建筑節能與綠色建筑模型系統和數據庫建設關鍵技術探討

◎ 住房和城鄉建設部信息中心 郭理橋

一、引言

中國的建筑節能與綠色建筑，越來越受到國內外的關注，住房和城鄉建設領域的節能降耗和污染減排工作，已經成為國家戰略的重要組成部分。通過實施建筑節能和推廣綠色建筑，加大建設領域節能減排工作的力度。綠色建筑承載了人類追求以人為本、生態、環保、節能、健康、可持續發展的理想，發展建筑節能與綠色建筑，節約能源資源、節約用地、保護環境，是中國政府未來的發展方向和必然要求，也是人類發展進程中面臨的共同課題。

目前，我國建筑業加上建材業每年消耗能源已占到全社會能源消耗的37%，成為制約社會經濟健康發展的重要方面。建筑能耗占總能耗的27%以上，而且還在以每年1個百分點的速度增加。相關統計數字顯示，我國每年城鄉建設新建房屋建筑面積近20億平方米，其中80%以上為高能耗建筑；既有建筑近400億平方米，95%以上是高能耗建筑。建筑能耗占全國總能耗的比例將快速上升到33%以上。

為了盡快掌握綠色建筑與建筑節能關鍵技術以及實現中國的綠色建筑與建筑節能事業，我國需要構建完整的建筑節能與綠色建筑系統，并完成數據庫的建設。從而為政府管理部門、建筑科研機構、建筑設計院所等提供監測管理、監督檢查、科學研究、工程設計等服務。

二、技術體系架構

建筑節能與綠色建筑模型系統是基于全國各地各類建筑節能與綠色建筑應用示范工程的建筑基礎數據、業務數據、動態監測數據、統計數據、模型數據，構建一個數據庫平臺，并且在數據平臺的基礎之上，通過制定數據指標體系，構建建筑節能與綠色建筑的建模與可視化仿真平臺和管理信息平臺。建筑節能與綠色建筑模型系統需要解決多數據源數據的收集、海量數據庫平臺的建設、建筑相關模型的辨識、指標體系的建立、建筑可視化仿真及節能監管預測和優化等問題，建筑節能與綠色建筑模型系統和數據庫構建技術體系架構如圖1所示。

三、建筑節能與綠色建筑數據指標體系構建技術

(一) 建筑節能與綠色建筑數據指標體系的作用

當前建筑節能與綠色建筑應用已處于大規模推廣階段，建立一套科學的建筑節能與綠色建筑量化指標體系和評估標準規范，在技術上有利于建筑節能與綠色建筑示范工程效果的量化評價，促進新技術或先進應用模式的移植；從節能監管的角度，有利于主管部門建立量化的考核機制，通過對標給予業主單位相應量化的能效級別，進行定量的處罰和激勵。

(二) 建筑節能與綠色建筑指標體系構建技術

建筑節能與綠色建筑指標體系的構建包括建立數據和評價指標庫，確定指標權重和確定指標標準值三個方面內容，涉及專家調查法、層次分析法、主成分分析法、熵值法的綜合應用。

1、專家調查法：就是根據調查得到的情況，憑借專家的知識和經驗，直接或經過簡單的推算，對研究對象進行綜合分析研究，尋求其特性和發展規律，并進行預測的一種方法。專家調查法的步驟：（1）選定專家，給出賦權要求，且保證權數歸一化；（2）由各位專家對各項指標進行打分，即給指標賦權；（3）匯總各專家的賦權結果，并將結果反饋給各位專家；（4）專家參考反饋意見修改其初次賦權結果；（5）重復“反饋”與“修改”，直到達到符合要求的精度；（6）以各位專家最終賦權值的平均作為組合權重結果。[1]

2、層次分析法：是對一些較為復雜、較為模糊的問題做出決策的簡易方法，它特別適用于那些難于完全定量分析的問題。它是美國運籌學家T.L.Saaty教授提出的一種簡便、靈活而又實用的多準則決策方法。層次分析法的步驟依次為建立遞階層次結構、構造各層次中的所有判斷矩陣、層次單排序及一致性檢驗、層次總排序及一致性檢驗等。[1]

