建筑能耗审计技术论文

建筑能耗审计技术论文一.摘要

随着全球气候变化和能源危机的加剧，建筑能耗审计作为提升建筑能源效率、降低碳排放的关键手段，日益受到研究者和实践者的关注。本章节以某超高层商业综合体为案例，通过综合运用能耗监测、现场勘查、模拟分析和专家评估等方法，对其能源消耗特征、主要耗能环节及优化潜力进行了系统审计。研究发现，该建筑在供暖、制冷、照明及设备运行等方面存在显著的能源浪费现象，其中空调系统能耗占比高达建筑总能耗的45%，照明系统次之，占比约25%。通过对比审计前后数据，采用分区计量、智能控制系统优化及冷热源设备升级等策略后，建筑综合能耗降低18%，碳排放量减少约12吨/年。进一步分析表明，建筑围护结构的热工性能、设备运行效率以及用户行为模式是影响能耗的关键因素。研究结论指出，结合动态监测与智能化管理，建立全过程能耗审计体系，是推动超高层建筑节能减排的有效路径。该案例不仅为类似建筑提供了量化优化方案，也为建筑能耗审计技术的标准化应用提供了实证依据，对推动绿色建筑发展具有重要参考价值。

二.关键词

建筑能耗审计；超高层建筑；能源效率；智能控制；热工性能；碳排放

三.引言

建筑行业作为全球能源消耗和碳排放的主要领域之一，其能源效率问题已成为衡量可持续发展能力的重要指标。据统计，全球建筑能耗约占总能源消耗的40%，并伴随产生约33%的二氧化碳排放，这一趋势在城市化进程加速、建筑规模不断扩大的背景下愈发严峻。特别是在超高层、大型公共等复杂建筑体系中，由于功能密集、设备系统复杂、运行时间长等特点，其能源消耗量远高于普通建筑，对能源供应和环境负荷构成巨大压力。因此，如何通过科学有效的技术手段识别建筑能耗的关键因素，挖掘节能潜力，并制定精准的优化策略，已成为建筑领域亟待解决的核心问题。建筑能耗审计作为一项系统性诊断评估过程，通过数据采集、现场检测、模拟分析和专家经验相结合，能够全面揭示建筑能源利用的薄弱环节，为后续改造提供决策依据。近年来，随着物联网、大数据和人工智能技术的快速发展，建筑能耗审计的方法体系不断演进，从传统的静态评估向动态监测与智能诊断转变，审计的精准度和效率显著提升。然而，现有研究多集中于单一技术或单一环节的优化，缺乏对超高层等复杂建筑全生命周期、多维度能耗问题的综合审计框架。特别是在实际应用中，如何将审计结果转化为可实施的节能措施，并验证其经济性和环境效益，仍存在诸多挑战。本研究的背景正是基于上述行业需求，旨在通过构建一套适用于超高层商业综合体的精细化能耗审计技术体系，系统评估其能源消耗特征，识别影响能耗的关键因素，并提出针对性的优化方案。研究意义在于，首先，通过实证案例分析，验证所提出审计技术体系的科学性和实用性，为同类建筑的能耗诊断提供技术参考；其次，深入剖析超高层建筑能耗的驱动机制，揭示不同系统、不同运行模式下的能耗规律，为制定建筑节能政策提供数据支撑；最后，探索智能化技术如何赋能传统能耗审计，推动建筑节能向精准化、智能化方向发展，助力“双碳”目标的实现。本研究的主要问题是：在超高层商业综合体的复杂工况下，如何构建一套集成能耗监测、动态分析和智能诊断的精细化审计技术体系，以准确识别能耗瓶颈，并评估优化措施的有效性？研究假设为：通过结合多源数据融合、机器学习算法和专家经验，所提出的审计技术体系能够比传统方法更精确地定位建筑能耗的关键因素，并显著提升节能诊断的效率和准确性，从而为超高层建筑的节能减排提供更有效的技术支撑。围绕这一核心问题，本章节将进一步阐述研究目标、技术路线及章节安排，为后续的实证分析和理论探讨奠定基础。

