当建筑能源管理从设备自动控制走向能源预测、动态调度与多目标优化，人工智能如何在降低运行成本的同时兼顾用户舒适度？美国佛罗里达州立大学相关研究团队提出的一种融合神经网络预测与多目标进化算法的智能建筑能源管理框架，为楼宇自控行业探索AI节能与能源协同提供了新的技术参考。
从自动化控制到预测性能源管理
随着分布式光伏、储能、电动汽车以及可调节用电负荷逐步进入建筑，传统建筑能源管理系统（BEMS）面临着新的挑战：能源需求随时间变化，电价可能动态波动，不同设备之间存在运行耦合，而降低能源成本又不能以牺牲室内舒适度为代价。
传统楼宇自控系统主要依靠预设逻辑、设备联动和控制策略实现运行管理。这些方法在常规工况下具有稳定、可靠、易于维护等优势，但当建筑同时接入光伏、储能、电动汽车充电设施，并需要响应动态电价时，仅依靠固定阈值或简单时序控制，可能难以充分利用不同能源资源之间的协同空间。
2026年10月16日，国际开放获取期刊《Energies》发表了一项相关研究——《Multi-Objective Energy Management of Smart Buildings Using Neural Prophet and Reference Point-Based Non-Dominated Sorting Genetic Algorithm》（《基于Neural Prophet与参考点非支配排序遗传算法的智能建筑多目标能源管理》）。论文由Md Jamal Ahmed Shohan、Sophia Owais、Md Maidul Islam和Md Omar Faruque共同完成，研究团队与美国佛罗里达州立大学相关电气与计算机工程及先进电力系统研究机构有关。
该研究的核心问题并不只是如何更准确地预测建筑用电，而是如何把能源预测结果转化为可执行的设备运行决策，在经济性与用户舒适度之间寻找更合理的平衡。
研究提出了怎样的技术框架？
论文将两种技术结合起来：一是基于Neural Prophet的能源预测模型，二是参考点驱动的第三代非支配排序遗传算法NSGA-III。
前者负责预测，后者负责优化。二者结合，使能源管理从单纯的负荷监测与趋势分析，进一步走向面向未来的运行调度。
第一层：利用Neural Prophet预测未来能源需求。
Neural Prophet是一种融合时间序列建模与神经网络能力的预测方法，能够利用历史数据识别负荷变化中的趋势、周期性及相关时间特征。
在建筑能源管理场景中，预测未来一段时间的用电需求，有助于提前安排储能充放电、可调节负荷以及其他能源设备的运行，而不是等到负荷上升或电价变化后再被动响应。
该研究将预测与未来24小时的实时电价信息结合起来，为后续调度提供依据。需要注意的是，Neural Prophet在这里承担的是预测任务，并不直接决定所有设备如何运行。
第二层：利用NSGA-III解决多目标优化问题。
建筑能源管理很少只有一个优化目标。单纯追求最低电费，可能要求部分负荷转移到非舒适时段，或者调整用户习惯；如果只强调舒适度，则可能错失低价用电、储能优化和负荷调度的机会。
研究将运行成本最小化与用户不适程度降低纳入多目标优化框架，并通过相应权重体现不同目标的优先级。
NSGA-III属于多目标进化优化算法。与传统遗传算法相比，它利用参考点机制帮助搜索和维持多个目标之间具有代表性的候选解，尤其适用于需要同时考虑多个相互制约目标的优化问题。
在这一框架中，系统不再简单寻找一个孤立的“最低电费方案”，而是探索成本与舒适度之间不同的折中方案，为建筑运营者根据实际需求选择运行策略提供依据。
第三层：把多类能源资源纳入统一的建筑能源模型。
研究建立的建筑能源系统模型涵盖储能、电动汽车、可再生能源和多种建筑负荷，并分别针对住宅和商业建筑开展测试，覆盖夏季与冬季的典型运行场景。
这一设计具有现实意义。建筑能源管理正在从单一的空调、照明控制，扩展到建筑内部用能设备与分布式能源资源的协调。未来的BEMS不仅需要知道设备当前消耗多少电，还需要判断何时用电、由什么能源供电，以及不同调度方式会对成本和用户体验产生怎样的影响。
