综述：人工智能和数字孪生技术在智能、绿色和零能耗建筑中推动环境可持续性的应用：系统综述和集成框架

《Environmental Science and Ecotechnology》：AI and AI-Powered Digital Twins for Smart, Green, and Zero-Energy Buildings: A Systematic Review of Leading-Edge Solutions for Advancing Environmental Sustainability Goals

这篇综述系统性地探讨了人工智能（AI）和数字孪生（DT）技术在智能建筑（SBs）、绿色建筑（GBs）和零能耗建筑（ZEBs）中的应用，重点分析了其在提升能源效率、整合可再生能源、减少碳足迹（CO2）、优化资源管理和改善室内环境质量（IEQ）等方面的关键作用。文章构建了一个集成框架，阐明AI和DT如何通过协同作用推动建筑环境的可持续发展，并为实现可持续智慧城市（SSCs）和联合国可持续发展目标（SDGs）提供技术路径。

　　

引言

城市化进程的加速、生态环境的退化以及气候风险的加剧，使得发展可持续智慧城市成为全球当务之急。建筑环境作为全球能源相关二氧化碳（CO₂）排放的主要贡献者之一，其碳足迹占总量近40%，因此成为推动城市可持续发展环境目标的关键领域。在此背景下，人工智能（AI）、人工智能物联网（AIoT）、城市数字孪生（UDT）等技术的融合为应对可持续城市和建筑环境中的迫切环境挑战创造了新机遇。

近年来，AI技术，特别是机器学习（ML）和深度学习（DL），通过增强自动化、能源效率、 occupant comfort 和安全性等方面，正在彻底改变智能建筑。与此同时，AI在绿色建筑中的集成反映了对可持续设计、绿色创新以及资源和全生命周期优化的关注。对于零能耗建筑（ZEBs）、近零能耗建筑（nZEBs）、净零能耗建筑（NZEBs）和正能量建筑（PEBs），AI在预测优化、智能能源管理和可再生能源整合方面发挥着关键作用。AI与数字孪生（DT）技术的融合进一步增强了模拟优化、持续性能监控和智慧城市集成的潜力。

尽管人们对智能、绿色和零能耗建筑（SGZEBs）类型的兴趣日益增长，并且AI和DTs的融合带来了新的机遇，但当前的文献仍然碎片化，常常孤立地分析AI和AI驱动的DT应用，或专注于特定类型的建筑和环境可持续性的某些方面。本研究通过全面系统综述AI和AI驱动的DT解决方案在SGZEBs中的应用，旨在提供对这些解决方案如何通过分析关键建筑相关指标来增强环境性能的整体理解。

人工智能在智能建筑中的应用：提升效率、性能、热舒适性和控制

AI已成为智能建筑发展的关键驱动力。研究表明，AI技术能够通过实时数据分析和智能决策，优化建筑运营，提高能源效率，并提升 occupant comfort。例如，AIoT（人工智能物联网）技术通过结合AI算法和IoT数据，实现了实时监控、自动化和智能决策，显著降低了能耗和运营成本。

在能源管理方面，AI应用主要集中在通过机器学习和深度学习模型预测能源消耗模式，优化HVAC（供暖、通风和空调）系统和照明控制。智能建筑依靠AI收集和分析来自建筑系统的数据，如HVAC、照明、空间使用和安全性，并实时优化其性能和效率。机器学习算法用于根据环境数据和 occupancy patterns 预测能源需求。来自智能建筑中节能策略的反馈增强了AI的学习能力，从而实现了随时间的持续优化。

热舒适性是另一个关键领域，AI通过利用来自测量温度、湿度、空气质量和占用率的传感器的实时数据，可以动态调整供暖或制冷系统，以在优化能源使用的同时保持舒适。随着AI系统在理解人体舒适偏好和环境条件方面变得更加精确，它们可以更好地平衡节能与 occupant satisfaction。例如，AI可以优化HVAC系统，以在保持舒适温度的同时降低能耗，从而同时解决热舒适性和能源效率问题。

此外，AI在建筑性能和绿色建筑方面的应用通过优化建筑系统和减少环境影响而相互关联。AI用于模拟和预测建筑在各种运营场景下的性能，例如能源使用、结构完整性和资源消耗，从而帮助确定需要改进的领域。这些预测与AI模拟绿色建筑系统的能力相结合，允许对能源系统、用水、废物管理和材料进行微调，以最大限度地提高可持续性。

人工智能在绿色建筑中的应用：性能、预测、优化与可持续性

AI正在迅速成为推进绿色建筑设计、性能和整体项目管理的变革性力量。研究表明，AI在绿色建筑中的应用多种多样，从预测建模和合规支持到优化框架和对创造力作用的批判性反思。

在绿色建筑设计方面，AI工具可以支持建筑师、工程师和设计师优化建筑性能，提高获得绿色建筑认证的可能性。AI算法可用于模拟建筑设计，考虑能源使用、 occupant behavior 和环境影响等多种因素。这些AI驱动的设计随后可以与智能建筑系统集成，确保建筑从完工那一刻起就高效运行。此外，AI生成的设计可以使建筑更适应未来需求，集成智能传感器和自动化系统，从而增强整体建筑智能。

在能源性能和被动设计优化方面，AI应用最频繁地强调能源性能和被动设计优化。减少废物和循环策略也经常重现，通常与更具体的应用相结合。相比之下，可再生能源整合、碳足迹减少和特别是可持续水管理等领域探索得远为不足。这种不平衡表明，虽然AI被应用于优化建筑性能和材料效率，但其在推动绿色建筑的气候适应性、净零转型和整体资源管理方面的潜力仍未得到充分开发。