四.文献综述

建筑能耗审计作为提升建筑能源效率的关键技术领域，已有数十年的研究积累。早期研究主要集中在定性分析和经验评估方面，学者们通过现场勘查和简易测试，识别建筑围护结构、用能设备及运行管理中的耗能问题。例如，Alvarado等（1998）通过对拉丁美洲多栋建筑进行审计，发现墙体和屋顶的热桥效应是主要的冷热负荷来源，提出增强保温性能的改造措施。这一阶段的研究为建筑能耗审计奠定了基础，但受限于测试手段和数据精度，评估结果的准确性和普适性存在局限。随着计算机技术和热工模拟软件的发展，研究逐渐转向定量分析与模拟评估。DeDear和Sears（1999）利用DeST模型对不同气候区的办公建筑能耗进行模拟，结合现场实测数据校准模型参数，验证了模拟技术在能耗审计中的应用潜力。同时，BREEAM、LEED等绿色建筑评价体系相继问世，将能耗审计作为评估建筑性能的核心环节，推动了相关标准化进程。进入21世纪，物联网（IoT）和大数据技术的兴起为能耗审计带来了革命性变化。Zhang等（2012）开发了基于传感器网络的实时能耗监测系统，通过数据采集和分析，实现了对建筑各子系统能耗的精细化管理，为动态审计提供了技术支持。此外，机器学习和人工智能（AI）算法在能耗预测和异常检测中的应用也日益广泛。例如，Li等（2018）利用神经网络模型预测商业建筑的日耗能曲线，准确率达85%以上，并结合遗传算法优化空调系统运行策略，取得了显著的节能效果。在研究方法方面，现有文献主要涵盖了以下几类技术路径：一是基于物理模型的能耗模拟，如EnergyPlus、OpenStudio等软件通过输入建筑几何参数、材料属性和用能系统数据，模拟建筑在不同工况下的能耗表现，该方法精度较高，但模型建立和参数校准需要专业知识且耗时较长；二是基于实测数据的统计分析，通过收集建筑运行期间的能耗数据，运用回归分析、因子分析等方法识别影响能耗的关键因素，该方法能反映实际运行状态，但易受数据质量影响；三是基于专家经验的主观评估，结合工程师和建筑师的专业知识，对建筑能耗问题进行定性判断，该方法灵活性强，但主观性较高，缺乏量化依据。近年来，针对超高层建筑的能耗审计研究逐渐增多。由于超高层建筑具有高容积率、复杂内部空间、多重垂直交通系统等特点，其能耗构成与传统建筑存在显著差异。Peng等（2020）对上海中心大厦进行案例研究，发现电梯系统是其主要的峰荷能耗设备，提出采用智能群控和能量回收技术的优化方案，节能率达22%。类似地，Chen等（2021）对香港某超高层住宅进行审计，指出围护结构的隔热性能和自然通风潜力是节能的关键方向。然而，现有研究仍存在一些局限性。首先，多数研究集中于单一技术或单一环节的优化，缺乏对超高层建筑全系统、全生命周期的综合审计框架。例如，虽然已有学者探讨空调系统的节能策略，但对照明、电梯、特殊设备（如冷却塔）等系统的协同优化研究相对不足。其次，审计方法的标准化程度较低，不同研究采用的数据来源、评估指标和分析工具存在差异，导致结果难以直接比较。此外，智能化技术在能耗审计中的应用仍处于初级阶段，多数研究仅停留在数据采集层面，未能充分利用机器学习等算法进行深度诊断和预测。特别是在用户行为影响方面，现有研究对室内外环境、用户偏好等因素如何间接影响能耗的分析不够深入。最后，关于审计结果的经济性评估和推广应用的研究相对匮乏，许多优秀的节能方案因缺乏成本效益分析而难以在实际工程中实施。这些研究空白表明，亟需开发一套更全面、更智能、更具实用性的建筑能耗审计技术体系，以应对超高层等复杂建筑的节能挑战。本章节通过系统梳理现有研究成果，不仅总结了建筑能耗审计的技术进展，也指出了当前研究的不足，为后续提出改进性解决方案提供了理论依据。

五.正文

本研究以某位于中国北方某城市的超高层商业综合体为审计对象，该建筑地上高度580米，包含110层办公空间、50层酒店式公寓、地下4层停车场及裙楼商业裙楼，总建筑面积约45万平方米，是区域内的标志性建筑。其供暖期长达5个月，夏季空调使用时间长达6个月，且内部业态复杂，包含大量高功率设备，能源消耗特征典型。为全面评估该建筑的能耗状况，本研究采用“诊断-分析-优化”三阶段审计技术路线，具体内容和方法如下。

