建筑节能与绿色建筑模型系统和数据库建设关键技术探讨

◎ 住房和城乡建设部信息中心 郭理桥

一、引言

中国的建筑节能与绿色建筑，越来越受到国内外的关注，住房和城乡建设领域的节能降耗和污染减排工作，已经成为国家战略的重要组成部分。通过实施建筑节能和推广绿色建筑，加大建设领域节能减排工作的力度。绿色建筑承载了人类追求以人为本、生态、环保、节能、健康、可持续发展的理想，发展建筑节能与绿色建筑，节约能源资源、节约用地、保护环境，是中国政府未来的发展方向和必然要求，也是人类发展进程中面临的共同课题。

目前，我国建筑业加上建材业每年消耗能源已占到全社会能源消耗的37%，成为制约社会经济健康发展的重要方面。建筑能耗占总能耗的27%以上，而且还在以每年1个百分点的速度增加。相关统计数字显示，我国每年城乡建设新建房屋建筑面积近20亿平方米，其中80%以上为高能耗建筑；既有建筑近400亿平方米，95%以上是高能耗建筑。建筑能耗占全国总能耗的比例将快速上升到33%以上。

为了尽快掌握绿色建筑与建筑节能关键技术以及实现中国的绿色建筑与建筑节能事业，我国需要构建完整的建筑节能与绿色建筑系统，并完成数据库的建设。从而为政府管理部门、建筑科研机构、建筑设计院所等提供监测管理、监督检查、科学研究、工程设计等服务。

二、技术体系架构

建筑节能与绿色建筑模型系统是基于全国各地各类建筑节能与绿色建筑应用示范工程的建筑基础数据、业务数据、动态监测数据、统计数据、模型数据，构建一个数据库平台，并且在数据平台的基础之上，通过制定数据指标体系，构建建筑节能与绿色建筑的建模与可视化仿真平台和管理信息平台。建筑节能与绿色建筑模型系统需要解决多数据源数据的收集、海量数据库平台的建设、建筑相关模型的辨识、指标体系的建立、建筑可视化仿真及节能监管预测和优化等问题，建筑节能与绿色建筑模型系统和数据库构建技术体系架构如图1所示。

三、建筑节能与绿色建筑数据指标体系构建技术

(一) 建筑节能与绿色建筑数据指标体系的作用

当前建筑节能与绿色建筑应用已处于大规模推广阶段，建立一套科学的建筑节能与绿色建筑量化指标体系和评估标准规范，在技术上有利于建筑节能与绿色建筑示范工程效果的量化评价，促进新技术或先进应用模式的移植；从节能监管的角度，有利于主管部门建立量化的考核机制，通过对标给予业主单位相应量化的能效级别，进行定量的处罚和激励。

(二) 建筑节能与绿色建筑指标体系构建技术

建筑节能与绿色建筑指标体系的构建包括建立数据和评价指标库，确定指标权重和确定指标标准值三个方面内容，涉及专家调查法、层次分析法、主成分分析法、熵值法的综合应用。

1、专家调查法：就是根据调查得到的情况，凭借专家的知识和经验，直接或经过简单的推算，对研究对象进行综合分析研究，寻求其特性和发展规律，并进行预测的一种方法。专家调查法的步骤：（1）选定专家，给出赋权要求，且保证权数归一化；（2）由各位专家对各项指标进行打分，即给指标赋权；（3）汇总各专家的赋权结果，并将结果反馈给各位专家；（4）专家参考反馈意见修改其初次赋权结果；（5）重复“反馈”与“修改”，直到达到符合要求的精度；（6）以各位专家最终赋权值的平均作为组合权重结果。[1]

2、层次分析法：是对一些较为复杂、较为模糊的问题做出决策的简易方法，它特别适用于那些难于完全定量分析的问题。它是美国运筹学家T.L.Saaty教授提出的一种简便、灵活而又实用的多准则决策方法。层次分析法的步骤依次为建立递阶层次结构、构造各层次中的所有判断矩阵、层次单排序及一致性检验、层次总排序及一致性检验等。[1]

