能源部太平洋西北国家实验室（PNNL）的建筑研究团队近日发布了一款全新的 AI 驱动自主机器人，用于加速商业建筑施工前的能耗建模工作。

在建筑开工之前，项目团队通常需要评估未来建筑的能耗表现，以便优化设计方案、预测运营成本，并确保符合州和地方的能源法规要求。

建筑能耗建模为何复杂

为了完成这类评估，设计团队会使用建筑能耗建模软件，对拟建建筑在不同设计方案下的能耗进行模拟。当前行业中已有多种建模工具，其中不少由美国能源部开发或支持。

不过，搭建和解读这些模型需要较高的专业门槛，既要懂能耗建模，又要熟悉建筑系统和相关技术细节。因此，建模过程往往耗时长、对专业人员依赖度高。

为简化流程、减少对设计人员时间和精力的占用，PNNL 研究人员开发了“建筑能耗模型 AI”（Building Energy Model AI，简称 BEM-AI）。这是一款可在建模流程多个阶段自动生成完整建筑能耗模型的自主机器人。

相关研究成果已发表在期刊《能源与建筑》（Energy and Buildings）上。测试中，BEM-AI 成功模拟了佛罗里达典型商业建筑在节能措施下的能耗降低情况。

“通过 BEM-AI，我们正在让更多人能够使用这些原本需要大量专业知识才能掌握的复杂工具。”建筑建模专家、论文第一作者徐伟立表示，“一个成熟的自主能耗建模机器人，可以在建筑全生命周期中为设计师、建筑师、工程师以及监管人员等各类利益相关方提供帮助。”

目前，BEM-AI 已以开源形式发布，研究团队鼓励用户试用并在此基础上进行扩展和二次开发。

从烤面包类比能耗建模

可以把建筑能耗建模想象成“从零开始学烤面包”。

如果你完全没有烘焙经验、没有原料和设备，可能需要先请工程师设计并制造烤箱，再找电工接通电源；还要有农民种植小麦以获得面粉，气象学家预测适宜的种植气候，化学家研究配方中各种原料的反应机理。

这样一条面包，可能要花上几个月才能真正出炉。建筑能耗建模的复杂程度，与此类似，也可能需要数月时间。

建筑的能耗表现受多种因素共同影响，例如：

• 窗户数量、尺寸及朝向
• 供暖、通风和空调系统的类型
• 建筑围护结构和材料
• 当地气候条件
• 建筑的使用时间表和占用模式
• 不同时间段运行的设备和系统

“创建建筑能耗模型的流程本身是清晰的，但细节很快就会变得非常复杂。你需要与各类专家协作，进行大量计算和数据分析。”徐伟立说。这也促使他思考：能否利用 AI 强大的信息整合能力，来简化这一过程。

在梳理建模流程时，他发现了多个可以由自主机器人介入的“痛点”。例如，建筑和能耗相关数据格式多样（PDF、电子表格等），而建模软件通常需要特定格式的输入，自主机器人可以自动完成格式转换和整理。

另一个关键难点是“把设计意图转化为建模程序可以理解的形式”，也就是将建筑方案转换为 OpenStudio、EnergyPlus 等软件可直接读取的能耗模型。这正是 BEM-AI 的核心发力点。

BEM-AI 如何工作与测试

BEM-AI 采用“代理式 AI”架构，即由多个可独立执行任务的智能代理组成的自主系统。它可以将一个较大的任务（例如“估算某建筑在特定参数下的能耗”）拆分为多个子任务，并分配给不同的专业代理分别完成。

在测试中，研究人员向 BEM-AI 提供了多个提示信息。以其中一个案例为例：

一栋位于炎热潮湿气候区的三层中型办公楼，空调面积约 53,000 平方英尺。研究人员向系统提出的需求是：

我想评估通过将窗墙比降低 10% 为佛罗里达坦帕市一座符合能源法规标准的中型办公楼实现的节能效果。

接到请求后，BEM-AI 中的“规划者”代理会先对问题进行分析，并拆解为一系列子任务。随后，“协调者”代理将这些子任务分配给具备不同专业知识的代理，例如负责墙体、屋顶、照明或具体能耗建模软件操作的代理。

这些专业代理会分别收集所需数据，包括：

• 坦帕地区的气象与温度数据
• 建筑材料和构造信息
• 当地适用的能源法规和标准

在数据准备完成后，代理们调用能耗建模软件运行模拟。所有子任务完成后，“协调者”会将结果汇总并交给“总结”代理，由其生成最终的节能效果评估结果。

测试表明，BEM-AI 能够成功计算佛罗里达多座商业建筑在不同设计调整下的节能潜力。

目前，BEM-AI 主要针对佛罗里达地区建筑提供支持。研究团队希望能耗建模社区参与进来，帮助扩展其适用范围和数据覆盖。由于软件是开源的，任何人都可以在其基础上进行功能增强和本地化开发，这也是研究人员的初衷。

“我们需要更多来自建筑师、施工顾问以及其他专业人士的真实项目数据，来不断丰富和扩展模型。”徐伟立表示，“没有两座商业建筑是完全相同的，我们希望社区通过提供更多案例，帮助 BEM-AI 更好地适应多样化的建筑类型和设计场景。”