综述：城市建筑能源模型校准的最新研究综述：方法、应用、性能与展望

《ENERGY AND BUILDINGS》：A state-of-the-art review of urban building energy model calibration: methods, applications, performance and perspectives

　　

• •
  及时、系统地回顾了UBEM校准方法。
• •
  UBEM校准方法被分类、示例说明和比较。
• •
  它们在时间、空间和数据体制下的适用性得到评估。
• •
  它们在实际应用中的表现被报告、分析和讨论。
• •
  典型的加速技术被总结和分析。

引言

城市建筑能源模型已成为引导低碳城市转型[1]、规划大规模改造[2]以及协调建筑与电力和热力网络[3]不可或缺的工具。通过在多个空间尺度上表征数十至数百万栋建筑的能量需求，UBEM使长期减缓策略评估[4]、需求侧管理与灵活性方案设计[5]，以及气候和经济社会变化下能源系统韧性评估[6]成为可能。然而，这些分析的价值取决于UBEM能否忠实地再现实际能源使用和负荷模式。未校准或校准薄弱的模型可能使城市能源需求出现两倍以上的偏差，已发表的误差范围从年度汇总分辨率下的1%到跨时空尺度单栋建筑的1000%不等[7]，其成因包括物理性质[8]、人员行为[9]、系统运行[10]和城市微气候[11]等方面的复合不确定性。不确定性主要来自三个方面：(1) 模型输入中的参数不确定性，(2) 物理过程概念简化导致的模型形式不确定性，以及(3) 测量误差导致的观测不确定性[12]。不同阶段的误差通过建模链传播，最终影响模型精度[13]。

UBEM校准是指通过调整不确定输入并在适当情况下考虑模型差异，使模型输出与实测能源使用和负荷模式相吻合的系统过程，从而使模拟达到决策级并具备可转移性[14]。模型校准是UBEM产生可信、决策级结果所不可或缺的[15]。通过系统调整不确定输入并在必要时考虑模型差异，校准将基于物理的模拟锚定到观测到的城市能源使用和负荷模式上，从而提高预测精度、降低不确定性，并增强推断建筑群特征的可持续性[16]。若缺乏稳健校准，UBEM输出可能受相互抵消的误差和任意假设主导，进而削弱其在邻里、时段和政策情景之间的可转移性[17]。为此，越来越多的研究探讨了不同空间尺度和数据体制下的UBEM校准，涵盖从专家驱动的调优[18]、贝叶斯推断[19]、基于优化的校准[20]，到近期基于机器学习的框架[21]。现有UBEM综述已综合了概念定义与分类[22]、数据采集[23]与输入[24]、原型表征[25]、开发方法与工具[26]、[27]、[28]、校准与验证[22]、情景应用[29]以及挑战与机遇[30]等方面进展。然而，多数情况下校准仅作为更广泛UBEM开发流程中的一个环节予以讨论[31]，而非作为专注于校准工作流、可扩展性约束、不确定性处理与性能评估的专门方法综述。

尽管UBEM校准研究进展迅速，但仍缺乏一个系统、方法导向的综述，该综述需(i)在统一分类下组织现有校准方法，并明确关注其特征、可扩展性及不确定性处理；(ii)综合计算加速技术并汇总所报告的校准性能与成本，以支持更具一致性的跨研究比较；(iii)识别数据、方法、评估与物理现实方面的问题及未来方向。本综述填补了这一空白，通过提供UBEM校准方法与加速技术的结构化综合、刻画跨时间-空间-数据(T-S-D)体制的应用场景、汇总所报告的精度与计算成本，并概述面向标准化、可扩展、动态自适应UBEM校准的参考工作流与研究议程。

章节片段

范围与审稿协议

本综述聚焦于那些明确表征多栋建筑并试图在建筑、区域或城市尺度再现测量或观测能源相关量的UBEM校准方法和工作流。我们纳入的研究包括：

• •
  开发或应用UBEM或建筑群的校准程序；
• •
  利用经验数据（账单、智能表计、馈线级或网络数据）调整模型参数或结构；
• •
  报告定量校准结果（例如误差指标，

UBEM校准方法分类

图2总结了UBEM校准工作流与方法分类。如图2(a)所示，校准迭代比较模拟与观测输出，在预设准则未满足时更新不确定输入，并重复模拟直至达到可接受的一致性；校准后的模型随后可支持后续应用[30]。图2(b)按推理机制与不确定性处理将现有方法分为四类。手动校准（3.1）高度依赖

UBEM校准加速技术

UBEM校准在计算上开销较大，因为它通常涉及大量前向模拟，同时在高维不确定输入空间中搜索。本节回顾三种互补加速技术：敏感性分析（SA）(4.1)、抽样(4.2)以及元建模(4.3)。敏感性分析识别最具影响力的参数及其交互作用，从而实现降维并支持更有针对性的校准搜索。抽样技术通过覆盖

应用场景

UBEM校准场景按时间、空间与数据(T-S-D)体制进行分类（表9），为下文适用性评估提供基础。图13在这些维度上映射了所综述的校准方法与加速技术。区域和城市尺度的应用主要集中在静态/准动态以及数据稀缺/混合体制，反映了高分辨率、全动态城市尺度校准所面临的持续数据障碍。

校准方法适用性

表10比较了适用性

精度评估

精度综合聚焦于确定性指标，因为预测不确定性的概率指标（包括经验覆盖率、区间宽度、校准曲线和概率评分）很少被一致地报告[182]（参见附录表A2）。相应报告统计汇总在附录表A2中。在这些指标中，ASHRAE指南14、IPMVP和FEMP中的CV(RMSE)与NMBE（表12）为跨研究

UBEM校准挑战与展望

结合3 UBEM校准方法分类、4 UBEM校准加速技术以及5 跨T-S-D体制的校准方法与加速技术适用性中的方法、加速与T-S-D发现，这些结果为7.1节综合的四个挑战提供了证据基础，并为7.2节的展望提供了动机。

结论

UBEM校准对于将城市尺度建筑能源模拟转化为决策级证据至关重要，它通过在复合参数、结构与观测不确定性下以测量数据约束基于物理的模型来实现。从方法、加速、应用场景与性能评估的视角回顾文献，我们得出以下主要结论：

• (1)
  方法：UBEM校准方法在基本原理、优势和

CRediT作者贡献声明

罗林熙：撰写-审阅与编辑，撰写-原稿，可视化，验证，方法学，正式分析，数据整理，概念构思。黄公生：监督。郭一帆：正式分析，数据整理。洪天贞：监督。苏锋明：正式分析，数据整理。孙永军：监督，资金获取。王伟：监督，资金获取。

利益冲突声明

作者声明，他们没有已知的竞争财务利益或个人关系可能影响本文报告的工作。

致谢

本材料部分基于中国国家自然科学基金委员会基金资助，基金编号 52578146、52394224 和 52208011。本文表达的任何观点、发现、结论或建议均为作者所有，不一定反映资助机构的观点。

罗林熙|黄公生|郭一帆|洪天贞|苏锋明|孙永军|王伟