关键词：Loadestimation,Imageinformation,Air conditioning energyconsumption,Predictive control

文章链接：https://doi.org/10.1016/j.buildenv.2020.106741

2020年2月，国际学术期刊Building and Environment（SCI JCR一区，中科院二区 Top）在线发表了西安建筑科技大学人工智能与机器人研究所科研团队题为“Real-time personnel load estimation and an air-conditioningpredictive control method based on image information”的研究论文。

建筑能耗占全球能源消耗的40%，其中，空调（HVAC）系统能耗占据较大比重。在中国，空调系统运行能耗大概占据公共建筑电能消耗的40%，是公共建筑能耗居高不下的主要原因。因此，研究有效的空调控制策略，在满足舒适度的前提下，降低空调系统的运行能耗，对于节能减排以及国民经济的可持续发展有着十分重要的理论研究与实际应用价值。

本研究结合公共建筑内人员流动变化大、背景复杂的特点，针对空调系统的大滞后特性导致空调控制系统调节动作难以跟随室内负荷动态变化，系统调控不及时，建筑内部环境热舒适性不佳且能源浪费的问题，提出了一种融合图像信息的建筑空间人员负荷实时估计及空调预测控制策略，改善常规控制方法下大滞后性导致的室内环境品质问题，调节空调系统冷量供给，节能降耗。

公共建筑功能多样，场景复杂，其检测图像存在背景复杂多变、不同光线明暗以及遮挡等问题，本研究分别采用BRAINWASH数据集、万达商场数据集、青海展厅数据集验证FCHD人员检测模型的性能，数据集图像类型涵盖复杂背景图像存在的大部分问题。

为分析本研究控制策略有效性及人员负荷变化对其产生的影响，分别从定性、定量两方面对活动中心公共建筑进行仿真分析。通过实验结果可以看出：采用常规空调控制策略，室内温度变化波动较大；采用本研究控制策略，室内温度变化波动较小。建筑空间人员变化显著时，常规空调控制方法的调节动作不能快速反映负荷变化，即冷量输出存在较大滞后；本研究控制策略则能够根据当前环境冷负荷需求迅速调整系统供冷量，有效改善常规控制存在的调节延迟，使建筑内部温度保持平稳，系统响应速度更快，具有更大的节能潜力。