综述：基于规则的技术是否足以实现以乘客为中心的控制？暖通空调系统中的趋势、主要挑战以及未来机遇

《ENERGY AND BUILDINGS》：Are rule-based techniques enough for occupant-centric control? Trends, key challenges, and future opportunities in HVAC systems

基于规则的控制（RBC）在 occupant-centric control（OCC）框架中的应用及研究缺口分析，通过系统文献综述发现当前研究多集中于模型预测或数据驱动方法，而RBC因其低成本和易实施性在智能建筑HVAC控制中具有独特优势，但缺乏多场景验证及预测模型的实验支持。

　　

亚历山大·桑塔纳·克鲁兹|穆罕默德·M·乌夫|马兹达克·尼克-巴赫特

加拿大蒙特利尔康考迪亚大学建筑、土木与环境工程系

摘要

通过将与使用者相关的信息整合到控制策略中，可以提高暖通空调（HVAC）系统的性能，这一概念被称为以使用者为中心的控制（OCC）。尽管其潜力巨大，但现有文献缺乏专门针对OCC方法中基于规则的控制（RBC）的综述，因为该领域的研究通常更倾向于关注更广泛的视角或更复杂的方法。为填补这一空白，本文对利用真实使用者数据的RBC技术的OCC研究进行了系统文献综述（SLR），旨在识别当前趋势、关键挑战和未来机遇。本文强调了几个需要进一步研究的领域。例如，未来的工作应优先在各种建筑类型和气候条件下实施预测控制器，并通过长期实验来验证其性能和可靠性。在多样化的使用场景下评估OCC框架对于更好地量化其节能潜力至关重要。将使用者数据建模技术纳入控制策略并实现自动化仍然是一个优先事项，特别是在反应式控制方法广泛使用的情况下。通过硬件优化和简化实现来减少计算需求对于提供支持大规模采用的成本效益解决方案至关重要。此外，研究还应探讨控制策略的通用性、它们在需求响应倡议中的作用，以及高级主题，如利用空间使用者数据、集成个性化舒适系统、探索新的和侵入性较小的传感技术，以及最小化实验偏差。最后，基于所审查的证据，本研究得出结论，预测性RBC的实用性可能是智能控制方法广泛采用的最可行途径。

引言

建筑行业是全球能源消耗的主要贡献者，面临着解决可持续性和环境影响问题的日益增长的压力[1]，[2]。虽然供暖、通风和空调（HVAC）系统对于维持室内舒适度和空气质量至关重要，但它们往往是建筑物中最大的能源消耗者[3]。然而，过时且低效的控制策略的广泛使用加剧了能源浪费和温室气体（GHG）排放[4]。因此，开发高效的HVAC控制策略对于可持续的建筑环境至关重要[5]。

平衡能源效率、使用者舒适度和室内空气质量（IAQ）等相互冲突的目标在很大程度上取决于将与使用者相关的信息整合到HVAC控制系统中[6]。随着传感器、数据处理、存储和通信成本的下降，新兴的智能建筑技术正在解锁有价值的数据，从而实现更复杂的HVAC控制策略[7]。在建筑环境中，传感器和智能电表可以收集温度、湿度、二氧化碳（CO₂）水平、蓝牙和Wi-Fi活动以及运动（通过被动红外 – PIR传感器）等变量的实时数据[8]。然后，这些数据可以通过根据使用者的偏好调整设定点、根据房间占用情况调节通风率以及消除空置空间的不必要的加热和冷却来优化HVAC运行[4]，[7]，[8]。因此，数据驱动的控制策略对于通过减少HVAC能源需求、降低运营成本和最小化建筑物的环境影响来推进建筑环境的低碳转型至关重要[9]。

以使用者为中心的控制（OCC）代表了一种将与使用者相关的信息（如占用模式和舒适偏好）纳入HVAC操作策略的室内气候管理方法[10]。例如，室内条件如温度、湿度和CO₂水平可以反映使用者的满意度、生产力或健康状况，而与建筑系统的互动（如恒温器调整）则提供了关于舒适需求的宝贵反馈[11]。因此，OCC策略可以根据是否侧重于存在检测和使用者计数而被归类为基于占用的策略，或者根据从与建筑系统的互动中推断出的偏好而被归类为基于行为的策略[10]，[11]。

将与使用者相关的信息整合到HVAC控制中可以分为反应式和预测式方法[12]，[13]，[14]，[15]。反应式控制依赖于实时使用者数据，其有效性主要受部署的传感器网络的影响[16]，[17]。预测式控制，也称为主动策略，利用统计模型来预测未来的室内状态，使系统能够提前做好准备[18]，[19]。它们的性能取决于检测系统的有效性和预测模型的准确性[20]。因此，典型的OCC框架包括三个关键组成部分：1）感知：收集与使用者相关的数据；2）学习：分析数据以识别模式、偏好和行为；最后，3）整合：将这些见解应用于控制策略以优化HVAC操作[10]。

