基于日常运行轨迹的碳排放暴露诊断与建筑优先级排序：重庆某群监测办公楼研究

《Sustainable Cities and Society》：Carbon exposure diagnosis and building prioritization using daily operating trajectories: A monitored office building portfolio in Chongqing

　　

- 日负荷轨迹支持了组合层面的建筑优先级排序。
- 高负荷天数仅占5.1%，但贡献了13.6%的用电量和估计的CO?排放量。
- 四栋建筑在20次敏感性排名中至少有80%保持优先地位。
- 留存的优先建筑产生了随机均值估计CO?减排量的2.80至3.00倍。
- 负荷削减遵循了节电量，而负荷转移则取决于信号的时序。

**引言**

建筑运营是建筑部门低碳转型的核心。年EUI、年用电量以及年平均水平电力排放因子为组合层面的基准比对、绩效评估和长期运营管理提供了成熟依据（Lai & Lu, 2019）。高分辨率运营数据通过揭示日内负荷变化、日间运营差异及其时间相关的碳影响，提供了互补信息。由于电力碳强度随时间变化，相同电量的用电量根据需求发生的时间不同，其排放影响也不同（Goldsworthy & Aryai, 2023; Khan et al., 2018）。因此，建筑组合管理可以从建筑-日尺度的诊断中受益，与年度绩效评估相辅相成。

办公建筑组合包含两个来源的运营差异。建筑规模、围护结构特征、系统配置、设备容量和管理实践在建筑之间造成差异，而每栋建筑在不同天数中可能表现出独特的24小时负荷轨迹。逐时用电数据使这些反复出现的日间运营状态可被识别（Miller et al., 2018）。有效的组合管理还需要评估不频繁出现的运营状态是否对用电量和估计CO?排放量的贡献不成比例，这些状态层面的贡献是否能为建筑优先级排序提供依据，以及基于优先级的干预措施在实际运营约束下的表现如何。

本研究使用重庆38栋办公建筑的逐时监测数据，将这些需求结合起来。它将日间运营状态诊断与建筑优先级排序及约束条件下的反事实干预比较联系起来。

建筑组合评估通常依赖于年用电量、面积归一化EUI和绩效基准。这些指标支持建筑间的横向比较、运营绩效评估以及初步的改造候选识别。多准则方法通过支持组合内建筑的资源分配和基于绩效的优先级排序扩展了这一评估（Kaminski & Odonkor, 2025; Melo et al., 2023; Vaisi et al., 2023）。运营碳绩效也已成为重要的评估维度，尽管结果取决于气候条件、核算边界、一次能源因子和碳排放核算惯例（C.-Y. Chen et al., 2021; D. Chen et al., 2025; Karanfil et al., 2025; Simson et al., 2025）。

逐时和亚逐时数据使评估从年度总量向日间运营过程转变（X. Liu et al., 2022; Miller et al., 2020）。聚类（Zhou et al., 2022）和模式识别（K. Li et al., 2018; X. Liu et al., 2022）方法已被用于识别典型日负荷轨迹、检测低效运营时段，以及比较建筑内和建筑间的负荷模式。动态基准（C. Liu et al., 2024）和概率建模（Xu et al., 2026）进一步纳入了运营时间表、温度设定、人员行为和外部条件来解释实测用电量（Seo Yoo et al., 2024）。

这些研究确立了高分辨率负荷数据的价值，但日间运营状态识别与组合层面贡献评估之间的联系仍然有限。特别是，很少有研究将每种运营状态的出现频率与其用电量和估计排放量的贡献进行对比。这种对比对于识别对组合绩效产生不成比例影响的低频运营状态是必要的。

本文定义的碳排放暴露是建筑电力需求与时变电力碳强度之间的时间对齐。运营碳评估越来越多地在年均核算之外纳入时间分辨排放因子（Goldsworthy & Aryai, 2023; Greer et al., 2024; Hamels et al., 2021）。电力碳强度随发电结构、系统需求、可再生能源出力以及区域间电力交换而变化（Goldsworthy & Aryai, 2023; Khan et al., 2018）。其解释还取决于地理范围、时间分辨率、核算边界以及使用平均因子还是边际因子（Hamels et al., 2021; Khan et al., 2018）。关于高分辨率电网碳强度（Greer et al., 2024）和基于消费的碳核算（Tranberg et al., 2019）的研究证实，用电的排放影响既取决于消费规模，也取决于需求时序（Greer et al., 2024; Sun et al., 2023; Tranberg et al., 2019）。

在建筑层面，时变碳强度已被用于揭示年均因子无法解析的运营绩效差异，并评估负荷时序的排放影响（Amaripadath et al., 2025; Hiyama & Srisamranrungruang, 2023）。Amaripadath等人（2025）表明，静态电网排放因子可能低估或高估近零能耗办公建筑的运营排放。逐时因子提供了建筑需求与电网碳强度之间时间对齐的更详细表征。相关研究还证明了在获取历史逐时电网数据有限的情况下，使用官方锚定的逐时碳强度信号进行运营状态诊断的价值（Jiang et al., 2026）。

然而，现有大多数研究仍聚焦于排放因子开发、电力系统碳强度估计、设计评估或单栋建筑的运营碳核算。将逐时碳信号与组合层面的日间运营状态诊断相结合的研究仍然有限。这种结合对于区分总体运营状态贡献与负荷和碳强度对齐所产生的时间碳排放暴露是必要的。

建筑优先级排序支持在组合内分配有限的管理和改造资源，本质上是一个多准则决策问题（Betz et al., 2024; Lari et al., 2025; Pahlavan & Nord, 2026; Piredda et al., 2025; Shim et al., 2024）。现有方法纳入了用电量、碳排放、建筑特征（Betz et al., 2024; Lari et al., 2025）、经济成本、预算约束和政策目标（Pahlavan & Nord, 2026; Piredda et al., 2025; Shim et al., 2024），以识别优先建筑并评估组合层面的改造策略（Betz et al., 2024; Lari et al., 2025）。