3、主成分分析法：也称因子分析法，其基本思想是将实测的多个指标，用少数几个潜在的相互独立的主成分指标（因子）的线性组合来表示，构成的线性组合可以反映原多个实测指标的主要信息。使得分析与评价指标变量时，能够找出主导因素，切断相关的干扰，做出更为准确的估量与评价。[1]

4、熵值法：在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。根据熵的特性，可以通过计算熵值来判断一个事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响越大。[1]

建筑节能与绿色建筑指标体系的构建可以综合利用上述几种方法，比如数据和评价指标库可以采用层次分析法建立，采用专家调查法确定指标项，利用客观的主成分分析和熵值分析算法确定指标项的权重，对于难于完全定量分析的权重则考虑采用层次分析法。指标体系的构建过程如图2所示。

图1 建筑节能与绿色建筑技术体系架构

图2 建筑节能与绿色建筑指标体系构建过程

四、建筑节能与绿色建筑模型辨识和模型体系构建技术

(一) 常用模型辨识算法和建模方法

数学建模一般是通过问题的实际背景以及一些已知信息，可以是一组实测数据或模拟数据，也可以是若干参数、图形、或者仅给出一些定性描述，依据这些信息建立数学模型。建模的方法有很多，基本上可以分为五大类：

1、机理分析方法：主要是根据实际中的客观事实进行推理分析，用已知数据确定模型的参数，或直接用已知参数进行计算。

2、构造分析方法：首先建立一个合理的模型结构，再利用已知信息确定模型参数，或对模型进行模拟计算。

3、直观分析方法：通过对直观图形、数据进行分析，对参数进行估计，计算，并对结果进行模拟。

4、数值分析方法：对已知数据进行数值拟合，可以选用插值方法、差分方法、样条函数方法、回归分析方法等。

5、数学分析方法：用“现成”的数学方法建立模型，如图论、微分方程、规划论、概率统计方法等。

模型辨识是对表征模型的各种形式的信息进行处理和分析，以对模型进行描述、辨识、分类和解释的过程。辨识的方法大致分4类：

1、统计决策法：以概率论和数理统计为基础，主要包括参数方法和非参数方法。[2]

2、结构辨识方法：利用模式的结构描述与句法描述之间的相似性对模式进行分类。该方法的特点是识别方便，能够反映模式的结构特征，能描述模式的性质。[2]

3、模糊辨识方法：利用模糊数学中的概念、原理与方法解决分类识别问题。具有客体信息表达更加合理，信息利用充分识别稳定性好，推理能力强的特点。[2]

4、基于人工智能的方法：如基于人工神经网络的识别方法等。[2]

(二) 建筑节能与绿色建筑模型辨识技术

由于我国幅员辽阔、发展不均衡，存在多气候带、多区域、多建筑对象的建筑节能与绿色建筑数据，并且同气候、同区域、同类型的建筑也会因其各自不同的用能特征而存在较大差异，所以建立精确的建筑节能与绿色建筑模型存在着相当大的难度，其中极为困难的一点就在于海量数据下的模型识别技术，可采用以下两种建模技术：

1、数据回归和神经网络技术

采用数据回归、神经网络等技术对建筑节能与绿色建筑进行模型辨识，利用大量样本建筑基本信息、用能特征数据、实时监测数据、统计数据以及环境监测信息，借助先进的建模工具和算法，构建建筑节能与绿色建筑模型体系，分别建立建筑节能与绿色建筑的设计模型（区域分类、建筑分类）、运行模型（区域分类、取悦综合、建筑分类）等相关模型，并建立起模型数据库，随着样本建筑的增多以及运行数据的增多，该模型数据库容量也会逐渐增大，这为后续建筑节能研究提供模型基础。[3]

