余梦璐
（西南交通大学希望学院 四川成都 610000）
摘要：随着科技的发展和技术的进步，人们对室内居住环境的要求越来越高，因此，室内环境的健康节能化和智能化受到了广泛的关注。 本文以影响室内舒适度和环保性的参数为切入点，选择室内温度、湿度、光照度、CO2 浓度四个基本参数，在建筑智能用电W系统平台的基础上，进行室内健康数据的采集和定量分析，得出各个参数的舒适度关系以及室内舒适度最高时的数据范围，并将其与用电智能控制之间进行联系，同时，将粒子群算法应用到建筑智能用电系统中，建立数学模型进行分析，从而得到最佳的控制策略，使用电系统在最低能耗的情况下，提供一个最高舒适度的室内环境，同时符合人们的生活工作习惯，使智能用电系统达到健康节能的目的。
关键词：智能用电；健康；节能；
1引言
物联网技术的发展并应用到建筑智能用电策略中，从室内环境健康参数检测到用电设备的控制，都有成熟的思路，在建筑智能用电系统中，提高室内环境质量和打造节能绿色建筑为出发点，制定健康节能策略，保护家人的身体健康。在我们国家过去几十年中，建筑能耗占总能耗比例己经从不足10%上升到现在的接近30%；相关部口的研究结果表明，在未来的几十年，建筑业没有可行的节能措施，该比例将会继续上升至，将会响应我国的能源战略。在当前的能源消耗结构中，高能耗就象征着高污染，因此建筑的节能课题现实意义十分明确。建筑智能用电系统Ｗ健康节能为目标，系统软硬件作为目标实现的策略平台，利用多种检测采集模块和无线网络将室内环境的参数、能耗数据汇聚起来并上传监控中也的决策单元，数据模块提供关联数据，调节室内环境参数，优化室内环境并带来节能效益。
2 室内舒适度参数分析
室内舒适度是指人们对室内环境从生理与也理方面所感受到的满意程度而进行的综合评价。受各种参数和因素的影响，室内舒适度会因个体差异而呈现不同结果。据统计，大部分人超过85%的时间比例是在室内度过的，因此，室内舒适度的高低直接影响着人们的健康和生活。
（1）温度：室内舒适度参数中，人们最直观的感受就是温度得高低，当室内温度高于30℃或低于10℃左右时，人体机能将受到影响。医学专家的认为最让人感觉舒适的室温应该在20℃-25℃之间。一般来说，室温在20℃-25℃的时候，人不仅感觉舒适，也容易入睡；如果室温超过25℃，人体就开始从外界吸收热量，此时可能你会开始感觉热、不舒服了。而在夜晚，过热、过冷都会影响你的入睡速度和睡眠状况。当然，送个最佳室温也要根据外界的环境进行调整。因为如果短时间内温差变化大于10℃，人就容易生病了。夏季一般建议人们空调温度不要低于26℃，冬季暖气也别超过16℃-17℃，否则人虽然很爽，一外出就可能因为湿差过大而生病，甚至出现一些急性事件。室内温度高于28℃或低于18℃，人们的工作效率会急剧下降。
（2）湿度：在一定湿度范围内，湿度的变化对舒运度的影响是有限的；比如当人体处
于室内湿度为25℃的环境中，相对湿度从35%变化到65%时，人体能体会到的感官差别不是特别明显；在舒适度低的湿度区间，相对湿度会加重人体不舒适感，在38℃的环境中，相对湿度越高闷热体验就越强，而在10℃的低湿环境中，相对湿度越高寒冷体验越强。在20℃-25℃的环境中，相对湿度变化幅度足够大，比如从35%上升到80%时，人体就会体验到比较强的不舒适感。总体而言，温度适宜，湿度对舒适度影响有限。
（3）照度：照度对室内舒适度同样起着不可忽视的影响，室内过于明亮或者黑暗都会降低室内的舒适度。为了让人们有一个舒适的生活环境，我们国家根据不同的建ｍ等级、使用条件和功能提出了不同的照度标准。例如：民用住宅为例，洗刷间的照度为20lx-100lx，书房的照度为150lx-300lx，，厨房的照度为50lx-100lx，。目前，在建筑供配电设计中，设计人员只是简单地满足国家规定的照度要求和功率密度要求，没有充分考虑到室内舒适度，灯具的亮度不能调节，照度往往是固定不变的，没有根据最高室巧舒适度自动调节功能，严重影响室内舒遣度。
