病房非均匀温度场中控制参考点空间代表性及基于既有FCU信号的虚拟传感估计

《Buildings》：A KPI Framework for Evaluating Indoor Service Robot Performance Toward Robot-Friendly Building Environments

　　

病房供冷由单一温控器控制，但该读数是否代表房间平均温度很少被评估。既有虚拟传感（virtual sensing，利用系统内变量数学关系估算无物理传感器位置物理量的方法）重建的是预先给定位置处的数值，而非确定哪一个位置应当成为控制参考。研究人员确定了该控制参考点，检验了其在温控器和人员位置变化时的稳定性，并利用既有控制信号对其进行估计。在无机械通风、面积为16.03 m²、以一个70 W加热圆柱体代表人员的热室实验空间中，研究人员按5 min间隔在21个平面位置和3个高度测量空气温度与相对湿度，共设置6种配置。瞬时空间偏差达到4.5 °C。相对于房间平均值，温控器读数对房间平均值的回归斜率仅为0.52，并可偏高至0.86 °C；而某一单点相对于房间平均值的回归斜率达到0.98，并在六次配置中有五次被选为参考点；仅使用训练窗口数据进行选择也得到同一位置。利用四个控制信号估计该点，可使温控器对房间平均值的跟踪误差降低41%，由0.291 °C降至0.172 °C，并且当以五个案例训练、在第六个案例测试时，估计值可在0.222 °C以内复现该位置。代表性由偏差场决定，而偏差场在不同配置间保持不变，因此每个房间只需识别一次该参考点。舒适度与能耗未被测量。

研究背景与意义
医院建筑需要全年运行空调，病房因人员长时间卧床而成为供热和制冷能耗的重要部分。室内温控通常默认单一温控器读数能够代表整个房间，但实际传感器数量有限、失效后不易更换。虚拟传感（virtual sensing，利用系统内变量数学关系估算无物理传感器位置物理量的方法）常用于重建预设位置的数值，却很少回答哪一个位置应当成为控制参考点（控制系统用于维持设定值的温度读取位置）。房间尺度已有研究多依赖数值模拟或边界条件先验，病房床面水平方向的偏差及其对控制参考选择的影响仍缺少测量证据。为此，研究人员在病房式实验空间中识别代表房间的控制参考点，检验其在温控器和人员位置变化下的稳定性，并证明该点可由既有控制信号估计。这一工作为不增加永久传感器而改善控制参考代表性提供了路径。

关键技术方法
研究人员在韩国光州某教学科研建筑Testbed 1内布置高密度传感器网格，在6种温控器与70 W加热圆柱体位置组合下测量温湿度；以48个热电偶点均值定义房间平均，选择偏差最小且跨配置稳定的点为参考点；采用回归、平均绝对误差（MAE）和均方根误差（RMSE）评估代表性，并用多元线性回归（MLR）等模型从既有控制变量预测参考点。

研究结果
3.1 温湿度空间分布：通过六案例高密度温湿度测量并按高度分解偏差，结果显示温度瞬时空间偏差最高为4.5 °C、均值2.1 °C，主要源于0.6 m床面水平不均匀；相对湿度更均匀，平均空间偏差8.7% RH。

3.2 温控器与参考点空间代表性：通过48点偏差场跨配置比较以及温控器、候选点相对房间平均值的回归分析，结果显示偏差场平均成对相关系数为0.911，参考点A-4-2在6个案例中被5次识别，其斜率均值为0.976；温控器斜率均值为0.523、决定系数（R²）均值为0.534，且在所有案例中高于房间平均值，最大偏差+0.86 °C出现在人员靠近温控器时。

3.3 参考点的虚拟传感：通过仅以时间、温控器、风机盘管机组（FCU，向室内送风的冷却末端）入口和出口四个控制变量训练模型，结果显示MLR对参考点温度的MAE为0.247 °C、相对湿度为0.570% RH；对房间平均值的跟踪误差MAE^*由0.291 °C降至0.172 °C，降幅41%。

3.4 跨配置泛化：通过留一案例验证，即在五个案例上训练并在第六个未参与训练的配置上测试，结果显示MLR温度误差为0.222 °C，与多输入非线性模型、支持向量回归（SVR）和随机森林差异不超过0.016 °C；仅做增益与偏移重标定的误差为0.332 °C，波动更大。

3.5 控制参考依赖性：通过房间均值、0.6 m床面平面和人员周围四点床区三种参考定义，结果显示模型可用四个控制变量重建局部参考，对三种参考的MAE分别为0.181、0.184和0.211 °C；参考范围从房间均值缩小到床区时，温控器偏移减小但始终为正，床区低于设定值的时间比例为41.5%至82.7%。

3.6 参考点时间响应：通过去除昼夜均值并计算±2 h互相关，结果显示所有信号对均在零滞后达到最大相关；A-4-2相对房间平均值的相关系数为0.930至0.976，其波动幅度为温控器的1.3至1.7倍，说明参考点能跟随负荷变化，而温控器削弱了室内温度变化。

讨论部分总结：原文强调偏差主要发生在床面水平方向而非传统大空间垂直分层，并指出患者不能移动，床面温度偏差可直接归因于人员暴露，但未测风速、辐射温度和舒适度/能耗，因此热舒适与节能量化留待后续研究。参考点的稳定性来自跨配置不变的偏差场；研究人员将之与房间几何和送风气流联系，但因未测风速而基于温度分布说明。虚拟传感被定位为对温控器的修正而非替换，且时间响应无明显滞后。线性模型在数据量有限和FCU进出口与室内关系近线性条件下足够，非线性模型未提供额外优势。局限包括湿度测点失效、单室无机械通风、仅夏季供冷、输入不含室外突变且实际部署需将记录序号替换为小时等周期变量。

结论可译为：本研究在模拟病房的实验空间中测量高密度温湿度分布，并定量评估控制参考点的空间代表性。房间空气温度瞬时空间偏差达4.5 °C、均值2.1 °C，主要来自0.6 m床面水平方向；相对湿度较均匀，平均偏差8.7% RH，因此代表性问题集中于温度。既有温控器相对房间平均值的斜率均值0.523、R²均值0.534，且始终偏高，人员靠近时偏差达0.86 °C；该偏移源于安装位置而非容量或控制失效。靠近房间平均值的点A-4-2在六案例中五次被选中，斜率0.976、R²0.889；其稳定性源于偏差场跨配置相关均值0.911。以四个控制变量估计该虚拟温控器时，MLR温度MAE为0.247 °C、湿度MAE为0.570% RH；测试期估计值对房间平均值的斜率0.743、R²0.763，较既有温控器显著改善。研究确认单一温控器空间代表性有限，并证明无需安装额外传感器即可用线性模型获得更能代表房间的控制参考值。由于参考点跨配置不变，每个房间只需识别一次，该方法可服务于计算资源有限的楼宇能源管理系统，供热与机械通风条件下的扩展正在测量中。