MPC 模型怎样选：白箱、灰箱还是黑箱
MPC 能否落地，很大程度取决于模型是否适合控制。白箱物理模型解释性强但标定成本高，黑箱数据模型学习快但外推能力弱，灰箱模型试图在结构与数据之间取得平衡。
控制模型只保留必要动态
建筑能耗仿真模型通常追求较完整的物理过程，控制模型则更关注未来数十分钟到数小时的状态变化。把所有构造细节都纳入模型，会增加辨识和计算成本。
例如冷站 MPC 可能只需预测负荷、供回水温度、设备功率和储冷状态，而不必精确模拟每片换热器的局部流动。模型范围由控制目标决定。
三类模型的取舍
白箱模型依赖物理方程和参数，外推能力较好，但参数难以准确获得。黑箱模型用历史数据学习输入输出关系，开发快，但在未见过工况下可能失效。
灰箱模型把已知物理结构与数据辨识结合，常用于建筑热动态和 HVAC 系统。真正的选择标准不是模型名称，而是数据量、可解释性、预测精度和维护能力。
预测精度要分场景回答
平均误差低不等于控制可用。控制器更关心关键时刻、约束边界和峰值是否预测错误。应分别检查正常日、极端天气、低负荷、设备切换和节假日。
模型验证要使用未参与训练的时间段，并保留输入数据质量和工况范围。用同一段数据训练和测试会高估效果。
模型维护是长期成本
设备更换、控制逻辑修改、房间用途变化和传感器漂移都可能使模型失准。项目应定义再辨识周期和触发条件。
换季、改造或大修后，策略应重新进入影子运行。一个夏季验证过的冷站模型不应自动沿用到冬季工况。
文献依据与适用范围
下列文献用于约束本文的技术边界。文章为工程解读，不复制论文全文，也不把论文实验值换算成智枫昊元的项目承诺。
- Theory and applications of HVAC control systems - A review of model predictive controlAfram, A.; Janabi-Sharifi, F. · Building and Environment · 2014综述 HVAC 控制方法和 MPC 应用，强调模型、预测时域、约束及计算成本。
- All you need to know about model predictive control for buildingsDrgona, J.; Arroyo, J.; Cupeiro Figueroa, I.; et al. · Annual Reviews in Control · 2020从控制与建筑工程两个视角讨论建筑 MPC 的建模、优化、实施和运行问题。
- Ten questions concerning model predictive control for energy efficient buildingsKillian, M.; Kozek, M. · Building and Environment · 2016用十个问题说明建筑 MPC 的价值、模型、预测、约束和落地条件。
- A review of methods to match building energy simulation models to measured dataCoakley, D.; Raftery, P.; Keane, M. · Renewable and Sustainable Energy Reviews · 2014综述建筑能耗模型校准方法，强调不确定性、输入敏感性以及实测数据质量。
常见问题
MPC 一定要用黑箱 AI 模型吗？
不必。控制模型可以是物理模型、灰箱模型或数据模型，关键是与控制目标匹配并能可靠滚动预测。
训练误差低就能投运吗？
不能。还要验证未参与训练的数据、约束边界、极端工况、计算时延和故障回退。
模型多久需要重新校准？
没有固定周期。设备改造、用途变化、控制逻辑变化或预测持续偏差时应触发再校准，换季后也应重新验证。
本文相关专业问答
本文只用于解释公开文献和工程方法。项目设计、医疗感控、安全联锁和正式节能量结论，应以合同、现场资料、现行标准及有资质机构意见为准。