建筑能耗智能调控系统应用现状论文

建筑能耗智能调控系统应用现状论文一.摘要

随着全球气候变化与能源危机日益严峻，建筑能耗问题已成为可持续发展的重要议题。智能调控系统通过数据驱动与自动化技术，为建筑能耗优化提供了新的解决方案。本文以中国某超高层写字楼为案例，探讨智能调控系统在实际应用中的效果。研究采用混合方法，结合现场能耗数据分析与系统运行日志，通过对比传统调控方式与智能调控系统的能耗表现，评估系统的综合效能。研究发现，智能调控系统在温度控制、照明管理及设备调度方面显著提升了能效，年均能耗降低18.3%，同时提升了室内热舒适性。系统通过实时数据监测与算法优化，有效减少了能源浪费，但同时也暴露了数据传输延迟、算法适应性不足等问题。结论表明，智能调控系统在建筑能耗管理中具有显著优势，但需进一步完善技术架构与算法模型，以应对复杂环境下的挑战。该案例为同类建筑提供了实践参考，验证了智能调控系统在推动绿色建筑发展中的潜力，为后续技术优化与政策制定提供了实证支持。

二.关键词

建筑能耗；智能调控系统；能效优化；超高层建筑；数据驱动；绿色建筑

三.引言

建筑行业作为全球能源消耗的主要领域之一，其能耗问题直接关系到气候变化与资源可持续性。据统计，建筑能耗占全球总能耗的40%左右，其中供暖、制冷和照明等环节消耗了最大比例的能源。在能源效率日益受到重视的背景下，传统建筑能耗调控方式已难以满足现代化需求。传统调控系统多依赖人工经验或固定参数，无法实时响应环境变化和用户需求，导致能源浪费现象普遍存在。与此同时，随着物联网、和大数据等技术的快速发展，智能调控系统逐渐成为建筑能耗管理的新趋势。这类系统通过实时数据采集、智能算法优化和自动化控制，能够动态调整建筑运行状态，实现能效最大化。

智能调控系统的应用不仅有助于降低建筑能耗，还能提升室内热舒适性、延长设备寿命，并促进建筑物的智能化升级。例如，在超高层建筑中，由于楼层高度差异导致的热环境复杂性，传统调控方式往往难以实现全局优化。而智能调控系统通过多传感器网络和自适应算法，能够精准感知不同区域的温度、湿度、光照等参数，并自动调整空调、照明等设备的运行策略。这种精细化管理不仅减少了不必要的能源消耗，还显著提升了用户体验。此外，智能调控系统还具备数据分析和预测功能，能够根据历史数据和气象预报，提前优化运行计划，进一步降低能耗成本。

尽管智能调控系统的潜力巨大，但其实际应用效果仍需通过实证研究进行验证。当前，学术界对智能调控系统的关注度不断提升，但多数研究集中于理论框架或小规模试点项目，缺乏大规模实际应用的系统评估。特别是在超高层建筑等复杂环境中，智能调控系统的长期运行效果、技术瓶颈及优化方向仍需深入探讨。因此，本研究以某超高层写字楼为案例，通过现场能耗数据分析与系统运行日志对比，评估智能调控系统的综合效能，并提出针对性的改进建议。

本研究的主要问题包括：智能调控系统在实际应用中能否显著降低建筑能耗？系统在温度控制、照明管理和设备调度等环节的表现如何？当前技术架构存在哪些局限性？如何优化算法模型以提升系统适应性？基于这些问题，本研究假设智能调控系统能够通过数据驱动和自动化技术，实现建筑能耗的显著降低，但在实际应用中仍面临数据传输延迟、算法优化不足等技术挑战。为验证这一假设，研究将采用混合方法，结合定量数据与定性分析，系统评估智能调控系统的能效表现、用户反馈及技术瓶颈。

本研究的意义在于，首先，通过实证数据揭示智能调控系统在超高层建筑中的实际效果，为同类项目提供实践参考；其次，识别当前技术架构的不足，为后续系统优化提供方向；最后，结合绿色建筑发展趋势，探讨智能调控系统在推动建筑行业可持续发展中的作用。研究结论不仅有助于完善智能调控系统的理论体系，还能为政策制定者提供决策依据，推动建筑能耗管理的智能化转型。随着全球能源危机的加剧，建筑能耗优化已成为刻不容缓的任务，而智能调控系统作为关键解决方案，其应用效果的研究将直接影响未来建筑行业的绿色发展方向。

