建筑环境与能源应用工程专业三年级《建筑能效动态分析与优化调控》教案

建筑环境与能源应用工程专业三年级《建筑能效动态分析与优化调控》教案

  一、课程定位与前沿概述

  本课程《建筑能效动态分析与优化调控》是建筑环境与能源应用工程专业三年级下学期的专业核心课，属于“智能建筑与节能技术”课程群的关键组成部分。在“双碳”战略目标驱动下，建筑领域正经历从静态节能设计向动态智慧调控的范式转变。本课程旨在引导学生超越传统围护结构保温、高效设备选型等静态能效理念，深入掌握建筑作为一个复杂“动态生命体”的用能特性、多参数耦合机理及基于数据与模型的实时优化调控理论、方法与前沿技术。课程深度融合热工学、流体力学、自动控制原理、数据科学及人工智能等多学科知识，聚焦建筑能源系统（供暖、通风、空调、照明、可再生能源集成）在动态内外扰量（气象、人员、设备、日程）作用下的响应特性与优化潜力。其教学目标是培养能够胜任未来智慧建筑、区域能源系统能效提升、建筑碳核算与碳资产管理等前沿领域工作的高层次复合型工程科技人才，代表当前建筑节能教育从“设计导向”向“运维与性能导向”转型的最高标准。

  二、学情深度分析与教学目标

  学情分析：授课对象为已完成《工程热力学》、《传热学》、《流体力学》、《建筑环境学》、《暖通空调》及《建筑自动化》等先修课程学习的大学三年级本科生。学生已具备建筑热湿过程、流体输配、空调系统构成及基本控制逻辑的静态知识框架，但存在以下关键瓶颈与生长点：其一，知识碎片化，缺乏将冷热源、输配系统、末端设备及围护结构视为整体动态系统进行耦合分析与建模的能力；其二，理论脱离实践，对实际建筑能源系统的运行数据、故障模式、调节惯性认知模糊；其三，技术视野局限，对基于大数据、机器学习和模型预测控制等新一代信息技术在能效调控中的应用原理认知浅表。学生普遍具有强烈的数字化技术学习兴趣，但将IT技术（信息技术）与OT技术（运营技术）融合解决复杂工程问题的能力亟待系统化训练。

  核心素养目标：

  1.工程思维与系统观念：建构建筑能源系统“源-网-荷-储”动态耦合的系统观，能运用传递函数、状态空间等方法对系统动态特性进行抽象与建模，理解多时间尺度（秒级控制、小时级调度、月度管理）下的能效优化逻辑。

  2.数据驱动的问题解决能力：掌握建筑运行数据的采集、清洗、特征分析与可视化方法，能够从数据中诊断能效瓶颈、识别设备异常、挖掘节能潜力，并据此形成优化策略。

  3.跨学科整合与创新设计能力：能够自觉整合控制理论、计算机科学、经济学（成本分析）与工程热物理知识，设计基于物理模型或数据模型的先进控制策略，并评估其技术经济性与碳减排效益。

