暖通空调作为室内空气调节的重要工具,发明之初便是为了保证室内人员的人体舒适度,随着人们对生活品质的不断追求,传统的基于固定温度设定值(e.g.26~?C)的方式在很多时候既使室内大多数人员感到不舒适,同时也是一种能源利用率比较低的方案。而人体舒适度本身是一个多变量、强非线性且极具个性化的概念,它不仅与室内外的温湿度环境有关,更因用户的性别、年龄、服装、所处地域以及活动情况的不同而表现出明显的差异,同时,如何在现有暖通系统的基础上进行灵活扩展,构建针对整个被控热空间层面的空调能耗模型,解决以较低的能耗保证室内人员的最大热舒适度成为亟待解决的问题。针对上述问题,本文从热舒适度基本概念出发,以暖通系统运行原理为依托,研究了基于数据的用户个性化热舒适模型学习,并驱动暖通系统节能运行的方法,主要包括如下内容:首先,为了获取每个用户个性化热舒适相关的数据,我们设计了一种融合了用户对当前室内环境的感受、偏好和期望三种信息的交互终端,并根据舒适度这一概念的模糊属性,采用动态进化模糊推理的在线学习方法,从每一个用户的交互数据中挖掘其在不同热舒适感受下所对应的室内温度设定值。考虑多个不同用户同处一个被控热空间的情形,我们在单一用户热舒适模型基础上利用多分类逻辑回归的思想,将该模型进一步转换成用户在不同室内温度情况下的舒适程度概率分布曲线,在此基础上提出一种多人舒适度分布融合的方法,得到整个被控空间中能够保证绝大多数用户舒适程度最高的温度区间,并以此作为暖通系统能耗优化目标函数的约束条件,将节能和保证舒适性的传统多目标优化问题转化为单目标的数值优化问题。最后,为了验证本文提出方法在实际应用中的可行性与有效性,采用EnergyPlus专业建筑能耗分析软件与matlab计算环境进行联合仿真,并利用BCVTB中间件与笔者所在实验室中搭建的基于BACnet设备控制的VAV暖通空调系统之间建立信息通路,记录实际的运行数据,与传统定值温度控制方法进行比较,取得预期效果。