人工智能已成为一种提高生产力和改善生活质量的技术。然而，其在建筑节能和碳减排方面的作用尚未得到系统研究。
7月14日，自然通讯（Nature Communications）发表了一篇名为“Potential of artificial intelligence in reducing energy and carbon emissions of commercial buildings at scale”的论文。论文究评估了人工智能在建筑领域的潜力，重点关注美国的中型办公楼。研究者开发了一种方法来评估和量化潜在的减排量，并确定的关键因素是设备、占用影响、控制和操作以及设计和施工。
研究表明，人工智能可以降低成本溢价，提高能源效率和净零建筑渗透率。采用人工智能可以在 2050 年减少能源消耗和碳排放约 8% 至 19%。与 2050 年一切如常的情景相比，结合能源政策和低碳发电可以减少约 40% 的能源消耗和 90% 的碳排放。
研究背景
气候变化是过去和当前几个世纪的关键主题和挑战。世界许多地区都经历过洪水和热浪等极端天气事件，近年来这些事件发生得更加频繁。为限制全球变暖，《巴黎气候协定》设定了通过减少能源消耗和碳排放将全球变暖控制在 1.5°C 以内的目标。世界各国政府已经制定了雄心勃勃的气候目标来实现这一目标。
与此同时，自 1950 年以来，全球城市人口经历了快速增长。2018 年，全球约 55% 的人口居住在城市地区。根据联合国的预测，到 2050 年，这一数字预计将增加到 68%5。由于这种快速的城市化，将有大量新建筑。到 2060 年，全球建筑存量预计将翻一番，这相当于在未来 40 年内每月建造一整座纽约市。这将带来巨大的能耗与碳排放，因此，为了支持能源效率和碳减排目标，研究建筑至关重要。
随着计算机技术的快速发展，人工智能（AI）正越来越多地应用于不同的领域和应用。它解决通常与人类智能相关的复杂认知问题，例如学习、解决问题和模式识别。
人工智能已广泛应用于不同的应用领域，例如计算机视觉、机器人技术、自然语言处理和机械。最近，它还被用于提高建筑、交通和工业部门的能源效率和减少碳排放。一些热门的研究方向包括智能控制、系统诊断、占用行为、负荷预测和需求响应。
然而，人工智能在建筑中的节能潜力尚未得到彻底了解。现有文献主要关注建筑性能的特定方面，如建筑设计、施工、运行和控制；研究表明，潜在的节能范围很广，从2 %到60 %不等。此外，仍然缺乏量化人工智能节能的系统和标准方法。如何最好地利用人工智能来减少建筑物的能源消耗和碳排放的机制也不清楚。
建筑物是一个复杂的系统，具有数千个组件，例如墙壁、窗户、暖通空调和照明系统。建筑施工通常涉及规划、分析、开发和施工，每个步骤都需要大量的知识、投资和劳动力。建筑施工往往对建筑工人的健康和安全构成潜在威胁。人工智能有可能降低施工过程各个阶段的成本、减轻风险并提高健康和福利。
此外，建筑物居住者与建筑组件之间的相互作用是非线性的，很难使用传统的基于规则的控制算法捕捉。借助深度学习和强化学习等先进的人工智能算法，人工智能模型本身可以从运营数据中学习，并利用持续的实时数据自我进化，以优化目标函数并提高性能。
人工智能对能源和减排的影响
为了了解人工智能在减少能源消耗方面的贡献领域，首先需要了解平均建筑能效水平和当前最佳实践。根据EIA 2012年的商业建筑能源消耗调查（CBECS），办公楼是最常见的类型，占所有商业建筑电力消耗的最高比例（20%）。美国办公楼的平均能耗强度（EUI）为每平方米167千瓦时（kWh/m²），本研究中将其视为基准办公楼能耗水平（EUI_base）。基于对美国67座低能耗验证建筑的审查，总EUI的中位数为57 kWh/m²。基准与最佳实践（高能效建筑，HEEB）之间的差异被认为是技术建筑节能，这可能归因于多个因素。