  4.伦理与可持续发展责任：深刻理解能效调控在应对气候变化、保障能源安全中的社会价值，在设计解决方案时能综合考虑技术可行性、经济性、环境效益及用户舒适健康的平衡。

  三维教学目标：

  知识与技能层面：

  1.阐述建筑动态负荷（尤其是瞬变负荷）与系统动态响应的核心概念，辨析其与稳态计算的根本区别。

  2.掌握建筑与能源系统简化动态模型的建立方法，包括基于物理的白箱模型（如RC网络模型）和基于数据的黑箱/灰箱模型（如ARMAX、神经网络）的基本原理。

  3.熟练运用至少一种专业软件或平台（如Modelica、EnergyPluswithBCVTB，或Python相关库）进行简单的动态模拟与耦合仿真。

  4.详解主流先进控制策略的原理、架构与应用场景，包括但不限于：自适应控制、模糊控制、模型预测控制。

  5.掌握建筑能源管理系统平台的架构、功能模块，并能解读其核心分析报表（负荷曲线、能效基准、故障告警等）。

  过程与方法层面：

  1.通过完整案例剖析，学习“数据获取-模型建立-控制策略设计-仿真验证-效果评估”的完整能效调控研究与实践流程。

  2.在小组项目中，实践跨学科协作，运用项目式学习方法，完成从问题定义、方案设计到模拟验证的全过程。

  3.通过对比分析不同控制策略在虚拟仿真平台上的表现，掌握技术方案比较与择优的方法论。

  情感、态度与价值观层面：

  1.激发对智慧建筑与可持续能源技术领域的职业认同感与探索热情。

  2.树立基于精确数据和模型进行工程决策的科学态度，批判性看待“经验主义”调控的局限性。

  3.强化工程伦理意识，理解在追求能效最大化时，保障室内环境品质与用户福祉的不可妥协性。

  三、教学核心内容与重难点解构

  模块一：建筑能效动态分析基础（12学时）

  1.动态视角下的建筑与能源系统：重新审视建筑作为动态热力系统的本质，讲解动态内外扰量（太阳辐射、室外温湿度、人员流动、设备启停、渗透风随机性）的数学描述与特性分析。

  2.建筑动态负荷计算原理：对比稳态法与动态法的根本区别。深入讲解反应系数法、热平衡法（Z传递函数法）的核心思想与计算流程，阐明其物理意义。

  3.能源系统部件动态模型：建立冷水机组、锅炉、水泵、风机、冷却塔、换热器、蓄能装置等关键部件的简化动态模型（如一阶、二阶惯性环节），分析其时间常数与调节特性。

  4.系统耦合与动态仿真入门：介绍系统耦合仿真概念，简介Modelica/Dymola或EnergyPlus作为多领域统一建模与动态仿真工具的优势，进行入门级操作演示。

  重点：动态扰量的量化、动态负荷计算的核心思想、部件动态特性的理解。

  难点：从稳态思维向动态思维的转换；传递函数等数学工具在热工系统中的应用。

  模块二：数据驱动的建筑能效诊断与分析（10学时）

  1.建筑运行数据全链条处理：讲解数据采集系统架构、传感器选型与校准、数据通信协议。重点教授数据清洗（缺失值、异常值处理）、数据对齐与降噪的实用方法。

  2.能效关键绩效指标与基准：系统讲解EUIt、Cv(RMSE)、IPMVP（国际节能效果测量与验证规程）等能效指标，学习如何建立基于气象数据或运行数据的动态能耗基准线。

  3.数据挖掘与故障诊断：应用聚类分析识别运行模式，应用关联规则挖掘发现设备联动异常，应用分类算法（如决策树）进行常见系统故障（如传感器失效、阀门卡涩、制冷剂不足）的自动诊断。

  4.负荷预测技术：讲解短期（未来24-72小时）建筑冷热电负荷预测的典型方法，包括时间序列模型、回归模型及机器学习模型，分析其输入特征选择与预测精度评估。

  重点：KPI体系的理解与应用、基于数据的能效瓶颈诊断方法。

  难点：多源异构数据的融合处理；机器学习算法在工程问题中的恰当应用与结果解释。

  模块三：先进能效优化调控策略（14学时）

  1.经典控制回顾与局限：回顾PID控制在暖通空调中的应用，通过实例分析其在处理大惯性、非线性、多变量耦合系统时的不足。

  2.智能控制策略I：规则与优化：详解基于规则的控制（如温湿度重置、冷站台数控制）的逻辑设计与优化方法。介绍全局优化算法（如遗传算法）在系统参数整定中的应用。

  3.智能控制策略II：模型预测控制：作为本课程巅峰内容，深入剖析MPC的核心思想“预测、优化、滚动实施”。详细讲解其三大组件：（1）预测模型（物理模型或数据模型）的建立；（2）优化问题构建（目标函数：能耗最小，约束条件：舒适度范围、设备能力）；（3）滚动时域优化计算与实施。通过典型案例（如蓄冷空调系统优化调度、变风量系统全局优化）展示MPC的巨大节能潜力。

