[发明专利]基于可逆因果关系的热控制系统和方法

说明书

提供了一种用于根据加热、通风和空调(HVAC)设定点来控制布置为调节环境的HVAC系统的控制器和方法。该控制器被配置为接受所调节的环境中的预定位置处的热状态的目标值、所调节的环境中的预定位置处的热状态的当前值以及HVAC设定点的当前值。该控制器还被配置为使用神经网络来确定目标HVAC设定点，使得HVAC系统根据目标HVAC点的操作相对于HVAC系统根据当前HVAC设定点的操作的差异将所调节的环境中的预定位置中的热状态从热状态的当前值改变为热状态的目标值。

技术领域

本公开总体上涉及环境中的热舒适控制，更具体地，涉及用于根据加热、通风和空调(HVAC)设定点来控制布置为调节环境的HVAC系统。

背景技术

热舒适可被认为是表达对热环境的满意度的心境状况，并且通过主观但通常稳定的评估来评定。热舒适显著影响人的生产力和总体幸福感。目前，诸如加热、通风和空调(HVAC)系统的热调节系统基于壁式恒温器或遥控装置来实现热舒适，其目的是打开或关闭HVAC系统并操作HVAC系统，使得维持温度设定点。

温度设定点指示基于房间中的占用者的需求和热状况的期望热舒适水平。设计了一些方法来控制HVAC系统以实现温度设定点。然而，在这些方法中，HVAC系统仅控制设定点空气温度，作为房间中的占用者或占用者集合的热舒适的替代。因此，所设计的这些方法假设恒温器处和占用者自己的位置处的房间温度是相同的。这种假设可被称为房间中的良好混合的温度和/或速度分布的均匀性假设。然而，这种均匀性假设是无效的。结果，即使当达到温度设定点时，房间的一些或所有占用者仍可能不舒适，因为设定点温度是为可能位于距占用者一定距离处的传感器(恒温器)确定的。

为了解决均匀性假设问题，一些方法考虑了受控环境(房间)中的气流动力学。然而，这些方法在计算上昂贵。例如，气流动力学的物理模型可根据纳维-斯托克斯(Navier-Stokes)方程来定义。尽管气流动力学的物理模型可由布森内斯克(Boussinesq)方程近似，但布森内斯克方程是难以实时求解的偏微分方程(PDE)。为此，一些方法旨在使用包括常微分方程(ODE)的降阶模型来降低求解PDE所需的计算复杂度。然而，考虑到气流动力学，对于许多控制系统，特别是对于使用嵌入式处理器的嵌入式控制系统，即使使用降阶模型在计算上仍会富有挑战性。

因此，需要提供一种控制HVAC系统的系统和方法，其考虑受控环境中的热状态动力学，而无需使用热状态模型。

发明内容

技术问题

一些实施方式的目的在于提供一种系统和方法，其利用诸如神经网络的人工智能，以考虑环境中的气流和/或热状态动力学来控制HVAC系统，而无需使用热状态模型。一些实施方式的目的还在于提供这样的神经网络，其克服了由于期望控制使用HVAC单元调节的房间中的所有空间位置的温度而引起的HVAC控制的无限维问题。另外，一些实施方式的目的在于使用具有带自动编码损失函数的自动编码架构的神经网络来学习将HVAC设定点和遍及环境的传感器测量联系起来的预测模型。另外地或另选地，一些实施方式的目的在于学习使环境中的占用者的舒适最大化的控制律。

问题的解决方案

一些实施方式基于这样的认识：考虑环境中的热状态动力学的HVAC系统的控制在连续空间域上操作。例如，环境中的热状态(例如，温度、湿度和/或速度值)可沿着所有空间维度连续地变化。因此，控制命令(也可在连续尺度上给出)和/或环境中的热状态存在无限数量的值。然而，神经网络需要固定数量的输入和输出。因此，尝试使用诸如神经网络的统计模型来近似受控环境中的所有空间位置处的热状态动力学是富有挑战性的。