2、面向对象技术

面向对象数据模型是用面向对象观点来描述现实世界实体（对象）的逻辑组织、对象间限制、联系等的数据模型。其核心概念是：

1）对象标识（OID）：表示实体对象的唯一标识，在系统全局是唯一的。

2）封装(Encapsulate）：对象就是其状态及其上可实施行为的封装，对象的状态是该对象属性值的集合，而对象的行为是在对象状态上操作方法的集合。

3)类(Class):具有相同属性和方法集的对象构成对象类，任何一个对象都是某一对象类的一个实例，所有的类组成一个有根的有向非环图称为类层次。

4)继承(Inheritance)：类可以继承其祖先的所有属性和方法，该类称为这 些超类的子类。超类/子类结构在语义上具有泛化/特化的关系，即子类是其所继承的类的特例，超类是子类更高层次的抽象和概括。[4]

(三) 建筑节能与绿色建筑模型体系构建技术

建筑节能与绿色建筑应用内涵非常丰富，所以模型库里的模型数量非常庞大，并且随着建筑节能和绿色建筑应用技术的大范围推广，模型库的规模将越来越大，因此需要建立一套包括模型分类管理机制、模型继承派生机制和模型优化机制的模型体系。

1、模型分类管理

根据多气候带、多区域、多建筑对象对建筑节能与绿色建筑模型进行分类管理。从而实现对建模所需的样本筛选、模型辨识和模型建立提供完整的功能支持，支持根据实时监测数据比对实现模型校正功能，以保证模型精准性。

2、模型继承派生

图3 基于模型体系的建模与仿真应用示意

支持从母模型衍生出多个子模型的功能，使模型系统根据监管、设计、科研对模型的需求的增加不断精细化；支持在增加新的指标或要素时，模型从原模型之上衍生新模型的功能，以保证模型反映研究对象的精确性。

3、模型优化

模型体系提供基于模型的能耗分析仿真功能，用能预测分析仿真和预警功能，仿真数据和实际测量数据的比对功能，基于模型仿真的能耗自动寻优功能，以及基于地理空间数据的三维可视化仿真功能，实现对区域用能密度、建筑单体分项能耗和关键耗能系统等直观生动的能耗仿真。指导绿色节能建筑的设计建造和持续优化运行期间的用能管理。

五、建筑节能与绿色建筑海量数据库构建技术

(一) 建筑节能与绿色建筑数据库构建的意义

建筑节能与绿色建筑数据库作为模型系统的一个重要的组成部分，是上层建模与仿真平台的基础，也是管理信息平台业务处理的核心，几乎所有的业务数据的加工最后都依赖数据库系统的支持来完成。因此，数据库在整个系统中起着非常关键的作用。

1、获取并存储建筑基础数据、动态监测数据、业务数据、模型数据、服务数据、示范案例数据，构建建筑节能与绿色建筑数据支撑平台。

2、为建模与仿真平台提供数据和模型基础单元，全程支持建筑节能与绿色建筑对象的建模和仿真。

3、为节能监管、节能预测、决策支持等管理业务提供多尺度、多维度的数据信息支持。

(二) 多源多层次数据快速获取技术

建筑节能与绿色建筑数据库的建设中，首要的问题就是数据如何快速、稳妥获取。目前主流的数据获取技术解决方案中，适合应用于建筑节能与绿色建筑数据库中的有：

1、多源异构数据融合技术：缺少标准基础数据，数据多语义性、多时空性以及表达的多尺度性，数据获取手段的复杂多样性，导致了多源异构数据的产生。比如部、省、市（县）现有各类建筑节能与绿色建筑相关信息系统数据库，多种类建筑仪表、传感器数据等，需要对这些多来源的数据通过有线、无线等方式实现融合性集成。为了更好实现数据共享和数据交换，多源异构数据的融合技术成为了发展的关键。[5]

2、通信与网络技术：互联网、无线网、传感网正在全球范围内高速发展和广泛普及，受其影响人类社会各个方面都发生了巨大变化。网络以其开放性和广泛性，为远程监控系统的发展提供了现成的、分布广泛的信息交互渠道，借助这个渠道，人们可以在任何时候，任何地点，方便、低廉地将信息传送到世界的每一个角落，这为数据的共享与交换提供了基础。

