多擾動下的室內環境監測及監控平臺開發★

楊璐琳,陳義波,姜 昕,劉夢月,楚耕讀,焦婉瑩

(1.鄭州大學土木工程學院，河南 鄭州 450001; 2.鄭州大學軟件工程學院，河南 鄭州 450001; 3.鄭州大學信息工程學院，河南 鄭州 450001)

1 概述

建筑室內環境的舒適性和節能必須建立在有效控制的基礎上。室內空氣通過對流、輻射等形式不斷與外界換熱，處于復雜的非穩態變化中。傳統的監測集成度低、缺乏合理的聯動控制[1-2]。目前，傳感器向多參數集成化、智能化發展，各種設備借助總線技術統一管理，但傳統監控系統一般以溫度等單一條件為控制指標，對環境調控的及時性和反饋性不足，并且不同情景的適用性在目前應用中也未能充分體現，極大地制約了智能化控制的實現[3-4]。

隨著人們對建筑室內環境要求的提高，亟需采用新技術達到精細化的監控和反饋功能。針對此，本文通過過渡季不同通風工況下的測試分析和問卷調查，明確對室內熱環境采取實時監測和預測控制方式的必要性，并給出基于物聯網的監控平臺架構，可為未來新的監控技術的開發和利用提供重要參考。

2 室內環境監測實驗

實驗針對過渡季節不同通風措施和人員擾動下的室內環境進行。

2.1 測試方案

1)測點布置。測試房間尺寸及測點布置如圖1所示。對于溫濕度和風速，根據《公共建筑節能檢測標準》[5]，當公共建筑房間使用面積不小于60 m2且小于100 m2時，設5個測點，距地面0.7 m～1.8 m范圍內取1.4 m，與人靜坐時頭部位置相近；CO2濃度測點布置在房間中央的測點3處；靠近建筑的室外空氣溫濕度及風速測點6、測點7布置在窗戶開啟部分的中心位置。

2)測試工況。考慮了室外氣象邊界條件的相似性，測試時間段為2020年10月31日～11月4日、2020年11月7日～11月16日。參數采集時間間隔為30 min，同時收集當地室外氣象參數[6]。對于開窗數造成的影響：10月31日全天開2扇窗，開啟率為1/3，11月1日開窗時間為8:00～17:00；11月2日增加開窗數為6扇；11月3日不開窗。對于內擾造成的影響：控制實驗室在8:00～17:00期間開2扇窗，然后在11月7日三個時段內分別安排10名受試者，在11月8日13:30～14:30時間段內安排30人。

3)測試儀器。測試所用主要設備參數見表1。

表1 測試設備

2.2 舒適性相關參數計算

目前評價環境熱舒適性廣泛采用預測平均熱感覺投票(PMV)和預計不滿意百分率(PPD)。對于過渡季以自然通風作為室內空氣調節手段時，根據《民用建筑室內熱濕環境評價標準》[7]，對非人工冷熱源熱濕環境評價采用計算法評價時，以預計適應性平均熱感覺指標(APMV)作為評價依據。

1)PMV。

(1)

2)PPD。

PPD=100-95×exp(-0.033 53·
PMV4-0.217 9·PMV2)

(2)

3)APMV。

(3)

其中，λ為自適應系數。鄭州屬于寒冷地區，實驗室屬于教育建筑，因此λ取-0.29。

根據上述環境評價標準，可將熱濕環境的舒適性分為三級，如表2所示。

表2 熱濕環境評價等級

3 監測結果分析

3.1 開窗數量對室內熱環境的影響

1)溫度和濕度。由圖2可知：首先，室內溫濕度變化趨勢與室外基本一致、波動幅度更小，呈現一定的滯后性。其次，隨著開窗數增加，換氣量增大，室內溫濕度變化幅度增大，受室外氣候影響增強。與開2扇相比，開6扇時室內外含濕量差和溫差更小，溫度在14:00左右達到峰值。

