数字孪生的最低可行数据（MVD）：数据稀缺场景下服务不足社区的能源表征

《BUILDING AND ENVIRONMENT》：Minimum Viable Data (MVD) for Digital Twinning: Underserved Community Energy Representation in Data Scarcity Scenarios

　　

服务不足的社区往往面临高昂的能源成本，同时缺乏能源研究通常所需的监测系统和高精度建筑数据。本文提出了一个最小可行数据（MVD）框架，用于在数据稀缺条件下的社区规模能源筛查。该研究使用亚特兰大17栋独立住宅的月度家庭用电量、电器级记录和公开的房产评估数据，探讨有限但可广泛获取的数据集是否能够支持对家庭能源脆弱性模式的初步识别。该框架将高频研究数据与操作型MVD输入区分开来，并将电力使用、公共记录、基于PEVI的筛查和隐私保护的空间可视化整合到一个社区规模的工作流中。结果表明，月度用电量结合房产评估记录能够支持对家庭条件的探索性区分，在所检查的公共记录变量中，评估的房产价值与代理能源脆弱性指数（PEVI）显示出最强的观测关联。空间可视化进一步支持了对家庭条件的匿名化比较。对14户家庭的内部时间稳定性评估显示，2025年和2026年匹配的3月至4月期间，PEVI和能源强度排名表现出高度一致性（Spearman ρ 分别为0.824和0.851；置换p值均 < 0.001）。探索性k-means聚类产生了三个初步的家庭分组，其中包括一个高PEVI和高强度小组，占样本的17.6%（n = 3），其PEVI值为24.75-31.26，能源强度高达1.7 kWh/ft2/月。总体而言，MVD框架可以在减少对侵入式传感基础设施依赖的同时，支持早期阶段的家庭识别和优先级排序。

引言

能源可负担性仍然是美国家庭面临的最紧迫的公平挑战之一。能源负担是指用于公用事业账单的家庭收入百分比，这对低收入和少数族裔人口造成了不成比例的影响，通常达到全国平均水平的三倍[1,2]。在佐治亚州的亚特兰大，这些不平等现象十分明显，许多历史上服务不足的社区中的家庭面临城市热岛效应，能源支出占其收入的比例超过10%，而全国平均水平仅为3%[3,4]。高昂的能源负担降低了财务稳定性，同时加剧了健康和社会脆弱性。它们限制了居民维持热舒适、投资升级以及参与清洁能源转型的能力[5]。由于这些不平等现象具有深刻的空间性和系统性，有效的解决方案必须将能源数据与社区环境和清晰的沟通结合起来，才能实现有意义的影响。

高昂的家庭能源成本不仅限制了经济资源，还直接影响身心健康。当不成比例的收入份额被用于公用事业费用时，家庭往往会经历能源不安全状态，即无法满足其基本能源需求[6,7]。能源不安全会导致不良健康结果。例如，供暖不足与呼吸道疾病、心血管压力和冬季超额死亡率有关[8]。同样，制冷不足会加剧与高温相关的疾病，尤其是老年人和儿童中[9]。室内空气质量差，源于供暖不足或通风不良的空间，也与哮喘和其他呼吸系统疾病有关。除了身体疾病之外，面临持续公用事业中断风险的家庭还报告了增高的压力、焦虑和抑郁症状，说明了能源不安全的心理社会代价[6]。这些发现进一步强调，能源负担不仅是一个经济指标，也是一个具有公平性影响的公共健康问题[8]。因此，需要能够筛查不平等可能集中的领域，并为进一步评估确定优先级的工具。