(三) 多元数据组织和海量存储技术

建筑节能与绿色建筑模型系统涉及的样本数据包括城市、区域、建筑群、单体建筑等多个层次的建筑相关数据，并且根据建筑监管业务的不同需要不同颗粒度的数据支持，同时，为了支撑基于基本数据的多类应用，将爆炸性的产生多种统计数据、分析数据。因此，需要解决多元数据组织和海量数据存储相关技术，如：

1、区域建筑节能体系中的高分数据和遥感数据的融合技术。遥感数据是一种大面积、动态的数据源，是对建筑用能耗散快速、宏观分析的重要手段,高分遥感数据的业务数据的融合有助于区域建筑节能分析决策。

2、基于海量数据存储的建筑节能与绿色建筑数据库技术。对海量数据进行处理是一项艰巨而复杂的任务：数据量过大，数据中什么情况都可能存在；软硬件要求高，系统资源占用率高；要求很高的处理方法和技巧。所以必须选用优秀的数据库工具，同时必须对海量数据进行分区操作和分批处理。

3、建筑节能与绿色建筑数据库的多元、多层次数据组织管理技术。这源于建筑节能与绿色建筑数据库，涉及到的数据种类众多：从广度上来说，包括有用电、用水、用汽等不同能耗类型；从深度上来说，包括有全区域能耗、子区域能耗等不同等级的能耗子项，多元、多层次数据组织管理技术不可缺少。

图4 三维可视化仿真

六、建筑节能与绿色建筑建模与可视化仿真技术

(一) 建筑节能与绿色建筑建模与可视化仿真的意义

我国幅员辽阔，多气候带、多区域、多建筑对象都会对建筑节能与绿色建筑产生影响，为了使得我国建筑节能与绿色建筑健康有序发展，需要发现共性属性和特性属性，所以必须对建筑节能与绿色建筑进行建模。

可视化仿真是体现建筑节能与绿色建筑模型效果最直观的方法。它可以应用在建筑节能与绿色建筑建模的各个方面，并带来切实且可观的利益：可视化仿真技术不但能够获得身临其境的体验，还可以通过其数据接口在仿真时获取建筑项目的数据资料，方便建设工程项目的规划、设计、投标、报批、管理，有利于设计与管理人员对各种建筑规划设计的节能方案进行辅助设计与方案评审。可视化仿真技术是由基于真实数据建立的数字模型组合而成，能够帮助发现节能设计缺陷，减少规划不周带来的损失，避免设计风险。还可以加快方案设计的速度和质量，提高方案设计和修正的效率，也可以节省大量的资金，提供合作平台。

(二) 建筑节能与绿色建筑建模与可视化仿真技术

1、可视化仿真原理

可视化仿真是计算机可视化技术和系统建模技术相结合后形成的一种新型仿真技术，其实质是采用图形或图像方式对仿真计算过程跟踪、驾驭和结果的后处理，同时，实现仿真软件界面的可视化，具有速度、高效、直观、形象的建模特点。[5]

融合建筑节能设计过程和运行过程的建筑三维可视化仿真技术，通过3D技术，将使建筑节能与绿色建筑的可视化更加趋近于细节、更具可视化、动态化，三维可视化仿真技术主要构成要素如图4：[7]

2、可视化仿真示例

建筑节能与绿色建筑模型可视化是相当复杂的过程，基于中国幅员辽阔、发展不均衡和多气候带等复杂条件，因此要进行建筑节能与绿色建筑模型仿真是十分困难的。仿真技术的发展与应用为解决这些问题提供了很有效的手段。但过去由于仿真技术与计算机技术水平的限制，仿真系统的人机交互水平较差,除领域工程师以外，其他人员很难进行系统的运行操作。同时，仿真过程也相当隐蔽，即使是领域工程师也非常难了解到系统运行的具体过程。并且，要获取有效的仿真结果还需经过大量的统计分析工作。可视化技术的应用,为仿真系统提供十分友好的人机交互平台,并且通过非常直观的图形描述系统的运行过程,以及系统运行产生的结果,对于了解和研究原型系统的特性，以及对仿真系统的优化都是十分有效的。