2)舒適性指標。由圖3可知：不開窗與開2扇的APMV絕對值均在0.5以內，為Ⅰ級舒適，而開6扇時大段時間為Ⅱ級舒適；不開窗的PPD值均小于10%，整體評價為Ⅰ級，開6扇時PPD值基本超過10%；14:00左右由于室外溫度較高、相對濕度較低，室內環境APMV值升到最高。

3)污染物濃度。由圖4可知，當開窗數增加時換氣次數增加，外界PM2.5進入室內的幾率增大，室內TVOC更容易被室外空氣稀釋，因此開6扇比開2扇的室內PM2.5濃度高、TVOC濃度低。

綜上，開窗數對室內熱環境參數、熱舒適性和空氣潔凈度具有顯著影響，對調控措施的及時性提出一定要求。

3.2 人員數量對室內熱環境的影響

3.2.1 溫度和濕度

由圖5可知，當13:30有30名受試者時，室內外溫度和含濕量差迅速升高；而當室內處于無人狀態，室內外含濕量差便急劇下降。這是因為人體作為室內主要的產熱源和產濕源，當達到一定數量時對室內溫濕度有顯著影響，并且人數對室內濕度的影響比溫度更大。

3.2.2 舒適性指標

圖6中APMV值基本在-0.5～0之間，屬于偏冷的Ⅰ級舒適。當房間內有10人時，下午14:00后APMV值接近0，處于相當舒適階段；自13:30有30人進入室內，APMV值迅速升高直至人員離開。在對PPD的分析上，有人時均為Ⅰ級舒適，并且在房間內有30人的時間段上函數曲線有明顯的凹凸性，可見人數與室內熱舒適性關聯性較強。

3.2.3 污染物濃度

對比圖7中曲線，并未發現人數與室內TVOC和PM2.5濃度有顯著關聯性，但10人時CO2濃度升高2×10-4， 30人時三者均有所上升，并且30人時TVOC濃度8 h均值超過《室內空氣質量標準》[8]中的標準值0.6 mg/m3，CO2濃度迅速上升，峰值超過標準值1×10-3。說明室內人數達到一定數量將對室內污染物濃度造成影響，需要能源系統的及時調控。

4 監控平臺架構及設計

4.1 平臺架構

由測試分析結果可知，內擾(人員數量)和通風措施(開窗行為和開窗設置)對室內熱環境和空氣品質的影響很大、且波動較快，因此非常有必要對室內環境進行實時監測，并結合不同通風措施的舒適性范圍預測來預先動作，從而更好地穩定室內熱環境和空氣品質。針對此，設計如圖8所示的環境監控平臺架構。

該平臺系統主要包括三個過程：數據采集、控制模型構建以及管理平臺二次開發。首先，通過傳感器采集室內外環境參數，借助PLC將數據集合至物聯網關，再傳輸至管理平臺。其次，基于多維監測數據，采用關聯分析、神經網絡等數據挖掘技術，預測并提取不同狀態參數輸入對應的運行策略，建立預測反饋控制模型。最后，對管理平臺進行二次開發，嵌入控制模型。完成開發后，對于應用場景下的工況輸入，可輸出對應的控制策略，然后通過PLC反饋控制設備構件，或者通過人工控制設備啟停的形式實現優化控制。

4.2 軟硬件設備

平臺開發具體涉及到的軟件及傳感器如表3所示。

表3 軟件及傳感器列表

5 結語

針對建筑室內熱環境的優化控制問題，本文首先通過測試方法對過渡季不同運行策略下室內環境參數進行了對比分析，包括室內溫度，含濕量，APMV，PPD，TVOC，PM2.5和CO2濃度等。測試結果表明在不同的外因(開窗)和內擾(人員)下室內環境參數波動較大。針對這一變化特性，提出了包括數據采集、控制模型構建以及平臺二次開發等環節的物聯網監控平臺架構，來支持合理、有效、快速地環境調控需求，為未來熱環境控制的智能化推進提供參考。