胡 銳，袁海峰，芮 忠

（蘇州科技大學(xué)信息化建設(shè)與管理中心，江蘇 蘇州 215009）

0 引 言

個(gè)人的熱舒適度是影響用戶對(duì)室內(nèi)環(huán)境總體滿意度的重要因素之一。在一份對(duì)215 座辦公大樓用戶舒適性的調(diào)查報(bào)告中顯示，只有39%的受訪者對(duì)其工作環(huán)境感到滿意[1]。有研究表明，一些來(lái)自室內(nèi)環(huán)境的不適因素會(huì)導(dǎo)致用戶的工作表現(xiàn)顯著下降[2]。在經(jīng)濟(jì)發(fā)達(dá)的城市中人們大約有90%以上的時(shí)間都待在室內(nèi)[3]。因此，室內(nèi)環(huán)境對(duì)人們的身心健康有著深遠(yuǎn)的影響[4]。

熱舒適度被定義為一種表達(dá)對(duì)所處熱環(huán)境滿意程度的心理狀態(tài)[4]。人們的熱舒適度不僅取決于溫度、濕度等環(huán)境因素，還包括生理因素（如性別和心率）、心理因素（如壓力和心態(tài)）、行為因素（如活動(dòng)水平和著衣水平）等多方面[5]。因此，人們的熱舒適度因人而異。例如，性別已被證明與熱舒適度密切相關(guān)，而之前的研究表明，在辦公室里，女性比男性更喜歡相對(duì)較高的溫度[6]。此外，由于氣候背景的差異，即使在中國(guó)，南方人和北方人在熱舒適度上也有顯著的區(qū)別[7]。

在大多數(shù)的辦公建筑中，管理員通常根據(jù)行業(yè)指南（ASHRAE）來(lái)選擇中央暖通空調(diào)的設(shè)定值。然而，由于多個(gè)原因，將暖通空調(diào)設(shè)定為固定值的傳統(tǒng)策略不太可能同時(shí)滿足多個(gè)用戶的熱舒適度。首先，房間內(nèi)的空氣溫度是不均勻的，基于固定值的暖通空調(diào)送風(fēng)策略無(wú)法保證房間內(nèi)的不同地點(diǎn)的空氣溫度保持在設(shè)定溫度，并且坐在風(fēng)口附近或陽(yáng)光直射下的人可能會(huì)有不同于其他人的熱感覺(jué)。最后，僅以室內(nèi)溫度作為熱舒適度的唯一指標(biāo)，不足以反映用戶的熱舒適感受。此外，有幾項(xiàng)研究表明，即使室溫是根據(jù)推薦的室內(nèi)條件設(shè)置的，用戶對(duì)室內(nèi)溫度環(huán)境的不滿意率仍然很高，這反映了人們實(shí)際的熱舒適度和預(yù)測(cè)的熱舒適度的不一致[8]。

預(yù)測(cè)平均投票（PMV）模型是最常用的評(píng)價(jià)熱舒適度的方法[9]，PMV 模型考慮了4 個(gè)環(huán)境因素：空氣溫度、相對(duì)濕度、空氣速度和平均輻射溫度，以及兩個(gè)人為因素：人體新陳代謝率和衣服等級(jí)，以7 分制（從冷到熱）預(yù)測(cè)用戶的平均熱感覺(jué)。在ISO 7730 中，PMV 作為標(biāo)準(zhǔn)的熱環(huán)境指標(biāo)，并將PMV=0 內(nèi)作為舒適區(qū)域。但是，該舒適區(qū)域是在人體舒適或接近舒適的情況下推導(dǎo)得到的，并沒(méi)有考慮到用戶衣著等外在環(huán)境的影響。此外，PMV 模型是在實(shí)驗(yàn)室環(huán)境下基于人的反饋建立的，并且在PMV 模型中的人為因素中假設(shè)所有受試者都是相同的，而不考慮個(gè)人差異。這可能導(dǎo)致實(shí)際和預(yù)測(cè)的熱舒適度之間存在一定的差異[10]。因此，在偏離舒適狀態(tài)時(shí)，PMV 會(huì)與實(shí)際值偏差較大，并且PMV 指數(shù)將人體視為一個(gè)整體，對(duì)預(yù)測(cè)穩(wěn)態(tài)空調(diào)環(huán)境下的反應(yīng)很有用，但不能預(yù)測(cè)瞬態(tài)反應(yīng)[11]。

