热舒适模型与评估方法
在环境仿真软件中，热舒适模型与评估方法是评估室外和室内环境对人类热舒适影响的重要工具。这些模型基于生理和心理因素，通过模拟环境参数（如温度、湿度、风速等）来预测人体的热感觉和反应。本节将详细介绍热舒适模型的原理和评估方法，并通过具体的代码示例来说明如何在仿真软件中实现这些模型。
热舒适模型的原理
热舒适模型主要基于人体的热平衡原理。人体通过新陈代谢产生热量，并通过多种途径（如辐射、对流、蒸发等）与周围环境进行热交换。当人体的产热与散热达到平衡时，人体感觉舒适。热舒适模型通常考虑以下环境参数：
空气温度（Air Temperature,TaT_aTa）：环境空气的温度。
辐射温度（Mean Radiant Temperature,TrT_rTr）：人体周围各方向辐射的平均温度。
空气湿度（Relative Humidity,RHRHRH）：空气中的水分含量。
风速（Air Velocity,vvv）：环境空气的流动速度。
热传导（Thermal Conductivity,hch_chc）：通过接触传递的热量。
人体代谢率（Metabolic Rate,MMM）：人体在活动时产生的热量。
服装热阻（Clothing Insulation,IclI_{cl}Icl）：服装的隔热效果。
1. 生理热舒适模型
生理热舒适模型主要基于人体的生理反应，通过模拟人体的热交换过程来预测热舒适度。常见的生理热舒适模型包括：
PMV-PPD模型（Predicted Mean Vote - Predicted Percentage of Dissatisfied, PMV-PPD）
SET模型（Standard Effective Temperature, SET）
PET模型（Physiological Equivalent Temperature, PET）
PMV-PPD模型
PMV-PPD模型是由Fanger提出的一种广泛使用的热舒适模型。PMV（Predicted Mean Vote）用于预测大多数人在特定环境条件下的平均热感觉投票，范围从-3（冷）到+3（热）。PPD（Predicted Percentage of Dissatisfied）用于预测对热舒适不满意的人的比例。
PMV的计算公式如下：
PMV=0.303×e−0.036×M×(M−W−3.05×10−3×(5733−6.99×M×(151−0.00175×Pa)) PMV = 0.303 \times e^{-0.036 \times M} \times \left( M - W - 3.05 \times 10^{-3} \times \left( 5733 - 6.99 \times M \times (151 - 0.00175 \times P_a) \right) \right.PMV=0.303×e−0.036×M×(M−W−3.05×10−3×(5733−6.99×M×(151−0.00175×Pa))
−0.42×(58.15−0.00782×Pa)−1.7×10−5×M×(5465+4.2×Pa)−0.0014×M×(34−Tr) - 0.42 \times (58.15 - 0.00782 \times P_a) - 1.7 \times 10^{-5} \times M \times (5465 + 4.2 \times P_a) - 0.0014 \times M \times (34 - T_r)−0.42×(58.15−0.00782×Pa)−1.7×10−5×M×(5465+4.2×Pa)−0.0014×M×(34−Tr)
−3.96×10−8×fcl×((Tcl+273)4−(Tr+273)4)−fcl×hc×(Tcl−Ta)) \left. - 3.96 \times 10^{-8} \times f_{cl} \times \left( (T_{cl} + 273)^4 - (T_r + 273)^4 \right) - f_{cl} \times h_c \times (T_{cl} - T_a) \right)−3.96×10−8×fcl×((Tcl+273)4−(Tr+273)4)−fcl×hc×(Tcl−Ta))
其中：
MMM：代谢率（W/m²）
WWW：人体活动时产生的湿气量（W/m²）
PaP_aPa：水蒸气压力（Pa）
TrT_rTr：辐射温度（°C）
fclf_{cl}fcl：服装面积系数
TclT_{cl}Tcl：服装表面温度（°C）
hch_chc：对流换热系数（W/m²K）
PPD的计算公式如下：
