本發(fā)明涉及智能控制技術(shù)領(lǐng)域，特別涉及暖通空調(diào)能耗智能優(yōu)化技術(shù)領(lǐng)域，具體為一種基于多用戶熱舒適度數(shù)據(jù)的暖通系統(tǒng)控制方法。

背景技術(shù)：

供暖、通風(fēng)和空調(diào)系統(tǒng)(hvac)在當(dāng)代社會(huì)幾乎是一個(gè)不可或缺的家用及商用電器，在人們?cè)絹碓街匾曌陨淼纳钯|(zhì)量和品質(zhì)的今天，對(duì)我們的舒適感、健康、滿意度和工作效率等方面都有莫大影響的暖通空調(diào)系統(tǒng)幾乎已經(jīng)完全融入到我們生活的時(shí)時(shí)刻刻。也正是因?yàn)樗牟豢苫蛉保绹茉词鹫{(diào)查發(fā)現(xiàn)暖通系統(tǒng)的能耗占據(jù)了整個(gè)建筑物能耗的40％到60％。

同時(shí)，由于暖通空調(diào)系統(tǒng)自身的復(fù)雜非線性、時(shí)變、強(qiáng)耦合、強(qiáng)干擾和大時(shí)滯等特性，導(dǎo)致對(duì)其進(jìn)行精確的建模和理想的最優(yōu)控制往往顯得力不從心。目前仍被廣泛采用的人為設(shè)定值與pid控制方式在很多時(shí)候既無法使被控室內(nèi)人員感到舒適，同時(shí)也使系統(tǒng)始終處于一種高能耗的狀態(tài)之下。這也意味著針對(duì)暖通系統(tǒng)運(yùn)行效率上的一點(diǎn)點(diǎn)提升，其所帶來的能源利用率的提升都相當(dāng)可觀。在保證室內(nèi)人員的最大舒適度同時(shí)使系統(tǒng)能耗降到最低這一看似矛盾的要求一直以來都是研究暖通系統(tǒng)控制問題的關(guān)鍵所在。

針對(duì)暖通空調(diào)系統(tǒng)的用戶舒適度控制方法也主要分為兩類，一類是基于pmv-ppd指標(biāo)計(jì)算公式作為暖通空調(diào)控制目標(biāo)和反饋測量標(biāo)準(zhǔn)，代替之前的溫度控制方案。由于基于pmv的控制方法涉及到溫度，濕度，風(fēng)速等多種環(huán)境變量，于是很多的先進(jìn)控制算法便派上用場，諸如模型預(yù)測控制，模糊控制以及遺傳算法等都在暖通空調(diào)系統(tǒng)的控制中得到應(yīng)用。然而，這類方法是對(duì)現(xiàn)有控制系統(tǒng)的完全顛覆，其在實(shí)用性和擴(kuò)展性上差強(qiáng)人意，而且基于pmv計(jì)算指標(biāo)本身也存在問題。pmv指標(biāo)中的人體相關(guān)變量由于無法通過傳感器直接測量獲得，因而在應(yīng)用時(shí)很多時(shí)候都被人為固定為經(jīng)驗(yàn)值，失去了該指標(biāo)的準(zhǔn)確性。同時(shí)，熱舒適本身又是一個(gè)與性別，年齡及所處地域環(huán)境等諸多復(fù)雜因素相關(guān)，因而根本不可能存在一個(gè)一勞永逸的精確計(jì)算熱舒適度的標(biāo)準(zhǔn)。

因此，一種將用戶融入到現(xiàn)有暖通空調(diào)控制循環(huán)之中，將每個(gè)不同個(gè)體的熱舒適偏好信息作為驅(qū)動(dòng)暖通空調(diào)控制的出發(fā)點(diǎn)，同時(shí)兼顧系統(tǒng)能耗最優(yōu)的綜合控制方式便顯得尤為重要，在如今這樣一個(gè)將每一名用戶的個(gè)性化需求放大到很重要位置上的移動(dòng)互聯(lián)時(shí)代，針對(duì)每一個(gè)被控?zé)峥臻g中的個(gè)體的熱偏好信息的學(xué)習(xí)都是秉持著一種以人為本的理念。更進(jìn)一步，需要解決多人同處一個(gè)被控?zé)峥臻g的矛盾，我們的反饋檢測標(biāo)準(zhǔn)必須是唯一的，因此我們的被控變量只能是整個(gè)熱空間的溫度設(shè)定值，換句話說我們也許無法讓所有人都達(dá)到最大程度的舒適，但是需要尋找一種渠道學(xué)習(xí)到每個(gè)用戶在不同室內(nèi)環(huán)境下的不同舒適程度，從而也就能找到所有人都達(dá)到一定程度舒適的最優(yōu)區(qū)間，正如pmv-ppd模型的核心思想——不同的pmv指標(biāo)值對(duì)應(yīng)著不同比例的人員感到舒適。最后，我們還需要考慮一種方案，使得該方法可以在現(xiàn)有已應(yīng)用的暖通系統(tǒng)基礎(chǔ)上進(jìn)行簡單的擴(kuò)展便能得到應(yīng)用和推廣，不過度影響用戶已經(jīng)習(xí)慣的操作體驗(yàn)。

