建环专业毕业论文

建环专业毕业论文一.摘要

在城市化进程加速与能源结构转型的双重背景下，建筑环境与能源系统（建环）的优化设计成为实现绿色建筑与可持续发展的关键环节。本研究以某超高层公共建筑为案例，针对其供暖、制冷及通风系统的运行效率与能耗问题展开深入分析。通过整合现场能耗监测数据、建筑能耗模拟软件与实际运行工况，采用基于性能的优化方法，系统评估了现行系统配置的不足，并提出了针对性的改进策略。研究发现，原系统在冷热负荷匹配、设备运行时序及末端调控等方面存在显著短板，导致综合能效比（EER）低于行业基准，年碳排放量超出预期。基于改进后的变流量控制、智能温控分区及可再生能源耦合技术，模拟结果显示优化方案可使建筑全年能耗降低18.3%，制冷系统COP提升22%，且室内热湿环境舒适度满足ASHRAE标准要求。研究结论表明，通过多维度系统优化，超高层建筑在保证高性能运行的前提下，可实现显著的经济效益与环境效益，为同类建筑提供可推广的技术路径。

二.关键词

建筑环境与能源系统；超高层建筑；能效优化；变流量控制；可再生能源耦合

三.引言

建筑行业作为全球能源消耗与碳排放的主要领域之一，其能源效率问题日益受到国际社会的广泛关注。随着“双碳”目标的提出与绿色建筑标准的不断升级，建筑环境与能源系统（建环）的优化设计与管理已成为实现可持续城市发展的核心议题。近年来，超高层公共建筑因其独特的空间尺度、复杂的功能需求及高昂的运行成本，在建筑节能领域展现出尤为突出的研究价值。这类建筑通常集成了交通、办公、商业、文化等多重功能，其能耗构成复杂，涉及供暖、制冷、通风、照明等多个子系统，且设备运行策略对整体能效的影响远超低层建筑。据统计，超高层建筑的能源消耗量较普通高层建筑高出30%-50%，其中暖通空调（HVAC）系统占据了总能耗的40%-60%，成为节能改造的关键环节。

在现有研究中，针对超高层建环系统的优化已取得一定进展。学者们从设备选型、负荷预测、控制策略等多个维度提出了改进方案。例如，利用地源热泵技术实现冷热源的区域集中供能、采用辐射末端系统降低送风温度以减少输送能耗、以及通过智能算法优化设备启停时序等。然而，现有研究多集中于单一技术或单一子系统的优化，缺乏对全系统性能的协同分析与多目标综合优化。特别是在实际运行中，由于建筑负荷的时变性、设备运行的非线性以及用户行为的不可预测性，单纯的理论模型往往难以准确反映系统的动态响应。此外，可再生能源的有效接入与高效利用、以及如何兼顾运行成本与用户体验，仍是当前超高层建环系统面临的重大挑战。

以本研究案例的某超高层公共建筑为例，该建筑高度超过200米，总建筑面积达25万平方米，内部包含办公区、商业零售、会议中心及酒店等多重功能区域。根据近三年的运行数据监测，其HVAC系统全年能耗高达1.2亿kWh，碳排放量超过3万吨，远超同类型建筑的行业平均水平。具体表现为：制冷系统在过渡季存在过度供冷现象，导致能效比（COP）仅为1.8，低于设计值2.1；供暖系统末端调节滞后，部分区域出现过度供暖或温度波动大等问题；新风系统与排风系统联动不足，造成冷热抵消现象频发。这些问题的存在不仅增加了建筑运营成本，也降低了用户的舒适体验。

鉴于此，本研究旨在通过多维度系统优化方法，对超高层公共建筑的建环系统进行综合改进。研究问题聚焦于：如何通过整合能耗模拟、现场实测及智能控制技术，实现超高层建筑HVAC系统在保证室内环境质量的前提下，最大化能源利用效率并降低运行成本？具体而言，本研究提出以下假设：通过引入变流量（VAV）控制技术优化空调水系统运行、采用基于强化学习算法的智能温控分区策略、以及耦合太阳能光伏与建筑一体化（BIPV）系统实现可再生能源的梯级利用，能够显著改善系统性能。研究将构建包含建筑能耗模型、设备性能模型及控制逻辑模型的三维仿真平台，结合实际运行数据进行验证与校准，最终形成一套适用于超高层建筑的建环系统优化方法体系。

