面向智慧建筑的热舒适度管理系统的设计论文

SCI论文（www.lunwensci.com）

　　摘 要：为了满足智慧建筑中以人为本的调控理念,同时有效地减少能源的损耗,本文设计开发了面向智慧建筑的热舒适 度管理系统。该系统关注人在建筑空间中的热舒适度,利用物联网采集的环境数据与室内人员热感觉反馈数据形成热舒适需求 模型,便于建筑物制定绿色高效的干预策略。

　　关键词：智慧建筑,热舒适,物联网,人工智能


　　【Abstract】： In order to meet the concept of people-oriented in smart buildings, and at the same time effectively reduce energy consumption, a thermal comfort management system for smart buildings is proposed in this paper. The system focuses on the thermal comfort of people in the building space, and uses the thermal environment data collected by the Internet of Things and the thermal sensation feedback data of indoor people to form a thermal comfort demand model, which is convenient for the development of green and efficient intervention strategies for buildings.

　　【Key words】： smart buildings;thermal comfort;Internet of Things;artificial intelligence


　　0 引言

　　随着信息技术的飞速发展,建筑的数字化、智能化 改造也在不断推进,智慧建筑的概念应运而生。舒适和 节能是智慧建筑的两大主要目标 [1],而居住者的热舒适度 评价是决定能否实现这两大目标的关键问题。据统计,建 筑物的能源使用量约占世界总能源使用量的 40%, 其中 超过一半用于采暖通风和空调 (HVAC) 系统 [2]。因此, 如果可以感知居住者的热舒适状态,将 HVAC 调节到 适当的水平,将会大大降低全球能源消耗。此外,居住 者的热舒适感也会影响他们在建筑空间中的工作效率与 健康。数据显示,有高达 62% 的居住者对其工作场所 的热环境感到不满 [3],准确的热舒适度评估与预测将有 助于建筑物采取有效措施,以提供高质量的工作环境。 本文设计了一种面向智慧建筑的热舒适度管理系统,基于智慧建筑内多传感器联合感知的能力,实现智慧建筑 中的用户的热舒适度评估,用以均衡建筑能耗和用户舒 适度,优化现有通过单一能耗衡量智慧建筑成效的评价 方式。

　　1 总体方案设计

　　系统采用“云—边—端”的物联网架构体系, 总体 设计框架如图 1 所示,共分为 3 层,即感知层、功能层 和应用层。


　　(1)感知层利用多种传感器实现建筑内各种信息的 采集,为智慧建筑中热舒适度管理提供数据基础。具体 来说,通过传感器采集建筑空间内与人体热舒适度相关 的热环境数据,并将数据上传到云端。采集的热环境数 据包括温度、湿度、光照强度、二氧化碳浓度和 TVOC 浓度。

　　(2)功能层是整个系统的重点,综合了多种因素对 热舒适度进行全面的评估和预测。该热舒适度评估方法 可通过对室内人员一段时间内的热环境与主观感受的自 主学习,形成室内人员热舒适需求模型。

　　(3)应用层承载智慧建筑中的应用,在这里我们设 计了一个具有强交互能力的微信小程序,主要实现了环 境数据可视化、舒适度等级评价与预警、用户主观感受 反馈等以及对模型评估结果投票功能,有效增强了人与 物联网设备、环境、场景的交互能力。

　　2 热舒适度评估方法

　　2.1 研究背景

　　20 世纪 70 年代 Fanger 提出了 PMV 模型 [4],PMV模型通过空气温度、平均辐射温度、相对湿度、空气流 速、服装热阻和人体新陈代谢率6个热舒适度影响因素 计算人体热感觉,是目前最有代表性的、最流行的热 舒适评价方法。然而,从大量的现场调查数据中发现, PMV 模型的热舒适度评估值在很多情况下与实测数据 存在极大偏差 [5]。首先,热舒适与其影响因素之间存在 复杂的非线性关系,增加了热舒适度建模和预测的难 度。PMV 模型仅使用数学公式进行热舒适度的预测与 评估,并不能很好地处理热舒适度与其影响因子之间的 关系,从而导致模型预测准确率较低,不适合在实际中 的进一步应用和发展。其次, PMV 模型仅考虑了 6 个 客观热舒适度影响,但人对热环境的感知不仅有一定的 物理基础,也存在主观上的差异。因此,仅考虑建筑空 间内热环境数据并不能准确评估室内人员热舒适度。

