利用 Predicted-Mean Vote 模型和 MLP 实现室内环境实时预测控制以提升居住舒适度
信号处理
2024-09-17 v2
摘要
Predicted Mean Vote（PMV）指数因其能够精确估计室内热舒适度而在建筑自动化领域广受认可，因为它能够根据多种环境参数精确预测室内热舒适度水平。本研究提出了一种实验 setup，用于自动化实时优化闭合空间的供暖、通风和空调（HVAC）操作，利用 PMV 建模和基于多层感知器（MLP）的预测。实验 setup 包括 ESP32 和 BME280 传感器。本文的主要目标是运用 MLP 算法和 predicted mean vote 模型来动态预测考虑温度和湿度等环境条件变化后的舒适度差异。该方法在各种设置下实现，包括 anechoic chamber 和实验室环境。研究结果表明，所提出的方法有效提升了封闭空间 HVAC 系统的管理，导致能源效率提高和室内热舒适度增强。该解决方案的有效性通过实验验证得出，显示在保持居住者舒适度的同时实现了显著的能源节省。
引用
@article{arxiv.2409.00080,
title = {Improving occupant comfort through real-time Predictive control of Indoor environment using Predicted-Mean Vote model and MLP},
author = {Madhan Kumar S and Yaswanth Kannan G and Kavin Krishna K and Berlin Hency},
journal= {arXiv preprint arXiv:2409.00080},
year = {2024}
}