室内热环境自动控制方法综述

本文内容来自下面的文章：
王福林,韩典杉,孙泽禹,文世真,龚子阳,郁文红.室内热环境自动控制方法综述[J].暖通空调,2017,47(12):1-7.
室内热环境自动控制方法综述
国家自然科学基金资助项目（编号：51578305,51521005），华南理工大学亚热带建筑科学国家重点实验室开发基金资助项目（编号：2016ZB05）

室内热环境自动控制方法可分为4个发展阶段：

• 基于设定值的控制
• 基于PMV的控制
• 基于热感觉表达的控制
• 基于热感觉预测的控制

随着信息技术、人工智能技术的发展，基于热感觉预测的室内热环境自动控制方法是室内热环境自动控制技术的发展方向。
下面分别对这4种室内热环境自动控制方法的研究现状、优缺点进行总结分析。

1 基于设定值的控制

基于设定值进行室内热环境自动控制是目前广泛使用的室内热环境控制方法，是从工业控制方法沿用而来的，由房间用户或建筑运行管理人员确定室内温湿度设定值，空调系统根据设定值调节冷热输出，将室内温湿度维持在设定值。工业生产中温湿度控制的目的是满足工艺生产的需要，将温湿度精确控制在某个固定的设定值附近。这种控制方法应用于民用建筑舒适性空调控制时，出现了一些不太适合舒适性环境控制的问题，主要表现在以下３个方面。

1. 基于温度设定值的热环境控制不利于实现行为节能。行为节能是指通过改变人的用能行为来实现建筑节能的方法，例如人走关灯及关空调、空调设定温度不要过低或过高等。文献 显示，正确、科学的用能行为带来的节能潜力约为5%—20%^[1]。李兆坚等人对住宅空调能耗 的调查结果显示，空调温度设定值从25℃提高到26℃，空调能耗减少23%^[2]。因此合理的空调温度设定值对节能至关重要。然而Wang等人的调研结果^[3-4]显示，有50%的空调温度设定值偏离ASHRAE的室内热环境标准所建议的夏季供冷舒适温度（23—26℃）^[5]，如图１所示。调研对象为位于清华大学的一栋安装集中空调系统的办公楼，总建筑面积36000m2，于2012年8月17—22日随机抽取14个房间，在09:00—17:00时段每隔1h检查 一次温控器设定值，共采样915点。如果由建筑管理人员统一设定温度设定值，则无法实现精细化管理，不能满足不同人的个性化需求，可能引起大量投诉，也不能获知每个人的舒适域极限、实现最节能的温度设定值设置。
   
2. 基于温度设定值的热环境控制无法充分体现个性化、动态的热舒适。人的舒适温湿度范围随个体的不同、季节的变化、活动量的变化、着衣量的变化而变化，这种动态的热舒适特点使得人们很难准确确定使自己感觉舒适的温度。图2a显示了供暖季典型日某办公室内的空气温度、温度设定值和空调器耗电功率的测量记录，图2b显示了整个供暖季该办公室的温度设定值和空调器耗电功率的变化曲线。从图中可以看出：房间温度设定值在22—30℃的范围内变化，表明用户为了将房间温度调节到自己感觉舒适的温度，不断地尝试、变更温度设定值，这说明用户难以准确确定能使自己感到舒适的温度，只能通过不断尝试的方法，找到自己的舒适温度；随着温度设定值的提高，空调器的能耗随之增大，说明过高的室内温度设定值会导致过多的供热能耗。
   此外，对于病人、老年人等一些特殊群体，其舒适温度更加特殊，个性化特征更加明显，用通用的舒适温度域无法满足这些特殊群体的热舒适需求。研究表明，老年人由于身体机能的衰退，在偏热环境中比青年人感觉更热，在偏冷环境中比青年人感觉更冷，比青年人更容易感冒或中暑^[6]。这些特殊群体的身体条件决定了他们应对非舒适环境的能力较差，更需要舒适的热环境。如果温度设置不合理，有可能影响健康，甚至危及生命安全。因此，设置合适的温度不仅关系到舒适，甚至影响健康与生命，迫切需要全新的温度设定方法，找出这些特殊群体的舒适温度需求。
3. 基于温度设定值的热环境控制方式容易导致房间热环境过冷、过热及能源浪费。如图1所示的被调研建筑的夏季平均温度设定值为20.8℃， 图2b所示的被调研房间的冬季平均温度设定值为26.4℃，显示出夏季过低、冬季过高的温度设定趋势。很多房间用户感觉热时将空调设定温度调到最小值（例如10℃），可以断定其真正意图并不是将房间温度降到10℃，只是想快速降温，而空调控制系统并不知道用户的真正意图，只会按照用户的设定值向房间供冷。当室温低于用户的舒适温度下限时，用户感到冷，又会将温度设定值提高。这样就形成了房间过冷的现象，不仅造成不舒适的室内环境，同时造成了供冷能源的浪费，也造成了室内环境的波动。同样，冬季供热时，经常可以看到用户将空调设定温度调到最大值（例如30 ℃），造成了不舒适的过热室内环境，同时造成了供热能源的浪费。
   这些现象表明，沿用自工业控制的基于参数设定值的控制方法不太适合满足舒适性需要的室内热环境控制，迫切需要新的适合舒适性热环境控制的方法。

