数字孪生如何预测建筑能耗：空调负荷、天气变化与人员活动的联合建模

建筑负荷由什么决定

室外温湿度、太阳辐射、围护结构、室内人数、照明与设备散热共同决定冷热负荷。大楼不同朝向和楼层可能相差明显，按整栋楼一个平均温度控制容易掩盖局部不适。应建立分区模型，并记录空调机组、末端与传感器之间的关系。

建筑热容使室内温度对天气变化有滞后；新风、冷冻水和风机的控制又改变能耗。可用 EnergyPlus 类详细模拟做设计情景，也可用灰箱 RC 热网络做在线预测。无论哪种方法，都应依据运行数据校准，不把设计阶段的标准人员密度当成每天的事实。

门禁统计、预约信息或匿名占用传感器可估计区域人数，但需要保护隐私。天气预报要包含温度、湿度与辐射；预测误差会影响预冷时机。模型宜给出未来数小时的负荷区间，让控制器在舒适度约束内调整启停，而非追求单一最低电耗。

先建立基线：同类天气、相近占用条件下，旧策略消耗多少电、舒适度怎样。新策略试运行时记录分区温度、投诉、峰值功率及机组启停频次。若只在凉爽天气展示节电百分比，结论不可外推。能耗下降还要排除入住率变化、设备维修等干扰因素。

计量电耗和经核算的排放因子可支持运营排放估算，情景模拟则用于评估潜在改造。二者应分别披露：模型预测的节能量不等于已实现节能。建筑孪生还可比较加装遮阳、改善新风或更换机组的投资回收，但需纳入舒适与维护成本。

假设早晨九点才有人进入，传统策略从七点开始全楼预冷。模型可以利用天气预报、墙体热惯性和分区预约推算各楼层何时需要启动。东侧早晨受日照影响更大，会议楼层的人员密度也不同。策略应逐区调整，并记录实际温度与投诉。

节电算法若把温度长期推到舒适边界，可能增加投诉与生产率损失；若削减新风，还涉及空气质量。控制优化须把温湿度、通风和设备运行范围写成硬条件。发生传感器失效时，回退到经验证的保守策略。

先看楼宇自动化系统能否输出可靠数据，主要机组是否可控，计量是否能区分空调与其他负荷。若基础条件不足，补表与调试控制器可能比训练复杂模型更有效。节能验收至少跨越冷、热季，并用天气和占用差异做归一化比较。

建筑项目经常在施工交付后变更分区和用途，原先的 BIM 与设备表可能不再准确。运营团队应定期检查空调末端与实际空间的映射，尤其在租户调整和装修后。否则人员占用数据会分配到错误区域，预测算法再精细也无法给出合适的预冷时间。

运营团队还要定义异常日如何处理，例如大型活动、节假日和设备检修。把异常日直接混入训练集，可能使模型误以为极端占用是常态；完全删除又会失去应急经验。可按日型分组建模，并在界面上显示当前预测依据的日型，方便值班人员判断可信程度。日型变化后应重新校准预测误差。

本文场景用于解释工程方法，并非本站客户案例或已上线产品功能。实际部署应以现场数据、测试和专业评估为准。