论文部分内容阅读
本文对基于室内热舒适的空调系统舒适性与节能性进行了一定的研究。影响人体热舒适的因素有温度、湿度、风速、平均辐射温度、人体的服装热阻、人体新陈代谢率等主客观因素。采用传统的温度控制在很多时候并不能满足人体对热舒适的需要而且节能性较差,于是人们在对传统空调反思和研究的基础上,提出了一种新型的控制模式:热舒适指标控制。所谓热舒适控制是以热舒适指标作为HVAC系统控制的目标,采用热舒适指标控制能把室内的热环境参数与人体的主观热舒适性很好地结合起来。本文中热舒适指标采用PMV指标,利用MATLAB软件编制了PMV求解程序对夏季工况下的热环境参数进行了求解计算,并分析了各环境参数对PMV的影响。由于影响PMV的各参数之间相互影响、相互耦合,使得不同的室内参数组合下,人体舒适性以及空调系统能耗均有所区别,根据PMV方程直接进行求解比较繁琐。本文中利用MATLAB中的神经网络工具箱建立了基于BP网络的PMV预测模型,解决了传统理论计算PMV需要迭代、时效性差的问题。并对BP网络建立过程中各参数的取值和影响进行了分析和训练。通过验证,最终得到了训练较好的网络。文中对热舒适指标控制和传统温度控制的优缺点和节能潜力进行了对比分析,分析了不同控制策略下的室内热舒适状况以及满足热舒适条件下的能耗状况。在传统的温度控制方式中,现有的空调设计标准不仅在很多时候不能满足室内人体的热舒适要求,而且忽略了系统的节能潜力。尤其是当室内外各种扰量的变化较大的时候,室内环境的PMV值也会有较大的波动并且超出人体的舒适范围。而在舒适控制当中,由于是以PMV作为控制指标,因此无论室内外各种扰量如何变化,都能满足人体的热舒适要求,并且具有较大的节能潜力。对影响热舒适指标控制的各参数控制的可行性进行了分析,将可控环境参数简化为温度和风速两个变量。从理论的角度提出了可行的控制策略。并通过实例分析了不同控制策略下的舒适性和能耗特性,结论表明,采用热舒适指标控制能够得到较好的舒适性与节能性,而适当增大室内风速时,节能效果更明显。最后,针对具体建筑将实测与模拟相结合,分析了某典型建筑的能耗特性以及室内舒适性,并给出了改善室内热环境的措施。