由于人們會(huì)在不同的情況和季節(jié)天氣穿著不同級(jí)別的衣服，且舒適區(qū)的冷熱邊界受濕度影響。在ASHRAE 標(biāo)準(zhǔn)中，基于不同著裝水平、濕度條件下，規(guī)定了80%久坐或輕度活動(dòng)的人可以接受的熱舒適度條件或舒適區(qū)域溫度。從嚴(yán)格意義上來(lái)說(shuō)，舒適感設(shè)計(jì)溫度應(yīng)該考慮作用溫度而不是空氣溫度。在該標(biāo)準(zhǔn)下給出的舒適區(qū)溫度正是作用溫度。因此，以該標(biāo)準(zhǔn)來(lái)研究不同用戶的舒適度具有重要參考作用。

本文提出一個(gè)個(gè)性化的暖通空調(diào)控制框架，該框架能夠動(dòng)態(tài)地確定最佳暖通空調(diào)設(shè)置，包含送風(fēng)模式和溫度設(shè)置，減少人員參與?；贏SHRAE 標(biāo)準(zhǔn)中的舒適區(qū)域溫度，結(jié)合深度學(xué)習(xí)算法以及溫度預(yù)測(cè)模型來(lái)預(yù)測(cè)不同暖通空調(diào)設(shè)置下各個(gè)用戶所在的空氣溫度，最后依據(jù)評(píng)分模型選出最佳暖通空調(diào)設(shè)置。以現(xiàn)有會(huì)議室空間為例，驗(yàn)證了該框架的可行性，并對(duì)結(jié)果進(jìn)行了討論。

1 相關(guān)工作

目前，在基于熱舒適度的暖通空調(diào)送風(fēng)策略的研究中主要分為兩種：一種是基于人的反饋進(jìn)行調(diào)節(jié)；另一種是基于人體生物信號(hào)進(jìn)行調(diào)節(jié)。

基于人的反饋進(jìn)行調(diào)節(jié)的方法主要分為兩類：基于PMV 的方法和不基于PMV 的方法。在基于PMV 的方法中[12-15]，研究人員通過(guò)傳感設(shè)備和手機(jī)應(yīng)用程序來(lái)收集用戶的熱舒適度反饋，決策模塊再根據(jù)PMV 模型或用戶的總體反饋來(lái)實(shí)時(shí)修正暖通空調(diào)的設(shè)定值。文獻(xiàn)[16]在PMV 的基礎(chǔ)上，通過(guò)構(gòu)建熱舒適度模型，使用神經(jīng)網(wǎng)絡(luò)進(jìn)行暖通空調(diào)的設(shè)置。然而，這些基于PMV的方法存在著一定的局限性，比如需要假設(shè)穩(wěn)態(tài)空調(diào)環(huán)境，不能預(yù)測(cè)瞬態(tài)反應(yīng)，需要多個(gè)參數(shù)來(lái)估計(jì)PMV 模型（如平均輻射溫度、代謝率等），在實(shí)際使用中這些參數(shù)可能會(huì)與實(shí)際情況有較大的偏差。

在非PMV 方法中[16-18]，研究人員通常使用從室內(nèi)環(huán)境收集的數(shù)據(jù)來(lái)模擬用戶的熱舒適度，再根據(jù)行業(yè)準(zhǔn)則（ASHRAE）推薦的設(shè)定值和模擬得到的用戶的熱舒適度值來(lái)實(shí)時(shí)修正暖通空調(diào)的設(shè)定值。文獻(xiàn)[19]使用傳感設(shè)備來(lái)獲得環(huán)境變量（如環(huán)境溫度、濕度等），基于用戶的熱舒適度反饋得到用戶的舒適溫度邊界，并根據(jù)該舒適溫度邊界進(jìn)行暖通空調(diào)的設(shè)置。然而，這種基于所收集得到的用戶熱偏好（從冷到熱）的非PMV 方法也存在著一定的局限性，比如缺乏人體數(shù)據(jù)（如皮膚溫度、運(yùn)動(dòng)水平等），基于用戶反饋的方法可能存在時(shí)延，甚至無(wú)法滿足所有用戶的熱舒適度需求。

