摘要
建筑物约占能源相关二氧化碳排放量的37%，而空间冷却已经消耗了全球近10%的电力。在热带城市，冷却需求增长最快，到2050年，空调负荷可能占总负荷的45%，尤其是在印度。本综述批判性地研究了热能储存（TES）作为灵活性资源的潜力，涵盖了三个不同的层面：单个建筑物、区域供热和冷却网络以及城市级别的多能源系统。通过使用Scopus、Web of Science和IEEE Xplore数据库中的 Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) 搜索方法，并结合主要和补充关键词，共找到了4447条记录，其中174条被纳入分析。每项定量研究根据验证水平（模拟、实验室、试点或运行）和热能储存的核心作用进行分类。比较了显热储存、潜热储存和热化学储存技术，评估指标包括能量密度（10–500 kWh/m3）、效率（40–95%）、循环稳定性和技术成熟度。随后，综述评估了人工智能（AI）、机器学习和物联网平台在热能储存网络的预测、预测控制和运营优化中的作用。将方法分为三类：AI和机器学习方法、优化方法、控制方法以及数字使能技术，并根据六个明确定义的标准进行评分。在47项定量研究中，37项（78.7%）仅基于模拟结果，只有4项（8.5%）提供了实际运行的数据。直接结合热能储存和AI的研究显示，模拟节能效果为8–64%，峰值负荷下降约35%；而在实际建筑实验中，经过现场验证的智能控制系统节能效果为17%。综述还指出了基于人工智能的运营方式存在的固有缺点，如可解释性有限、数据计算需求高、概念漂移以及网络安全漏洞（在模拟攻击中使峰值电力负荷增加了17.4%）。文献中存在结构上的不平衡：大多数经过验证的应用仍停留在建筑层面，而城市层面的研究主要集中在区域冷却、地下储水和坑式储热系统以及多能源枢纽方面；没有研究报道多个区域中分布式热能储存资产的协调运行。本文提出了一个概念框架和分阶段实施路线图，将建筑、区域和城市层面联系起来。优先研究方向包括在热带气候条件下进行的城市规模试点项目、技术经济评估、具有良好可解释性和抗漂移能力的人工智能系统，以及支持联合国可持续发展目标7、11和13的互操作性标准。
