下载掌阅APP，畅读海量书库
立即打开
照明技术让黑夜不再黑暗，使人们的生活、工作、学习、娱乐等方式发生了重大改变，给人们带来了极大的便利。然而，照明系统能耗问题也随之浮现出来，照明系统能耗占建筑总能耗的30%~50%。因此，设计合理的照明系统，并采用高效的照明控制技术，使照明系统既能优化照明效果，又能降低能耗。照明系统控制的关键技术涉及照度调节、场景控制与节能优化等方面。智能控制技术的应用，使照明系统的运行水平得到了极大的提高。智能照明系统是指在满足正常照明需求的前提下，采用智能控制技术让灯具输出一个最合适的照明功率，改善照明电路中不平衡负荷带来的额外功耗，提高功率因数，从而达到节能和视觉舒适的目标。
先进的控制技术使得照明系统水平得到了很大提升，更多的照明控制方式和手段使得视觉舒适和节能同时实现。Mathews等提出了一种开放式的OpenAIS体系，它具有很强的互操作性、可扩展性和开放性，为建筑照明控制提供了一种新的解决方案 [10] 。Kaur等提出了一种节能照明控制方法，通过改造现有建筑结构中电气照明组件来提高能源的利用效率，最高能够节能76.3% [11] 。为设计一个高效的照明控制系统，Kruisselbrink等应用比例控制来确定室内各个灯具的调光水平，为每个房间分配最合适的预定义场景，从而达到大幅度降低能耗的目的 [12] 。XU等通过手动控制和自动控制混合的照明控制方法来控制照明，能够至少节能50%，且该方法不会影响到视觉的舒适度 [13] 。Snyder提出了基于多元极值搜索的照明控制方法，它可以更快地到达系统能耗的最小值，同时照明控制精度也得到了改善 [14] 。Atis等提出了一种基于专家系统的照明智能控制系统，在节约电能的基础上，提供稳定的照明，该方案具有灵活的框架，可以通过网络进行监视 [15] 。
日光利用如今成为照明系统重要的节能手段。Gao等提出了一种低计算成本的闭环照明控制方案，该方案通过测量太阳光和灯光的亮度来确定灯光的调光等级，具有稳定的照明能力，且能够节能 [16] 。Sun等提出了一种基于分布式多主体框架的室内智能照明控制方法，该方法根据室内人员和户外光线情况控制照明设备和百叶窗，从而达到室内的最佳视觉舒适度和最小能耗 [17] 。Yahiaoui根据当前天气和空气指数来选择适当的照明控制策略，通过开展遮阳设备和室内照明组件，最大化地利用日光来达到节能的目的 [18] 。
随着照明技术与控制技术的逐渐发展，单纯地为工作区域提供照明的功能已经不能够满足人们对于照明系统的更高层次需求了，越来越多的人希望个人区域照明能追随自己的意愿。因此，照明系统的个性化控制成为当前研究的热点。Xiong等提出了一种新的照明多目标优化方法，能够在最大程度地减少照明能耗的同时，将用户个性化的视觉偏好纳入照明系统进行控制 [19] 。Kandasamy等提出了一种基于ANN-IMC的新型照明控制方法，该方法能够在不影响用户视觉偏好的情况下进行个性化的恒光控制，可以有效地应用到零能耗建筑设备控制系统 [20] 。Rossi等提出了一种基于人员占用及灯光个体适应性的照明控制策略，按照用户所需的照度值来提供照明，能够有效地减小能耗 [21] 。
在照明系统组网协议方面，目前主流的照明控制系统组网协议有Dynet协议、EIB协议、DALI协议、HBS协议和X-10协议。Dynet协议采用两对双绞线，其中一对提供DC12V总线设备工作电源，另一对用于传输总线设备信息。Dynet 协议是基于 RS -485 四线制传输的，其拓扑结构只支持线形结构。EIB协议是欧洲现行的主要标准，它是一个完全对等的分布式网络，其拓扑结构采用域、区、线三级结构。DALI协议是数字式可寻址灯光接口的缩写，它定义了电子镇流器与设备控制器之间的通信方式。DALI协议不仅具有很强的实用性、可扩展性，还拥有着系统开发难度小、开发成本低等特点，在照明控制领域中有一定的优势。HBS协议全称为家庭总线系统，是由日本日立、三菱、松下、东芝等公司联合提出的概念，以双绞线或同轴电缆为通信介质，控制通道最多可以有64个节点，主要用于电器开关量以及简单模拟量的控制，采用专用总线，具有抗干扰强、安全性高等优点。X-10协议是利用电力线载波方式进行家庭自动化信息传输的协议，采用调制方式传送，有较高的抗干扰能力，可靠性高，该协议不要求重新布线，对于要求低成本的照明控制是最好的选择。
