基于热适应性的严寒地区冬季室内热舒适温度的预测方法与流程

本发明属于节能环保领域，具体涉及一种严寒地区冬季室内热舒适温度的预测方法。

背景技术：

严寒地区冬季漫长，供暖期长达半年以上。严寒地区冬季室外气温低且变化幅度大，供暖期间室外平均气温一般为-20～5℃，而目前室内供暖设计温度都采用18℃。目前严寒地区各类建筑室温在整个供暖季都维持在一个值，且部分建筑室温偏高，这样会导致供暖能耗增加，且不利于人体热舒适与健康。

严寒地区冬季的热中性温度与平均室温接近，证明了人们过去的热经历对热中性温度有显著影响。在漫长的冬季，随着室外空气温度的变化，室内空气温度也应该随之进行调节，以满足人体热舒适、健康和节能的要求。

目前室内热环境与热舒适的评价方法主要基于丹麦fanger教授提出的热舒适模型，以及他所提出的预测平均投票值pmv和预测不满意百分数ppd指标，该指标适用于空调环境热舒适评价。目前的严寒地区冬季供暖环境评价采用适应性热舒适模型，但适应性热舒适模型是对整个供暖期间室内热环境进行评价的，并没有按照严寒地区室外气温划分供暖阶段，来分别进行适应性热舒适评价，因此评价存在一定的不合理性，不能准确预测出严寒地区冬季室内的舒适温度。

而且目前的适应性热舒适模型一般采用bin方法，即对每个温度区间的热感觉投票取平均值。由于室内热环境参数分布和人体热感觉分布一般为正态分布，即在测试的温度区间，低温和较高温度出现的频率较少；在每个温度区间内，人体热感觉投票数不相等，较高温度和较低温度对应的投票数较少，而中间温度对应的投票数较大。因此，利用每个温度区间的热感觉投票取平均值的方法，会导致对严寒地区冬季室内舒适温度预测的不准确、以及供暖能耗较大的问题。

技术实现要素：

本发明的目的是为解决现有方法存在的只对整个供暖期间进行适应性热舒适评价、以及评价时利用每个温度区间的热感觉投票取平均值导致的严寒地区冬季室内舒适温度预测的不准确、供暖能耗大的问题。

本发明为解决上述技术问题采取的技术方案是：

基于热适应性的严寒地区冬季室内热舒适温度的预测方法，该方法包括以下步骤：

步骤一、采集严寒地区供暖季中每日的室外日平均气温；

步骤二、根据供暖季中每日的室外日平均气温变化将供暖季划分为供暖初期、供暖中期和供暖末期3个阶段；

步骤三、供暖过程中对室内空气温度和室内空气相对湿度进行连续监测，对室内空气流速和室内黑球温度进行间歇测试；

步骤四、根据热舒适标准中的热反应投票标度，对受试者的热感觉进行调查；

步骤五、分别建立供暖初期、供暖中期和供暖末期的平均热感觉投票值与室内空气温度的加权线性回归模型，得到供暖初期、供暖中期和供暖末期的热中性温度，并利用热中性温度求出热舒适温度区间。

本发明的有益效果是：本发明提供了基于热适应性的严寒地区冬季室内热舒适温度的预测方法，本发明将整个供暖季划分为供暖初期、供暖中期和供暖末期来分别进行适应性热舒适评价。与现有方法相比，本发明得出的热中性温度和热舒适温度范围更为合理，可以为严寒地区的供暖设计与运行调节提供重要参考，更加满足人体热舒适、健康和节能的要求；而且本发明的适应性热舒适模型采用权重分析法，与现有的对每个温度区间的热感觉投票取平均值的方法相比，本发明对于温度分布频率较大、热感觉投票较多的给予较大的权重，得到的严寒地区不同供暖阶段冬季室内舒适温度预测值考虑了人体热适应性、可将供暖能耗降低10％。

附图说明

图1为本发明的基于热适应性的严寒地区冬季室内热舒适温度的预测方法的流程图；

图2为本发明的供暖期室外温度变化及供暖阶段划分的示意图；

图3为本发明的供暖初期、供暖中期和供暖末期的适应性热舒适模型的示意图。

具体实施方式

具体实施方式一：如图1所示，本实施方式所述的基于热适应性的严寒地区冬季室内热舒适温度的预测方法，该方法具体包括以下步骤：

步骤一、采集严寒地区供暖季中每日的室外日平均气温；

步骤二、根据供暖季中每日的室外日平均气温变化将供暖季划分为供暖初期、供暖中期和供暖末期3个阶段；

步骤三、供暖过程中对室内空气温度和室内空气相对湿度进行连续监测，对室内空气流速和室内黑球温度进行间歇测试；

步骤四、根据热舒适标准中的热反应投票标度，对受试者的热感觉进行主观调查；

所述热反应投票标度具体为：-3代表冷，-2代表凉，-1代表稍凉，0代表中性，1代表稍暖，2代表暖，3代表热。

步骤五、分别建立供暖初期、供暖中期和供暖末期的平均热感觉投票值与室内空气温度的加权线性回归模型，得到供暖初期、供暖中期和供暖末期的热中性温度，并利用热中性温度求出热舒适温度区间。