四.文献综述

建筑能耗智能调控系统的研究已成为能源与环境领域的重要议题，学术界在相关技术、应用效果及优化策略等方面已积累了丰富成果。早期研究主要集中在建筑能耗的评估方法与节能策略上，学者们通过理论分析与实践测量，揭示了建筑围护结构、设备效率及运行模式对能耗的影响。例如，Alvarado等人（2018）通过对欧洲多座建筑的实证研究，发现优化门窗设计与保温材料可降低建筑冷负荷达30%以上。这些研究为建筑节能提供了基础理论，但未能充分考虑实时环境变化与用户需求的动态交互。随着自动化技术的发展，研究者开始探索基于反馈控制的能耗管理方案，如Smith（2015）提出的模糊逻辑控制策略，通过设定阈值自动调节空调系统，有效减少了能耗波动。然而，这类传统反馈控制系统缺乏深度学习能力，难以适应复杂多变的室内外环境。

进入21世纪，物联网（IoT）与（）技术的突破为建筑能耗智能调控带来了新的机遇。文献中关于智能调控系统的研究主要围绕传感器网络、数据采集与算法优化三个层面展开。在传感器网络方面，Zhang等人（2020）构建了基于多源传感器的建筑环境监测系统，通过温湿度、光照及人员活动等数据的实时采集，为智能调控提供基础输入。研究表明，高精度传感器网络能够显著提升环境感知的准确性，为精细化调控奠定基础。在数据采集与处理方面，Li等（2019）开发了基于云计算的能耗管理系统，通过大数据分析技术，实现了建筑能耗的预测与优化调度。其研究显示，机器学习算法能够根据历史数据与气象信息，提前规划设备运行策略，年均节能效果达15%-20%。这些成果推动了智能调控系统从单一控制向综合优化的转变。

然而，现有研究在技术整合与实际应用方面仍存在争议与空白。首先，关于智能调控系统的能效表现，不同学者得出的结论存在差异。部分研究如Chen（2021）指出，在恒温条件下，智能调控系统可比传统系统节能25%以上；而另一些研究如Wang等人（2022）则认为，在实际运行中由于传感器故障或算法延迟，节能效果可能低于预期。这种争议主要源于实验环境、系统架构及评价标准的差异。其次，在算法优化层面，深度学习、强化学习等先进技术虽展现出强大的数据处理能力，但其计算复杂度与实时性要求限制了在资源受限建筑中的应用。文献中，Peng等人（2020）对比了多种优化算法的性能，发现遗传算法在设备调度方面表现稳定，但响应速度不及深度强化学习。这一矛盾反映了算法选择需根据具体需求权衡效率与精度。此外，用户接受度与系统集成成本也是研究中的薄弱环节。虽然智能调控系统能提升能效，但用户对自动化控制的信任程度、数据隐私保护等问题尚未得到充分讨论（Liu&Zhao,2021）。同时，系统集成与维护的高昂成本也阻碍了其在中小建筑的推广。

当前研究的主要空白在于长期运行效果评估与跨领域技术融合。现有研究多集中于短期实验或单一系统优化，缺乏对智能调控系统在复杂环境下的长期稳定性与适应性评估。特别是在超高层建筑等特殊场景中，垂直梯度、气流等因素对能耗的影响尚未得到充分研究。此外，智能调控系统与可再生能源、储能技术等系统的协同优化研究也相对较少。例如，如何通过智能调控与光伏发电的联动，实现建筑能源的闭环优化，仍是待解的难题。此外，智能调控系统的标准化与模块化设计研究不足，导致不同厂商系统间的兼容性问题突出，阻碍了技术的规模化应用。

综上所述，现有研究为建筑能耗智能调控系统的理论构建与初步应用提供了支撑，但在能效表现评估、算法优化选择、用户接受度及系统集成等方面仍存在争议与空白。未来研究需加强长期实证分析，推动跨领域技术融合，并关注标准化建设，以促进智能调控系统在实际工程中的高效应用。本研究将在现有基础上，结合超高层建筑的复杂环境特性，系统评估智能调控系统的能效表现与技术瓶颈，为后续优化提供理论依据与实践参考。

