CN117824074A - 一种建筑暖通空调节能优化方法及系统 - Google Patents

Abstract

本发明提出一种建筑暖通空调节能优化方法及系统，包括，使用能源管理系统，收集建筑的能耗数据，将收集的数据导入数据分析平台，使用时间序列分析或神经网络模型分析历史能耗数据；使用建筑信息模型，对建筑进行热负荷分析选择HVAC设备；安装智能恒温器，在建筑各个区域安装VAV盒子；根据建筑位置和方位，安装太阳能板；收集用户的反馈和设置数据，定期分析用户的使用数据；实时监测能源使用和环境参数，根据性能评估的结果，进行维护、升级或调整。本发明通过精确的数据采集和智能分析，本建筑暖通空调节能优化方法提高了能源利用效率，促进了可持续能源管理，从而实现了显著的能耗降低和室内舒适度提升。

Description

一种建筑暖通空调节能优化方法及系统

技术领域

本发明涉及建筑能源管理技术领域，具体涉及一种建筑暖通空调节能优化方法及系统。

背景技术

在传统的建筑能源管理领域，尤其是暖通空调（HVAC）系统的运作中，存在着诸多效率和能源利用的问题。一方面，传统的HVAC系统往往采用固定的运行模式，缺乏对建筑内部和外部环境变化的动态响应能力。这导致了在不同的天气条件、建筑占用情况或能源需求变化下，系统无法进行有效调整，从而造成能源的大量浪费。另一方面，虽然一些现代建筑开始采用更先进的控制系统，但这些系统的集成和智能化水平仍然有限，未能充分利用数据分析、人工智能或用户反馈来优化能源使用。

此外，现有的系统在用户交互和个性化设置方面也存在不足。许多系统缺乏灵活的用户界面，用户不能根据个人的实际需求和偏好来调整室内环境，导致用户体验和舒适度受到影响。在可再生能源的利用方面，虽然太阳能和地热等清洁能源的使用在逐渐增加，但这些能源在许多现有系统中并没有得到有效的整合和利用，从而错失了提升能源效率和降低环境影响的重要机会。

因此，存在一种迫切的需求，来开发一种新型的建筑暖通空调节能优化方法。这种方法需要能够综合利用实时数据监测、高级数据分析、智能控制策略、用户参与以及可再生能源整合等先进技术，以实现能源的高效利用、提升用户舒适度和满意度，同时降低运营成本和环境影响。

发明内容

为克服现有技术的不足，本发明提出一种建筑暖通空调节能优化方法及系统，通过智能分析与自学习算法，不仅优化了HVAC系统的运行策略和提高了系统的能效比，而且通过预测未来的能源需求和自动调整系统设置，显著减少了不必要的能源消耗，同时确保了室内环境的持续舒适。

为实现上述目的，本发明提供一种建筑暖通空调节能优化方法，包括：

步骤S1：使用能源管理系统(EMS)，收集建筑的能耗数据（如电力、热量、冷量），将收集的数据导入数据分析平台，使用时间序列分析或神经网络模型分析历史能耗数据，识别模式，并预测未来需求，基于模型预测生成能效报告，为能源优化提供决策支持；

步骤S2：使用建筑信息模型（BIM）软件，对建筑进行热负荷分析，确定HVAC系统的大小和配置，以满足建筑的热负荷需求，根据BIM分析结果，选择具有高能效比（SEER/HSPF）的HVAC设备，确保设备采用最新的节能技术，如逆变压缩机和高效率热交换器；

步骤S3：安装能够学习用户偏好并自动调节温度的智能恒温器，确保恒温器可以与用户的智能设备（手机、平板等）同步，实现远程控制，在建筑各个区域安装VAV盒子，实现精确控制空气流量。

确保VAV系统能够根据实际占用情况和区域需求自动调节；

步骤S4：根据建筑位置和方位，安装适量的太阳能板。确保太阳能系统与建筑的电力系统无缝连接，优先使用太阳能发电。如果条件允许，安装地热热泵，利用地下恒温提供加热和制冷。确保地热系统与其他HVAC组件兼容，并高效运行；

