一种公共建筑温度及热舒适度监测与预测系统

1.发明涉及室内温度及热舒适度监测与预测领域，特别是一种基于混合式传感器测温的公共建筑温度及热舒适度监测与预测系统。


背景技术：

2.随着社会化进程加快，大型公共建筑的数量与日俱增，营造舒适的公共环境具有重要的社会意义；而国家对节能减排的日益呼吁，也令控制建筑能耗成为避免资源浪费，促进可持续发展的重要关注点。空调个性化调节作为一种新兴的室内环境调控方法，在能够满足人员差异化热需求的同时，可以有效提高能源利用效率。然而该方法尚面对诸多短板：其一，不同种类的公共建筑内部空间特性不同，目前没有方法可以对不同类型的空间进行适应性预测；其二，公共建筑中的人员分布和流动存在较大的波动性，现有的温度预测方法主要基于历史时序数据或空调设备运行参数，缺乏实时内扰变化对室内温度影响的考虑，也缺乏室内热舒适度变化的实时监测；其三，空调个性化调节的实施依赖于高精度的室内温度测量，按照目前的常用测温方法，精细的室内温度场分布需要布置大量的点式传感器，成本过高。
3.目前与本技术最接近的现有专利及论文如下：1）一种基于数字温度传感器的建筑空间温度监测装置（cn 213274615u），包括数字温度传感器、总线电缆、温度巡检仪、数据处理器和供暖制冷机组。通过在建筑空间布设数字温度传感器，利用总线电缆将温度传感器同温度巡检仪相连，再将温度巡检仪的输出端同数据处理器输入端相连，即可对测得的温度信号进行分析。
4.该技术方案旨在解决传统热电偶、热电阻类型温度传感器安装繁琐、数据传输距离有限、监测装置造价高等问题，做到了低成本，易安装。但该装置相较于分布式光纤测温系统，仍存在测量位点有限，空间分辨率低的缺点，难以获得精细化的温度测量结果，不利于绘制温度场，且该发明没有对建筑空间其他影响热舒适度的环境因素进行考量，难以满足人们对监测装置热舒适功能的需求。
5.2）一种结合建筑环境模拟的室内环境监测系统及方法（cn 107036652b），包括环境监测系统、建筑环境模拟系统、服务器和终端，环境监测系统用于对建筑室内、外环境进行监测，并将监测结果连同定位信息实时反馈给所述服务器，所涉及的环境包括热环境，光环境，声环境，室内空气质量，风速；建筑环境模拟系统用于以建筑环境模拟软件为工具，对室内环境参数分布进行模拟，并以环境监测系统对服务器的反馈内容为依据，在服务器中对模拟结果进行修正，并在终端中输出修正后较为精确的室内环境参数分布。
6.该技术方案旨在减小传感器数量，实现低密度传感网络下较精确的室内环境参数分布的监测，同时有效节能。然而该专利模拟环节复杂，且无法准确的对室内热源以及气体流动条件进行响应，因为现有系统里没有对外界面开启关闭的传感器探测，也无法通过现有系统获得上述数据，所以仿真模拟的时候只能采用现有的模型模拟。此外室内人员探测采用固定和移动传感器探测的方式，对于公共建筑而言无法准确衡量，存在测量误差。
7.3）数据中心分布式光纤传感监控系统（cn 103701898a），该系统包括若干测温光纤、一台分布式光纤测温主机和一个监控服务器。测温光纤布设于机柜正门和背门，实时测量温度分布信息。分布式光纤温度测量主机与监控服务器通过网络连接，光纤测得的温度数据可以通过网络上传至监控服务器，实现对温度数据的存储和分析。
8.该技术方案旨在减少应用于数据中心机房温度监测电子温度传感器的数量，降低温度监测系统安装难度，提升环境监测系统的准确性。但该发明缺乏对室内温度场进行实时预测的功能，仅将光纤布置于机柜正门和背门，只能针对服务器表面温度进行监测，无法获取室内整体空间温度分布信息，并且无法对人因内扰较大的室内区域温度进行准确响应，难以做到不同功能场景的通用和普及。
9.综上所述，目前未发现关于“基于混合式传感器的公共建筑温度及热舒适度监测与预测方法”方面的研究成果。


