近日,我校人工智能与机器人学院李红莲教授在国际顶级期刊Building and Environment(中国科学院SCI一区Top,JCR排名前5%卓越期刊,建筑智能化仿真与控制领域顶刊,影响因子8.4)上发表题为“Climate-adaptive winter design day reconstruction and Variable Refrigerant Flow thermal response evaluation in severe cold climate: A PI-LSTM co-simulation framework”(严寒气候下气候自适应冬季设计日重构与变制冷剂流量系统热响应评估:基于PI-LSTM联合仿真框架)的学术论文。论文第一作者为我校博士研究生和玺,通讯作者为我院李红莲教授,西安建筑科技大学为第一完成单位,绿色建筑全国重点实验室、科大讯飞智慧城市等为论文主要合作单位。

随着“双碳”战略下建筑供暖清洁化转型的加速推进,变制冷剂流量(VRF)空调系统在北方严寒地区的应用日益广泛。如何精准刻画极寒气候下复杂的室外气象波动与机组真实的动态热力响应,已成为建筑能耗模拟与人工智能智慧供暖控制领域的热门研究课题。传统的建筑负荷模拟与经验性能曲线可以为常规气候区的系统设计提供基本支撑。然而,在面对严寒地区的极端寒潮工况时,现有评估体系却面临着一系列严峻挑战:传统的静态冬季设计日参数能否真实还原极寒天气下剧烈的温湿辐射耦合波动、超低温引发的机组频繁结霜与供热能力非线性衰减,往往会导致仿真设计结果与实际运行状态产生严重偏离。
本研究基于我国北方严寒地区(实测环境温度低至 -28°C)的双模块空气源多联机系统的现场实测运行数据,提出了一种在“物理引导神经网络—动态联合仿真”框架下同时解决极端冬季设计日重构与系统真实供暖性能精准评估的方法:将热力学机理先验深度嵌入长短期记忆网络(PI-LSTM)以构建高精度设备代理模型,并通过EnergyPlus Python API接口形成建筑热环境与多联机系统的动态交互闭环。在5分钟级高分辨率的动态联合仿真过程中,该框架不仅能够准确重构出更具工程代表性的极端冬季设计日气象序列,还能实时修正超低温下多联机系统的出力衰减特性,为严寒地区供暖系统的精准容量配置与智能调控提供了可靠的理论与技术支撑。


Building and Environment。该期刊是爱思唯尔(Elsevier)旗下建筑科学与工程技术领域的顶级国际期刊,主要聚焦于建筑热湿环境营造、暖通空调(HVAC)系统智能控制、建筑能耗模拟与城市微气候等方向的前沿研究,在全球学术界具有广泛影响力,尤其在绿色建筑节能与人工环境工程方向具有极高的学术声誉。