尽管形势紧迫，但在受影响最严重的社区中，住宅能源绩效的可靠评估仍然有限。标准方法通常依赖于资源密集型的建筑审计、高分辨率传感网络或详细的建筑元数据，而这些通常仅在富裕地区或新开发区域可用[10]。能源审计每户成本可达数百美元，并且需要侵入性访问，使其在资源受限的环境中无法大规模实施[11]。城市建筑能源建模（UBEM）已成为评估整体绩效的强大且流行的工具；然而，它通常假定能够获得详细的建筑几何形状、材料特性和暖通空调系统规格[10,12]。这种数据密集型需求造成了结构性错配：通常缺乏此类文件的服务不足社区，在基于模型的能源政策和研究中仍然代表性不足。如果不进行调整，传统UBEM工作流程有通过排除面临最大能源负担的人群而延续不平等的风险[5,13]。

数字孪生是创建物理资产的动态、数据连接的虚拟模型，代表了能源分析和社区参与的一种新兴方法[[14], [15], [16]]。在建筑和城市环境中，数字孪生整合监测数据、模拟输出和可视化平台，以实现绩效评估、预测建模和决策支持[17]。新加坡和赫尔辛基等城市已开始尝试使用数字孪生进行规划，而大学和私营企业已试点建筑级应用，将物联网传感器与实时模型连接起来[18,19]。然而，数字孪生应用通常假定数据丰富，依赖BIM、广泛的传感器部署或专有数据集，这些在服务不足的社区中并不可行。这提出了一个关键的研究缺口：识别构建在数据稀缺条件下仍然有意义且可操作的数字孪生所需的最小可行数据（MVD）。MVD是从创新研究中汲取的概念，此处应用于能源公平领域，其认为如果适当利用，仍可从部分、低成本或公开可用的数据集中产生有价值的洞察。MVD框架不追求穷尽式的精确度，而是寻求确定哪些有限输入集最能支持社区规模的分析、可视化和决策制定。在本研究中，"最小可行数据"指的是用于初步社区规模筛查的一组实用操作输入，而不是普遍最优的最小数据集。在框架开发期间可获得更高分辨率的监测数据，但这些数据被视为研究数据，而非必需的操作输入。

本研究专注于佐治亚州亚特兰大一个历史上服务不足的社区，那里的居民面临不成比例的PEVI和有限的建筑改造项目获取机会。我们分析了17栋可获得三个研究数据来源的独立住宅：
1. 全屋用电量数据，汇总为月度及季节性能源概况。
2. 电器级监测数据，用于负荷构成的背景解释。
3. 公共房产记录，包括建造年份、建筑类型、建筑面积、供暖系统信息和房产估值。

汇总的月度用电量和公共房产记录构成了拟议的操作型MVD输入，而电器级监测则用于背景研究分析，不作为部署要求。与传统的UBEM或审计驱动的研究相比，这些数据集明显有限，但它们代表了在数据稀缺条件下工作的社区组织和市政机构的现实基线。目的是确定这些输入是否能以及如何产生关于PEVI、家庭脆弱性和空间不平等的有意义洞察。基于这些动机，本文开发并评估了一个用于数据稀缺环境中社区规模数字孪生的MVD框架。具体来说，本文的研究问题如下：
1. 在数据稀缺条件下，汇总的月度用电量和公共房产记录能在多大程度上支持初步的家庭能源筛查？
2. 是否某些数据集与PEVI升高持续相关，并且能否在不进行完整能源审计的情况下，利用这些指标标记高风险房屋？
3. 将能源绩效指标整合到空间数字孪生环境中，如何提高家庭层面差异的可解释性，并支持面向社区的能源公平评估？
4. 哪些公共记录变量与PEVI或能源强度表现出可观测的关联，初步的家庭分组是否具有可能支持在数据稀缺条件下进行后续筛查的共同特征？