  4.分布式能源与多能互补系统调控：介绍光伏、储能、地源热泵等多能源接入下的建筑能源系统架构，讲解以系统运行成本或碳排放最小为目标的协同优化调度策略。

  重点：模型预测控制（MPC）的原理、架构与实际工程意义。

  难点：MPC中优化问题的数学描述与求解思路；多能流系统的建模与协同优化。

  模块四：集成平台与前沿展望（4学时）

  1.建筑能源管理系统与数字孪生：讲解BEMS的系统架构、主要功能模块。引入数字孪生概念，阐述如何利用BEMS数据驱动建筑虚拟模型的更新，实现虚实交互的仿真、预测与优化。

  2.标准、规范与商业模式：简介国内外主要建筑能效标准（如LEED、BREEAM、中国绿色建筑评价标准）中关于运行调适与持续优化的要求。探讨合同能源管理、碳交易等商业模式对能效调控技术发展的驱动。

  3.前沿技术巡礼：简述强化学习在自适应控制中的探索、5G与物联网技术对分布式调控的赋能、人行为建模的最新进展等。

  重点：数字孪生与BEMS的融合；能效调控的标准化与商业化语境。

  难点：理解技术方案在真实商业与法规环境中的落地路径。

  四、教学实施过程详案（以“模型预测控制”核心章节为例，共计4学时）

  第1-2学时：从PID到MPC——思想的飞跃

  课前准备（翻转课堂）：

  1.学习任务单：学生观看精选的微视频（20分钟），内容为：（a）回顾PID控制在一个房间温度控制中的仿真应用，并指出当房间存在大玻璃窗，受到剧烈太阳辐射变化干扰时，PID控制效果不佳（超调、振荡）的案例；（b）引入一个蓄冷空调系统经济调度的问题背景：电价分时，蓄冷罐存在，如何在满足次日冷负荷需求的前提下，最小化总电费？视频结尾提出核心问题：“PID能否解决这个跨越时间、带有复杂约束的优化问题？”

  2.预习与思考：阅读教材MPC原理章节，并尝试用文字描述解决蓄冷空调调度问题的“理想”控制策略应具备哪些能力。在在线学习平台提交不超过200字的思考笔记。

  课中实施：

  环节一：问题锚定与认知冲突（15分钟）

  *教师活动：不再重复视频内容，而是直接展示两个仿真动画对比：PID控制下的房间温度波动vs一个“理想”控制下的平稳温度。展示蓄冷空调系统示意图，提问：“如果我们有一个‘先知’，能精确知道未来24小时的室外天气和建筑负荷，同时有一台‘超算’，能瞬间算出最优的启停和蓄放策略，我们的控制系统会怎样工作？”引导学生描述“先知+超算”的工作模式。

  *学生活动：讨论并描绘“预测未来”和“提前计算最优策略”这两个核心动作。

  *设计意图：制造认知冲突，让学生感性体会传统反馈控制的“滞后性”，并自发构想出前馈与优化结合的思想雏形。

  环节二：MPC核心思想解构与可视化（40分钟）

  *教师活动：正式提出MPC范式。利用高度可视化的模拟软件（如简易的Web交互仿真界面），分步演示MPC的“滚动时域”原理。

  *步骤1（预测）：在仿真时间点t_k，展示系统当前状态（如室内温度、蓄冷罐冰量）。图形化展示一个基于简化模型的“预测窗口”（例如未来3小时），模型根据当前控制输入（假设维持不变），预测出未来状态轨迹（温度变化曲线），并显示该轨迹可能违反舒适度上限。

  *步骤2（优化）：在“预测窗口”内，演示优化算法如何自动调整未来一段“控制窗口”内的控制输入序列（如空调设定值的变化路径），在满足所有约束（温度上下限、设备最大能力）的前提下，使得目标函数（如能耗积分）最小。优化后的新预测轨迹在图中更新，显示为满足约束的平滑曲线。

  *步骤3（实施与滚动）：强调MPC只实施优化序列中的第一个控制动作（即t_k时刻的动作）。仿真时钟前进一个步长至t_{k+1}，系统接收真实干扰（如一股热浪）。关键一步：在新的时间点，重新测量系统真实状态，以此作为新的初始条件，重复步骤1-3，进行新一轮的预测、优化和实施。

