(1 西安建筑科技大学建筑设备科学与工程学院 西安 710055；2 西安建筑科技大学信息与控制工程学院 西安 710055)

对空调系统而言，室内传感器测量值直接反映了房间环境参数的变化，变风量空调系统通过末端装置调节每个房间的送风量，引起房间温度场和速度场变化，从而影响室内空气分布均匀性、人员舒适性及空调系统能耗[1-2]。实际工程中室内传感器大多安装在门口等便于用户观察操作的位置,其测量值不能准确反映房间的真实情况，依据其进行的末端系统控制不利于满足空调房间人员的舒适性要求，对空调系统的控制优化与节能有重要影响。

目前，国内外关于空调系统室内传感器位置优化的研究很多。A.D.Fontanini等[3]利用动力学系统方法跟踪计算室内污染物数量，对封闭环境的传感器进行了优化布置，确定室内传感器位置、响应时间及传感器数量，同时评估了室内空气质量。王文修等[4]分析风量传感器布置对风量传感特性的影响,通过优化传感器布置提高末端装置风量传感特性,为变风量空调末端装置的改造提供了参考。Liu Yanzheng等[5]利用CFD(计算流体动力学)仿真软件在机械通风条件下模拟温室内温度分布，以确定最佳传感器布置方式，结果表明，最佳传感器布置在温室中间，可以降低测量值与参考值的偏差,但此处不利于传感器的安装施工。M.Arnesano等[6]开发了传感器优化单元，以传感器测量性能为指标，优化了大空间运动场馆最佳温度传感器安装位置。孙占鹏等[7]设计了一种基于多传感器的室内环境监测系统，对室内空气各参数进行实时监测。曾令杰等[8]利用遗传算法优化传感器的布置，优化后的方案可使传感器在风系统向室内输送的污染物量最小时监测到污染物，及时发出预警信息。葛宣鸣等[9]利用TRNSYS和FLUENT协同仿真平台，对比多传感器控制策略及传统单传感器控制策略下空调系统能耗及热舒适性情况，得出基于多传感器控制策略可以改善人体热舒适性环境。Du Zhimin等[10]通过CFD-BES协同仿真平台，综合考虑空调系统能耗和预测平均投票数即PMV(predicted mean vote)优化室内温度传感器布置方案，得出温度传感器布置在回风口附近不利于变风量末端控制器的优化控制。

国内外多数研究集中于多传感器的监测、仿真；对单传感器测点的研究仅找出了不利测点，对单传感器的最佳测点位置目前还没有较好的解决方法。实际中，为减少造价，小面积办公、住宅楼等建筑内，一个房间多采用单个传感器，其最佳安装位置很关键，需进一步探索研究。

针对以上问题，本文综合考虑室内温度、风速对空调室内人员舒适性及系统节能性的影响，采用基于修正误差学习的加权融合算法对室内多个测点传感器测量的数据进行融合，分析变风量中央空调系统不同室内测点的有效吹风温度、空气分布特性指标(air diffusion performance index,ADPI)及系统能耗情况，研究变风量空调系统室内传感器最佳检测点，并确定室内传感器最合适的安装位置，提高末端装置控制效果，改善室内环境品质。

1 基于修正误差学习的加权融合算法

基于修正误差学习的加权融合算法，是对基于神经网络的多传感加权融合算法[11]的进一步改进，该方法首先对传感器多次采样数据求均值，同时确定各传感器测量值的计算权值，最后通过均值与权值相乘获得融合结果，增大融合结果的可靠性，图1所示为该方法的算法流程。有x个传感器对房间内温度、风速进行测量，得到温度和风速分别为t1，t2,…,tx；v1，v2,…,vx，进而可计算有效吹风温度，再将计算值进行基于信任度的预处理和修正误差学习权值匹配，然后加权融合，最终获得一个融合值，计`算过程如下。

1)有效吹风温度：

θ=(tx-tr)-7.8(vx-0.15)

(1)

式中：θ为有效吹风温度，℃；tx为室内测点x的空气温度，℃；tr为室内平均温度，℃；vx为室内测点x的空气风速，m/s。

2)权值匹配

实际测量中个别传感器出现的数据偏离会降低融合精度。应先对计算结果进行相关性分析和基于信任度的一致性检验，剔除异常结果[12]，此过程称为一次处理。

(2)

第i个传感器的测量方差σi12为：

(3)

(4)

(5)

式中：m为各个传感器的采样次数。

引入学习因子λ，λ=1/m，则式(5)变为：

(6)

随着采样次数m的增加，传感器方差趋于稳定值，各传感器权值为：

(7)

各个传感器m次历史数据的均值yi为：

(8)

通过式(7)和式(8)获得各传感器的权值和均值分别为w1，w2…wx；y1，y2…yx，再通过式(9)获得传感器的融合值θ′：

(9)