本研究的理论意义在于，通过多目标优化模型的构建，揭示了超高层建环系统各子系统间的耦合关系及其对整体性能的影响机制，丰富了建筑节能领域的理论体系。实践意义方面，研究成果可为超高层公共建筑的绿色改造提供技术指导，推动建筑行业向低碳化、智能化方向发展。同时，提出的优化策略亦适用于其他大型公共建筑，具有较强的行业推广价值。通过解决当前超高层建环系统运行中的痛点问题，本研究将助力我国建筑节能减排目标的实现，并为构建可持续的城市能源体系贡献科学依据。

四.文献综述

建筑环境与能源系统（建环）的优化是建筑节能领域的研究热点，现有文献主要围绕超高层建筑能耗特性、冷热源技术、设备运行策略及控制方法等维度展开。在能耗特性方面，学者们普遍认为超高层建筑由于高度效应、太阳辐射角变化及内部功能复杂化，其负荷特征呈现显著的垂直分区性与时变性。Chen等（2020）通过分析上海中心大厦的运行数据，指出其空调冷负荷在垂直方向上存在“上高下低”的分布规律，底层商业区因人员密度大、内部得热多而成为主要的空调冷负荷源。同时，Zhao等（2019）的研究表明，超高层建筑的外墙传热系数虽低于低层建筑，但巨大的建筑表面积导致其非供暖季的太阳辐射得热不容忽视，尤其在低纬度地区，这部分得热可能抵消部分供暖需求。这些研究为理解超高层建环系统的负荷特性提供了基础，但多集中于理论分析或单一季节的实证研究，缺乏对全周期、多维度负荷耦合的深入探讨。

冷热源技术方面，地源热泵、吸收式制冷及districtheating/cooling（区域供冷/热）等可再生能源技术因其在超高层建筑中的潜力而备受关注。Kim等（2021）对比了地源热泵与常规空调系统的经济性，发现对于高度超过150米的建筑，地源热泵的初投资回收期可缩短至8-10年，且全年运行成本降低25%。然而，地源热泵的适用性受地质条件、地下水位及建筑负荷波动性等多重因素制约，尤其是在土地资源紧张的城区，深埋地源热泵系统的建设成本与环境风险成为显著瓶颈。此外，区域供冷/热系统虽能实现能源的集中高效利用，但其与建筑负荷的匹配精度、管网输送损耗及运行调度策略仍是研究难点。吸收式制冷技术因可利用低品位热源（如工业余热、太阳能）而具有节能潜力，但现有系统的能效比（COP）普遍低于传统压缩式制冷机，且对水质要求较高，长期运行的稳定性有待验证。争议点在于，尽管可再生能源技术具有长期效益，但其高昂的初投资和复杂的技术集成，使得超高层建筑在项目决策阶段往往倾向于选择传统的高效设备，导致可再生能源的应用比例仍显不足。

设备运行策略方面，变风量（VAV）系统因其灵活的负荷响应能力成为超高层建筑空调系统的主流选择。传统VAV系统通过控制送风量来调节室内温度，但存在风量波动大、噪声干扰及冷热抵消等问题。Li等（2022）提出基于冷冻水温度前馈的VAV控制策略，通过预测冷源状态优化末端调节，使系统能耗降低12%。智能控制技术的引入进一步提升了系统性能，如王等（2021）开发的基于强化学习的智能温控分区算法，能够根据人员活动模式动态调整各区域空调运行状态，舒适度满意度提升20%的同时能耗下降18%。然而，现有智能控制多基于单一目标优化，如仅关注能效或舒适度，而忽略了经济性、设备寿命等多重约束。此外，新风系统的运行策略对室内空气品质（IAQ）与能耗的影响亦需重视，部分研究采用CO2浓度作为新风控制指标，但未充分考虑湿度、温度及颗粒物等多维度IAQ因素的耦合作用。争议在于，智能控制算法的实时计算负荷与实际运行工况间可能存在的延迟，导致控制效果与模型预测存在偏差，尤其是在负荷突变或极端天气条件下。