在基于人體生物信號(hào)進(jìn)行調(diào)節(jié)的方法中[20-21]，研究人員通過(guò)人體生物信號(hào)（如皮膚溫度、心率）來(lái)評(píng)估實(shí)驗(yàn)室條件下人體熱舒適水平。文獻(xiàn)[21]在三種環(huán)境條件下（微冷、中性、微熱）評(píng)估了參與者的整體熱舒適度、局部熱舒適度和平均皮膚溫度，以整體和局部熱感覺(jué)為因變量構(gòu)建線性回歸模型，建立了人體熱舒適度預(yù)測(cè)公式，并根據(jù)人體熱舒適度預(yù)測(cè)公式進(jìn)行暖通空調(diào)的設(shè)置。然而，由于基于人體生物信號(hào)進(jìn)行調(diào)節(jié)的方法都是在實(shí)驗(yàn)室條件下進(jìn)行的，因此這些方法在實(shí)際使用中受限于環(huán)境和人為因素（如濕度、空氣流速和服裝等）的影響，對(duì)用戶熱舒適度的提高并不理想。

本文提出了一種新的個(gè)性化的暖通空調(diào)控制框架，該框架能夠利用人與環(huán)境的綜合數(shù)據(jù)來(lái)改善用戶的整體熱舒適度。本文研究的主要目的包括：

1）利用深度學(xué)習(xí)算法獲得用戶信息：如距離空調(diào)位置、穿著、姿態(tài)。

2）利用所獲得的用戶信息和環(huán)境信息，預(yù)測(cè)所有暖通空調(diào)設(shè)置模式下用戶所在位置的空氣溫度。

3）結(jié)合ASHRAE 標(biāo)準(zhǔn)得到的舒適區(qū)域溫度對(duì)所有暖通空調(diào)設(shè)置模式進(jìn)行評(píng)價(jià)，選擇評(píng)分最高的暖通空調(diào)設(shè)置。

4）結(jié)合PMV 方法，對(duì)暖通空調(diào)固定設(shè)置模式和所開(kāi)發(fā)的框架對(duì)多個(gè)用戶的熱舒適度方面的能力進(jìn)行比較，證明所開(kāi)發(fā)的框架在面對(duì)多用戶的場(chǎng)景下，可以針對(duì)性提高用戶的熱舒適度。

2 基礎(chǔ)理論

2.1 干球溫度

干球溫度Tdb是指人體周?chē)覂?nèi)空氣的溫度，是從暴露于空氣中而又不受太陽(yáng)直接照射的干球溫度表上讀取的數(shù)值。一般情況下，大多數(shù)行業(yè)準(zhǔn)則建議的適宜溫度范圍為18~23 ℃，且室內(nèi)的溫度差不能超過(guò)1 ℃。在久坐或近久坐的體力活動(dòng)水平，即一般的辦公室活動(dòng)的情況下，優(yōu)化室內(nèi)熱舒適度所需的適宜溫度范圍建議為19~28 ℃，且室內(nèi)的溫度差不能超過(guò)1 ℃。根據(jù)不同季節(jié)人們的著裝不同，室內(nèi)熱舒適度所需的適宜溫度范圍也會(huì)產(chǎn)生相應(yīng)的變化。

2.2 平均輻射溫度

平均輻射溫度TMR是指環(huán)境四周表面對(duì)人體輻射作用的平均溫度，且房間里所有的表面都被認(rèn)為是均勻的黑色，其數(shù)值可由各表面溫度及人與表面位置關(guān)系的角系數(shù)確定或用黑球溫度計(jì)測(cè)量。平均輻射溫度還可以通過(guò)人體的6 個(gè)方向（上、下、左、后、前、后）的平面輻射溫度和6 個(gè)方向?qū)?yīng)人體的投影面積計(jì)算出來(lái)。對(duì)于站著的人，平均輻射溫度可以通過(guò)公式（1）估計(jì)：