技术实现要素：

10.本发明的目的是为了克服现有技术中的不足，提供一种基于混合式传感器的公共建筑温度及热舒适度监测与预测系统，本发明将公共建筑内部空间模块化处理，依据各个模块的空间属性和人员特性，设定不同的传感器布置策略；基于流体动力学模拟计算，获得一系列不同热源、不同人员分布情况对不同高度下温度影响的量化矩阵；基于光纤温度传感器的测量结果，通过光纤温度传感器误差校准模型修正光纤测温主机在新空间中安装应用的系统误差，进而通过结合点式温湿度传感器的测量结果进行动态反馈校准；然后通过对监控系统提供的图像信息进行分析处理，获得人员流动分布信息，结合光纤温度传感器测得并修正的温度数据，建立空场温度及内扰信息数据库；基于传感器模块组测量室内影响热舒适度的环境参量，并依据建筑空间的功能，确定与热舒适度有关的人因参量，整合后建立热舒适参量数据库；通过将空场温度同内扰温度进行剥离和叠加，利用支持向量机回归的方法，依据不同的光纤布置策略，对温度数据进行不同类型的模型训练，实现对所需高度处温度的实时预测；最终依据该所需高度处的温度分布预测结果，结合与热舒适度相关的参量数据，对该高度处的热舒适度进行预测。上述温度预测结果可应用于温度优化潜力高精度分析和不同温度分区的过冷过热探测等领域，热舒适度预测结果可应用于各种公共建筑的空调运维，有助于营造更加节能舒适的公共环境。
11.本发明的目的是通过以下技术方案实现的：一种公共建筑温度及热舒适度监测与预测系统，包括传感器布置策略制定模块、人因内扰修正矩阵数据库模块、温度测量空间适应性校准模块、空场温度及内扰信息数据库模块、热舒适参量数据库模块、室内温度预测模块和热舒适度预测模块；所述传感器布置策略制定模块，用于依据待测建筑的空间特性，制定对应的传感器布置策略，完成分布式光纤温度传感器、点式温湿度传感器、黑球温度传感器和风速传感器在待测建筑中的安装；所述人因内扰修正矩阵数据库模块，用于获取一系列不同热源、不同人员分布情况对天花板高度处和所需高度处温度影响的量化矩阵，作为室内温度预测模块的输入；所述温度测量空间适应性校准模块，用于修正光纤温度传感器工作环境变化引起测温结果变化的系统误差，对光纤测点温度的异常值进行动态校准，作为空场温度及内扰
信息数据库模块的输入；所述空场温度及内扰信息数据库模块，用于整合光纤测点处修正后的空气温度以及区域内人员流动和分布的信息，作为室内温度预测模块的输入；所述热舒适参量数据库模块，用于测量并整合与热舒适度有关的热舒适环境参量和热舒适人因参量，作为热舒适度预测模块的输入；所述室内温度预测模块，基于人因内扰修正矩阵数据库模块、空场温度及内扰信息数据库模块的输入数据，依据待测建筑的空间特性设置对应的机器学习训练模型，实现对不同类型空间所需高度处温度场分布的预测；所述热舒适度预测模块，用于依据所需高度处温度场分布的预测结果，结合上述与热舒适相关的环境参量和人因参量数据，建立温度，推演所需高度处平面的热舒适度分布情况。
12.进一步的，所述传感器布置策略制定模块中，将待测建筑内部空间进行模块化处理，考量待测建筑内部各个空间模块的尺寸大小及可容纳人员数量，制定两种不同的传感器布置策略：针对人员多，尺寸大的空间模块，将光纤布置于天花板及四周侧墙指定高度处，针对人员少，尺寸小的空间模块，将光纤沿指定铺设间距，由天花板中心向天花板与四周侧墙的交角按方形环绕布置；各个空间模块由同一套光纤测温系统，同一根光纤进行串联，在两种布置策略中，保持光纤的铺设间距均与光纤温度传感器空间分辨率一致，上述光纤用于测量并收集空间温度信息；根据收集到的空间温度信息建立建筑空间信息模型，同时，依据待测建筑的空间特性，沿光纤每经过固定数量的光纤测量位点，设置一个传感器模块组，每个传感器模块组包含点式温湿度传感器、黑球温度传感器和风速传感器，其中点式温湿度传感器用于测量环境中的相对湿度和空气温度，于后续对光纤温度传感器测量结果的动态校准；黑球温度传感器用于测量环境中的辐射温度；风速传感器用于测量环境中的空气流速。