技術(shù)實(shí)現(xiàn)要素：

鑒于以上所述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種基于多用戶熱舒適度數(shù)據(jù)的暖通系統(tǒng)控制方法，用于解決現(xiàn)有技術(shù)暖通空調(diào)控制中無法平衡多用戶熱舒適度的問題。

為實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明提供一種基于多用戶熱舒適度數(shù)據(jù)的暖通系統(tǒng)控制方法，包括以下步驟：根據(jù)用戶反饋的當(dāng)前季節(jié)信息、用戶當(dāng)前的活動(dòng)狀態(tài)以及熱舒適度偏好獲取用戶熱舒適度數(shù)據(jù)；根據(jù)獲取的所述用戶熱舒適度數(shù)據(jù)獲取對(duì)應(yīng)的用戶熱舒適度偏好曲線；根據(jù)獲取的所述用戶熱舒適度偏好曲線，分別獲取偏冷、偏熱和舒適三種類型的熱舒適度概率分布曲線；根據(jù)每個(gè)用戶的熱舒適度概率曲線，在不同的室內(nèi)溫度環(huán)境情況下，獲得在不同室內(nèi)環(huán)境溫度下多用戶的熱舒適概率分布曲線；將所述多用戶的熱舒適概率分布曲線中的舒適溫度區(qū)間作為溫度設(shè)定值的選取區(qū)間，并根供風(fēng)量與溫度設(shè)定值之間的對(duì)應(yīng)關(guān)系獲取被控?zé)峥臻g的最佳溫度設(shè)定值。

于本發(fā)明的一實(shí)施例中，所述用戶當(dāng)前的活動(dòng)狀態(tài)包括高活動(dòng)狀態(tài)、中活動(dòng)狀態(tài)和低活動(dòng)狀態(tài)三個(gè)狀態(tài)等級(jí)；所述熱舒適度偏好通過滑動(dòng)條的形式進(jìn)行反饋。

于本發(fā)明的一實(shí)施例中，所述用戶熱舒適度偏好曲線獲取中：采用以向量的歐式距離為依據(jù)的進(jìn)化聚類方法對(duì)輸入空間的數(shù)據(jù)進(jìn)行在線聚類劃分，確定聚類中心和半徑，構(gòu)建輸入空間的模糊集合和模糊規(guī)則庫，通過所述模糊集合和所述模糊規(guī)則庫獲取所述用戶熱舒適度偏好曲線。

于本發(fā)明的一實(shí)施例中，所述歐氏距離定義如下：其中，x和y表示空間中的兩個(gè)點(diǎn)，||x-y||表示x與y的歐氏距離，q表示維數(shù)，xi表示點(diǎn)y在第i維中的坐標(biāo)，yi表示點(diǎn)y在第i維中的坐標(biāo)。

于本發(fā)明的一實(shí)施例中，將所述用戶熱舒適度偏好曲線的熱感受指標(biāo)值在(-0.5，+0.5)之間對(duì)應(yīng)的溫度值定為舒適，將熱感受指標(biāo)值小于-0.5時(shí)所對(duì)應(yīng)的溫度值定義為偏熱，將熱感受指標(biāo)值大于+0.5時(shí)所對(duì)應(yīng)的溫度值定義為偏冷。

于本發(fā)明的一實(shí)施例中，所述多用戶的熱舒適概率分布曲線為：

其中，n表示一個(gè)熱空間中用戶的數(shù)量，c表示每個(gè)室內(nèi)人員的偏冷，偏熱，舒適三種舒適度感受模型中的“舒適”這一類別對(duì)應(yīng)的模型，β表示該舒適模型的參數(shù)，sth表示，tin表示室內(nèi)溫度，probagg是輸出名稱，j表示室內(nèi)人員的數(shù)量。

于本發(fā)明的一實(shí)施例中，所述供風(fēng)量與溫度設(shè)定值之間的對(duì)應(yīng)關(guān)系為：

其中，af表示氣體流量，qs表示一個(gè)熱空間中的各個(gè)房間的冷熱負(fù)荷，tset表示一個(gè)熱空間的溫度設(shè)定值，ts表示固定供風(fēng)溫度值，p表示空氣密度，c表示空氣定壓比熱。

于本發(fā)明的一實(shí)施例中，所述最佳溫度設(shè)定值為所述選取區(qū)間內(nèi)af的最小值。

如上所述，本發(fā)明的基于多用戶熱舒適度數(shù)據(jù)的暖通系統(tǒng)控制方法，具有以下有益效果：

本發(fā)明建立不同用戶在不同室內(nèi)溫度環(huán)境下的舒適概率曲線，并在此基礎(chǔ)上提出一種融合多人不同舒適模型得到總的舒適概率曲線，解決多人同處一個(gè)被控?zé)峥臻g中時(shí)的矛盾，獲得被控?zé)峥臻g的最佳溫度設(shè)定值，從而達(dá)到節(jié)省能耗同時(shí)滿足用戶的最大熱分類舒適的目標(biāo)，有效地提高了室內(nèi)人員的舒適度，同時(shí)實(shí)現(xiàn)節(jié)能減排的目標(biāo)，具有很強(qiáng)的實(shí)用性。