對(duì)于坐著的人，平均輻射溫度可以通過(guò)公式（2）估計(jì)：

2.3 作用溫度

作用溫度由空氣溫度、平均輻射溫度和空氣速度得到，反映環(huán)境對(duì)人體的熱作用溫度。它被定義為在一個(gè)均勻的黑色內(nèi)表面的空間中，人體之間通過(guò)輻射和對(duì)流交換的熱量與實(shí)際非均勻環(huán)境中人體的干熱損失相等的溫度。作用溫度表示空氣溫度與平均輻射溫度兩者對(duì)人體的熱作用，可認(rèn)為是室內(nèi)氣溫與平均輻射溫度在某一系數(shù)下的加權(quán)平均值。作用溫度的簡(jiǎn)化表達(dá)式為：

2.4 服裝熱阻值

服裝熱阻值Icl是指熱量在單位面積的服裝上傳輸時(shí)，該服裝兩端溫度差與熱源功率的比值，即一個(gè)人所穿衣服的保溫量，單位為clo（1 clo =155 m2·°C·W）。一個(gè)人整體的服裝熱阻值可以用求和公式從單個(gè)服裝熱阻值中估計(jì)出來(lái)，服裝熱阻值表達(dá)式為：

式中Iclu,i是服裝i的有效熱阻值。

部分服裝熱阻值如表1 所示。

表1 服裝熱阻值

3 方 法

在本文的研究中，利用深度學(xué)習(xí)技術(shù)提取用戶信息，再結(jié)合深度強(qiáng)化學(xué)習(xí)算法和評(píng)價(jià)模型組成的評(píng)價(jià)系統(tǒng)得出暖通空調(diào)最優(yōu)送風(fēng)設(shè)置。所提出的暖通空調(diào)智能調(diào)控框架的工作流程如圖1 所示。

圖1 暖通空調(diào)智能調(diào)控框架

3.1 基于DQN 網(wǎng)絡(luò)結(jié)構(gòu)的溫度預(yù)測(cè)模型訓(xùn)練

在室內(nèi)按照和暖通空調(diào)的不同距離來(lái)布置溫度傳感器，且傳感器距離地面距離為1 m，暖通空調(diào)每一個(gè)小時(shí)換一次送風(fēng)設(shè)置，溫度傳感器每10 min 采集一次數(shù)據(jù)，并將采集到的數(shù)據(jù)放入神經(jīng)網(wǎng)絡(luò)中訓(xùn)練。某一溫度傳感器在10 min 內(nèi)采集的數(shù)據(jù)如圖2 所示。

圖2 溫度傳感器數(shù)據(jù)圖

分析所有溫度傳感器采集的數(shù)據(jù)可以發(fā)現(xiàn)，離中央空調(diào)中心位置相等距離的溫度傳感器在同一時(shí)刻采集到的溫度相差在0.1 ℃以內(nèi)。因此可以使用與中央空調(diào)中心位置的距離代替?zhèn)鹘y(tǒng)的平面位置表示，即用單一參數(shù)距離d代替平面坐標(biāo)系表示位置信息。這樣不但降低了表示用戶實(shí)時(shí)位置的難度，而且減少了參數(shù)個(gè)數(shù)，從而減少了模型訓(xùn)練的時(shí)間。

基于深度強(qiáng)化學(xué)習(xí)網(wǎng)絡(luò)（DQN）的溫度預(yù)測(cè)網(wǎng)絡(luò)設(shè)置為：輸入層包含2 個(gè)神經(jīng)元，對(duì)應(yīng)用戶距離d和距離為d處的空氣溫度t，中間層為3 層，各包含200、300、500 個(gè)神經(jīng)元，輸出層為270 個(gè)神經(jīng)元，對(duì)應(yīng)270個(gè)暖通空調(diào)設(shè)置動(dòng)作?；趯?duì)ASHRAE的推薦送風(fēng)設(shè)置和舒適度的研究，所選擇暖通空調(diào)設(shè)置為：溫度區(qū)間19~28 ℃風(fēng)量設(shè)置為[1，2，3]，橫向風(fēng)向3個(gè)[左，中，右]，縱向風(fēng)向3個(gè)[上，中，下]，共組成270個(gè)暖通空調(diào)設(shè)置動(dòng)作，預(yù)測(cè)精度為0.1。所構(gòu)建的基于DQN 的溫度預(yù)測(cè)結(jié)構(gòu)如圖3 所示。

