美国既有建筑改造简化建筑能耗分析工具的比较评估：预测精度、数据需求与真实工程实施可行性

《Energies》：Comparative Review of Simplified Building Energy Analysis Tools for Retrofitting Existing US Buildings

　　

对选定能源效率措施（EEMs）潜在节能量的估算通常需要专业能力、耗时建筑审计和详细工程分析。为应对该挑战，全球已开发多种简化改造评估工具包；然而，这些工具包缺乏识别最优改造组合包和校准能耗模型的能力，且面向用户特定需求设计，数据需求水平各异。本文利用两个定义明确的原型建筑——一个宗教场所和一个办公建筑——对美国开发的四个公开可用简化建筑改造评估工具包进行比较评估。该评估将工具包结果与先进整体建筑能耗模拟工具EnergyPlus所得结果进行比较，以衡量四个简化建筑改造评估工具的预测精度和建模能力。分析结果可指导从业者选择最契合其需求、可用数据集和所需精度水平的改造分析工具。此外，研究人员将工具应用于真实建筑，并与建筑业主讨论推荐改造建议，以评估其实际部署；该讨论促成对改造工具未来发展方向识别。

1. 引言
建筑部门在全球碳减排和能源转型中具有关键作用，既有建筑存量改造是提升能效的重要途径。传统改造决策依赖专家知识、建筑能耗审计和工程分析，整体建筑能耗模拟工具（如EnergyPlus、eQUEST）虽可量化节能潜力，但建模复杂且耗时。快速评估改造工具可降低建模工作量并支持决策，通常需具备友好界面和基于物理原理的工程算法。现有快速评估工具采用数据驱动基准、基于测量的基准和基于模型的基准等策略，但多数工具在用户自主选择改造措施、最优组合包分析和模型校准方面存在不足。美国能源部（DoE）及相关机构开发了多种工具，导致市场工具繁多、精度和适用性不一。本研究旨在对美国四个开源改造分析工具包进行比较评估，并识别其在真实建筑中部署的障碍。

2. 文献综述
文献检索聚焦2022—2026年改造分析工具相关研究，筛选出34项比较研究或工具应用研究。现有研究主要应对四类挑战：可靠建筑能耗模型所需数据量大，可通过自动几何生成、建筑信息模型（BIM）到建筑能耗模型（BEM）工作流、地理信息系统（GIS）城市建模、无人驾驶航空器（UAV）建筑信息和LLM辅助模型生成等缓解；改造组合包需平衡能耗、成本、碳减排、室内环境质量、遗产保护和可再生能源等目标；既有建筑存量多样性和区域/城市尺度计算负担；缺乏详细数据和建模经验用户的初步决策支持。工具开发日益结合当地建筑存量、气候、法规、数据和遗产约束。按模拟原理可分为物理模型和数据驱动方法，多数工具依赖EnergyPlus、OpenStudio、DesignBuilder、TRNSYS或简化热平衡方法；数据驱动工具多用于初步分析。模型校准尚未被一致考虑，仅少数研究讨论基于实测数据的校准。

2.1 所选美国改造分析工具包综述
研究选择公开、免费、可用于真实建筑且文档较完善的美国工具，包括BETTER、DOE Asset Score、Energy Star Portfolio Manager（ESPM）、CBES和SABER。
2.1.1 BETTER
BETTER采用ASHRAE逆建模工具包（IMT）和变化点建模，基于月度能耗与室外温度回归计算供暖/制冷敏感性和基荷，并与基准比较。用户可选择保守、名义和激进节能目标，工具推荐15项定性措施中的若干项并估算总节能和成本。其优点是输入少、运行快，但不提供措施规格和成本效益分析，结果依赖公用事业数据质量。
2.1.2 DOE Asset Score
Asset Score采用简化几何和预定义系统建立EnergyPlus简化模型，以1—10分评估建筑能效。用户可拖拽创建矩形、H形、L形、T形和U形块并指定用途、围护结构和HVAC系统。工具提供有限改造措施并评估组合包对评分的影响；成本以定性范围报告，采用COMNET分时电价数据，生命周期分析假设0%贴现率和25年周期。其局限包括几何简化、HVAC类型有限和不能评价用户自定义措施。
2.1.3 ESPM
ESPM基于PRISM方法，利用月度账单数据和建筑特征进行多线性回归，建立天气归一化EUI，并以1—100分基准化。用户可输入面积、层高、运行时间、人员、计算机和制冷设备等信息，缺失时可用默认值。ESPM可使用实际公用事业成本数据，但不具备改造分析能力。
2.1.4 CBES
CBES提供三级分析：负荷形态分析、初步改造分析和详细改造分析。初步分析利用约1000万次EnergyPlus预模拟SQL数据库，覆盖7类原型建筑、16种气候和6个年代，并可按投资准则提供单项和组合包措施。详细分析采用自动校准算法，调整16类参数，直至满足ASHRAE Guideline 14的NMBE<5%和CVRMSE<15%。CBES可计算节能、成本、CO₂排放、投资和回收期，并支持最多四个组合包。其范围限于加州办公和零售等建筑类型。
2.1.5 SABER
SABER为Python图形界面工具，基于用户输入和至少12个月公用事业数据生成EnergyPlus模型并校准。校准通过调整运行时间表、电/气基荷和月度供暖/制冷设定点实现，设定点默认范围分别为10—25 °C和15—35 °C；模型相对误差按月控制在5%以内，并以CVRMSE和NMBE对照ASHRAE Guideline 14校验。SABER可评估单项和组合措施，进行生命周期成本（LCC）分析，并按目标函数和约束优化最优改造组合包。