在成本估算和风险管理方面，AI通过提高成本估算的准确性、提供概率预测和优化成本控制，极大地改善了绿色建筑项目的成果。基于AI的框架有效管理众多成本影响因素之间复杂的非线性关系，在不同算法（包括神经网络、梯度提升和随机森林（RF））上实现了高预测精度。此外，AI通过识别和量化关键项目风险（如经济、市场、功能和火灾相关危害）促进全面的风险评估。结合专家判断和ML的混合方法通过优先处理关键风险和优化缓解策略，进一步提高了预测可靠性。

人工智能在零能耗、近零能耗和正能量建筑中的应用：优化、实时控制与透明度

AI已成为零能耗建筑（ZEBs）、近零能耗建筑（nZEBs）、净零能耗建筑（NZEBs）和正能量建筑（PEBs）优化和管理的核心。研究表明，AI和ML在预测能源分析、智能HVAC系统和实时能源管理等多个维度优化NZEB性能方面至关重要。

在能源效率和需求减少方面，AI自动化HVAC、照明和能源使用，通过实时数据和自适应控制实现。AI还平衡能源需求，使用预测建模和智能电网。在可再生能源整合和存储优化方面，AI将可再生能源与智能电网集成，优化电池存储，并实现需求响应。AI确保现场可再生能源满足能源需求，管理能源存储，并与电网交互。

在碳足迹减少和净零策略方面，AI跟踪排放，优化电气化，并提出碳减少路径。AI驱动的碳核算确保净零运营并抵消不可避免的排放。此外，AI在室内环境质量和热舒适性方面，基于AI的HVAC、空气质量监控和自适应照明优化 occupant well-being。AI平衡热舒适性与能源中性，同时确保空气质量。

预测性维护和生命周期优化方面，AI驱动的DT和故障检测减少了能源和资源浪费。AI预测材料降解、生命周期影响和资源再利用。AI确保长期建筑性能，同时保持零能耗目标。

人工智能驱动的数字孪生在建筑系统中的应用：推进智能、绿色和零能耗建筑环境

AI和DT技术在建筑系统中的集成正在重塑可持续智能建筑环境的格局。这些技术通过实时数据分析、预测建模和智能决策优化建筑运营，这对于推进环境目标至关重要。

在智能建筑中，AI驱动的DT通过自动化、预测性维护和 occupant-centered control 驱动性能优化。应用包括热舒适性优化、环境监控以及通过IoT和BIM（建筑信息模型）进行系统集成，从而实现自适应决策和建筑运营的韧性。尽管前景广阔，但大多数研究仍然是基于模拟的，表明需要进行大规模实证验证。

在绿色建筑中，AI-DT集成通过实现预测建模、实时监控和智能材料选择，增强了能源效率，减少了碳排放，并改善了 occupant comfort。研究强调了在气候变化下的能源消耗预测、CO₂排放跟踪和资源优化方面的应用，同时强调了 occupant well-being 和以人为本设计的重要性。

对于ZEBs和正能量区（PEDs），AI-DT集成通过平衡建筑和邻里层面的可再生能源生产与需求，提供先进的能源管理和战略规划。案例研究表明，AI-DT模型如何优化区域规模的系统，整合能源、交通和资源流，以实现净零或正能量目标。

人工智能-数字孪生集成推动环境可持续智能建筑与城市环境的框架

提出的框架展示了AI和DT技术如何通过协同作用推动SGZEBs的环境目标。该框架的核心在于AI提供了感知、学习、推理和决策的基本计算能力。在此基础上，AI子领域（如ML、DL和NLP）提供了从传感器、IoT设备和BMS收集的各种数据集中提取模式、生成预测、执行分类和实现智能交互的方法论工具和算法模型。

在后续层中，DT建立了物理建筑和基础设施的动态、实时虚拟表示，并与现实世界条件持续同步。AI和DT协同工作，驱动预测分析、实时监控、异常检测、场景模拟、自适应优化和战略规划，从而形成框架的智能骨干。

这些技术部署在三个关键的建筑类型中：智能建筑，其中AI和DT实现能源消耗、HVAC系统、照明、 occupant comfort 和安全性的智能控制；绿色建筑，其中可持续性导向的性能指标，如节水、室内空气质量、材料循环性和废物最小化，被持续监控、分析和改进；以及ZEBs，其中AI和DT模拟平衡可再生能源发电和能源消耗，动态调整运营以维持净零或正能量平衡。

通过这些应用，AI和DT直接影响并改善关键环境指标，包括能源效率和需求减少、可再生能源整合和存储优化、碳足迹减少和净零策略、水效率和资源管理、室内环境质量和热舒适性，以及预测性维护和生命周期优化。这些技术使建筑能够达到并自适应地超过既定的环境基准和认证标准。

该框架通过一个动态反馈循环运行，其中AI从持续更新的DT数据中学习，模拟为未来规划和运营策略提供信息，而真实世界的建筑性能反馈到优化AI模型中。这种自我改进的循环确保建筑和城市空间不是静态的成就，而是响应环境条件和变化而发展的生命系统。

结论

本研究表明，AI和DT技术在智能、绿色和零能耗建筑中的集成对于推进环境可持续性目标具有巨大潜力。通过提供一个集成框架，该研究阐明了这些技术如何通过协同作用优化建筑性能，提高资源效率，并支持更广泛的可持续发展目标。未来的研究需要解决技术、操作、环境、伦理和治理方面的挑战，以充分发挥这些技术在创建可持续智能建筑环境方面的潜力。通过持续的创新、数据驱动的适应性和以人为本的设计，该框架设想智慧城市作为与人类和地球和谐共存的生命系统。