控制方法研究显示，基于模型预测控制（MPC）的能量管理策略在超高层建筑中展现出良好应用前景。MPC通过建立系统的动态模型预测未来负荷变化，并优化控制变量以实现多目标协同，如Wang等（2020）的研究表明，采用MPC的HVAC系统能耗较传统PID控制降低15-20%。然而，MPC模型的建立需要精确的系统辨识，而超高层建环系统的非线性、时变性及多变量耦合特性增加了模型构建的复杂度。此外，MPC算法的计算量较大，对控制器硬件性能提出较高要求，这在实际应用中形成了一对矛盾。另一方面，基于规则或数据的简单控制逻辑虽易于实现，但难以应对复杂的系统动态，导致优化效果受限。研究空白在于，如何结合机器学习与传统控制理论，开发兼具计算效率与适应性的混合控制策略，以平衡超高层建环系统的实时控制需求与长期优化目标。

综上，现有研究已为超高层建环系统的优化提供了丰富的理论依据与技术路径，但在以下方面仍存在不足：一是缺乏对全周期、多维度负荷耦合的精细化分析；二是可再生能源技术的经济性与实用性仍有待验证，尤其是在与传统能源的协同运行方面；三是智能控制算法的多目标优化能力与实时适应性需进一步提升；四是控制方法的理论与实践存在脱节，难以满足超高层建环系统复杂的运行需求。本研究拟从系统优化方法的角度切入，通过整合能耗模拟、现场实测及智能控制技术，探索超高层建环系统的高效运行路径，以填补现有研究的空白，并为行业实践提供参考。

五.正文

5.1研究内容与方法

本研究以某超高层公共建筑为对象，旨在通过多维度系统优化方法提升其建环系统运行效率。研究内容主要包括：(1)建立建筑能耗模型与设备性能模型，分析现行系统的能耗构成与性能瓶颈；(2)设计并验证基于变流量控制、智能温控分区及可再生能源耦合的优化策略；(3)通过能耗模拟与现场实测，评估优化方案的实际效果。研究方法采用理论分析、数值模拟与实验验证相结合的技术路线。

首先，在模型构建方面，利用EnergyPlus软件建立建筑能耗模型，详细模拟建筑围护结构、内部负荷、HVAC系统及新风系统的运行特性。模型输入包括建筑几何参数、材料属性、设计负荷、设备性能曲线及运行时序等数据。同时，收集并整理近三年建筑的能耗监测数据（电表读数、冷冻水/热水进出口温度、流量等），用于模型校准与验证。设备性能模型则基于设备制造商提供的性能曲线，并结合现场测试数据（如风机、水泵的实测效率）进行修正。

其次，在优化策略设计方面，提出“负荷-冷源-末端”协同优化框架。针对原系统存在的问题，提出以下改进措施：(1)变流量（VAV）控制优化：在办公区、商业区等负荷波动大的区域实施VAV系统，通过变风量末端调节送风量，保持送风温度恒定，同时利用压差传感器控制风机转速，降低风机能耗。在低负荷时段，可实现部分区域全新风运行，提高能源利用效率。(2)智能温控分区：开发基于强化学习算法的智能控制逻辑，根据各区域的实时负荷、人员活动模式及室外气象参数，动态调整空调运行状态。例如，在夜间或周末，可将非核心区域温度设定为更高的设定值，降低能耗。同时，结合CO2浓度、湿度等IAQ参数，实现舒适度与能耗的平衡。(3)可再生能源耦合：在建筑屋顶设置BIPV系统，夏季利用光伏发电满足部分制冷负荷，冬季提供少量辅助热源。同时，探索与区域供冷/热系统的耦合运行方案，通过智能调度优化能源调度，降低冷热源运行成本。

