《Sustainable Cities and Society》：A Scalable and Efficient Framework for City-Scale Building Energy Modeling with Microclimate Considerations
编辑推荐：
城市建筑能耗建模框架整合多源地理数据与微气候分析，应用于南京案例，揭示建筑类型与空间分布对能耗的显著影响，验证模型准确性并展示高效并行计算能力。
刘凯|徐晓东|林德清|张然|赵林志|Abudureheman Abuduwayiti|Francesco Causone
东南大学建筑学院，中国南京市玄武区四牌楼2号，210096
摘要
城市建筑能源建模（UBEM）对于支持能源效率评估和低碳政策制定至关重要。本研究提出了一个可扩展且高效的UBEM框架，并将其应用于中国南京。通过整合多源城市数据，构建了一个统一的城市建筑地理数据库。根据建筑类型和建造年份开发了建筑原型，并使用Urban Weather Generator（UWG）为每个街区生成了修改后的天气文件。通过结合Python脚本和并行计算的自动化工作流程，对1693个街区中的49793栋建筑进行了月度建筑能源模拟。比较分析表明，忽略微气候效应会导致冷却需求低估11.4%，供暖需求高估10.5%，其中高密度区域的偏差最大。结果还显示，不同类型建筑的能源使用强度（EUI）存在显著差异，医疗和商业建筑的能源需求最高。从空间上看，新开发区域的高层建筑群和大型公共设施成为主要的能源热点，而较老的市中心区域的能源需求较低。与实测数据的比较显示，公共建筑的模拟EUI在±20%范围内，证实了该框架的可靠性。所提出的方法在标准硬件上大约在36小时内完成了城市规模的模拟，凸显了其可扩展性和计算效率。总体而言，本研究提供了一个实用的UBEM框架，用于识别城市规模上建筑能源使用的空间模式和能源热点，从而支持能源高效的城市规划和有针对性的缓解策略。
缩写列表
| ACH | 每小时空气变化量 |
|---|
| AOI | 关注区域 |
|---|
| BEM | 建筑能源建模 |
|---|
| BEP | 建筑能源参数化 |
|---|
| CBD | 中央商务区 |
|---|
| CEA | 城市能源分析师 |
|---|
| CFD | 计算流体动力学 |
|---|
| COP | 性能系数 |
|---|
| EER | 能源效率比 |
|---|
| EPW | EnergyPlus天气数据 |
|---|
| EUI | 能源使用强度 |
|---|
| GIS | 地理信息系统 |
|---|
| HVAC | 供暖、通风和空调 |
|---|
| HSCW | 炎热夏季和寒冷冬季
|---|
| IDF | EnergyPlus输入数据文件 |
|---|
| LLM | 大型语言模型
|---|
| MBE | 平均偏差误差
|---|
| NDVI归一化植被指数 |
|---|
城市建筑能源建模的方法和工具
UBEM是评估城市规模建筑能源性能的重要方法。它在城市能源规划、现有建筑的改造、区域能源系统的优化以及气候变化缓解中发挥着关键作用（Hong等人，2020年；Li和Feng，2025年）。UBEM通常可以分为两类：自上而下的方法和自下而上的方法（Torabi Moghadam、Delmastro、Corgnati和Lombardi，2017年）。自上而下的方法通常基于汇总数据
框架概述
本研究提出了一个可扩展且高效的城市建筑能源建模（UBEM）框架，该框架考虑了城市微气候效应，并将其应用于南京的主要城区（图1）。该框架整合了多源城市数据，以城市街区作为基本模拟单元，同时在单个建筑层面计算能源消耗。基于此框架，开发了南京UBEM模型，并使用外部数据验证了模拟结果
南京城市建筑地理数据库
在处理和清洗多源空间数据集后，南京主要城区共识别出51155栋建筑。其中，49793栋为民用建筑（住宅、办公、商业和医疗），而1362栋为工业建筑，仅占总建筑量的2.7%。由于工业建筑的运行时间表和热特性与民用建筑有根本不同，因此将其排除在后续建模之外
微气候对季节性和空间能源使用的影响
为了量化微气候整合对城市建筑能源建模的影响，对两种模拟场景进行了比较分析：一种使用原始的TMY天气文件，另一种使用UWG修改后的天气文件，其他所有模拟参数保持不变。
在城市规模上，两种场景的年总能耗非常相似。基于TMY的模拟结果约为16334.2 GWh，而使用UWG修改后的天气文件的模拟结果
结论
本研究提出了一个可扩展且高效的城市建筑能源建模（UBEM）框架，并展示了其在南京的应用。该框架系统地整合了多源城市空间数据，构建了一个统一的几何和语义数据库。在此基础上，开发了一个非几何建筑原型库，并使用UWG模型生成了街区级别的修改后天气文件。该框架有效整合了关键流程，包括数据
CRediT作者贡献声明
刘凯：撰写 – 审稿与编辑，撰写 – 原始草稿，软件开发，方法论，形式分析。徐晓东：监督，资金获取。林德清：调查，数据整理。张然：软件开发，概念构思。赵林志：可视化，概念构思。Abudureheman Abuduwayiti：验证。Francesco Causone：撰写 – 审稿与编辑，监督，方法论。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢
本文所述的工作得到了中国国家重点研发计划（项目编号2024YFC3809202）和中国国家自然科学基金（项目编号52478011、52378046）的支持。本文中的任何观点、发现、结论或建议均为作者个人观点，不一定反映资助机构的立场。