步骤S5：提供易于使用的App或控制面板，让用户可以轻松设定温度偏好和调度设置。收集用户的反馈和设置数据，用于优化系统性能。定期分析用户的使用数据，识别节能机会。根据分析结果调整系统配置和用户界面，提高能效和用户满意度；

步骤S6：安装智能电表和温湿度传感器，实时监测能源使用和环境参数。确保监测设备与EMS系统集成，以便进行数据收集和分析。定期（至少每季度一次）评估HVAC系统的性能和能效。根据性能评估的结果，及时进行系统维护、升级或调整。

进一步地，步骤S1具体如下：

步骤S11：确定收集的数据点，包括，电力：总耗电量、各分区耗电量；水耗：总用水量、冷却塔用水量；热能：锅炉能耗、空调耗热量；环境参数：室内外温度、湿度、CO2浓度。安装电力仪表来监测总耗电量和分区耗电量。在水管入口安装流量计来监测用水量。在锅炉和空调出口安装热量表来监测能耗。安装温湿度传感器和CO2传感器来收集环境参数；

步骤S12：在EMS系统中为每个传感器分配一个唯一的标识符，设置数据采集频率，如每15分钟采集一次电力和水耗数据，每5分钟采集一次温湿度和CO2数据。确保EMS系统能安全地存储和备份收集的数据，设置数据访问权限，确保只有授权人员可以访问数据；

步骤S13：使用ARIMA模型进行时间序列分析。

进一步地，步骤S13具体如下：

步骤S131：导出特定时间段内的能耗数据，以适当的时间间隔（如每小时）聚合数据，确定ARIMA模型的参数(p, d, q)，其中：

p - 自回归项(AR)的阶数：p 是模型中自回归项的数量。自回归项是指预测变量自身的滞后（或过去）值。如果 p 为1，意味着预测值依赖于前一期的实际值。如果 p 为2，预测值将依赖于前两期的值，以此类推。

d - 差分阶数(I)：d是使时间序列平稳所需的差分次数。差分是指将当前时期的观察值与先前时期的观察值相减。如果 d 为1，意味着对原始（非平稳）时间序列进行了一次差分。如果数据在一次差分后仍非平稳，可能会进行更多次的差分。

q - 移动平均项(MA)的阶数：q 是模型中移动平均项的数量。移动平均项是预测误差项的滞后值的数量。如果 q 为1，意味着预测值依赖于前一期的预测误差。如果 q 为2，预测值将依赖于前两期的预测误差，以此类推；

步骤S132：通过绘制自相关函数（ACF）和偏自相关函数（PACF）图来估计p和q。如果数据非平稳，对数据进行差分直至平稳，差分次数即为d。

步骤S133：使用统计软件（如R语言的forecast包或Python的statsmodels库）拟合ARIMA模型。输入确定的(p, d, q)参数，并将历史能耗数据作为输入。

步骤S134：分析残差，确保残差序列接近白噪声。使用诸如均方根误差（RMSE）之类的指标来评估模型在测试数据集上的性能。

步骤S135：使用拟合好的ARIMA模型对未来时间点的能耗进行预测。生成能耗预测报告，并分析可能的节能措施。

进一步地，步骤S2具体如下：

步骤S21：在BIM软件中（例如Autodesk Revit或ArchiCAD）创建或导入建筑的3D模型，确保模型包括所有相关构建元素，如墙体、屋顶、窗户、门等，并且准确地反映材料属性、厚度和绝热特性；

步骤S22：将建筑划分为不同的空间或区域，每个空间或区域可以单独分析和控制。为每个空间指定适当的用途和占用模式，这会影响热负荷和舒适度需求；

步骤S23：输入地理位置、气候数据（如温度、湿度、太阳辐射等）。定义内部负荷，包括人员密度、设备热量、照明负荷等；

步骤S24：使用BIM软件内置的工具或与专门的能耗分析软件（如IES VE、EnergyPlus）集成，计算各个空间的冷热负荷，分析结果通常包括冷暖季的峰值负荷、每个空间的负荷分布、每小时或逐日的负荷变化等；

