基于代理模型的多单元住宅建筑HVAC改造方案评估方法研究

《Energy and Buildings》：Surrogate Models for Evaluating HVAC Retrofit Options in Multi-Unit Residential Buildings

本研究针对多单元住宅建筑(MURB)节能改造中HVAC系统优化选择的难题，开发了基于人工神经网络(ANN)的代理模型。研究人员通过EnergyPlus生成合成数据集，对比了单输出/多输出ANN及LGBM模型在预测EUI、TEDI和CEDI等关键指标上的性能。结果表明，以HVAC系统为分类输入的多输出ANN模型精度最高(R2>0.997)，能显著提升 retrofit 方案评估效率，为建筑节能改造决策提供可靠工具。

　　

随着全球气候变化加剧，建筑领域作为碳排放的重要来源，其节能减排已成为国际社会关注的焦点。加拿大等国家已承诺到2030年将温室气体排放量从2005年水平降低40-45%，并计划在2050年实现净零排放。在这一背景下，对现有建筑进行节能改造，特别是供暖、通风和空调（HVAC）系统的升级，成为实现碳减排目标的关键路径。然而，传统的建筑能源建模方法，如白箱模型（基于物理原理的详细模拟），虽然精度高，但计算成本巨大，需要专业知识和大量时间，难以在 retrofit 方案优化中快速应用。

为此，代理模型（Surrogate Models）应运而生。这类模型能够以较低的计算成本近似复杂模拟的结果，广泛应用于建筑能源评估、优化设计以及 retrofit 分析。尽管已有研究利用代理模型预测建筑能耗，但多数工作仅针对单一HVAC系统或理想化系统，缺乏对多种HVAC系统配置的综合评估。尤其是在多单元住宅建筑（MURB）中，HVAC系统的选择对能耗和碳排放具有显著影响，而现有代理模型在处理多种HVAC系统时的准确性和效率仍有待深入探索。

本研究旨在填补这一空白，通过开发高效的代理模型，快速评估MURB中不同HVAC系统与建筑围护结构改造方案的能耗表现。研究以多伦多气候为背景，利用EnergyPlus生成大规模合成数据集，系统比较了单输出人工神经网络（ANN）、多输出ANN以及轻量梯度提升机（LGBM）等模型在预测能源使用强度（EUI）、热需求强度（TEDI）和冷需求强度（CEDI）方面的性能。研究成果发表于《Energy and Buildings》，为建筑节能改造提供了新的决策支持工具。

研究人员主要采用了以下关键技术方法：首先，基于EnergyPlus平台构建参数化建筑能量模型，通过拉丁超立方采样（LHS）生成涵盖10种HVAC系统及多种建筑参数的合成数据集（共5000个样本）；其次，利用PyTorch和LightGBM库分别开发ANN和LGBM代理模型，并通过Optuna框架进行超参数优化；最后，采用决定系数（R²）、均方根误差（RMSE）和平均绝对误差（MAE）等指标评估模型精度，并利用学习曲线分析数据量对模型性能的影响。

3.1. 数据生成

通过EnergyPlus模拟生成了涵盖不同HVAC系统的EUI、TEDI和CEDI数据集。结果显示，电动系统（如HVAC-1至HVAC-4）的EUI普遍低于天然气系统（HVAC-5至HVAC-8），而空气源热泵系统（HVAC-9和HVAC-10）的EUI最低且分布更集中。TEDI和CEDI的分布主要受通风系统影响，与HVAC类型无关，验证了数据集的合理性和多样性。

3.2. 单输出ANN代理模型

针对每种HVAC系统训练单独的单输出ANN模型（模型S），并与以HVAC系统为分类输入的单输出ANN模型（模型M）进行比较。模型S在训练集和测试集上均表现出色（R²>0.995，RMSE<2.2 kWh/m²/年），但需要为每个HVAC系统训练独立模型，计算成本较高。模型M虽精度略低（测试集R²=0.996），但仅需一个模型即可覆盖所有HVAC系统，大幅提升了计算效率。

3.3. 多输出ANN代理模型

多输出ANN模型（模型MO）同时预测EUI、TEDI和CEDI，其精度与模型M相当（测试集R²>0.997），且训练时间比单输出模型减少约三分之二。学习曲线表明，模型MO在数据量达到4000样本时性能趋于稳定，平衡了精度与计算资源消耗。

3.4. LGBM代理模型

LGBM模型在TEDI和CEDI预测上略优于ANN模型（测试集R²>0.998），但对EUI的预测精度较低（R²=0.995），且泛化能力较差，易过拟合。相比之下，ANN模型在多项指标上表现更均衡。

3.5. 局限性与未来工作

本研究基于合成数据，未考虑实际运行中的 occupant behavior（ occupant behavior ）和设备退化等因素。未来可结合实测数据验证模型鲁棒性，并探索模型在其他建筑类型或气候区的迁移应用。

研究结论表明，以HVAC系统为分类输入的多输出ANN代理模型在预测EUI、TEDI和CEDI时具有最优的综合性能（R²>0.997，RMSE<1.42 kWh/m²/年），且显著降低了计算成本。该模型能够快速评估MURB中多种 retrofit 方案的能耗影响，支持建筑业主、能源管理者和政策制定者高效决策，推动建筑领域碳中和进程。此外，学习曲线分析为代理模型的数据量优化提供了实践指导，进一步提升了方法的实用性和可扩展性。