2 基于PMV的控制

自20世纪40年代起，人体热舒适相关的理论研究开始起步。研究者通过大量的热舒适实验，制定了一系列衡量热环境的指标，其中以丹麦Fanger教授在20世纪70年代提出的PMV指标为代表，该指标可以在机械控制的均匀、稳定热环境中，预测在统计意义下人体的热感觉，得到稳定均匀的热环境条件下人体的热感觉和舒适程度与风速、温度、湿度、长波辐射、着装量和活动量6个参数之间的关联关系^[7]。此外，作为对PMV指标的扩展和补充，研究者针对偏热环境下的人体舒适性^[8]、不同室内气流环境下的人体舒适性^[9-14]、动态变化环境下的人体舒适性^[15-20]、基于人工气候室实验的热舒适特性与实际办公室的热舒适特性的比较^[21-22]、人主动适应外界环境时的适应性热舒适^[23-24]等方面进行了大量的研究工作。
基于热舒适理论的研究成果，很多研究者尝试了如何把现有的热舒适指标（例如PMV）应用到室内热环境控制中，综合考虑各项环境因素，期望实现综合舒适的室内环境。这些研究可以归纳为２类：第一类研究着眼于如何实现基于PMV的空调系统控制器；第二类研究以PMV=0为约束条件，求解空调系统能耗最小的优化问题，开发空调系统的节能控制策略。 第一类研究主要包括：Henderson等人用保持恒定舒适度的控制策略代替恒定温度的控制策略，模拟结果表明，大多数情况下在提高室内舒适度的同时也可以实现空调系统的节能^[25]；Wai等人对如何实现PMV控制作了具体的研究，建立了空调器的舒适控制模型，采用单独的PID控制器进行控制，模拟结果表明，PMV控制能够提高空调房间的热舒适水平，但节能与否取决于气候类型^[26]；叶国栋对舒适空调中的热舒适指标直接、间接控制作了分析，基于当量温度测量与计算方法的研究，提出了集成PMV与SET*（新标准有效温度）传感器的理论模型，并详细探讨了其原理与工作过程^[27]。第二类研究主要包括：Simmomds讨论了空调系统的能耗与房间舒适度的关系，在最优化理论的基础上提出了一个基于规则的控制系统，结果表明，与常规控制方式相比，在室内环境等舒适度的条件下，空调系统的能耗可以减少^[28]；张良杰等人介绍了一种以追求节电、舒适为目的，以热舒适指标PMV=0为控制目标，采用智能信息处理与智能控制技术的空调智能控制器^[29]；郭富军等人对热舒适指标 在空调系统最优控制中的应用作了研究，介绍了如何建立空调系统的最优化热舒适指标控制模型，在此基础上对最优控制模型的求解方法进行了研究^[30]；段培永等人研究了基于粒子群优化的室内动态热舒适控制方法，用于在舒适与节能之间作权衡，实现最优控制^[31]。
由于PMV指标建立在人体稳态条件下能量平衡热舒适方程的基础上，其成立的前提条件是人体必须处于热平衡状态，PMV值在1（微暖）和-1（微凉）之间时预测较准，超出舒 适区间后会有偏差，并且PMV模型适用于风速较低的环境，在非空调环境、自然通风环境、风速较大环境下对人体热感觉的预测偏差较大。此外，PMV，SET*指标是反映基于统计得到的平均热感觉的统计指标，用于实时控制中难以满足用户的个性化需求。并且PMV对人体热感觉的预测，在空调环境、风速较小环境、稳态环境中较准确，未考虑人体热舒适的动态特性、人体热适应性及人体热感觉的地域差异，因此基于PMV的控制的通用性、有效性 并不佳。此外，基于PMV=0的热中性控制只是以舒适性最优为控制目标，没有考虑空调能耗最小的优化控制目标。
鉴于PMV指标存在的上述问题，有研究者提出了基于热适应理论的控制方法^[32-33]，通过联合控制吊扇转速、外窗开度、空调器启停等措施，与常规控制方法相比，在同等的用户满意度前提下，可以实现夏季晴天和阴雨天分别降低空调能耗31%和40%、秋季降低空调能耗77%的节能效果。