步骤S25：评估计算得到的峰值负荷和负荷分布，确定整个建筑及各个区域的冷热需求；

步骤S26：根据建筑的特点、用途、用户需求以及能效目标选择适当的HVAC系统类型，如中央空调系统、分区控制系统、可变制冷量（VRF）系统等；根据峰值负荷和总负荷确定所需的HVAC系统容量设计空调冷水机组、热泵、风机盘管等组件的配置，确保系统能满足不同区域和时段的负荷需求。

步骤S27：评估设备性能参数，对比能效标准和认证；

步骤S28：将选定的设备参数输入回BIM模型，确保设备的尺寸、位置和连接方式与建筑设计匹配，使用BIM软件的模拟功能，评估所选设备在预定的使用情况下的性能和能耗；

步骤S29：进行全生命周期成本效益分析，确保选择的设备在满足舒适度和性能要求的同时，也能实现能效目标和经济效益。

进一步地，步骤S3具体如下：

步骤S31：选择支持Wi-Fi或其他无线网络协议的智能恒温器，以便它可以连接到互联网和用户的智能设备，安装恒温器并根据制造商的说明连接到建筑的HVAC系统，将恒温器连接到建筑的Wi-Fi网络。

步骤S32：在恒温器上创建用户账户，并设置访问权限，让用户下载恒温器制造商提供的应用程序，并使用创建的账户登录；

步骤S33：用户通过应用程序与恒温器进行配对，实现远程监控和控制，用户可以通过应用程序设置温度偏好、调度设置、接收通知等；

步骤S34：选择可变空气体积（VAV）系统，它可以根据每个区域的实际需求调节空气流量，在HVAC系统的风管网络中的适当位置安装VAV盒子，每个VAV盒子服务于一个特定的区域或房间；

步骤S35：在每个区域安装温度传感器和CO2传感器，用于监测环境条件，将传感器与VAV盒子连接，以便传感器可以实时传输环境数据到VAV盒子；在VAV控制系统中设置控制逻辑。例如，如果区域的温度高于设定值，VAV盒子会增加冷空气的流量；如果CO2水平高于设定值，VAV盒子会增加新鲜空气的流量。

步骤S36：启动HVAC系统并测试VAV系统的功能，检查每个区域的空气流量是否符合需求，根据实际运行情况调整VAV盒子的控制参数，以确保最佳性能。

进一步地，步骤S4包括：

步骤S41：使用太阳能资源图或软件（如PVWatts Calculator）评估建筑所在地区的太阳辐射量，考虑建筑的具体位置和方位，分析不同季节和一天中不同时间的太阳辐射变化。

步骤S42：根据建筑的结构和屋顶类型选择最佳安装位置。优先考虑朝向、倾斜角度、阴影影响最小的位置。

确保安装位置能够承受太阳能板的重量，并满足所有安全和建筑规范。

步骤S43：根据建筑的能耗需求、太阳能板的功率和效率以及评估的太阳辐射量计算所需的太阳能板数量。

考虑未来能耗可能的增加和太阳能板可能的性能退化，适当留有余量。

步骤S44：安装逆变器，将逆变器输出端连接到建筑的配电板，安装监测设备（如智能电表），以实时监控太阳能系统的性能和输出。

步骤S45：测试太阳能系统的所有组件，确保它们能够正确运行，调试系统，以确保逆变器正确匹配太阳能板的输出并最大化能量转换效率。

进一步地，步骤S5包括：

步骤S51：通过智能恒温器的应用程序或建筑管理系统的用户界面，允许用户输入他们的温度偏好、时间表设置和其他相关设置，在应用程序或用户界面中集成反馈选项，允许用户报告问题、提出建议或评价他们的体验，实施满意度调查或定期访问，直接从用户那里获取反馈；

步骤S52：确保系统记录和存储用户的设置和反馈，包括温度调整、时间表更改、特殊事件的反馈等；使用数据分析工具处理收集的用户数据，识别模式和趋势，例如常见的温度设置、高峰使用时段等；

步骤S53：根据分析结果，调整HVAC系统的参数。例如，优化启动/关闭时间，调整温度设置以更好地符合用户偏好和减少能耗。应用机器学习算法，使系统能够根据用户行为和反馈自动学习和适应。例如，智能恒温器可以学习用户的日程安排，并自动调整以提前加热或冷却房间；