（4）浓度；由于室内CO2 含量一般不会达到很高的毒性浓度（如＞6000ppm），一般不会带给我们显而易见的坏处，所以经常被人们忽视。日常生活中，室内环境经常会处于不健康范围，特别是相对密闭且不经常通风的室内环境的CO2 浓度经常会处于2000ppm上，暗中损坏着人们的健康。
3. 建筑智能用电系统动态最优控制
3.1 照度与功率关联模型
一天中，室外光线的强弱会不断变化，尤其是早晨和傍晚时间段内，室外的亮度变化会引起室内亮度的变化，因此在照度控制策略中，我们只需要使房间内的照度维持在健康范围内，无需用户干涉，自动完成照度控制：
（1）照度采集模块采集照度数据，若照度过低达不到健康要求，则调高可调Ｌ邸光源的功率，提高室内照度，使室内照度达到健康照度要求；
（2）若照度过高不在健康范围，则调低可调LED光源的功率，较低室内照度，使照度维持在健康范围内；若功率调到最低时，室内照度还是过高，则直接关闭LED光源，例如白天阳光充足时，室内照度优良，可关闭光源，节约能耗。
3.2 CO2浓度与风速关联模型
由于CO2无色无味的特性，人们平时一般忽视了其浓度对人体健康的影响，CO2浓度是评判室内环境通风好坏和空气质量的重要参数。室内环境通风条件差时，空气中细菌的繁殖及传播就更快。
在公众场所，人员众多，如学校礼堂，大型超市，教室等，CO2浓度极易处于20(k)ppm上甚至更高，使得人们也烦意乱，精神不振，甚至传染疾病。微小气候的改善可明显改善空气质量，小风速的变化显著影响着室内CO2浓度，为动态调节CO2浓度，首先需要找到CO2浓度与微风速的关联模型。
3.3 建筑智能用电系统动态最优控制模型
室内环境为对象，数据采集作为模型的输入，检测控制可看做是模型的输出，用户舒适度的评价可Ｗ反馈到数据库中。室内环境各个控制模块最优值的获取步骤为：（1）利用室内的健康数据采集模块对室内的温度、湿度、二氧化碳浓度等参数进行采集；（2）根据室内参数定量分析过程计算求得PMV-PD等指标；（3）数据库提供不同参数的能耗数据；（4）预测控制器由用户选择的不同健康节能模式和当前室内参数确定未来室内环境的变化趋势，并确定数据库中对应的室内舒适度指标和节能指标；将其与实际指标进行比较并计算指标差；（5）基于比较结果预测控制器输出的变化趋势，更新目标值，依据动态参数寻优，得出动态最优控制系统的最优设定值（温度、风速和时间）。每一个时间周期过后，健康数据采集模块会重新采集一次室内温度、湿度和二氧化碳浓度，进行下一次计算比较和动态参数寻优，输出新的最优设定值。
4 改进型粒子群算法在健康节能策略中的应用
在健康节能策略中用不同的集合代表粒子群最优解和最优解向量；三维向量Ｕ可用集合Ａ＝｛E1，E2，E3｝表示E1，E2和E3代表吉维向量不同分量的元素，也就是学习型红外遥控器的输出值ts、时间t和风速控制单元输出值Ｖ的最优解集合。健康节能策略的最终目的是根据数学模型所确定健康节能指标的权重关系求得最优解向量集合和最优解集合。应用步骤如下：