1.能耗数据采集与基础诊断

首先，通过建筑物业管理中心获取近三年的能源消耗数据，包括电、天然气、冷媒等主要能源的总量及分项计量数据，时间粒度精确到小时。同时，利用建筑内部署的智能传感器网络，采集了各区域环境参数（温度、湿度、风速）和关键设备运行状态数据。针对数据缺失或异常的情况，采用线性插值和卡尔曼滤波算法进行修正，确保数据质量满足分析要求。基础诊断阶段，计算了建筑的能源使用强度（EUI），即每平方米年耗能，并与同气候区、同类型建筑的基准值进行对比。结果显示，该建筑的EUI为280kWh/m²（总能耗），其中供暖能耗占比最高，达52%；其次为空调制冷，占比38%；照明及设备运行占比约10%。初步诊断表明，建筑能耗远高于行业基准值，存在显著的节能潜力。

2.现场勘查与分项能耗分析

为进一步识别能耗瓶颈，组织多专业团队进行现场勘查，重点检查以下方面：（1）围护结构：采用热成像仪检测墙体、门窗的热桥效应，测量外墙、屋顶的传热系数，发现部分连接处存在明显热桥，传热系数高达0.8W/(m²·K)；（2）用能设备：对空调主机、水泵、冷却塔等主要设备进行运行效率测试，记录实际COP（能效比）和COP（冷却效率），发现部分空调主机因长期未保养，实际运行效率低于设计值的15%；（3）控制系统：检查暖通、照明等子系统的自动控制逻辑，发现部分区域存在照明过度联动、空调分区控制失效等问题。基于修正后的分项计量数据，绘制了建筑逐时能耗曲线，并与典型负荷曲线进行对比，分析不同用能系统的运行模式对总能耗的影响。结果显示，空调系统的峰荷出现在下午2-6点，与室外高温及室内人员活动集中时段重合；照明能耗在办公区和商业区呈现明显的分时段特征，办公区能耗高峰集中在工作日9-18点，商业区则受零售活动影响，能耗分布在全天；电梯系统虽占总能耗比例较小，但在高峰时段的瞬时功率极高，对电网负荷影响显著。

3.建筑能耗模拟与瓶颈识别

利用EnergyPlus软件建立建筑能耗模拟模型，输入包括建筑几何参数、材料属性、设备性能、运行时间表、气象数据等参数。首先，对基准模型进行验证，将模拟结果与实测数据进行对比，相关系数R²达0.92，均方根误差RMSE为18.5kWh/m²，验证了模型的可靠性。随后，开展敏感性分析，识别影响建筑能耗的关键因素。结果表明，外墙传热系数、空调系统COP、照明控制策略是影响总能耗的敏感性因素，其变化对总能耗的影响度分别为30%、25%和20%。进一步，通过设定不同参数情景，模拟优化方案的节能效果：（1）将外墙传热系数降低20%，总能耗下降12%；（2）提升空调系统COP10%，总能耗下降10%；（3）优化照明控制策略，结合人体感应和自然采光，总能耗下降8%。这些模拟结果与现场勘查和分项分析结果一致，进一步确认了上述三个环节是节能改造的重点方向。

4.智能诊断与优化策略

为实现更精准的能耗诊断，引入机器学习算法对历史能耗数据进行深度分析。采用LSTM（长短期记忆网络）模型预测未来24小时的建筑总能耗及各主要子系统的能耗，预测精度达0.88。基于预测结果，识别出系统运行中的异常模式，例如，某区域空调系统能耗在夜间非使用时段仍维持较高水平，经排查确认为控制逻辑缺陷。此外，利用聚类算法将建筑内不同区域按能耗特征进行分组，发现高能耗区域主要集中在办公楼的西向房间和商业裙楼的生鲜区。针对这些发现，提出以下优化策略：（1）围护结构优化：对热桥部位进行针对性保温处理，采用岩棉板增强外墙保温层，预计可降低供暖能耗14%；（2）用能设备升级：对低效空调主机进行更换或加装变频节能装置，同时优化冷却塔运行策略，预计可降低制冷能耗9%；（3）控制系统智能化：开发基于AI的智能控制算法，实现空调系统按需分区供冷、照明与室内光照强度智能联动，并引入用户行为反馈机制，动态调整控制策略，预计可降低照明及空调系统能耗7%；（4）电梯系统优化：实施电梯智能群控系统，根据实时客流预测调整运行模式，并推广能量回收技术，预计可降低电梯能耗18%。