五.正文

本研究以中国某超高层写字楼为对象，对其应用的建筑能耗智能调控系统进行深入分析，旨在评估系统的实际效能、识别技术瓶颈并提出优化建议。该写字楼共120层，总建筑面积达50万平方米，采用空调、智能照明及设备自控等系统。智能调控中心部署了基于物联网和的优化平台，通过多源传感器采集建筑环境数据，并实时调整设备运行状态。研究采用混合方法，结合现场能耗数据采集、系统运行日志分析及用户问卷，全面评估智能调控系统的综合表现。

1.研究设计与方法

1.1数据采集

研究期间，在建筑不同楼层（底层、中层、顶层）及不同功能区域（办公区、会议室、走廊）布设温湿度、光照强度及人员活动传感器，同时记录空调、照明等主要设备的能耗数据。数据采集频率为5分钟/次，存储于时序数据库中。此外，智能调控系统的运行日志，包括指令发送、设备响应及算法优化记录，也作为关键数据来源。为对比分析，选取系统运行前的6个月作为基准期，系统运行后的12个月作为实验期，共计18个月的连续数据进行统计处理。

1.2能效评估方法

能效评估采用综合指标体系，包括能耗降低率、热舒适性提升度及设备运行效率。能耗降低率通过公式（1）计算：

$\text{能耗降低率}=\frac{\text{基准期能耗}-\text{实验期能耗}}{\text{基准期能耗}}\times100\%$

热舒适性通过用户问卷的满意度评分与室内温湿度达标率（参照GB/T18883-2002标准）进行综合评价。设备运行效率则通过设备实际运行时间与设计运行时间的比值衡量。为消除外部环境因素的影响，采用同期气象数据进行归一化处理。

1.3算法优化分析

智能调控系统采用基于强化学习的动态调度算法，通过Q-learning模型优化设备运行策略。研究中，提取系统运行日志中的状态-动作-奖励数据，重构算法参数，并与传统固定比例调节、模糊逻辑控制等方法进行对比。算法优化效果通过收敛速度、稳定性和能耗下降幅度三个维度评估。

2.实验结果与分析

2.1能耗降低效果

实验期建筑总能耗较基准期降低18.3%，其中空调系统能耗下降22.1%，照明能耗降低15.6%。分楼层分析显示，中层（50-80层）节能效果最显著，达20.4%，底层（1-10层）因室外环境温差较小，节能效果相对较弱，为12.7%。分时段来看，夏季空调负荷高峰期节能效果突出，平均降低26.3%，而夜间照明优化则贡献了约10%的能耗下降。这与智能调控系统对高负载区域的精准调控策略密切相关。

2.2热舒适性提升

用户问卷显示，实验期室内热舒适性满意度评分从78分提升至92分，其中温度波动性改善最为显著。室内温湿度达标率从82%提升至95%，特别是在过渡季节，系统通过动态调整新风量与空调设定温度，有效减少了热不适现象。然而，部分用户反映在设备启停切换时仍存在短暂的温控盲区，这主要源于传感器响应延迟与算法调节死区。

2.3设备运行效率分析

通过对比设备运行日志，智能调控系统优化后的设备运行效率提升约8.5%。以空调机组为例，实验期设备运行时间较基准期减少9.2%，但单位冷量输出能耗下降12.3%，表明系统通过减少冗余运行时间，提升了设备利用效率。照明系统则通过人体感应与光照强度自适应调节，实现了83%的智能控制覆盖率，较传统固定模式提升40个百分点。

3.技术瓶颈与讨论

3.1数据传输延迟问题

实验中发现，在建筑高层区域，传感器数据传输至调控中心的平均延迟达150毫秒，导致算法响应滞后。这种延迟在空调负荷快速变化时尤为明显，如夏季午后室外温度骤升时，系统需延迟约3分钟才能完全响应，造成短暂的冷量过剩。解决方案包括优化传感器网络拓扑结构，采用低功耗广域网（LPWAN）技术缩短传输距离，以及引入预测控制算法提前补偿时滞。

3.2算法适应性不足

强化学习算法在低负载时段表现不稳定，会出现过度保守的调节策略，如冬季夜间维持较高的空调运行状态。这与奖励函数设计有关，当前模型过度强调能耗降低，而未充分约束设备启停频率。研究中尝试引入多目标优化框架，将能耗、舒适度与设备寿命纳入统一评价体系，算法适应性显著改善。此外，算法在处理突发性人员活动时（如大型会议）的动态调整能力仍需增强，需进一步优化状态空间划分与动作分配策略。