13.进一步的，所述人因内扰修正矩阵数据库模块中，基于待测建筑平面布置、空间尺寸的空间属性，基于利用建模软件建立建筑空间信息模型；基于和流体动力学计算平台，对室内热环境进行模拟，获得一系列不同热源、不同人员分布情况对不同高度下温度影响的量化结果，建立一系列对应不同位置和不同高度处的温度影响量化矩阵，整合后获得人因内扰修正矩阵数据库，用于后续室内温度预测模块的使用。进一步的，所述温度测量空间适应性校准模块中，基于光纤温度传感器误差校准模型，对光纤测得的温度进行建筑空间适应性校准；对于所有校准后的光纤测点处温度，计算与其沿光纤布置方向上距离最为接近的点式温湿度传感器的温度差异，以及与对应点式温湿度传感器所测量的前5次历史温度数据的变异率，若差异值超过2℃将对应的光纤测点作为温度异常点处理，针对温度异常点，通过调用光纤温度传感器误差校准模型进行重新校准，自动重新校准后继续完成测试，上述动态校准贯穿于各传感器对室内空气温度测量的全过程。
14.进一步的，其中光纤温度传感器误差校准模型为采用分辨率为0.01℃的温度传感器与光纤温度传感器同步监测公共建筑室内温度变化全区间，并基于svr算法建立的室内空气温度测量误差的现场校准模型，用于降低光纤温度传感器的室内空气温度测量误差。
15.进一步的，所述空场温度及内扰信息数据库模块中，基于光纤温度传感器采集室内空气温度，及温度测量空间适应性校准模块得到一系列光纤测点处的温度信息；使用建
筑空间中的监控系统定时采集室内图像信息，通过混合高斯建模方法检测人员目标，利用bp神经网络识别人体，再通过meanshift算法实现运动人员跟踪，从而得到人员流动和分布的信息；整合后建立温度及内扰信息数据库，作为后续室内温度预测模块的输入。
16.进一步的，所述热舒适参量数据库模块中，所述热舒适环境参量包括空气温度、空气相对湿度、平均辐射温度、空气流速；热舒适人因参量包括：室内人员衣服热阻、室内人员新陈代谢量；一方面依据待测建筑室内空间功能对应的行为模式和运行温度，确定对应的室内人员新陈代谢量和室内人员衣服热阻；另一方面，通过传感器模块组测量环境中的空气相对湿度、平均辐射温度和空气流速三项参量，整合后建立热舒适参量数据库，作为后续热舒适度预测模块的输入。
17.进一步的，所述室内温度预测模块中，基于空场温度及内扰信息数据库模块所提供的空场温度和实时人员信息，同人因内扰修正矩阵数据库模块所提供的矩阵进行匹配，选择与当前环境下最为接近的天花板高度处温度影响量化矩阵和所需高度处温度影响量化矩阵；通过使用天花板高度处温度影响量化矩阵，剥离人因内扰对温度测量的影响，得到无人因内扰的天花板高度处温度；利用机器学习算法，依据传感器的布置策略，设置对应的训练模型，实现对所需高度处无人因内扰温度的初步预测；将上述初步预测结果同对应的所需高度处温度影响量化矩阵进行叠加，获得所需高度处温度平面场的准确预测结果。
18.进一步的，所述热舒适度预测模块中，基于所需高度处温度平面场的准确预测结果，结合热舒适参量数据库模块提供的对应环境下影响热舒适度的环境参量数据，建立该高度平面上热舒适参量和温度之间的映射关系，通过输入热舒适环境参量预测结果和影响热舒适度的人因参量数据，根据热舒适度计算公式计算出对应高度处的热舒适度分布情况；热舒适度计算公式如下所示：式中，m为新陈代谢率，w为人体做功率，pa为环境空气中水蒸气分压力，ta为空气温度，f
cl
为穿衣人体与裸体表面积之比，ts为平均辐射温度，t
cl