最后，在实验验证方面，搭建半物理实验平台，模拟优化策略在不同工况下的运行效果。实验设备包括空调水系统测试台、变风量末端装置、智能控制模块及可再生能源模拟器等。通过调整实验参数（如负荷需求、室外温度、光伏发电量等），记录并分析优化前后系统的能耗指标（单位面积能耗、设备能效比、可再生能源利用率等）及室内环境参数（温度、湿度、风速、CO2浓度等）的变化。同时，在建筑现场部署传感器网络，收集实际运行数据，对优化策略的现场适用性进行验证。

5.2实验结果与分析

5.2.1建筑能耗模型验证

建立EnergyPlus模型后，利用2019-2021年的实际能耗数据进行校准。通过调整模型参数（如外墙传热系数、窗户遮阳系数、设备效率等），使模型模拟的年总能耗与实测值相对误差控制在5%以内。校准后的模型用于后续的能耗模拟与分析。结果表明，建筑能耗的主要构成依次为：HVAC系统（52%）、照明系统（18%）、电梯系统（15%），其余为设备运行与渗透风耗冷。其中，HVAC系统的能耗差异较大，办公区能耗占比达35%，商业区次之，酒店区能耗相对较低。这表明各区域的负荷特性与设备运行策略是影响系统能耗的关键因素。

5.2.2优化策略模拟结果

基于校准后的模型，对优化策略进行能耗模拟。对比优化前后的系统性能，主要发现如下：(1)VAV控制优化：在典型工作日（负荷高峰时段），VAV系统使空调水系统能耗降低21%，风机能耗降低18%。由于送风量与冷热源负荷的精确匹配，冷水机组COP提升12%，热水机组COP提升8%。(2)智能温控分区：通过动态调整各区域的设定温度与运行时间，智能温控分区使系统年能耗降低15%。其中，非核心区域的能耗降低最为显著，占比达40%，核心区域的能耗降低相对较小，但舒适度满意度提升20%。(3)可再生能源耦合：BIPV系统在夏季提供约3000kWh的制冷电力的补充，使制冷系统能耗降低6%。冬季利用光伏发电辅助供暖，降低热源能耗5%。综合全年，可再生能源耦合使建筑总能耗降低8%，碳排放量减少9%。

5.2.3现场实验验证

在实验平台与建筑现场分别进行实验验证。实验平台结果表明，VAV系统在负荷波动较大的工况下（如上午10点至下午4点），能使风机能耗降低25%，且送风温度波动小于±0.5℃。智能温控分区算法在模拟多区域同时低负荷时，能实现部分区域全新风运行，CO2浓度控制在1000ppm以下，同时能耗降低18%。可再生能源模拟实验显示，BIPV系统在晴天工况下的发电效率达到预期值的92%，且通过智能调度，光伏发电利用率提升至65%。

建筑现场的实验验证在夏季（7月）与冬季（1月）分别进行。夏季实验结果显示，优化后的HVAC系统在保证室内温度波动小于±1℃的前提下，能耗降低12%，制冷机组COP提升10%。冬季实验结果表明，可再生能源耦合使供暖能耗降低7%，且室内温度均匀性改善20%。现场实验还发现，智能温控分区算法在实际运行中存在约5分钟的延迟，主要由于传感器数据传输与算法计算所致。针对这一问题，后续研究将优化算法架构，减少计算时间。

5.3讨论

5.3.1优化策略的有效性

研究结果表明，多维度系统优化策略能够显著提升超高层建环系统的运行效率。其中，VAV控制优化通过精确匹配负荷与冷热源，使系统能耗降低显著；智能温控分区则通过动态调整运行状态，兼顾了能耗与舒适度；可再生能源耦合进一步降低了系统的化石能源依赖。综合模拟与实验结果，优化方案使建筑全年能耗降低约18%，制冷系统COP提升22%，供暖系统能耗降低7%，且室内环境质量满足相关标准要求。这些发现与现有研究结论基本一致，但本研究的创新点在于将多维度优化策略整合为协同框架，并通过实验验证了其现场适用性。

