基于混合CFD-机器学习方法的中高冷负荷下正弦型射流冲击通风多目标优化

《ENERGY AND BUILDINGS》：Multi-objective optimization of sinusoidal impinging jet ventilation under medium-to-high cooling loads using a hybrid CFD-machine learning approach

　　

•在中等至高冷负荷条件下研究了正弦式射流通风(SIJV)，改善了舒适性和能源效率。
•分析了供给温度、速度和时间周期对SIJV性能的耦合效应。
•开发了融合CFD、GA-BPNN和NSGA-II的混合多目标优化框架。
•确定了帕累托最优解，并采用熵权-TOPSIS法选择最佳方案。
•通过CFD验证了最优设计，实现了62%的温度差降低和23.5%的节能。

引言

在中至高冷负荷条件下，如何在控制能耗的同时维持可接受的室内热舒适性，仍是现代办公建筑面临的关键挑战[1, 2]。在此条件下，较高的内部得热增加了冷负荷需求，使得同时实现热舒适与能源效率变得更加困难。作为建筑能耗和运营碳排放的主要贡献者，暖通空调(HVAC)系统在塑造室内环境质量和提升能源效率方面发挥着核心作用[3, 4]。

混合式通风(MV)长期以来一直是办公建筑的主流策略，因其能够创造热均匀的室内环境[5, 6]。然而，这种均匀热控制往往导致过高的能耗，尤其是在内部得热较高的情况下。随着对低碳、节能、健康和智能建筑日益增长的需求，越来越多的关注转向了利用受控热不均匀性来提升制冷效率的气流组织策略[7, 8]。分层通风(SV)、地板送风(UFAD)、置换通风(DV)和射流通风(IJV)等先进通风模式，因其能够建立垂直温度分层并减少房间上部的不必要制冷而受到关注[7, 9, 10]。

在这些策略中，IJV结合了MV和DV的特点，利用高动量垂直射流撞击地面并向水平方向扩散，在人员活动区形成低风速气流区域，同时将暖空气从上部区域排出（图1(a)），从而建立相对稳定的垂直温度梯度[11, 12]。既往研究表明，IJV能够提供优越的热舒适性、改善室内空气质量(IAQ)并提升能源效率。例如，Chen等[13]研究了送风口几何形状、射流出口高度、气流速度和供给温度对局部热舒适性的影响，建立了预测模型。Karimipanah等[6]报道了与DV相比，IJV具有更好的通风效率和更低的平均空气龄。近期，Zhu等[14]表明优化的IJV配置在感染控制方面优于MV，在热舒适方面优于DV。在加热条件下，Ye等[12, 15]发现IJV比MV消耗更少的加热能耗，同时保持了更优越的室内空气质量。通过优化出风口布局、供给参数和安装高度[16, 17]，进一步提升了IJV的能源效率，并逐步引入了多目标优化方法来平衡热舒适性、室内空气质量与能耗[18, 19]。

尽管IJV具有上述优势，但近期研究表明，在较高冷负荷条件下（办公环境冷负荷在50–100 W/m2范围内），传统稳态IJV运行可能导致头部与脚踝之间过大的温差以及局部吹风不适感，从而削弱其热舒适优势[2, 20, 21]。在此条件下，增加的内部得热增强了浮力驱动的热羽流，加强了垂直热分层，从而改变了射流与室内热环境之间的相互作用。因此，同时维持热舒适和有效散热变得更加困难。为了补偿，通常需要更高的送风量或更低的供给温度，这无疑会增加能耗。这种热舒适与能源效率之间的权衡凸显了需要改进IJV在高冷负荷条件下的运行策略。

为缓解这些问题，已将IJV与被动式冷梁[21]、冷顶板[22]或无管道个人通风系统[23, 24]相结合的混合系统方案提出。尽管有效，但这些方法依赖于额外的制冷设备，增加了系统复杂性和隐含能耗。此外，大多数现有IJV研究仍采用恒定供给条件（图1(b)），限制了通过运行控制提升性能的空间。

在此背景下，动态气流控制作为一种同时改善热舒适和能源性能的有前景的替代方案应运而生。瞬态热环境引入了时变热刺激，更好地匹配人体生理和心理适应能力，类似于自然通风的优势[25, 26, 27, 28]。实验研究表明，动态气流可减少吹风不适感，提高热可接受度，并降低风机功率需求和送风量[29, 30]。