为穿衣人体外表面平均温度，hc对流热交换系数。
19.与现有技术相比，本发明的技术方案所带来的有益效果是：1.减少所需传感器数量的经济意义：公共建筑的大小规模达到一定程度后，如果想获取温度和热舒适度的平面分布，则需要布置大量多种传感器，这将不可避免地导致因测点数量和种类过多而带来的仪器成本高、校验和维护难度高、投资回收周期长等经济问题。本发明所采用的混合式传感器，只需要一根光纤和少量传感器，即可对温度进行多位点的精确测量，并依据少量热舒适环境参量数据，推演出所需高度处的热舒适度分布情况，可以有效解决传感器成本问题。
20.2.提升监测设备性能的应用意义：本发明所采用混合式传感器，可以基于一套传感器系统，针对空间特性不同的大型或小型室内空间，制定不同的传感器布置策略，建立不同的温度预测模型，在降低系统操作繁杂程度的同时，提高温度预测的准确性。同时，本发明可以有效推演和预测所需高度处的热舒适度分布情况，可以为空调分区域智能运行调控
提供更加直接的数据源。另一方面，本发明所采用的光纤温度传感器可以在天花板和侧墙结合内部装修协同布置，同既有建筑内装集成起来，在不干涉公共建筑的正常功能，不占用使用空间的前提下，实现室内温度场监测、预测和温度地图绘制的功能。还可以与天花板和侧墙线路集成，降低传感器对公共空间美观程度的影响。
21.3.为降低建筑运行能耗提供数据基础的社会意义：大型公共建筑是城市化进程中出现的主要建筑类型之一，控制公共建筑的能耗是避免能源浪费的重要途径。目前常用的室内温度监测方法往往基于当前室内温度对空调进行调控，具有相对显著的时滞性。本发明修正了设备固有的空间适应性和人因内扰带来的结果误差，并以温度和热舒适度的预测结果作为后续空调调控的信息输入，为降低建筑运行能耗提供有力的数据支持。
附图说明
22.图1是本发明系统的工作流程示意图。
23.图2a和图2b分别是小型空间布置策略下天花板高度处、0.8m高度处的部分温度影响量化矩阵示意图。
24.图3a和图3b分别是大型空间布置策略下天花板高度处、0.8m高度处的部分温度影响量化矩阵示意图。
25.图4a和图4b分别是小型空间布置策略下0.8m高度处、天花板高度处的温度云图示例。
26.图5a和图5b分别是大型空间布置策略下0.8m高度处、天花板高度处的温度云图示例。
具体实施方式
27.以下结合附图和具体实施例对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
28.本发明实施例提供一种基于混合式传感器的公共建筑温度及热舒适度监测与预测系统，可弥补现有公共建筑室内温度与热舒适监测技术的短板，实现对所需高度处温度的高分辨率实时精准预测，并对该高度处的热舒适度分布进行推演。该方法可以有效减少传感器的使用数量，提高设备布局的美观性，同时有效解决人员流动等环境内扰对预测结果的影响，增强室内热舒适度监测的功能，提升室内温度预测的准确性。
29.该公共建筑温度及热舒适度监测与预测系统包括传感器布置策略制定模块、人因内扰修正矩阵数据库模块、温度测量空间适应性校准模块、空场温度及内扰信息数据库模块、热舒适参量数据库模块、室内温度预测模块和热舒适度预测模块七部分。
30.所述传感器布置策略制定模块，用于依据所测空间的空间特性，制定对应的传感器布置策略，完成分布式光纤温度传感器、点式温湿度传感器、黑球温度传感器和风速传感器在新建筑中的安装。具体的，将待测的公共建筑内部空间进行模块化处理，考量其各个空间模块的尺寸大小及通常可容纳人员数量，制定两种不同的传感器布置策略：针对大于50m2尺寸较大的空间模块，将光纤布置于天花板及四周侧墙指定高度处，针对小于50m2的空间模块，将光纤沿指定铺设间距，由天花板中心向天花板与四周侧墙的交角按方形环绕布置。各个空间模块由同一套光纤测温系统，同一根光纤进行串联，在两种布置策略中，保持