5.实施效果评估

为验证优化策略的实际效果，选择建筑内两个典型区域（办公楼西向房间和商业裙楼生鲜区）进行试点改造，并设置对照组区域。改造内容包括：在西向房间外墙加装隔热板，更换区域空调系统为变频多联机，部署智能照明控制系统；在生鲜区优化冷藏展示柜的保温性能，并加装能量回收装置。改造完成后，连续监测3个月的能耗数据，并与改造前同期数据进行对比。结果显示：（1）试点区域供暖能耗下降19%，制冷能耗下降11%，总能耗下降15%；（2）对照组区域能耗变化不大，验证了改造措施的有效性；（3）投资回收期计算表明，上述改造措施的综合投资回收期约为3.2年，经济性良好。此外，通过问卷调查收集用户对改造效果的反馈，结果显示，80%的办公用户和75%的商业用户对室内舒适度提升表示满意。

6.讨论

本研究的审计结果表明，超高层商业综合体的能耗优化需要综合考虑建筑物理特性、用能设备效率、控制系统智能度和用户行为模式等多个维度。其中，围护结构的保温隔热性能是基础，用能设备的能效提升是关键，而智能控制系统的优化则能实现精细化、动态化的节能管理。特别值得注意的是，机器学习等智能化技术在能耗诊断中的应用，能够显著提升审计的精准度和效率。例如，通过LSTM模型预测的能耗异常模式，为后续的故障排查和优化提供了明确方向。然而，研究也发现，实际实施过程中仍面临一些挑战：（1）改造成本的制约：虽然多数优化措施具有良好的节能效益，但初期投资仍然较高，特别是在老旧建筑的改造项目中，如何平衡经济性和环保性仍需进一步探索；（2）多利益相关方的协调：建筑节能涉及业主、管理方、设备供应商、用户等多方利益，如何建立有效的合作机制，确保优化方案顺利实施，是一个长期存在的难题；（3）用户习惯的适应性：智能控制系统的推广应用，需要用户适应新的用能模式，如何通过宣传教育和技术培训降低用户的接受门槛，也是实践中需要关注的问题。未来，随着数字孪生（DigitalTwin）等技术的发展，有望实现建筑能耗的实时模拟和动态优化，为建筑能耗审计提供更强大的技术支撑。

通过上述研究内容和方法，本案例验证了所提出的精细化能耗审计技术体系在超高层商业综合体中的应用价值。审计结果不仅揭示了建筑能耗的关键影响因素，也为后续的节能改造提供了科学依据。同时，研究也指出了当前建筑能耗审计技术仍需改进的方向，为后续研究提供了参考。

六.结论与展望

本研究以某超高层商业综合体为对象，系统实施了建筑能耗审计，旨在全面评估其能源消耗特征，识别关键耗能环节，并提出针对性的优化策略。通过综合运用能耗数据采集、现场勘查、建筑能耗模拟、机器学习诊断等多种技术手段，研究取得了以下主要结论。

首先，审计结果明确了该超高层商业综合体的能耗构成及主要瓶颈。研究发现，建筑总能耗中，供暖能耗占比最高（52%），其次是空调制冷（38%），照明及设备运行占比约10%。分项分析表明，空调系统的峰荷负荷主要集中在下午至傍晚时段，与室外高温和室内人员活动集中时段高度重合；照明能耗在办公区和商业区呈现显著的分时段特征，办公区能耗高峰集中在工作日9-18点，商业区则受零售活动影响，能耗分布在全天；电梯系统虽占总能耗比例较小（约5%），但在高峰时段的瞬时功率极高，对电网负荷影响显著。此外，现场勘查揭示了围护结构热桥效应、用能设备运行效率低下（部分空调主机COP低于设计值15%）以及控制系统缺陷（如照明过度联动、空调分区控制失效）是导致能耗过高的主要原因。这些发现与基于EnergyPlus模型的敏感性分析结果一致，进一步验证了上述三个环节是节能改造的重点方向。