3、主成分分析法：也稱因子分析法，其基本思想是將實測的多個指標，用少數幾個潛在的相互獨立的主成分指標（因子）的線性組合來表示，構成的線性組合可以反映原多個實測指標的主要信息。使得分析與評價指標變量時，能夠找出主導因素，切斷相關的干擾，做出更為準確的估量與評價。[1]

4、熵值法：在信息論中，熵是對不確定性的一種度量。信息量越大，不確定性就越小，熵也就越小；信息量越小，不確定性越大，熵也越大。根據熵的特性，可以通過計算熵值來判斷一個事件的隨機性及無序程度，也可以用熵值來判斷某個指標的離散程度，指標的離散程度越大，該指標對綜合評價的影響越大。[1]

建筑節能與綠色建筑指標體系的構建可以綜合利用上述幾種方法，比如數據和評價指標庫可以采用層次分析法建立，采用專家調查法確定指標項，利用客觀的主成分分析和熵值分析算法確定指標項的權重，對于難于完全定量分析的權重則考慮采用層次分析法。指標體系的構建過程如圖2所示。

圖1 建筑節能與綠色建筑技術體系架構

圖2 建筑節能與綠色建筑指標體系構建過程

四、建筑節能與綠色建筑模型辨識和模型體系構建技術

(一) 常用模型辨識算法和建模方法

數學建模一般是通過問題的實際背景以及一些已知信息，可以是一組實測數據或模擬數據，也可以是若干參數、圖形、或者僅給出一些定性描述，依據這些信息建立數學模型。建模的方法有很多，基本上可以分為五大類：

1、機理分析方法：主要是根據實際中的客觀事實進行推理分析，用已知數據確定模型的參數，或直接用已知參數進行計算。

2、構造分析方法：首先建立一個合理的模型結構，再利用已知信息確定模型參數，或對模型進行模擬計算。

3、直觀分析方法：通過對直觀圖形、數據進行分析，對參數進行估計，計算，并對結果進行模擬。

4、數值分析方法：對已知數據進行數值擬合，可以選用插值方法、差分方法、樣條函數方法、回歸分析方法等。

5、數學分析方法：用“現成”的數學方法建立模型，如圖論、微分方程、規劃論、概率統計方法等。

模型辨識是對表征模型的各種形式的信息進行處理和分析，以對模型進行描述、辨識、分類和解釋的過程。辨識的方法大致分4類：

1、統計決策法：以概率論和數理統計為基礎，主要包括參數方法和非參數方法。[2]

2、結構辨識方法：利用模式的結構描述與句法描述之間的相似性對模式進行分類。該方法的特點是識別方便，能夠反映模式的結構特征，能描述模式的性質。[2]

3、模糊辨識方法：利用模糊數學中的概念、原理與方法解決分類識別問題。具有客體信息表達更加合理，信息利用充分識別穩定性好，推理能力強的特點。[2]

4、基于人工智能的方法：如基于人工神經網絡的識別方法等。[2]

(二) 建筑節能與綠色建筑模型辨識技術

由于我國幅員遼闊、發展不均衡，存在多氣候帶、多區域、多建筑對象的建筑節能與綠色建筑數據，并且同氣候、同區域、同類型的建筑也會因其各自不同的用能特征而存在較大差異，所以建立精確的建筑節能與綠色建筑模型存在著相當大的難度，其中極為困難的一點就在于海量數據下的模型識別技術，可采用以下兩種建模技術：

1、數據回歸和神經網絡技術

采用數據回歸、神經網絡等技術對建筑節能與綠色建筑進行模型辨識，利用大量樣本建筑基本信息、用能特征數據、實時監測數據、統計數據以及環境監測信息，借助先進的建模工具和算法，構建建筑節能與綠色建筑模型體系，分別建立建筑節能與綠色建筑的設計模型（區域分類、建筑分類）、運行模型（區域分類、取悅綜合、建筑分類）等相關模型，并建立起模型數據庫，隨著樣本建筑的增多以及運行數據的增多，該模型數據庫容量也會逐漸增大，這為后續建筑節能研究提供模型基礎。[3]