本质上，在数据驱动的方法中，有三种类型的HVAC控制策略：基于规则的、基于模型的和无模型的[21]，[22]，[23]，[24]。基于规则的控制（RBC）依赖于预定义的“如果-那么-否则”逻辑语句，通常源自行业标准，根据占用时间表、温度阈值或一天中的时间设置来调节HVAC操作[25]，[26]，[27]。基于模型的控制，通常称为模型预测控制（MPC），采用HVAC系统的数学表示，结合输入和外部影响，如天气条件、占用模式和太阳得热[28]，[29]，[30]。通过预测未来状态（如室内温度），它可以在保持运营约束的同时确定最有效的HVAC控制措施[31]，[32]。相比之下，无模型方法由于其能够直接从数据中学习、适应不断变化的条件并且无需依赖详细的系统动态或数学公式而变得越来越受欢迎[33]，[34]。通常利用强化学习（RL），无模型方法通过迭代试错学习来完善控制策略[35]，[36]，[37]。虽然基于规则的控制器明确依赖于预定义的“如果-那么-否则”逻辑，但基于模型和无模型的方法可以利用对建筑热行为的理解或学习到的控制策略来提高控制效果，从而实现显著的节能。

RBC控制策略的设计和实施相对简单，因为它依赖于预定义的逻辑规则，并且需要较低的处理能力，使其非常适合反应式应用。通过结合预测的使用者数据，其有效性可以进一步提高。这种预测层有助于防止能源性能不佳，并为智能建筑运营奠定基础。然而，它们的简单性往往与效率一起被科学界忽视，而更倾向于更复杂的控制策略。一些关于OCC的文献综述要么仅关注数据驱动方面[12]，[13]，[14]，[15]，[16]，[17]，[18]，[19]，[20]，要么同时关注所有控制策略[21]，[22]，[23]，[24]。虽然这项研究承认了广泛视角的重要性，但过于通用的方法可能无法捕捉特定方法的细微差别。此外，许多综述集中在基于模型的[28]，[29]，[30]，[31]，[32]和无模型方法[33]，[34]，[35]，[36]，[37]上，并经常对其进行比较[38]，[39]，[40]，[41]，[42]，[43]，[44]，然而RBC仍然被大大忽视。因此，作者认为研究空白在于缺乏对RBC控制策略的专门关注，因为没有现有综述彻底探讨了它们在HVAC系统中的独特作用和潜力。

因此，出现了两个关键问题：（1）RBC控制策略是否足以构成有效的OCC框架？（2）该领域的研究趋势、关键挑战和未来机遇是什么？为了解决这些问题，本文进行了系统文献综述（SLR），批判性地审查了使用真实使用者数据的RBC控制策略的OCC研究。该综述识别了研究空白，强调了部分解决的问题；并将先前文献综述的发现进行比较，以揭示协同效应并强调与当前研究的差异。最后，这项研究通过展示该领域中的关键成就和未来方向引入了新的视角。

最后，为了提供清晰的结构，本文的其余部分安排如下：第2节详细介绍了所采用的研究方法，包括进行SLR的三步过程。第3节展示了SLR的定量和定性发现。第4节讨论了在调查过程中发现的研究空白，并将其置于先前文献综述的背景下。最后，第5节提供了结论性意见，总结了这项研究的关键结果和意义。

方法部分

方法

系统文献综述（SLR）用于收集、分析和批判性地评估研究材料，提供了一种结构化的方法来减少偏见并提高结论的可靠性[45]。通过整合现有知识、解决先前发现中的不一致性并支持理论进展，这种方法为未来的研究提供了战略方向[46]。与传统综述不同，SLR以其透明和系统化的协议而区别开来，确保了可重复性和客观性

结果

本节分为两个主要部分：首先，它提供了所选研究的概述；其次，它概述了以使用者为中心的RBC的基本工作流程。

讨论

本节分为两个主要部分：首先，它讨论了在调查过程中发现的研究空白；其次，它强调了与先前工作的协同效应和差异。

结论

本文对用于HVAC系统的以使用者为中心的基于规则的控制策略进行了系统文献综述。对71项研究的回顾揭示了几个关键趋势：办公空间是最常研究的类型，美国和中国的出版物数量最多，潮湿亚热带气候（Cfa）成为评估最多的天气背景。被动红外（PIR）传感器是主要的传感技术，提供了存在数据和区域级分辨率

伦理批准

本研究不包含任何由作者进行的涉及人类或动物的研究。

关于写作过程中生成式AI和AI辅助技术的声明

在准备这项工作时，作者使用了ChatGPT来解决语法问题并提高可读性。之后，作者彻底审查和编辑了内容，并对公众负责。

CRediT作者贡献声明

亚历山大·桑塔纳·克鲁兹：撰写 – 审查与编辑、撰写 – 原始草稿、可视化、调查、概念化。穆罕默德·M·乌夫：撰写 – 原始草稿、可视化。马兹达克·尼克-巴赫特：撰写 – 审查与编辑、监督。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。

致谢

亚历山大·桑塔纳·克鲁兹的工作得到了MITACS Accelerate基金（编号IT43750）和NSERC Alliance基金（编号ALLRP 601977-24）的支持。作者还要感谢Strato Automation在整个工作过程中提供的财务支持和指导。这项工作也得益于以人为中心的建筑（HCB）网络/IEA EBC附件95 Users TCP Human-Centric Buildings for a Changing Climate Task提供的优秀研究网络支持。