3. 方法
研究采用两步分析。第一步选择宗教场所和小型办公两个原型建筑，以EnergyPlus基线模拟作为地面真值参考，生成代表性月度公用事业数据；将所选工具应用于原型建筑，记录输入需求、推荐措施、节能、成本节省和LCC输出；再将各推荐措施或组合包逐一在EnergyPlus中实现，比较工具预测节能与EnergyPlus预测差异。第二步将工具应用于四栋真实既有建筑，与业主讨论推荐措施的实际可行性，识别建筑特定、市场、人口、文化、监管和基础设施障碍，并据此提出工具改进方向。

4. 改造工具比较分析
在五个工具中，ESPM不能进行改造分析，故仅四个工具参与与EnergyPlus的比较。两个原型建筑位于ASHRAE气候区3C，分别为旧金山宗教场所和圣迭戈办公建筑。EnergyPlus提供基线月度公用事业数据及年度总场地能耗、电力、天然气、供暖和制冷能耗；各工具推荐措施在相应EnergyPlus模型中实现并计算节能百分比。
4.1 原型建筑
宗教场所约12,600 ft²（1171 m²），含会议、教室和办公三个空调区，窗墙比约11.5%，玻璃SHGC约0.54、U值约1.03 Btu/h·ft²·°F（5.85 W/m²·K），照明功率密度为1.4 W/ft²（15.07 W/m²）和0.9 W/ft²（9.69 W/m²），采用屋顶燃气加热和DX制冷，供暖效率0.78、制冷COP 3.27。办公建筑约5500 ft²（511 m²），含核心区和四个周边区，窗墙比23%，单层玻璃U值约1.027 Btu/h·ft²·°F（5.83 W/m²·K）、SHGC 0.76，照明功率密度约1.01 W/ft²（10.87 W/m²），五套包装空调COP 2.34和燃气炉效率0.8。
4.1.1 BETTER
BETTER基于EnergyPlus生成的月度公用事业数据建立变化点模型，并与同类建筑组合比较，估算两个原型建筑潜在节能。
4.1.2 Asset Score
宗教场所被建模为三个热区并尽量近似EnergyPlus系统配置；办公建筑被建模为单块单热区单系统，较EnergyPlus显著简化，体现其几何和系统建模限制。工具按空间类型自动分配 occupancy 假设，并给出组合包改造建议及节能。
4.1.3 CBES
CBES当前范围有限，仅适用于加州办公和零售建筑且限于天然气供暖，因此宗教场所用小办公模型表示。工具给出两个原型建筑的单项和组合包改造分析结果。
4.1.4 SABER
SABER基于基本建筑信息和月度公用事业数据建立并校准模型。宗教场所电力CVRMSE 3.44%、NMBE ?3.27%，热力CVRMSE 7.92%、NMBE 4.39%；办公建筑电力CVRMSE 4.57%、NMBE 4.53%，热力CVRMSE 3.98%、NMBE ?3.94%。工具评估单项措施年节能和简单回收期，并通过LCC优化确定最优组合包。
4.2 简化改造分析工具与EnergyPlus模拟的比较评估
比较显示，BETTER仅提供组合包级建议并持续高估节能，宗教场所和办公建筑分别较EnergyPlus高49.5%和34.4%。Asset Score估计较接近，差异分别为0.8%和20.3%，办公建筑差异较大可能与其几何简化有关。CBES单项和组合包结果总体接近EnergyPlus，宗教场所差异0.3%—2.3%，办公建筑0%—16.0%。SABER总体低估节能，宗教场所差异2.1%—17.7%，办公建筑0.3%—9.9%。结果表明工具精度差异显著，并受建筑几何、系统和推荐措施可表达程度影响。