2、面向對象技術

面向對象數據模型是用面向對象觀點來描述現實世界實體（對象）的邏輯組織、對象間限制、聯系等的數據模型。其核心概念是：

1）對象標識（OID）：表示實體對象的唯一標識，在系統全局是唯一的。

2）封裝(Encapsulate）：對象就是其狀態及其上可實施行為的封裝，對象的狀態是該對象屬性值的集合，而對象的行為是在對象狀態上操作方法的集合。

3)類(Class):具有相同屬性和方法集的對象構成對象類，任何一個對象都是某一對象類的一個實例，所有的類組成一個有根的有向非環圖稱為類層次。

4)繼承(Inheritance)：類可以繼承其祖先的所有屬性和方法，該類稱為這 些超類的子類。超類/子類結構在語義上具有泛化/特化的關系，即子類是其所繼承的類的特例，超類是子類更高層次的抽象和概括。[4]

(三) 建筑節能與綠色建筑模型體系構建技術

建筑節能與綠色建筑應用內涵非常豐富，所以模型庫里的模型數量非常龐大，并且隨著建筑節能和綠色建筑應用技術的大范圍推廣，模型庫的規模將越來越大，因此需要建立一套包括模型分類管理機制、模型繼承派生機制和模型優化機制的模型體系。

1、模型分類管理

根據多氣候帶、多區域、多建筑對象對建筑節能與綠色建筑模型進行分類管理。從而實現對建模所需的樣本篩選、模型辨識和模型建立提供完整的功能支持，支持根據實時監測數據比對實現模型校正功能，以保證模型精準性。

2、模型繼承派生

圖3 基于模型體系的建模與仿真應用示意

支持從母模型衍生出多個子模型的功能，使模型系統根據監管、設計、科研對模型的需求的增加不斷精細化；支持在增加新的指標或要素時，模型從原模型之上衍生新模型的功能，以保證模型反映研究對象的精確性。

3、模型優化

模型體系提供基于模型的能耗分析仿真功能，用能預測分析仿真和預警功能，仿真數據和實際測量數據的比對功能，基于模型仿真的能耗自動尋優功能，以及基于地理空間數據的三維可視化仿真功能，實現對區域用能密度、建筑單體分項能耗和關鍵耗能系統等直觀生動的能耗仿真。指導綠色節能建筑的設計建造和持續優化運行期間的用能管理。

五、建筑節能與綠色建筑海量數據庫構建技術

(一) 建筑節能與綠色建筑數據庫構建的意義

建筑節能與綠色建筑數據庫作為模型系統的一個重要的組成部分，是上層建模與仿真平臺的基礎，也是管理信息平臺業務處理的核心，幾乎所有的業務數據的加工最后都依賴數據庫系統的支持來完成。因此，數據庫在整個系統中起著非常關鍵的作用。

1、獲取并存儲建筑基礎數據、動態監測數據、業務數據、模型數據、服務數據、示范案例數據，構建建筑節能與綠色建筑數據支撐平臺。

2、為建模與仿真平臺提供數據和模型基礎單元，全程支持建筑節能與綠色建筑對象的建模和仿真。

3、為節能監管、節能預測、決策支持等管理業務提供多尺度、多維度的數據信息支持。

(二) 多源多層次數據快速獲取技術

建筑節能與綠色建筑數據庫的建設中，首要的問題就是數據如何快速、穩妥獲取。目前主流的數據獲取技術解決方案中，適合應用于建筑節能與綠色建筑數據庫中的有：

1、多源異構數據融合技術：缺少標準基礎數據，數據多語義性、多時空性以及表達的多尺度性，數據獲取手段的復雜多樣性，導致了多源異構數據的產生。比如部、省、市（縣）現有各類建筑節能與綠色建筑相關信息系統數據庫，多種類建筑儀表、傳感器數據等，需要對這些多來源的數據通過有線、無線等方式實現融合性集成。為了更好實現數據共享和數據交換，多源異構數據的融合技術成為了發展的關鍵。[5]

2、通信與網絡技術：互聯網、無線網、傳感網正在全球范圍內高速發展和廣泛普及，受其影響人類社會各個方面都發生了巨大變化。網絡以其開放性和廣泛性，為遠程監控系統的發展提供了現成的、分布廣泛的信息交互渠道，借助這個渠道，人們可以在任何時候，任何地點，方便、低廉地將信息傳送到世界的每一個角落，這為數據的共享與交換提供了基礎。

