综述：冬季地板供暖房间中新风参数对热舒适性和颗粒物去除的影响

《Energy and Buildings》：Impact of fresh air parameters on thermal comfort and particulate matter removal in floor-heated rooms during winter

本文提出了一种集成物联网（IoT）的智能建筑随机碳约束能源管理框架，该框架结合了可再生能源（RES）、热电联产（CHP）单元、辅助锅炉、电动汽车（EV）及混合电热储能系统。研究采用云理论（Cloud Theory）处理不确定性，并运用Boxelder Bug搜索优化（BBSO）算法进行多目标（成本、碳排放、舒适度）优化，揭示了碳限制下成本与韧性之间的权衡关系，为下一代能源绩效证书（EPC）框架下的低碳智慧建筑管理提供了数据驱动路径。

　　

背景与挑战

全球可持续和低碳能源转型已成为应对气候变化、数字革命和技术演进速度加快的当务之急。许多国家已进入碳约束时期，碳排放上限和能效要求规范着供给侧和需求侧部门，以实现尽可能低排放的发展。在这一动态背景下，下一代能源绩效证书（EPC）的转变为数字化和智能控制融入智能建筑创造了新机遇。物联网（IoT）和智能建筑技术的快速发展，加剧了对能够平衡能源效率、经济绩效和环境可持续性的先进能源管理框架的需求。

系统建模与数学公式

智能家居能源管理系统（HEMS）的设计可以表示为一个在碳约束条件下运行的集成多能源系统。该策略包括可再生能源资源、混合储能系统、可控负载以及基于物联网的实时通信系统。这些特性实现了高效、灵活和可持续的运行。HEMS优化所有子系统之间的能量流。除了其运营目的外，所提出的模型还为分析碳限制对系统性能和EPC相关指标的影响提供了一个计算平台。

方法论

本节讨论了用于优化碳约束和不确定情景下智能家居能源管理系统功能的方法框架。所采用的策略结合了三种主要方法：用于表示可持续发电机、需求和市场价格不确定行为的云理论（Cloud Theory）；用于处理经济、可持续和舒适目标的模糊多目标决策；以及用于解决由此产生的优化问题的Boxelder Bug搜索优化（BBSO）算法。

阶段1：目标函数归一化

每个目标函数F_i（例如，成本、排放或舒适度）使用以下表达式归一化为[0,1]内的无量纲值：

F_i^norm= (F_i^max- F_i) / (F_i^max- F_i^min), i=1,2,3

其中F_i^max和F_i^min是通过单独优化运行获得的每个目标的最大值和最小值。

阶段2：模糊隶属度评估

对于每个归一化的目标，定义一个模糊隶属函数来表示与达到的F_i^norm值相对应的满意度μ_i：

μ_i(F_i^norm) = {

0, F_i^norm≤ F_i^min

(F_i^norm- F_i^min) / (F_i^max- F_i^min), F_i^min< F_i^norm< F_i^max

1, F_i^norm≥ F_i^max

}

隶属度μ_i在0到1之间，值越高表示目标水平越理想或越满意。

阶段3：聚合与决策

为了确定最优折衷解，基于最小-最大算子聚合模糊决策集，该算子寻求最小化所有目标中的最大满意度水平：

Manimize max([μ₁, μ₂, μ₃])

这种方法确保了平衡的性能，其中没有一个目标为了另一个目标而被显著牺牲。结果代表了同时考虑经济、环境和舒适度的最和谐的操作点。

案例研究与数值结果

为了评估所提出的碳约束智能家居能源管理系统策略的有效性和适用性，在各种操作场景下进行了一系列模拟测试。进行这些模拟是为了评估系统基于分布式能源（DER）、混合储能系统和基于物联网的控制基础设施的协调运行，来降低能源消耗成本、减少碳排放和维持用户舒适度的能力。

结论与未来工作

智能建筑、可再生能源和云赋能监控的进步确保了智能、自适应和可持续的住宅能源网络的发展。在本文中，通过采用BBSO算法来优化基于云理论不确定性建模的目标函数，提出了一个用于在碳排放限制下运行的智能住宅环境中管理能源需求的集成随机框架。

研究结果表明，碳限制使总运营成本增加了17.3%，而由于风险缓冲，随机建模又额外增加了4.6%的成本。同时，关键的EPC相关指标显示，碳强度和一次能源消耗适度增加，而自给率从61.93%下降到55.95%，揭示了超越静态EPC指标的成本与韧性之间的明确权衡。尽管如此，所提出的策略将电网依赖性降低了5.8%，将可再生能源利用率提高了6.4%，并在所有情况下确保了完全的居住者舒适度。比较基准测试证实了所提出的BBSO优于其他已建立的优化技术，在保持高解决方案鲁棒性的同时，运营成本降低了高达5.14%。这些发现表明，基于物联网集成和云理论的优化方法为数据驱动、低碳且符合EPC的智能建筑管理系统提供了一条稳健的途径。

未来的工作可以探索更复杂的不确定性模型，将建筑围护结构动态和居住者行为随机性纳入其中，并研究机器学习技术用于实时自适应控制，以进一步增强此类系统的性能和韧性。