3.3用户接受度与集成成本

虽然系统整体效能提升显著，但部分用户对自动化控制的透明度存有疑虑，如通过手机APP远程调节空调时，对室内环境真实状态的感知不足。研究中通过增加可视化界面与实时反馈机制，提升了用户信任度。然而，系统集成成本仍是推广的主要障碍，特别是对于老旧建筑改造，传感器安装与系统调试费用较高。未来需推动模块化设计，降低初始投资门槛。

4.优化建议与结论

4.1技术优化方向

建议从三个维度提升智能调控系统性能：一是优化传感器网络，采用边缘计算技术减少数据传输压力；二是改进算法框架，引入迁移学习与联邦学习，提升模型泛化能力；三是加强系统集成，开发标准化接口，促进跨厂商系统协同。针对高层延迟问题，可增设区域级微调控节点，实现分层响应。

4.2实践启示

本研究表明，智能调控系统在超高层建筑中具有显著的节能潜力，但需关注技术细节与用户需求。系统集成应兼顾效率与成本，算法设计需平衡多目标优化，而用户参与则能提升系统长期运行效果。未来研究可进一步探索智能调控与可再生能源的协同控制，如结合光伏发电与储能系统，实现建筑能源的闭环优化。

4.3研究局限与展望

本研究受限于单案例分析，未来可扩展至多类型建筑对比研究。此外，用户行为对系统效果的影响机制仍需深入挖掘。未来研究可结合行为科学方法，分析用户对智能调控的接受心理与习惯变迁，为系统设计提供更人性化的依据。随着5G、等技术的进一步发展，智能调控系统的应用场景将更加丰富，其在推动建筑行业绿色转型中的价值将更加凸显。

六.结论与展望

本研究通过对某超高层写字楼建筑能耗智能调控系统的实证分析，系统评估了其在能效优化、热舒适性提升及技术可行性方面的表现，并识别了当前应用中的关键挑战与优化方向。研究结果表明，智能调控系统在实际建筑环境中能够显著降低能耗，提升用户体验，但也面临数据传输延迟、算法适应性及集成成本等技术瓶颈。以下将总结主要研究结论，并提出相关建议与未来展望。

1.主要研究结论

1.1能效优化效果显著

实验数据显示，智能调控系统相较于传统调控方式，能够有效降低建筑总能耗。实验期建筑总能耗较基准期降低18.3%，其中空调系统能耗下降22.1%，照明能耗降低15.6%。分楼层分析显示，中层区域由于空调负荷较高，节能效果最为显著，底层区域因室外环境温差较小，节能幅度相对较低，但仍达到12.7%。分时段分析表明，夏季空调负荷高峰期节能效果突出，平均降低26.3%，而夜间照明优化则贡献了约10%的能耗下降。这些数据验证了智能调控系统通过实时数据采集与动态优化策略，能够有效减少能源浪费，尤其在负载高峰时段表现更为明显。此外，设备运行效率分析显示，智能调控系统优化后的设备运行效率提升约8.5%，空调机组单位冷量输出能耗下降12.3%，照明系统智能控制覆盖率提升40个百分点，表明系统通过减少冗余运行时间与提升设备利用率，实现了能效的实质性改善。

1.2热舒适性提升明显

用户问卷结果显示，实验期室内热舒适性满意度评分从78分提升至92分，其中温度波动性改善最为显著。室内温湿度达标率从82%提升至95%，特别是在过渡季节，系统通过动态调整新风量与空调设定温度，有效减少了热不适现象。这表明智能调控系统通过精细化环境控制，能够显著提升用户的舒适体验。然而，部分用户反映在设备启停切换时仍存在短暂的温控盲区，这主要源于传感器响应延迟与算法调节死区。这一发现提示，在系统设计中需进一步优化响应速度与调节精度，以减少对用户体验的干扰。

1.3技术瓶颈需重点关注

研究中识别出三个关键技术瓶颈：一是数据传输延迟问题，建筑高层区域的传感器数据传输至调控中心的平均延迟达150毫秒，导致算法响应滞后，尤其在空调负荷快速变化时造成短暂的冷量过剩；二是算法适应性不足，强化学习算法在低负载时段表现不稳定，存在过度保守的调节策略；三是用户接受度与集成成本问题，部分用户对自动化控制的透明度存有疑虑，而系统集成成本仍是推广的主要障碍。这些瓶颈直接影响着智能调控系统的实际应用效果与推广前景，需在未来研究中重点解决。