　　为了应对上述 PMV 模型缺陷,本系统提出了一种 新的热舒适度评估方法。首先,采用了神经网络模型 来处理热舒适度与其影响因子之间的复杂非线性关系,神经网络含有多层处理层次结构,能够对未知环境进行 学习 [6]。其次,引入了用户投票机制,及时获取用户对 当前建筑空间内热舒适度评估结果的反馈,从而对热舒 适度评估结果给予一定的修正,使得评估结果更贴近建 筑空间内人员的真实感受。

　　2.2 热舒适度评估方法流程

　　本系统提出的热舒适度评估方法工作流程如图 2 所示。


　　第一阶段是数据采集阶段, 在这一阶段, 用户可以 在建筑空间中正常工作与活动,只需每隔一段时间在微 信小程序上填写此时的热感觉等级,我们将热感觉分为7 个等级, 分别是冷(-3)、凉(-2)、稍凉(-1)、舒适 (0)、稍暖(1)、暖(2)和热(3)。系统会自动记录下 热环境数据和用户反馈的热感觉等级,海量的建筑数据 和人员反馈数据,背后蕴藏着对用户行为、能源管理、 生产效率等的规律,拥有着巨大的价值。我们将其上传 腾讯云服务平台,充分发掘物联网设备与数据中蕴含的 巨大价值,从而实现热舒适度领域的智能化。

　　第二阶段,我们需要对采集到的数据执行预处理操 作,采集的原始数据不仅在大小存在很大差异,而且在 数据模态上是异构的。我们用不同的方法对数据进行预 处理,对于分类值我们采用 One-hot 编码再归一化处 理 ;对于连续值,直接采用归一化处理,便于不同单位 或量级的指标能够进行比较和加权。

　　第三阶段是模型训练阶段,热舒适度评估模型如图 3 所示,系统在云端基于预处理后的数据训练出合适的神 经网络模型。利用此模型我们可以通过热环境数据评估 此时建筑空间内人员的热感觉等级。网络的输入参数 为 5 类,分别为温度、湿度、光照强度、CO2 浓度和 TVOC 浓度。网络输出层是热感觉等级,从 -3 到 3.隐 含层的神经元数目和隐藏层数对于网络性能十分重要, 关系到网络预测精度、训练时间等问题。经过实验我们 选择 6 层拓扑结构,隐藏层有 64 个神经元,当模型误 差小于 e 或者训练轮数大于 Nmax 时,停止训练。


　　第四阶段是修正阶段,此阶段是对热舒适度模型的 评估结果进行适度的调整。在第三阶段得到的热舒适度 预模型的评估结果与室内人员实际热感觉会有一定的偏 差,用户可以在微信小程序上对模型评估结果进行投 票。用户投票分为偏冷或者偏热两种,我们根据收集的 投票结果向得票数多的方向进行修正,修正原则如图 4 所示,横坐标表示认为模型评估结果偏热的投票用户所占百分比,纵坐标表示认为模型评估结果偏冷的投票用 户所占百分比。当用户投票的联合比例点在左上半区域 时,说明感觉模型评估结果偏冷的用户占多数,此时系 统调高热感觉等级。当用户投票的联合比例点在右下半 区域时,说明感觉模型评估结果偏热用户占多数,此时 系统降低热感觉等级。当两者的投票占比都不足 10% 时,说明大部分用户对当前热舒适度模型评估结果感到 满意,此时系统不做调节。