附圖說明

圖1顯示為本發(fā)明的基于多用戶熱舒適度數(shù)據(jù)的暖通系統(tǒng)控制方法的流程示意圖。

圖2顯示為本發(fā)明的基于多用戶熱舒適度數(shù)據(jù)的暖通系統(tǒng)控制方法中反饋用戶熱舒適度數(shù)據(jù)的用戶交互界面示意圖。

圖3顯示為本發(fā)明的基于多用戶熱舒適度數(shù)據(jù)的暖通系統(tǒng)控制方法中獲取的獲取用戶熱舒適度數(shù)據(jù)。

圖4顯示為本發(fā)明的基于多用戶熱舒適度數(shù)據(jù)的暖通系統(tǒng)控制方法中熱舒適度概率分布曲線的示意圖。

圖5顯示為本發(fā)明的基于多用戶熱舒適度數(shù)據(jù)的暖通系統(tǒng)控制方法中偏冷、偏熱和舒適三種類型的分類示意圖。

圖6顯示為本發(fā)明的基于多用戶熱舒適度數(shù)據(jù)的暖通系統(tǒng)控制方法中多用戶的熱舒適概率分布曲線的示意圖。

具體實(shí)施方式

以下通過特定的具體實(shí)例說明本發(fā)明的實(shí)施方式，本領(lǐng)域技術(shù)人員可由本說明書所揭露的內(nèi)容輕易地了解本發(fā)明的其他優(yōu)點(diǎn)與功效。本發(fā)明還可以通過另外不同的具體實(shí)施方式加以實(shí)施或應(yīng)用，本說明書中的各項(xiàng)細(xì)節(jié)也可以基于不同觀點(diǎn)與應(yīng)用，在沒有背離本發(fā)明的精神下進(jìn)行各種修飾或改變。需說明的是，在不沖突的情況下，以下實(shí)施例及實(shí)施例中的特征可以相互組合。

本實(shí)施例的目的在于提供一種基于多用戶熱舒適度數(shù)據(jù)的暖通系統(tǒng)控制方法，用于解決現(xiàn)有技術(shù)暖通空調(diào)控制中無法平衡多用戶熱舒適度的問題。以下將詳細(xì)闡述本實(shí)施例的一種基于多用戶熱舒適度數(shù)據(jù)的暖通系統(tǒng)控制方法的原理及實(shí)施方式，使本領(lǐng)域技術(shù)人員不需要?jiǎng)?chuàng)造性勞動(dòng)即可理解本實(shí)施例的一種基于多用戶熱舒適度數(shù)據(jù)的暖通系統(tǒng)控制方法。

本實(shí)施例涉及數(shù)據(jù)驅(qū)動(dòng)用戶個(gè)性化熱舒適偏好在線學(xué)習(xí)的智能算法技術(shù)領(lǐng)域，具體是融合了基于用戶投票評(píng)價(jià)的方法獲取數(shù)據(jù)的準(zhǔn)確性和在線學(xué)習(xí)并計(jì)算整個(gè)熱空間最佳溫度設(shè)定值的方法的可擴(kuò)展性這兩個(gè)優(yōu)勢(shì)，通過設(shè)計(jì)友好簡潔的用戶交互方式獲取不同用戶在不同的室內(nèi)熱環(huán)境情況下的評(píng)價(jià)與偏好，結(jié)合傳感器實(shí)時(shí)采集的環(huán)境數(shù)據(jù)信息，通過模糊推理和機(jī)器學(xué)習(xí)的方法自適應(yīng)在線構(gòu)建不同用戶的個(gè)性化的熱舒適模型，在此基礎(chǔ)上進(jìn)一步解決多人同處一個(gè)被控?zé)峥臻g中時(shí)的矛盾，通過求解以綜合多人的熱舒適概率曲線為約束條件的暖通空調(diào)能耗優(yōu)化問題，獲得被控?zé)峥臻g的最佳溫度設(shè)定值，從而達(dá)到節(jié)省能耗同時(shí)滿足用戶的最大熱舒適的目標(biāo)。

進(jìn)一步地，本實(shí)施例提出了一種基于多用戶熱舒適度數(shù)據(jù)的暖通系統(tǒng)控制方法，該方法利用全新設(shè)計(jì)的基于嵌入式開發(fā)板的用戶交互界面獲取用戶個(gè)性化的熱舒適相關(guān)數(shù)據(jù)，分別通過動(dòng)態(tài)模糊推理方法和softmax回歸的方法針對(duì)單用戶和多用戶情況進(jìn)行熱舒適學(xué)習(xí)與建模，并將學(xué)習(xí)到的熱舒適模型融合到現(xiàn)有的暖通系統(tǒng)控制回路中，有效解決滿足室內(nèi)人員熱舒適同時(shí)節(jié)省系統(tǒng)能耗的矛盾。本實(shí)施例的基于多用戶熱舒適度數(shù)據(jù)的暖通系統(tǒng)控制方法可以用于在辦公室等場所智能學(xué)習(xí)用戶的個(gè)性化熱舒適偏好信息，并控制暖通系統(tǒng)以更節(jié)省能耗的方式運(yùn)行，有效地提高了室內(nèi)人員的舒適度，同時(shí)實(shí)現(xiàn)節(jié)能減排的目標(biāo)，具有很強(qiáng)的實(shí)用性。