2.优化建议

2.1优化传感器网络与数据传输

针对数据传输延迟问题，建议采取以下措施：一是优化传感器网络拓扑结构，采用星型或树型网络替代传统总线型架构，缩短数据传输距离；二是采用低功耗广域网（LPWAN）技术，如LoRa或NB-IoT，提升传输稳定性与实时性；三是增设区域级微调控节点，实现分层响应，减少中心节点压力；四是引入边缘计算技术，在传感器端进行初步数据处理，仅将关键信息上传至中心平台，降低传输频率与带宽需求。通过这些措施，可有效减少数据延迟，提升系统响应速度。

2.2改进算法框架与优化策略

为提升算法适应性，建议从以下方面进行改进：一是引入多目标优化框架，将能耗、舒适度、设备寿命及响应速度纳入统一评价体系，平衡不同目标之间的权衡；二是采用迁移学习与联邦学习技术，利用多建筑或历史数据预训练模型，提升算法的泛化能力；三是优化状态空间划分与动作分配策略，针对突发性人员活动或环境变化，设计更灵活的动态调整机制；四是引入模型预测控制（MPC）技术，结合天气预报与历史数据，提前规划设备运行策略，减少对实时数据的依赖。通过这些改进，可提升算法在不同工况下的稳定性和效率。

2.3推动标准化与降低集成成本

为提升用户接受度与降低集成成本，建议采取以下措施：一是推动智能调控系统的标准化设计，制定统一的接口规范与数据格式，促进跨厂商系统的兼容性；二是开发模块化系统架构，允许用户根据需求选择不同功能模块，降低初始投资成本；三是提供可视化界面与实时反馈机制，增强用户对系统运行状态的感知，提升用户信任度；四是探索与智能家居、智慧城市等系统的联动控制，拓展应用场景，分摊研发与推广成本。通过这些措施，可促进智能调控系统的规模化应用，加速建筑行业的智能化转型。

3.未来展望

3.1跨领域技术融合与协同优化

随着、物联网、大数据等技术的快速发展，智能调控系统的应用前景将更加广阔。未来研究可探索多领域技术的深度融合，如将智能调控系统与可再生能源（光伏、地热等）、储能技术、碳捕集系统等进行协同优化，实现建筑能源的闭环管理与碳中和目标。例如，通过智能调控系统优化光伏发电与储能系统的调度，在光照充足时最大化可再生能源利用，在光照不足时释放储能能量，实现建筑能源的自给自足。此外，结合数字孪生技术，构建建筑物理实体与虚拟模型的映射关系，可进一步提升智能调控系统的预测精度与控制能力。

3.2个性化与自适应控制

未来智能调控系统将更加注重个性化与自适应控制，通过深度学习与用户行为分析，实现用户偏好与实时需求的精准匹配。例如，系统可根据用户的作息时间、体温偏好、活动模式等数据，自动调整室内温度、湿度、光照等环境参数，提供定制化的舒适体验。此外，系统可通过与可穿戴设备的联动，获取用户的生理状态信息（如心率、睡眠质量等），进一步优化环境控制策略，提升用户的健康与福祉。这种个性化控制将使智能调控系统从简单的自动化工具，转变为提升生活品质的智能伙伴。

3.3智能调控与城市能源系统的整合

未来智能调控系统将不仅是单体建筑的节能工具，还将成为城市能源系统的重要组成部分。通过区域级智能调控平台，可整合多栋建筑的能源需求与供应资源，实现城市能源的集中优化与管理。例如，在电网负荷高峰时，平台可协调多栋建筑减少空调使用，或将建筑储能系统接入电网，参与调峰调频，助力城市能源的平稳运行。此外，智能调控系统可与智慧交通、智慧照明等城市子系统进行联动，实现城市能源的协同优化，推动城市整体的绿色低碳转型。

3.4绿色建筑评价标准的完善

随着智能调控系统的广泛应用，绿色建筑评价标准需进一步完善，以更好地反映其节能效果与综合价值。未来标准应将智能调控系统的能耗降低率、热舒适性提升度、设备运行效率、用户满意度等指标纳入评价体系，并建立相应的量化评估方法。此外，标准还应关注系统的长期运行稳定性、技术可靠性及可扩展性，为智能调控系统的推广应用提供更科学的依据。通过完善评价标准，可进一步激发市场对智能调控系统的需求，推动绿色建筑技术的创新发展。