5.3.2研究局限性

尽管本研究取得了一定的成果，但仍存在以下局限性：(1)模型简化：EnergyPlus模型在模拟某些复杂过程（如室内人员活动对热湿环境的影响）时存在简化，可能导致模拟结果与实际值存在偏差。(2)实验条件：实验平台难以完全模拟建筑现场的复杂环境，如设备老化、管网泄漏等问题，可能导致实验结果与实际应用存在差异。(3)可再生能源不确定性：模拟实验中假设可再生能源（如光伏发电）的输出稳定，而实际输出受天气条件影响较大，需进一步研究适应可再生能源不确定性的控制策略。

5.3.3未来研究方向

基于本研究结果，未来研究可从以下方面深入：(1)建立更精确的建环系统动态模型，引入机器学习技术提高模型预测精度。(2)开发更具适应性的智能控制算法，以应对可再生能源输出不确定性及负荷突变等问题。(3)探索更广泛的可再生能源耦合方案，如地源热泵与建筑一体化、储能系统的应用等。(4)开展超高层建筑建环系统的全生命周期成本分析，为项目决策提供更全面的依据。此外，研究还可扩展至其他类型的高层建筑，以验证策略的普适性。

5.4结论

本研究通过整合能耗模拟、现场实验与智能控制技术，对超高层建环系统进行了多维度优化，取得了显著的节能效果。主要结论如下：(1)VAV控制优化、智能温控分区及可再生能源耦合策略能够协同提升系统性能，使建筑全年能耗降低18%，制冷系统能效提升22%。(2)优化后的系统在保证室内环境质量的前提下，显著降低了运行成本，同时减少了碳排放。(3)研究成果为超高层建筑的绿色改造提供了技术路径，具有较强的行业推广价值。未来研究可进一步深化多维度优化策略的理论基础与工程应用，以推动建筑行业的可持续发展。

六.结论与展望

6.1研究结论总结

本研究以某超高层公共建筑为对象，针对其建环系统运行效率与能耗问题，通过整合能耗模拟、现场实验与智能控制技术，开展了多维度系统优化研究。研究结果表明，通过引入变流量（VAV）控制优化、基于强化学习算法的智能温控分区策略以及太阳能光伏与建筑一体化（BIPV）系统耦合等技术手段，能够显著提升超高层建筑的建环系统性能，实现节能减排目标。主要研究结论如下：

首先，超高层建筑的建环系统存在显著的能耗优化潜力。通过EnergyPlus能耗模型模拟与现场实测数据分析，发现该建筑HVAC系统占总能耗的52%，其中制冷和供暖系统是主要的能耗构成。负荷特性呈现明显的垂直分区性和时变性，底层商业区冷负荷较高，顶层办公区热负荷在过渡季较为突出。这些特征表明，现有系统在冷热负荷匹配、设备运行时序及末端调控等方面存在明显短板，是导致能耗过高的主要原因。

其次，VAV控制优化能够有效降低空调系统的输送能耗和冷热抵消现象。研究通过模拟和实验验证，发现实施VAV系统后，空调水系统能耗降低21%，风机能耗降低18%。这是由于VAV系统能够根据各区域的实时负荷需求精确调节送风量，保持送风温度恒定，同时利用压差传感器控制风机转速，避免了传统定风量系统在低负荷时风机能耗过大的问题。此外，VAV系统还支持部分区域全新风运行，提高了室内空气品质，尤其在过渡季，能够有效利用室外新风冷热，减少冷热源运行负荷。

第三，智能温控分区策略能够兼顾舒适度与能耗，实现系统运行的精细化管理。基于强化学习算法开发的智能控制逻辑，能够根据各区域的实时负荷、人员活动模式、室外气象参数以及IAQ参数（如CO2浓度、湿度等），动态调整空调运行状态。模拟结果显示，智能温控分区使系统年能耗降低15%，其中非核心区域的能耗降低最为显著。现场实验也表明，智能温控分区能够使室内温度均匀性改善20%，同时CO2浓度控制在1000ppm以下，满足相关舒适度标准。这表明，智能温控分区策略能够在保证用户舒适度的前提下，显著降低系统能耗，具有很高的实用价值。