具體地，如圖1所示，本實(shí)施例提供一種基于多用戶熱舒適度數(shù)據(jù)的暖通系統(tǒng)控制方法，所述基于多用戶熱舒適度數(shù)據(jù)的暖通系統(tǒng)控制方法包括以下步驟：

步驟s101，根據(jù)用戶反饋的當(dāng)前季節(jié)信息、用戶當(dāng)前的活動(dòng)狀態(tài)以及熱舒適度偏好獲取用戶熱舒適度數(shù)據(jù)。

步驟s102，根據(jù)獲取的所述用戶熱舒適度數(shù)據(jù)獲取對(duì)應(yīng)的用戶熱舒適度偏好曲線。

步驟s103，根據(jù)獲取的所述用戶熱舒適度偏好曲線，分別獲取偏冷、偏熱和舒適三種類型的熱舒適度概率分布曲線。

步驟s104，根據(jù)每個(gè)用戶的熱舒適度概率曲線，在不同的室內(nèi)溫度環(huán)境情況下，獲得在不同室內(nèi)環(huán)境溫度下多用戶的熱舒適概率分布曲線。

步驟s105，將所述多用戶的熱舒適概率分布曲線中的舒適溫度區(qū)間作為溫度設(shè)定值的選取區(qū)間，并根供風(fēng)量與溫度設(shè)定值之間的對(duì)應(yīng)關(guān)系獲取被控?zé)峥臻g的最佳溫度設(shè)定值。

以下對(duì)本實(shí)施例的基于多用戶熱舒適度數(shù)據(jù)的暖通系統(tǒng)控制方法進(jìn)行詳細(xì)說明。

步驟s101，根據(jù)用戶反饋的當(dāng)前季節(jié)信息、用戶當(dāng)前的活動(dòng)狀態(tài)以及熱舒適度偏好獲取用戶熱舒適度數(shù)據(jù)。為實(shí)現(xiàn)步驟s101，基于嵌入式手持終端設(shè)計(jì)開發(fā)一種獲取用戶在不同室內(nèi)環(huán)境下的熱偏好信息數(shù)據(jù)，例如設(shè)計(jì)一種融合了用戶對(duì)當(dāng)前室內(nèi)環(huán)境的感受、偏好和期望三種信息的交互界面及終端設(shè)備，實(shí)時(shí)獲取用戶個(gè)性化熱舒適相關(guān)的數(shù)據(jù)。

于本實(shí)施例中，所述用戶當(dāng)前的活動(dòng)狀態(tài)包括高活動(dòng)狀態(tài)、中活動(dòng)狀態(tài)和低活動(dòng)狀態(tài)三個(gè)狀態(tài)等級(jí)；所述熱舒適度偏好通過滑動(dòng)條的形式進(jìn)行反饋。

其中，用戶進(jìn)行反饋的交互界面如圖2所示。

用戶進(jìn)行反饋的交互界面主要有兩個(gè)部分組成，其一是用于用戶對(duì)當(dāng)前室內(nèi)環(huán)境進(jìn)行投票的滑動(dòng)條。該滑動(dòng)條的作用便是上文提到的熱感受尺度表(thermalsensationscale)，它將用戶的投票對(duì)應(yīng)到一個(gè)相應(yīng)的具體數(shù)值上，以方便將其結(jié)合傳感器數(shù)據(jù)用于后續(xù)用戶的熱舒適模型的學(xué)習(xí)中。其二便是用戶當(dāng)前的活動(dòng)狀態(tài)(分為高，中和低三種狀態(tài))和季節(jié)信息，由于此類信息決定了暖通空調(diào)的運(yùn)行模式和用戶較易改變的因素，為保證學(xué)習(xí)到的模型更廣泛的適用場景，我們需要將這兩種信息單獨(dú)考慮，同時(shí)這兩個(gè)變量也決定了用戶的服裝熱阻cl和新陳代謝m的值，方便以后模型的進(jìn)一步擴(kuò)展。

滑塊的設(shè)計(jì)符合前文要求的融合多種不同熱感受評(píng)價(jià)尺度表方案的原則，滑塊的中央表征舒適，也是滑塊的初始狀態(tài)。正如圖中能看到在滑塊上面有一行“我希望：”的文字，用戶向左或向右移動(dòng)滑塊時(shí)，即表征他對(duì)當(dāng)前室內(nèi)環(huán)境感到不適，同時(shí)也表達(dá)了他希望此時(shí)溫度變化的方向以及變化的程度，于是同時(shí)得到了該用戶對(duì)當(dāng)前環(huán)境的評(píng)價(jià)(即熱感受尺度表的目標(biāo))和偏好(熱偏好尺度表的目標(biāo))數(shù)據(jù)。同時(shí)，針對(duì)滑塊所在位置的不同，也會(huì)相應(yīng)分配一個(gè)-3至+3之間的一個(gè)數(shù)值(注：-3到+3的數(shù)值區(qū)間只是為了與ashrae標(biāo)準(zhǔn)相一致，其實(shí)該數(shù)值可任意指定)，本文中我們稱之為熱感受指標(biāo)(tpi)，這個(gè)熱感受指標(biāo)數(shù)值即包含了該用戶對(duì)當(dāng)前環(huán)境的不舒適抱怨，同時(shí)也包含了對(duì)該不舒適感受的抱怨程度。比如當(dāng)用戶將滑塊向右移至+1.5位置處，表明此刻他希望室內(nèi)溫度能夠更高一些，也即他當(dāng)前感受偏冷，這是一個(gè)冷抱怨數(shù)據(jù)點(diǎn)，當(dāng)前環(huán)境中的溫濕度數(shù)據(jù)值加上滑塊位置信息，便能成為下一步學(xué)習(xí)建立該用戶個(gè)性化熱舒適偏好模型的依據(jù)。

