楊將鐸，季 亮，葉從周，韓繼紅（. 上海市建筑科學(xué)研究院有限公司， 上海 008；. 上海建科集團(tuán)股份有限公司， 上海 0003）

目前我國(guó)綠色建筑快速發(fā)展，人們對(duì)其運(yùn)營(yíng)階段的表現(xiàn)高度重視。有學(xué)者認(rèn)為我國(guó)近零能耗建筑發(fā)展問(wèn)題的主要解決思路之一在于主被動(dòng)式技術(shù)產(chǎn)品開發(fā)與集成，其中包括各類基于用戶需求的軟硬件結(jié)合的精準(zhǔn)控制和調(diào)試[1]。適應(yīng)于智能化理論和工具的跨越式發(fā)展，建筑、環(huán)境和人所構(gòu)成的多元復(fù)雜系統(tǒng)，將趨于實(shí)現(xiàn)互動(dòng)響應(yīng)的控制模式[2]。但是，實(shí)踐中綠色建筑辦公空間智慧運(yùn)行優(yōu)化的關(guān)聯(lián)模型仍然遵循主動(dòng)式點(diǎn)對(duì)點(diǎn)控制邏輯，或采用固定搭配的場(chǎng)景模式邏輯，但這對(duì)能源節(jié)約、環(huán)境優(yōu)化、用戶體驗(yàn)都是目標(biāo)模糊的。

在辦公建筑中，實(shí)際應(yīng)用場(chǎng)景復(fù)雜，如圖 1 所示。由圖 1 可知，能耗、環(huán)境、人 3 個(gè)維度是在不同空間層級(jí)上相互交叉。例如，根據(jù)計(jì)算，滿意度采集點(diǎn) 1 上的人員（工位 1）對(duì) CO2濃度（環(huán)境采集設(shè)備 1）是不滿意的，此時(shí)需要同時(shí)計(jì)算該樓層內(nèi)其他人員（工位 2、3、4…）的滿意度才能對(duì)新風(fēng)機(jī)功率（可調(diào)控設(shè)備 1）進(jìn)行調(diào)控。如果室外環(huán)境（環(huán)境采集設(shè)備 2）是舒適的，可能建議開窗是更佳的選擇。因此，要在實(shí)踐中解決主動(dòng)調(diào)控的問(wèn)題，就需要做到動(dòng)態(tài)獲取特定空間內(nèi)人員滿意度樣本并引入盡可能多的關(guān)鍵影響因素，設(shè)置以應(yīng)用場(chǎng)景為前提的判斷邏輯，引入以算法為驅(qū)動(dòng)的綜合動(dòng)態(tài)調(diào)控模型。

1 動(dòng)態(tài)獲取樣本并引入影響因素

對(duì)于影響建筑室內(nèi)環(huán)境品質(zhì)（Indoor Environment Quality，IEQ）的室內(nèi)物理環(huán)境，目前的認(rèn)知基本統(tǒng)一，包括熱濕環(huán)境、空氣品質(zhì)、光環(huán)境及聲環(huán)境等 4 類因素。但是，對(duì)每類因素的樣本選擇、評(píng)價(jià)方式、應(yīng)對(duì)策略充滿分歧[3]。

本文認(rèn)為，由于自然環(huán)境、建筑、人群、個(gè)體本身存在巨大差異，采用動(dòng)態(tài)獲取滿意度樣本進(jìn)行計(jì)算的方案，會(huì)比采用固定滿意度計(jì)算模型具有更高的實(shí)踐可信度。

在滿意度采集方法上，為了實(shí)現(xiàn)實(shí)時(shí)性、有效性和大數(shù)據(jù)特性，可以通過(guò)建筑信息模型（Building Information Modeling，BIM）平臺(tái)的空間概念（圖 1），根據(jù)工位生成滿意度采集點(diǎn)二維碼，并將可調(diào)控設(shè)備（如可記錄調(diào)控的空調(diào)末端面板）接入作為變相的滿意度采集。此時(shí)，每采集一個(gè)滿意度樣本，都將帶有一系列的背景數(shù)據(jù)輸入。滿意度樣本背景數(shù)據(jù)示意如表 1 所示。