当前的照明控制已经有了很大的进步，但照明系统运行控制方面仍然有许多问题需要思考和解决。①照明系统的建筑自适应性。照明系统在设计和实施时，应当考虑建筑类型的自适应性，充分发挥照明灯具之间的相互作用。②自然光和人工照明的互补性。自然光和人工照明的发展应寻求更好的控制策略，通过同步室内的控制器以达到最佳的节能效果和视觉效果，且应考虑多种天气对照明系统稳定性的影响。③建筑使用者的视觉个性化需求性。照明系统调光控制策略应当充分考虑人员之间喜好的冲突，室内多个灯具或调光设备之间的相互影响。④照明控制系统与使用者的主动交互性。使用者和照明系统构成一个新的系统，照明控制算法应将使用者考虑在控制闭环中。
空调对于保持室内环境的舒适性至关重要。在热带气候条件下，供热通风与空气调节系统的能耗可超过建筑总能耗的50%。因此，提高空调系统运行效率、降低能耗对于建筑节能具有重要意义。
从中央空调系统建模的角度考虑，合理精确的模型能够更加精准地反映中央空调系统的能耗变化，从而准确地对其进行优化，但由于中央空调系统的复杂动态特性，其对模型精度要求较高，因此模型的建立较困难。YAO等将状态空间方法和图论引入中央空调系统建模中，状态空间模型以图形形式表示达到更清晰的描述，通过模块化模型来构建实际空调系统的动态模型，从而提高建模效率 [22] 。Hussain等提出了一种基于自适应回归模型的中央空调系统实时优化控制策略，采用回归模型来描述系统的能耗与优化变量之间的关系，其简单的结构使得模型更新和实时优化的效率大大提高 [23] 。Zhou等建立中央空调机组调峰组合调节模型，提出最小化建筑群峰值需求的响应控制策略，该策略可优化控制，达到有效缓解电网压力的作用 [24] 。Bi-anchini等提出基于模型预测控制策略的解决方案，在热舒适性和技术约束下优化管理中央空调系统和储能设备 [25] 。Rawlings等提出一种分层分解的经济性中央空调系统使用方法，仿真结果表明该方法可用于大型中心厂房和数百个分区的建筑 [26] 。
由于中央空调系统结构复杂，涉及流固耦合、连续和离散混杂，单纯线性系统或单纯离散系统都很难刻画系统结构和控制过程。因此，混合系统建模方法日益受到科研人员的关注。Zhang等通过分析泵的冷量传递过程和特性，在连续和离散混合系统框架下进行了中央空调系统建模，并采用开关控制、冷量分配和平均温度控制混合的动态策略，实现实时能耗优化控制 [27] 。Risbeck等提出商业建筑暖通空调运行优化的混合整数线性规划模型和求解框架，对设备模型进行分段近似，使用一个非对称公式来增强模型求解，实现优化节能控制目标 [28] 。Xie等为降低中央空调能耗，采用序贯最小二乘法对中央空调模型的能耗进行优化 [29] 。Zhang等基于水泵连续和离散特征进行中央空调冷水系统混合建模，提出以最小功耗为性能函数的最优化方法，实现水泵的变量控制和室内温度的精确调节 [30] 。
此外，模糊控制、分布式控制、最优控制、学习控制等都已应用于中央空调的节能领域。模糊控制是自动控制领域非常活跃的一个分支，它以模糊数学为基础，常与神经网络、人工智能、自适应控制等结合，在生产和生活中得到了广泛的应用。模糊控制本质上是一种非线性控制，一般包含模糊化、知识库、模糊推理及解模糊等部分，是不依赖于被控对象的数学模型，特别适合应用在非线性、时变、滞后及模型不完全系统。因此，模糊控制用于空调控制有其自身的优势。Li等提出一种模糊比例积分微分（Proportion Integration Differentia-tion, PID）控制冷冻泵频率的方法，根据负荷变化来改变冷冻泵的频率，达到节能的目的 [31] 。Zhao等针对中央空调冷却水系统，对冷却水系统比例积分（Proportion Integration, PI）控制算法和模糊控制算法进行了比较，PI控制算法不能适应不同的工况；模糊控制算法虽然控制精度不高，但动态性能好、调节曲线平滑、波动小 [32] 。
