用于可持续建筑能源管理的生物适应性神经形态框架：一种适用于干旱气候的认知生态系统

《Sustainable Energy Technologies and Assessments》：Bio-adaptive neuromorphic framework for sustainable building energy management: a cognitive ecosystem for arid climates

　　

Mohammed Awad Abuhussain

摘要

在炎热干燥的气候条件下，需要采用能耗较高的冷却系统来维持人体舒适度，但现有的系统缺乏实时反馈和适应能力。本研究介绍了一种生物适应性系统，该系统结合了人体生物反馈、神经形态计算和能量收集技术，以实现干旱气候条件下的可持续建筑运行。该系统包括一个混合脉冲神经网络-变压器预测模型、基于脑电图的神经满意度指数、基于Intel Loihi的时空控制器，以及专为低湿度环境设计的摩擦电纳米发电机。该系统在沙特阿拉伯的三栋办公楼中运行了一年，实现了40.3%至42.2%的能源节约。预测模型的平均绝对误差分别为0.9千瓦（一小时）和2.8千瓦（四小时）。整体舒适度平均提高了27.4%，会议室的舒适度提高了35%。暖通空调系统的峰值负荷减少了31.4%，纳米发电机产生了17.1毫瓦的电能，并在工作时间内实现了87%的自主运行能力。经济分析显示，该系统的投资回收期为7.3年（若考虑电价上涨，则为4.9年），内部收益率为11.2%。这项研究为将认知系统整合到能源受限的建筑中提供了可能性。