在智能建筑中,楼宇自控系统通过对建筑设备实行有效的控制和管理,为营造舒适的室内热环境提供了有利条件。但热偏好不仅受当地气候、生活习惯、风俗、热经历、热期望、热环境响应及个人体质等多种因素的影响,也随活动状况、衣着、饮食、情绪的不同体现出一定的动态变化特性。传统基于PMV-PPD的稳态热环境控制在统计意义上满足大多数人的热舒适,但难以满足某一个体或群体热舒适多样性的需求,同时造成大量不必要的能源浪费。针对上述问题,本文设计动态进化神经模糊推理系统,在构建用户热舒适在线预测模型的基础上,设计动态温度调控策略,优化中央空调系统控制,在满足个体热舒适的前提下实现系统节能的目标。主要研究内容如下:首先,开发移动端智能交互与数据采集系统,建立用户热感觉反馈及现场实测数据集。其次,针对不同个体特征,设计动态进化神经模糊推理系统,建立用户热舒适在线预测模型;在此基础上,以实测的学习样本实现数据驱动,完成系统模糊规则与模型输出函数系数的动态自校正,并推理预测出用户的偏好温度区间。然后,基于室外环境舒适度的波动规律和动态热环境中人体热感觉的生理特性,构建动态温度调控策略。最后,构建空调系统主要耗能设备的能耗模型,确立系统优化目标函数及约束;在此基础上分别设计有效集算法和粒子群优化算法,搜索全局最优设定点,以满足人体动态热舒适及系统能耗的综合需求。仿真和实验结果表明,该方法可有效跟随室外环境舒适度变化趋势,在满足人体热感觉生理特性的同时,显著提升空调系统的节能率。其中,热环境调控策略和优化算法均可影响空调系统能耗,但制定合理的热环境调控策略所带来的节能率高于优化算法的选择。此外,在本文所涉及的优化方案中,将粒子群优化算法与基于室外温度的动态温度调控策略相结合,进行系统能耗优化,能达到最佳的节能效果。本研究可为用户热感觉偏好预测模型的建立方法、室内热环境动态调控以及空调系统优化与节能控制策略研究提供算法和数据支持。