基于PMV指标的室内环境热舒适度控制器设计

基于PMV指标的室内环境热舒适度控制器设计
冯鑫;段培永;段晨旭
【摘要】针对目前室内热环境调节缺少合理控制方法的问题,本文在分析温度、湿度、风速和平均辐射温度四个热环境参数对PMV指数影响的基础上,基于人体舒适度模型的模糊控制,将嵌入式ARM9芯片作为主控制芯片,结合无线传感网络,设计了一种室内舒适度控制器,并阐述了其系统构成与决策方法.该控制器不仅布设方便,而且能够在保证人体室内舒适度的情况下,减少调节室内热环境过程中带来的能耗.
【期刊名称】《山东科学》
【年(卷),期】2016(029)001
【总页数】6页(P110-115)
【关键词】PMV指数;热舒适度;模糊控制
【作者】冯鑫;段培永;段晨旭
【作者单位】山东建筑大学信息与电气工程学院,山东济南250101;山东建筑大学信息与电气工程学院,山东济南250101;山东建筑大学信息与电气工程学院,山东济南250101
【正文语种】中文
【中图分类】TP272
我国的建筑能耗约占总能耗的30%，并且还在持续增加，其中暖通空调系统的能耗占建筑能耗的30% ～60%［1］。

在2015年1月1日起开始实施的新绿色建
筑评价标准（GB/T50378-2014［2］）中，已将暖通空调的能耗作为绿色建筑评价中的重要组成部分。

目前室内热环境主要检测温度、湿度，进行恒温恒湿控制［3］，却忽略了人体舒适感在室内热环境控制中的主体地位。

在一些舒适度控制的研究中多采用各种优化算法进行热舒适度的建模，并对热舒适度进行预测［4－5］，复杂的建模及优化方法在一定程度上可以提高热舒适度的控制精度，但对控制器的实现造成了困难。

此外，在相关研究所建立的空气调节模型中仅考虑人体的舒适性，没有考虑能源消耗这一因素［6］。

因此，本文在分析几个环境因素对舒适度影响的基础上，结合舒适度评价指标，设计了更便于实施的舒适度控制方法。

在众多的舒适度的评价指标中［7］，本文选用最具代表性的预测平均投票指标（predictedmean vote，PMV），PMV指标最早由丹麦教授Fanger提出［8］，该指标综合考虑了相对湿度、空气流速、平均辐射温度以及人体活动情况、着衣情况、空气温度等6个因素，代表了大多数人的冷热感觉，并且规定舒适度
指标值FPMV在－0.5～0.5时为舒适范围。

研究数据表明，在PMV指标的指导下，通过控制温度这一单一影响因素就能达到约5.6%的节能效果［9］，并且其
在冷热辐射系统（RHCS）以及机械通风的办公楼热舒适评价中也起到了重要的指导作用［10－11］。

但PMV指标有些参量的测量很复杂，为保证舒适度控制精
度以及控制算法更加便于实施，本文采用对人体活动情况、着衣情况做近似处理，将空气温度、空气湿度和空气流速作为输入参数与控制量的方法，进行舒适度控制器的设计。

根据室内不同的热环境状况，通过调节这3个参数的组合，例如，湿
度在30%～60%之间变化时，温度可以在26～27℃变化［12］，再加入风量，
实现在保证室内人体热舒适度的前提下，降低调节室内热环境造成的能耗。

1.1 风速对舒适度指数的影响
假定平均辐射温度为26℃，相对湿度为50%，从图1中可以得出：（1）风速v
越大，FPMV值越小，而且风速对PMV指标的影响随着风速的增加越来越小。