分布式控制采用分体自治和综合协调的设计原则，控制器间交互通信，共同来完成同一个任务，适合应用于中央空调系统控制。Wang等设计了基于分布式的变频空调器通用控制策略，该策略用于研究区域的可再生能源整合，将每个空调作为独立个体接收、传递信息和执行操作，以期充分发挥负荷侧空调资源的作用 [33] 。Radhakrishnan等提出基于令牌调度策略的分布式结构系统，用于商业建筑暖通空调系统的节能运行控制 [34] 。Tang等提出了一种适用于晨间启动的最优控制策略，确定预冷运行的冷水机组的数量和时间表，实现各分区/房间之间的最佳冷却分配，从而缩短预冷时间，降低峰值功率需求 [38] 。
最优控制是确定优化目标，建立优化目标函数，在一定约束条件下通过控制使得系统性能指标达到最优。Gao等提出地源热泵集成空调系统的优化策略，通过最小化系统总功率来优化系统设置，在节能的同时显著提高了空间温度控制的鲁棒性 [36] 。Wang等提出空调系统基于事件驱动的最优控制方法，该方法确定事件/动作空间和事件/动作图，而不需要对给定事件/动作的所有决策变量进行优化 [37] 。Asad等采用自由度值重置来代替传统的阶跃变化设定值重置，从而提高多路实时优化系统的稳定性 [38] 。Wang等提出了一种事件空间建立的方法，通过适当选择事件阈值来改进事件的定义，克服中央空调系统运行条件明显不规则时效率不高的缺陷 [39] 。
学习控制理论可用于估计未知信息的优化控制器，在学习过程中获取系统的更多未知信息，随之更新控制律，使控制器逐渐逼近最优控制器。因此，基于强化学习、数据挖掘、深度学习的控制方法越来越受到人们的关注。Wang 等通过数据挖掘方法挖掘建筑空调系统EDO数据中隐藏的知识，利用一种新的决策变量——欧几里得距离来估计优化报酬 [40] 。Qiu 等提出基于强化学习的模型优化控制方法 [41] ，该方法以湿球温度和系统冷负荷为状态，以系统COP（即冷水机组、冷却水泵和冷却塔的COP）作为奖励，在基本控制器、局部反馈控制器、基于模型的控制器和无模型控制器的监督下，进行了为期3个月的仿真，仿真结果表明该方法可用于中央空调控制。
高层建筑越来越多，电梯的重要性随之凸显出来，从而使电气群控技术得到了极大的发展。电梯群控技术是指将多台电梯当成一个整体，进行统一调度的控制技术。优化电梯控制、提高运力、降低能耗是建筑自动化领域的重要研究方向。电梯群控技术能够实现电梯的自动运行，加强电梯的统一管理，缩短用户的等待时间，提高电梯的便利性、高效性、安全性。电梯能耗管理使电梯在运行时尽可能地节省能源。如何在节能和提升用户的使用体验之间达到平衡是电梯群控技术的难点。
电梯群控技术研究从20世纪40年代开始，如今主要侧重于研究电梯群控系统的动态特性，主要以最小候梯时间控制和综合评价函数控制等方式为主。Ruokokoski等针对电梯目的地控制产生的静态离散问题提出了分枝界定算法，解决了客流量较大的状态下，以前目的地控制解决方案中没有考虑路由的问题 [42] 。Yildirim等将元启发算法和人工原子算法相结合，应用到7部电梯的群控系统中，大大缩短了等待时间 [43] 。Coskun等根据预先定义的用户等级，提供一个正常模式和三个特权模式，场景仿真结果显示正常使用电梯的交通密度得到了显著优化 [44] 。Bapin等采用图像处理方法分析乘客群体，并使用Bayes模型评估决策结果与期望决策的对应程度 [45] 。Wang等提出电梯调度的深层强化学习方法，并用改进粒子群算法进行优化，该方法设计了电梯群控的最优控制律，能尽快地将乘客送到目的层 [46] 。