5. 真实建筑应用
SABER、BETTER和Asset Score被应用于美国蒙大拿州四栋既有建筑，包括两座教堂、一个食物银行和一个住宅；CBES因限于加州被排除。四栋建筑具有详细能源审计、建筑规格和长期公用事业数据。三个工具估算单项和组合包措施的能耗与成本效益；SABER还通过校准模型和LCC最小化识别最优改造路径。

6. 讨论
四个工具在分析方法、措施选择准则、复杂度、输入需求和精度阈值方面差异明显，适用性取决于分析目标、措施类型和可用建筑信息。BETTER适合基准化和初步筛选；Asset Score采用物理建模但几何简化且组合包评价有限；CBES和SABER支持更详细分析，其中SABER可进行LCC优化，但二者均需更详细建筑信息。
6.1 BETTER
BETTER适合仅有月度公用事业数据时的快速分析，可判断建筑是否可能从改造受益；但其措施通用，不考虑建筑几何和系统具体特征，不进行单项成本效益分析，结果高度依赖公用事业数据质量和变化点模型拟合。
6.2 Asset Score
Asset Score利用简化几何和有限系统建立未校准模型，可推荐有限措施并评价组合包对评分影响，但不允许用户自定义措施，不能处理多系统服务空间，且不进行推荐措施成本效益分析。
6.3 CBES
CBES灵活性较高，可基于校准模型评估单项和组合包措施，但限于加州办公、零售和混合用途建筑，面积需大于5000 ft²（465 m²），几何仅矩形，校准仅针对天然气供暖预测，不能评价电供暖建筑，且需手动选择组合包。
6.4 SABER
SABER可基于校准模型进行能耗和成本效益分析并按LCC最小化选择最优组合包，但当前仅适用于住宅和小型商业建筑、单一HVAC系统类型、单区设施以及电力和/或天然气建筑。

7. 结论
针对RQ1，比较分析表明工具在精度、数据需求、分析能力和用户专业水平需求上差异显著，存在易用性与分析复杂度权衡。BETTER输入最少但偏差最大；Asset Score提供建筑特定物理评估但受简化几何和组合包评价限制；CBES和SABER支持校准模型下的详细分析，但需更多信息和专业知识；SABER还支持LCC优化。与EnergyPlus比较的精度差异因工具和建筑类型而异。针对RQ2，真实建筑应用和业主讨论识别出能源可靠性与冬季供电安全、当地犯罪与破坏风险、农村/偏远地区专业承包商和安装服务可及性、低成本/无成本措施优先、以及occupant behavior对基线表征的影响等实际障碍。改造建议不应仅基于模拟节能和成本，还应考虑当地能源系统可靠性、安全条件、服务可用性、实施成本、occupant behavior和低成本替代措施。工具选择应依据所需分析层级、可用建筑信息、目标精度和用户专业能力。

8. 局限与未来工作
研究仅覆盖少量免费可获得工具、两个原型建筑和蒙大拿州四栋真实建筑，结果不代表全部商业或专有平台，也可能不适用于其他建筑类型、HVAC配置、气候和运行条件；真实建筑障碍识别主要来自改造建议呈现后的业主和管理者讨论，可能未覆盖其他地区的市场、人口、监管和基础设施条件。未来应扩展至更多开源和商业工具、建筑类型、气候区、HVAC系统和建筑复杂度，并纳入改造后实测数据以评估预测精度及工具支持测量与验证（M&V）的能力。未来工具开发还应纳入电力可靠性、合格承包商和专业服务可用性、当地市场条件、安全担忧、occupant behavior及低成本/无成本改进机会，以预筛技术可行但实际不可行的措施，改进实施成本和风险估计，并提高建议被采纳的可能性。