相关研究使用实测绩效数据（Lee et al., 2025）、概率基准（C. Liu et al., 2024）、空间分类（Song et al., 2025）和技术组合（Kang et al., 2022; Y. Liu et al., 2023; Weerasinghe et al., 2024）来估计节能和减碳潜力。例如，Song等人（2025）结合空间分区、逐时电力需求和智能控制技术，评估了不同地点和运营时段办公建筑的节能潜力。

需求侧干预措施的估计潜力还取决于反事实基线、可调负荷可用性、时间分辨率、控制策略和舒适度约束（Granderson et al., 2021; H. Li et al., 2023）。Granderson等人（2021）证明，商业建筑的峰值负荷削减必须针对估计的无干预基线进行评估，且所选基线模型会影响最终的削减估计值。这些发现凸显了在共同假设和实际运营约束下比较优先级排序和干预策略的必要性。

目前研究很少将日间运营状态信息、时间碳排放暴露、多准则建筑优先级排序、随机选择基准、匹配节电量基准和运营约束整合在单一框架内。这限制了判断优先建筑选择在不同管理目标下是否保持稳定，以及针对性干预措施相对于简单的选择和减排策略是否提供额外价值的能力。

Jiang等人（2026）对单栋办公建筑应用了日间运营轨迹诊断和官方锚定的情景化逐时碳强度信号。本研究保留了基于轨迹的诊断逻辑和碳信号表述方式，但解决的是组合层面的管理问题。它将分析扩展至38栋建筑的组合，并进一步考察了运营状态频率与用电量及估计排放量的贡献、多准则建筑优先级排序、与随机选择和匹配净节电量基准的约束反事实干预比较，以及时间外样本验证。Jiang等人（2026）使用的单栋建筑及其监测用电数据集未纳入本组合，尽管监测期在日历时间上有所重叠。

本研究通过整合日间运营状态贡献诊断、建筑优先级排序和约束反事实干预比较，弥补了上述差距。以下研究问题得到探讨：

1. 哪些日间运营状态刻画了被监测办公建筑组合的特征？它们的出现频率与对用电量和估计CO?排放量的贡献相比如何？
2. 哪些建筑成为组合层面低碳管理的优先对象？这些优先选择在替代管理偏好下的稳定性如何？
3. 建筑选择、运营状态范围和负荷调整方法如何影响节电量和估计CO?减排量？

本研究有三项贡献。第一，它开发了一种建筑-日尺度的方法，将日间运营轨迹识别与相对贡献诊断联系起来。其相对于日总量筛选的附加信息通过等规模上尾日EUI集合、建筑内标准化和稳定性分析进行评估。第二，它开发了一种多准则建筑优先级排序方法，综合了MDCB、AMDCB、C4运营天数份额和高碳时段排放份额。评估了指标依赖性、监测持续时间的影响，以及排名对指标组成和权重的敏感性。第三，它在一致的运营约束下比较了基于优先级的和随机的建筑选择、替代运营状态范围，以及负荷削减和负荷转移策略。分析将建筑选择、节电量和碳强度时序对估计干预结果的影响分离开来。

**章节摘要**

**总体研究框架**

对重庆38栋受监测办公建筑的使用，开发了一个将日间运营轨迹分析、碳暴露诊断和建筑优先级排序联系起来的流程。建筑-日作为基本分析单元。逐时用电量与天气数据、日历变量、建筑静态属性和建筑系统及设备特征进行了整合。

主全时段流程包括6个步骤，如图1所示。建筑覆盖范围为

**日间运营状态与终端用电构成**

随着聚类数量的增加，信息准则有所改善，但k≥5的解产生了更小的最小聚类。k超过6时重复拟合稳定性显著下降，k=8的解包含一个单例成分。基于聚类大小、稳定性和运营可解释性，主分析保留k=4。完整的模型选择结果在附录A中报告。

GMM利用24小时……将26,643个建筑-日分类为4种运营状态

**日间运营状态诊断的附加价值**

年EUI、总用电量和估计CO?排放量描述了组合的总体绩效，但未解析反复出现的日间运营条件如何对该绩效做出贡献。日间运营状态诊断通过联系出现频率与用电量及估计排放量的贡献，提供了这种互补信息。在被监测的组合中，C4出现频率低但对两个结果贡献不成比例。低频运营状态

**结论**

本研究利用重庆38栋受监测办公建筑的逐时用电数据，开发了一种建筑-日尺度的框架，用于运营状态贡献诊断、建筑优先级排序和约束反事实比较。

分析识别了具有不同负荷强度和日内结构的日间运营状态。C4仅占建筑-日的5.1%，但在C

**CRediT作者贡献声明**

蒋湘婷：原稿撰写、方法论、资金获取、概念构思。丁勇：审阅与编辑、监督、资金获取。Christhina Candido：审阅与编辑、监督。何宇锋：软件。颜浩然：可视化、资金获取。姚岩：软件。陈文迪：验证。

**利益冲突声明**

作者声明，他们没有已知的竞争性财务利益或个人关系可能影响本文所报告的工作。

**致谢**

本工作得到了中国国家重点研发计划[项目编号2023YFC3807700]、中国国家留学基金委[项目编号202506050092和202509800053]以及中国国家电网公司科技项目[项目编号SGCQDK00PDJS260014]的支持。作者还感谢受监测办公建筑数据集中数据提供方和建筑管理单位的参与支持。

蒋湘婷 | 丁勇 | Christhina Candido | 何宇锋 | 颜浩然 | 姚岩 | 陈文迪