在电梯群控算法不断优化的同时，电梯调度方法也不断被提出。Dai等结合模糊控制和神经网络技术设计了电梯群调度方法，利用神经网络评估等待时间、乘坐时间等评价因子的权重，可在多种客流量的情况下实现电梯群的合理调度 [47] 。Chou等综合考虑电梯内部的状态、乘客的移动方向和候梯乘客的数量，利用卷积神经网络来识别人数，对电梯群调度规则进行了优化 [48] 。So等使用蒙特卡洛方法导出了电梯群控的H（最高反转次数）和S（往返逾期停留次数）方程组 [49] 。Sharma等设计了基于模糊逻辑的电梯群控系统控制器，计算出每台电梯厢的模糊控制器优先级，进而根据乘客/用户产生的大厅呼叫来选择最合适的电梯 [50] 。Yang等对传统的基于最小距离的电梯调度方法进行改进，采用人脸识别的方法来获取电梯的乘客数量，给出了电梯在不同状态、不同时段的运行方式，使电梯在使用高峰能够满足乘客需求，提高了载客效率 [51] 。
在电梯能耗管理方面，研究工作主要集中在建模和能量消耗预测方面。Tukia等提出基于短期电能计量的简单预测方法，利用电梯每周的周期性分布来计算电梯的年能耗 [52] 。Wang等推导了节能函数和时间成本函数，建立了电梯群控模型，利用改进的Geese-PSO算法，显著缩短了等候时间和并降低了能耗 [53] 。Tukia 等对曳引电机和液压升降器两种电梯运行方式进行建模，提出基于等候的时间的电梯群控算法方案，仿真测试结果证实了该方法的可用性和可靠性 [54] 。Chen等对永磁同步电动机驱动的机电一体化电梯系统进行了建模，推导并比较了基于哈密顿函数的最小输入绝对电能控制（MI-AEEC）和最小控制力（MCE），基于该模型设计出的自适应控制器具有较好的节能性和鲁棒性 [55] 。Maamir等提出DC-DC双向转换的太阳能电池和储能器（电池和超级电容）混合动力电梯的神经网络功率控制器，根据每个电源的动态特性提供稳态和瞬态所需的功率，且能够实现各运行模式之间的平滑切换 [56] 。Pham等利用端口哈密顿函数描述直流微电网的动力学行为，建立非线性约束优化模型，有效地管理微电网的运行 [57] 。Zubair等采用多元线性回归模型来预测住宅楼宇电梯的年能耗，从而优化电梯的平均额定容量，节省大量的能源 [61] 。
随着建筑业的蓬勃发展，人们对室内定位与导航的需求日益增大，复杂的室内环境，如机场大厅、展厅、仓库、超市、图书馆、地下停车场、矿井、超大体量办公建筑等，经常需要确定人员、设备及物品等的位置信息。在室内定位技术中，Wi - Fi、RFID、UWB、Bluetooth、ZigBee等由于采用无线传输，具有较高的兼容性、更高的精度、低电磁辐射等优点，因此得到了较为广泛的应用 [59] 。Tesoriero等开发基于无源RFID 的室内定位系统，与超声系统相比，该系统可以在降低成本的情况下达到相当的精度 [60] 。Lee等针对大学室内活动提出本体语义查询的位置服务，使用3D网络拓扑数据模型计算目标位置的最短路径 [61] 。Yang等提出基于空间特征区域划分的WKNN（Weighted K-Nearest Neighbor）室内定位算法，有效地提高了基于Wi-Fi的室内定位算法的估算精度 [62] 。Mendes等通过操作iBeacon和Wi-Fi信号等室内空间定位设备，使用不同分类器，确定了效果最佳的分类算法 [63] 。Alawami等提供的室内定位系统可以根据周围无线网络节点的读数来确定目标可信区域内存在的用户，以提供身份验证服务，摆脱了室内定位的烦琐身份验证协议 [64] 。Kwon等提出基于距离的室内定位算法，利用超低功耗的无线网络设备进行信号的增强，并验证了其在2.4GHz的超低功耗无线网络的实际室内环境中的有效性 [65] 。在提高无线传感器网络的定位精度方面，Simões等基于冗余融合和互补融合，实现了Wi-Fi传感器与惯性传感器在室内位置的数据融合 [66] 。在无设备的室内定位方法开发中，Fei等开发了基于菲涅尔区域模型的室内静态定位，并在不同场景进行了实验 [67] 。
