基于机器学习与计算机视觉技术的PMV预测研究与应用.pdfVIP

摘要

空调系统节能一直是当今世界重点关注的问题。随着空调系统在各行各业的普及以

及近年来极端天气的频繁出现，空调系统的需求逐步扩大，其能耗在社会总能耗中的占

比也逐渐提高。然而，由于大部分空调使用人群缺乏对自身热舒适状况的了解，往往会

出现诸如在夏季将空调温度设定过低、冬季空调温度设定过高等对空调系统的不当控制

的现象，这种现象最终会造成不必要的能源浪费。因此，解决舒适性空调中由于空调系

统的不当控制造成的能源浪费，是降低空调系统能耗的有效途径。

对舒适性空调的合理控制必须以满足室内人员的热舒适为前提，以人体实时热舒适

状况作为控制依据。PMV（PredictedMeanVote）中文全称预测平均投票，是最为常用的

热舒适状况评价指标，其可以有效帮助室内人员了解自身热舒适状况并得出热舒适对应

的温度区间。然而，以室内人员的实时PMV为依据对空调系统进行控制需解决两个关

键问题：一是PMV值的计算复杂且所需参数较多；二是计算所需的服装热阻系数等参

数的采集往往需要人工查表的形式完成，过程较为复杂。

针对上述问题，本研究基于机器学习和计算机视觉技术，提出并验证了一种用于空

调系统自动控制的PMV实时预测模型，并对其应用于空调系统控制的室内人员满意度

和节能效果进行了验证。研究结果表明，该PMV实时预测模型在冬夏两种工况下均能

实现对室内人员的服装热阻和实时PMV的准确识别和预测，且模型预测的实时PMV能

够正确反映室内人员的主观热舒适状况；基于该PMV实时预测模型的空调系统自动控

制程序能够在保证室内人员热舒适的前提下降低空调系统能耗。该模型的提出为在满足

室内人员热舒适的前提下，避免因空调系统的不当控制造成的能源浪费提供了新的方法。

关键词：PMV；空调系统控制；机器学习；计算机视觉技术

Abstract

Theenergysavingofairconditioningsystemhasalwaysbeenthefocusofattentionin

today’sworld.Withthepopularityofairconditioningsystemsinallwalksoflifeandthe

frequentoccurrenceofextremeweatherinrecentyears,thedemandforairconditioningsystems

hasgraduallyexpanded,anditsenergyconsumptioninthetotalenergyconsumptionofsociety

hasgraduallyincreased.However,duetothelackofunderstandingofthethermalcomfortof

mostairconditionerusers,therewilloftenbeimpropercontroloftheairconditioningsystem,

suchassettingtheairconditioningtemperaturetoolowinthesummerandsettingtheair

conditioningtemperaturetoohighinthewinter,whichwilleventuallycauseunnecessary

energywaste.Therefore,solvingtheenergywastecausedbyimpropercontrolofair

conditioningsystemincomfortairconditioningisaneffectivewaytoreducetheenergy

consumptionofairconditioningsystem.

Thereasonablecontrolofcomfortairconditioningmu