2 室内温度传感器测点优化

通常房间内气流分布不均匀，室内传感器安装位置不同，测量值会有差异，以此为依据进行房间温度控制会因测点不同影响房间温度调节效果。因此，室内温度传感器测点研究时考虑了如下几点：

1)由于室内存在热源，且送风温度与房间温度的不同，在垂直方向将产生温度梯度。按照标准ISO 7730[13]，在舒适范围内，工作区内的地面上方0.1 m和1.1 m之间的温差应不大于3 ℃(考虑坐着工作的情况)；标准ASHRAE 55—1992[14]建议地面上方0.1 m和1.8 m之间的温差应不大于3 ℃(考虑站立工作的情况)。从可靠性角度，垂直温度梯度宜采用后者的控制指标。

2)测量室内空气温度和风速时，按照标准ANSI/ASHRAE 55—2013[15]建议，考虑人员坐着工作的情况，在工作区的地面上方0.1 m(脚踝)、0.6 m(手腕)和1.1 m(头部)等处的空气温度和风速；同样考虑了人站立工作的情况，0.1 m(脚踝)、1.1 m(手腕)和1.7 m(头部)等处的空气温度和风速。从可靠性角度，选择传感器布置高度为：0.75、1.1、1.3、1.5、1.7、1.9 m。

3)房间送风口和回风口处的空气温度和流速变化较为剧烈，应避免在此附近布置传感器；考虑到围护结构的辐射作用，传感器布置应与围护结构保持一定距离。

室内多传感器测点研究平台由不同长度的可伸缩方形不锈钢管、底轮、翼型螺丝、钢丝及三脚架等组成，如图2所示。G1、C1、K1为可伸缩方形不锈钢管。G1由两节长度为1.20 m的可伸缩管组成，最大可伸缩至2.40 m；C1由4节长度为0.60 m的可伸缩管组成，最大可伸缩至2.40 m；K1由4节长度为1.30 m的可伸缩管组成，最大可伸缩至2.60 m。框架底部4个角各安装一个底轮，有利于调整研究平台在房间内的位置。框架的最低水平面为0.10 m。

图3所示为传感器平面布置示意图。将研究平台整体框架的长×宽×高调整为1.7 m×1.4 m×2 m，分别选垂直方向高度0.75、1.1、1.3、1.5、1.7、1.9 m进行实验。以1.9 m高度的平面为例，在长和宽分别距框架两端为25 cm和20 cm处做标记，传感器长和宽的间隔分别为40 cm和50 cm，在此平面形成网格，传感器即位于网格十字交叉处，共12个。

图2 多传感器测点研究平台Fig.2 The multi-sensor measurement research platform

1～12为温度、风速测点。图3 传感器平面布置示意图(单位：cm)Fig.3 Schematic plan of sensor layout

对室内温度、风速进行采样时，涉及大量实验，传感器的精度会影响最终有效吹风温度的计算，最终选取HT10温度传感器和HD103T风速传感器，以满足实验要求。传感器参数如表1所示。

表1 传感器参数Tab.1 Sensor parameter

3 实验分析

在西安建筑科技大学变风量空调系统进行实验研究，该空调系统由2台冷水机组、1台辅助电加热器、1台变频冷冻水泵二次泵、3台冷冻水泵一次泵、3台冷却水泵、1台冷却塔、2台空气处理机组(AHU)和6个VAVBOX组成，其中风系统由风机、过滤器、表冷器、加湿器，送回风管道组成，并配备末端再热装置。建筑面积约为135 m2，空调面积约为36 m2，根据空调的实际运行情况，通过保温彩钢板搭建模拟6个空调房间，用于反馈空调的使用效果，其中空调机组1连接Room1～Room4，空调机组2连接Room5～Room6。针对本文有效吹风温度计算需通过房间空调区域实测各点的空气温度和风速确定，随机选取空调房间Room5为研究对象，进行室内温度传感器、风速传感器的布置。实验工况选40%～100%的设计风量，逐步改变房间送风量大小，进行室内多传感器测点实验，室内通过增加一台1 kW的小太阳取暖器来模拟房间的负荷变化。实验工况如表2所示，房间温度均为15 ℃，末端风量设定值分别取为最大设计风量的40%～100%。后文描述的送风量百分比均指送风量设定值。由表2可知，由于机械部件耗损与传感器误差等多种原因，末端风量实测值不完全等于设定值。