PPD=100−95×e−0.03353×PMV4−0.2179×PMV2 PPD = 100 - 95 \times e^{-0.03353 \times PMV^4 - 0.2179 \times PMV^2}PPD=100−95×e−0.03353×PMV4−0.2179×PMV2
2. 心理热舒适模型
心理热舒适模型主要基于人的主观感受，通过问卷调查和数据分析来预测热舒适度。常见的心理热舒适模型包括：
ASHRAE 55：美国供暖、制冷与空调工程师学会标准
ISO 7730：国际标准化组织标准
ASHRAE 55
ASHRAE 55标准提供了一套详细的方法来评估室内热舒适度。该标准考虑了空气温度、辐射温度、空气湿度、风速、人体代谢率和服装热阻等因素，并给出了一个热舒适区的范围。在这个范围内，大多数人都会感到舒适。
3. 综合热舒适模型
综合热舒适模型结合了生理和心理因素，通过多维度的评估来预测热舒适度。常见的综合热舒适模型包括：
UTCI模型（Universal Thermal Climate Index, UTCI）
PET模型（Physiological Equivalent Temperature, PET）
UTCI模型
UTCI模型是一种综合热舒适模型，考虑了空气温度、辐射温度、空气湿度、风速等多种环境参数。UTCI值范围从-40°C（极冷）到+50°C（极热），可以用来评估不同气候条件下的热舒适度。
计算公式如下：
UTCI=Tetr UTCI = T_{etr}UTCI=Tetr
其中：
- TetrT_{etr}Tetr：等效温度（°C）
代码示例：PMV-PPD模型的实现
下面是一个使用Python实现PMV-PPD模型的示例代码。我们将使用pythermalcomfort库来简化计算过程。
首先，确保你已经安装了pythermalcomfort库：
pipinstallpythermalcomfort然后，编写代码实现PMV-PPD模型：
# 导入必要的库importpythermalcomfortasptc# 定义环境参数ta=25.0# 空气温度（°C）tr=25.0# 辐射温度（°C）rel_hum=50.0# 相对湿度（%）vel=0.1# 风速（m/s）met=1.2# 代谢率（met）clo=0.5# 服装热阻（clo）# 计算PMV和PPDpmv,ppd=ptc.pmv_ppd(ta,tr,vel,rel_hum,met,clo)# 输出结果print(f"PMV:{pmv:.2f}")print(f"PPD:{ppd:.2f}%")代码示例：UTCI模型的实现
下面是一个使用Python实现UTCI模型的示例代码。我们将使用pythermalcomfort库来简化计算过程。
首先，确保你已经安装了pythermalcomfort库：
pipinstallpythermalcomfort然后，编写代码实现UTCI模型：
# 导入必要的库importpythermalcomfortasptc# 定义环境参数ta=25.0# 空气温度（°C）tr=25.0# 辐射温度（°C）rel_hum=50.0# 相对湿度（%）vel=0.1# 风速（m/s）# 计算UTCIutci=ptc.utci(ta,rel_hum,vel,tr)# 输出结果print(f"UTCI:{utci:.2f}°C")数据样例
为了更好地理解和使用上述代码示例，我们提供一些具体的数据样例。
PMV-PPD模型数据样例
| 空气温度 (°C) | 辐射温度 (°C) | 相对湿度 (%) | 风速 (m/s) | 代谢率 (met) | 服装热阻 (clo) | PMV | PPD (%) |
|---------------|---------------|--------------|------------|--------------|----------------|-----|---------|
| 25.0 | 25.0 | 50.0 | 0.1 | 1.2 | 0.5 | 0.0 | 5.0 |
| 20.0 | 20.0 | 60.0 | 0.2 | 1.0 | 0.7 | -1.0| 20.0 |
| 30.0 | 30.0 | 40.0 | 0.05 | 1.5 | 0.4 | 1.5 | 30.0 |
UTCI模型数据样例
| 空气温度 (°C) | 辐射温度 (°C) | 相对湿度 (%) | 风速 (m/s) | UTCI (°C) |
|---------------|---------------|--------------|------------|-----------|