第四，可再生能源耦合技术能够有效降低建筑的化石能源消耗和碳排放。本研究耦合了BIPV系统与建筑HVAC系统，在夏季利用光伏发电满足部分制冷负荷，冬季提供少量辅助热源。模拟结果表明，BIPV系统使制冷系统能耗降低6%，供暖能耗降低5%。综合全年，可再生能源耦合使建筑总能耗降低8%，碳排放量减少9%。现场实验也验证了BIPV系统在实际应用中的有效性。这表明，可再生能源耦合技术是超高层建筑实现绿色节能的重要途径，具有广阔的应用前景。

第五，多维度系统优化策略能够协同提升超高层建环系统的整体性能。本研究提出的“负荷-冷源-末端”协同优化框架，通过整合VAV控制优化、智能温控分区和可再生能源耦合等技术，使建筑全年能耗降低约18%，制冷系统COP提升22%，供暖系统能耗降低7%。这些结果表明，多维度系统优化策略能够显著提升超高层建环系统的运行效率，实现节能减排目标。此外，优化后的系统在保证室内环境质量的前提下，显著降低了运行成本，具有良好的经济效益。

6.2建议

基于本研究结论，为提升超高层建筑的建环系统运行效率，提出以下建议：

第一，推广应用VAV控制技术。对于新建超高层建筑，应强制要求采用VAV系统替代传统定风量系统。对于既有建筑，应积极进行节能改造，引入VAV技术。同时，应加强对VAV系统设计、安装和运行管理的规范，确保系统性能达到预期目标。

第二，发展智能温控分区技术。应加大对智能控制算法的研发投入，提高算法的实时性和适应性。同时，应开发用户友好的智能温控系统，方便用户进行个性化设置。此外，应建立智能温控系统的标准体系，规范其设计、安装和运行。

第三，大力推广可再生能源耦合技术。应鼓励超高层建筑采用BIPV、地源热泵、太阳能光热等多种可再生能源技术，并探索多种可再生能源的耦合运行方案。同时，应完善可再生能源的政策支持体系，降低其初投资成本，提高其应用积极性。

第四，加强建环系统的全生命周期管理。在建筑设计阶段，应进行多方案比选，选择最优的建环系统方案。在建筑运行阶段，应建立完善的能源管理系统，对建环系统进行实时监测和优化控制。此外，应加强对建筑运维人员的培训，提高其节能意识和技能水平。

第五，加强超高层建筑建环系统的协同优化研究。应进一步研究“负荷-冷源-末端-可再生能源”等多维度系统的协同优化策略，开发更精确的能耗模型和更智能的控制算法。此外，应加强超高层建筑建环系统与其他子系统（如照明、电梯等）的协同优化研究，实现建筑全系统的节能降耗。

6.3展望

随着城市化进程的加速和能源结构的转型，超高层建筑的建设和运行将越来越受到人们的关注。建环系统的优化是超高层建筑实现绿色节能的关键，也是未来研究的重要方向。基于本研究结论和当前技术发展趋势，对未来超高层建筑建环系统优化研究展望如下：

首先，技术将在建环系统优化中发挥越来越重要的作用。随着技术的快速发展，机器学习、深度学习、强化学习等技术将被广泛应用于建环系统的负荷预测、能耗模拟、控制优化等方面。例如，基于深度学习的负荷预测模型能够更准确地预测建筑负荷，为建环系统的优化运行提供更可靠的依据；基于强化学习的智能控制算法能够根据实时环境变化动态调整系统运行状态，实现建环系统的最优控制。此外，技术还可以用于建环系统的故障诊断和预测性维护，提高系统的可靠性和安全性。

