近年来,随着变频恒温技术的发展,变频空调给需求响应(demand response,DR)控制策略带来了新的机遇与挑战。文章引入PMV-PPD(predicted mean vote-predicted percentage of dissatisfied)用户舒适度量化评估模型,提出了一种考虑热舒适度...近年来,随着变频恒温技术的发展,变频空调给需求响应(demand response,DR)控制策略带来了新的机遇与挑战。文章引入PMV-PPD(predicted mean vote-predicted percentage of dissatisfied)用户舒适度量化评估模型,提出了一种考虑热舒适度的多家庭变频空调群组恒温控制策略,综合考虑用户舒适体验和负荷削减容量最大化。首先,以用户热舒适度与空调负荷最大削减为目标,确定变频空调单机恒温控制的最优设定温度,建立了空调群组非分组恒温控制策略。然后,针对不同调度周期,分析评估空调群组非分组控制的可削减容量及机会响应损失;提出当调度周期在一定范围内时可以通过分组控制减少机会响应损失,建立了动态分组轮控策略模型,更加充分地挖掘了家庭空调负荷的需求响应潜力,并获得了可削减容量稳定的需求响应资源。最后,算例验证表明该策略的可行性和有效性。展开更多
为探究气候温和地区高校教室内的热舒适性,且修正预测热感觉和不满意度模型(predicted mean vote-predicted percentage of dissatisfaction,PMV-PPD模型)与实际热感觉投票值存在偏差情况,本文以昆明某高校大学生受试者为试验对象,分别...为探究气候温和地区高校教室内的热舒适性,且修正预测热感觉和不满意度模型(predicted mean vote-predicted percentage of dissatisfaction,PMV-PPD模型)与实际热感觉投票值存在偏差情况,本文以昆明某高校大学生受试者为试验对象,分别测试室内环境参数、人员评估环境温度(t_(1))以及受试者主观评价等,共获得2229份有效数据。结果表明:在自然通风教室中,超过80%的大学生可以接受当前的热湿环境,PMV与实际平均热感觉投票(mean thermal sensation,MTS)模型相关较弱,PMV模型高估了受试者的实际热感觉,实测人员不满意百分比普遍大于预测不满意百分比。鉴于PMV模型预测准确性较低,综合考虑温度变化、主观反应等影响因素,提出人员评估环境温度(t_(1))作为修正性指标。人员评估环境温度与实际环境温度存在较强相关性,且在不同场景中两者温差值小于1.5℃。将t_(1)与热感觉投票进行回归分析,该参数与热感觉投票高度相关。在PMV计算中使用t_(1)代替空气温度对PMV模型进行修正得到tPMV,修正后的tPMV更接近于MTS模型,对PMV起到显著有效的修正作用。展开更多
文摘近年来,随着变频恒温技术的发展,变频空调给需求响应(demand response,DR)控制策略带来了新的机遇与挑战。文章引入PMV-PPD(predicted mean vote-predicted percentage of dissatisfied)用户舒适度量化评估模型,提出了一种考虑热舒适度的多家庭变频空调群组恒温控制策略,综合考虑用户舒适体验和负荷削减容量最大化。首先,以用户热舒适度与空调负荷最大削减为目标,确定变频空调单机恒温控制的最优设定温度,建立了空调群组非分组恒温控制策略。然后,针对不同调度周期,分析评估空调群组非分组控制的可削减容量及机会响应损失;提出当调度周期在一定范围内时可以通过分组控制减少机会响应损失,建立了动态分组轮控策略模型,更加充分地挖掘了家庭空调负荷的需求响应潜力,并获得了可削减容量稳定的需求响应资源。最后,算例验证表明该策略的可行性和有效性。
文摘为探究气候温和地区高校教室内的热舒适性,且修正预测热感觉和不满意度模型(predicted mean vote-predicted percentage of dissatisfaction,PMV-PPD模型)与实际热感觉投票值存在偏差情况,本文以昆明某高校大学生受试者为试验对象,分别测试室内环境参数、人员评估环境温度(t_(1))以及受试者主观评价等,共获得2229份有效数据。结果表明:在自然通风教室中,超过80%的大学生可以接受当前的热湿环境,PMV与实际平均热感觉投票(mean thermal sensation,MTS)模型相关较弱,PMV模型高估了受试者的实际热感觉,实测人员不满意百分比普遍大于预测不满意百分比。鉴于PMV模型预测准确性较低,综合考虑温度变化、主观反应等影响因素,提出人员评估环境温度(t_(1))作为修正性指标。人员评估环境温度与实际环境温度存在较强相关性,且在不同场景中两者温差值小于1.5℃。将t_(1)与热感觉投票进行回归分析,该参数与热感觉投票高度相关。在PMV计算中使用t_(1)代替空气温度对PMV模型进行修正得到tPMV,修正后的tPMV更接近于MTS模型,对PMV起到显著有效的修正作用。