步骤S54：定期更新软件和固件，修复已知问题并引入新的优化特性，确保HVAC系统的物理部件得到适当的维护和定期检查。

步骤S55：设置系统生成定期的能耗报告和用户活动报告，强调关键指标，如能耗节省、最常见的设置、系统响应时间等，根据历史数据设置性能基准。例如，根据过去几个月的数据确定能耗的正常范围，设定改进目标，如减少能耗、提高用户满意度等；

步骤S56：定期审查性能报告和用户反馈，识别需要改进的领域，实施改进措施，再次监测性能，并评估改进措施的效果。

进一步地，步骤S6具体如下：

步骤S61：在关键组件上安装监测设备，如电力仪表、流量计、温湿度传感器等，以实时收集HVAC系统的运行数据，将收集的数据集成到中央数据仓库或建筑管理系统中。确保数据的准确性和完整性，使用数据可视化工具（如BI工具）将数据转换为图表和报表，使非技术人员也能理解系统性能，应用统计分析和机器学习算法，识别系统性能的模式和异常。例如，使用聚类算法识别能耗异常高的时间段。

步骤S62：确定关键性能指标（KPIs），如能耗强度、系统效率、室内空气质量等，对HVAC系统进行基准测试，记录在特定条件下的性能数据。这将作为未来评估改进措施效果的基础。

步骤S63：从监测设备和管理系统收集数据，分析系统在不同条件下的表现。

使用数据分析工具识别趋势、季节性变化和潜在的问题。

步骤S64：根据数据分析结果识别性能低下的区域或设备。例如，发现特定区域的能耗异常高，可能是由于设备故障或不当操作。

步骤S65：针对识别的问题制定和实施改进措施。例如，调整系统设置、修复或更换低效设备、提高用户意识等。

步骤S66：在实施改进措施后，再次收集和分析数据，评估改进措施的效果，如果未达到预期效果，重新审查问题并调整改进策略。

一种建筑暖通空调节能优化方法的系统，适用于所述的一种建筑暖通空调节能优化方法，包括

数据采集模块，用于收集实时能耗和环境数据，组件包括传感器（温湿度、电力使用等），数据采集系统；

用户交互模块，用于提供用户设置偏好，收集反馈，组件包括应用程序或网页界面，设置和反馈数据库；

分析与控制模块，用于处理数据，优化HVAC性能，整合可再生能源，组件包括数据分析工具（包括机器学习算法）、智能恒温器和HVAC控制系统和可再生能源管理系统。

性能评估模块，包括定期评估系统性能，提供优化建议，组件包括性能监测工具，报告生成器。

与现有技术相比，本发明的有益效果是：

1.本发明提供了一种建筑暖通空调节能优化方法及系统，通过精确的数据采集与实时监控，本建筑暖通空调节能优化方法不仅提高了能源使用的透明度，而且通过详细的能耗分析，使设施管理者能够及时发现和解决能源浪费的问题，从而实现了能源成本的显著降低。

2.本发明提供了一种建筑暖通空调节能优化方法及系统，通过智能分析与自学习算法，该方法不仅优化了HVAC系统的运行策略和提高了系统的能效比，而且通过预测未来的能源需求和自动调整系统设置，显著减少了不必要的能源消耗，同时确保了室内环境的持续舒适。

3.本发明提供了一种建筑暖通空调节能优化方法及系统，通过用户交互与反馈机制，该方法不仅增强了用户参与度和提升了个性化舒适体验，而且通过教育和引导用户合理使用能源，培养了节能意识，形成了良好的能源消费习惯，对整体能源节约产生了积极的长期影响。

4.本发明提供了一种建筑暖通空调节能优化方法及系统，通过整合可再生能源，该方法不仅减少了对传统能源的依赖，而且通过有效地利用太阳能、地热能等清洁能源，显著减少了碳排放，加速了建筑行业的绿色转型，对环境保护和气候变化缓解做出了积极贡献。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明步骤流程示意图；