還有一點(diǎn)值得注意的是，出于用戶體驗(yàn)的考慮，需要盡量減少用戶頻繁交互的次數(shù)，這也意味著只有當(dāng)用戶感覺不舒適的時(shí)候才會(huì)有意愿去交互提交評(píng)價(jià)和偏好信息，因此便無法獲得用戶感到舒適時(shí)的數(shù)據(jù)。為此，考慮到常規(guī)空調(diào)控制系統(tǒng)的時(shí)滯時(shí)間，設(shè)計(jì)程序當(dāng)用戶距離上一次交互超過1小時(shí)仍未產(chǎn)生下一次交互，便認(rèn)為此刻用戶對(duì)當(dāng)前環(huán)境感覺舒適的，系統(tǒng)將自動(dòng)將對(duì)當(dāng)前時(shí)刻采集數(shù)據(jù)并錄入數(shù)據(jù)庫。

步驟s102，根據(jù)獲取的所述用戶熱舒適度數(shù)據(jù)獲取對(duì)應(yīng)的用戶熱舒適度偏好曲線。

于本實(shí)施例中，獲取的獲取用戶熱舒適度數(shù)據(jù)如圖3所示。具體地，根據(jù)所獲取的數(shù)據(jù)針對(duì)每一位單一用戶通過動(dòng)態(tài)進(jìn)化模糊推理(denfis)方法預(yù)測該用戶的熱舒適偏好曲線。隨著用戶交互次數(shù)的增加，數(shù)據(jù)累積的增多，模型能越來越準(zhǔn)確，最后能避免用戶的更多的交互，從而達(dá)到提升用戶體驗(yàn)和智能控制的目的，因此選用一種在線動(dòng)態(tài)更新和自適應(yīng)調(diào)整的動(dòng)態(tài)進(jìn)化神經(jīng)模糊推理系統(tǒng)(denfis)的方法。

于本實(shí)施例中，所述用戶熱舒適度偏好曲線獲取中：采用以向量的歐式距離為依據(jù)的進(jìn)化聚類方法對(duì)輸入空間的數(shù)據(jù)進(jìn)行在線聚類劃分，確定聚類中心和半徑，構(gòu)建輸入空間的模糊集合和模糊規(guī)則庫，通過所述模糊集合和所述模糊規(guī)則庫獲取所述用戶熱舒適度偏好曲線。

于本實(shí)施例中，進(jìn)化聚類方法(ecm)是一種以向量的歐式距離為依據(jù)的聚類方法，所述歐氏距離定義如下：

其中，x和y表示空間中的兩個(gè)點(diǎn)，||x-y||表示x與y的歐氏距離，q表示維數(shù)，xi表示點(diǎn)y在第i維中的坐標(biāo)，yi表示點(diǎn)y在第i維中的坐標(biāo)。

具體步驟如下所述：

1)利用以向量的歐式距離為依據(jù)的聚類方法--進(jìn)化聚類方法(ecm)，從原始輸入空間中劃分?jǐn)?shù)據(jù)集，所有的數(shù)據(jù)點(diǎn)都能在有限數(shù)量的類別中得到聚類，且所有點(diǎn)都距離該聚類中心的距離不大于用戶設(shè)定的聚類半徑的閾值。

2)利用上述聚類方法確定輸入空間的聚類集合，我們便可以進(jìn)一步建立模糊集合和模糊規(guī)則，其中模糊規(guī)則前件為用戶對(duì)室內(nèi)環(huán)境的熱感受指標(biāo)(tpi)，模糊規(guī)則的后件部分采用一階線性函數(shù)fi(x1,x2,x3,...,xq),i＝1,2,...,m，此處便是針對(duì)室內(nèi)環(huán)境溫度tin的一階函數(shù)，則模糊規(guī)則的表述如下：

·iftpiisr1,thenyisf1(tpi)

·iftpiisr2,thenyisf2(tpi)

·…

·iftpiisrm,thenyisfm(tpi)

●式中i＝1,2,...,m是不同的模糊集，由對(duì)應(yīng)的模糊隸屬度函數(shù)

j＝1,2,...,m定義，用于對(duì)輸入變量進(jìn)行模糊化，為方便起見，本算

法選用的模糊隸屬度函數(shù)為三角函數(shù)，定義如下：

式中，b是輸入空間中的聚類中心，且對(duì)于輸入變量tpi。對(duì)于每一個(gè)輸入變量tpi⁰，推理系統(tǒng)的輸出為每個(gè)模糊規(guī)則后件輸出的加權(quán)平均值：