　　3 硬件系统设计

　　硬件框架由传感器模和微控制单元构成,传感器与 微控制单元之间的通信基于 I2C 协议。

　　3.1 传感器模块

　　3.1.1 温度传感器

　　在本设计方案中,温度监测采用的是 BME280 温 度传感器,它属于半导体类型的温度传感器,可以测量 室内环境温度。由于它的响应时间很快,可以迅速检测 到环境温湿度的变化,在较大的温度范围内都可以保持 高精度的测量。

　　3.1.2 湿度传感器

　　在本设计方案中,湿度监测采用的是 SHT20 系列 湿度传感器。它能够对较大范围的湿度进行测量,同时 具有较高的测量精度和较低的价格,适合本系统的使用 场景。

　　3.1.3 光照传感器

　　在本设计方案中,光照强度监测采用的是 BH175FVI 传感器,它是一种用于两线式串行总线接口的数字型光 强度传感器集成电路,拥有接近视觉灵敏度的光谱灵敏度特性 ( 峰值灵敏度波长典型值 :560nm)。

　　3.1.4 气体传感器

　　在本设计方案中,CO2 与 TVOC 气体浓度的监测采 用 CCS811 气体传感器,其在气体灵敏度、响应时间、精 度等方面拥有优秀的性能,已经在市场上得到大量应用, 满足本设计使用需求。

　　3.2 微控制单元

　　在本设计方案中,微控制单元采用的是 ESP8266. 其内置超低功耗的 32 位 RISC 处理器和时钟速度最高 可达 160MHz 的 CPU,可将高达 80% 的处理能力留给 应用编程和开发。本方案选用 ESP8266 的原因是它的 低功耗和联网特性,可以满足传感器全天采集数据的需 求并实时传输到后台服务器。

　　4 软件系统设计

　　4.1 需求调研与分析

　　在当前对智慧建筑的运营、维护、状态查看等应用 场景中,由于建筑数字化程度低,人与物联网设备、空 间、环境相对独立,缺乏智能、便捷、实时的交互系 统,用户体验感较差。随着技术不断更新与发展,人们 对于与物联网设备的交互形式也提出了更高的要求。因 此,如何增强人与物联网设备、智慧建筑环境的实时交 互能力,需要深入研究和探索 [7]。

　　针对以上问题,我们设计具有强交互能力的微信小 程序,便于用户实时查看物联网设备、室内环境相关信 息。用户能够通过该软件实时反馈自己在当前建筑空间 内环境下的热舒适度,当服务器收到用户的反馈后,会 结合用户反馈的结果及室内外环境数据对当前的舒适度 状态进行分析,并向用户展示当前环境下的各类舒适度 以及改善建议,从多方面有效增强了人与物联网设备、 环境、场景的交互能力。

　　4.2 软件系统实现

　　4.2.1 软件框架设计

　　软件系统由微信小程序前端和 Web 服务器后端组 成。前者通过微信开发者工具实现前端页面功能,微信开 发者工具开发原理是集成了 Chromium DevTools 和基 本的移动调试模块, 可进行微信内网页调试与微信小程 序调试 [8]。后者使用 Java 编程语言,基于 SpringBoot 和 MyBatis 框架实现。

　　软件系统实现具体过程如下,微控制单元将接收 到的传感器数据打包成 Message,通过系统内 MQTT (Message Queuing Telemetry Transport)协议进行主 题广播。MQTT 在物联网、小型设备、建筑智能化应用 等方面有着较为广泛的应用,其低开销和低带宽的特点适合本系统的应用场景 [9]。Java 后台利用类 InitCallback 实现MqttCallback 接口进行主题订阅,将接收的 Message 信息通过 toString 转换成字符串,随后存储到云服务器 的 MySQL 数据库中。微信小程序通过 GET 请求访问Java 编写的 API, 提取最近更新的数据,并将其渲染到相关 页面上。