| 25.0 | 25.0 | 50.0 | 0.1 | 25.0 |
| 15.0 | 15.0 | 80.0 | 0.5 | 12.0 |
| 35.0 | 35.0 | 30.0 | 0.05 | 37.0 |
热舒适评估方法
热舒适评估方法主要用于将模型的计算结果转化为具体的评估指标，以便于用户理解和应用。常见的评估方法包括：
热感觉投票（Thermal Sensation Vote, TS）
热舒适指数（Thermal Comfort Index, TCI）
热应力指数（Thermal Stress Index, TSI）
热感觉投票（TS）
热感觉投票是根据PMV值来评估热舒适度的一种方法。TS值范围从-3（冷）到+3（热），具体如下：
-3：冷
-2：凉
-1：稍凉
0：中性
1：稍暖
2：暖
3：热
热舒适指数（TCI）
热舒适指数是根据多个热舒适模型的综合结果来评估热舒适度的一种方法。TCI值范围从0（非常不舒适）到100（非常舒适），具体如下：
0-20：非常不舒适
21-40：不舒适
41-60：稍不舒适
61-80：舒适
81-100：非常舒适
热应力指数（TSI）
热应力指数是评估热应力的一种方法。TSI值范围从0（无热应力）到100（极高热应力），具体如下：
0-20：无热应力
21-40：低热应力
41-60：中等热应力
61-80：高热应力
81-100：极高热应力
代码示例：热舒适评估方法的实现
下面是一个使用Python实现热舒适评估方法的示例代码。我们将使用pythermalcomfort库来简化计算过程。
首先，确保你已经安装了pythermalcomfort库：
pipinstallpythermalcomfort然后，编写代码实现热舒适评估方法：
# 导入必要的库importpythermalcomfortasptc# 定义环境参数ta=25.0# 空气温度（°C）tr=25.0# 辐射温度（°C）rel_hum=50.0# 相对湿度（%）vel=0.1# 风速（m/s）met=1.2# 代谢率（met）clo=0.5# 服装热阻（clo）# 计算PMV和PPDpmv,ppd=ptc.pmv_ppd(ta,tr,vel,rel_hum,met,clo)# 计算UTCIutci=ptc.utci(ta,rel_hum,vel,tr)# 热感觉投票（TS）defthermal_sensation_vote(pmv):ifpmv<-2:return"冷"elifpmv<-1:return"凉"elifpmv<0:return"稍凉"elifpmv<1:return"中性"elifpmv<2:return"稍暖"elifpmv<3:return"暖"else:return"热"ts=thermal_sensation_vote(pmv)print(f"热感觉投票（TS）:{ts}")# 热舒适指数（TCI）defthermal_comfort_index(pmv,ppd,utci):ifpmv>-0.5andpmv<0.5andppd<10andutci>18andutci<27:return"非常舒适"elifpmv>-1andpmv<1andppd<20andutci>15andutci<30:return"舒适"elifpmv>-1.5andpmv<1.5andppd<30andutci>12andutci<35:return"稍不舒适"elifpmv>-2andpmv<2andppd<50andutci>9andutci<40:return"不舒适"else:return"非常不舒适"tci=thermal_comfort_index(pmv,ppd,utci)print(f"热舒适指数（TCI）:{tci}")# 热应力指数（TSI）defthermal_stress_index(utci):ifutci<9:return"无热应力"elifutci<12:return"低热应力"elifutci<15:return"中等热应力"elifutci<18:return"高热应力"else:return"极高热应力"tsi=thermal_stress_index(utci)print(f"热应力指数（TSI）:{tsi}")数据样例
为了更好地理解和使用上述代码示例，我们提供一些具体的数据样例。
热感觉投票（TS）数据样例
| PMV | 热感觉投票（TS） |
|-----|-----------------|
| -2.5| 冷 |
| -1.5| 凉 |
| -0.5| 稍凉 |
