08 《营造舒适性健康的室内环境：暖通空调系统反向设计方法》.pptxVIP

室内空调系统反向设计方法 营造舒适健康的室内环境 翟志强，教授，长江学者 美国科罗拉多大学，大连理工大学 薛雨，博士 大连理工大学 主要内容 2 室内空调系统现有设计方法 反向设计：原理和挑战 反向设计：方法与算例 反向设计：改进途径 3 当前室内空调系统设计的问题 4 当前室内空调系统设计的问题 5 当前室内空调系统设计的问题 图1. 超过20%建筑存在病态建筑综合征 空调系统设计不合理导致 室内空气品质差 房间各区域冷热不均 运行成本高，能效差 图2. 办公室抱怨Top1:冷热不均 6 传统设计模式的局限性 支气管 传统设计模式 建筑结构、负荷、环控系统参数 速度、温度、 湿度、污染物 浓度场 气流、热、污染物传递分析 弊端 不能充分考虑多参数间的复杂影响关系 传统设计方法周期长、代价高 难以兼顾所有设计目标 难以满足个性化需求 7 反向设计原理 支气管 传统设计模式 建筑结构、负荷、 环控系统参数 速度、温度、 湿度、污染物 浓度场 气流、热、污染物传递分析 弊端 不能充分考虑多参数间的复杂影响关系 传统设计方法周期长、代价高 难以兼顾所有设计目标 难以满足个性化需求 反向设计 如何解决反向设计解的存在性、唯一性、稳定性？ 8 反向设计挑战 设计参数繁多——相互影响 采用置换通风的办公室 排风口： 位置、尺寸等 送风口： 送风温度、 送风角度、 风口位置、 风口尺寸、 送风量等 围护结构参数 多参数之间相互影响关系复杂，速度场与温度场间耦合性强 人员 灯 电脑 窗户 9 设计目标多样——相互制约 图1、 冷热适中 图2、 有效清除污染物 图3、避免局部不舒适 图4、能耗水平要低 反向设计挑战 10 求解域复杂——存在大量局部最优解 反向设计挑战 11 多解——存在多个设计方案满足同一设计目标 反向设计挑战 图1、伴随方法进行飞机气动外形设计 图2、 遗传算法进行汽车气动外形设计 反向设计方法 反向设计方法 优点 缺点 方法类型 遗传算法 1.可进行多目标设计 2.可得到全局最优解 3.一次计算获取多解 1.计算量大 非梯度类优化算法，基于概率 伴随方法 1.计算精度高 2.计算量较遗传方法小 1.结果受初值影响大 2.只能得到局部最优解 3.只可进行单目标计算 梯度类优化算法 POD方法 1.可进行多目标设计 2.计算量较小 1.原始样本的获取效率低 2.不十分精确 建立设计变量到设计目标的映射关系 神经网络方法 1.可进行多目标设计 2.变量变化区间较小时可 得到较准确全局最优解 1.计算量较大 2.结果准确性受样本制约 反向设计方法 13 三类适用于室内空调系统反向设计的方法 算例—算法性能验证 14 方法可靠性验证 监测点温度、风速 送风量、送风温度、送风角度 辨识 实际入口条件：V=0.57 m/s; T=287.15 K 遗传方法 (0.57 m/s; 287.15K) 伴随方法（局部最优值） V(m/s) T (K) Deviation 算例—算法性能验证 15 方法可靠性验证 计算误差对辨识结果准确性的影响 16 建筑环境反向设计 设计目标 图1. 办公室置换通风送风参数反向设计 图2. 种群中最差个体PMV值随 迭代变化过程 排风口 送风口 目标区域 算例—遗传算法单目标设计 17 飞机座舱环境反向设计 设计目标 图1. C919 五排半舱模型 图2. 种群中最差个体PMV值随迭代变化过程 |PMVc|ave0.3 算例—遗传算法单目标设计 18 使用遗传算法进行多目标设计 图2、 热舒适——人体周围PMV 图3、 空气品质——呼吸区空气龄 图4、局部舒适性——敏感部位吹风感 图1、 采用置换通风的办公室 算例—遗传算法多目标设计 19 示例 设计变量：送风速度、送风温度 设计目标： -0.5PMV0.5 （热舒适指标） 空气龄125s（空气品质指标） PD20% （局部舒适性指标） 算例—遗传算法多目标设计 20 反向设计方法综合体系 根据各方法的优缺点，将它们结合构成多层级的反向设计体系。 快 速 计 算 流 体 力 学 设计目标 |PMVc|ave0.3 agehead, ave120 s 几何模型 送风温度：16 oC ~ 26 oC 设计变量及初始给定的参数区间 送风角度：-45o~ 45o （水平向下为正） 风口尺寸：1 cm ~ 3 cm 须同时满足热舒适和空气品质指标 飞机座舱热环境设计案例 21 空气品质指标 热舒适性指标 22 初始设计结果（遗传算法） 初始设计送风参数优化结果 遗传算法优化的区间 粗略设计结果（POD方法）