研究发现：运行成本与计算效率均有改善
论文最值得建筑智能化行业关注的，是其对比测试中报告的量化结果。
研究将所提出的Neural Prophet与NSGA-III组合方法，与遗传算法（GA）和第二代非支配排序遗传算法（NSGA-II）进行比较。
根据论文摘要，在相关测试条件下，所提出的方法表现如下：
运行成本方面： 相较GA，报告的运行成本降低约6.2%；相较NSGA-II，降低约11.9%。
计算时间方面： 相较GA，执行时间缩短约30.3%；相较NSGA-II，缩短约14.4%。
适用场景方面： 住宅与商业建筑的多个测试案例均显示出成本改善，测试涵盖夏季和冬季工况。
验证方面： 研究进一步建立了包含建筑能源系统组件的实际配电馈线模型，并采用数字实时仿真平台进行验证。离线仿真与数字实时仿真结果较为一致，支持该框架在所测试运行条件下的可行性。
这些数据说明，研究的价值不只在于尝试降低能源成本，还在于通过预测与多目标优化的组合，改善能源调度决策的计算效率。
对于需要同时处理大量设备、动态电价和多类能源资源的建筑管理系统而言，计算效率同样重要。如果优化过程耗时过长，即使理论上能够找到较好的方案，也可能难以跟上实际运行环境的变化。
不过，上述百分比是相对于特定对比算法、模型和测试条件得到的结果，不能直接理解为所有建筑部署后都能获得相同幅度的节能收益。论文摘要中的运行成本改善，也不等同于建筑总能耗必然按相同比例下降。
对楼宇自控行业的启示：AI的价值在于把预测变成控制决策
这项研究对建筑智能化行业的启发，可以从三个层面理解。
1. 楼宇自控系统需要从响应式控制走向预测性控制
传统楼宇自控通常根据室内外温度、设定值、设备状态和预设逻辑调节空调、风机、水泵及其他设备。其优势是控制链路清晰、运行稳定，但对于未来负荷变化和电价变化的利用能力，取决于系统是否具备预测和优化机制。
引入负荷预测后，系统可以提前识别未来用能高峰，结合建筑热惯性、设备运行约束和电价信息，提前安排冷站启停、储能充放电或可调节负荷的运行时序。
例如，商业建筑可以根据次日天气、历史负荷和预计人员活动情况，提前评估空调负荷；在不影响舒适度的前提下，适当调整预冷策略或设备运行时段。
需要强调的是，预测结果不能直接替代设备控制。预测误差、设备最小启停时间、供回水温度约束、室内空气质量和设备安全保护，仍然必须纳入控制系统的约束条件。
2. BEMS的竞争力将越来越取决于跨系统协同
当建筑配置光伏、储能、电动汽车充电设施和可调节负荷时，能源管理不再是某一台设备的局部优化问题。
光伏发电具有波动性，储能受容量和荷电状态约束，电动汽车有充电需求与离场时间要求，空调系统则受到室外气象、建筑热惯性及室内舒适度的影响。各个系统分别运行，即使单项控制表现良好，也不一定能获得整体最优的能源管理效果。
该研究将这些资源纳入统一的优化框架，体现了建筑能源管理从设备级控制向系统级协调发展的方向。
对于楼宇自控企业而言，这意味着未来的产品能力不能只停留在控制器、传感器和设备联动层面，还需要具备跨系统数据整合、负荷预测、优化调度及执行反馈能力。
尤其在园区和大型商业建筑中，BEMS有机会成为连接楼宇自控系统、暖通空调系统、配电系统、储能系统及能源管理平台的协调层。
3. 能源成本与用户舒适度必须共同进入优化目标
AI节能容易陷入一个误区：只看电表上的数字，而忽视建筑的实际使用需求。
例如，过度降低空调运行时间，可能导致室内温度偏离舒适区；过度调整设备运行时段，也可能影响办公、商业活动或生产运营。
该研究将运行成本与用户不适程度同时纳入优化框架，体现了建筑能源管理的重要原则：节能应建立在满足功能需求和合理舒适度的基础上，而不是单纯追求最低能耗。
对于楼宇自控系统，这也意味着评价指标需要更加综合。除了电量、峰值负荷和能源费用，还应关注室内温湿度、空气质量、设备运行稳定性及用户投诉等指标。
研究的局限：从仿真有效到工程落地仍有距离
