室内自然光照度自适应神经模糊预测方法研究[1]

　　1 引言

　　在绿色建筑中，自然光是一种重要的能源。有效的使用自然光，能够提高室内人员的视觉舒适度及降低建筑的能源消耗。百叶帘作为一种常见的遮阳设备，已经被广泛的应用于室内采光控制。然而，传统百叶帘的角度控制大都采用手动或电动方式，需要依靠人为的判断去改变百叶帘的角度，缺点显而易见。因此，自动百叶帘的出现克服了手动百叶帘和电动百叶帘的不足，提高了室内的采光性能。

　　近年来，国内外研究人员提出了一系列的方法对百叶帘的角度进行智能调节以获得恒定的期望照度，如遗传算法[1]、模糊控制[2]、神经网络[3]、自适应模糊控制[4]等。然而，在实际的应用中，如果需要保持恒定照度的地方很多，这就必然需要放置多个照度传感器，不仅布线复杂，而且系统控制也不方便。另外，随着灯具的使用，光输出衰减，灰尘的沉积，墙壁反射的下降，这些都使得传感器难于提供精确的控制值。为了有效预测室内自然光照度，近年来研究人员也提出了一些预测算法，如遗传算法[5]、人工神经网络[6 ～ 7]、自适应神经模糊推理系统[8]等。然而，这些算法大都适用于单块百叶帘( Blinds) 的室内自然光照度预测，对于分块百叶帘( Split blinds) 的室内自然光照度的预测还值得探索。

　　分块百叶帘系统较传统百叶帘系统，具有更佳的视觉性能及热性能。在某一时刻，分块百叶帘依据叶片位于窗户上的高度位置不同，调节的叶片角度不同: 窗户上部的百叶帘在室内方向向下倾斜将自然光反射到天花板及室内深处从而获得更高的照度; 窗户中部的百叶帘置于水平位置可以直接观看室外的景色; 窗户下部的百叶帘在室外方向向下倾斜从而防止室内产生过热。本文通过EnergyPlusTM软件模拟办公空间模型，并利用自适应神经模糊推理系统( Adaptive neural fuzzy inference systems，ANFIS) 建立了基于分块百叶帘的室内自然光照度预测( Daylight illuminance prediction based on spiltblinds，DIPSB) 模型，并在MATLAB 中进行了仿真分析。

　　2 原理与方法

　　本文研究总体上共包含三个阶段: 首先，在EnergyPlusTM软件中建立办公空间模型，获得建立DIPSB 模型需要的照度数据; 其次，利用ANFIS 建立DIPSB 模型; 最后，使用照度百分比误差验证DIPSB 模型的准确性。

　　2. 1 办公空间模型建立

　　EnergyPlusTM是在美国能源部的支持下，由劳伦斯伯克利国家实验室、伊利诺斯大学、美国军队建筑工程实验室、俄克拉何马州立大学及其他单位共同开发的一个全新的建筑全能耗分析软件[9， 10]。EnergyPlusTM可以用来模拟建筑全年逐时的负载及能耗，其采用各向异性的天空模型，可以更为精确的模拟倾斜表面上的天空散射强度。在EnergyPlusTM软件中建立的办公空间模型如图1 所示。