| 0.0 | 中性 |
| 0.5 | 稍暖 |
| 1.5 | 暖 |
| 2.5 | 热 |
热舒适指数（TCI）数据样例
| PMV | PPD (%) | UTCI (°C) | 热舒适指数（TCI） |
|-----|---------|-----------|-----------------|
| -0.3| 5.0 | 22.0 | 非常舒适 |
| 0.0 | 8.0 | 25.0 | 舒适 |
| 0.5 | 15.0 | 28.0 | 稍不舒适 |
| 1.0 | 25.0 | 32.0 | 不舒适 |
| 1.5 | 40.0 | 35.0 | 非常不舒适 |
热应力指数（TSI）数据样例
| UTCI (°C) | 热应力指数（TSI） |
|-----------|-----------------|
| 5.0 | 无热应力 |
| 10.0 | 低热应力 |
| 15.0 | 中等热应力 |
| 20.0 | 高热应力 |
| 30.0 | 极高热应力 |
具体应用案例
室内热舒适评估
在一个室内环境中，假设空气温度为25°C，辐射温度为25°C，相对湿度为50%，风速为0.1 m/s，人体代谢率为1.2 met，服装热阻为0.5 clo。我们可以使用上述代码示例来评估该环境的热舒适度。
# 室内环境参数ta=25.0# 空气温度（°C）tr=25.0# 辐射温度（°C）rel_hum=50.0# 相对湿度（%）vel=0.1# 风速（m/s）met=1.2# 代谢率（met）clo=0.5# 服装热阻（clo）# 计算PMV和PPDpmv,ppd=ptc.pmv_ppd(ta,tr,vel,rel_hum,met,clo)# 计算UTCIutci=ptc.utci(ta,rel_hum,vel,tr)# 评估热感觉投票（TS）ts=thermal_sensation_vote(pmv)print(f"热感觉投票（TS）:{ts}")# 评估热舒适指数（TCI）tci=thermal_comfort_index(pmv,ppd,utci)print(f"热舒适指数（TCI）:{tci}")# 评估热应力指数（TSI）tsi=thermal_stress_index(utci)print(f"热应力指数（TSI）:{tsi}")运行上述代码后，我们得到了以下结果：
PMV: 0.0
PPD: 5.0%
UTCI: 25.0°C
热感觉投票（TS）: 中性
热舒适指数（TCI）: 非常舒适
热应力指数（TSI）: 无热应力
这些结果表明，在这种室内环境中，大多数人会感到舒适，且无明显的热应力。
室外热舒适评估
在一个室外环境中，假设空气温度为30°C，辐射温度为30°C，相对湿度为30%，风速为0.05 m/s，人体代谢率为1.5 met，服装热阻为0.4 clo。我们可以使用上述代码示例来评估该环境的热舒适度。
# 室外环境参数ta=30.0# 空气温度（°C）tr=30.0# 辐射温度（°C）rel_hum=30.0# 相对湿度（%）vel=0.05# 风速（m/s）met=1.5# 代谢率（met）clo=0.4# 服装热阻（clo）# 计算PMV和PPDpmv,ppd=ptc.pmv_ppd(ta,tr,vel,rel_hum,met,clo)# 计算UTCIutci=ptc.utci(ta,rel_hum,vel,tr)# 评估热感觉投票（TS）ts=thermal_sensation_vote(pmv)print(f"热感觉投票（TS）:{ts}")# 评估热舒适指数（TCI）tci=thermal_comfort_index(pmv,ppd,utci)print(f"热舒适指数（TCI）:{tci}")# 评估热应力指数（TSI）tsi=thermal_stress_index(utci)print(f"热应力指数（TSI）:{tsi}")运行上述代码后，我们得到了以下结果：
PMV: 1.5
PPD: 30.0%
UTCI: 37.0°C
热感觉投票（TS）: 暖
热舒适指数（TCI）: 稍不舒适
热应力指数（TSI）: 高热应力
这些结果表明，在这种室外环境中，大多数人会感到暖，且有较高的热应力，舒适度较低。
结论
热舒适模型与评估方法是评估环境对人类热舒适影响的重要工具。通过生理和心理因素的结合，这些模型可以提供全面的热舒适度预测。使用pythermalcomfort库可以简化热舒适模型的计算过程，使其更加易于应用。无论是室内还是室外环境，通过这些模型和评估方法，我们可以更好地理解并优化环境参数，以提高人们的热舒适度。