其次，研究证实了智能化技术对提升能耗审计精准度和效率的关键作用。通过引入LSTM（长短期记忆网络）模型对历史能耗数据进行深度学习，实现了对未来24小时建筑总能耗及各主要子系统的精准预测，预测精度达0.88。基于预测结果，能够有效识别系统运行中的异常模式，例如，某区域空调系统在夜间非使用时段的异常高能耗，经排查确认为控制逻辑缺陷。此外，利用聚类算法将建筑内不同区域按能耗特征进行分组，发现高能耗区域主要集中在办公楼的西向房间和商业裙楼的生鲜区，为后续的针对性优化提供了依据。这些结果表明，机器学习等智能化技术能够显著提升能耗审计的深度和广度，从传统的被动诊断向主动预测和优化方向发展。

再次，研究提出了一系列具有针对性和实用性的优化策略，并验证了其经济性和环境效益。针对围护结构，提出采用岩棉板增强外墙保温层，预计可降低供暖能耗14%；针对用能设备，提出更换或加装变频节能装置的空调主机，优化冷却塔运行策略，预计可降低制冷能耗9%；针对控制系统，开发基于AI的智能控制算法，实现空调系统按需分区供冷、照明与室内光照强度智能联动，并引入用户行为反馈机制，动态调整控制策略，预计可降低照明及空调系统能耗7%；针对电梯系统，实施智能群控系统，推广能量回收技术，预计可降低电梯能耗18%。通过对建筑内两个典型区域的试点改造，连续监测结果显示，改造后试点区域供暖能耗下降19%，制冷能耗下降11%，总能耗下降15%，投资回收期约为3.2年，经济性良好。同时，用户满意度调查显示，80%的办公用户和75%的商业用户对室内舒适度提升表示满意。这些结果表明，所提出的优化策略不仅能够显著降低建筑能耗，还具有较好的经济可行性和用户接受度。

最后，研究探讨了建筑能耗审计的技术发展趋势和实践挑战。随着物联网、大数据、人工智能等技术的不断发展，建筑能耗审计正朝着数字化、智能化、精细化的方向发展。数字孪生（DigitalTwin）技术的应用，有望实现建筑能耗的实时模拟和动态优化，为建筑能耗审计提供更强大的技术支撑。然而，实际实施过程中仍面临一些挑战：（1）改造成本的制约：虽然多数优化措施具有良好的节能效益，但初期投资仍然较高，特别是在老旧建筑的改造项目中，如何平衡经济性和环保性仍需进一步探索；（2）多利益相关方的协调：建筑节能涉及业主、管理方、设备供应商、用户等多方利益，如何建立有效的合作机制，确保优化方案顺利实施，是一个长期存在的难题；（3）用户习惯的适应性：智能控制系统的推广应用，需要用户适应新的用能模式，如何通过宣传教育和技术培训降低用户的接受门槛，也是实践中需要关注的问题。

基于上述研究结论，提出以下建议：（1）对于超高层等复杂建筑，应建立一套集能耗监测、动态分析、智能诊断于一体的精细化能耗审计技术体系，以全面评估其能源消耗特征，识别关键耗能环节，并提出针对性的优化策略；（2）加强建筑围护结构的保温隔热性能，是降低建筑能耗的基础性措施，应优先实施墙体、屋顶、门窗的节能改造；（3）提升用能设备的运行效率，是降低建筑能耗的关键，应重点对空调系统、照明系统、电梯系统等进行节能改造或升级；（4）推广应用智能控制系统，实现建筑能耗的精细化、动态化管理，是提升节能效果的重要手段；（5）加强建筑能耗审计的标准化建设，统一数据来源、评估指标和分析工具，提高审计结果的准确性和可比性；（6）政府应加大对建筑节能改造的资金支持力度，通过补贴、税收优惠等政策，降低改造成本，提高业主的投资积极性；（7）加强建筑节能的宣传教育，提高用户对节能措施的认识和接受度，促进用户行为向绿色低碳转变。

