Data-driven moving-window Bayesian inference for transient CO2–temperature network models of buildings

建筑并非静态的盒子，而是会呼吸、储存热量并对内部人员做出反应的生命系统。每当门被打开、有人走入或窗户缝隙开启时，室内的空气就会发生变化，同时携带热量和二氧化碳。几十年来，工程师们一直试图预测这些变化如何影响室内舒适度，但他们依赖的模型往往将热量和空气质量视为两个独立的问题。他们知道墙壁会传导热量，也知道人会产生热量，但他们往往难以追踪在房间之间流动的隐形气流，尤其是在传感器稀疏或建筑行为突然发生变化时。挑战在于创建一个能够从有限数据中进行实时学习的系统，使其能够区分传感器故障与建筑行为的真实转变，同时保持计算速度足以用于控制加热和冷却系统。

埃因霍芬理工大学的一个研究小组开发了一种新方法，将建筑的温度和二氧化碳水平视为同一枚硬币的两面。他们没有孤立地观察热量和空气质量，而是创建了一个通过气流和人类存在的隐形驱动因素将两者联系起来的模型。在这个框架中，空气的运动是共同的纽带：将二氧化碳从一个房间带到另一个房间的同一气流，也将热量带到另一处。通过观察温度和二氧化碳随时间的变化，该系统可以反向推导出人们在哪里、空气如何在不同区域间流动，以及建筑本身如何储存或释放能量。这种方法不需要密集且昂贵的传感器网络；它利用了办公建筑中通常可用的稀疏数据，并使用了一种称为“移动窗口贝叶斯推断”的技术。这种方法观察的是一段较短的、近期的切片——例如四十分钟的时间窗口——而不是试图一次性分析建筑的整个历史。这使得模型能够在条件变化时（例如会议结束，人们从小型办公室移至大型会议室）快速做出调整。

为了测试他们的想法，研究人员首先构建了一个完美的、计算机生成的四室建筑模型，包含四个小办公室、两个大会议室和一个连接走廊。在这个模拟世界中，他们掌握着确切的事实真相：他们准确知道每个房间有多少人，空气流动有多快，以及墙壁如何传导热量。随后，他们引入了现实的传感器误差，模拟廉价真实世界传感器中的轻微不准确性。当他们用这些数据运行新模型时，它成功重建了气流和占用情况的隐藏模式。该模型能够追踪人员从小型办公室向大型会议室的移动，并调整其对气流和热量储存的内部估计，以匹配新的现实。至关重要的是，当系统遇到从未见过的突发变化时，它并不仅仅是猜测；它会发出其不确定性的信号。可能答案的范围会扩大，有效地告诉用户：“我还不确定，”直到有足够的新数据流入以确认新的状态。这种量化怀疑的能力是一项关键特征，因为它能防止系统在混乱的过渡期间做出自信但错误的预测。

随后，研究人员将他们的组合模型与一个仅观察温度的简化版本进行了对比。在完美的模拟环境中，由于热量和二氧化碳在模拟物理机制中紧密相连，仅看温度的模型表现得相当不错。然而，组合模型在特定方面表现得更为优越：它能更快地适应人员占用的突然变化。当人员移动时，使用了二氧化碳数据的模型几乎立即更新了其对气流和人数的理解，而仅靠温度的模型则反应滞后。这表明，即使在有温度数据的情况下，二氧化碳这一额外层面的信息也有助于系统更迅速地锁定当前发生的正确解释。

为了验证这在现实世界中是否成立，团队构建了一个相同布局的缩放物理模型。他们使用小型风扇在房间之间驱动空气，并使用受控的二氧化碳和热源来模拟一群人在一个房间内聚集。与完美的计算机模拟不同，这个物理装置存在现实世界的缺陷：空气混合并不完美，传感器有其自身的特性，且建筑的行为并不总是完全符合理论方程。尽管存在这些偏差，该模型的表现依然令人印象深刻。它成功追踪了随着人工“人群”开启和关闭其热源时，二氧化碳和温度的升降。更重要的是，组合模型提供的图像比仅靠温度的版本要清晰得多。在实际实验中，仅凭温度数据的模型会导致模型在无人存在的房间里“发明”虚假的热源，试图用错误的假设来解释温度变化。二氧化碳数据起到了现实检查的作用，防止了这些错误，并缩小了气流估计的不确定性范围。模型意识到温度的变化是由主房间内的已知热源驱动的，而非来自其他地方的幻影热源。

研究还探讨了时间窗口的大小如何影响结果。他们发现，使用较长的数据窗口通常可以提高准确性，通过平滑噪声来更好地区分随机传感器误差与真实趋势。然而，如果窗口过长，模型会变得迟钝，对突发变化的反应也会变慢。寻找到的“甜点位”（最佳平衡点）让系统既能保持准确性，又能保持响应能力。研究人员还发现，该模型可以估计每个单独传感器的噪声水平。如果某个传感器开始出现异常，或者建筑的行为显著偏离了模型的预期，系统会自动扩大其不确定性区间，发出数据可靠性降低的信号。

虽然研究结果前景广阔，但研究人员也谨慎地指出了局限性。他们的模型假设每个房间内的空气是完全混合的，这在现实中很少见；在真实的办公室内，靠近通风口处的空气可能比靠近窗户处的空气更凉爽。此外，他们专注于一个简化的场景，即唯一的散热源是模拟的人群，忽略了阳光、电脑或照明等其他常见因素。在真实的建筑中，这些额外热源可能会使情况复杂化，使得区分人员影响与设备影响变得更加困难。研究人员建议，未来的工作需要纳入这些额外因素，以使模型足够稳健，从而实现大规模部署。他们还承认，目前的计算方法虽然有效，但需求较高，在能够持续运行于标准建筑控制系统之前，可能需要进行精简。

最终，这项工作展示了一种全新的“倾听”建筑的方式。通过将温度和二氧化碳视为一个耦合系统，研究人员创造了一种能够从有限数据中推断出气流和占用情况等隐形动态的方法。这是一种不仅能预测未来，还能理解当下的工具，它能随着建筑的变化调整自身的信心。对于办公楼的管理人员来说，这意味着一个全新的未来：供暖和制冷系统不仅会对恒温器做出反应，还会对人员和空气的实际流动做出反应，从而在无需在每个角落安装传感器的同时，节省能源并提升舒适度。未来的路径在于完善这些模型，以应对规模化建筑中更杂乱、更复杂的现实，但其核心理念——即空气与热量讲述着同一个故事——已被证明是行之有效的。