本文是一篇关于智能建筑中集成地-气热交换器（Earth-to-Air Heat Exchangers, EAHeX）与通风系统以提高能效和热舒适性的研究论文。该研究由来自摩洛哥多个研究机构的Marouane Wakil、Haitham Sghiouri、Mohamed Oualid Mghazli、Hicham El Mghari、Mohamed Bakhouya和Samir Idrissi Kaitouni共同完成，于2024年12月25日在线发表于《Energy Conversion and Management》期刊第325卷。

一、 学术背景与研究目标

本研究属于建筑节能与可持续设计领域，具体聚焦于智能建筑的暖通空调（HVAC）优化技术。面对全球建筑能耗巨大及气候变化的挑战，发展净零能耗建筑（Net Zero Energy Buildings, NZEB）和可持续建筑实践至关重要。被动式设计策略，如自然通风和地-气热交换器，因其能够显著降低对传统主动式HVAC系统的依赖而备受关注。EAHeX利用地下土壤相对恒定的温度对引入建筑的空气进行预冷或预热，是一种高效的被动式技术。然而，这两种技术的效能高度依赖于当地气候条件和建筑自身特性，且其协同运行的优化控制仍面临挑战。现有研究多集中于对单一技术的参数优化或性能模拟，缺乏一个能够实时、动态地协调两者运行以应对多变外部环境的智能决策框架。

因此，本研究的主要目标是：提出并验证一种新颖的实时决策算法，该算法旨在优化EAHeX与通风系统在建筑中的协同运行。研究旨在通过这种集成方法，在减少建筑供暖和制冷能耗的同时，提升室内热舒适度。具体贡献包括：提出一种结合EAHeX与自然通风的整体方法；开发一种用于控制两者的决策算法；并对所提出的整体方法进行深入、全面的评估研究。

二、 详细研究流程

本研究采用了基于仿真的综合方法，结合数学模型、算法开发和性能评估，主要流程如下：

1. 数学建模与算法开发： * EAHeX模型： 研究建立了一个详细的EAHeX数值模型。该模型基于一系列假设（如土壤温度在远离管道处达到平衡、管道截面恒定等），通过一组控制方程来描述空气在管道中的流动与热交换过程。核心方程（如论文中的公式1）用于预测EAHeX的流量，该流量是室内外温差和风速的函数。模型通过计算对流换热系数、土壤温度（使用Kusuda方程预测）、热阻等参数，最终求解空气流经管道后的温度变化（公式14）。该模型整合了天气数据、土壤温度、风速等输入，能够动态计算EAHeX的出口空气温度。 * 通风模型： 采用了一个基于气流网络的通风模型（公式17），其流量计算方式与EAHeX模型类似，同样考虑了室内外温差和风速的影响，并可根据预设时间表进行调节。 * 决策算法开发： 研究核心是开发了一个实时决策算法（如图3所示）。该算法以气候数据、建筑数据、三维几何模型为输入，通过持续监测室外温度（T_out）、EAHeX出口温度（T_EAHeX）和参考温度（T_ref）等决策温度，动态决定在每个小时的时间步长上应采取的最佳运行模式。算法决策逻辑包括：何时启用自然通风、何时启动EAHeX、何时采用参考条件（即常规通风），或者何时结合两者（“组合”模式）。其目标是无需或最小化使用传统HVAC系统，同时维持所需的室内环境条件。该算法被设计为“节俭实验”，注重实际部署的经济性和实用性。

2. 研究案例与数据采集： * 建筑描述： 研究以一个名为“Afrikataterre”的实际建筑原型为案例。该建筑是为2019年非洲太阳能十项全能竞赛设计的可持续城市住宅，采用夯土墙等当地材料，强调空间灵活性和气候响应式设计。研究详细列出了其围护结构材料属性、玻璃性能、内热源（人员、设备、照明）设定点温度等模拟输入参数（见表2、3、4）。 * 气候条件： 建筑位于摩洛哥本盖里（Benguerir），属地中海气候（柯本气候分类Csa），夏季炎热，冬季温和。研究使用了安装在建筑屋顶的BWS200气象站提供的实时气象数据（每分钟间隔）作为模拟输入。 * 现场测量与仪器： 为验证模型，研究使用了多种现场测量仪器（见表1），包括：用于测量窗户太阳能得热系数（SHGC）等属性的“窗口能量分析仪”（Window Energy Profiler）和“玻璃检测专家”（Glass-Check Pro）；用于监测室外气候条件的BWS200气象站；用于监测室内环境的温湿度传感器（TH-DG-RS485）；以及用于测量地下和空气温度的线式数字温度计。这些仪器确保了模型输入参数（如窗户性能）的准确性，并为模型验证提供了实测数据。

3. 模型验证： 为确保仿真结果的可靠性，研究对建筑能耗模型和土壤温度预测模型进行了严格验证。 * 建筑能耗模型验证： 将2023年5月5日至19日期间的模拟室内温度与实测温度进行对比。通过计算平均偏差误差（MBE）、归一化平均偏差误差（NMBE）、变异系数的均方根误差（CV-RMSE）和决定系数（R²）等指标，证实了模拟与实测数据之间具有良好的一致性（图6），表明模型能够准确预测不同外部条件下的室内温度剖面。 * 土壤温度模型验证： 将用于预测EAHeX埋管深度处土壤温度的Kusuda方程（公式3）的预测结果，与实验场地在3米、5米和7米深度实测的土壤温度进行对比（图8）。验证指标（MBE, NMBE, CV(RMSE), R²）显示，该方程在不同深度均能较好地预测土壤温度（表5），为EAHeX模型提供了可靠的地下温度输入。

