基于资源感知的舒适度信用控制机制在HVAC–PV–电池组合办公系统中的工作站差异化热舒适性保障

《BUILDING AND ENVIRONMENT》:Resource-Aware Comfort-Credit Control for Workstation-Differentiated Thermal Comfort in HVAC–PV–Battery Office Systems

【字体: 大 中 小 】 时间:2026年06月29日 来源:BUILDING AND ENVIRONMENT 8.4

编辑推荐:

  余文旺|中华苟,武汉大学城市设计学院,中国武汉430072 摘要:配备屋顶光伏发电和电池储能系统的办公建筑需在舒适性、能源使用与电网交互之间实现平衡。然而,共享式区域暖通空调系统提供集中式的送风温度与气流控制,而不同工作位的舒适需求可能存在差异。本研究提出一种基于资源感知的“舒

  余文旺|中华苟,武汉大学城市设计学院,中国武汉430072

摘要:配备屋顶光伏发电和电池储能系统的办公建筑需在舒适性、能源使用与电网交互之间实现平衡。然而,共享式区域暖通空调系统提供集中式的送风温度与气流控制,而不同工作位的舒适需求可能存在差异。本研究提出一种基于资源感知的“舒适度信用”监督框架,该框架以工作位级的PMV代理目标作为暖通空调-光伏-电池储能系统运行的舒适性协调与评估依据。该框架将目标相对的PMV代理偏差转化为具有方向性的指令,根据光伏输出、电池可用性及室外热负荷调整信用池,并通过简化模型与光伏/电池储能/电网功率平衡机制选择可行的共享式区域暖通空调操作方案。研究以LBNL FLEXLAB XR测试平台的数据集5为对象,以实际测量的A/B单元运行数据作为参考,将所提出的控制器作为经过校准的虚拟C单元进行评估。该控制器使舒适度比率从0.424和0.482提升至0.867,同时将平均舒适度偏差和最差工作位舒适度偏差分别降低59.4%和56.7%,吉尼系数则略有上升至0.206。此外,暖通空调能耗以及结合光伏和电池储能后的电网电能进口量分别减少了16.8%和18.8%。敏感性分析与蒙特卡洛模拟进一步揭示了PMV代理假设、光伏预测误差以及高度异质化的工位舒适目标所带来的影响。

引言:在公共基础设施的能效提升方面,办公建筑是一个至关重要的领域,其中暖通空调系统是优化的主要目标[1]。在办公建筑中,暖通空调系统通常占据总能源消耗的50%以上[2],因此具有巨大的节能潜力。与此同时,屋顶光伏发电系统与电池储能系统的日益普及,正在改变建筑的角色,使其从被动的能源消耗者转变为能够协调本地发电、储能及灵活负载的电网互动型资源[3]。作为一种可控制的熱负荷,暖通空调系统越来越需要在与可再生能源利用、负荷转移以及需求弹性服务相协调的同时,维持室内环境质量[4,5]。

然而,在共享式办公环境中,人们的热舒适感并非均匀分布,而是因工作位置不同而有所差异。处于不同工作位的员工可能会面临不同的太阳辐射、空气分布模式、局部热源以及与窗户相关的热效应[6,7]。尽管传统的区域级暖通空调控制方法实用且应用广泛,但它通常依赖于统一的温度设定值、舒适度范围或综合热舒适指标[8,9]。这类控制方式虽能维持整体区域的良好状态,却无法准确反映同一控制区域内不同位置的舒适度差异[8,10]。这一局限性在开放式或共享式办公空间中尤为突出,因为虽然控制操作仍是集中式的,但不同工作位的舒适感知却存在明显差异[9,10]。

近年来,个人舒适度建模与以人为中心的控制技术的发展,凸显了以群体平均舒适度假设的局限性,以及在暖通空调系统中考虑个体差异信息的重要性[8,[11], [12], [13]]。不过,当建筑配备光伏和电池储能系统时,这种整合变得更加困难。由于可再生能源的生成量、储能系统的可用性以及室外热条件会随时间变化,用于调节舒适度的资源也不固定。因此,若忽视工作位级的舒适度需求,控制器可能会让某些工作位的舒适度下降,但从能源管理角度来看却仍显得有效。

