|
文献速读 Nat. Commun. ：人工智能在大规模减少商业建筑能源和碳排放方面的潜力  题目 Potential of artificial intelligence in reducing energy and carbon emissions of commercial buildings at scale 人工智能在大规模减少商业建筑能源和碳排放方面的潜力 来源 出版年份：2024年 来源：Nature Communications 第一作者/通讯作者：美国劳伦斯伯克利国家实验室Ding Chao & Zhou Nan 研究背景 气候变化是过往及现阶段的关键主题和挑战，世界各国已制定各类目标以限制全球气候变暖。其中，美国预计2030年温室气体（GHG）污染相较于2005年减少50%-52%；中国预计2030年前CO2排放量达到峰值；欧盟提出2030年预计GHG排放量相较于1990年至少减少55%。随着全球城市化快速发展，预计2050年，全球城市居住人口增至68%，届时将产生大量新建筑。其中，建筑业是美国能耗和CO2排放的主要来源之一。据统计，2011年建筑行业占美国总能耗的39%。为提高能效和实现CO2减排目标，研究建筑节能至关重要。 随着计算机技术快速发展，人工智能（AI）逐渐普及。AI应用于不同领域，如计算机视觉、机器人、自然语言处理等。近年来，AI也用于提高建筑、交通和工业等领域的能效和减少CO2排放。现有研究表明，建筑能耗和CO2排放具有较大节能潜力（2%-60%），但缺乏系统和标准的量化方法。建筑是一个复杂的系统，涉及多个组件（如墙、窗、暖通空调和照明系统）和施工阶段（规划、分析、开发和建造），AI有望降低各施工阶段成本，降低风险，提高民生健康和福祉。此外，居民和建筑部件之间的互动是非线性的，导致传统基于规则的控制算法难以捕捉。借助深度学习和强化学习等先进AI算法，AI模型可从运行数据中学习，并通过持续的实时数据自我迭代，以优化目标函数并提高性能。 研究出发点 AI在建筑行业内是一种可减少能耗和CO2排放，从而适应气候变化的新兴技术。然而，AI在建筑中节能潜力尚未明晰，且缺乏系统的量化标准。另外，尚未明晰AI减少建筑物能耗和CO2排放的最优机制。 研究内容 本文探讨了AI对提高商业建筑能效和减少CO2排放的潜在影响，提出了一种系统方法量化AI在商业建筑以外各类建筑中的效益。具体为：提出了一个四键结构用于系统解耦和评估单个建筑生命周期内的理论最大节能潜力；不同气候带的节能潜力不同，通过开发能效技术应用和建筑存量建模来量化AI规模化影响；根据气候区考虑了新建和现有中型办公楼的建设成本和深度改造成本，并计算了建筑库存周转率和技术采用，从而大规模预测AI的影响；分析了引进AI技术的好处。  图1 按用途和气候区划分的基准年耗电量  图2 基于年度建筑能源模拟的综合节能潜力  图3 美国典型中型办公楼的综合技术建筑节能潜力  图4 按情景划分的能耗  图5 按情景划分的CO2排放量 主要结论 本研究探讨了人工智能（AI）在提高商业建筑能源效率和减少碳排放方面的潜在影响。主要结论如下：AI有助于降低高能耗建筑（HEEBs）和零能耗建筑（NZEBs）成本溢价，从而提高其市场份额渗透率。相较于无AI的常规（BAU）情景，大规模采用AI技术预计在2050年使美国典型中型办公楼能耗和CO2排放量分别减少约8%和19%。将AI与能源效率政策和低排放能源生产（LEPG）相结合，预计在2050年BAU情景下的美国典型中型办公楼能耗和CO2排放量将分别减少约40%和90%。 本文有助于在建筑行业内推动AI发展时为决策者提供节能减排的量化决策支持。作为一种通用方法，仅需根据每个建筑类别的具体特征和能耗模式适当调整输入参数，即可评估其他建筑类型、其他地区或国家的AI节能潜力。使用相同的分析框架并考虑不同建筑类型的独特特征，本文所提方法可推广至更广泛案例，为其提供独到见解和高水平结论。 |
|
|