4. 仿真模拟与性能评估： 在已验证模型的基础上，研究进行了为期一年的逐时模拟，以评估不同运行场景的性能。研究设定了四种对比场景： * 参考场景（Ref）： 常规通风策略。 * 仅通风场景（Ventilation）： 仅采用优化后的自然通风。 * 仅EAHeX场景（EAHeX）： 仅采用EAHeX系统。 * 组合场景（Combined）： 采用决策算法动态集成EAHeX和通风系统。 评估主要从两个维度进行： * 非HVAC热舒适解决方案： 分析在不启动传统HVAC系统的前提下，各场景维持室内热舒适的能力。评估依据包括自适应热舒适（ATC）模型和摩洛哥建筑热法规（RTCM）模型。研究绘制了全年的逐时运行模式图（图9），并分析了地下室、整栋建筑及三楼在不同季节（以周和月为单位）的温度剖面（图10、11、12、13），计算了各场景下的舒适小时数百分比以及月平均温度波动减少量（ATFR）。 * 维持舒适时的HVAC能耗： 在需要HVAC系统介入以维持设定温度（供暖20°C/制冷26°C）的情况下，分析比较各场景的供暖与制冷能耗。研究统计了各场景下的总能耗及相对于参考场景的节能百分比（图14），并分析了逐月的供暖与制冷能耗分布（图15），以及各月能耗的最小值和最大值范围（图16）。

三、 主要研究结果

1. 热舒适性能结果： * 算法适应性： 决策算法能够根据实时条件动态调整运行模式（图9），在一年中的不同时刻灵活选择EAHeX、自然通风或组合模式，展示了良好的实时响应能力。 * 组合场景优势： 在提升热舒适方面，组合场景表现最佳。例如，在地下室空间，组合场景在夏季根据ATC和RTCM模型分别实现了50%和34%的舒适小时数；在冬季，则分别达到了88%和55%。这表明集成系统能有效提升极端季节的舒适度。 * 温度波动控制： 组合场景在减少月度温度波动（ATFR）方面 consistently 表现最优（图13 g, h, i），表明其能最有效地平抑室内温度波动，创造更稳定的热环境。特别是在夏季和冬季，组合场景能显著阻尼由室外极端温度引起的室内温度波动（图13 a-f）。 * 分层差异： 三楼由于受太阳辐射影响更大，温度波动较地下室更为显著。尽管如此，组合策略仍能有效控制其温度波动。研究指出，若在三楼增加遮阳和隔热措施，可进一步提升组合系统的性能。

2. 能源性能结果： * 总体节能： 与参考场景相比，组合场景实现了最高的总能耗降低，达到15.70%。仅通风和仅EAHeX场景也分别实现了13.53%和14.16%的节能（图14）。 * 分项节能： 在供暖能耗方面，组合场景 consistently 表现出最低的需求。在制冷能耗方面，组合场景在炎热的夏季月份实现了最平滑的过渡和最低的能耗水平（图15）。 * 能效稳定性： 组合场景和EAHeX场景的能耗范围（最小-最大值）相对更集中且处于较低水平（图16），表明其性能更稳定可靠。而仅通风场景的能耗波动较大，性能一致性稍差。

四、 结论与意义

本研究成功开发并验证了一种用于智能集成EAHeX与通风系统的实时决策算法。仿真结果表明，该集成方法（组合场景）能够有效协调两种被动式技术，在摩洛哥本盖里的气候条件下，显著提升建筑的热舒适性（特别是在冬季），并最大程度地减少温度波动。在能源方面，该集成策略可实现高达15.7%的总节能，其中供暖节能14%，制冷节能16%。

本研究的科学价值在于提出并验证了一个动态、自适应的控制框架，该框架超越了静态或孤立的系统设计，为实现EAHeX与通风系统的实时协同优化提供了方法论和算法支持。其应用价值显著，为建筑师和工程师提供了一种数据驱动的设计工具，有助于在特定气候和建筑条件下定制高效的被动式气候控制方案，推动可持续建筑实践向净零能耗目标迈进。研究也强调了整体建筑设计和气候响应式策略的重要性。

五、 研究亮点

1. 创新性的集成与算法： 本研究的主要新颖之处在于通过一个复杂的数学框架和有效的决策算法，实现了自然通风与EAHeX系统的“无缝集成”。该算法能够进行实时、小时级的动态决策，以优化室内环境并降低能耗。
2. 全面的评估方法： 研究不仅关注能耗，还从热舒适（采用ATC和本地法规双重标准）、温度稳定性等多个维度对集成系统进行了深入评估，提供了更全面的性能画像。
3. 基于实际案例的验证： 研究以一个真实的可持续建筑原型为对象，并使用了详细的现场测量数据进行模型校准和验证，增强了研究结果的可靠性和实际参考价值。
4. 明确的性能提升： 研究通过清晰的对比数据（如15.7%的总节能、显著的ATFR提升），量化了集成策略相对于传统单一策略或常规方法的优越性。

六、 其他有价值内容

研究在最后讨论了当前工作的局限性并展望了未来方向。作者指出，当前研究为优化EAHeX和通风系统奠定了基础，未来的研究可以探索集成人工智能（AI）技术，如机器学习（ML）和自动化机器学习（AutoML）。这些AI方法可以通过从实时数据中学习，增强预测准确性、优化复杂参数并自动化决策过程，从而使系统更智能、更能适应动态的气候条件和用户需求，进一步提升能效。这为后续研究指明了重要的技术演进路径。