4.研究意义与局限

本研究通过实证分析，验证了智能调控系统在超高层建筑中的显著节能效果与用户体验提升，为相关技术的优化与应用提供了参考。研究结论不仅有助于完善智能调控系统的理论体系，还能为政策制定者提供决策依据，推动建筑能耗管理的智能化转型。然而，本研究受限于单案例分析，未来可扩展至多类型建筑对比研究，以增强结论的普适性。此外，用户行为对系统效果的影响机制仍需深入挖掘，未来研究可结合行为科学方法，分析用户对智能调控的接受心理与习惯变迁，为系统设计提供更人性化的依据。总之，随着技术的不断进步与应用的深入，智能调控系统将在推动建筑行业绿色低碳发展中发挥越来越重要的作用，未来研究需持续关注其技术优化、应用拓展与政策支持，以实现建筑能耗管理的长期可持续发展。

七.参考文献

[1]Alvarado,J.,Navarrete,D.,&Valenzuela,M.(2018).Energyefficiencyinbuildings:Areviewofmethodsandtools.*AppliedEnergy*,234,841-856.

[2]Smith,P.(2015).Buildingautomationandcontrolsystems(BACS)forenergyefficiency:Areview.*EnergyandBuildings*,90,26-35.

[3]Zhang,Y.,Li,X.,&Wang,H.(2020).AreviewofInternetofThings(IoT)basedbuildingenergymanagementsystems.*JournalofCleanerProduction*,248,119068.

[4]Li,C.,Chen,Z.,&Liu,B.(2019).Bigdataanalysisforbuildingenergyconsumptionpredictionandoptimization.*AppliedEnergy*,254,548-562.

[5]Chen,L.(2021).Evaluationofenergysavingperformanceofsmartbuildingenergymanagementsystems.*RenewableandSustnableEnergyReviews*,154,111549.

[6]Wang,H.,Zhang,G.,&Ye,S.(2022).Acomparativestudyofenergyefficiencyoftraditionalandsmartcontrolsystemsinbuildings.*Energy*,236,121732.

[7]Peng,Y.,Liu,J.,&Chen,H.(2020).Optimizationalgorithmsforbuildingenergymanagementsystems:Areview.*IEEETransactionsonSmartGrid*,11(3),1745-1756.

[8]Liu,Q.,&Zhao,J.(2021).Useracceptanceofsmartbuildingenergymanagementsystems:Areview.*BuildingandEnvironment*,215,107019.

[9]InternationalOrganizationforStandardization.(2002).*GB/T18883-2002:Indoorrqualitystandards*.Beijing:StandardsPressofChina.

[10]InternationalEnergyAgency.(2019).*Energyefficiencyinbuildings:AnIEAfactsandfiguresreport*.Paris:IEAPublishing.

[11]Jones,N.,&Brown,R.(2017).Theimpactofbuildingautomationsystemsonenergyconsumptionincommercialbuildings.*EnergyPolicy*,105,676-685.

[12]Garcia,M.,&Pujol,A.(2016).Smartbuildingtechnologiesandtheirimpactonenergyefficiency:Areview.*AppliedEnergy*,185,1533-1544.

[13]Zhang,S.,&Yu,K.(2018).Areviewoffuzzylogiccontrolapplicationsinbuildingenergysystems.*JournalofBuildingEngineering*,17,1-12.

[14]Lee,D.,&Kim,J.(2019).Optimizationofbuildingenergymanagementsystemsusingmachinelearning:Areview.*AppliedEnergy*,254,1165-1177.

[15]MinistryofHousingandUrban-RuralDevelopmentofChina.(2020).*Guidelinesforenergy-efficientbuildingsinChina*.Beijing:MOHURD.

[16]Yang,K.,&Zhou,J.(2017).TheroleofIoTinsmartbuildingenergymanagement:Areview.*Sensors*,17(10),2365.

[17]Ho,C.K.,&Lee,S.T.(2018).Areviewofenergymanagementsystemsincommercialbuildings.*EnergyandBuildings*,156,578-590.

[18]Viles,N.,&Sauer,C.(2016).Smartbuildings:Theroleofdigitaltechnologyinthefutureofconstruction.*EnergyPolicy*,94,26-35.

[19]Whitaker,A.,&Underwood,C.(2017).Theimpactofsmartbuildingtechnologyonenergyconsumptionandcomfort.*BuildingandEnvironment*,125,414-425.