研究人员将建筑节能分解为四个关键类别：（1）设备，（2）占用影响，（3）控制和操作，以及（4）设计和施工。办公楼中的能源消耗主要由中型办公楼主导，占总量的70%。为了展示研究方法，选择了一座中型办公楼作为以下分析的示例。使用美国能源部（DOE）的EnergyPlus模拟工具对原型中型办公楼的年建筑能源消耗进行建模。原型中型办公模型由ASHRAE标准90.1定义，具有详细的建筑特性，如几何形状、热性能、暖通空调系统、占用率等。
研究详细模拟了四个代表性城市，以考虑不同气候区的建筑能源消耗。表1显示了每个选定城市的基准中型办公楼的模拟总能耗。假设天然气用于提供热水和供暖。开发了EnergyPlus建筑能源模型，以考虑四个关键类别中不同设计变化的影响。
选定的四个城市代表了美国的四个典型气候区。
设备效率改进
研究团队开发了八个案例来评估设备效率改进的节能潜力总结了四个不同气候区每个案例的节能量。基于基准设备和市售最佳实践的能源性能，在分析中做出了保守的设备效率改进假设，以考虑不同气候区的不确定性和技术适用性。案例1至3显示了HVAC系统的节能潜力。案例1将冷却效率提高20%，案例2将加热效率提高12%，案例3结合了冷却和加热效率改进。案例4和5显示了照明系统的节能潜力，将平均照明功率密度（LPD）分别降低15%和21%。案例6和7显示了电力设备和插头负载的节能潜力，将平均设备功率密度（EPD）分别降低10%和20%。案例8结合了案例1至7的节能措施。案例9在考虑案例8的基础上，还考虑了用热泵替代包装式空调机组进行空间供暖。
建筑设计和施工
研究团队开发了九个案例来评估建筑设计和施工的节能潜力。总结了四个不同气候区每个情景的节能量。案例1至3显示了建筑方向的节能潜力。基线方向为北。其他三个方向是通过将建筑旋转90°（东）、180°（南）和270°（西）来实现的。基于这项分析，我们发现方向对三个不同气候区的年建筑能源消耗影响有限，最佳方向为北。案例4和5显示了建筑围护结构的节能潜力。案例4为外墙、楼板、屋顶和窗户实施高保温。案例5将渗透率提高约60%，以匹配ASHRAE 90.1-2016原型中型办公楼的水平。案例6至8研究了窗墙比（WWR）的节能影响。基线平均WWR为0.33。案例9结合了节能措施（方向、保温和WWR）。
与建筑能源相关的占用行为
包括打开/关闭窗户、开关/调光灯光、打开/关闭灯光和插头负载、打开/关闭暖通空调和调整恒温器等。占用者可以与建筑能源系统（暖通空调、窗户、灯光和插头设备）进行交互。基于文献回顾，浪费与节俭之间的综合节能潜力为15-20%。
综合四个气候区概述了美国典型中型办公楼的节能潜力。每个类别的节能潜力在建筑生命周期内因四个不同气候区而异。请注意，节能潜力是基于能源模拟结果的最大技术潜力，可能需要建筑师和工程师投入大量时间和努力来优化从设计到运营的整个建筑系统。我们假设人工智能可以帮助自动化这一过程，以更低的成本和最少的劳动力参与。
基于年度建筑能源模拟的综合节能潜力
a 提高设备效率所节省的费用。b 建筑设计和施工节省的费用。选定的四个城市代表了美国的四个典型气候区
美国某典型中型办公楼的综合技术建筑节能潜力
研究团队将建筑节能分为四个主要类别，α1–α4是节省潜力 （%）。E0–E4代表不同的总站点能源使用强度 （EUI）。E0代表美国写字楼的中位数;E4是美国零能耗验证建筑的中位数。选定的气候区 （CZ） 代表了国际节能规范 （IECC） 根据 CBECS 2012 数据中的一些办公楼定义的前四个区域（檀香山：CZ 1A、巴尔的摩：CZ 4A、布法罗：CZ 5A 和洛杉矶：CZ 3B）