圖3 基于DQN 溫度預(yù)測(cè)結(jié)構(gòu)

圖3 中：s表示所采集得到的信息，包含用戶距離d和距離為d處的空氣溫度t；a表示暖通空調(diào)設(shè)置動(dòng)作；t′表示對(duì)應(yīng)暖通空調(diào)設(shè)置動(dòng)作下距離為d處所測(cè)得的10 min后的空氣溫度；T(s,a;θ)為目標(biāo)值網(wǎng)絡(luò)所預(yù)測(cè)的溫度，也是訓(xùn)練好后的網(wǎng)絡(luò)輸出值；T(s,a;θ-)為當(dāng)前值網(wǎng)絡(luò)所預(yù)測(cè)的溫度，誤差函數(shù)為(t′-T(s,a;θ-))2。

基于DQN 的溫度預(yù)測(cè)網(wǎng)絡(luò)的流程如算法1 所示。

算法1：基于DQN 的溫度預(yù)測(cè)算法

利用采集的數(shù)據(jù)同時(shí)訓(xùn)練一個(gè)BP 神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)距離為d處的空氣溫度，即在暖通空調(diào)智能調(diào)控框架中BP 神經(jīng)網(wǎng)絡(luò)向DQN 網(wǎng)絡(luò)傳遞當(dāng)前距離為d處的空氣溫度。所構(gòu)建的BP 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為：輸入層包含6 個(gè)神經(jīng)元；對(duì)應(yīng)用戶距離d和距離為d處的空氣溫度t；空調(diào)設(shè)置溫度、風(fēng)量、橫向風(fēng)和縱向風(fēng)（其中風(fēng)量、橫向風(fēng)和縱向風(fēng)的設(shè)置使用1、2、3 進(jìn)行數(shù)字化）。中間層為3 層，各包含100、200、100 個(gè)神經(jīng)元；輸出層為1 個(gè)神經(jīng)元，對(duì)應(yīng)10 min 后距離為d處的空氣溫度t′。

3.2 基于深度學(xué)習(xí)的用戶信息獲取

1）用戶距離

所采用的攝像機(jī)為標(biāo)定后的雙目像機(jī)，并且將雙目相機(jī)安裝在與空調(diào)在一條水平直線上的位置?；陔p目測(cè)距原理，可以得到用戶與相機(jī)的距離dc。為了獲得更好的視野圖像，雙目像機(jī)在安裝時(shí)存在一定的俯角β，因此用戶距離雙目相機(jī)的水平距離dcl根據(jù)勾股定理可得：dcl= sinβ·dc。測(cè)得雙目相機(jī)距離中央空調(diào)的水平距離dct，從而推導(dǎo)可得用戶與中央空調(diào)的水平距離d=|dcl-dct|。

2）用戶穿著和姿態(tài)

使用香港中文大學(xué)開(kāi)放的一個(gè)large-scale 數(shù)據(jù)集DeepFashion 作為訓(xùn)練集，基于CNN 網(wǎng)絡(luò)進(jìn)行訓(xùn)練分類。從雙目像機(jī)中獲取單幀圖像，針對(duì)不同的用戶進(jìn)行圖像分割，將分割出來(lái)的每一個(gè)用戶的圖像放入訓(xùn)練好的網(wǎng)絡(luò)中進(jìn)行識(shí)別，從而獲得該用戶的穿著。在本文中識(shí)別用戶衣著的種類為10 種（例如：短袖T 恤、長(zhǎng)裙、牛仔褲、短裙、長(zhǎng)袖T 恤等）。