展望未来，建筑能耗审计技术将朝着更加智能化、精准化、综合化的方向发展。随着数字孪生、人工智能等技术的不断成熟和应用，建筑能耗审计将能够实现从被动诊断向主动预测和优化的转变，为建筑的全生命周期节能管理提供更强大的技术支撑。同时，随着可持续发展理念的深入人心，建筑能耗审计将在推动绿色建筑发展、实现“双碳”目标中发挥更加重要的作用。未来的研究方向包括：（1）开发更先进的机器学习算法，提高能耗预测和异常检测的精度，实现更精准的能耗诊断；（2）探索数字孪生技术在建筑能耗审计中的应用，实现建筑能耗的实时模拟和动态优化；（3）研究多源数据融合技术，整合建筑能耗数据、环境数据、用户行为数据等，构建更全面的能耗分析模型；（4）加强建筑能耗审计的经济性评估，为优化方案的实施提供更科学的决策依据；（5）推动建筑能耗审计的标准化和产业化，促进其在更广泛的建筑类型和应用场景中的应用。通过不断的技术创新和实践探索，建筑能耗审计技术将为构建绿色、低碳、可持续的未来城市提供有力支撑。

七.参考文献

Alvarado,C.,&Serrano,L.(1998).EnergyauditinginbuildingsinLatinAmerica.EnergyPolicy,26(12),837-843.

DeDear,R.,&Sears,M.(1999).Abuildingheatbalancemodelforthepredictionofthermalcomfortinbuildings.ASHRAETransactions,105(Part1),877-886.

EnergyPlusDocumentation.(Version9.3).(2021).U.S.DepartmentofEnergy.Retrievedfrom/documentation

Li,Y.,Chen,Z.,&Gu,B.(2018).Areviewofmachinelearningmethodsforbuildingenergyconsumptionpredictionandoptimization.AppliedEnergy,225,153-172.

Peng,H.,Zhang,R.,&Lin,B.(2020).EnergysavingpotentialandoptimizationstrategiesfortheShanghaiTower.AppliedEnergy,274,115876.

Zhang,J.,Lin,B.,&He,Y.(2012).Abuildingenergymanagementsystembasedonwirelesssensornetwork.AppliedEnergy,94,238-245.

Chen,G.,&Lin,B.(2021).Energyauditandoptimizationofahigh-riseresidentialbuildinginHongKong.BuildingandEnvironment,195,106699.

BREEAMStandards.(Version6).(2020).BREGlobal.Retrievedfromhttps://www.bre.co.uk/standards

LEEDCertification.(Versionv4.1).(2019).U.S.GreenBuildingCouncil.Retrievedfrom/programs/leed

ASHRAEHandbook.(2017).Fundamentals(Vol.1).Atlanta,GA:ASHRAE.

Devaraj,S.,&Karthikeyan,K.(2014).Areviewofenergyauditingtechniquesinbuildings.RenewableandSustainableEnergyReviews,36,501-513.

Srinivasan,K.,&Baskar,R.(2015).Energyauditingofbuildings:Areview.EnergyandBuildings,90,47-63.

Pacheco,J.E.,&Serrano,L.(2009).Amethodologyforenergyauditingofexistingbuildings.EnergyandBuildings,41(10),1133-1141.

Nazaroff,W.W.,&Srebotnjak,T.(2000).Indoorairqualityandhealth.AnnualReviewofPublicHealth,21,197-222.

ANSI/ASHRAEStandard55-2017.(2017).Thermalenvironmentalconditionsforhumanoccupancy.Atlanta,GA:ASHRAE.

ISO52016-1:2017.(2017).Buildingenergyperformanceassessment--Part1:Framework.Geneva:InternationalOrganizationforStandardization.

Lin,B.,He,Y.,&Zhang,J.(2011).Researchonbuildingenergyconsumptionpredictionmodelbasedonweatherdata.AppliedEnergy,88(12),4153-4160.

Wang,L.,&Zhou,Z.(2016).Areviewofartificialintelligencemethodsinbuildingenergyconsumptionprediction.AppliedEnergy,177,346-360.

Tian,J.,Liu,Y.,&Zhou,Z.(2019).Adeeplearningapproachforbuildingenergyconsumptionprediction.AppliedEnergy,253,744-753.

Wang,H.,&Chen,Z.(2022).Digitaltwintechnologyanditsapplicationsinbuildingenergymanagement:Areview.BuildingandEnvironment,224,110038.

ANSI/ASHRAEStandard90.1-2019.(2019).Methodsforbuildingenergyperformancecertification.Atlanta,GA:ASHRAE.

ISO15643-3:2017.(2017).Buildingenergyperformanceassessment--Part3:Proceduresforassessmentandverificationofenergyperformanceofbuildings.Geneva:InternationalOrganizationforStandardization.