式中，權(quán)重wi是每個(gè)模糊規(guī)則的權(quán)重，該值等于每個(gè)輸入對(duì)應(yīng)的模糊規(guī)則前件中的模糊隸屬度函數(shù)的值

3)模糊規(guī)則后件采用一階takagi-sugeno模型，即后件輸出：

y＝f(tpi)＝β0+β1·tpi

采用線性最小二乘發(fā)針對(duì)數(shù)據(jù)進(jìn)行學(xué)習(xí)并修正輸出模型的參數(shù)。

步驟s103，根據(jù)獲取的所述用戶熱舒適度偏好曲線，分別獲取偏冷、偏熱和舒適三種類型的熱舒適度概率分布曲線?；诿恳粋€(gè)單一用戶的熱舒適概率分布曲線，如圖4所示，通過softmax回歸方法學(xué)習(xí)該用戶的熱舒適概率分布曲線，并在融合多個(gè)不同用戶的舒適概率曲線得到整個(gè)被控?zé)峥臻g中所有用戶的熱舒適概率曲線。

于本實(shí)施例中，將所述用戶熱舒適度偏好曲線的tpi值在(-0.5，+0.5)之間對(duì)應(yīng)的溫度值定為舒適，將tpi值小于-0.5時(shí)所對(duì)應(yīng)的溫度值定義為偏熱，將tpi值大于+0.5時(shí)所對(duì)應(yīng)的溫度值定義為偏冷。

具體地，根據(jù)每一位用戶獲取的熱舒適偏好預(yù)測結(jié)果，將所有采集到的數(shù)據(jù)點(diǎn)轉(zhuǎn)換成偏冷，偏熱和舒適三種不同類型，采用softmax回歸的方法分別得到三種類型的舒適度概率曲線。如圖5所示，所有采集到的數(shù)據(jù)點(diǎn)轉(zhuǎn)換成三種不同類型：偏冷，舒適和偏熱。根據(jù)三種類型的分類數(shù)據(jù)，利用機(jī)器學(xué)習(xí)算法得到每個(gè)用戶的三類不同類型的熱舒適感受的概率分布曲線，得到舒適目標(biāo)概率函數(shù)。

步驟s104，根據(jù)每個(gè)用戶的熱舒適度概率曲線，在不同的室內(nèi)溫度環(huán)境情況下，獲得在不同室內(nèi)環(huán)境溫度下多用戶的熱舒適概率分布曲線。

將多個(gè)不同用戶的舒適度概率曲線相融合，得到整體的舒適度概率分布曲線。在不同室內(nèi)環(huán)境溫度下，每個(gè)用戶熱舒適的程度和概率不同，我們的目標(biāo)是想獲得在何種溫度區(qū)間內(nèi)所有用戶都舒適的概率和數(shù)量最大，則將所有人在不同溫度上的舒適概率相加，其和值較大處對(duì)應(yīng)的溫度一定是絕大多數(shù)用戶在該溫度區(qū)間內(nèi)感到舒適的概率都很大的情況。

具體地，于本實(shí)施例中，所述多用戶的熱舒適概率分布曲線為：

其中，n表示一個(gè)熱空間中用戶的數(shù)量，c表示每個(gè)室內(nèi)人員的偏冷，偏熱，舒適三種舒適度感受模型中的“舒適”這一類別對(duì)應(yīng)的模型，β表示該舒適模型的參數(shù)，sth表示，tin表示室內(nèi)溫度，probagg是輸出名稱(無意義)，j表示室內(nèi)人員的數(shù)量。在橫坐標(biāo)不同的室內(nèi)溫度環(huán)境情況下，會(huì)將不同用戶的熱舒適概率值相加求和并除以所有求和結(jié)果中最大的值，以獲得在所有不同室內(nèi)環(huán)境溫度下多用戶的熱舒適概率分布曲線。

基于每一個(gè)單一用戶的熱偏好預(yù)測曲線通過softmax回歸方法學(xué)習(xí)該用戶的熱舒適概率分布曲線，并在融合多個(gè)不同用戶的舒適概率曲線得到整個(gè)被控?zé)峥臻g中所有用戶的熱舒適概率曲線。其步驟如下：

1)在針對(duì)單個(gè)用戶處理結(jié)果的基礎(chǔ)上，對(duì)模型輸出的預(yù)測曲線tpi取值在(-0.5,+0.5)之間對(duì)應(yīng)的溫度值定為舒適，而tpi值小于-0.5時(shí)所對(duì)應(yīng)的溫度值定義為偏熱一類，同理將tpi值大于+0.5時(shí)所對(duì)應(yīng)的溫度值定義為偏冷一類。如此也能避免不同類型數(shù)據(jù)值之間存在重疊的現(xiàn)象，方便后面智能學(xué)習(xí)算法的應(yīng)用。

2)采用多分類的邏輯回歸模型，解決三分類的問題(偏冷，偏熱和舒適)，對(duì)于訓(xùn)練集{(x¹,y¹),(x²y²,)...,(x,ⁿyⁿ,)}，我們有yⁱ∈{1,2,3}，于是，不同的室內(nèi)環(huán)境情況下用戶不同的熱舒適感受的概率分布p(sth|tin)，公式如下：