(三) 多元數據組織和海量存儲技術

建筑節能與綠色建筑模型系統涉及的樣本數據包括城市、區域、建筑群、單體建筑等多個層次的建筑相關數據，并且根據建筑監管業務的不同需要不同顆粒度的數據支持，同時，為了支撐基于基本數據的多類應用，將爆炸性的產生多種統計數據、分析數據。因此，需要解決多元數據組織和海量數據存儲相關技術，如：

1、區域建筑節能體系中的高分數據和遙感數據的融合技術。遙感數據是一種大面積、動態的數據源，是對建筑用能耗散快速、宏觀分析的重要手段,高分遙感數據的業務數據的融合有助于區域建筑節能分析決策。

2、基于海量數據存儲的建筑節能與綠色建筑數據庫技術。對海量數據進行處理是一項艱巨而復雜的任務：數據量過大，數據中什么情況都可能存在；軟硬件要求高，系統資源占用率高；要求很高的處理方法和技巧。所以必須選用優秀的數據庫工具，同時必須對海量數據進行分區操作和分批處理。

3、建筑節能與綠色建筑數據庫的多元、多層次數據組織管理技術。這源于建筑節能與綠色建筑數據庫，涉及到的數據種類眾多：從廣度上來說，包括有用電、用水、用汽等不同能耗類型；從深度上來說，包括有全區域能耗、子區域能耗等不同等級的能耗子項，多元、多層次數據組織管理技術不可缺少。

圖4 三維可視化仿真

六、建筑節能與綠色建筑建模與可視化仿真技術

(一) 建筑節能與綠色建筑建模與可視化仿真的意義

我國幅員遼闊，多氣候帶、多區域、多建筑對象都會對建筑節能與綠色建筑產生影響，為了使得我國建筑節能與綠色建筑健康有序發展，需要發現共性屬性和特性屬性，所以必須對建筑節能與綠色建筑進行建模。

可視化仿真是體現建筑節能與綠色建筑模型效果最直觀的方法。它可以應用在建筑節能與綠色建筑建模的各個方面，并帶來切實且可觀的利益：可視化仿真技術不但能夠獲得身臨其境的體驗，還可以通過其數據接口在仿真時獲取建筑項目的數據資料，方便建設工程項目的規劃、設計、投標、報批、管理，有利于設計與管理人員對各種建筑規劃設計的節能方案進行輔助設計與方案評審。可視化仿真技術是由基于真實數據建立的數字模型組合而成，能夠幫助發現節能設計缺陷，減少規劃不周帶來的損失，避免設計風險。還可以加快方案設計的速度和質量，提高方案設計和修正的效率，也可以節省大量的資金，提供合作平臺。

(二) 建筑節能與綠色建筑建模與可視化仿真技術

1、可視化仿真原理

可視化仿真是計算機可視化技術和系統建模技術相結合后形成的一種新型仿真技術，其實質是采用圖形或圖像方式對仿真計算過程跟蹤、駕馭和結果的后處理，同時，實現仿真軟件界面的可視化，具有速度、高效、直觀、形象的建模特點。[5]

融合建筑節能設計過程和運行過程的建筑三維可視化仿真技術，通過3D技術，將使建筑節能與綠色建筑的可視化更加趨近于細節、更具可視化、動態化，三維可視化仿真技術主要構成要素如圖4：[7]

2、可視化仿真示例

建筑節能與綠色建筑模型可視化是相當復雜的過程，基于中國幅員遼闊、發展不均衡和多氣候帶等復雜條件，因此要進行建筑節能與綠色建筑模型仿真是十分困難的。仿真技術的發展與應用為解決這些問題提供了很有效的手段。但過去由于仿真技術與計算機技術水平的限制，仿真系統的人機交互水平較差,除領域工程師以外，其他人員很難進行系統的運行操作。同時，仿真過程也相當隱蔽，即使是領域工程師也非常難了解到系統運行的具體過程。并且，要獲取有效的仿真結果還需經過大量的統計分析工作。可視化技術的應用,為仿真系統提供十分友好的人機交互平臺,并且通過非常直觀的圖形描述系統的運行過程,以及系統運行產生的結果,對于了解和研究原型系統的特性，以及對仿真系統的優化都是十分有效的。