本研究旨在推进数据稀缺条件下的能源公平和数字孪生，特别是针对面临不成比例高PEVI的服务不足或边缘化社区。佐治亚州亚特兰大城市体现了这一挑战：一个快速增长的都会区，其特征是经济不平等和种族差异，以及日益增加的应对气候变化影响的脆弱性，包括加剧的极端高温[20]。在这样的背景下，传统的建筑能源分析方法，如完整的能源审计或基于传感器的监测，对于低收入家庭来说成本过高、侵入性太强且不切实际，限制了参与度和可扩展性。确定哪些最小数据集能够产生实用的研究结果，对于提高数字孪生技术的可及性并确保其益处惠及最需要这些益处的社区至关重要。能源行业的数字孪生研究主要假定可获得丰富的建筑元数据和传感网络，例如使用智能电表或详细的施工记录来模拟绩效和干预措施[21,22]。然而，这些假定很少适用于服务不足的社区，那里的建筑记录往往过时，室内测量无法获得，居民可能抗拒侵入式的数据收集。这造成了研究和实践中的关键缺口：如何设计既数据精简又面向公平的社区规模数字孪生。

本研究做出了三项贡献。首先，它通过区分更高频率的研究数据和未来社区规模部署所提议的低分辨率输入，指定了一种实用的操作型MVD配置。其次，它评估了汇总的月度用电量和公开的房产记录是否能够支持基于PEVI和能源强度的家庭筛查，并检查了在匹配日历月窗口内所得家庭排名的内部时间稳定性。第三，它在隐私保护的空间可视化和社区能源仪表板中实现了这些筛查输出。本研究的原创性在于在现实约束下，将这些组成部分作为低数据社区工作流进行操作性整合和实证评估，而不是开发新的预测模型、聚类算法或基于收入的能源脆弱性指标。

近期研究片段

数字孪生和UBEM已发展为建筑环境中建模、可视化和决策支持的实用工具。UBEM方法整合了建筑几何形状、围护结构特性、占用时间表和暖通空调系统描述，以在街区、社区或城市规模上模拟能源需求[23]。数字孪生通过将有或接近实时数据流与模拟引擎和可视化层耦合，扩展了UBEM的概念，提供对……的动态表示

研究方法

本研究在格鲁夫公园进行，这是一个具有历史意义的社区，位于佐治亚州亚特兰大的西区。过去几十年中，该社区面临了投资撤离、住房老化以及人口下降。因此，能源可负担性和住房质量已成为居民面临的持久挑战。经济不平等与老旧的住宅基础设施相结合，使得格鲁夫公园成为研究应用的关键案例。

结果

本节呈现了格鲁夫公园案例研究的分析发现，依托17栋独立住宅的用电量记录，结合公开的房产评估数据，并在OCP数字孪生界面内进行集成可视化。分析探讨了从最小数据输入中是否能产生有意义的能源绩效洞察，以及空间化表示是否能够揭示在非空间格式中会被掩盖的模式。

讨论

本研究旨在通过所提出的MVD框架，检验在极端数据稀缺条件下是否能产生初步的家庭级能源洞察。由于样本量受限以及数据稀缺的环境，本研究优先考虑探索性筛查和解释性模式识别，而非具有统计可推广性的推断。分析表明，能源脆弱性指标可以从两种广泛可获取的数据源的整合中得出：月度

结论

本研究通过应用MVD框架，探索了在严重数据稀缺条件下是否能够产生有针对性的能源公平洞察。通过整合低成本且易于获取的数据集，分析在参与样本中识别了PEVI和能源强度升高的家庭，PEVI高达31.26，能源强度峰值达到1.7 kWh/ft2/月。这些发现表明，高分辨率间隔数据、详细的建筑

生成式AI声明

在准备本文工作期间，作者使用了OpenAI的ChatGPT来协助英语编辑，包括语法、措辞和可读性。使用该工具后，作者对内容进行了必要的审阅和编辑，并对发表文章的内容承担全部责任。

CRediT作者贡献声明

Dingkun Hu：撰写——初稿、可视化、软件、方法学、形式分析、数据管理。Tarek Rakha：撰写——审阅与编辑、监督、资源、项目管理、资金获取、概念化。

Dingkun Hu | Tarek Rakha
美国佐治亚理工学院建筑学院