指纹算法和机器学习在室内定位系统场景中得到了较广泛的应用。Carrasco等通过机器设备中的低成本蓝牙信标收集位置信息，找到离用户最近的机器，完成室内设备定位的任务 [68] 。Zhao等利用森林和贝叶斯压缩感知等方法，对现有指纹定位算法的准确性、成本和实时性进行了改进 [69] 。Yoo等使用PCA特征提取、机器学习和KL发散等技术，对未标记的数据进行了指纹算法的开发和验证 [73] 。Hernandez等利用无锚点蒙特卡洛算法开发了一种相对定位系统，减少了设备中对GPS模块的需求，降低了定位成本 [71] 。Wei等采用机器学习方法开发室内设备定位算法，通过定位设施组件将其与信息存储库中的数字孪生关联起来，从而支持设施位置管理 [72] 。Van等采用机器学习开发了室内患者定位方法，用于虚拟患者位置的识别，实现高精度室内人员定位 [73] 。Pu等使用低功耗蓝牙设备的有效位置指纹识别算法，减少了室内信号干扰、降低了定位误差 [74] 。Ahmed等针对室内定位中的信号检测问题，开发了支持机器学习的低功耗无线网络定位，可以有效地预测室内位置，准确性超过98% [75] 。Rashid等通过基于UWB的实时位置跟踪系统和基于BIM的虚拟环境，改善了智能家居中人员与设备的互动问题 [76] 。Acharya等结合BIM和视觉跟踪，开发了一种基于模型的室内跟踪方法，可以实现10cm的定位精度，且误差不会积累，该方法适用于长时间的室内定位 [80] 。
供配电系统是建筑的动力源泉，它为建筑中空调系统、照明系统、电梯系统等提供电能，同时对建筑物电能进行有效的监控和管理，最终达到安全、可靠、节能、环保、绿色、高效的目的。近年来，我国的电网得到了飞速发展，加快电网基础设施智能化改造和智能微电网建设，加强源网荷储衔接，成为电网建设的主题。在智能化的大趋势下，传统的电力供需技术面临挑战，利用物联网技术、大数据技术、人工智能技术等建立新型电力供需系统成为可能 [78] 。Yu等通过建立智能电力监测系统，将室内物联网与公共设施集成系统的数据汇聚成建筑大数据，并利用数据分析算法为建筑运维管理提供决策支持，减小了传感器和环境等因素造成的测量误差 [79] 。Wu等提出了一种基于物联网的微网智能建筑新方案，采用可再生能源自我消耗策略，实现供需自主平衡 [80] 。
加强源网荷储衔接离不开负荷预测和分析技术。负荷预测在电力系统运行和需求方面发挥着越来越重要的作用 [81] 。Xie等针对概率负荷的单值预测或点预测含有很大不确定性的问题，提出并回答了PLF的温度场景生成和残差模拟技术的方法论基础问题 [82] 。Mirak-horli等提出采用模型预测控制的配电系统，可以使建筑的负荷变化更小、负荷更平稳，从而降低发电成本 [83] 。Zhang等针对建筑中的能源柔性潜力，提出描述建筑能源灵活性的一般方法和一套指标，采用模型预测控制可转移负荷或降低峰值需求 [84] 。Dagdougui等利用人工神经网络对某小区的建筑物进行了超短期和短期负荷预测，降低了小时负荷和日负荷，并预测达到最佳性能的计算时间 [85] 。Almalaq利用深度学习的动态逻辑来改进配电网负荷预测，用递归人工神经网络实现了更精确的负荷预测 [86] 。
Fang等引入基于电网有功分配交互方式的需求侧响应，通过实施的一系列激励机制，引导用户积极配合配网的运营管理 [87] 。Li等提出了一种住宅开发建筑管理系统策略，该策略能节约大量的电费、降低电网中发电机的负荷，具有为智能建筑能源管理提供最优解决方案的潜力 [88] 。Jia等针对集中式体系结构面临着终端设备之间难以联网、缺乏灵活性及底层信息共享受限等难题，基于无线传感器网络的框架结构，设计了智能建筑能源管理系统，提出基于区块链的 IBEMS 动态密钥管理策略 [89] ，该方法继承了区块链技术的高安全性，并在存储效率、能耗和网络连通性方面表现优异。