基于这一概念，Zhou等[31]提出了一种间歇式IJV策略，其特征是交替进行高强度和低强度气流阶段（图1(c)），与稳态运行相比，部分减弱了垂直热分层。然而，风速的突变切换可能导致气流不稳定，造成人员活动区间歇性不适。为进一步提升动态气流控制的稳定性，Duan等[32]引入了正弦式射流通风(SIJV)，其中供给速度按照正弦波形平稳变化（图1(d)）。与间歇调制相比，这种连续调制能够在提供周期性动量调节的同时，实现气流平稳演变，从而避免脉冲控制带来的突变波动。其研究表明，在典型冷负荷条件下，SIJV与稳态和间歇通风相比，能够改善热舒适性和能源性能。还研究了正弦周期和峰值速度的影响，并进行了多目标优化以识别这些参数的合适组合。尽管这些研究展示了SIJV的潜力并确定了合适的正弦运行参数，但周期性射流调制在高冷负荷条件下对供给动量、浮力驱动热羽流和室内热分层之间相互作用的影响仍不够充分理解。首先，Duan等[32]之前的SIJV优化研究是在中等冷负荷条件下进行的。在中等至高冷负荷下，较强的浮力效应可能改变射流与羽流的相互作用和热分层特征，SIJV的性能优势能否保持仍不清楚。其次，之前的优化研究主要考虑了正弦运行参数，如峰值速度和调制周期。供给温度、峰值速度和调制周期对热舒适性和能源性能的耦合效应尚未得到系统量化。此外，SIJV运行涉及与热舒适性和能源效率相关的耦合且往往相互矛盾的目标。这种权衡使得传统的参数分析不足以识别合适的运行条件。随着运行参数数量的增加，基于CFD的直接优化变得计算密集，因为每个候选解都需要进行瞬态CFD模拟。因此，在多目标优化过程中评估大量候选解可能导致巨大的计算成本。为应对这一挑战，代理模型技术已被越来越多的采用，在显著降低计算成本的同时近似CFD响应。基于神经网络的代理模型已被应用于利用代表性CFD数据集预测热舒适和能耗指标[20, 33, 34]。然而，从多个性能指标中识别合适的运行条件仍具有挑战性。结合瞬态气流模拟、代理建模和多目标优化的预测优化方法尚未在SIJV系统中报告。

因此，本研究在中至高冷负荷条件下研究了SIJV的性能，并开发了一种融合瞬态CFD模拟、遗传算法优化的反向传播神经网络(GA-BPNN)和非支配排序遗传算法II(NSGA-II)的预测优化方法。该方法用于建立关键运行参数（包括供给温度、正弦峰值速度和调制周期）与性能指标（如热不适持续时间、吹风不适感和能耗）之间的关系。然后利用NSGA-II识别帕累托最优运行条件以平衡热舒适和能源性能，并采用熵权法结合TOPSIS(EWM-TOPSIS)选择代表性方案。

与Duan等[32]之前的SIJV研究相比，本工作在三个方面进行了扩展。首先，在中至高冷负荷条件下评估了SIJV性能，此时较强的浮力效应可能加剧热分层并影响气流组织。其次，通过同时考虑供给温度以及峰值速度和调制周期，扩展了设计空间，使得多个运行参数对热舒适和能源性能的耦合效应得以系统评估。第三，将GA-BPNN代理模型引入优化程序，以减少在扩展参数空间探索时重复瞬态CFD评估所带来的计算负担。研究结果为在所述冷负荷条件下选择合适的SIJV运行参数提供了指导。

小节摘要

研究框架

本研究的总体研究框架如图2所示。研究旨在评估正弦式射流通风(SIJV)在中等至高冷负荷条件下的运行性能，并开发一种高效的多目标优化方法用于运行参数选择。首先，建立了典型办公环境下SIJV系统的三维瞬态CFD模型。数值模型考虑了非稳态气流和热量……

稳态IJV与SIJV基线性能比较

为阐明SIJV的基线热响应，图6比较了在供给空气温度18°C、调制周期2 min条件下稳态IJV与SIJV的室内温度场。结果在x = 1.8 m的中心垂直截面上呈现（如图3所示），同时给出了地面上方两个代表性高度处的空气温度随时间变化，即0.1 m（脚踝高度）和1.1 m（头部高度）。热舒适变量，包括空气……

SIJV运行设计的混合预测优化框架

在进行多目标优化之前，对所有27个研究工况的时间平均预测平均评价(PMVa)进行了评估，以确定SIJV的可行运行范围。PMV根据ISO 7730标准计算，使用CFD预测的空气温度、空气流速和平均辐射温度(MRT)，相对湿度为60%，服装热阻为0.58 clo，代谢率为1.2 met[17, 32]。MRT由CFD模拟获得，采用了DO……

结论

本研究在中至高冷负荷条件下研究了正弦式射流通风(SIJV)，并开发了一种融合瞬态CFD模拟、GA-BPNN代理模型、NSGA-II多目标优化和EWM-TOPSIS决策方法的预测优化方法。主要结论如下：

1. 舒适性和能源性能提升：优化的SIJV配置与稳态IJV相比，在热舒适和能源性能方面均有改善

CRediT作者贡献声明

Tao Duan：可视化、验证、方法论、数据整理。
Xiao Ye：撰写——审阅与编辑、监督、项目管理、经费获取、概念设计。
Ye Zhou：撰写——原稿撰写、验证、方法论、调查、数据整理。
Yanming Kang：监督、形式分析。
Ke Zhong：项目管理、经费获取。

利益冲突声明

作者声明不存在已知的可能影响本论文所述工作的竞争性经济利益或个人关系。

致谢

本研究得到国家自然科学基金（批准号52308102和51478098）和中国上海扬帆计划（批准号21YF1415500）的资金支持。

Tao Duan | Xiao Ye | Ye Zhou | Yanming Kang | Ke Zhong