面向共享办公区域的个性化热舒适控制技术

成果名称

面向共享办公区域的个性化热舒适控制技术

成果联系人

余亮

职称

副教授

所在单位

金沙8888js官方、人工智能学院

联系电话

Email

liang.yu@njupt.edu.cn

技术成熟度

基本原理

技术分类

信息系统

核心专利号

CN202011270260.2

所属学科方向

一级学科

控制科学与工程

二级学科

系统工程

应用行业

建筑行业

项目概况：

2019年12月，联合国环境署负责的全球建筑建设联盟发布了《全球状况报告2019》。根据该报告可知，2018年建筑建设和运行相关的能耗占全球总能耗的36%，相应的碳排放量占全球与能源相关的碳排放量的39%。此外，随着人口进一步增长和新兴经济体购买力的快速提升，预计2050年建筑能源需求相比2016年将增加50%。由于传统能源（如煤炭、石油、天然气）总量有限，不断增加的建筑能源需求将导致国家能源危机、环境恶化、建筑使用者的经济负担逐渐增大。在建筑能耗中，暖通空调（Heating,   Ventilation, and Air Conditioning, HVAC）系统能耗占40%左右。尽管暖通空调系统能耗非常高，但在多人共享的办公建筑中用户热舒适满意率依然较低。例如：涉及351个办公建筑和52980个用户的大规模调查结果显示：用户热舒适满意率（即基本满意、满意和非常满意的投票数占总票数的比例）仅为38%。

重要原因是单一的室内温度无法满足具有差异化热舒适需求的群体。

实现共享区域多用户高热舒适满意率的有效方法是采用个人舒适系统（如桌面电风扇、加热椅、加热垫）。个人舒适系统可以改变用户局部微环境，有助于实现差异化热舒适。然而，由于个人舒适系统的温度调节能力有限，无法实现较大温度范围内调节。考虑到现有办公建筑已部署有大量分体式暖通空调系统，如何充分利用现有资源并设计暖通空调系统与个人舒适系统最优协调运行方法最大化用户热舒适体验和最小化系统能耗/电费非常重要。达成上述目标存在以下三方面挑战：（1）建筑热动态性模型受复杂和随机因素（如建筑结构和材料、室外温度和湿度、太阳辐射强度、来自用户和设备的热增益等）的影响，很难建立既准确又易于控制的明确热动态性模型；（2）两类系统联合控制时面临解空间过大（随个人舒适系统个数呈现指数级增长）和维度灾难问题；（3）用户占用、外部温度等具有一定随机性。当联合考虑上述挑战时，现有控制方法均难以胜任。

关键技术：

为了克服现有控制方法不足，我们设计了基于深度强化学习技术的共享办公区域个性化热舒适控制系统及方法。具体而言，设计的个性化热舒适控制系统包括暖通空调子系统、个人舒适子系统、与暖通空调子系统、个人舒适子系统连接的深度强化学习智能体模块。暖通空调子系统由分体式室内机和室外机组成，具有用于自动设置空调温度设置点的无线执行器模块，暖通空调子系统用于调节多用户共享办公区域的内部温度。个人舒适子系统由具有无线执行器模块的桌面风扇或/和加热装置组成，个人舒适子系统用于调节其关联用户周围的微环境。上述两类系统协同工作，共同为多用户提供差异化的热舒适体验。深度强化学习智能体模块包括信息采集子模块、信息存储子模块、在线学习子模块和控制策略子模块。信息采集子模块使用传感器等手段获取共享办公区域的当前室内外温度、每个用户座位占用情况、电价、时间等状态信息，将状态信息发送给控制策略子模块和信息存储子模块。信息存储子模块接收信息采集子模块发送的环境状态信息和控制策略子模块发送的执行行为信息，将信息进行存储。在线学习子模块部署在云端服务器或本地服务器，以暖通空调子系统与个人舒适子系统能量总成本最小、未来的期望折扣奖励最大化为目标，从信息存储子模块中定期抽取小批量数据并利用深度强化学习算法对其内部的深度神经网络进行训练。控制策略子模块能够基于环境信息，输出暖通空调子系统与个人舒适子系统的协同行为，将协同行为信息发送给所述暖通空调子系统和所述个人舒适子系统进行执行。控制策略子模块将执行行为信息发送给信息存储子模块、暖通空调子系统以及个人舒适子系统并定期从在线学习子模块拷贝训练后的深度神经网络模型，能够保证输出暖通空调子系统与个人舒适子系统的协同行为决策更有效。本发明提出的个性化热舒适控制技术无需知晓明确的建筑热动态性模型和任何不确定性参数的先验信息，而且采用了注意力学习机制实现高可扩展性（即个人舒适系统的增加并不会影响本发明技术的有效性）。

应用领域和市场前景：

与传统的开/关控制技术相比，所提控制技术可通过暖通空调系统与个人舒适系统之间的协同控制，在取得更高热舒适性的前提下降低电费5.99%-22.38%。因此，所提控制技术具有广阔的市场前景。

合作方式（技术转让，技术开发，技术服务，技术咨询，技术入股）：

技术转让、技术开发、技术服务、技术咨询、技术入股

图片：（1-5张，文件大小不低于1MB，图片清晰，并标注图片说明）

                  图1：设计的共享办公区域个性化热舒适控制系统组成

图2   各方案性能对比

（方案一：不考虑个人舒适系统，且采用传统的开/关方式对暖通空调系统进行控制；方案二：不考虑个人舒适系统，利用深度Q学习方法对暖通空调系统进行控制；方案三：采用传统的开/关方式对个人舒适系统与暖通空调系统进行协同控制；所提方案相比上述方案可在取得

更高个性化热舒适度的前提下降低能量成本5.99%-22.38%）。