Salvatore针对住宅楼宇自动化系统控制逻辑，分析了可再生能源分布式发电对配电网的影响 [90] 。Stadler等综合考虑热经济性能指标，提出热电系统多目标优化方法，以满足用户和电网运营商的利益，增大了充分开发可再生能源在建筑应用的可能 [91] 。Dastgeer等对住宅配电系统中直流电和交流电的使用效率进行了比较，在不同的情况下对系统效率进行了测试，结果表明当建筑物采用直流电时可避免中间的AC/DC转换，能有效地减少电能损耗 [92] 。Vossos等以提高建筑配电效率、降低成本和能耗为出发点，提出了基于商业产品的技术经济分析框架，评估了直流系统的成本效益，指出配置储能的直流系统将有很好的发展前景 [93] 。Negadaev提出了一种基于Dijkstra算法的配电网分析方法，该方法可以降低配电网的建设成本，在电机端提供必要的电压水平并使电缆网络的能量损失最小 [94] 。
为了有效地实现配电网的自动化建设，从而提高配电网运行效率、提供更加优质可靠的供电，有必要开展配电网数据通信系统的建设。Dileep等对智能电网计量与通信、云计算及智能电网应用进行了详细的总结，指出数据采集、处理和智能应用是未来电网研究领域的发展方向 [95] 。Zhang 等提出基于云计算的智能配电服务体系结构，实现了对用电趋势的准确预测，既能智能监测用电，又能对采集的数据进行有效的智能处理 [96] 。
供配电系统是建筑物最主要的能源来源，一旦供电中断，大部分系统将立即瘫痪。智能建筑供配电系统首先关注供电的可靠性，通过设计智能的电力监测系统，达到实时监测变、配电设备的运行参数，及时诊断故障，确保供电可靠性；其次关注的重点是通过负荷预测等方式进行电能有效分配，提高用电效率，降低能耗。近年来，人工智能和深度学习等技术的不断发展为未来建筑供配电系统运行状态和负荷能力的精确预测提供了更好的方案，也带来了新的挑战。提出符合行业特点的电力系统专用智能算法，是未来研究的重点和难点。人工智能在智能电网中的应用场景包括供电、电力系统优化、电力用户行为分析、故障诊断等。虽然人工智能在智能电网中的应用面临着数据样本积累不足、数据系统可靠性不足、基础设施不完善、电力行业专用算法缺乏等问题 [97] ，但在不远的将来，随着计算机技术和通信技术的不断发展，人工智能会是推动智能电网进入新一代电力系统和能源网络的有力工具。
建筑能耗与日俱增，建筑能耗约占总能耗的32%，许多发达国家甚至高达40%（美国约为39%，欧洲约为40%） [98] 。因此，提高建筑能效、节能减排已成为建筑领域亟待解决的问题。为了解决建筑能源管理各独立子系统的互操作问题，Santos等提出了建筑智能知识基础推理系统，该系统基于上下文语义规则进行智能管理 [99] 。Faia等提出基于实例推理的住宅建筑能源智能管理应用方法，该方法使用K-近邻聚类算法识别相似的案例，采用粒子群优化算法来优化每个案例特征变量的选择，并开发了专家系统来完善最终解决方案 [100] 。
建筑节能通常涉及舒适和节能的多目标控制，居住人员和自动调节照明系统互动并没有导致能源使用的大幅增加。为了实现照明最佳视觉舒适度和节能，Safranek等提出了基于分布式多Agent框架的室内照明控制方法，该方法根据室内外照度进行灯具和百叶窗控制 [101] 。针对开放式办公场所的个性化视觉舒适度控制，Kar等采用基于推荐系统的方法，从历史数据中学习个人和协作用户的偏好，在不影响节能的情况下满足个性化视觉舒适度 [102] 。优化住宅HVAC控制并非易事，Du等应用无模型深度强化学习方法来生成多区域住宅HVAC系统的最优控制策略，该控制策略可以在保持用户舒适度的同时最大限度地降低能耗 [103] 。