具体实施方式二：本实施方式与具体实施方式一不同的是：步骤二的具体过程为：

根据供暖季每日的室外日平均气温变化将供暖季划分为供暖初期、供暖中期和供暖末期3个阶段；

采用滑动5天平均的室外日平均气温作为划分指标；

若某天的连续2个滑动5天平均值均低于5℃，则开始进入供暖初期；

进入供暖初期后，若某天的连续2个滑动5天平均值均低于-10℃，则开始进入供暖中期；

进入供暖中期后，若某天的连续2个滑动5天平均值均不低于-10℃，则判断进入供暖末期，直至某天的连续2个滑动5天平均值均不低于5℃，供暖末期结束。

具体实施方式三：本实施方式与具体实施方式二不同的是：步骤三中对室内空气流速和室内黑球温度进行间歇测试，其具体方式为：每2～3周测试一次室内空气流速和室内黑球温度，每次室内空气流速的测试时间为3至5分钟，每次室内黑球温度的测试时间为10至20分钟。

现场测试的环境参数包括室内空气温度、相对湿度、空气流速、黑球温度。其中，室内温湿度采用连续监测。将连续监测的数据采集模块放置在受试者经常逗留的房间，连续记录房间的温湿度。空气流速和黑球温度采用间歇测试。每2～3周将数据采集模块布置在房间中心靠近受试者处，在离地1.1m高度处测试黑球温度和空气流速。

具体实施方式四：本实施方式与具体实施方式三不同的是：步骤五的具体过程为：

室内热环境参数分布一般为正态分布，即在测试的温度区间，低温和较高温度出现的频率较少。人体热感觉分布一般也为正态分布，即在每个温度区间，人体热感觉投票数不相等，较高温度和较低温度对应的投票数较少，而中间温度对应的投票数较多。如果采用常规的线性回归模型，结果会产生一定偏差。因此，本实施方式基于每一个温度区间中的人体热感觉投票的样本数分布频率，作为加权回归模型分析的权重。

针对严寒地区不同供暖阶段，根据每个供暖阶段温度分布区间的样本数，对建筑环境中热感觉投票与室内空气温度进行加权线性回归，可得到不同供暖阶段的热中性温度。

加权线性回归模型为：

yi＝a+bxi+ei/wi

其中：xi为室内空气温度，yi为各室内空气温度对应的平均热感觉投票值，ei为残差，a和b为线性回归系数，wi为各空气温度对应的投票样本量；

其中：为室内空气温度；

则残差ei表示为，

根据最小二乘法原理，为了求得a、b的估值，则选取a、b，使得残差平方和q最小，残差平方和q表示为：

其中：n为温度区间个数；

根据极值原理，要使q值最小，对线性回归系数a和b求偏导数，并令其等于0：

则加权线性回归系数和回归方程的决定系数表示如下：

其中：r²为回归方程的决定系数；

根据建立的热感觉调查结果与室内空气温度的加权线性回归模型，分别得到供暖初期、供暖中期和供暖末期的热中性温度。根据加权线性回归模型，令平均热感觉为-0.5至0.5，求出对应的温度区间，这个温度区间即为热舒适温度区间。

进一步地，此热舒适温度可用作指导供暖设计及运行调节。

实施例

以下结合哈尔滨供暖季2013-2014热舒适温度预测进一步阐明。本算例以住宅为例，给出供暖初期、供暖中期、供暖末期的适应性热舒适模型。

步骤一：根据室外气温确定供暖阶段，以哈尔滨2013-2014年供暖季为例，将供暖季划分为供暖初期、供暖中期、供暖末期，结果见图2。

由图2可见，从2013年11月22日开始，哈尔滨5天滑动平均室外气温降至-10℃，到2014年3月2日室外气温回升至-10℃以上；

将这2个时间节点定义为供暖中期的起止时间，供暖中期室外气温最低，平均室外气温为-16℃。供暖初期与供暖末期的平均室外气温分别为1.4℃和2.2℃。

步骤二：本算例选取哈尔滨市区10户住宅为调查样本，共20位受试者。通过数据采集模块，将这10户的环境信息参数转化为数字信号。

同时，通过问卷收集模块，将20位受试者的主观热感觉转化为数字信息。

步骤三：将上述信息输入到评价模块中。统计数据，得到环境参数和主观热感觉，如表1所示。

表1热环境参数和主观热感觉统计数据

可计算得到供暖期间三个阶段的适应性热舒适模型，如图3所示。

因此，哈尔滨住宅供暖期间三个阶段的适应性热舒适模型和热中性温度如表2所示。

表2供暖季三个阶段的适应性热舒适模型和热中性温度

式中：x——室内空气温度；

y——人体热感觉预测值；

本发明的上述算例仅为详细地说明本发明的计算模型和计算流程，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。