(1)有利于進行方案分析。可視化動態仿真技術可以實時地演示建筑節能與綠色建筑模型邏輯關系，直觀地揭示模型全貌，尤其是針對典型時段、典型部位可形象反映出模型細節，可準確地判斷可行性。

(2)有利于進行多方案比較。只要將輸入的參數改變，通過計算機高速運行，可快速得到建筑節能與綠色建筑模型的面貌以及參數，這樣可以更直觀地對模型進行規劃，修改和管理，有利于快速進行多方案比較。

圖5 建筑節能與綠色建筑可視化仿真

(3)有利于進行方案的確認。可視化動態仿真技術能形象地模擬建筑節能與綠色建筑模型的各個方面，可以充分暴露設計中的漏洞與缺陷，能夠加強專家與設計人員之間的交流，有利于專家提出建議，并快速得到調整結果，從而有利于方案的完善并最終確定。

(4)有利于與決策者進行信息的溝通。信息溝通的方法往往會直接影響到方案是否被決策者所采納。可視化動態仿真技術可以以其生動強大的動畫信息，實時演繹推薦方案，使觀看者一目了然，有助于信息溝通，讓決策者正確直觀地了解建筑節能與綠色建筑模型設計方案。

(三) 建筑節能與綠色建筑模型驗證與模型校正技術

仿真模型的驗證則是從仿真模型應用目的出發，確定仿真模型代表真實綠色建筑的正確程度的過程，目的是檢驗仿真模型精確性或準確性。

建筑節能與綠色建筑模型的確認要求由決策者來判定。模型的可行性的評估方法主要是模型驗證與校正。驗證過程具體如下：

1、概念模型驗證：確定所設計模型的層次和范圍是否能充分滿足建模目的，并且所有假設是否都是正確的。[8]

2、數據驗證：確定在建模、模型驗證和試驗過程中所需數據是否足夠精確。[8]

3、白箱驗證：確定建筑節能與綠色建筑模型的各組成部分是否能以足夠的精度代表相應真實綠色建筑的部分。這是一種詳細的或微觀的模型檢查過程。[8]

4、黑箱驗證：確定整個模型是否具有足夠的精度代表真實綠色建筑。這是一種整體或宏觀的對模型運行進行檢查的過程。[8]

5、試驗方法驗證：確定所采用的試驗方案將提供具有足夠精度的試驗結果。確保試驗結果準確的關鍵問題是：試驗準備、試驗運行長度、試驗運行次數、試驗設計和靈敏度分析。[8]

圖6 建模與仿真過程中的校核與驗證

圖7 驗證過程示意圖

6)解方案(仿真結果)驗證：確定由所建解模型獲得的結果具有足夠的精度。這類似于需要與真實綠色建筑相比較的黑箱驗證．所不同的是僅僅將所建解的最終模型與真實綠色建筑進行比較。[8]

傳統的模型驗證方法主要有主觀確認法、動態關聯分析法、數理統計方法和時頻分析法4大類。基于建筑節能與綠色建筑模型的復雜性以及數據的海量性，可采用神經網絡解決模型的驗證問題，其思想是使用一個模式分類器—神經網絡。所謂分類是把采集到建筑節能與綠色建筑的數據映射到事先定義的類中的學習過程。采用神經網絡作為分類器，首先學習可選模型的關鍵行為特性，然后分類來自可選模型之一的實際系統行為。[9]

圖7為采用神經網絡的驗證過程示意圖(這里采用BP神經網絡)。首先對神經網絡進行離線訓練，通常有大量的可選模型，或者模型樣板，保留開放的形式，每個模型都可以產生一個訓練模式作用于該神經網絡，一方面組成某一行為統計特性(如時間序列的樣本均值和方差)，另一方面產生相關的模型標志。神經網絡學習和識別每個可選模型的關鍵行為特性，并且網絡在學習前可能需要統計和預處理，目的是降低網絡的信息載荷。通過大量的輸入輸出數據樣本對網絡的充分訓練，網絡能夠記憶和理解各模型的特性行為。一旦網絡成功的學習了這些特性(即為訓練好的神經網絡)，當實際系統作用于該網絡時，網絡的輸出是一個概率向量，即來自于每一個可選模型的概率值，有最高概率值的模型被保留并判為一個有效模型。