图2是本发明实施前后对比示意图

具体实施方式

下面将结合附图、通过对本发明的优选实施方式的描述，更加清楚、完整地阐述本发明的技术方案。

名词解释：

EMS - 能源管理系统 (Energy Management System)：一种用于监测、控制和优化建筑或工厂的能源消耗的计算机系统。

BIM - 建筑信息模型 (Building Information Modeling)：一种3D模型技术，用于数字化地表示建筑物的物理和功能特性。

HVAC - 暖通空调 (Heating, Ventilation, and Air Conditioning)：指建筑中用于维持室内环境舒适度的各种系统和技术。

SEER - 季节能效比 (Seasonal Energy Efficiency Ratio)：用于评估空调系统在冷却模式下的能效。

HSPF - 加热季节性能因数 (Heating Seasonal Performance Factor)：用于评估热泵在加热模式下的能效。

VAV - 可变空气体积 (Variable Air Volume)：一种HVAC系统，可以根据需要调节送入空间的空气量，以控制空间的温度。

如图1所示，本发明具体为：

步骤S1：使用能源管理系统，即EMS，收集建筑的能耗数据，将收集的数据导入数据分析平台，使用时间序列分析或神经网络模型分析历史能耗数据，并预测未来需求，基于模型预测生成能效报告；

步骤S2：使用建筑信息模型，即BIM软件，对建筑进行热负荷分析，确定HVAC系统的大小和配置，根据BIM分析结果，选择HVAC设备；

步骤S3：安装智能恒温器，确保恒温器可以与用户的智能设备同步，在建筑各个区域安装VAV盒子；

步骤S4：根据建筑位置和方位，安装太阳能板，优先使用太阳能发电；

步骤S5：收集用户的反馈和设置数据，用于优化系统性能，定期分析用户的使用数据，识别节能机会；

步骤S6：安装智能电表和温湿度传感器，实时监测能源使用和环境参数，定期评估HVAC系统的性能和能效，根据性能评估的结果，进行维护、升级或调整。

作为一直具体实施案例，某大厦是一座25层的现代办公建筑，实施本方法具体步骤如下：

数据采集与监测：

在大厦的关键位置安装温湿度传感器、电力仪表和流量计，实时监测各区域的能耗和环境参数。

将监测数据实时传输至中央数据处理中心。

用户交互：

在每层楼安装智能恒温器，允许员工通过手机应用调整办公区域的温度设置。

通过应用收集员工对室内舒适度的反馈，用于后续的数据分析和系统优化。

分析与控制：

使用机器学习算法（如ARIMA和LSTM）分析能耗数据和用户反馈，预测能源需求和识别优化机会。

根据分析结果自动调整HVAC系统的工作模式，优化能源分配。

可再生能源整合：

在大厦屋顶安装太阳能板，将太阳能转化为电能，供HVAC系统和其他设施使用。

安装与电网互动的逆变器，使未使用的太阳能电力可以输送回电网。

性能评估：

每季度对HVAC系统的性能和能耗进行评估，识别进一步优化的机会。

生成详细的能效报告，与管理层和员工共享，提高能源管理的透明度。

优势体现

能源效率的显著提升：

通过智能分析和预测，HVAC系统能更精准地满足实际需求，减少了能源浪费，能源效率提升了25%。

室内舒适度改善：

员工可以根据个人偏好调整办公区域的温度。系统还能自动调整，确保全天候的室内舒适度。

运营成本降低：

通过优化HVAC系统的运行和整合太阳能，大幅降低了电力消耗和运营成本。

环境影响减少：

通过减少能耗和利用可再生能源，大幅减少了碳排放，对环境保护做出了贡献。

该大厦的暖通空调节能优化项目通过精确的数据监测、智能分析与预测、用户参与、可再生能源整合以及持续的性能评估，不仅显著提升了能源效率和室内舒适度，还降低了运营成本，减少了对环境的影响。