  *教师讲授：配合演示，精讲三个核心概念：（1）重新预测：基于最新实测数据，修正模型偏差；（2）滚动优化：永远只优化眼前一段时间的未来，而非一次性求解全局问题；（3）反馈校正：通过每一步的重新初始化，实现闭环反馈，增强鲁棒性。

  *学生活动：跟随演示，在提供的学习手册上绘制MPC的滚动示意图，并标注三个关键步骤。针对演示，提出疑问。

  *设计意图：将抽象的MPC原理转化为可视、动态、可交互的过程，化解核心思想的理解难点。

  环节三：MPC组件深度剖析（35分钟）

  *教师活动：将MPC“黑箱”打开，深入讲解其三大技术组件。

  *组件1：预测模型：对比白箱（物理模型）、黑箱（数据模型）、灰箱模型。强调对建筑能效问题，物理模型（如RC网络）更具可解释性和外推能力，是当前工程应用的主流。展示一个简单的两阶RC网络模型如何等效一个房间的热动态。

  *组件2：优化问题：这是数学核心。以蓄冷空调为例，板书展示一个简化的优化问题数学描述形式。MinJ=Σ（电费），s.t.冷负荷平衡方程、蓄冷罐动态方程、温度舒适度约束、设备功率上下限约束。强调将工程问题转化为“目标函数+约束条件”数学形式的能力。

  *组件3：优化算法：简要介绍适用于此类问题的数值优化算法（如二次规划、遗传算法），指出这是MPC的“计算引擎”，通常由软件工具内置实现，工程师更需关注问题的正确表述。

  *学生活动：尝试将教师描述的另一个简单场景（如办公室预冷）用自然语言转化为优化问题的描述。小组讨论。

  *设计意图：从思想层面下降到技术实现层面，让学生理解MPC的工程实现要素，为后续仿真实验打下基础。

  第3-4学时：MPC仿真实验与案例研讨

  课前准备：学生已完成相关仿真软件（如Pythonwithdo-mpc库，或MATLAB/SimulinkMPC工具箱）的基础操作学习。

  课中实施：

  环节四：仿真实战——变风量空调房间温度MPC控制（70分钟）

  *实验设置：提供一个已建好的变风量空调房间的Simulink仿真模型。该模型包含：（a）一个具有热惯性的房间白箱模型；（b）一个VAV箱模型；（c）一个代表室外天气和内部得热的动态干扰序列（已知或可预测部分）；（d）一个传统的PID控制器作为对比基准。

  *任务一（参数感知，20分钟）：学生首先运行PID控制，观察在典型干扰（如人员周期性进入、太阳辐射变化）下的房间温度响应和风机能耗。记录超调量、稳定时间、能耗积分。

  *任务二（MPC配置与实现，30分钟）：教师指导学生在模型中替换入MPC控制器模块。学生需要：（1）配置预测模型：将提供的房间状态空间模型导入MPC模块；（2）设定控制器参数：定义预测时域、控制时域、采样时间；（3）定义优化问题：在MPC模块中设置目标函数为“能耗最小+控制动作平滑”，设置约束为“温度设定值±0.5K”、“风量最小最大限值”；（4）运行仿真。

  *任务三（结果分析与对比，20分钟）：学生运行MPC控制仿真，收集相同的性能指标。要求生成对比曲线图（温度跟踪、控制输入、能耗对比），并撰写简短分析报告：MPC在控制性能（温度波动）和能效（能耗积分）上如何优于PID？MPC是如何“预判”干扰并提前动作的？

  *教师活动：巡回指导，解决软件操作问题，引导学生关注关键配置步骤背后的原理。选择1-2组学生的结果进行投屏展示与点评。

  *设计意图：通过“做中学”，将理论转化为动手能力。对比实验让学生直观、量化地看到MPC的优势，深化理解。

  环节五：综合案例研讨与拓展（20分钟）

  *教师活动：展示一个真实的商业建筑冷站MPC实施案例研究（脱敏后）。内容包括：项目背景、系统建模过程（如何获得可用的简化模型）、MPC控制器的具体设计（目标函数考虑了分时电价和设备磨损）、部署后的实测节能效果（对比基准年，节能量超过15%）、以及项目遇到的挑战（模型失配处理、与现有BEMS的集成）。