表1 滿意度樣本背景數(shù)據(jù)示意

圖1 綠色建筑辦公空間智慧運(yùn)行通用場(chǎng)景

圖1 中虛擬監(jiān)測(cè)點(diǎn)的好處有：可以不受空間大小和形狀的限制選擇區(qū)域，可以根據(jù)輸入數(shù)據(jù)的匹配性區(qū)分空間，可以根據(jù)輸出數(shù)據(jù)時(shí)的計(jì)算能力和有效性劃分空間等。輸出場(chǎng)景不必要過(guò)于精確，即便是連續(xù)型參數(shù)也可以人為劃分檔位，如電動(dòng)遮陽(yáng)簾可以按照 25% 的間隔將遮陽(yáng)面積劃分為5 檔。

2 特定應(yīng)用場(chǎng)景的判斷邏輯

在綠色辦公空間場(chǎng)景下，個(gè)體的點(diǎn)對(duì)點(diǎn)控制邏輯有時(shí)會(huì)造成群體困擾，因此有必要加入目標(biāo)調(diào)控，完成后群體滿意度計(jì)算的過(guò)程。為了避免個(gè)體頻繁投訴引起樣本權(quán)重傾斜，又需要對(duì)有效投訴間隔進(jìn)行設(shè)置。在實(shí)踐場(chǎng)景下，獲取的樣本基本都為負(fù)面（不滿意），因此還需要設(shè)置正面樣本的獲取邏輯。同時(shí)，為了實(shí)現(xiàn)系統(tǒng)性主動(dòng)調(diào)控，還需要設(shè)計(jì)動(dòng)態(tài)調(diào)控方案。以上幾點(diǎn)基于應(yīng)用場(chǎng)景的判斷邏輯，是算法發(fā)揮作用的前置條件。

綠色辦公空間應(yīng)用場(chǎng)景的一種判斷邏輯如圖 2 所示。由圖 2 可知，個(gè)體、群體、時(shí)間、空間內(nèi)的諸多判斷并非通用算法可以代替，而是需要人為的合理設(shè)定邏輯，保證個(gè)體的需求被正確表達(dá)，同時(shí)不對(duì)群體形成負(fù)面影響。

圖2 綠色辦公空間應(yīng)用場(chǎng)景的一種判斷邏輯

同時(shí)，采用人工神經(jīng)網(wǎng)絡(luò)算法和隨機(jī)森林算法對(duì) 5 000個(gè)樣本進(jìn)行試驗(yàn)，利用表 1 所示的輸入?yún)?shù)，群體滿意度計(jì)算在驗(yàn)證集的準(zhǔn)確率可以達(dá)到 85% 以上，測(cè)試集的有效性可以達(dá)到 75% 以上。因此，基于諸多背景數(shù)據(jù)的參與，滿意度計(jì)算無(wú)論采用哪種算法，都基本能夠表達(dá)個(gè)體和群體需求，即特定空間內(nèi)的人員滿意度可以通過(guò)主要因素進(jìn)行預(yù)測(cè)。

但是，如果希望由滿意度和調(diào)控的樣本數(shù)據(jù)形成當(dāng)前環(huán)境的目標(biāo)調(diào)控方案，則需要考慮更多復(fù)雜的因素。

3 動(dòng)態(tài)調(diào)控算法

從前述的應(yīng)用場(chǎng)景來(lái)看，綠色辦公空間可以采用 2 類動(dòng)態(tài)調(diào)控邏輯。

（1）多目標(biāo)優(yōu)化。從理論上來(lái)說(shuō)，建筑室內(nèi)環(huán)境調(diào)控應(yīng)同時(shí)實(shí)現(xiàn)人員滿意度最優(yōu)、環(huán)境合適和能耗最低（根據(jù)實(shí)際情況，還有可能加入新的目標(biāo)，例如設(shè)備損耗最低）的理想狀態(tài)。但是，這 3 個(gè)目標(biāo)可能是相互沖突和影響的，因此必須取合適的折中解。另外，從模擬人為決策的角度來(lái)說(shuō)，最優(yōu)解并非唯一，人們希望獲取多種接近最優(yōu)的解，以避免停留在一種狀態(tài)而造成環(huán)境疲勞。這是一個(gè)典型的多參數(shù)多目標(biāo)優(yōu)化問(wèn)題。

近年來(lái)使用最多的是基于 Parato （帕累托）選擇的優(yōu)化方法，如基于遺傳算法、粒子群算法、蟻群算法等進(jìn)化算法的多目標(biāo)優(yōu)化方法及其改進(jìn)方法[4]。DEB K 等人[5]改進(jìn)了遺傳算法，提出了 NSGA-II （改進(jìn)的自適應(yīng)遺傳算法），谷歌學(xué)術(shù)顯示引用量達(dá) 3 萬(wàn)多次，成為許多行業(yè)公認(rèn)的成熟算法。

