基于GIS数据的中国城市建筑群能耗模型自动生成方法——以长沙的办公建筑为例

Urban building energy models (UBEM) can support city managers to evaluate and prioritize energy conservation measures (ECMs) for investment and the design of incentive and rebate programs. Most of the UBEM tools use simplified resistor-capacitor network models to estimate savings for simple ECMs, such as replacing inefficient lighting with light-emitting diode (LED) lamps. However, these tools are limited and unable to evaluate complex ECMs that have an integrated effect on multiple building systems, such as replacing HVAC systems. This project will research on how to automatically generate urban building energy models based on GIS datasets for cities in China. A case study for office buildings in Changsha will be presented. First, we will select several office buildings in Changsha to collect detailed buildings data through the questionnaires, on-site visit, and interviews. Then, machine learning methods such as support vector machine will be used to categorize the buildings based on the collected building information. The categorized building information can be used as smart defaults for other similar buildings. The project will focus on the development of methods to automatically generate energy models for every building and then calibrate via measured data. As the outcome of this project, a prototype of an urban building energy modeling platform for buildings in China will be developed, which will be further expended to cover other buildings types and other climate zones.

城市建筑群能耗模拟可以评估不同建筑技术的节能效果和经济适用性，为政府制定节能政策提供技术支持。然而，大部分的城市建筑群能耗模拟使用了简化的建筑模型，同时又需要大量时间进行建模，只能分析少数几种节能技术（比如使用LED灯），而无法分析复杂的方案（比如更换空调系统）。本项目将根据中国建筑和气候的特点，研究如何基于GIS数据来自动化地生成适用于中国城市的建筑群能耗模型。本项目将以长沙的办公建筑为例，首先通过调研来获取长沙一部分办公建筑的详细数据，并利用支持向量机等机器学习方法对建筑进行分类，以便为其他建筑提供智能的初始化设定值。其次，本项目将研究如何自动化的生成每个建筑的详细能耗模型的方法，再根据实际的能耗数据进行自动快速校核。本项目的研究成果，将初步建成适合中国建筑和气候特点的城市建筑群能耗模拟平台，为今后推广到其他建筑类型和其他气候区建立基础。

城市建筑群能耗模拟可以评估不同建筑节能技术的效果和经济性，为政府制定节能减排政策提供技术支持。本项目根据中国建筑和气候的特点，以长沙为例，对中国城市建筑群的自动建模进行研究。.主要研究内容为：通过案例调研和测试，获取一部分长沙办公建筑的详细数据；通过聚类分析，研究建筑分类的特征参数，并建立典型建筑信息数据库；研究根据建筑的特征参数和典型建筑信息数据库来生成建筑能耗模型；搭建一个网络版平台，基于GIS 建筑数据集来自动生成建筑群能耗模型。主要研究成果如下：.（1）针对国内较难直接获取城市建筑大数据的难题，提出了基于建筑轮廓、城市信息点（POI）和区域边界等基于GIS的建筑大数据，使用无监督聚类和有监督分类等机器学习算法来识别建筑类型。该研究为城市建筑群能耗模拟提供了数据支撑。.（2）提出了运用深度学习中的卷积神经网络来提取不同年代历史卫星影像中的建筑轮廓，然后运用相交分析推断出各建筑的建造年代。.（3）基于长沙市建筑群特点，建立了典型建筑信息数据库，并生成了3个建造年代内的22种建筑的典型能耗模型，包括办公建筑及其综合体。.（4）依次研究分析了冷机台数配置和运行控制策略对办公建筑能耗的影响，冷水机组冷冻侧大温差改造对于中央空调系统的节能潜力和室内热舒适的影响，随机人行为对建筑能耗的影响，考虑屋顶可用光伏面积和建筑相互遮挡后对光伏发电量的影响。.（5）基于OpenStudio和EnergyPlus开发了AutoBPS（Automated Building Performance Simulation）平台，能自动计算城市建筑群的能耗和碳排放、进行节能改造和屋顶光伏分析等。通过参考典型建筑的用能特性，提出了一种城市建筑群能耗模型快速高效的校准方法。此外，结合动态物质流分析法和城市建筑群能耗模拟，建立了自下而上的建筑群多年动态碳排放分析模型，模拟城市未来建筑存量、总能耗及碳排放的多年动态变化。.该项目成功地展示了城市建筑群能耗建模过程，为今后推广到其他地区建立了基础。

内容获取失败，请点击重试