3 基于热感觉表达的控制

为了解决房间用户难以准确确定舒适温度值的问题，有很多研究者尝试用其他手段取代温度设定值。Fountain等人开发了一种人机界面，没有设置设定温度的按钮，而只设有“加热房间”和“冷却房间”的按钮^[34]。何伟雄发明了一种人体舒适性感应控制器专利，该控制器设有提供人体冷热感知信息的人体移动探测器以及对人体移动探测器输出的感知信息进行计算、判断的微处理器，根据人体冷热感知信息智能控制空调器的运行^[35]。
笔者等人曾经提出以冷、热、干、湿、闷、吹等热舒适感觉来取代环境参数设定值的控制理念，研究基于热感觉表达的室内热湿环境控制理论与方法[^4]。人们虽然难以准确确定舒适温度，但是可以准确表达自己当前的冷、热、干、湿等热感觉，基于这一准确信息的控制，与当前基于用户不熟悉的设定值控制相比，可以实现更稳定的控制、更快速的调节，以及更少的能源浪费。基于热感觉表达的控制研究集中在实验台建设方法^[36]、个性化动态舒适控制模型^[37-38]、单房间用户冷热感表达行为模式^[39]、基于设定值的控制和基于热感觉的控制的比较^[40]等方面，取得了初步成果，获得了多项专利^[41-45]。关于个性化动态舒适控制模型，文献^[37]介绍了一种分类器模型，根据房间用户的热感觉表达，将温湿度二维平面分为冷区域、热区域，冷热区域以外的区域认为是舒适域，从中选择最节能的温湿度状态点作为室内热环境控制的设定点。文献^[38]介绍了一种改进的PMV模型，将PMV模型中的参数变为待定参数，根据房间用户的热感觉表达，实时更新PMV模型中的参数，以体现热感觉的个性化与动态化。文献^[39]总结了基于热感觉表达控制的实验中用户表达热感觉的行为特征，分析了热不舒适抱怨次数与性格特征的敏感性、稳定性、表达性的相关关系。文献^[40]通过实验对比了基于热感觉表达的控制与传统的基于设定值的控制，发现2种控制方法在用户满意度、用户工作效率方面不存在显著性差异，但是基于热感觉表达的控制可以减少空调系统能耗15%左右。

4 基于热感觉预测的控制

基于冷、热、干、湿等热感觉表达的控制方法也存在一些不足，包括：1）人的冷热感觉不仅与室内温湿度有关，还与着衣量、活动量、季节、新陈代谢率等因素有关，即同一个人在同样的温湿度下，如果代谢率、衣着量不同，那么热感觉也会不同，这就是说，人的热舒适范围是变动的；2）基于热感觉表达的室内控制方法虽然能在三四天内通过在线学习得出用户的热舒适范围，但是对人体舒适域突然的变化（活动量的变化、着衣量的变化）无法实现好的控制，容易出现冷热感觉区域的重叠；3）通过人机界面输入冷热感觉，会干扰用户的工作，打断用户的思路。因此，基于热感觉表达的方法有待改善，解决思路是开发基于热感觉预测的室内热环境控制方法。随着电子技术、信息技术的发展，人体皮肤温度、心率等的测量能够以较低成本方便地实现。皮肤温度、心率等参数是与人体热感觉密切相关的生理参数，基于这些生理参数可以实现对人体热感觉的精确预测。此外，人工智能技术的发展使得肢体语言、语音信息识别等的精度大大提高，为用户热感觉的预测提供了新的解决思路。下面对这几方面的技术进行分析。

4.1 根据成像技术识别用户皮肤温度的控制

皮肤温度可以采用智能手环等接触式方式测量，也可以通过红外探头遥测。根据皮肤温度预测用户热感觉并对室内热环境进行控制，可以避免用户因热不舒适而通过人机界面表达造成对工作的干扰^[46]。但是由于红外摄像头成本较高，Cheng等人提出了用普通摄像头拍摄皮肤照片，根据图像颜色饱和度估测皮肤温度的方法，可以实现1℃左 右的皮肤温度估测精度^[47]。
由于皮肤温度与热感觉有明确的关联关系^[48]，因此通过测量用户皮肤温度预测用户热 感觉的方法在理论上是可行的。通过测量用户的皮肤温度，结合用户通过人机界面输入的热感觉，采用在线学习的方法，识别出个性化的热感觉与皮肤温度的关联关系，就可以根据测量的皮肤温度准确地预测出用户的热感觉状态，从而对室内温湿度进行预测性调控，实现个性化的热舒适控制，同时又能避免对用户工作的干扰。
根据成像技术识别用户皮肤温度的控制方法的缺点是红外成像传感器成本较高。目前80×60像素分辨率的红外成像传感器的售价为2000元左右，而且这种低分辨率的红外成像摄像头无法用于大面积、多用户的皮肤温度识别，只能每位用户设置一个红外成像摄像头，增加了系统配置的成本。而利用普通摄像头进行皮肤温度识别的方法虽然成本较低，但是识别皮肤温度的精度也较低，识别算法有待进一步研究。