其中是模型參數(shù)，這一項(xiàng)是為了對(duì)概率分布進(jìn)行歸一化處理，使得所有概率之和等于1。

3)在獲得了三種不同熱舒適感受的分布類型和相應(yīng)的樣本數(shù)據(jù)之后，需要通過最大似然估計(jì)的方法訓(xùn)練得到模型參數(shù),定義如下代價(jià)函數(shù)：

式中1{...}是示性函數(shù)，其取值規(guī)則為1{值為真的表達(dá)式}＝1，1{值為假的表達(dá)式}＝0，可以看出來softmax回歸的代價(jià)函數(shù)是邏輯回歸的代價(jià)函數(shù)的一種推廣。使用迭代優(yōu)化的最大似然估計(jì)算法，我們得到如下的梯度公式：

再使用上面介紹的迭代優(yōu)化計(jì)算方法，便能實(shí)現(xiàn)一個(gè)可用的softmax回歸模。

4)在每一個(gè)用戶個(gè)性化熱舒適偏好的基礎(chǔ)上利用模糊控制中解模糊的思想，將每一個(gè)用戶的舒適概率模型看作為一個(gè)模糊集，利用下式獲得多用戶的舒適模型：

式中，n代表一個(gè)熱空間中有n個(gè)不同的用戶，在橫坐標(biāo)不同的室內(nèi)溫度環(huán)境情況下，會(huì)將不同用戶的熱舒適概率值相加求和并除以所有求和結(jié)果中最大的值，以獲得在所有不同室內(nèi)環(huán)境溫度下多用戶的熱舒適概率分布曲線，如圖6所示。

步驟s105，將所述多用戶的熱舒適概率分布曲線中的舒適溫度區(qū)間作為溫度設(shè)定值的選取區(qū)間，并根供風(fēng)量與溫度設(shè)定值之間的對(duì)應(yīng)關(guān)系獲取被控?zé)峥臻g的最佳溫度設(shè)定值。

于本實(shí)施例中，所述供風(fēng)量與溫度設(shè)定值之間的對(duì)應(yīng)關(guān)系為：

其中，af表示氣體流量，qs表示一個(gè)熱空間中的各個(gè)房間的冷熱負(fù)荷，tset表示一個(gè)熱空間的溫度設(shè)定值，ts表示固定供風(fēng)溫度值，p表示空氣密度，c表示空氣定壓比熱，其中，所述最佳溫度設(shè)定值為所述選取區(qū)間內(nèi)af的最小值。

通過求解以綜合多人的熱舒適概率曲線為約束條件的暖通空調(diào)能耗優(yōu)化問題，獲得被控?zé)峥臻g的最佳溫度設(shè)定值，從而達(dá)到節(jié)省能耗同時(shí)滿足用戶的最大熱舒適的目標(biāo)。結(jié)合vav空調(diào)系統(tǒng)的設(shè)計(jì)和運(yùn)行原理，將前文所獲取的多用戶舒適度溫度區(qū)間作為約束條件，以供風(fēng)量作為暖通系統(tǒng)能耗的指標(biāo)，定義如下所示的帶約束優(yōu)化問題，將滿足舒適度同時(shí)最小化能耗使用的多目標(biāo)優(yōu)化問題轉(zhuǎn)化為單目標(biāo)優(yōu)化問題。由于該優(yōu)化問題的目標(biāo)函數(shù)的嚴(yán)格凸函數(shù)，而且約束變量中的用戶舒適度區(qū)間是多人融合后的結(jié)果，所以能夠保證該問題一定有唯一的最優(yōu)解。

空調(diào)系統(tǒng)的核心部件是一套空氣處理機(jī)組(ahu)，該系統(tǒng)通過調(diào)節(jié)風(fēng)扇改變供風(fēng)量來滿足室內(nèi)實(shí)時(shí)冷熱負(fù)荷需求，因此，對(duì)于我們比較暖通空調(diào)能耗分析的目的來說，建立針對(duì)空氣處理機(jī)的能耗模型便能滿足要求。而要求將被控房間的溫度設(shè)定點(diǎn)(set-point)作為被控變量建立能耗模型，變風(fēng)量(vav)空調(diào)能夠與設(shè)定值建立直接聯(lián)系的便只有送風(fēng)量(air-flowrate)這一指標(biāo)了，vav系統(tǒng)的ahu運(yùn)行能耗與送風(fēng)量之間存在強(qiáng)烈的正相關(guān)性。暖通空調(diào)的能耗最優(yōu)，便能轉(zhuǎn)換成求在以舒適度為約束條件下的vav空調(diào)的供風(fēng)量最優(yōu)，結(jié)合vav空調(diào)系統(tǒng)的設(shè)計(jì)原理，得到如上供風(fēng)量和溫度設(shè)定值之間的關(guān)系。

1)根據(jù)暖通空調(diào)的運(yùn)行原理和被控對(duì)象，尋求能耗最優(yōu)能轉(zhuǎn)換成一舒適度為約束條件的空調(diào)供風(fēng)量的最優(yōu)，結(jié)合vav空調(diào)系統(tǒng)的設(shè)計(jì)原理，建立如下的供風(fēng)量和溫度設(shè)定值之間的關(guān)系：