作为一种具体的实施案例，某国际会展中心是一个多功能的大型展览和会议场所，面积超过50,000平方米。应用本方法具体步骤如下：

定制化数据采集方案：

根据会展中心不同功能区域的特点，如展览大厅、会议室、餐饮区等，定制化安装了温湿度传感器、CO2传感器、电力和水耗监测仪表。

建立了一个中央监控系统，实时收集和记录所有数据点，确保能够精准捕捉到能耗的细微变化。

智能用户交互平台：

开发了一个智能用户交互平台，让活动组织者和参展商能够根据具体活动需求设置空间温度和照明偏好。

平台能够记录这些偏好设置，并结合活动日程自动优化HVAC和照明系统的运行计划。

高级分析和自适应控制：

引入了高级数据分析模块，使用机器学习算法分析能耗模式，预测大型活动对HVAC系统的影响，自动调整系统参数以最大化能源效率。

为HVAC系统配置了自适应控制策略，使其能够根据实时数据和预测结果灵活调整，从而在确保舒适度的同时最大化节能效果。

综合可再生能源解决方案：

在会展中心的屋顶安装了大面积的太阳能光伏板，以及用于热水供应的太阳能集热器。

结合地热能源系统，用于辅助加热和制冷，减少对传统能源的依赖。

持续性能优化和用户参与：

实施了一个动态性能评估系统，可以根据实时数据和用户反馈持续优化能源管理策略。

定期发布能源管理报告，不仅向管理团队提供决策支持，也向所有利益相关者展示节能成果，增强了大家的节能意识和参与度。

优势体现

1.针对不同类型活动和区域需求的定制化数据采集和用户交互平台，确保了能源使用的高度个性化和效率。

2.通过高级数据分析和自适应控制，系统能够智能响应活动需求和环境变化，实现了能源使用的最优化。

3.通过整合太阳能和地热能等可再生能源，大幅降低了会展中心对传统能源的依赖，减少了碳排放。

4.用户交互平台和定期能源报告不仅提升了参展商和参观者的舒适体验，还激发了他们对节能减排的认识和参与。

该国际会展中心的暖通空调节能优化项目通过精细化的数据监测、用户中心的交互设计、智能化的系统调整、可持续的能源利用以及全员参与的持续优化，实现了能效最大化、环境影响最小化以及用户体验最优化。

在该国际会展中心实施暖通空调节能优化方法后，该中心实现了显著的能效提升和运营成本降低，同时对环境影响和用户满意度也产生了积极效果。具体而言，如图2所示：

总能耗显著减少：通过引入智能控制和高效设备，会展中心的总能耗从每月1,200,000 kWh降低到900,000 kWh，减少了约25%。

HVAC系统能效大幅提升：优化HVAC系统的运行策略和温度设定后，系统的能耗从每月600,000 kWh降低到420,000 kWh，下降了30%。

太阳能发电增加清洁能源供应：通过安装太阳能光伏板，新增每月150,000 kWh的清洁能源供应，进一步减少了对传统能源的依赖。

能源成本大幅减少：结合总能耗的降低和太阳能发电的贡献，能源成本从每月$120,000减少到$78,000，降低了35%。

碳排放显著下降：由于总能耗的降低和可再生能源的使用，CO2排放量从每月1,000吨减少到650吨，减少了35%。

用户满意度显著提高：得益于室内环境质量的改善和用户交互系统的引入，用户满意度从75分提升到了90分，提高了20%。

总体来说，这个优化项目不仅促进了会展中心的节能减排，还提升了用户的使用体验，体现了经济效益和社会责任的双重增益。

上述具体实施方式仅仅对本发明的优选实施方式进行描述，而并非对本发明的保护范围进行限定。在不脱离本发明设计构思和精神范畴的前提下，本领域的普通技术人员根据本发明所提供的文字描述、附图对本发明的技术方案所作出的各种变形、替代和改进，均应属于本发明的保护范畴。本发明的保护范围由权利要求确定。

Claims (9)

1.一种建筑暖通空调节能优化方法，其特征在于，包括：

步骤S1：使用能源管理系统，即EMS，收集建筑的能耗数据，将收集的数据导入数据分析平台，使用时间序列分析或神经网络模型分析历史能耗数据，并预测未来需求，基于模型预测生成能效报告；