(1)有利于进行方案分析。可视化动态仿真技术可以实时地演示建筑节能与绿色建筑模型逻辑关系，直观地揭示模型全貌，尤其是针对典型时段、典型部位可形象反映出模型细节，可准确地判断可行性。

(2)有利于进行多方案比较。只要将输入的参数改变，通过计算机高速运行，可快速得到建筑节能与绿色建筑模型的面貌以及参数，这样可以更直观地对模型进行规划，修改和管理，有利于快速进行多方案比较。

图5 建筑节能与绿色建筑可视化仿真

(3)有利于进行方案的确认。可视化动态仿真技术能形象地模拟建筑节能与绿色建筑模型的各个方面，可以充分暴露设计中的漏洞与缺陷，能够加强专家与设计人员之间的交流，有利于专家提出建议，并快速得到调整结果，从而有利于方案的完善并最终确定。

(4)有利于与决策者进行信息的沟通。信息沟通的方法往往会直接影响到方案是否被决策者所采纳。可视化动态仿真技术可以以其生动强大的动画信息，实时演绎推荐方案，使观看者一目了然，有助于信息沟通，让决策者正确直观地了解建筑节能与绿色建筑模型设计方案。

(三) 建筑节能与绿色建筑模型验证与模型校正技术

仿真模型的验证则是从仿真模型应用目的出发，确定仿真模型代表真实绿色建筑的正确程度的过程，目的是检验仿真模型精确性或准确性。

建筑节能与绿色建筑模型的确认要求由决策者来判定。模型的可行性的评估方法主要是模型验证与校正。验证过程具体如下：

1、概念模型验证：确定所设计模型的层次和范围是否能充分满足建模目的，并且所有假设是否都是正确的。[8]

2、数据验证：确定在建模、模型验证和试验过程中所需数据是否足够精确。[8]

3、白箱验证：确定建筑节能与绿色建筑模型的各组成部分是否能以足够的精度代表相应真实绿色建筑的部分。这是一种详细的或微观的模型检查过程。[8]

4、黑箱验证：确定整个模型是否具有足够的精度代表真实绿色建筑。这是一种整体或宏观的对模型运行进行检查的过程。[8]

5、试验方法验证：确定所采用的试验方案将提供具有足够精度的试验结果。确保试验结果准确的关键问题是：试验准备、试验运行长度、试验运行次数、试验设计和灵敏度分析。[8]

图6 建模与仿真过程中的校核与验证

图7 验证过程示意图

6)解方案(仿真结果)验证：确定由所建解模型获得的结果具有足够的精度。这类似于需要与真实绿色建筑相比较的黑箱验证．所不同的是仅仅将所建解的最终模型与真实绿色建筑进行比较。[8]

传统的模型验证方法主要有主观确认法、动态关联分析法、数理统计方法和时频分析法4大类。基于建筑节能与绿色建筑模型的复杂性以及数据的海量性，可采用神经网络解决模型的验证问题，其思想是使用一个模式分类器—神经网络。所谓分类是把采集到建筑节能与绿色建筑的数据映射到事先定义的类中的学习过程。采用神经网络作为分类器，首先学习可选模型的关键行为特性，然后分类来自可选模型之一的实际系统行为。[9]

图7为采用神经网络的验证过程示意图(这里采用BP神经网络)。首先对神经网络进行离线训练，通常有大量的可选模型，或者模型样板，保留开放的形式，每个模型都可以产生一个训练模式作用于该神经网络，一方面组成某一行为统计特性(如时间序列的样本均值和方差)，另一方面产生相关的模型标志。神经网络学习和识别每个可选模型的关键行为特性，并且网络在学习前可能需要统计和预处理，目的是降低网络的信息载荷。通过大量的输入输出数据样本对网络的充分训练，网络能够记忆和理解各模型的特性行为。一旦网络成功的学习了这些特性(即为训练好的神经网络)，当实际系统作用于该网络时，网络的输出是一个概率向量，即来自于每一个可选模型的概率值，有最高概率值的模型被保留并判为一个有效模型。