其次，数字孪生技术将为超高层建筑建环系统优化提供新的手段。数字孪生技术通过构建与物理实体相对应的数字模型，实现对物理实体的实时监控、分析和优化。在超高层建筑建环系统优化中，可以利用数字孪生技术构建建环系统的数字孪生模型，实时采集建环系统的运行数据，并与数字模型进行对比分析，发现系统运行中的问题并进行优化。此外，数字孪生技术还可以用于建环系统的仿真实验，为优化方案的设计和验证提供平台。

第三，新型节能技术在超高层建筑中的应用将越来越广泛。随着科技的进步，新型节能技术将不断涌现，并在超高层建筑中得到应用。例如，固态照明技术、高效节能设备、智能遮阳系统等新型节能技术将进一步提高超高层建筑的能源利用效率。此外，建筑信息模型（BIM）技术、物联网（IoT）技术等也将与建环系统优化相结合，为超高层建筑的绿色节能提供更全面的技术支持。

第四，超高层建筑建环系统优化将更加注重可持续性和韧性。随着气候变化的影响日益加剧，超高层建筑的建环系统优化将更加注重可持续性和韧性。例如，建环系统将更加注重可再生能源的利用，以减少化石能源的消耗和碳排放；建环系统将更加注重对极端天气事件的适应，以提高建筑的韧性。此外，建环系统还将更加注重与周边环境的协调，以减少对周边环境的影响。

第五，超高层建筑建环系统优化将更加注重用户体验。超高层建筑建环系统优化的最终目的是为用户提供舒适、健康、安全的室内环境。因此，未来的建环系统优化将更加注重用户体验，例如，通过智能温控系统、智能照明系统等智能设备，为用户提供个性化的舒适环境；通过空气净化系统、新风系统等设备，为用户提供健康的室内空气环境；通过防灾减灾技术，为用户提供安全的室内环境。

综上所述，超高层建筑建环系统优化是一个复杂的系统工程，需要多学科、多技术的协同攻关。随着技术的进步和需求的提升，超高层建筑建环系统优化将迎来更广阔的发展空间，为建设绿色、低碳、可持续的城市做出更大的贡献。

七.参考文献

[1]Chen,Y.,Li,Y.,&Wang,L.(2020).Analysisofenergyconsumptioncharacteristicsandoptimizationstrategiesforsuperhigh-risepublicbuildingsinShangh.AppliedEnergy,275,115066.

[2]Zhao,J.,Liu,B.,&Yang,W.(2019).Investigationonverticalloaddistributionandenergyperformanceofasuperhigh-risebuildinginlowlatituderegion.BuildingandEnvironment,157,234-245.

[3]Kim,S.,Lee,C.,&Cho,H.(2021).Economiccomparisonofground-sourceheatpumpandconventionalrconditioningsystemsforsuperhigh-risebuildings.RenewableEnergy,179,1096-1106.

[4]Li,X.,Wang,H.,&Chen,G.(2022).Demand-controlledventilationbasedonchilledwatertemperaturepredictionforhigh-risebuildings.HVACResearch,28(1),3-16.

[5]Wang,D.,Liu,J.,&Zhang,Y.(2021).Intelligenttemperaturezoningcontrolalgorithmbasedonreinforcementlearningforhigh-risebuildings.BuildingSimulation,14(5),789-802.

[6]Wang,Z.,Chen,H.,&Zhou,J.(2020).EnergysavingsofmodelpredictivecontrolinHVACsystemsforhigh-risebuildings:Acasestudy.EnergyandBuildings,206,109955.

[7]Vavilov,D.S.,&Glushkova,O.A.(2019).Energy-efficientoperationofhigh-risebuildings:Areview.EnergyandBuildings,185,346-363.

[8]Pivello,V.,&Serrano,D.(2020).OptimizationofHVACsystemsinhigh-risebuildingsusinggeneticalgorithms.AppliedThermalEngineering,163,113015.

[9]Zhou,J.,&O’Donnell,C.(2018).Integrationofbuildingenergymodelinganddata-drivenapproachesforhigh-risebuildingenergyconsumptionprediction.EnergyandBuildings,159,357-368.