步骤S2：使用建筑信息模型，即BIM软件，对建筑进行热负荷分析，确定HVAC系统的大小和配置，根据BIM分析结果，选择HVAC设备；

步骤S3：安装智能恒温器，确保恒温器与用户的智能设备同步，在建筑各个区域安装VAV盒子；

步骤S4：根据建筑位置和方位，安装太阳能板，优先使用太阳能发电；

步骤S5：收集用户的反馈和设置数据，用于优化系统性能，定期分析用户的使用数据，识别节能机会；

步骤S6：安装智能电表和温湿度传感器，实时监测能源使用和环境参数，定期评估HVAC系统的性能和能效，根据性能评估的结果，进行维护、升级或调整。

2.根据权利要求1所述的一种建筑暖通空调节能优化方法，其特征在于，步骤S1具体如下：

步骤S11：确定收集的数据点，安装电力仪表来监测总耗电量和分区耗电量；

步骤S12：在EMS系统中为每个传感器分配一个唯一的标识符，设置数据采集频率以及数据访问权限；

步骤S13：使用ARIMA模型进行时间序列分析。

3.根据权利要求2所述的一种建筑暖通空调节能优化方法，其特征在于，步骤S13具体如下：

步骤S131：导出能耗数据，以时间间隔聚合数据，确定ARIMA模型的参数(p, d, q)，其中：

p - 自回归项(AR)的阶数：p 是模型中自回归项的数量，如果 p 为1，意味着预测值依赖于前一期的实际值，如果 p 为2，预测值将依赖于前两期的值，以此类推；

d - 差分阶数(I)：d是使时间序列平稳所需的差分次数，如果 d 为1，意味着对原始时间序列进行了一次差分；

q - 移动平均项(MA)的阶数：q 是模型中移动平均项的数量，如果 q 为1，意味着预测值依赖于前一期的预测误差，如果 q 为2，预测值将依赖于前两期的预测误差，以此类推；

步骤S132：通过绘制自相关函数，即ACF和偏自相关函数，即PACF图来估计p和q，如果数据非平稳，对数据进行差分直至平稳，差分次数即为d；

步骤S133：使用统计软件拟合ARIMA模型，输入确定的(p, d, q)参数，并将历史能耗数据作为输入；

步骤S134：分析残差，使用均方根误差指标来评估模型在测试数据集上的性能；

步骤S135：使用拟合好的ARIMA模型对未来时间点的能耗进行预测，生成能耗预测报告，并分析节能措施。

4.根据权利要求1所述的一种建筑暖通空调节能优化方法，其特征在于，步骤S2具体如下：

步骤S21：在BIM软件中创建或导入建筑的3D模型，确保模型包括所有相关构建元素；

步骤S22：将建筑划分为不同的空间或区域，每个空间或区域单独分析和控制；

步骤S23：输入地理位置、气候数据，定义内部负荷；

步骤S24：使用能耗分析软件，计算各个空间的冷热负荷，分析结果包括冷暖季的峰值负荷、每个空间的负荷分布、每小时或逐日的负荷变化；

步骤S25：评估计算得到的峰值负荷和负荷分布，确定整个建筑及各个区域的冷热需求；

步骤S26：根据建筑的特点、用途、用户需求以及能效目标选择HVAC系统类型；根据峰值负荷和总负荷确定所需的HVAC系统容量；

步骤S27：评估设备性能参数，对比能效标准和认证；

步骤S28：将选定的设备参数输入回BIM模型，确保设备的尺寸、位置和连接方式与建筑设计匹配，使用BIM软件的模拟功能，评估所选设备在预定的使用情况下的性能和能耗；

步骤S29：进行全生命周期成本效益分析，确保选择的设备在满足舒适度和性能要求的同时，也能实现能效目标和经济效益。

5.根据权利要求1所述的一种建筑暖通空调节能优化方法，其特征在于，步骤S3具体如下：

步骤S31：选择支持Wi-Fi或其他无线网络协议的智能恒温器，安装恒温器并根据制造商的说明连接到建筑的HVAC系统，将恒温器连接到建筑的Wi-Fi网络；

步骤S32：在恒温器上创建用户账户，并设置访问权限，让用户下载恒温器制造商提供的应用程序，并使用创建的账户登录；

步骤S33：用户通过应用程序与恒温器进行配对，实现远程监控和控制；

步骤S34：选择可变空气体积，即VAV系统，在HVAC系统的风管网络中安装VAV盒子，每个VAV盒子服务于一个区域或房间；

步骤S35：在每个区域安装温度传感器和CO2传感器，用于监测环境条件，将传感器与VAV盒子连接，以便传感器实时传输环境数据到VAV盒子；在VAV控制系统中设置控制逻辑；