式中，其中，af表示氣體流量，qs表示一個(gè)熱空間中的各個(gè)房間的冷熱負(fù)荷，tset表示一個(gè)熱空間的溫度設(shè)定值，ts表示固定供風(fēng)溫度值，p表示空氣密度，c表示空氣定壓比熱，為計(jì)算方便，我們令p＝1.2，c＝1.01。

2)將保證室內(nèi)人員舒適度同時(shí)使空調(diào)系統(tǒng)能耗最小的多目標(biāo)優(yōu)化問題轉(zhuǎn)化為一個(gè)單目標(biāo)優(yōu)化問題，將1)中的系統(tǒng)能耗函數(shù)作為目標(biāo)函數(shù)，將步驟3中學(xué)習(xí)到的多用戶舒適度區(qū)間作為約束條件，建立如下的約束優(yōu)化問題：

subjectto:tset∈(tl,th)

af≥afmin

af≤afmax

其中，tl表示舒適度區(qū)間溫度的最低值，th表示舒適度區(qū)間溫度的最高值，afmin表示af的最小值，afmax示af的最大值。

所以，本實(shí)施例中，將供風(fēng)量和溫度設(shè)定值之間的關(guān)系作為目標(biāo)函數(shù)，通過建立一個(gè)帶約束的最優(yōu)化問題來確定最終的整個(gè)被控?zé)峥臻g的最佳溫度設(shè)定值(set-point)，該優(yōu)化方法將傳統(tǒng)的暖通空調(diào)控制中的節(jié)能和舒適這樣一個(gè)多目標(biāo)的優(yōu)化問題轉(zhuǎn)化為一個(gè)單目標(biāo)的數(shù)值優(yōu)化求解問題。

由上可見，本實(shí)施例融合了基于用戶投票評(píng)價(jià)的方法獲取數(shù)據(jù)的準(zhǔn)確性和在線學(xué)習(xí)并計(jì)算整個(gè)熱空間最佳溫度設(shè)定值的方法的可擴(kuò)展性這兩個(gè)優(yōu)勢(shì)，通過設(shè)計(jì)的友好簡潔的用戶交互方式獲取不同用戶在不同的室內(nèi)熱環(huán)境情況下的評(píng)價(jià)與偏好，通過將該界面部署在嵌入式開發(fā)板，實(shí)時(shí)采集用戶的反饋數(shù)據(jù)并同時(shí)通過安裝在開發(fā)板上的溫度傳感器采集的環(huán)境數(shù)據(jù)信息，再通模糊推理算法構(gòu)建每個(gè)用戶在不同熱舒適感受情況下對(duì)應(yīng)的溫度情況，也即該用戶的熱舒適偏好模型，該模型可以很好地區(qū)分不同用戶的偏好差異性并同時(shí)避免過擬合。接著在將每個(gè)單一用戶的舒適偏好劃分為舒適，偏冷和偏熱三類，利用多分類機(jī)器學(xué)習(xí)的方法學(xué)習(xí)并建立不同用戶在不同室內(nèi)溫度環(huán)境下的舒適概率曲線，并在此基礎(chǔ)上提出一種融合多人不同舒適模型得到總的舒適概率曲線，解決多人同處一個(gè)被控?zé)峥臻g中時(shí)的矛盾。最后，通過求解以綜合多人的熱舒適概率曲線為約束條件的暖通空調(diào)能耗優(yōu)化問題，獲得被控?zé)峥臻g的最佳溫度設(shè)定值，從而達(dá)到節(jié)省能耗同時(shí)滿足用戶的最大熱分類舒適的目標(biāo)，可以很好地提升空調(diào)室內(nèi)人員的舒適性同時(shí)節(jié)省暖通系統(tǒng)的能耗。

綜上所述，本發(fā)明建立不同用戶在不同室內(nèi)溫度環(huán)境下的舒適概率曲線，并在此基礎(chǔ)上提出一種融合多人不同舒適模型得到總的舒適概率曲線，解決多人同處一個(gè)被控?zé)峥臻g中時(shí)的矛盾，獲得被控?zé)峥臻g的最佳溫度設(shè)定值，從而達(dá)到節(jié)省能耗同時(shí)滿足用戶的最大熱分類舒適的目標(biāo)，有效地提高了室內(nèi)人員的舒適度，同時(shí)實(shí)現(xiàn)節(jié)能減排的目標(biāo)，具有很強(qiáng)的實(shí)用性。所以，本發(fā)明有效克服了現(xiàn)有技術(shù)中的種種缺點(diǎn)而具高度產(chǎn)業(yè)利用價(jià)值。

上述實(shí)施例僅例示性說明本發(fā)明的原理及其功效，而非用于限制本發(fā)明。任何熟悉此技術(shù)的人士皆可在不違背本發(fā)明的精神及范疇下，對(duì)上述實(shí)施例進(jìn)行修飾或改變。因此，舉凡所屬技術(shù)領(lǐng)域中具有通常知識(shí)者在未脫離本發(fā)明所揭示的精神與技術(shù)思想下所完成的一切等效修飾或改變，仍應(yīng)由本發(fā)明的權(quán)利要求所涵蓋。