近期关于个人舒适度模型(PCM)的研究试图通过利用环境、行为及生理信息来预测个体的热反应,从而克服群体平均热舒适度假设的局限[8,[13], [14], [15]]。早期的PCM研究已表明,即使在相似的室内环境条件下,不同个体的热偏好也可能存在显著差异;而后期的研究则借助可穿戴传感器、机器学习、迁移学习及元学习等技术,提升了在反馈受限条件下的舒适度预测能力[8,13,15,16]。最近的综述进一步指出,基于PCM的控制技术已从单纯的预测建模发展为可应用于实际建筑热系统的方案,但其实际应用仍受到反馈负担、传感器可用性、模型可迁移性以及与现有暖通空调控制结构融合程度的限制[9,13,17,18]。因此,当前的核心问题不再是是否存在个体舒适度差异,而是如何将这类差异化的舒适度信息融入建筑控制系统中。

以人为中心的控制研究已经证明了将个体相关信息纳入暖通空调系统运行的可行性。实地实验与对比试验表明,与固定调度或静态设定值相比,结合用户反馈或以用户需求为驱动的控制方式能够改善舒适度与能源消耗之间的平衡[11,12,19]。在局部控制层面,个性化环境控制系统(PECS)可通过为不同工作位提供温度调节功能,直接提升用户的舒适感,最近的系统性综述也证实了其在提升舒适度与能源效率方面的潜力[20]。然而,PECS的部署需要额外的设备、控制接口以及与现有暖通空调系统的协同工作,这可能限制其在普通共享办公空间中的推广[20]。相比之下,许多商业办公空间仍依赖集中的空气处理单元/变风量系统,其控制方式主要是针对整个区域的温度或送风参数,而非针对单个工作位。在这种环境下,不同工作位的差异化舒适度需求不得不被整合为有限的几类可行方案,而相关技术的发展程度仍落后于舒适度预测技术本身[9,10,21]。

与此同时,暖通空调、光伏及电池储能系统的协同管理已成为建筑能源管理领域的重点研究内容。模型预测控制、分层调度以及鲁棒控制等方法已被广泛用于在预期的天气、负荷及电价条件下,协调可再生能源的发电、储能以及建筑的灵活负荷[4,5,[22], [23], [24], [25], [26], [27], [28], [29], [30]]。实际应用案例表明,模型预测控制能够在配备户用光伏和储能系统的商业建筑中,协调空间空调系统与电池运行,从而降低电力成本并提升需求灵活性[27]。近期的双层控制或不确定性感知模型则进一步解决了预测值与实际可再生能源发电量或建筑负荷之间的偏差问题[23,26]。这些研究充分证明了光伏/电池储能/暖通空调系统的协同控制在技术上是可行的,且有利于实现具备电网互动功能的建筑运营。

然而,在涉及暖通空调-光伏-电池储能系统能源管理的研究中,热舒适度通常是通过区域温度限制、统一设定值或综合舒适度惩罚指标来表征的。这类方法虽适用于优化设计与实际应用,但却难以揭示共享区域内的不同用户或工作位之间的舒适度收益或不适负担的分配情况。这一局限性对于在已有办公建筑中引入光伏/电池储能系统尤为重要:如果不在工作位层面对舒适度进行评估,以可再生能源利用为目标的控制策略虽可能减少电网电能进口,却可能掩盖局部持续存在的不适感或不均衡的舒适度负担,进而降低员工对灵活运营方案的接受度。已有研究开始从不同角度探讨个性化舒适度控制与融合可再生能源的建筑运营方案[10,27],但目前仍缺乏能够将工作位级的舒适度偏差、有限舒适度调节资源的优先分配机制以及受光伏/电池储能系统约束的共享区域暖通空调运行方式有机结合的明确理论框架。

综上所述,现有研究存在三方面的不足。首先,尽管个人舒适度建模与以人为中心的控制研究提升了个体舒适度的表征精度,但许多研究仍侧重于预测或局部控制,未能将工作位级的舒适度偏差转化为可用于指导集中式暖通空调系统决策的优先级信号。其次,虽然融合可再生能源的暖通空调-光伏-电池储能系统研究在预测与鲁棒能源管理方面取得了进展,但舒适度往往被视为区域级的约束条件,而非由不同工作位共同决定的结果。最后,目前很少有研究能够提供一个可解释的监督层,将该层作为统一平台,整合工作位级的舒适度优先级设定、光伏/电池储能系统的可用性、可行的暖通空调系统运行方案以及舒适度分布指标,并通过基于重放的评估方法对其进行综合分析。

本研究通过“舒适度信用”框架解决了上述问题。该框架并未提出新的个人舒适度模型或经过实地验证的工作位级控制器,而是为带有暖通空调、光伏及电池储能系统的共享办公空间的运行,提供了一种具备舒适度感知能力的监督协调与评估机制。它通过引入不同工作位级的PMV代理目标,使得在考虑可再生能源利用的同时,也能对局部舒适度效果以及舒适度分布状况进行综合评估。