人工智能的节能途径
研究团队相信人工智能可以通过两种主要途径提高能效和减少碳排放：（1）人工智能有助于扩大最佳可用技术和实践的规模。因为它可以显著降低施工和劳动力成本，从而加速技术的采用，并导致高效技术的更大规模渗透；（2）人工智能可以进一步改进和优化建筑整个生命周期内的设计、施工和运营，从而带来额外的节省。
在量化了个别高能效建筑的节能潜力后，需要将大规模下的节能和减排从代表性气候区外推到整个国家。研究团队开发了六种情景，包括使用当前建筑能效水平作为基线的冷冻情景、两个采用和不采用人工智能的常规情景（BAU），以及三个推动高能效建筑和净零能耗建筑（NZEB）的政策驱动情景，甚至更激进的政策实施以实现2050年的零排放目标。
所有情景都使用了相同的建筑存量。在冷冻情景中，基准建筑（平均能效）、高能效建筑和净零能耗建筑的市场份额在2020年水平保持不变，直至2050年。然而，在其他情景中，采用了不同的市场份额来探索替代情景及其影响。与没有人工智能的情景相比，采用人工智能的情景随着时间的推移导致高能效建筑和净零能耗建筑的市场份额更高。这一趋势一直持续到净零能耗建筑的市场份额达到最大值。
主要政策措施包括推广高效技术、实施建筑法规和能效标准、激励措施、补贴、财政援助和政府资助项目。这些政策是基于美国的长期战略路径构建的，旨在到2035年实现100%清洁电力和到2050年实现净零GHG排放。
小结
本研究没有专注于特定的人工智能技术，而是利用工程和能源模拟方法量化人工智能在一般意义上提高能效和减少碳排放的潜在影响。通过先进的人工智能算法和技术，数据驱动的建模和决策方法可以提供定制化的解决方案，并大大促进高效技术在低成本下的大规模采用和实施。为了进一步提高所提出方法的准确性和适用性，可以在未来的工作中探索先进控制模型（如深度学习或强化学习）的应用。
虽然本文以中型办公楼为例，但所提出的方法可以通过根据每种建筑类别的具体特性和能源消耗模式调整输入参数，应用于不同类型的商业建筑。为了全面了解人工智能在建筑领域的节能潜力和碳减排机会，未来的工作可以扩大分析范围，涵盖更广泛的商业和公共建筑。
随着人工智能的快速发展，包括生成性人工智能和大型语言模型等最新进展，未来研究有可能跟踪人工智能在本研究范围之外的演进影响。文献回顾表明，人工智能的采用在各个领域和应用中产生了广泛而多样的影响，这既凸显了巨大的潜力，也带来了不确定性。需要进一步调查以更全面地探索这一广度和深度。
人工智能已被广泛应用于许多应用领域。在建筑行业中，它被视为一种新兴技术，可用于减少能源消耗和碳排放以适应气候变化。然而，人工智能在建筑中的节能潜力尚未得到充分了解，且难以量化。
本研究表明，人工智能有助于降低高能效建筑和净零能耗建筑的成本溢价，从而增加其市场份额渗透率。预计在大规模采用人工智能技术的情况下，美国中型办公楼的能源消耗和CO2排放量将在2050年比没有人工智能的常规情景减少约8%，比没有人工智能的政策情景减少约19%。将人工智能与能效政策和低排放电力相结合，预计在2050年将比常规情景减少约40%的能源消耗和约90%的二氧化碳排放量。
本研究有助于为政策制定者在建筑行业中推广人工智能时提供定量决策支持，以实现节能和碳减排目标。作为一种通用方法，类似的方法也可用于估算其他建筑类型和其他地区或国家的人工智能节能潜力。如前所述，通过利用相同的分析框架并考虑不同建筑类型的独特特性，所提出的方法可以提供适用于更广泛情况的有价值见解和高级结论。
来源：Nature Communications
