非连续通风下建筑内污染物多区双向计算方法研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
51708286
项目类别：
青年科学基金项目
资助金额：
25.0万
负责人：
李斐
依托单位：
南京工业大学
学科分类：
E0803.建筑物理
结题年份：
2020
批准年份：
2017
项目状态：
已结题
起止时间：
2018-01-01 至2020-12-31

项目参与者：
王瑜；魏鹏；董志波；林新智；
关键词：
通风颗粒物污染物多区模型随机性

项目摘要

Intermittent natural ventilation considering occupants’ window opening behaviors is a common and high-efficient ventilation mode. However, the contaminants in ambient can penetrate into the buildings due to the serious air pollution in our country. It is important to take advantage of the intermittent natural ventilation and avoid the effects of its disadvantage through our research. In this project, we will investigate the contaminant transport mechanism and source identification under stochastic and unsteady ventilation. For forward calculation, we will develop a stochastic model for window opening size and study the effect of this stochastic variation on the contaminant distribution in buildings through the multi-zone model and Monte-Carlo simulation. For inverse calculation, we will study the tracking algorithm for contaminant sources in the unsteady flow-field through the multi-zone and two-step inverse model. Based on these, we can analyze the efficiency of combinations of different ventilation modes on controlling the indoor air pollutions. We can also combine the source tracking algorithm with sensor hardware. This project will provide theoretical and technical supports for establishing a healthy and comfortable living and working environment.

考虑开闭窗的非连续通风是一种常见、高效的通风方式，鉴于我国目前较为严重的大气污染，这种方式又会将室外污染物引入室内。需要通过对其规律的研究，充分利用其优势的同时降低不利因素的影响。因此本项目针对非连续自然通风的随机和非稳态特点，研究建筑空间内污染物传播规律和非稳态流场下污染源逆向识别原理。正向计算方面，利用调研及统计方法建立窗口开度随机变化模型，并采用多区矩阵和Monte-Carlo模拟来探索窗口开度随机变化对建筑内污染物分布的影响；逆向寻源方面，采用多区矩阵计算响应因子和似然函数，结合正反交错模型着力解决非稳态流场下的建筑内污染源识别问题。在工程上，可分析不同通风方式组合对建筑内颗粒、气态污染物控制效果的差异，同时可将污染源识别算法和传感器结合，为设计安全、健康的生活工作环境提供理论和技术支持。

结项摘要

考虑开关窗的非连续通风是一种常见、高效的通风方式，鉴于我国目前较为严重的大气污染，这种方式又会将室外污染物引入室内。本项目针对非连续自然通风的随机和非稳态特点，研究建筑空间内污染物传播规律和非稳态流场下污染源逆向识别原理，以及不同通风方式组合下建筑内颗粒、气态污染物控制效果。研究工作包括：首先提出了非介入式窗口状态监测方法，结合卷积神经网络（CNN）的图像识别技术，在同一时刻识别并获取整栋建筑的开窗状态；然后结合Monte-Carlo模拟和污染物转移概率模型，分析了采用带有过滤净化功能的窗纱和独立式空气净化器对室内PM2.5等污染物的控制效果；之后，针对多区时变流场，提出了源辨识的综合逆模型（MCRB）模型，并对不同的滤波方法进行了研究和改进；最后，提出了一种基于浓度响应矩阵测量的建筑内污染源辨识方法，来解决实际建筑中源辨识误差较大的问题。本项目的重要结果包括：室外温度、室外相对湿度以及PM 2.5浓度对窗口开度大小具有显著性影响，窗口开度大小和开窗数量都会随室外温度的增加先增加后减少，通过对大量采样数据的分析得到了描述窗口开度概率分布的混合模型，可用于建筑能耗和室内空气品质的建模分析中；使用空气净化器时，分布向低浓度偏移更加明显，对室内PM 2.5污染物的控制效果更好；MCRB模型可以辨识非稳态流场下多区建筑内的时变污染源位置及源强，相对误差不超过20％，而且通过对滤波方法的研究也发现滤波器的性能和计算时间步长的选择密切相关；利用响应矩阵法进行正向运算得到的污染物浓度计算值与实验值吻合较好，并且响应矩阵法可以在恒定源实验中成功的辨识出真实源位置和源强，反算结果与真实源强之间的相对误差低于30%。这些成果为在真实复杂建筑内污染源的辨识和通风控制提供了基础。