随着我国新型城镇化愿景与既有城区更新改造和建筑能效提升工程不断推进,区域建筑群大规模节能改造(Large-scale building energysaving retrofit,简称LSBESR)成为生态环保低碳重要内容及提升区域能效水平的重要手段。然而,区域建筑群是多业态的集群,由于多系统耦合、多设备集成、多参数集合等特征的存在,LSBESR面临众多相互影响的不确定性因素,增加了预测难度;同时,国内外LSBESR预测理论体系尚不成熟,缺乏适用的数学模型和方法;此外,一些城市不断推进能源信息化建设,逐渐积累了存量建筑的能耗信息,也迫切需要挖掘数据的内在价值。本文围绕LSBESR问题,建立了节能改造基础数据库,提出了基于数据挖掘的LSBESR能耗预测模型,并进行模型验证。同时,所提出的预测模型给出了不确定性能源参数量化方法、基于意愿因子的预测修正模型和多目标决策优化策略等,解决了诸多核心难题,包括:区域建筑群预测模型物理建模复杂,已有传统区域预测模型缺少技术细节支撑,模型设置参数不确定性量化困难和很难获取自下而上的实际能耗数据校正等问题。具体而言:(1)通过对1118幢公共建筑和100幢建筑的大规模数据采集,构建了LSBESR数据库,包括建筑、能耗、设备、运行、技术、意愿6个子库。统计得到了区域建筑群能源参数(围护结构热工性能、电梯设备功率、冷热源效率等)统计规律和用能基准,为预测模型中能源参数的输入条件提供支撑。在此基础之上,采用逆向建模方法,建立了基于数据挖掘的区域建筑群能耗预测模型。预测模型实现了对回归统计、物理建模等方法的整合,构建了宏观稳态能量平衡方程和典型建筑模型,并融入不确定性因素。所编制的Matlab程序采用蒙特卡罗模拟(Monte Carlo,简称MC)对抽样数据进行仿真,实现了区域能源参数的宏观统计特性和单体建筑运行条件的一致性,能快速准确预测区域建筑群能源消耗。某中心城区的研究案例表明:模拟值与实际观测的年能耗数据偏差为2.14%,月度均方差变异系数为6%,能耗归一化指标变化区间为[0.87,1.13]。模型能输出的逐时、逐日、逐月、逐项能耗数据可为预测节能改造奠定理论基础。(2)本文对LSBESR进行了模拟预测和验证。通过已建立的区域能耗随机模型,采用自上而下的后推校准法测算节能潜力。同时,本文还建立了全局性敏感参数分析方法和单参数节能改造因子回归模型,模拟发现内部负荷因子对能耗影响最显著。通过调整能源参数,可模拟不同改造情景约束条件下的节能量概率分布曲线和归一化值的分布区间,例如:研究案例常规情景下平均节能率为10.8%,大于5.8%的概率为84%,而在低碳情景下,节能率大于22.5%的概率则为84%。同时,本文针对已完成节能改造的15幢建筑,采集了基础信息和能源参数,并进行模型验证。研究结果表明:改造前与改造后的能耗数据显示,模拟节能量与实际观测值的偏差为14.3%。上述研究结果可为后续风险决策提供支撑。(3)本文研究了LSBESR模型中9个不确定性源和不确定性参数的量化方法,提出了基于贝叶斯理论的能量校正模型,建立了对可识别及待估计参数的贝叶斯模型。该模型采用哈密尔顿马尔可夫链蒙特卡罗算法,将能源参数的先验信息作为初始输入条件,并利用区域建筑群能耗观测值和后验联合条件概率密度得到了不确定能源参数的后验分布概率,解决了能源参数不确定性,理论模型与建筑原型偏差以及观测误差传递等问题。案例研究结果表明:围护结构综合传热系数、制冷系统综合性能系数的后验分布概率与上述参数的先验分布概率相比,二者均值分别相差19%与12%,预测模型的不确定度为9.5%。采用贝叶斯能量模型得到能源参数的后验分布后,能耗模拟值与观测值偏差由5.4%下降到0.97%,与先验信息模拟值相比,空调冷源、外窗隔热和高效照明3项综合措施节能量偏差度为27.8%,上述结果确保校正模型能显著提高LSBESR预测精度。(4)本文搭建了基于模糊多属性决策改造意愿因子预测修正模型和全生命周期多目标决策优选模型。首先,通过构造意愿因子隶属函数,获得区域建筑群大规模改造实施概率矩阵,并采用离散MC模拟方法来预测基于改造意愿的区域整体节能改造。其次,构建了基于全生命周期的单位节能效益增量成本模型和风险随机变量的量化方法,并建立了基于MC模拟的风险决策控制优化模型。案例研究结果表明:节能量修正曲线呈现单峰正态分布,相比之下,节能投资则呈现双峰高斯分布,其预期节能量调整系数为0.8,且意愿因子与节能期望值之间存在强对数关系;同时,采用多维度指标阈值控制(包括节能、经济、风险等)可实现对节能措施组合策略包的权衡判断和逐步优化。综上所述,本文提出了预测模型为LSBESR可行性研究、规划、预测、决策和优化等提供了理论指导。