(四) 建筑节能与绿色建筑辅助设计技术

通过数据共享和交换平台采集各类典型建筑的数据，在数据平台基础之上对建筑节能和绿色建筑模型进行分类、组织以及模型案例存储，最后在仿真平台上进行可视化表达，为科研设计单位提供对建筑进行节能设计和绿色建筑设计辅助服务。建筑节能与绿色建筑辅助设计主要包括以下技术：

1、知识库辅助建筑节能与绿色建筑设计技术

结合建筑节能与绿色建筑设计和运行模型，输入拟建建筑所处气候带、类型等参数，通过一组模型的计算，系统给出符合当地情况下的建筑需要采用哪些技术、注意哪些问题等建议。

2、计算机辅助设计（CAD）和三维动画设计技术

计算机辅助设计和三维动画已经具备比较完备的三维对象设计和表现能力，但进行三维设计要求使用者具备专业级计算机造型能力，虽然三维动画本身附带了大量的纹理库，并有能力从外部环境生成纹理供调用，但构成具有纹理映射的三维多边形表面是通过交互界面用手工方式来实现的，要将三维对象的各种真实纹理表现得高度逼真和实现着色高度自动化还是非常困难的。该辅助设计工具可为绿色建筑模型进行高维可视化仿真提供技术支持，该辅助设计工具将可以在提供简单参数的情况下自动生成三维图，同时方便三维动画设计。

3、建筑节能标准库与智能库技术

该标准库和智能库集成了现有的建筑节能材料信息、国家制定的关于建筑节能标准和法规（量化）信息、节能新方式、新方法、新技术等方面的内容，使得绿色建筑设计者可以在不用查阅相关资料的情况下，高效、方便地完成设计，体现出辅助设计功能。

4、建筑设计文档自动生成技术

按照设计流程，依照设计文档规范，根据设计者的需要自动生成相关文档（如设计报告、可行性分析报告等），既节省时间提高效率，又可避免许多人为错误，提高文档的准确性。

七、建筑节能与绿色建筑模型管理信息平台构建技术

(一) 建筑节能监管技术

研究面向政府辅助决策、节能监管、节能科研、节能设计等多方位的管理信息平台构建关键技术，为各级行政主管单位或政府进行建筑节能监督管理提供服务，通过科学管理促进建筑节能与绿色建筑的实施和发展。其主要涉及以下技术：

1、分类分项计量、监测技术

建筑能耗分类分项计量、监测工作，涉及到全国范围的地理区域，包括数据众多的建筑类型，每栋建筑又需要采集和监测照明、空调、动力等各种用能数据。在建筑能耗分类分项计量、监测平台的建立过程中，充分利用了各种信息化及计算机辅助技术，具体包括：

（1）3D地图，即三维可视化地图技术。这是一种不同于普通二维地图的立体地图网络信息技术，可在互联网内直接远程调用共享。3D地图作为监测平台的建筑背景、数据背景，可大幅提高数据平台的直观性和操作便利性，同时也增加了软件界面的美观度。

（2）Portal技术。Portal是一个基于web的应用程序技术，它主要提供个性化、单点登录、不同来源的内容整合以及存放信息系统的表示层。简单来说，Portal提供了页面个性化应用，即允许不同用户可根据工作需要，定制出不同的平台界面，最为快捷地查询到所需信息，或执行相关操作，这样就大大提高了建筑能耗分类分项计量、检测平台的人性化、智能化程度。

（3）平台模块化技术，即整个建筑能耗分类分项计量、监测平台的设计，整体采用分模块的“积木式”架构，设计规范，易于扩展，既可应用于规模较小的区域式能耗监测平台，也同时满足大规模的整体式能耗监测平台建设的高容量、高技术标准要求。

