对湿度数据，通过ashrae标准中人体舒适区范围温湿图判断当前房间热环境是否处于舒适区，从而获得室内热舒适满意度；步骤4)，利用人工神经网络，建立以室内热舒适满意度、甲醛浓度和空调耗电量为目标的多目标预测模型；所述多目标预测模型的输入变量为室内综合环境设计参数；步骤5)，利用遗传算法进行多目标优化，得到室内综合环境设计参数的优化设计方案，以实现建筑室内环境的全面控制和优化。2.根据权利要求1所述室内综合环境设计参数优化与控制方法，其特征在于，所述步骤4)，人工神经网络为包括输入层，隐含层，输出层的三层bp神经网络，所述室内综合环境设计参数包括冬季室内设计温度、夏季室内设计温度、冬季换气次数、夏季换气次数和过渡季换气次数，输出变量包括室内热舒适满意度、甲醛浓度和空调耗电量。3.根据权利要求2所述室内综合环境设计参数优化与控制方法，其特征在于，所述换气次数根据室内co2浓度计算得到。4.根据权利要求2所述室内综合环境设计参数优化与控制方法，其特征在于，所述输出变量中，室内热舒适满意度、甲醛浓度和空调耗电量分别进行归一化处理；根据实际建筑中舒适、健康、节能的重要性调整归一化变量的权重，随后线性叠加得到室内综合环境的评价函数；利用遗传算法求得室内综合环境评价函数的最优值。5.根据权利要求4所述室内综合环境设计参数优化与控制方法，其特征在于，所述归一化处理中所用的公式为：其中，x i
为归一化前的输入变量，x i’为归一化后的输入变量，x min
为归一化前输入变量的最小值，x max
为归一化前输入变量的最大值，i取1或2或3，分别指室内热舒适满意度、甲醛浓度和空调耗电量；对归一化后的优化目标设置其在优化方案中的权重，构造评价函数如下：其中，f为优化目标，f
i
为原目标，f1、f2和f3分别为室内热舒适满意度、甲醛浓度和空调耗电量，w
i
为权重，满足：6.根据权利要求4所述室内综合环境设计参数优化与控制方法，其特征在于，所述优化设计方案，在满足建筑舒适、健康的情况下给出空调运行能耗最低的方案，即冬季室内设计温度、夏季室内设计温度、冬季换气次数、夏季换气次数和过渡季换气次数的最优值。7.一种室内综合环境设计参数优化与控制系统，其特征在于，包括：数据采集单元，实时测量室内环境参数，包括甲醛浓度、室内温度和相对湿度、co2浓度
以及空调耗电量；数据传输单元，将测量的数据传输至服务器；所述服务器存储有同类型的历史数据；第一处理单元，根据室内温度和相对湿度数据，通过ashrae标准中人体舒适区范围温湿图判断当前房间热环境是否处于舒适区，从而获得室内热舒适满意度；第二处理单元，基于所述历史数据，利用人工神经网络建立以室内热舒适满意度、甲醛浓度和空调耗电量为目标的多目标预测模型；所述多目标预测模型的输入变量为室内综合环境设计参数；第三处理单元，利用遗传算法求解所述多目标预测模型，得到室内综合环境设计参数的优化设计方案，以实现建筑室内环境的全面控制和优化。8.根据权利要求7所述室内综合环境设计参数优化与控制系统，其特征在于，所述服务器为远端服务器或本地服务器，所述第一处理单元、第二处理单元和第三处理单元运行于所述服务器。9.根据权利要求7所述室内综合环境设计参数优化与控制系统，其特征在于，所述第三处理单元，向与室内综合环境设计参数匹配的控制机构发出优化的室内综合环境设计参数由其执行。

技术总结
一种室内综合环境设计参数优化与控制方法，实时测量室内环境参数，包括甲醛浓度、室内温度和相对湿度、CO2浓度以及空调耗电量，并获得室内热舒适满意度；利用人工神经网络，建立以室内热舒适满意度、甲醛浓度和空调耗电量为目标的多目标预测模型；所述多目标预测模型的输入变量为室内综合环境设计参数；利用遗传算法进行多目标优化，得到室内综合环境设计参数的优化设计方案，以实现建筑室内环境的全面控制和优化。本方法兼顾室内空气质量、热舒适和建筑节能，在满足建筑健康、舒适的情况下给出空调运行能耗最低的方案。空调运行能耗最低的方案。空调运行能耗最低的方案。


技术研发人员：周晓骏 姜梦琪 王帆 李涵 张鹏斐 郭佳芊
受保护的技术使用者：西安交通大学
技术研发日：2023.05.24
技术公布日：2023/8/24