3.1 室内有效吹风温度分布分析

有效吹风温度θ用于判断空调房间内任何一点是否有吹风感，当θ在-1.7～1.1 ℃之间时，大多数人会感到舒适[15]。通过对选取不同高度上测点处的温度、风速采样值进行处理，得到Room5在不同工况及不同高度平面的室内θ分布。当送风量为40%的最大设计风量时，无法满足室内负荷要求，房间温度不断升高，θ=1.7～3.1 ℃，均不符合要求。当送风量增至50%的最大设计风量时，房间温度降低，θ=0.9～2.7 ℃，其中符合要求的θ数量随所选择室内平面高度的增大而增加。当送风量增至60%～80%的最大设计风量时，达到室内负荷要求，房间温度降低明显，风速不断增大，符合要求的θ数量持续增加，其中位于室内平面高度1.5 m处的数量最多。当送风量达到90%～100%的最大设计风量时，送风量大量超出室内负荷要求，导致房间温度急剧降低，风速迅速变大，满足θ要求的数量快速减少，满足要求的点多位于房间1.1 m以下。对比分析7种不同工况、不同高度平面室内θ，选取平面位于1.5 m处且工况为C、D及E的采样数据进行多传感器数据融合分析。

表2 室内有效吹风温度实验工况Tab.2 Experimental conditions of indoor effective air blast temperature

3.2 室内热舒适性分析

ADPI用于评价整个空调房间的气流分布，反映了空调区气流分布带来的影响[17]。ADPI值越大，说明感到舒适的人群比例越大，ADPI的最大值为100%。其计算如式(10)：

(10)

通过式(10)可以得到不同工况下室内空气分布特性指标，如表3所示。

由表3可知，室内不同高度的ADPI不同，不同工况下，ADPI随送风量变化而变化。表3中阴影代表ADPI≥80%的情况，即认为空调房间内气流分布是令人满意的。当送风量为40%和100%时，室内不同高度处的ADPI最小，即感到舒适的人群比例最小。当送风量为50%和90%时，只有高度为1.9 m和0.75 m处的ADPI大于80%。当送风量为60%时，ADPI大于80%集中于高度为1.9 m和1.7 m处。当送风量为70%～80%时，ADPI大于80%的平面最多，即室内气流分布令人满意的平面最多。因此，进行多传感器数据融合分析时，对1.5 m平面工况为D和E下进行数据采样研究。

表3 不同平面处不同送风量对应的ADPI(单位：%)Tab.3 ADPI for different air volumes at different levels

3.3 空调系统能耗分析

不同工况下，通过调节末端风阀改变Room5的送风量进行房间温度调节，同时单个房间送风量的改变影响系统总送风量的变化，引起风机频率的变化进而影响风机能耗。风系统输送负荷的变化会引起水系统负荷变化，影响空调系统总能耗。不同工况下空调系统能耗如图4所示，空调系统总能耗由风系统能耗和水系统能耗组成，风机能耗会随送风量的增大而增大，即风系统能耗增大，同时冷负荷增加，为满足系统负荷要求，水系统需增加相应负荷。

图4 不同工况下空调系统能耗Fig.4 Energy consumption of air-conditioning system under different conditions

3.4 多传感器数据融合结果分析

不同工况下，对室内不同高度平面的θ、ADPI及空调系统能耗进行分析，选取1.5 m平面处的工况D进行数据采样和基于修正误差学习的加权融合计算。通过式(7)对各测点200次采样时12个传感器的权值计算，得到权值如表4所示。其中权值w1=0.151，在12个计算权值中最大，说明温度传感器1和风速传感器1的测量值得到的θ在平面位于1.5 m处且工况为D时所占的权重最大。

表4 不同平面处不同送风量对应的ADPITab.4 Multi-sensor fusion computing weight

图5 各测点有效吹风温度Fig.5 The detection-point′s effective draft temperature

在选取的实验工况下对12个测点进行200次采样，得到各测点有效吹风温度如图5所示。进一步采用基于修正误差学习的融合算法得到测点融合值θ′=0.39。由图5可知，测点1处θ=0.45 ℃，与融合值最接近。因此，综合考虑测点处的计算权值和融合结果，可知在测点1位置进行室内传感器安装更合理。实际中，房间中心无合适的安装位置，需找出适宜安装的位置与其的映射关系，即可找到最佳的映射安装位置。

4 结论

为寻找室内温控器合理的安装位置，研究了不同工况下，传感器测点对室内有效吹风温度、室内热舒适性及空调系统能耗的影响，最终选取平面位于高1.5 m且工况为D时的室内温度、风速参数，并采用基于修正误差学习的加权融合算法进行了有效吹风温度数据融合。得到如下结论：

1)当末端送风量为335 m3/h时，空调系统能耗增幅较小，房间气流分布令人满意，融合得到室内最佳有效吹风温度值。

2)以室内最佳测点的测量值进行房间温度调控有利于保持室内人员热舒适性，同时提高了空调系统的节能性。

3)融合得到的最佳测点位于房间中部悬空处，不满足实际施工要求，需进一步研究融合测点与其他便于施工位置点的映射关系，找到最佳测点的等效点，实现其工程应用价值。