步骤S36：启动HVAC系统并测试VAV系统的功能，检查每个区域的空气流量是否符合需求，根据实际运行情况调整VAV盒子的控制参数，以确保最佳性能。

6.根据权利要求1所述的一种建筑暖通空调节能优化方法，其特征在于，步骤S4包括：

步骤S41：使用太阳能资源图或软件评估建筑所在地区的太阳辐射量，考虑建筑的具体位置和方位，分析不同季节和一天中不同时间的太阳辐射变化；

步骤S42：根据建筑的结构和屋顶类型选择安装位置，优先考虑朝向、倾斜角度、阴影影响最小的位置；

步骤S43：根据建筑的能耗需求、太阳能板的功率和效率以及评估的太阳辐射量计算所需的太阳能板数量；

步骤S44：安装逆变器，将逆变器输出端连接到建筑的配电板，安装监测设备，以实时监控太阳能系统的性能和输出；

步骤S45：测试太阳能系统的所有组件，调试系统，以确保逆变器正确匹配太阳能板的输出并最大化能量转换效率。

7.根据权利要求1所述的一种建筑暖通空调节能优化方法，其特征在于，步骤S5包括：

步骤S51：通过智能恒温器的应用程序或建筑管理系统的用户界面，允许用户输入他们的温度偏好、时间表设置和其他相关设置，在应用程序或用户界面中集成反馈选项，允许用户报告问题、提出建议或评价他们的体验，实施满意度调查或定期访问，直接从用户那里获取反馈；

步骤S52：确保系统记录和存储用户的设置和反馈；使用数据分析工具处理收集的用户数据，识别模式和趋势；

步骤S53：根据分析结果，调整HVAC系统的参数，应用机器学习算法，使系统能够根据用户行为和反馈自动学习和适应；

步骤S54：定期更新软件和固件，修复已知问题并引入新的优化特性，确保HVAC系统的物理部件得到适当的维护和定期检查；

步骤S55：设置系统生成定期的能耗报告和用户活动报告；

步骤S56：定期审查性能报告和用户反馈，识别需要改进的领域，实施改进措施，再次监测性能，并评估改进措施的效果。

8.根据权利要求1所述的一种建筑暖通空调节能优化方法，其特征在于，步骤S6具体如下：

步骤S61：在关键组件上安装监测设备，将收集的数据集成到中央数据仓库或建筑管理系统中，使用数据可视化工具将数据转换为图表和报表，应用统计分析和机器学习算法，识别系统性能的模式和异常；

步骤S62：确定关键性能指标，对HVAC系统进行基准测试；

步骤S63：从监测设备和管理系统收集数据，分析系统在不同条件下的表现，使用数据分析工具识别趋势、季节性变化和潜在的问题；

步骤S64：根据数据分析结果识别性能低下的区域或设备；

步骤S65：针对识别的问题制定和实施改进措施；

步骤S66：在实施改进措施后，再次收集和分析数据，评估改进措施的效果。

9.一种建筑暖通空调节能优化方法的系统，适用于权利要求1-8中任一项所述的一种建筑暖通空调节能优化方法，其特征在于，包括：

数据采集模块，用于收集实时能耗和环境数据，组件包括传感器，数据采集系统；

用户交互模块，用于提供用户设置偏好，收集反馈，组件包括应用程序或网页界面，设置和反馈数据库；

分析与控制模块，用于处理数据，优化HVAC性能，整合可再生能源，组件包括数据分析工具、智能恒温器和HVAC控制系统和可再生能源管理系统；

性能评估模块，包括定期评估系统性能，提供优化建议，组件包括性能监测工具，报告生成器。