光纤的铺设间距均与光纤温度传感器空间分辨率一致，该光纤用于测量并收集大量空间温度信息；同时，依据该待测建筑的空间特性，建立建筑空间信息模型用于确定光纤传感器的空间位置坐标。沿光纤每经过一定数量的光纤测量位点，设置一个传感器模块组，每个传感器模块组包含点式温湿度传感器、黑球温度传感器和风速传感器，其中点式温湿度传感器用于测量环境中的相对湿度和空气温度，于后续对光纤温度传感器测量结果的动态校准；黑球温度传感器用于测量环境中的辐射温度；风速传感器用于测量环境中的空气流速。传感器模块组之间间隔的光纤测量位点数量由建筑空间尺度与功能部分决定。
31.所述人因内扰修正矩阵数据库模块，用于获取一系列不同热源、不同人员分布情况对天花板高度处和所需高度处温度影响的量化矩阵，作为室内温度预测模块的输入。具体的，基于待测建筑的空间平面布置、空间尺寸等空间属性，基于上述建筑空间信息模型及流体动力学计算平台，对室内热环境进行大量模拟，获得一系列不同热源、不同人员分布情况对不同高度下温度影响的量化结果，从而建立一系列对应不同位置和不同高度处的温度影响量化矩阵，整合后获得人因内扰修正矩阵数据库，该数据库用于后续室内温度预测模块的使用。
32.所述温度测量空间适应性校准模块，用于修正光纤温度传感器工作环境变化引起测温结果变化的系统误差，用于对光纤测点温度的异常值进行动态校准，作为空场温度及内扰信息数据库模块的输入。具体的，基于光纤温度传感器误差校准模型，对光纤测得的温度进行建筑空间适应性校准。对于所有校准后的光纤测点处温度，计算与其沿光纤布置方向上距离最为接近的点式温湿度传感器的温度差异，以及与该点式温湿度传感器所测量的前5次历史温度数据的变异率，若差异值超过2℃将其作为温度异常点处理，针对温度异常点，通过调用本实施例所提出的光纤温度传感器误差校准模型进行重新校准，自动重新校准后继续完成测试，该动态校准贯穿于混合式传感器对室内空气温度测量的全过程。本实施例中，光纤温度传感器误差校准模型为本发明采用高精度温度传感器（分辨率为0.01℃）与光纤温度传感器同步监测公共建筑室内温度变化全区间，以分布式光纤温度传感器示值温度作为输入变量，以点式温湿度传感器温度示值作为输出变量，基于svr算法建立室内空气温度测量误差的现场校准模型，用于降低光纤温度传感器的室内空气温度测量误差。
33.所述空场温度及内扰信息数据库模块，用于整合光纤测点处修正后的空气温度以及区域内人因内扰信息（即人员流动和分布的相关信息），作为室内温度预测模块的输入。具体的，该模块一方面通过光纤温度传感器采集室内空气温度，经过上述空间适应性校准后，得到一系列光纤测点处的温度信息。另一方面，使用办公空间中的监控系统定时采集室内图像信息，通过混合高斯建模方法检测人员目标，利用bp神经网络识别人体，再通过meanshift算法实现运动人员跟踪，从而得到人员分布和流动的信息。整合后建立温度及内扰信息数据库，作为后续室内温度预测模块的输入。
34.所述热舒适参量数据库模块，用于测量并整合与热舒适度有关的环境参量和人因参量，作为热舒适度预测模块的输入。具体的，该模块一方面依据公共建筑室内空间功能对应的行为模式和运行温度，确定对应的人体新陈代谢量和衣服热阻。另一方面，通过传感器模块组测量环境中的相对湿度、平均辐射温度和空气流速三项参量，整合后建立热舒适参量数据库，作为后续热舒适度预测模块的输入。其中衣服热阻与季节和不同公共建筑功能对应的运行温度有关，热舒适参量数据库中根据不同公共建筑功能类型和季节输入条件，
可输出该条件下典型人员衣服热阻。其中人体新陈代谢量与不同公共建筑功能对应的人员行为模式有关，热舒适参量数据库中根据不同公共建筑的功能房间输入条件，可输出该条件下典型人员的人体新陈代谢量。