（1）粒子群个体总数是W，最大迭代次数为N，初始最优解集合P为空集。时间t的候选解较多（从0到变化周期T的所有整数值），因此先间隔d选出部分元素组成E3，即E3＝｛ad，(a+1)d，．．．，(a+n)d｝，其中a≥1，且ａ为整数；(a+n)d大于Ｔ。从E1，E2和E3中分别随机选择一个元素，记为X1i，X2i和X3i；根据X1i的数值，通过二氧化碳和微风速关联模型和PMV软测量，由健康舒适区的范围计算风速的取值范围。从E2i中随机选取该风速取值范围内的一个元素，记为X2i。、X1i，X2i和X3i分别代表健康舒适模式下学习型纪外遥控器的输出值ts，风速控制单元输出值Ｖ和时间ｔ。令粒子ｉ的巧始位置Xi＝｛X1i，X2i，X3i｝，Xi中的元素分别随化赋予概率值，得出粒子ｉ的速度Vi。令粒子ｉ的历史最优位置Pbest=Xi，迭代次数为nd＝０。
（2）记Xi，t+1＝Xi，t+?t，Xi，t＝T-X3i，其中，?t是节能区与健康舒适区的温度设定值之差，Ｔ是一个循环周期。根据Xi，t的数值，通过温湿度关联模型和PMV软测量，由节能区的范围计算风速的取值范围。从E2中随机选取该风速取值范围巧的一个元素，记为X2i。X1i，t，X2i，t和X3i，t分别代表节能模式下学习型红外遥控器的输出值ts，风速控制单元输出值Ｖ和时间ｔ；
（3）计算舒适度指标Ｃ和能耗指标Ｚ，更新最优解集合Ｐ；
（4）根据健康节能指标的权重关系，从外部最优解集合Ｑ中选择全局最优位置Gbest；
（5）更新粒子种群，同时更新历史最优位置Ｐbest；
（6）令nd←nd+1，循环执行步骤（3）--（5），直到达到最大迭代次数N，输出位置Xi＝｛X1i，X2i，X3i｝；
（7）重新定义E3＝｛X3-d，X3-d+1，．．．，X3+d｝，按照步骤（1）--（6），重新搜索，达到最大迭代次数时，输出最优解；实时更新最优解集合Ｐ，得出更精确的最优解。
以冬季工况为例，风速Ｖ的取值范围为0-1m/s，设定周期Ｔ＝30分钟，设定处于节能区的时间t1∈｛5min，25min｝，且取值５的倍数，则在健康舒适区t2＝Ｔ-t1，?t=2，tmax=ts+2，
学习因子Ｃ1＝Ｃ2＝２。此处不计预测控制算法的趋势结论：E1＝｛21,22,23,24,25,26,27,28,29｝，E2＝｛x｜0≤x≤1｝，E3＝｛5,10,15,20,25｝，若粒子群个体数为80，ω取值范围0.8到0.3，迭代值为150，最优解集合收敛于某范围内。
以0.3≤PMV≤0.4、CO2浓度PD值小于10%的目标值作为健康舒适模式的舒适度指标；0.6≤PMV≤0.7、CO2浓度PD值小于22%的目标作为节能模式的舒适度指标，当用户设定健康舒适模式时，学习型红外遥控器的输出为27℃、时间为10分钟，排风设备的输入值为0.6m/s；半个周期结束后，学习型红外遥控器的输出为25℃、时间为20分钟，排风设备的输入值为0.3m/s，30分钟一个周期结束；经过预测控制器和动态参数寻优得到下一个周期的参数值。为了说明系统健康节能策略的节能效果，将其控制策略与传统的稳态策略进行了能耗比较。以健康舒适模式为例，稳态控制策略满足相同的舒适条件进行了三小时的多周期能耗测量，稳态控制总能耗为8.1kw.h，动态最优控制其总能耗为6.7kw.h，节能达到17.3%。
5.结束语
本文先进行了室内舒适度参数分析，并找到其相关模型；然后阐述了粒子群算法在系统健康节能策略中的应用；最后详细介绍了建立动态最优控制模型，并进行仿真结果分析，取得了良好的节能效果，从而得到最佳的控制策略，使用电系统在最低能耗的情况下，提供一个最高舒适度的室内环境，同时符合人们的生活工作习惯，使智能用电系统达到健康节能的目的。
参考文献
[1]武想想．节能建筑综合经济效益评价[D]．长安大学，2007．.
[2]刘聪聪．智能居住环境舒适度控制方法出[D]．济南：山东建筑大学，2012．
[3]李文娟．湖南高校学生公寓室内环境优化设计的研究[D]．济南：山东建筑大学，2014.