2、安全监控技术

通过实时监控网络或主机活动，监视分析系统的行为，审计系统配置和漏洞，评估敏感系统和数据的完整性，识别攻击行为，对异常行为进行统计和跟踪，从而有效地监视、控制和评估网络或主机系统。系统包含信号检测、故障诊断、信息处理和决策输出等多种内容。网络化、数字化、智能化的安全监控系统将极大地促进建筑节能。

3、能效监控技术

基于与能效相关的物理或化学变量的检测、虚拟传感器和相应的转换，对每个设备、生产装置、操作和产品等的能效进行统计分析，并做出相应的SPC（统计过程控制）图或3σ，6σ分析，以发现统计意义下的异常能效情况及其程度，为实现能效的监控提供基于统计的信息。

4、建筑能效对标技术

图8 能效对标

根据分类分项计量得到的评估结果，与国内外的类型相似、地域环境相近的建筑进行对比，与不同时段的自我进行对比，与理论基准进行对比。通过对比，分析自身存在的弱项以及可能存在问题的方面，并提供建筑节能改进方案。图8是建筑能效对标示意。

5、云计算建筑节能分析技术

云计算的基本原理是通过使计算分布在大量的分布式计算机上，而非本地计算机或远程服务器中。云计算是一种分布式处理、并行处理和网格计算的发展和商业实现。它描述了一种平台：根据需要，动态地提供、配置、重新配置以及取消提供服务器。[10]云计算给大型公共建筑群节能带来了巨大的好处，其在网络应用上具有几大优势：安全性、方便性、数据共享和无限可能性。

云计算建筑节能分析技术，以各类典型建筑的数据为基础，以云计算为平台，对建筑对象进行节能分析，同时为开展建筑节能与绿色建筑模型构建、辨识、计算提供技术支持。

(二) 建筑节能优化技术

通过建筑能耗监测、建筑能效分析、建筑能源审计，用户可以获得建筑整体用能规律和节能的潜力点。在定位了建筑耗能症结之后，可以进行针对性的节能优化控制，最终提高建筑的节能水平。

节能优化在管理信息平台中起着极其重要的作用，以分析计算作为前提，通过优化算法和优化控制技术，为节能决策支持提供可行的解决方案。在分析和优化中，需要以下几项技术的支撑：

图9 建筑能耗预测技术

1、统计学习技术：一种专门研究小样本情况下机器学习规律的理论，其核心思想是通过控制学习机器的容量实现对推广能力的控制。[11]在其进一步的发展过程中，仍需要在机器学习问题、语言意识的学习、人机界面等方面进行改进。需要加强机器的文字意识，而不是将所有的信息转化成数字之后机器才能识别。

2、启发式优化算法：常用的启发式优化算法包括模拟退火算法、遗传算法、粒子群和蚁群算法等，启发式算法可以解决很多确定性算法无法求解的复杂问题。[12]

3、建筑节能优化控制技术：在建筑节能中，从控制的视角对给排水子系统、照明子系统、电梯子系统以及空调设备子系统进行节能分析及优化控制将成为重点。采用先进的优化控制技术，先进的优化控制设备，推动建筑节能的进步。

(三) 建筑能耗预测技术

建筑能耗的短期中期预测模型：对于一般建筑或者区域建筑群来说，中短期内的能耗是一个周期性的非平稳随机过程。建筑的用能规律除了与其自身功能有关，还随气温以及季节性不断变化，也有按星期和24小时的周期性变化，同时又有节假日和正常工作日的差别。中短期建筑能耗预测是根据已知历史能耗负荷数据对未来几月几周几天甚至几小时的能耗情况进行预测。通过大量历史数据，可采用人工神经网络建立预测模型，如图9所示。

