人工智能在暖通空调中的最新应用与展望

摘要：通过将节能降费的目的与智慧楼宇技术相融合，对其进行改进，提高其运营管理的效能，从而达到节能降费的目的。因此，文章在对智能技术概念进行界定的基础上，对其在负载预报方面的研究和运用进行了讨论，以期为有关人员的工作和研究带来一些有益的启示。

关键词：人工智能；暖通空调；应用

引言

“人工智能”技术日益成熟，对智能化楼宇的技术支持日益增多，并对其进行了进一步的充实与改进。而随着智能化楼宇对采暖方式的需求日趋多元化，采用多种不同的方式进行节能改造或将是一种趋势。所以，对暖通空调的智能化控制是目前建筑业的一个重要课题，只有对其进行优化和改进，以保证用户的舒适度，从而降低能耗，节约运营费用。

1.人工智能技术的定义

人工智能是研究和开发人类智能理论、方法、技术和应用体系的新兴技术学科。人工智能对企业、政府和社会都有深刻的影响，同时也对世界的可持续发展产生了巨大的冲击，EdOswald把人工智能分成三个大的时期：一是人工智能的弱化。第二个层次是强大的 AI。第三个层次是超出了人的智力，可以进行自我思想，并且在没有人为干预的情况下进行思维和行动。虽然人工智能已经在很长一段时期内被界定为不同的概念，但是它的中心思想是要制造出能够和人同样思维的、或者超过人的机器人。暖通系统是我国目前最主要的应用技术之一，其运营能耗占到了整个系统能源消耗的半数，而应用人工智能技术可以极大地提高采暖系统的节能降耗。由于将智能技术和热传导技术有机地融合在一起，使其在建筑业得到了很好的发展。专家系统和决策支持系统已经得到了广泛的运用，并获得了良好的社会和经济效果。本论文将就近年来的电力负荷预报、系统调控、故障检测及智能化楼宇与智能化技术的高效融合进行论述。

2暖通空调设计原则

暖通空调系统的设计要遵循以下三个基本原理。第一个是实用的原理。即暖通的作用在于调整室内的温度，使其具有更好的居住条件，从而改善居住条件，从而达到改善居住品质的目的。其实，一些暖通空调尽管可以调整室内的气温，但是由于其本身的结构问题，导致室内空气无法达到整体的分布，因此，室内的温度调控并没有达到理想的效果，这就意味着室内空气的功能性不强，因此，应按照实用的原则进行相应的工作。值得注意的是，实用是第一条，不管暖通系统的功能是怎样实现的，其功能都要达到要求，不然就会丧失其使用的意义。第二个是环境保护的原理。即暖通空调器在运行中会产生大气污染，对人体的危害也很大，所以在现代视野下，采暖系统应注重环境保护，尽量减少能源的浪费，尽量减少环境污染是设计工作者要注重的问题。环境友好是第二位的，只有在功能上符合要求的时候，才会将能源消耗和环境的影响降低到最小。第三条是节约型的原理。即暖通空调器的运行要耗费电力，因而会产生电力费用，而暖通空调器也有故障的风险，因而有维修费用。考虑到这一问题，空调电能消耗大，故障频率高，两项费用都会增加，对使用者的经济压力也会更大，而如果能将其成本降到最低，则表明其经济性很高。因此，在设计者的工作中应该注重节约的原则，它与环境友好的原理有一些相似之处，但又存在差异，需要设计者加以区分。

3.人工智能在负荷预测中的研究与应用

3.1单一模型在负荷预测中的应用

目前，在负荷预测方面，神经网路已得到了越来越多的应用，其中以 ANN为代表，在非线性系统预测方面表现出了很好的应用价值。利用 ANN模式对不同工况下的冷气流量进行了预报，可以准确预报24小时内的各工况，预报的偏差约为5.2%。BP神经网络是目前最常用的一种，可以在不暴露任何数学公式的情况下，自动存储大量输入输出模式之间的映射。通过对室内空调系统的性能和能耗进行了分析，并通过 BP神经网络对其进行了仿真，结果表明，这种方法可以很好地用于空调系统的负荷预报，由于其预测误差在3%～4%以内。

