CFD结合遗传算法优化室内热舒适性参数

2011-08-10蒋能飞

土木与环境工程学报 2011年2期

孙斌，蒋能飞，韩克，周妍

（东北电力大学能源与动力工程学院，吉林吉林132012）

人的一生70%以上的时间是在室内度过的，室内空气环境的好坏不仅关系到人的舒适与健康，还会影响人的工作效率，良好的室内空气流动形式是实现室内合理温度、湿度、风速和污染物分布的基础，尤其是目前在特别强调节能的大环境下，如何既能保障室内空气环境的需要，又能最大限度地节约创造室内空气环境的能耗，是从事室内空气环境研究和创造的人士面临的重要课题[1]。目前，室内空气质量的研究主要采用现场调查、实验测试和数值模拟方法，而这些方法都难以对模型进行优化，于是人们提出在遗传算法中直接调用CFD程序，但这种方法计算量相当大的，在使用遗传算法进行搜索时，每搜索一次，需要CFD程序运行超过5000次（遗传算法种群数为100），需要迭代计算十多个小时才能达到收敛[2]。为了解决上述问题，文章应用BP神经网络建立了一个替代模型，该模型首先采用CFD模拟软件建立教室模型，通过CFD模拟得到室内空气温度、相对湿度、平均辐射温度、空气速度、送风口与取样点的距离、PMV值和空气年龄的数据，然后应用CFD模型产生的数据建立BP神经网络模型来取代CFD模型，并根据热舒适性指标PMV值和空气龄数据建立遗传算法的目标函数，设置不同的权重，得到室内参数的最优值，根据优化的参数值调整教室模型，最后并与原CFD模型相比较。