动态舒适度控制是智能居住环境舒适度控制策略的发展方向。动态舒适度控制是指将热舒适区分为舒适区和节能区,使环境在这两个区域之间周期性交替变换的控制方法。本文针对目前动态舒适度控制中缺少舒适和节能效能评价指标,且很少考虑室外环境对室内环境影响的问题,提出一种智能居住环境动态舒适度优化控制方法。本文的主要内容包括：(1)得出了基于用户偏好的动态环境舒适度评价指标。本文提出了两种舒适度评价指标,一是室内热舒适度预测指标,二是由动态热舒适度冷／热抱怨事件模型得出的抱怨次数指标。室内热舒适度预测指标能够提前预测室内的热舒适度。动态热舒适度冷／热抱怨事件模型是利用改进的level-crossing理论得出,可根据室内PMV(Predicted Mean Vote)值序列计算一定时间内的冷／热抱怨次数。(2)得出了室内热环境的能耗指标。空调的耗电量占室内热环境能耗的主要部分。空调的耗电量是空调温度设定值、空调运行时间和室外温度这三个参数的非线性函数。利用神经网络能够逼近任意非线性函数的特性,采用HCMAC (Hyperball Cerebellar Model Articulation Controller)神经网络得出了空调的耗电量模型。(3)得出了室内外环境温湿度关联模型。由于空调设备的运行容易受到室外环境的影响(比如室内环境达到温度设定值的时间和除湿效果等),所以采用室内外温湿度关联模型,为实现室内环境最优控制提供有利条件。该模型利用模糊关系矩阵运算,根据室外的温度、湿度和空调温度的设定值,得出室内的温度和湿度。模糊关系矩阵运算能够有效避免建模的复杂性,实现多输出不能解耦的MIMO (multi-input multi-output)系统控制问题。(4)得出了基于改进的粒子群算法的室内热环境动态舒适度优化控制方法。基于动态热环境的舒适度指标和能耗指标,考虑到室外环境对室内环境的影响,建立了室内环境动态舒适度最优控制模型。该模型能够根据用户设定的舒适和节能之间的协调关系,得出动态热舒适度控制的参数最优设定值。当舒适度水平相同时,与传统的基于PMV的稳态舒适度控制方法相比,动态舒适度控制方法可节能17.5%。