(四) 建筑节能决策支持技术

以节能优化和能耗预测的结果为参考，各级行政主管和政府可以从制定政策法规对建筑节能进行决策，主要从社会化的层次出发；而科研设计单位则注重技术的可行性，从技术推广角度对建筑节能进行决策；业主物业则考虑更多的是新技术、新运营模式是否能给自己带来经济效益，从这个方面进行决策。虽然各类决策者出发点不同，但都要以一定的技术作为基础：

图10 决策支持流程示意

1、数据挖掘和知识发现技术：数据挖掘也称为数据库中的知识发现,是从数据库的大量原始数据中提取人们感兴趣的、尚未被发现的、有用的信息和知识的过程。数据挖掘是从大量数据中发现知识的有效手段,遵循一定的框架和步骤,以其规范性和有效性而被很多方案所采用。[13]建筑节能决策支持应用数据挖掘技术，能够挖掘建筑用能规律、建筑用能缺陷，为推进建筑节能提供辅助决策支持。

2、多目标优化技术：在建筑节能决策时，决策者经常会遇到相互矛盾的多个目标（如希望空调可以最大限度地节电，但必须保证在人舒服的前提下，这时节电和舒服就构成矛盾），此时面对的就是多目标优化问题，其多个解构成决策者进行决策的备选方案。随着目标函数的增加，以及条件约束的复杂，多目标优化的意义将更为明显。

3、专家系统：是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。运用特定领域的专门知识，通过推理来模拟通常由人类专家才能解决的各种复杂的、具体的问题，达到与专家具有同等解决问题能力的计算机智能程序系统。它能对决策的过程做出解释，并有学习功能，即能自动增长解决问题所需的知识。建筑节能中的专家系统除了承担决策支持的任务外，还可根据不同样本建筑基本信息和用能特征在节能优化的配合下提供整改方案与节能方案。

(五) 建筑节能与绿色建筑管理信息平台示例

建筑节能与绿色建筑管理信息平台一般由4部分组成：数据采集系统，评估和监控系统，分析系统以及决策支持和优化控制系统。通过节能监管技术，节能优化技术，能耗预测技术以及节能决策支持技术对建筑节能与绿色建筑模型进行管理。具有以下特性：

1、节能监管

利用安全监控，能效监控等节能监管技术，例如热红外遥感技术，对某个区域或城市温室气体，地表温度和地热环境的空间格局及其变化特征进行比较客观、有效的检测。从而宏观监测并掌握全国或本地区建筑物能耗分布情况，提高建筑物节能运行管理水平。

2、节能优化

通过对建筑（群）运行能耗实施在线监测，一方面为行业主管部门提供分析和监管数据，另一方面通过能耗运行优化模型进行优化模拟和仿真，为业主及物业单位改进用能习惯或用能结构缺陷提供分析。

3、能耗预测

以区域综合能耗模型、区域分类能耗模型、建筑分类能耗模型研究成果为基础，结合节能监管技术获得的数据，采用人工神经网络等技术建立短、中期预测模型，以开展不同空间尺度的能耗预测。

4、决策支持

综合节能监管、节能优化、能耗预测相关数据，运用相关专家系统、多目标优化等技术，形成某时期、某区域能耗综合分析报告，为相关国家政策、地方法规、专项措施等制订实施提供决策支持。

八、结束语

绿色建筑理念旨在为人们提供安全健康舒适的环境，同时在建筑的全生命周期中高效率地利用资源，最低限度地影响环境，已成为未来建筑的主导趋势。我国绿色建筑刚刚起步，还有很长的路要走，我国建筑节能与绿色建筑的发展必然会经历一个从局部到全局，从初级到高级的过程，这个过程中有建筑界和全社会的认识和发展问题，还有许多具体的政策、技术和经济问题，这些在绿色建筑发展过程中难以避免，如何把握机遇需要更深层次的思考，更需要各方切实的行动。

通过建筑节能与绿色建筑模型系统和数据库建设关键技术的不断研究，构建符合中国国情的建筑节能与绿色建筑模型系统和数据库，为建筑节能与绿色建筑在我国的实施和发展提供有效的技术支持，为中国全面实现建筑“绿色化”提供信息技术保障。