尽管研究结果具有参考价值，但建筑智能化从业者在借鉴时，仍需注意几个问题。
首先，模型效果依赖数据质量和预测准确性。建筑运行数据可能存在传感器偏差、通信中断、缺失值和设备状态记录不完整等问题。若训练数据不能充分覆盖季节变化、特殊天气、人员密度变化及异常工况，预测结果就可能偏离实际情况。
其次，算法优势不等于所有建筑都适用。不同建筑的运行规律差异很大。住宅、写字楼、医院、商场和数据中心在负荷特征、舒适度要求及设备约束方面各不相同。算法是否适用，需要结合建筑类型、控制目标、数据条件和现场测试进行判断。
再次，数字实时仿真不能完全替代真实建筑验证。论文报告的离线仿真与数字实时仿真结果一致，说明所提出的方案在相应测试条件下具有可行性，但仍不能据此认定其已经在各种真实建筑中实现长期、稳定的节能收益。实际部署还需要考察控制指令执行、通信延迟、设备响应、极端工况和故障恢复等问题。
最后，经济性分析需要与本地电价机制相结合。动态电价、峰谷价差、需量电费、储能投资成本和电池寿命都会影响优化结果。在我国建筑项目中，还应结合当地分时电价、需量管理规则、光伏消纳条件以及储能运行政策进行重新评估。
因此，更合理的工程路线不是直接用AI替换现有楼宇控制系统，而是在保留原有设备保护和基础控制逻辑的前提下，逐步引入预测与优化能力，通过历史数据回放、仿真验证、影子运行和分阶段部署，验证其实际收益。
结语：建筑能源管理进入“预测、优化、执行、验证”的新阶段
这项发表于《Energies》的研究，为建筑智能化行业提供了一个值得关注的技术方向：通过Neural Prophet预测未来能源需求，再利用NSGA-III协调运行成本与用户舒适度，并通过数字实时仿真检验方法的可行性。
其真正值得借鉴的，不是某一种算法能够带来多少节能百分比，而是建立了一套从预测到优化、再到运行验证的技术思路。
随着建筑电气化程度提高，分布式能源和储能设备不断增加，楼宇自控系统的价值也将逐步从设备自动化扩展到能源协同与运营优化。对于行业企业而言，下一阶段的竞争重点，是能否将可靠的现场控制、可信的数据基础、适用的AI模型与可量化的运行收益结合起来，让智能化真正转化为可验证的建筑能源管理能力。
论文信息：
Shohan, M. J. A., Owais, S., Islam, M. M., & Faruque, M. O. (2026). Multi-Objective Energy Management of Smart Buildings Using Neural Prophet and Reference Point-Based Non-Dominated Sorting Genetic Algorithm. Energies, 19(20), 4896. DOI: 10.3390/en19204896。
原文链接：MDPI《Energies》论文页面
——————————————————————————————
峰会预告
由千家网主办的第27届CIBIS峰会将于10月27日在成都正式开启，本届峰会将围绕"AI重构·智焕新生"年度主题，汇聚全国设计院专家、行业协会领导、建筑智能化专家、系统集成商、工程商、终端用户以及国内外知名品牌企业，通过主题演讲、技术分享、高端对话、创新展示、场景交流等多元形式，共同探讨AI时代建筑智能化产业的发展方向，推动智能建筑迈向更加智能、更高效、更低碳、更具生命力的新阶段。欢迎行业小伙伴积极报名参会，分享交流！
报名参会
成都站 (10月27日)：https://hdxu.cn/KEUDM
西安站 (10月29日)：https://hdxu.cn/6G03Q
北京站 (11月17日)：https://hdxu.cn/LaWOm
上海站 (11月19日)：https://hdxu.cn/c0H71
广州站 (12月10日)：https://hdxu.cn/MuQF8
更多CIBIS峰会信息，参见峰会官网：summit.qianjia.com
参与评论 (0)