过去四十年里，全球能源使用量翻了一番[1]。建筑物占总能源需求的近40%，并贡献了全球温室气体排放量的四分之一[2]，其中区域供暖系统（DHS）消耗了大约40%的建筑物能源[3]。2004年至2020年间，中国区域供暖系统的能源消耗量大幅增加[4]。据估计，到2030年，区域供暖系统覆盖面积将扩大到约200亿平方米，从而不可避免地导致更高的能源需求[5]。2022年，区域供暖系统的二氧化碳排放量达到了4.4亿吨，占建筑物总排放量的约21%[6]。为应对全球气候变化的挑战，中国在第75届联合国大会上承诺力争在2030年前达到碳排放峰值，并在2060年前实现碳中和，从而在系统性地减少碳排放的同时协同解决生态和环境问题[7]。由于控制策略中缺乏对建筑物热反馈的充分整合，区域供暖系统经常出现供需不匹配的问题，导致舒适度下降和能源效率低下。因此，将区域供暖系统从主要的碳排放源转变为高效、灵活和低碳的能源基础设施不仅是必要的，而且十分紧迫。优化热供应与需求的协调是提升现代区域供暖系统运行性能和环境可持续性的关键机会，直接有助于实现2030年和2060年的减排目标。
区域供暖系统对于实现建筑行业的脱碳至关重要。核心挑战在于精确匹配热供应与动态的建筑需求，以消除浪费并确保舒适度。区域供暖系统控制的演变可以理解为从集中式的供应侧调节向分布式、需求感知的协调转变。本综述批判性地审视了这一进程，指出了建筑网络接口处存在的持续差距，并明确了本研究的主要贡献。
中国的区域供暖系统通常通过热源和变电站之间的集中协调进行运行[[8]]，[9]]，[10]]。这种模式由于缺乏实时的建筑热反馈整合而存在“感知差距”，导致供需不匹配，从而影响舒适度和效率[7]。主要障碍是精度与成本之间的权衡[11]。即使是一些结合了建筑反馈的先进研究，也仍然停留在这种集中式模式内。例如，李等人[11]，[12]利用有效的室温实施了预测性反馈控制来调节变电站阀门，减少了温度波动并实现了5.9%-7.9%的节能效果。然而，这种方法本质上仍属于集中式区域供暖调节，缺乏建筑层面的综合控制机制。同样，M.D等人[13]虽然整合了室温和室外温度来控制变电站供水温度，但未能解决由于液压条件不稳定导致的终端恒温阀调节失败的问题[14]，[15]。这揭示了一个关键限制：变电站控制与建筑终端设备之间缺乏有效的协同作用。
先进传感器网络的部署促进了数据驱动的热负荷预测方法的发展。机器学习技术，如支持向量回归（SVR）[16]、集成黑盒模型和物理模型的方法[17]以及基于聚类的优化人工神经网络（ANN）[18]，已经实现了高达7.8%以下的平均绝对百分比（MAPE）预测精度。然而，将这些精确预测转化为精确的室温控制仍然受到很大限制[19]。根本问题在于负荷预测的能源平衡基础与室温的非线性动态之间的不匹配，以及微小温度波动与系统级热负荷之间的弱相关性。仅仅依赖更准确的预测无法解决闭环控制问题；需要将预测模型与考虑建筑动态的控制策略更深入地整合起来。
液压平衡对于公平的热分配至关重要[20]，[21]。然而，即使在平衡条件下，强烈的热液压耦合也可能导致热不平衡[22]。最近的一些先进方法，如结合神经网络的模型预测控制（MPC）[23]和基于智能算法的阀门优化[24]，旨在解决这一问题。这些研究的一个持续缺陷是，建筑物要么被简化为静态负荷模型（仅适用于液压分析），要么在建立动态室温模型时，它们没有与网络范围内的液压动态深度耦合。这揭示了第二个关键限制：研究中液压和热调节仍然分离，阻碍了真正的供需匹配。
在二次网络侧实施分布式控制已成为一个重要的研究方向。目前，这类研究主要集中在调节各个分支或终端单元的阀门，以实现流量重新分配和液压平衡[25]。核心目标是消除液压不平衡并确保达到设计或目标流量。许多研究采用智能算法来优化阀门开度，旨在最小化液压不平衡率或使分支流量接近设定值[25]，[20]。这些方法理论上可以改善热分配的空间均匀性，并已被证明可以减少整个系统的泵送能耗[26]，[27]。然而，它们的控制目标和优化变量始终围绕液压参数（如流量或压力差）展开，未能与室温——即舒适度和能源需求的最终指标——建立闭环联系。
研究转向利用建筑热惯性进行精确控制[[28]]，[29]]。袁等人[30]和侯等人[31]的研究利用热惯性数据或MPC与室温作为核心目标，实现了节能效果。王等人[32]提出了一种基于MPC的分区控制方法，用于单栋建筑。然而，这些先进的建筑侧策略要么仅限于单栋建筑[32]，其网络协调的可行性未经验证，要么仅作为集中式设定点优化的先进反馈信号，未能在建筑设备和网络调节设备之间形成分布式协同闭环。
现有研究在区域供暖系统研究中发现了几个未解决的挑战：
(1)当前研究将液压调节和热调节视为独立的过程。液压调节关注流量分配，但忽略了建筑热动态，常常导致局部过热或供暖不足，从而无法实现真正的供需匹配。
(2)热供应与用户需求之间的不匹配导致室内温度波动大和能源浪费。没有精确的需求预测和动态控制，热供应无法与实际需求在时空上对齐。
(3)大多数区域供暖系统的控制仍然集中在供热站，对建筑侧策略的探索有限，忽视了终端用户的分布式优化。
