“室内空气环境质量控制”天津市重点实验室建造环境(BERL)课题组孟晗博士在中科院二区期刊《Journal of Building Engineering》（影响因子IF：6.7）上发表了关于：洁净空调系统多智能体分布式变风量环境控制技术的最新研究成果。

一、 题目：

Multi-Agent Distributed Control Method for Clean Air-Conditioning Systems：Balancing Cleanliness, Pressure and Energy Consumption

洁净空调系统多智能体分布式控制方法：平衡洁净度、压差和能耗

二、 作者:

Han Meng (孟晗), Junjie Liu (刘俊杰), Wenzhe Shang (商文哲), Jing Xu (徐敬), Lizhi Jia(贾利芝)

三、 摘要

制药厂要求高洁净度，导致送风量大，能耗高。为了使空气处理装置 （AHU） 能够以更低的能耗运行，同时保持令人满意的洁净室清洁度水平，本文针对不同的目标函数提出了一种多智能体分布式优化变风量方法。该方法通过同时优化单个区域和 AHU 的通风率，同时考虑室内空气清洁度和能耗，实现了对多区域供暖、通风和空调 （HVAC） 系统的最佳控制。利用Modelica-Python 仿真平台将恒流量和生产-值班双风量模式等传统控制方法与新提出的多智能分布式变风量控制方法进行比较，评估在制药洁净室空调系统中的性能。结果表明，采用这种控制方法时，使用房间中的稳态粒子浓度仍比规定阈值低 43.7%，室内压差波动范围 （15 Pa-69 Pa） 小于双风量模式下的波动范围。在能源利用效率方面，所提出的控制方法可以实现能耗的显著降低。与传统的恒定风量控制方法相比，在不同工作人数和活动强度下，它可以降低 59.2-69.1% 的能耗，与生产-值班双风量模式相比可降低 20.0-39.3%。所提出的方法在解决复杂的优化问题和多区通风系统控制方面证明了有效性。未来的研究将侧重于整合非标准化的人行为运动类型数据，为实际应用开发更实用的控制策略。

四、 研究亮点

A multi-agent distributed control method based on human movement types was proposed.

提出了一种基于人员活动行为的多智能体分布式控制方法。

The combination of the multi-agent distributed control method and the residual air volume control

多智能体分布式控制方法与余风量控制的融合技术。

The control method proposed in this study reduces energy consumption by 59-69%.

本研究提出的控制方法降低了 59-69% 的能耗。

五、 主要研究成果

对于制药洁净室而言，优化的主要目标是在终端区域维持颗粒浓度，同时尽量减少空调系统的总能耗。本研究采用分层交替方向乘子法，将整体优化问题分解为多个控制层级。每个控制层级包含一系列子问题需要解决以及对偶变量需要更新。这些任务是通过在各个主体之间进行并行局部优化和信息交换来实现。在上层控制中，使用了中央协调主体来同步各个个体主体，使它们能够通过异步迭代实现总体目标。在下层控制中，房间主体和空气处理机组主体分别解决各自的子问题，以实现空调的分层分布式最优控制系统。图1和图2分别表示Room-agent与AHU-agent的配置示意图。

Fig.1. The configuration of Room agent.

Fig.2. The configuration of AHU agent.

图3展示了在多智能体分布式控制方法下颗粒浓度的变化情况。在非生产期间，颗粒浓度与定频模式一致。在生产期间，房间1和房间2的颗粒浓度保持在每立方米72,507粒以下，仅为限值的41.2%。在房间3中，当三名从事服务器活动的人员同时进入房间后的五分钟内，室内颗粒浓度达到最高值，峰值为139,261个/m³。在稳定后，颗粒浓度保持在76,849个/m³以下，相当于限值的43.7%。当人员进入洁净室时，颗粒浓度会逐渐增加，然后逐渐减少，最终保持在一定水平。对人员进入过程中的颗粒浓度变化进行了统计分析。颗粒浓度的中位数为84,266个/m³，四分位距（IQR）（25%–75%，76,850–102,526），最大值为139,261个/m³。颗粒浓度的中位数（84,266个/m³）高于稳定水平（76,849个/m³），表明颗粒浓度分布呈右偏态，存在短期峰值。这表明污染风险主要集中在人员进入的初期阶段，因此有必要尽量降低人员进入初期颗粒浓度的峰值。与定频模式相比，分布式控制方法在减少送风量的同时，更有效地确保了房间的清洁度。

Fig.3. Particle concentration under multi-agent distributed control method

图4展示了采用多智能体分布式控制方法结合余风量控制方法对房间压差的控制情况。如图所示，在送风量发生变化时，房间压差仍在持续波动，但这些波动小于未采用余风量控制时的波动。当采用多智能体控制方法并结合余风量风阀时，房间压差可以维持在设计值附近。对于房间1，其设计压差为+30Pa，压差维持在+15Pa到+54Pa的范围内，这在实际应用中是可以接受的。在房间2中，在送风量调整期间，压差被控制在+23Pa到+69Pa的范围内；而房间3的压差波动范围为+23Pa到+55Pa。这些压差波动通常会在200秒内恢复稳定，对于实际工程项目来说是可以接受的。

Fig.4. Room pressure under multi-agent distributed control method with the residual air volume control method

研究结果表明:

(1) 基于颗粒浓度的多智能体分布式控制可以在稳定工作和风量调节过程中，防止房间颗粒物超过限值。采用所提出的控制方法，在稳定运行期间，每个房间的颗粒浓度约为控制警戒阈值的43.7%。

(2) 所提出的多智能体分布式控制方法与余风量控制方法的结合，能够将每个房间的压差维持在设计压力值附近。此外，在送风量发生变化时，压差会出现短暂的波动。压差波动范围在15Pa到69Pa之间，比生产-值班双风量模式下的波动范围更窄。而且，压差恢复所需的时间相对较短。

(3) 采用所提出的控制方法，可以根据室内颗粒物排放量减少送风量，与定风量方法相比，可实现59.2%到69.1%的节能效果。与生产-值班双风量模式相比，所提出的控制方法可将系统能耗降低20.0%到39.3%。

致谢：该项目获得“十四五”国家重点研发计划项目资助(2023YFC2605303)

本文引用格式:Han Meng, Junjie Liu, Wenzhe Shang, Jing Xu, Lizhi Jia. Multi-agent distributed control method for clean air-conditioning systems: Balancing cleanliness, pressure and energy consumption. Journal of Building Engineering, 2025, 112806. DOI: https://doi.org/10.1016/j.jobe.2025.112806.

如需阅读原文，请查看附件。

稿件编辑：孟晗

稿件审核：刘俊杰、田媛