由于“環(huán)境合適”在此算法中是相對(duì)較弱的目標(biāo)，因此建議采用限值方案，即各項(xiàng)環(huán)境參數(shù)值的范圍不超過(guò)特定區(qū)間。至于能耗計(jì)算，國(guó)內(nèi)外對(duì)于建筑的冷熱電負(fù)荷預(yù)測(cè)方法主要分為數(shù)值模擬法和基于歷史數(shù)據(jù)外推法[6]。根據(jù)建筑情況選擇基于歷史數(shù)據(jù)的人工智能算法可以獲取很高的精度。這樣，形成一個(gè)事實(shí)上的兩目標(biāo)問(wèn)題（環(huán)境被取值區(qū)間約束）。

（2）深度強(qiáng)化學(xué)習(xí)。深度強(qiáng)化學(xué)習(xí)是一種結(jié)合了深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)各自特點(diǎn)的一種全新算法，由 MNIH V 團(tuán)隊(duì)[7]首先提出，并設(shè)計(jì)了 DQN（Deep Q-Network，深度 Q神經(jīng)網(wǎng)絡(luò)）算法。

強(qiáng)化學(xué)習(xí)系統(tǒng)如圖 3 所示。由圖 3 可知，一般的強(qiáng)化學(xué)習(xí)算法有一定的缺陷，即模型能代表的狀態(tài) s 和動(dòng)作 a 個(gè)數(shù)是有限的，而在實(shí)際環(huán)境中，可能存在狀態(tài)和動(dòng)作組合數(shù)量過(guò)多，導(dǎo)致模型失效。由此，引入深度學(xué)習(xí)，將輸入的狀態(tài)和輸出的動(dòng)作深度神經(jīng)網(wǎng)絡(luò)化。

圖3 強(qiáng)化學(xué)習(xí)系統(tǒng)

在辦公場(chǎng)景下，需要控制多類型設(shè)備，如空調(diào)、新風(fēng)、遮陽(yáng)、燈光，甚至窗戶、風(fēng)扇、抽濕機(jī)等，其中空調(diào)控制就包括溫度、風(fēng)速、風(fēng)向等的控制。這導(dǎo)致整個(gè)模型需要定義的組合動(dòng)作 α 數(shù)量過(guò)多，需要采用 DQN，通過(guò)實(shí)時(shí)采集的主客觀數(shù)據(jù)計(jì)算滿意度與能耗的比值，將其作為輸入狀態(tài)s，以可控設(shè)備的可控參數(shù)作為動(dòng)作 α，構(gòu)建 DQN 網(wǎng)絡(luò)。

當(dāng)計(jì)算狀態(tài)值（滿意度與能耗比值）不達(dá)標(biāo)時(shí)，初始化狀態(tài)；當(dāng)進(jìn)行動(dòng)作后，狀態(tài)值優(yōu)化則獎(jiǎng)賞r為 1，狀態(tài)值退化則獎(jiǎng)賞r為 ﹣1，進(jìn)行一系列調(diào)控后實(shí)現(xiàn)獎(jiǎng)賞總和R=∑r最大以及狀態(tài)值達(dá)到理想水平。

4 結(jié) 語(yǔ)

我國(guó)綠色建筑在推進(jìn)建筑生命周期的過(guò)程中，越發(fā)注重整合工具的開發(fā)和技術(shù)的集成應(yīng)用[8]。如何將能耗、環(huán)境、人員滿意度統(tǒng)一起來(lái)，是未來(lái)綠色運(yùn)維發(fā)展的關(guān)鍵問(wèn)題之一。

本文基于綠色辦公空間進(jìn)行場(chǎng)景化分析，提出了結(jié)合BIM 的自變量數(shù)據(jù)整合方式，提出了方便實(shí)現(xiàn)的滿意度采集方案，提出了作為前提算法的多人共用空間滿意度判斷邏輯，并推薦了合適的多維度自學(xué)習(xí)調(diào)控算法，明確了綠色辦公空間智能化運(yùn)維的實(shí)現(xiàn)邏輯。

基于上述方法論的算法將能有效支撐更優(yōu)化的建筑運(yùn)營(yíng)，為建筑全生命周期優(yōu)化提供有力手段。本研究將進(jìn)一步基于上述方法論，從具體實(shí)現(xiàn)的角度推動(dòng)軟件實(shí)現(xiàn)，為綠色建筑實(shí)效化和品質(zhì)化提供支撐。