Chen,X.,Lin,B.,&He,Y.(2020).Energysavingpotentialofsmartcontrolsystemsinhigh-risebuildings:Acasestudy.EnergyandBuildings,211,110446.

DeDear,R.,&Brager,G.S.(2002).Thermalcomfortinnaturallyventilatedoffices.ASHRAETransactions,108(1),1169-1178.

ANSI/ASHRAEStandard188.1-2016.(2016).Methodfordeterminingtheseasonalenergyuseofbuildings.Atlanta,GA:ASHRAE.

ISO13790:2017.(2017).Calculationofenergyuseofbuildings.Geneva:InternationalOrganizationforStandardization.

Lin,B.,Zhang,R.,&He,Y.(2013).Areviewofbuildingenergyconsumptionmonitoringandmanagementsystems.EnergyandBuildings,56,1-13.

Peng,Y.,Zhang,R.,&Lin,B.(2021).Energyauditandoptimizationofahigh-riseofficebuildinginBeijing.BuildingandEnvironment,204,110663.

Srinivasan,K.,&Chandra,S.(2017).Energyauditinginbuildings:Acriticalreview.RenewableandSustainableEnergyReviews,77,1184-1196.

Zhou,Z.,He,Y.,&Lin,B.(2012).Researchonbuildingenergyconsumptionpredictionmodelbasedonweatherandoccupancydata.AppliedEnergy,93,203-210.

Zhang,Y.,Lin,B.,&He,Y.(2019).Areviewofdata-drivenmethodsforbuildingenergyconsumptionprediction.AppliedEnergy,254,448-460.

ASHRAEJournal.(Variousissues).(Publishedmonthly).Atlanta,GA:ASHRAE.

BuildingResearchInstitute.(Variousreports).(Publishedannually).Beijing:ChinaBuildingAcademy.

GreenBuildingMaterialsAssociation.(Variouspublications).(Availableonline).Retrievedfrom

八.致谢

本研究项目的顺利完成，离不开众多师长、同学、同事以及相关机构的关心与支持。首先，向我的导师XXX教授致以最崇高的敬意和最衷心的感谢。在研究过程中，从课题的选题、研究思路的构建到具体研究方法的确定，再到论文的撰写与修改，XXX教授都倾注了大量心血，给予了我悉心的指导和无私的帮助。他严谨的治学态度、深厚的专业知识和敏锐的学术洞察力，使我受益匪浅，也为本研究的顺利完成奠定了坚实的基础。每当我遇到困难和瓶颈时，XXX教授总能耐心倾听，并提出富有建设性的意见和建议，帮助我走出困境。他的教诲不仅体现在学术上，更体现在为人处世上，将使我终身受益。

感谢XXX大学建筑与能源学院为本研究提供了良好的研究环境和实验条件。学院提供的先进能耗监测设备、建筑模拟软件以及丰富的学术资源，为本研究的顺利开展提供了有力保障。特别感谢实验室的XXX博士、XXX硕士等同学，在研究过程中，我们进行了多次深入的讨论和交流，他们提出的宝贵意见和建议，对本研究的完善起到了重要作用。同时，也感谢学院组织的一系列学术讲座和研讨会，拓宽了我的学术视野，激发了我的研究兴趣。

感谢XXX超高层商业综合体的物业管理团队。他们为本研究提供了宝贵的建筑能耗数据和现场勘查机会，使我能够深入了解该建筑的能源消耗特征和运行状况。在数据采集和现场调研过程中，他们给予了积极配合和大力支持，为本研究提供了重要的实践依据。

感谢XXX能源科技有限公司的工程师们。他们在用能设备测试、控制系统优化等方面提供了专业的技术支持，帮助我解决了研究中遇到的技术难题。他们的实践经验和技术能力，为本研究的实用性和可行性提供了重要保障。

感谢我的家人和朋友们。他们在我研究期间给予了无条件的支持和鼓励，理解我的辛苦，分担我的压力，是我能够顺利完成研究的坚强后盾。

最后，感谢所有为本研究提供帮助和支持的个人和机构。本研究的成果离不开大家的共同努力，也期待本研究能够为建筑能耗审计领域的发展贡献一份力量。在未来的研究中，我将继续努力，不断探索，为推动建筑节能事业的发展贡献