4.2 根据体态识别的控制

人工智能技术的发展使得对用户体态语言的识别精度大大提高，可通过摄像头捕捉人们表达人体热感觉的动作，预测热感觉状态，从而对室内热环境进行预测性调控。体态语言是人们通过肢体姿势、手势等方式有意或无意表达内心感受的一种方法。广义的肢体语言也包括面部表情在内，狭义的肢体语言只包括身体与四肢所表达的意义。人们对热环境有所反应做出的肢体动作包括：搓手、加衣可以表示冷，脱衣、挥扇（可以是任何扇形的东西）表示热。目前，基于体态语言识别进行室内热环境控制的研究尚未见到，但是体态语言识别研究已经较为成熟，为基于体态语言识别进行室内热环境控制提供了基础条件。例如，李瑞峰等人将机器对人体动作的识别总结为计算机对动作数据的检测和获取，并符号化动作信息，继而提取、理解动作特征，以实现动作行为分类的过程^[49]；李靖意介绍了以Kinect为代表的低成本摄像机，并提出了基于Kinect 的深度图像人体动作识别方法^[50]；赵沁平介绍了虚拟 现实技术（virtual reality，VR）的基本原理和实现过程，利用虚拟现实技术实现人机交互的目标^[51]。通过这些人工智能手段，识别用户的肢体语言，预测用户的冷热感觉，并采用在线学习的算法，建立用户的个性化、动态化的热舒适模型，进而确定最优的温度设定值，调节空调系统的运行，以营造满足个性化舒适需求的室内热环境。
基于体态语言识别的室内热环境控制方法的缺点是体态语言数据库有待完善，需进一步提高识别精度。此外，进行体态语言识别时，需要使用摄像头或其他动作传感器，用户对传感器配置的可接受程度也是影响系统推广应用的重要因素。

4.3 根据语音识别的控制

语音识别技术近年来得到迅速发展，并在人们的生活中得到越来越多的应用，例如语音输入文字、语音发出设备动作指令等。利用语音识别技术，可以语言表达的方式实现空调系统的智能控制，具有很大的便捷性。
王富中等人介绍了如何利用语音技术来控制一个系统，通过麦克风接收语音信号，预处理后进行端点检测，提取有效的语音，对提取的有效语音信号逐帧分析信号特征，系统在第一次识别前需进行指令的训练和学习^[52]。徐子豪等人分析了语音识别技术的基本原理和无线传感网络在智能家居中的应用，阐述了设计思路，设计了一套能够通过远程语音遥控进行便捷控制的智能家居系统，通过远程的语音信息，即可控制家居系统的动作^[53]。与体态识别类似，语音识别技术也可以应用于用户热感觉的预测，通过识别用户语言中对冷热感的描述，判断用户的冷热感觉，对室内热环境进行预测性调节，智能化地营造满足个性化舒适需求的室内热环境。
基于语音识别的室内热环境控制方法的缺点是虽然目前语音识别算法比较完善，识别 精度较高，但是要求背景噪声低、被识别声音要足够突出。此外，声纹识别算法有待突破，即根据声音判断是哪位用户发出的冷热感觉语音，目前的技术尚无法实现。

室内热环境自动控制方法汇总

总结前面对室内热环境自动控制方法的分析，将室内热环境自动控制技术4个发展阶段的主要内容、优缺点汇总于表1，以便进行横向比较。

从表1可以看出，室内热环境自动控制技术在逐步完善，向着更加合理、更加节能、更加人性化智能化的方向发展，这一发展趋势与电子技术、信息技术的发展密不可分，电子技术、信息技术的发展使得低成本、高精度地感知关键参数成为可能，因而使得建筑室内热环境的自动控制朝着更加人性化、智能化、合理化的方向发展。未来的室内热环境自动控制方法，必然是基于物联网平台，通过广泛感知，充分利用最新的电子技术、信息技术、人工智能技术，以最小的能耗，实现个性化舒适、安全健康的室内热环境。

结语

本文分析了现有的室内热环境自动控制方法及其发展趋势。根据室内热环境自动控制方法的特点，将其归纳为4个发展阶段：基于设定值的控制、基于PMV的控制、基于热感觉表达的控制、基于热感觉预测的控制。每个阶段的室内热环境自动控制方法各有其优缺点，有其存在空间和适用场合。随着信息技术、人工智能技术的发展，智能化、个性化、节能化是室内热环境自动控制的发展方向。采用最新的传感技术以及人工智能技术，简单精确地实现对人体热感觉的判断与预测，基于预测的人体热感觉进行室内热环境自动控制，是未来室内热环境自动控制技术的发展方向。