论文部分内容阅读
经济的发展和科技的进步，带动了人们对于生活环境更优品质的需求，而空调作为改善室内环境的一个重要工具，其在舒适性和节能性方面也被提出了更高的要求。本文就热舒适指标的预测、空调末端控制策略及基于PMV热舒适指标的变风量空调系统控制算法展开研究。主要工作及成果如下：1.以西安建筑科技大学“智能建筑环境技术平台”为依托，针对其热舒适指标数据库中的夏季数据集建立了PMV（Predict Mean Vote，热环境综合评价指标）指标的预测模型。通过Matlab平台下的仿真实验，对比了基于PSO（Particle SwarmOptimization，粒子群优化算法）和NS（Net Search，网格搜索法）两种不同优化算法下的SVM（Support Vector Machine，支持向量机）模型的分类结果，证明PSO-SVM模型具有更优的预测性能。2.引入PSO和CPSO（带惯性权重的粒子群算法）算法对空调末端智能控制策略进行了优化。完成典型房间和空调末端装置的建模后，针对控制系统搭建了simulink仿真模型，并对比PSO-PID和CPSO-PID两种不同策略下的控制效果，结果表明后者具有更优的控制性能。3.提出了一种基于PMV热舒适指标的变风量空调系统控制构想，并对其科学性和节能性进行了定性分析。结果表明，同传统的仅以温度为被控目标的控制策略相比，基于PMV指标的控制思想更加全面地考虑了人体的热舒适感觉，因而其更加的“以人为本”，且从实际意义上来讲具有更大的节能空间。本文基于学习算法的PMV指标快速预测，为空调控制领域运用热舒适指标作为被控对象提供了技术保障。空调末端智能控制策略的研究成果为未来将热舒适指标用于空调节能控制策略提供了理论基础。