35.所述室内温度预测模块，用于空场温度和内扰温度影响的剥离和叠加，用于依据所测空间的空间特性设置对应的机器学习训练模型，实现对不同类型空间所需高度处温度场分布的预测。具体的，基于上述空场温度及内扰信息数据库模块所提供的空场温度和实时人员信息，同人因内扰修正矩阵数据库所提供的矩阵进行匹配，选择与当前环境下最为接近的天花板高度处温度影响量化矩阵和所需高度处温度影响量化矩阵。通过使用天花板高度处温度影响量化矩阵，剥离人因内扰对温度测量的影响，得到无人因内扰的天花板高度处温度。利用机器学习算法，依据传感器的布置策略，设置对应的训练模型，实现对所需高度处无人因内扰温度的初步预测；通过使用所需高度处温度影响量化矩阵，将上述初步预测结果同该矩阵进行叠加，即可获得所需高度处温度平面场的准确预测结果。
36.具体的，依据传感器的布置策略，设置对应的训练模型中：针对大于50m2的大空间：将分布式光纤温度传感器布置于天花板及四周侧墙指定高度处，采用svr算法建立对应位置的分布式光纤温度传感器修正后的示值温度与所需高度处设置的温度传感器示值温度之间的映射模型对所需高度处的无人因内扰温度进行预测。
37.针对小于50m2的小空间：将分布式光纤温度传感器沿指定铺设间距，由天花板中心向天花板与四周侧墙的交角按方形环绕布置，采用ann算法建立对应位置的分布式光纤温度传感器修正后的示值温度与所需高度处设置的温度传感器示值温度之间的映射模型，对所需高度处的无人因内扰温度进行预测。
38.在两种布置策略中，保持光纤的铺设间距均与光纤温度传感器空间分辨率一致。
39.所述热舒适度预测模块，用于依据所需高度处温度场分布的预测结果，结合上述与热舒适相关的参量数据，建立热舒适度预测模型，推演所需高度处平面的热舒适度分布情况。
40.具体的，基于上述所需高度处温度平面场的准确预测结果，结合热舒适参量数据库模块提供的对应环境下影响热舒适度的环境参量数据，建立该高度平面上热舒适参量和温度之间的映射关系，进而将所需高度处空气相对湿度场、平均辐射温度、空气流速预测结果和影响热舒适度的人因参量数据代入，根据热舒适度计算公式，计算出该高度处的热舒适度分布情况。热舒适度计算公式如下所示：pmv数值范围为pmv∈[-3,3]，式中，m为新陈代谢率，w为人体做功率，pa为环境空气中水蒸气分压力，ta为空气温度，fcl为穿衣人体与裸体表面积之比，ts为平均辐射温度，t
cl
为穿衣人体外表面平均温度，hc对流热交换系数。
[0041]
具体的，热舒适环境参量通过所需高度处温度平面场预测结果与点式温湿度传感器、黑球温度传感器以及风速传感器测量的单点温度值分别作为输入参量，通过人因内扰
修正矩阵数据库中的cfd模拟结果输出对应空气相对湿度、平均辐射温度、空气流速参量，基于ann人工神经网络算法建立的上述输入和输出之间的映射模型，分别输出所需高度处空气相对湿度场、平均辐射温度场、空气流速场。
[0042]
经验证实验可知，热舒适度预测模块的热舒适度预测结果与代入现场实测值计算结果相比，平均误差百分比小于5%。
[0043]
具体的，本实施例选择某典型图书馆对上述技术方案进行具体阐述。见图1，上述基于混合式传感器的公共建筑温度及热舒适度监测与预测系统的工作流程步骤如下：本次测试以15分钟为人员数据采集及温度调控单次间隔，考虑到图书馆中的人员往往处于坐姿状态，故给出0.8m高度处15分钟后温度场及热舒适度的预测流程。
[0044]
