综述：从算法到运行——数据驱动型热激活建筑系统（TABS）部署实现条件的范围综述

《Energies》：From Algorithm to Operation: A Scoping Review of Realization Conditions for Deploying Data-Driven Thermally Activated Building Systems Zheng Grace Ma, Simon Soele Madsen, Benjamin Eichler Staugaard, Joy Dalmacio Billanes and Bo N?rregaard J?rgensen

本文通过范围综述指出，数据驱动型热激活建筑系统（TABS）虽在仿真与算法层面进展显著，但受限于观测、集成与组织能力，长期实际运行证据稀缺。作者提出五项实现条件，强调需将TABS视为“实现挑战”而不仅是控制问题。

　　

引言：从“控制问题”到“实现挑战”

热激活建筑系统（Thermally Activated Building Systems, TABS）利用建筑结构质量作为分布式蓄热体，通过缓慢的热交换实现低能耗运行和能源灵活性，被视为建筑脱碳的关键技术。尽管数据驱动控制、机器学习（Machine Learning）和数字孪生（Digital Twin）等技术在理论上展现出巨大潜力，但实际部署仍十分有限。现有文献多集中于算法性能与仿真验证，缺乏对长期运行于实际入住建筑的证据。本文通过范围综述（Scoping Review）指出，制约TABS发展的核心已非算法设计，而是将其从实验室推向真实世界的实现条件（Realization Conditions）。

方法论：聚焦“实现”的范围综述

本研究采用范围综述与案例研究相结合的方法，旨在映射文献结构而非比较效应量。检索覆盖Scopus、Web of Science及IEEE Xplore，最终纳入28篇文献。分析维度包括：

• •
  实现阶段：从概念可行性到可扩展部署；
• •
  实现路径：技术如何从仿真走向运行；
• •
  关键因素：识别推动或阻碍部署的使能因素与障碍。

区别于传统综述，本文重点关注部署、集成、调试及长期运行等实践环节，而非单纯的算法精度。

文献现状：仿真繁荣，运行稀缺

对28篇文献的分析揭示了显著的成熟度失衡：

• •
  概念与仿真主导：约60.8%的研究停留在概念设计或仿真验证阶段；
• •
  试点与运行薄弱：仅25.0%进入试点（Pilot）阶段，14.3%涉及实际入住建筑运行；
• •
  可扩展性缺失：无一研究实证证明其方案可在多栋建筑或组织中实现可转移的部署。

这表明数据驱动TABS仍是一个“演示性”技术，尚未成为可复制的常规实践。研究多依赖于具备密集传感与高容忍度的生活实验室（Living Lab）环境，而非普通建筑。

五大实现条件：部署的基石

基于文献中的重复障碍与使能因素，本文提出五项高阶实现条件：

1. 1.
   运行可观测性（Operational Observability）
   部署的前提是“看见”系统状态。这要求建立高分辨率的传感网络，提供长期、可靠的运行数据，以支持模型校准与故障诊断。缺乏数据可见性是许多仿真研究无法落地的首要原因。
2. 2.
   可部署模型架构（Deployable Model Architecture）
   模型必须在真实计算资源与时间约束下工作。这要求模型具备轻量化、边缘计算（Edge Computing）兼容性，并能适应建筑物理特性的变化，而非仅追求仿真环境下的高精度。
3. 3.
   嵌入式数字集成（Embedded Digital Integration）
   算法需与现有建筑自动化系统（Building Automation System, BAS）深度集成，解决互操作性（Interoperability）问题。这涉及数据流从传感器到执行器的无缝衔接，以及与传统控制逻辑的共存。
4. 4.
   运行可接受性（Operational Acceptability）
   系统必须获得使用者（如建筑管理人员、运维团队）的信任。这包括避免冷凝风险、保障热舒适（Thermal Comfort），并建立人机协同的决策机制。技术优越性不等于操作上的可接受性。
5. 5.
   组织移交能力（Organizational Handover Capacity）
   技术需要组织的支撑。这包括建立清晰的运维（O&M）流程、知识传递机制以及适应长期演进的制度安排，确保系统在研究人员离开后仍能持续运行。

案例启示：SDU BuildIQ Lab的实践

以丹麦南丹麦大学（SDU）的BuildIQ Lab为例，该环境展示了上述条件的具象化：

• •
  数据生态：积累了6.65亿条、87GB的运行数据，提供了坚实的观测基础；
• •
  数字孪生：支持虚拟调试与场景测试，降低了物理部署风险；
• •
  组织支持：作为真实的校园运营环境，它具备了处理实际入住、运维交接的机构能力。

该案例说明，实现数据驱动TABS需要构建一个支持实现的整体环境，而非孤立地开发算法。

结论与展望

数据驱动TABS的部署瓶颈已从算法设计转向实现生态。未来的研究应：

• •
  更多关注长期运行研究而非短期演示；
• •
  将可观测性、集成性与组织能力纳入技术设计的核心考量；
• •
  在能源信息学（Energy Informatics）框架下，将TABS视为连接物理系统、数字基础设施与社会技术的复杂实现对象。