從公開(kāi)人體姿態(tài)數(shù)據(jù)集（MPII Human Pose Dataset）中選取人體姿態(tài)為站立和坐下的圖片作為訓(xùn)練集，基于CNN 網(wǎng)絡(luò)進(jìn)行訓(xùn)練分類。從雙目像機(jī)中獲取單幀圖像，針對(duì)不同用戶進(jìn)行圖像分割，將分割出來(lái)的每一個(gè)用戶的圖像放入訓(xùn)練好的網(wǎng)絡(luò)中進(jìn)行識(shí)別，從而獲得該用戶的姿態(tài)。

在本文中對(duì)于無(wú)法準(zhǔn)確獲取的用戶穿著和姿態(tài)信息，采用默認(rèn)值填充，用戶穿著的熱阻值默認(rèn)為0.5 clo，用戶姿態(tài)默認(rèn)值為坐。

3.3 基于評(píng)價(jià)模型的送風(fēng)模式選取

以行業(yè)準(zhǔn)則（ASHRAE）來(lái)評(píng)價(jià)各送風(fēng)模式，圖4 為行業(yè)準(zhǔn)則（ASHRAE）給定的不同衣服熱阻值、濕度條件下的推薦操作溫度T0。

圖4 推薦操作溫度

根據(jù)濕度傳感器的值，結(jié)合圖4 得到衣服熱阻值為1 clo 和0.5 clo 的推薦操作溫度的邊界，再根據(jù)3.2 節(jié)得到的用戶穿著，結(jié)合公式（4）得到用戶的衣服熱阻值，最后根據(jù)得到的用戶的衣服熱阻值結(jié)合式（5）、式（6）來(lái)調(diào)整推薦操作溫度的邊界[Tmin,Icl，Tmax,Icl]。根據(jù)3.2 節(jié)得到的用戶姿態(tài)，結(jié)合式（1）、式（2）得到該用戶相應(yīng)的平均輻射溫度TMR，通過(guò)公式（3）：，推出對(duì)應(yīng)的舒適空氣溫度為：Tair= 2*T0-TMR，進(jìn)而得到對(duì)應(yīng)的舒適空氣溫度范圍為。

研究表明，在行業(yè)準(zhǔn)則（ASHRAE）給定的推薦操作溫度范圍內(nèi)，根據(jù)ASHRAE 熱感覺(jué)量表（見(jiàn)表2），在較暖區(qū)邊界附近，人會(huì)感到+0.5 的熱感覺(jué)；在較冷區(qū)域的邊界附近，人可能有-0.5 的熱感覺(jué)。在該規(guī)定區(qū)域的中間，一個(gè)穿著規(guī)定衣服的人會(huì)有一個(gè)非常接近中性的感覺(jué)。因此將所得推薦操作溫度范圍的中間值作為最佳操作溫度T*。最終構(gòu)建的評(píng)價(jià)函數(shù)為：，Ri為其中一個(gè)用戶的獎(jiǎng)賞，表達(dá)式為：

表2 ASHRAE 熱感覺(jué)量表

通過(guò)評(píng)價(jià)模型對(duì)所有暖通空調(diào)的送風(fēng)模式進(jìn)行評(píng)價(jià)，最終選取總獎(jiǎng)賞r最高的送風(fēng)模式作為最優(yōu)送風(fēng)模式。為了系統(tǒng)的穩(wěn)定性，只有當(dāng)該最優(yōu)送風(fēng)模式的獎(jiǎng)賞高于上一個(gè)設(shè)定送風(fēng)模式的獎(jiǎng)賞10%時(shí)，才會(huì)將該最優(yōu)送風(fēng)模式發(fā)送給暖通空調(diào)系統(tǒng)。

3.4 控制模塊

本文使用一臺(tái)電腦代替決策模塊，并通過(guò)Python 腳本控制定制的紅外發(fā)射器，進(jìn)而控制暖通空調(diào)系統(tǒng)。這種控制方法不涉及暖通空調(diào)系統(tǒng)的細(xì)節(jié)，不需要對(duì)現(xiàn)有的暖通空調(diào)系統(tǒng)進(jìn)行改造，可以極大地減少開(kāi)發(fā)和測(cè)試決策算法的成本。

4 實(shí) 驗(yàn)