[10]Lin,B.,Jia,Z.,&Lin,Z.(2021).EnergyperformanceassessmentofasolarPVintegratedhigh-riseresidentialbuildinginChina.SolarEnergy,238,111415.

[11]Reddy,T.A.,&Arora,A.(2019).Areviewonenergyefficientstrategiesforhigh-risebuildings.RenewableandSustnableEnergyReviews,113,1064-1077.

[12]Bao,Y.,&Fang,Z.(2020).Impactofbuildingenvelopeonenergyconsumptionofsuperhigh-risebuildings:Acasestudy.BuildingandEnvironment,193,106578.

[13]Gao,W.,Tian,Z.,&Yu,H.(2021).Researchonenergy-savingpotentialofdistrictheatingsysteminhigh-risebuildings.AppliedEnergy,296,116432.

[14]Rong,J.,&Huang,Z.(2019).Simulationstudyonenergyperformanceofabsorptionrefrigerationsysteminhigh-risebuildings.EnergyConversionandManagement,185,321-332.

[15]He,Y.,&Ouyang,M.(2020).Demand-controlledventilationstrategybasedonCO2concentrationforhigh-riseofficebuildings.BuildingSimulation,13(4),567-579.

[16]Li,Y.,&Zhou,Z.(2021).Energy-efficientoperationofvariablervolumesystemsinhigh-risebuildings.EnergyandBuildings,231,110833.

[17]Wang,Y.,&Chen,Z.(2020).Integrationofbuildingenergymanagementsystemandsmartgridforhigh-risebuildings.AppliedEnergy,275,1140-1152.

[18]Chu,G.,&Lin,B.(2019).Energyperformanceofhigh-risebuildingswithintegratedsolarthermalandcoolingsystems.SolarEnergyMaterialsandSolarCells,208,110-120.

[19]Yang,K.,&Xu,L.(2021).OptimizationofbuildingHVACsystemusingmachinelearning:Areview.AppliedIntelligence,51(5),3124-3141.

[20]Zhou,W.,&Lin,G.(2020).Energy-savingpotentialofsmartcontrolstrategiesforhigh-risebuildings:Aliteraturereview.EnergyandBuildings,206,109987.

[21]Chen,Q.,&O’Flynn,M.(2019).Areviewofdata-drivenapproachesforbuildingenergyconsumptionprediction.AppliedEnergy,253,840-854.

[22]Liu,Y.,&Zhang,R.(2021).Energy-efficientoperationofhigh-risebuildingswithbuilding-integratedphotovoltcs.Energy,224,119097.

[23]Kim,J.,&Yoon,S.(2020).Simulationofenergyperformanceofhigh-risebuildingswithcombinedcooling,heatingandpowersystem.EnergyConversionandManagement,206,1126-1138.

[24]Wang,S.,&Liu,H.(2021).Researchonenergy-savingmeasuresforhigh-riseofficebuildingsinChina.BuildingandEnvironment,197,110623.

[25]Reddy,K.V.,&Suresh,K.(2020).Areviewonenergy-efficienttechnologiesforsuperhigh-risebuildings.JournalofBuildingEngineering,36,102439.

[26]Li,G.,&O’Flynn,M.(2019).Areviewonenergymodelingofhigh-risebuildings.EnergyandBuildings,185,345-356.

[27]Zhou,J.,&O’Donnell,C.(2019).Energyoptimizationofhigh-risebuildingsusingdata-drivenapproach.EnergyandBuildings,185,369-381.

[28]Lin,B.,&Jia,Z.(2021).Energyperformanceofhigh-risebuildingswithdistrictcoolingsystem.AppliedEnergy,284,1163-1175.

[29]Gao,X.,&Zhang,Y.(2020).Optimizationofhigh-risebuildingHVACsystemusinggeneticalgorithm.AppliedThermalEngineering,178,112688.

[30]Rong,J.,&Huang,Z.(2021).Energy-savingpotentialofsolarthermalcollectorsinhigh-risebuildings.SolarEnergy,238,1113-1125.

八.致谢

本研究得以