3.2混合模型在负荷预测中的应用

尽管单一的预报模式已经很好地应用于现实，但是，我们的研究表明，采用多种组合模式来进行定量分析，可以更精确地预报出负荷数据。以加权为基础的组合预报是一种新的方法，利用循环神经网络和灰度分析方法进行综合预报。而基于分层的组合预报方法是将时序贯方法与循环神经网络相融合的方法。这种结合模式可以充分利用单一的预报手段所不能比拟的优点，从而提高预报的准确性。通过对 BP神经网络的优化，克服了传统循环神经网络在收敛过程中容易陷入局部最优解的缺点。类似地， LSTM （长短期记忆神经网络）可以将时间序列与非线性的联系结合起来，但其精度仅与两个常规的 LSTM进行比较。采用径向基函数进行了各种模型的比较，结果表明该模型简单、计算量小、具有良好的热舒适度。目前已有学者认为，基于小波变换、偏最小二乘回归、 SVM三种不同的组合模式，可以在24小时之内对24小时的负载进行预报。但这种计算方式仅在写字楼中使用，如果要在各种类型的建筑物中推广，则必须对其进行参数的调节，因此它的适用性并不是很广。

3.3供暖系统

供热管网的最佳运行要求选用一种较好的控制策略和控制方式，模型预测控制（MPC）目前已成为一种比较成熟的控制技术，其在供热系统中的应用可以达到15%～28%， Esmaee和 Khanmirza将其与传统的 PID控制器相比较，两者在供热控制的最优控制方面都有很大的优势，可以节省50%的费用。另一些学者将随机神经网络控制器、神经网络控制器和模型预报控制器相比较，得出了 MPC算法在供热系统中的优越性，随机神经网络的应用效果更好，而神经网络的应用则次之。MuhammadAftab等在实际应用中将 MPC的计算方法应用于实际应用中，并结合了占用识别、占用预测和仿真导向三方面的 MPC，验证了利用廉价的嵌入式系统进行自热空调的可行性。

3.4制冷系统

与供热系统类似，目前大部分的空调系统都是采用模型预测控制的。Seyed 、Ehsan、Shafiei等人所提出的用于大规模制冷设备能耗的模型预测控制方法。此外，本文还介绍了一种基于三档连续可变压缩机的稳健性模型预报控制器。此外，也有一种将混合动态系统与模式预报相融合的新思路。这些措施使制冷系统的工作效率增加约20%～30%，同时降低了各个零件的损耗。由于其可与多个参数的特点相匹配，可以明确地解决各种限制条件，并且最关键的是可以实现对整个系统的控制器的设计。

3.5通风系统

当前我国大部分的建筑空调系统存在着不完善、能耗高、管理难度高等问题，因此，提高通风质量、降低能耗、实现运行管理的智能化是提高企业内部通风质量的主要目的。大量资料显示，在大多数情况下，通风系统最优控制均采用了预报方法，从而实现了最优控制。Diana， Man， jarres等建立了一种以双向通讯系统、增强型资料库系统和以随机森林为基础的模型，通过对预测的方法，达到了最优的机械通风调度操作。

4结语

总之，在对智能建筑进行了全面的剖析之后，就可以得出结论，那就是要在节能的前提下，制定合理的管理和控制策略，从而达到降低能耗的目的。

参考文献：

[1]贝正其，孙国丰，郑益锋，谢晓飞.大型商业综合体暖通空调节能设计探讨[J].中国建筑装饰装修，2022（05）：72-74.

[2]吴晓，王汉青.人工智能在暖通空调中的最新应用与展望[J].建筑热能通风空调，2022，41（02）：50-55.

[3]李小会.夏热冬暖地区暖通空调节能优化设计分析[J].低碳世界，2021，11（07）：116-117.DOI：10.

[4]王敏俊，施红，居鹏飞.人工智能时代暖通空调专业研究生培养新挑战[J].人才资源开发，2021（02）：65-66.DOI：10.