课题组硕士研究生郑其春（导师：罗茂辉副教授）提出一种基于物联网红外遥控器的个体热调节设备联网方法，并使用分布式环境检测系统收集实时数据。对典型办公场景全年的环境参数、两种典型个体热调节设备的使用行为和舒适效果进行了分析并应用了七种机器学习算法来预测个体热调节设备的开关状态和功率水平。研究成果发表在Journal of Building Engineering（IF=6.7），DOI: 10.1016/j.jobe.2024.111487.

  研究背景：随着人们对室内环境舒适度要求日益提高，室内环境营造朝着精细化、智能化方向发展。在此过程中，由于室内环境具有非均匀时空特性，传统背景空调系统难以满足个体在局部空间的差异化热舒适需求，个体化热调节设备因此出现。

物联网（IoT）技术极大地促进了建筑控制系统的发展。早期，由于稳定性和传输速度的优势，有线通信技术在市场上占据主导地位。近年来，随着无线通信技术的发展，其便利性、低成本和可扩展性不容忽视。包括室内热调节相关系统在内的建筑控制系统随着物联网的融入不断发展。

  由于个体热调节设备（PECS）通常涉及多个设备，将这些设备通过网络连接并与环境监测传感器同步十分重要。一些研究人员已经在探索将个体热调节设备连接到互联网。过去，许多设备是采用诸如 RS - 485、PLC和 LONtalk 等有线通信方式开发的。然而，线缆的局限性和较低的可扩展性使得扩展应用规模面临挑战。近年来，无线通信方式（如 WiFi、蓝牙、Zigbee 等）已被应用于个人环境控制系统的开发。例如，一些研究人员开发了联网的个人舒适系统（PCS）座椅，或者使用小型智能代理来控制个体热调节设备。市场上也有物联网个体热调节设备的产品，但它们存在诸如体积过大不适合个人工作站，或者系统确定后难以添加新设备等问题。同时目前很少有研究对物联网个体热调节设备的使用行为和热舒适性能展开调查。

研究结论：本研究探究了基于物联网红外遥控的个体热调节设备（PECS）的使用行为和舒适效果。通过全年在真实开放式办公室进行实地调查和测量，并利用收集的数据来分析 PECS 的使用行为以及构建数据驱动的热舒适模型，得出以下结论：

①      办公室热环境的非均匀性。所测试的开放式办公室在季节和日时间维度，以及水平和垂直空间维度上均呈现出不均匀性。日温度分布在内墙附近测量点更集中，在靠近室外的测量点更分散。冬季和夏季的温度方差明显大于秋季。人员活动区域的温度呈现自上而下逐渐降低的趋势。

②      影响 PECS 使用行为的因素。使用者对 PECS 的使用行为受多种因素影响，但主要受工位温度（优势比 OR > 2）和季节影响。使用者会选择使用 PECS 来辅助热调节行为（例如使用桌面风扇的直吹功能、使用毯子覆盖等）以加速热适应。

③      PECS 对热感觉和热舒适的影响。PECS 能够纠正使用者的热感觉，从而改善冷热环境中的热舒适度。使用桌面风扇不会使热感觉发生显著变化，但在较高环境温度下能显著提高热舒适度。使用暖腿器能使使用者在较低环境温度下感觉更温暖。

④      输入变量和机器学习算法对预测准确性的影响。不同的输入变量和机器学习算法对预测准确性有不同程度的影响。七种机器学习算法对桌面风扇和暖腿器开关状态的预测准确性普遍在 70% 以上，这明显高于对桌面风扇风速和暖腿器加热档位预测的准确性（低于 50%）。在预测桌面风扇的开关状态和风速时，整体热感觉似乎比面部和躯干的局部热感觉更具优势；而在预测暖腿器的开关状态和加热档位时，腿部热感觉比整体热感觉表现更好。仅依靠客观参数而不考虑热感觉的预测与考虑热感觉的预测相比，准确性并未显著降低。

图1 个体热调节设备及分布式环境监测设备联网方式

图3 多个个体热调节设备的使用情况