(四) 建筑節能與綠色建筑輔助設計技術

通過數據共享和交換平臺采集各類典型建筑的數據，在數據平臺基礎之上對建筑節能和綠色建筑模型進行分類、組織以及模型案例存儲，最后在仿真平臺上進行可視化表達，為科研設計單位提供對建筑進行節能設計和綠色建筑設計輔助服務。建筑節能與綠色建筑輔助設計主要包括以下技術：

1、知識庫輔助建筑節能與綠色建筑設計技術

結合建筑節能與綠色建筑設計和運行模型，輸入擬建建筑所處氣候帶、類型等參數，通過一組模型的計算，系統給出符合當地情況下的建筑需要采用哪些技術、注意哪些問題等建議。

2、計算機輔助設計（CAD）和三維動畫設計技術

計算機輔助設計和三維動畫已經具備比較完備的三維對象設計和表現能力，但進行三維設計要求使用者具備專業級計算機造型能力，雖然三維動畫本身附帶了大量的紋理庫，并有能力從外部環境生成紋理供調用，但構成具有紋理映射的三維多邊形表面是通過交互界面用手工方式來實現的，要將三維對象的各種真實紋理表現得高度逼真和實現著色高度自動化還是非常困難的。該輔助設計工具可為綠色建筑模型進行高維可視化仿真提供技術支持，該輔助設計工具將可以在提供簡單參數的情況下自動生成三維圖，同時方便三維動畫設計。

3、建筑節能標準庫與智能庫技術

該標準庫和智能庫集成了現有的建筑節能材料信息、國家制定的關于建筑節能標準和法規（量化）信息、節能新方式、新方法、新技術等方面的內容，使得綠色建筑設計者可以在不用查閱相關資料的情況下，高效、方便地完成設計，體現出輔助設計功能。

4、建筑設計文檔自動生成技術

按照設計流程，依照設計文檔規范，根據設計者的需要自動生成相關文檔（如設計報告、可行性分析報告等），既節省時間提高效率，又可避免許多人為錯誤，提高文檔的準確性。

七、建筑節能與綠色建筑模型管理信息平臺構建技術

(一) 建筑節能監管技術

研究面向政府輔助決策、節能監管、節能科研、節能設計等多方位的管理信息平臺構建關鍵技術，為各級行政主管單位或政府進行建筑節能監督管理提供服務，通過科學管理促進建筑節能與綠色建筑的實施和發展。其主要涉及以下技術：

1、分類分項計量、監測技術

建筑能耗分類分項計量、監測工作，涉及到全國范圍的地理區域，包括數據眾多的建筑類型，每棟建筑又需要采集和監測照明、空調、動力等各種用能數據。在建筑能耗分類分項計量、監測平臺的建立過程中，充分利用了各種信息化及計算機輔助技術，具體包括：

（1）3D地圖，即三維可視化地圖技術。這是一種不同于普通二維地圖的立體地圖網絡信息技術，可在互聯網內直接遠程調用共享。3D地圖作為監測平臺的建筑背景、數據背景，可大幅提高數據平臺的直觀性和操作便利性，同時也增加了軟件界面的美觀度。

（2）Portal技術。Portal是一個基于web的應用程序技術，它主要提供個性化、單點登錄、不同來源的內容整合以及存放信息系統的表示層。簡單來說，Portal提供了頁面個性化應用，即允許不同用戶可根據工作需要，定制出不同的平臺界面，最為快捷地查詢到所需信息，或執行相關操作，這樣就大大提高了建筑能耗分類分項計量、檢測平臺的人性化、智能化程度。

（3）平臺模塊化技術，即整個建筑能耗分類分項計量、監測平臺的設計，整體采用分模塊的“積木式”架構，設計規范，易于擴展，既可應用于規模較小的區域式能耗監測平臺，也同時滿足大規模的整體式能耗監測平臺建設的高容量、高技術標準要求。