研
究表明，在通过空气流速调节室内FPMV值时，风速应当控制在0.2～0.8m/s的
范围内，风速过大会对人身体带来不适感［12］。

（2）空气温度ta越高，风速
对FPMV的影响越小，在舒适度调节中的权重变小。

外界环境温度约等于人体表
面平均温度时，风速这一单一因素对FPMV值的影响减弱，空气湿度在舒适度调
节中的作用加强。

1.2 空气湿度对舒适度指标的影响
人体皮肤表面散失的热量与空气湿度相关，从而影响人体舒适感。

假设平均辐射温度为26℃，风速取0.1m/s，从图2中可以得出随着温度的升高，空气湿度对FPMV值的影响越来越明显，而且温度对FPMV值影响要大于湿度。

当空气温度
在20～25℃范围内，相对湿度的变化对FPMV值的影响并不明显；只有当空气温度较高时，空气湿度才成为影响人体热感觉的重要因素。

1.3 空气温度对舒适度指数的影响
空气温度直接影响人体与周围环境热量交换从而影响人体舒适感，在PMV舒适指标中所占的权重最大。

PMV指标将冷热环境中人体的反应分为7级：热、稍热、暖、舒适、凉、较凉和冷，分别对应了PMV指标的7个值：－3、－2、－1、0、1、2、3。

从图3中得出，在不同的辐射温度tr下，随着温度的增大，FPMV值
呈线性增长，并且从曲线的斜率中也可以看出空气温度对FPMV的影响非常明显。

1.4 平均辐射温度对舒适度指标的影响
平均辐射温度是指建筑物围护结构表面所辐射热量的平均温度，它对室内的环境温度会有影响。

从图4中可以得出，随着辐射温度的上升，FPMV值也呈线性上升
趋势，这与空气温度对FPMV值的影响相似，在本文中对平均辐射温度与空气温
度做等价处理。

在舒适度控制中，空气温度ta、湿度、风速v和平均辐射温度tr四个因素是环境
变量，对人体活动情况、着衣情况两个变量是属于不可控制的变量，因此仅分析了
四个环境变量对舒适度指标的影响。

在分析完环境变量对舒适度指标的影响之后，对Fanger公式（1）～（3）中变量根据北方室内的实际情况作近似处理，如表1所示；温度、湿度与PMV舒适度指标的变量值FPMV的对应关系，如表2所示。

式中，M为人体能量代谢率，W/m2；W为人体活动量，W/m2；η为机械效率；P为空气中水蒸气分压力，Pa；ta为人体周围空气温度，℃；tr为房间的平均辐
射温度，℃；fcl为人体着衣面积与裸露面积的比值；tcl为衣服外表面温度，℃。

hc为表面传热系数，W/（m2·K）；Icl为着衣热阻，m2·℃/W。

va为室内风速，m/s。

表2中M＝69.78 W/m2，fcl＝1.10，tcl＝0.11（或tcl＝0.093）℃，v＝
0.2m/s。

从表2中可以看出，在风速取0.2m/s，温度在21～26℃，湿度在20%～80%之间变化时，温度与湿度在表中黑线区域内的取值可以保证PMV舒适度指标值FPMV在－0.5～0.5之间变动。

结合图1风速对舒适度指标的影响，温
度取定值时，空气流动可以使PMV指标减小。

综上所述，在夏季工况下，通过提高室内空调设定温度、相对湿度，再加上适当风速对舒适度指标进行补偿，可保持舒适度指标在允许范围内，实现节能的目的。

舒适度控制器系统主要由底层的执行模块、中间层的通信模块和上层的决策模块3大部分组成，如图5所示。

底层的执行模块包括热环境参数传感器和风扇、空调
和加湿器执行机构，负责热环境参数的采集与调节。

中间层的通信模块由多个无线节点构成，负责热环境参数与控制参数，在决策模块与执行模块之间的传输。

上层的决策模块包括主控制芯片与外围电路，负责根据当前热环境参数计算出PMV舒适度指标，以及制定出舒适度策略。

（1）热环境传感器的检测参数
考虑到PMV指标中6个变量中人体活动程度、衣服热阻不便于测量，结合表2对
相关变量做了近似处理。

因此选取合适的传感器仅实时检测空气温度、相对湿度和风速3个环境变量。

（2）通信层数据传输方式
在实际系统搭建的过程中，热环境传感器、风扇、空调和加湿器在室内空间分布比较灵活，不同的空间分布方式测得的PMV指标FPMV值可能不同，执行机构的执行效果也不同。

因此采用无线传感网络作为数据传输方式，在灵活性和扩展性方面有着巨大的优势。

（3）决策层数据处理
通信层传输来的热环境参数通过计算转换成实时的PMV指标，根据PMV控制策略控制执行机构，控制温度、湿度和风速调节室内环境。

执行机构可根据不同的控制方法采用不同的设置，风扇、空调和加湿器等装置的控制方法各有不同，但总的控制策略是不变的，通过主控制器控制不同的执行机构，实现对室内温度、湿度和风速的调节。

3.1 PMV控制策略
在实现调节FPMV值上，风速调节的能耗要远远低于温度调节。

根据表1风速在0.2m/s、温度在26℃、湿度在50%时的FPMV值为0.71，再结合图1风速对FPMV值的影响作用，通过将风速从0.2提高到0.6m/s可以使FPMV值减小到0.5以下，可采用室内局部安装风扇，通过控制局部风扇的风速实现PMV调节，从而在不降低空调设定温度的情况下，控制PMV舒适指标值FPMV在的－1～1的合理的范围以内。

