基于多传感器CNN-LSTM模型的辐射地板供暖系统时空温度预测与滞后时间分析

《Journal of Building Engineering》：A multi-sensor CNN-LSTM model for spatial-temporal temperature prediction and lag time analysis in radiant floor heating systems

本文针对辐射地板供暖系统（RFHS）提出一种多传感器卷积神经网络-长短期记忆（CNN-LSTM）混合模型，用于室内空气温度（AT）的时空预测。研究揭示了AT与黑球温度（GT）测量所得平均辐射温度（MRT）之间存在3小时滞后，验证了CNN-LSTM模型在1小时预测中相关系数（R2）高于0.95的卓越精度，为RFHS热舒适性评估与智能控制提供了新方案。

　　

Highlight

平均辐射温度

平均辐射温度（MRT）是一个假想均匀封闭空间的温度，在此空间中人体与环境的辐射换热量与实际非均匀封闭空间中的辐射换热量相等。由于角度系数的计算具有挑战性，它通常被近似为室内空气温度（AT）。角度系数量化了离开一个表面的辐射能量直接投射到另一个表面的比例。MRT通过公式（1）计算：

（此处原文公式未完整提供）

实验平台与数据处理

本研究旨在探索室内空气温度（AT）的时空分布，并评估多传感器CNN-LSTM模型在预测室内温度方面的有效性。模型使用2024年12月26日至2025年1月11日在中国山东省济南市一独立建筑客厅内采集的实际温度监测数据进行训练。图3显示了地板结构。房间尺寸为长7米、宽4.2米、高3.1米，并具有...

室内温度的时空分布

图7展示了布置在不同高度的传感器记录的室内环境空间分布和温度变化。具体来说，图7(a)描绘了AT的垂直分布，而图7(b)代表了AT的水平分布。在0.6米高度处，各温度传感器记录的中值分别为21.8°C、22.6°C、22.5°C、22.7°C和22.6°C，最大变化为0.9°C。当高度增加至1.1米和...

讨论

本研究通过多传感器监测和CNN-LSTM模型预测揭示了辐射地板供暖系统（RFHS）的热环境特性。表3综合了关键发现，由此引出以下讨论。

结论

本研究对使用辐射地板供暖系统（RFHS）的居住空间内的热环境进行了全面分析。调查重点在于室内空气温度（AT）的时空分布，特别考察了垂直温度分层以及AT和黑球温度（GT）测量之间观察到显著的时间滞后。为了解决传统测量和预测技术固有的局限性，开发并实施了一种新颖的多传感器CNN-LSTM模型，用于精确的短期...