Escobar等提出了一种基于多变量数据分析学习算法的HVAC控制，这是一种用于智能建筑的模糊逻辑聚类算法，应用该算法可以节省能源 [104] 。Zhou等使用人工蜂群和粒子群优化两种优化算法，增强多层感知机神经网络预测住宅建筑HVAC系统热负荷和冷负荷的能力 [105] 。Lachhab等引入最适合当前环境控制策略的智能算法，该算法可以在三种现有的通风系统控制策略中选择最佳控制，在降低能耗的同时提高室内空气质量和热舒适性 [106] 。Zhang针对智能建筑中家用电器提出基于分时控制的分数阶电容器无线供电系统，可为电视和手机进行无线充电 [107] 。为了最大限度地节能和节约成本，Chen等提出双层分布式随机模型预测控制框架，研究建筑集群交互操作，该框架嵌入随机模型预测控制实现在线交易决策；在系统层面采用粒子群算法来平衡每小时的总能量交易 [108] 。
Cotrufo等提出在装配式建筑中开发和实施模型预测控制的方法，该方法依靠人工智能和多模型架构对装配式建筑进行建模，以达到节能目的 [109] 。为MPC任务建立一个面向控制的模型是困难的，Wang等将数据驱动模型应用到MPC 任务中，提出了一种混合优化算法，即BSAS-LM算法，用于解决数据驱动预测控制中非线性模型或非凸数据驱动模型的优化问题，在不修改现有算法的情况下将数据流模型应用到预测控制中 [110] 。为了评估零能耗建筑系统集成和性能优化差距，Zheng等提出了零能耗建筑的3M概念，并使用多目标优化算法对ZEB智能控制系统进行优化 [111] 。建筑物中传统的温度控制效率低下，导致能耗一直居高不下，Gupta等提出了基于深度强化学习的智能建筑供暖控制实施决策算法，这有助于提高热舒适度并降低建筑中的能耗 [112] 。Peng等针对建筑温度控制系统，提出综合迭代学习控制和迭代反馈调节的两自由度迭代控制算法，采用稳定投影和粒子群优化等算法来确定最佳解决方案 [113] 。Kumar基于粒子群优化和新兴极值学习机的混合模型，所提出的混合模型包括可变的在线顺序极端学习机用于预测建筑温度，以进一步优化能源利用 [114] 。
Groumpos提出了在自动化控制系统中应用模糊认知图的方法，并应用该方法探讨了住宅和商业建筑最大化节能的问题 [115] 。为了对建筑空调和通风进行智能控制并降低能耗，Zhai等采用极限学习机模型和神经网络模型，建立空调机械通风系统能耗和室内热舒适性系统模型，并与稀疏萤火虫算法、稀疏增强萤火虫算法相结合，进而预测空调系统节能率 [116] 。为了控制建筑的用电费用，Bianchini等通过分析集中设有中央暖通空调、热电储能设施和光伏发电的建筑运行成本，采用 MPC 策略进行运行成本优化，该方法可应用于大型建筑 [117] 。Molavi等建立了分时电价模型，然后通过粒子群优化算法对某工业建筑负荷的TES系统设备容量和冷热源运行进行了优化 [118] 。
建筑能源管理系统先进的算法和优秀的模型，可以进行能耗预测和能效管理，进而达到建筑节能的效果，但是建筑能源管理系统也是提高居住舒适度的关键因素，因此，在设计系统时，必须确保系统的自动化、控制和管理，更重要的是实现以需求为导向的能源供应 [119] 。建筑能源管理系统可以最大限度地减少建筑运行所带来的能源消耗，尤其是供暖、通风和空调系统，可以极大地提高系统运行效率 [120-121] 。信息技术和网络技术的进步，智能建筑中使用的自动化设备不断升级，能耗越来越大，然而三十年来一成不变的子系统分治，顶层集成的系统架构却阻碍了建筑自动化系统的发展。因此，很多科研人员和工程师都在研究新型系统架构，针对传统建筑存在的问题，结合建筑的特点，将新系统设计为面向空间的扁平化结构，采用去中心化设计，通过边缘节点协作进行，即分散计算和控制，使系统更加灵活且配置简单、易于扩展 [122-124] 。但自动化设备的大量投入也必然带来能耗的大幅提高，面向未来建筑发展，将建筑自动化系统本身的用电量纳入建筑技术的整体能耗评估将是一大趋势 [125] 。