温度与相对湿度之间具有较强的耦合关系，水蒸气分压力Pa一定时，湿度随着温度的增大而减小，反之增大。

从图2中可以看出在不同的温度下FPMV曲线斜率较小，说明一定温度下湿度对PMV指标影响较小。

从表2中可以看出，当湿度在30%～60%之间，温度在27℃仍可保证FPMV值在＋1以下，因此在相对湿度较
低时，适当提高温度。

3.2 PMV策略控制方法
就上文提到的控制策略，采用模糊PID的控制方法实施［13］，具体控制方法为
检测3个环境参数温度、相对湿度和风速。

把采集到的热环境数据输入控制器中，通过温度、湿度值与FPMV转换表得到实时的PMV指标，然后将FPMV值作为
模糊控制器的目标值，若FPMV在合理范围±0.5内，则控制器不对输出信号U做修正。

否则，控制器就要在保持FPMV不变的基础上，控制温度、湿度和风速调
节室内环境。

模糊控制器的系统结构如图6所示。

首先控制器测得实际的温度值ta、风速v、湿度值hr，由上文经舒适度模型运算
查表2得出目前实际的FPMV1值，将控制器设定的舒适度值FPMV0与FPMV1
进行比较，得到舒适度的偏差值，e＝ΔFPMV即为两者差值的绝对值，然后根据
e与1的比较进行不同的计算。

当e＞1时，采用PID参数自组织模糊控制方法，根据E和Ec的变化情况，对PID的参数Kp、Ki及时间变量T′进行在线自整定。

当e＜1时，计算得出舒适度偏差值e的变化率ec＝de/dT，将舒适度偏差值e与舒适度偏差值变化率ec，分别进行模糊化得到模糊量E和EC（E为舒适度偏差论域，EC为舒适度偏差变化率论域），E、EC＝｛－6，－5，－4，－3，－2，－1，0，1，2，3，4，5，6｝。

经过模糊推理得到给定信号U。

本文在分析室内热环境因素对PMV舒适度指标影响的基础上，对舒适度控制器进行了系统设计，通过模糊控制决策得出温度、湿度和风速的设定值，为舒适度的控制提供了更加便于使用的数据。

采用嵌入式系统与无线传感网络的结合，也更加有利于舒适度系统控制策略的实施。

在下一步的工作中，需要完成对控制器硬件电路部分的设计与制作，进行对舒适度控制策略方面的完善，最终在保证人体舒适度的前提下实现节能的目的。

【相关文献】
［1］杨昌智，张清琳，杨菊菊，等.定温控制空调系统的舒适性及节能性分析［J］.湖南大学学报：自然科学版，2012，39（5）：18－22.
［2］中华人民共和国住房和城乡建设部，中华人民共和国国家质量监督检验检疫总局.GB/T50378－2014绿色建筑评价标准［S］.北京：中国建筑工业出版社，2015.
［3］周驰，乐贵高，陈福红，等.基于ATmega128的精密空调控制系统设计［J］.机械与电子，2014（9）：56－59.
［4］张玲.空调热舒适度预测及控制算法研究［D］.长沙：湖南大学，2014.
［5］段培永，刘聪聪，段晨旭，等.基于粒子群优化的室内动态热舒适度控制方法［J］.信息与控制，2013，42（1）：100－110.
［6］贺培春.基于舒适度的室内空气调节系统研究［D］.重庆：重庆大学，2010.
［7］ALFANO F R D，OLESEN B W，PALELLA B I，et al.Thermal comfort：Design and assessment for energy saving［J］.Energy and Buildings，2014，81：326－336.
［8］FANGER P O.Thermal comfort：Analysis and applications in environmental engineering［M］.New York，US：McGraw-Hill，1970.
［9］HAN H，LEE J，KIM J，et al.Thermal comfort control based on a simplified predictedmean vote index［J］.Energy Procedia，2014，61：970－974. ［10］BEGHI A，CECCHINATO L，RAMPAZZOm.Thermal and comfort control for radiant heating/cooling systems［M］//2011 IEEE International Conference on Control Applications（CCA）.IEEE，2011：258－263.
［11］SOUTULLO S，ENR?QUEZ R，JIM?NEZm J，et al.Thermal comfort evaluation in amechanically ventilated office building located in a continental climate［J］.Energy and Buildings，2014，81：424－429.
［12］段晨旭，李建新，李慧，等.基于人体热舒适度模型的模糊温度控制器［C］//2005年中国
智能自动化会议论文集.青岛：中国自动化学会智能自动化专业委员会，中国科学院自动化研究所，2005.
［13］BERMEJO P，REDONDO L，de la OSSA L，et al.Design and simulation
of a thermal comfort adaptive system based on fuzzy logic and online learning［J］.Energy and Buildings，2012，49：367－379.。