  *研讨问题：（1）与仿真实验相比，真实案例的复杂性体现在哪里？（2）案例中如何处理“预测模型”不准确的问题？（3）除了节能，MPC还带来了哪些隐形价值（如设备寿命延长、运维强度降低）？

  *学生活动：结合仿真实验体会，分组讨论并回答研讨问题，派代表发言。

  *设计意图：连接仿真与工程现实，让学生了解MPC技术落地的全貌、价值与挑战，完成从理论认知到工程视野的升华。

  课后延伸：

  1.进阶仿真挑战（选做）：鼓励学有余力的学生尝试修改仿真中的干扰预测误差（在MPC中引入预测偏差），观察MPC的鲁棒性。或尝试将蓄冷罐模型加入，实现更复杂的经济调度。

  2.文献阅读：提供一篇近三年关于建筑MPC应用的SCI论文摘要，要求学生阅读并提炼其创新点。

  3.项目关联：本次课内容直接关联课程最终小组项目，要求学生在其项目方案设计中，必须考虑至少一种先进控制策略（MPC是推荐选项）的应用可能性并进行简要论证。

  五、教学评价体系设计

  本课程采用“过程性评价与发展性评价并重、多元主体参与”的综合评价体系，全面考核核心素养与三维目标的达成情况。

  1.形成性评价（占总评40%）：

  *课堂参与与表现（10%）：包括课前在线预习完成度与思考质量、课中提问与讨论的积极性及深度、仿真实验的动手能力与数据分析报告。

  *个人作业与练习（15%）：共布置4-5次作业，涵盖动态模型推导、数据分析编程练习、控制策略概念设计等，强调思维过程与规范性。

  *小组项目里程碑检查（15%）：课程中期以小组为单位进行项目开题答辩，评估问题定义的准确性、技术路线的可行性、任务分工的合理性。

  2.总结性评价（占总评60%）：

  *期末考试（闭卷，35%）：侧重考核对核心概念、原理、方法及技术架构的理解与应用能力。题型包括：辨析概念异同、简析技术原理、小型案例分析与策略选择、论述题（如论述MPC在实现建筑柔性用电中的作用）。减少死记硬背，增加综合分析与解决思路的考察。

  *课程小组项目终期成果（25%）：这是评价的重中之重。项目题目自选（如“某高校图书馆空调系统能效优化方案设计”、“基于数据挖掘的某商业综合体冷站故障诊断与策略建议”）。最终提交物包括：（a）完整的项目报告（PDF）；（b）仿真模型或数据分析代码；（c）10分钟的终期答辩视频与PPT。评价维度包括：问题价值与创新性、技术深度与规范性、数据分析与模型构建能力、方案可行性与综合性、报告与表达水平。

  六、教学资源与工具矩阵

  1.核心教材与参考书：

  *《建筑系统自动化与能效管理》（自编讲义与案例集，作为主线）。

  *《Modelica建模语言与建筑能源系统仿真》，XXX著。

  *《预测控制》第二版，XXX著（作为MPC理论深化参考）。

  *《建筑数据挖掘：从数据到洞察》，XXX著。

  2.软件与仿真平台：

  *动态建模与仿真：Dymola/Modelica（多领域物理建模）、EnergyPlus+BCVTB/Python（建筑与控制系统协同仿真）。

  *数据分析与机器学习：Python(Pandas,NumPy,Scikit-learn,TensorFlow/PyTorchforadvanced)。

  *控制算法设计与仿真：MATLAB/Simulink（内置MPC工具箱，教学演示首选）、Python(do-mpc,GEKKO等库)。

  *可视化与交互：JupyterNotebook,Grafana（用于数据看板展示）。

  3.数据与案例资源库：

  *建立包含多个实际建筑（脱敏后）全年运行数据（空调、照明、配电）的数据集，供学生练习分析。

  *收集国内外经典的建筑能效优化项目案例研究报告、技术白皮书及学术论文，形成专题文献包。

  *利用建筑性能标准数据库（如ASHRAEBenchmarkModels）提供标准仿真模型。

  4.线上学习社区：

  *利用学校网络教学平台，建设课程空间，发布所有课件、视频、数据、软件教程。

  *设立论坛板块，鼓励学生提问、