2、安全監控技術

通過實時監控網絡或主機活動，監視分析系統的行為，審計系統配置和漏洞，評估敏感系統和數據的完整性，識別攻擊行為，對異常行為進行統計和跟蹤，從而有效地監視、控制和評估網絡或主機系統。系統包含信號檢測、故障診斷、信息處理和決策輸出等多種內容。網絡化、數字化、智能化的安全監控系統將極大地促進建筑節能。

3、能效監控技術

基于與能效相關的物理或化學變量的檢測、虛擬傳感器和相應的轉換，對每個設備、生產裝置、操作和產品等的能效進行統計分析，并做出相應的SPC（統計過程控制）圖或3σ，6σ分析，以發現統計意義下的異常能效情況及其程度，為實現能效的監控提供基于統計的信息。

4、建筑能效對標技術

圖8 能效對標

根據分類分項計量得到的評估結果，與國內外的類型相似、地域環境相近的建筑進行對比，與不同時段的自我進行對比，與理論基準進行對比。通過對比，分析自身存在的弱項以及可能存在問題的方面，并提供建筑節能改進方案。圖8是建筑能效對標示意。

5、云計算建筑節能分析技術

云計算的基本原理是通過使計算分布在大量的分布式計算機上，而非本地計算機或遠程服務器中。云計算是一種分布式處理、并行處理和網格計算的發展和商業實現。它描述了一種平臺：根據需要，動態地提供、配置、重新配置以及取消提供服務器。[10]云計算給大型公共建筑群節能帶來了巨大的好處，其在網絡應用上具有幾大優勢：安全性、方便性、數據共享和無限可能性。

云計算建筑節能分析技術，以各類典型建筑的數據為基礎，以云計算為平臺，對建筑對象進行節能分析，同時為開展建筑節能與綠色建筑模型構建、辨識、計算提供技術支持。

(二) 建筑節能優化技術

通過建筑能耗監測、建筑能效分析、建筑能源審計，用戶可以獲得建筑整體用能規律和節能的潛力點。在定位了建筑耗能癥結之后，可以進行針對性的節能優化控制，最終提高建筑的節能水平。

節能優化在管理信息平臺中起著極其重要的作用，以分析計算作為前提，通過優化算法和優化控制技術，為節能決策支持提供可行的解決方案。在分析和優化中，需要以下幾項技術的支撐：

圖9 建筑能耗預測技術

1、統計學習技術：一種專門研究小樣本情況下機器學習規律的理論，其核心思想是通過控制學習機器的容量實現對推廣能力的控制。[11]在其進一步的發展過程中，仍需要在機器學習問題、語言意識的學習、人機界面等方面進行改進。需要加強機器的文字意識，而不是將所有的信息轉化成數字之后機器才能識別。

2、啟發式優化算法：常用的啟發式優化算法包括模擬退火算法、遺傳算法、粒子群和蟻群算法等，啟發式算法可以解決很多確定性算法無法求解的復雜問題。[12]

3、建筑節能優化控制技術：在建筑節能中，從控制的視角對給排水子系統、照明子系統、電梯子系統以及空調設備子系統進行節能分析及優化控制將成為重點。采用先進的優化控制技術，先進的優化控制設備，推動建筑節能的進步。

(三) 建筑能耗預測技術

建筑能耗的短期中期預測模型：對于一般建筑或者區域建筑群來說，中短期內的能耗是一個周期性的非平穩隨機過程。建筑的用能規律除了與其自身功能有關，還隨氣溫以及季節性不斷變化，也有按星期和24小時的周期性變化，同時又有節假日和正常工作日的差別。中短期建筑能耗預測是根據已知歷史能耗負荷數據對未來幾月幾周幾天甚至幾小時的能耗情況進行預測。通過大量歷史數據，可采用人工神經網絡建立預測模型，如圖9所示。

(四) 建筑節能決策支持技術

以節能優化和能耗預測的結果為參考，各級行政主管和政府可以從制定政策法規對建筑節能進行決策，主要從社會化的層次出發；而科研設計單位則注重技術的可行性，從技術推廣角度對建筑節能進行決策；業主物業則考慮更多的是新技術、新運營模式是否能給自己帶來經濟效益，從這個方面進行決策。雖然各類決策者出發點不同，但都要以一定的技術作為基礎：