1. 在集中式暖通空调控制模式下,建立基于工作位差异的舒适度表征方法。该方法为每个工作位设定PMV代理目标与偏差值,随后将这些偏差转化为具有方向性的优先级信号,用于指导共享区域暖通空调系统的决策,无需假设各工作位可独立控制或能实时获取用户反馈。

2. 构建一种可解释的“舒适度信用”机制,用于确定优先级分配方式并评估舒适度分布状况。该机制可将工作位级的舒适度需求转化为可追溯的优先级权重,而舒适度分布状况则通过最差工作位的偏差值与吉尼系数来进行评估,而非仅依据分配规则本身来推断。

3. 对共享区域冷却控制场景下资源受限的暖通空调-光伏-电池储能系统协同运行进行评估。该框架将集中式的饱和温度/气流控制决策与光伏发电、电池储能系统运行、简化的区域响应模型、舒适度达成情况、舒适度分布状况以及电网依赖程度相互关联。

4. 利用LBNL FLEXLAB数据集5开展可重复的闭环评估。研究以实际测量的A/B单元运行数据作为参考,将所提出的控制器作为经过校准的虚拟C单元,在能效提升、负荷转移、负荷削减等不同场景下,以及在不同偏好情景、敏感性分析及蒙特卡洛偏好抽样条件下进行性能评估。

整体框架:本研究提出了一种基于资源感知的“舒适度信用”框架,用于在配备暖通空调、光伏及电池储能系统的共享办公空间中,实现对不同工作位的热舒适度差异的协调控制。该框架主要针对以制冷为主的运行模式设计,旨在让集中式的暖通空调系统能够根据不断变化的能源资源状况,协调不同工作位之间的多样化舒适度需求。

如图1所示,该框架包含三个层次。预测与响应层负责提供光伏发电量预测、PMV代理值表示以及预测与响应组件的有效性验证。

在评估闭环控制器之前,首先对支撑性的光伏发电量预测与区域响应组件进行了验证。光伏发电量预测结果可为资源感知型决策层提供依据,而简化后的响应模型则可将候选的饱和温度/气流控制方案与下一步的区域温度值关联起来,从而用于PMV代理值的评估。

讨论:研究结果表明,基于工作位差异的舒适度协调机制可以作为监督优先级层,嵌入到暖通空调-光伏-电池储能系统的运行过程中。与实际的A/B单元参考数据相比,虚拟C单元控制器不仅提升了舒适度比率、平均舒适度偏差以及最差工作位的舒适度偏差,同时还降低了暖通空调系统的能耗以及电网电能进口量。这说明,其带来的益处并非仅仅来自更强的制冷效果,而是通过根据不同工作位的舒适度偏差来调整共享区域暖通空调系统的运行方式。

结论:本研究解决了在共享办公环境中,如何协调不同工作位的热舒适度差异与基于可再生能源利用的暖通空调系统运行之间的矛盾。其主要贡献在于提出了一种具备舒适度感知能力的监督协调与评估机制,用于支持集成光伏/电池储能系统的办公建筑运行,该机制将特定工作位的PMV代理目标、集中式的暖通空调控制、光伏系统的可用性、电池的调度策略以及电网依赖程度有机结合在一起。

该框架是使用LBNL FLEXLAB XR数据集5进行评估的。

数据与代码获取说明:本研究分析的数据为第三方提供的公开测量数据集,这些数据集属于IEA EBC Annex 81计划的一部分,存储在Mendeley Data平台上,名称为“6座真实建筑的分钟级测量数据集:能源使用与室内气候”(版本3,DOI:10.17632/xztfbtsgys.3;许可协议为CC BY 4.0)。用于实现所提出的基于工作位差异的热舒适度-暖通空调-光伏-电池系统协同控制框架的源代码,将在完成后公开发布在GitHub平台上。

生成式人工智能与人工智能辅助技术声明:在撰写本修订版手稿的过程中,使用了人工智能辅助工具来协助语言润色、内容组织及回复起草工作。手稿中的图表、数值结果、分析代码以及科学解读内容均由作者亲自检查并最终确定。

CRediT作者贡献说明:余文旺:撰写——初始草稿、可视化、软件应用、方法设计、研究实施、正式分析、数据整理。中华苟:撰写——审阅与编辑、项目监督、资源协调、项目管理、方法设计、资金筹集、概念构思。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号