　　4.2.2 图形化界面设计

　　如图 5 所示显示了微信小程序的 4 个典型用户界面, 其中 (a) 为主界面,页面上方显示物联网网络收集到的 环境数据,页面下方显示此时室内人数与热舒适度模型 评估结果 ;(b)为热感觉反馈界面,用户在这里上传 7 点热感觉等级反馈,用于热舒适度建模 ;(c)为用户对 热舒适度评估结果投票界面 ;(d)为个人中心界面,可查看当前登陆人员的信息,包括姓名、年龄和电话等。


　　5 性能测试

　　为了测试本文提出的人体热舒适度评估系统的性 能,我们在某高校办公室内部署了该系统。10 名女性 和 10 名男性受试者在知情的情况下参加了该测试。整 个测试过程分为两个阶段,第一阶段是为期两周的数据 采集工作 ;第二阶段是为期一周的有效性测试实验。在 第一阶段, 20 名参与者每隔 3h 在移动端填写此时热感 觉,最终我们采集到 2500 条标记数据。传统的采集热 舒适标记数据方法需要研究人员手动记录舒适度因子数 据和受试者反馈数据,且在此期间参与者需要在封闭空 间内呆很长时间且不能自由活动,这不仅给测试对象带 来诸多不便,实行的效率也较低。而此次试验结束后, 参与者表示面向智慧建筑的热舒适度管理系统用户体验 感较好,使用方便。第二阶段我们利用第一阶段收集到 的数据,按照本文所提出热舒适度评估方案对建筑空间 内人员进行热舒适度评估,如图 6 所示显示了受试者 对系统性能的评价,可以看出 90% 的受试者认为最终 预测结果和实际感受没有差距,或者差距不大。综上所 述,系统各项功能均能顺利实现,值得广泛推广。


　　6 总结

　　为了实践以人为本的建筑理念,本文关注人在建筑 空间中的热舒适度,并为此设计了面向智慧建筑的热舒 适度管理系统。实验结果表明该系统可以实现对室内人 员进行热舒适性的有效评估,弥补了现有热舒适度评估 方法的局限性,同时还能为使用者提供流畅自然的使用 和交互体验。该系统在智慧建筑以人为本的应用设计方 向上做了有益的尝试和初步的探索,为智慧建筑在状态 感知和增强交互这两大方向的发展上提供了思路。


　　参考文献

　　[1] 荆帅楠.智能建筑综合信息管理系统的研究与应用[J].软件, 2022.43(09):110-113.

　　[2] HUYEN,CETIN,KRISTEN S.Data-driven Evaluation of Residential HVAC System Efficiency Using Energy and Environmental Data[J].Energies,2019.

　　[3] ARYAL A,BECERIK-GERBER B,LUCAS G M,et al. Intelligent Agents to Improve Thermal Satisfaction by Controlling Personal Comfort Systems Under Different Levels of Automation[J].IEEE Internet of Things Journal, 2021(8):7089-7100.

　　[4] 余贞贞,符永正,陈敏.基于自然通风建筑的热舒适模型研究 [J].建筑科学,2017.33(10):176-182.

　　[5] 柳光磊,刘何清,欧聪颖,等.预计平均热感觉指数PMV计算 模型的分析与改进[J].应用力学学报,2022.39(03):588-597.

　　[6] 周雪松,杨子明,马幼捷.基于神经网络的最优带宽风电并网 自抗扰控制[J].太阳能学报,2022.43(9):226-235.

　　[7] 顾小军,周贤静,唐觉民.智慧建筑设计方法研究[J].智能建筑 与智慧城市,2022.304(03):9-15.

　　[8] 黄振德,沈金伟,廖展浩,等.基于Django的鱼类识别微信小 程序设计与实现[J].软件,2022.43(04):76-80.

　　[9] 曹礼勇,陈娟,钟永彦,等.基于WiFi和MQTT的建筑能耗监 控系统设计[J].现代电子技术,2022.45(10):40-44.
 
 
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！

文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/54907.html