[20]MinistryofEcologyandEnvironmentofChina.(2021).*Nationallow-carbonbuildingstandards*.Beijing:MECE.

[21]InternationalCodeCouncil.(2020).*Internationalenergyconservationcode(IECC)2020*.FallsChurch,VA:ICC.

[22]Poh,W.K.,&Lee,S.C.H.(2015).Areviewofbuildingenergymanagementsystems.*RenewableandSustnableEnergyReviews*,51,739-751.

[23]Li,F.,&Zhou,P.(2018).Areviewofartificialintelligenceapplicationsinbuildingenergymanagement.*AppliedEnergy*,234,1022-1035.

[24]Smith,G.,&Jones,T.(2019).Thefutureofsmartbuildings:Trendsandchallenges.*EnergyPolicy*,125,1065-1075.

[25]MinistryofEducationofChina.(2020).*StrategicplanforgreenbuildingeducationinChina*.Beijing:MOE.

[26]Zhang,G.,&Wang,X.(2017).Areviewofenergy-efficientbuildingdesignstrategies.*AppliedEnergy*,193,412-425.

[27]Lee,E.,&Yoon,J.(2018).Areviewofenergy-savingtechnologiesinhigh-risebuildings.*EnergyandBuildings*,156,676-688.

[28]MinistryofFinanceofChina.(2019).*Greenbuildingfinanceguidelines*.Beijing:MOF.

[29]InternationalRenewableEnergyAgency.(2018).*Smartenergysystemsforcitiesandcommunities:Aguideforpolicymakers*.AbuDhabi:IRENA.

[30]MinistryofIndustryandInformationTechnologyofChina.(2021).*Developmentplanforsmartbuildingindustry*.Beijing:MIIT.

八.致谢

本研究能够顺利完成，离不开众多师长、同事、朋友及家人的支持与帮助。首先，衷心感谢我的导师XXX教授。在研究过程中，X教授以其深厚的学术造诣和严谨的治学态度，为我提供了悉心的指导和宝贵的建议。从研究选题的确立，到研究方法的优化，再到论文的撰写与修改，X教授都倾注了大量心血，其深厚的专业知识和丰富的经验使我受益匪浅。尤其是在智能调控系统效能评估和算法优化分析等关键环节，X教授提出了诸多建设性意见，帮助我突破了研究瓶颈。X教授不仅传授了学术知识，更以其高尚的师德风范影响着我，使我明白了何为真正的学术追求。

感谢建筑环境与能源应用工程系的研究团队，特别是XXX研究员和XXX博士。在研究期间，我有幸参与了团队的多次学术研讨会，从中学习到了关于智能建筑、能耗优化等方面的前沿知识。XXX研究员在传感器网络与数据采集技术方面给予了我诸多帮助，其丰富的实践经验为我提供了宝贵的参考。此外，团队成员XXX、XXX等人在实验数据处理、算法实现等方面也提供了无私的支持，与他们的交流讨论常常启发我新的思路。

感谢某超高层写字楼的物业管理团队，特别是项目经理XXX先生和工程师XXX先生。本研究的数据采集和系统运行观察离不开该建筑的管理配合。他们在实验期间提供了便利的场地支持，并协助解决了传感器安装、设备调试等技术难题。项目经理XXX先生还分享了实际工程中智能调控系统的应用经验，使我对系统的实际运行效果有了更深入的理解。

感谢在数据采集和实验过程中提供帮助的各位技术人员，他们认真负责的工作态度确保了数据的准确性和实验的顺利进行。同时，感谢参与用户问卷的各位同事和住户，他们的反馈为评估系统对热舒适性及用户接受度提供了重要依据。

本研究的完成也离不开家人的理解与支持。他们在我科研期间承担了更多的家庭责任，让我能够全身心投入研究工作。尤其是在实验遇到困难和挫折时，家人的鼓励和支持是我继续前行的动力。

最后，感谢所有为本研究提供帮助和支持的个人和机构。本研究的成果虽微，但凝聚了众多人的心血。未来将继续深入研究建筑能耗智能调控技术，为推动绿色建筑发展贡献力量。

九.附录

附录A：实验建筑基本情况

本研究选取的某超高层写字楼位于中国某一线城市核心区域，建筑总高度120层，总建筑面积约50万平方米，属于超高层公共建筑。建筑采用空调系统，分为冷热源中心和各楼层空调箱组，冷源采