4.1 實(shí)驗(yàn)設(shè)置

實(shí)驗(yàn)地點(diǎn)選擇為一個(gè)70 m2的會(huì)議室。會(huì)議室配有獨(dú)立的暖通空調(diào)單元和桌椅，并且安裝了雙目相機(jī)、溫度傳感器和濕度傳感器。數(shù)據(jù)收集發(fā)生在2019年6 月—7 月的夏季，且所有采集的數(shù)據(jù)都來(lái)自該會(huì)議室。

在該會(huì)議室進(jìn)行了2 次對(duì)比實(shí)驗(yàn)來(lái)驗(yàn)證所提方法在提高用戶舒適度上的表現(xiàn)。實(shí)驗(yàn)1 為暖通空調(diào)固定設(shè)置，設(shè)置為26 ℃，風(fēng)量為3，橫向風(fēng)向?yàn)橹?，縱向風(fēng)向?yàn)橹?；?shí)驗(yàn)2 為本文所述暖通空調(diào)智能調(diào)控方法。實(shí)驗(yàn)時(shí)保證2 次實(shí)驗(yàn)的初始屋內(nèi)濕度（40%）和干球溫度（30 ℃）一致，且各進(jìn)行1 h。共選取20 個(gè)參與者參與實(shí)驗(yàn)，其中男性10人，女性10人。所有參與者可以自由在室內(nèi)活動(dòng)，試驗(yàn)期間，會(huì)議室門(mén)窗處于關(guān)閉狀態(tài)。每個(gè)參與者被要求每10 min 通過(guò)手機(jī)提供反饋：舒適、一般、不舒適?？紤]到數(shù)據(jù)的穩(wěn)定性，參與者被禁止打開(kāi)門(mén)窗。

用戶的舒適度采用2 個(gè)指標(biāo)來(lái)表示：

1）基于模型的舒適度指標(biāo)，即空氣溫度是否在模型得到的舒適空氣溫度區(qū)域內(nèi)。

2）基于參與者的舒適度指標(biāo)，即根據(jù)所有參與者的反饋。

參與者的舒適度每10 min 采集一次，在實(shí)驗(yàn)結(jié)束后記錄暖通空調(diào)的用電量。

4.2 熱舒適度分析

實(shí)驗(yàn)1 暖通空調(diào)固定設(shè)置的參與者感覺(jué)舒適的人數(shù)結(jié)果如圖5 所示，實(shí)驗(yàn)2 暖通空調(diào)智能調(diào)控方法的參與者感覺(jué)舒適的人數(shù)結(jié)果如圖6 所示。

圖5 暖通空調(diào)固定設(shè)置

圖6 暖通空調(diào)智能調(diào)控

從圖5 和圖6 的對(duì)比中可以看出，在暖通空調(diào)固定設(shè)置下，無(wú)法滿足所有參與者的熱舒適度，本文所述的智能調(diào)控方法可以比固定暖通空調(diào)花費(fèi)更少的時(shí)間來(lái)滿足大部分參與者的熱舒適度，并且在30 min（基于模型30 min）的時(shí)候（基于參與者40 min），就滿足所有參與者的熱舒適度。在2 次實(shí)驗(yàn)中，由于參與者個(gè)體的差異，基于參與者反饋的熱舒適度要比基于模型的舒適度低。

5 結(jié) 語(yǔ)

本文對(duì)基于熱舒適度的暖通空調(diào)送風(fēng)策略進(jìn)行了綜合評(píng)述，并提出了一種能在不同的環(huán)境和用戶行為的情況下確定最佳的送風(fēng)設(shè)置和溫度設(shè)置的暖通空調(diào)控制框架。通過(guò)深度學(xué)習(xí)技術(shù)獲取用戶行為信息，結(jié)合深度強(qiáng)化學(xué)習(xí)算法和相關(guān)行業(yè)準(zhǔn)則（ASHRAE）得到暖通空調(diào)智能送風(fēng)策略。最后，實(shí)驗(yàn)證明這些額外的用戶行為信息可以顯著提高用戶的熱舒適度，相比傳統(tǒng)暖通空調(diào)固定設(shè)置可以滿足多用戶情境下的熱舒適度要求。