圖10 決策支持流程示意

1、數據挖掘和知識發現技術：數據挖掘也稱為數據庫中的知識發現,是從數據庫的大量原始數據中提取人們感興趣的、尚未被發現的、有用的信息和知識的過程。數據挖掘是從大量數據中發現知識的有效手段,遵循一定的框架和步驟,以其規范性和有效性而被很多方案所采用。[13]建筑節能決策支持應用數據挖掘技術，能夠挖掘建筑用能規律、建筑用能缺陷，為推進建筑節能提供輔助決策支持。

2、多目標優化技術：在建筑節能決策時，決策者經常會遇到相互矛盾的多個目標（如希望空調可以最大限度地節電，但必須保證在人舒服的前提下，這時節電和舒服就構成矛盾），此時面對的就是多目標優化問題，其多個解構成決策者進行決策的備選方案。隨著目標函數的增加，以及條件約束的復雜，多目標優化的意義將更為明顯。

3、專家系統：是一個智能計算機程序系統，其內部含有大量的某個領域專家水平的知識與經驗，能夠利用人類專家的知識和解決問題的方法來處理該領域問題。運用特定領域的專門知識，通過推理來模擬通常由人類專家才能解決的各種復雜的、具體的問題，達到與專家具有同等解決問題能力的計算機智能程序系統。它能對決策的過程做出解釋，并有學習功能，即能自動增長解決問題所需的知識。建筑節能中的專家系統除了承擔決策支持的任務外，還可根據不同樣本建筑基本信息和用能特征在節能優化的配合下提供整改方案與節能方案。

(五) 建筑節能與綠色建筑管理信息平臺示例

建筑節能與綠色建筑管理信息平臺一般由4部分組成：數據采集系統，評估和監控系統，分析系統以及決策支持和優化控制系統。通過節能監管技術，節能優化技術，能耗預測技術以及節能決策支持技術對建筑節能與綠色建筑模型進行管理。具有以下特性：

1、節能監管

利用安全監控，能效監控等節能監管技術，例如熱紅外遙感技術，對某個區域或城市溫室氣體，地表溫度和地熱環境的空間格局及其變化特征進行比較客觀、有效的檢測。從而宏觀監測并掌握全國或本地區建筑物能耗分布情況，提高建筑物節能運行管理水平。

2、節能優化

通過對建筑（群）運行能耗實施在線監測，一方面為行業主管部門提供分析和監管數據，另一方面通過能耗運行優化模型進行優化模擬和仿真，為業主及物業單位改進用能習慣或用能結構缺陷提供分析。

3、能耗預測

以區域綜合能耗模型、區域分類能耗模型、建筑分類能耗模型研究成果為基礎，結合節能監管技術獲得的數據，采用人工神經網絡等技術建立短、中期預測模型，以開展不同空間尺度的能耗預測。

4、決策支持

綜合節能監管、節能優化、能耗預測相關數據，運用相關專家系統、多目標優化等技術，形成某時期、某區域能耗綜合分析報告，為相關國家政策、地方法規、專項措施等制訂實施提供決策支持。

八、結束語

綠色建筑理念旨在為人們提供安全健康舒適的環境，同時在建筑的全生命周期中高效率地利用資源，最低限度地影響環境，已成為未來建筑的主導趨勢。我國綠色建筑剛剛起步，還有很長的路要走，我國建筑節能與綠色建筑的發展必然會經歷一個從局部到全局，從初級到高級的過程，這個過程中有建筑界和全社會的認識和發展問題，還有許多具體的政策、技術和經濟問題，這些在綠色建筑發展過程中難以避免，如何把握機遇需要更深層次的思考，更需要各方切實的行動。

通過建筑節能與綠色建筑模型系統和數據庫建設關鍵技術的不斷研究，構建符合中國國情的建筑節能與綠色建筑模型系統和數據庫，為建筑節能與綠色建筑在我國的實施和發展提供有效的技術支持，為中國全面實現建筑“綠色化”提供信息技術保障。