首先，完成混合式温度传感器在图书馆内部空间中的铺设，混合式温度传感器包括分布式光纤温度传感器及传感器模块组。对图书借阅区、学生自修室等空间尺寸大，人员分布密集的区域采取将光纤布置于天花板及四周侧墙指定高度处的布置策略；对藏书区、行政办公区等空间尺寸紧凑，人员分布稀疏的区域，则由天花板中心向天花板与四周侧墙的交角按方形环绕布置光纤。光纤的布置间隔与光纤温度传感器空间分辨率一致，每个光纤测温位点之间的距离为1m，每间隔15个测量位点，在下一个测量位点附近放置一个传感器模块组，每个传感器模块组包括一个点式温湿度传感器、一个黑球温度传感器和一个风速传感器。调试完成后采集光纤在天花板和侧墙处的空间温度数据以及各个传感器所测得的参量数据。
[0045]
第二步，调用基于cfd仿真模型建立平台建立的图书馆类型建筑数据库，并与该建筑空间信息模型相匹配，获得与该建筑相匹配的不同热源、不同人员分布情况下的温度影响量化矩阵，并建立该建筑专属的人因内扰修正矩阵数据库。见图2a至图3b。
[0046]
第三步，基于混合式传感器的测量结果，首先通过光纤温度传感器误差校准模型对光纤温度传感器的系统误差进行修正，并通过点式温湿度传感器对校准后的光纤测量温度点结果进行动态校准，消除温度异常点，得到准确的光纤测点处空气温度。接下来通过监控系统采集图像信息，基于matlab平台提取人体头肩特征以确定人员目标，基于opencv平台对流动中的人员实现跟踪，从而获得室内人员的流动和分布信息。
[0047]
第四步，基于混合式传感器的测量结果，获取环境中的空气相对湿度、平均辐射温度和空气流速三种影响热舒适度的环境参量，进而根据不同季节和图书馆不同功能房间的室内空气调节系统设计温度的中位数（如普通阅览室冬季设计温度为18-20℃，中位数为19℃），确定对应环境中的衣服热阻，根据图书馆不同功能房间对应的典型人员行为模式（如普通阅览室典型人员行为模式为在座位上阅读，对应新陈代谢量为55w/m2），确定对应环境中的人体新陈代谢量。
[0048]
第五步，基于第三步中获取的人员分布和流动信息，同第二步中所建立的人因内扰修正矩阵数据库进行匹配，获得对应的天花板高度处和0.8m高度处的温度影响量化矩阵。将第三步所获得的光纤测点处空气温度数据，同天花板高度处温度影响量化矩阵进行相减，得到无人因内扰情况下的天花板高度处温度。然后利用支持向量机回归算法（svr），根据光纤的分布模式选择对应训练模型，建立对应位置的分布式光纤温度传感器修正后的示值温度与所需高度处设置的温度传感器示值温度之间的映射模型，对所需高度处的无人因内扰温度进行预测，经过计算获得15分钟后的0.8m高度处无人因内扰温度预测值，再将
其与0.8m高度处的温度影响量化矩阵进行相加，即可准确预测15分钟后的0.8m高度处温度。预测结果显示，该区域温度的平均绝对误差为0.13℃，准确性良好。所有温度点可以通过可视化处理呈现实时温度场分布。图4a和图5a分别为小型空间和大型空间布置策略下0.8m高度处的温度云图示例，图4b和图5b分别为小型空间和大型空间布置策略下天花板高度处的温度云图示例。
[0049]
第六步，基于第四步中获取的影响热舒适度的各项环境参量和第五步中获得的所需高度处温度场分布，依据热舒适度预测模型，建立两者之间的映射关系，从而根据该温度场推演出15分钟后的该高度处热舒适度分布情况。该区域热舒适度在0.97~1.43之间浮动，平均值为1.28。所有热舒适度数值可以输出至空调智能运行控制系统，为实现空调分区域智能运行调控提供数据支撑。
[0050]
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案，上述的具体实施方式仅仅是示意性的，并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下，本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换，这些均属于本发明的保护范围之内。