«——【·引言·】——»
在过去的二十年中，全球住宅部门的能源消耗以平均年增长率超过2%的稳定速度增长，据估计，住宅部门占全球能源消耗的29%，住宅能源需求主要包括空间供暖、家电、热水供应、照明和烹饪。
这种增长与负面环境影响和能源资源枯竭有关，对于此类后果的日益关注，近年来全球范围内出台了一系列旨在增加该部门能效、减少住宅能源需求及相关二氧化碳排放的节能政策。
为了支持这些努力，近年来出现了大量基于工程的建筑能源模型，能够预测节能政策对能源消耗和二氧化碳排放的影响。
«——【·数据不确定性和可转移性潜力的考量·】——»
建筑库能源模型是预测住宅部门能源需求的有效工具，为了促进其使用并增加结果的可信度，需要解决一些挑战。
第一个挑战与高度详细的输入参数要求有关，而这些数据源可能并不总是可用的，因此增加了输入假设的不确定性，阻碍了建模的潜力。
一些作者进行了敏感性分析，以确定哪些输入参数对模型输出有最大影响，在最常见的一次只改变一个参数的敏感性分析技术中，模型的输入参数一个个地进行修改，而其他输入参数保持不变。
对于每个输入参数的不同变化，运行模型，然后量化输出变量的变化并计算敏感性系数。
根据已经进行一次只改变一个参数的敏感性分析研究，表明一个模型不一定需要基于高度细分的输入参数才能产生稳健和准确的结果。
这是因为有限数量的输入参数可能对整体能源消耗产生巨大影响，建议在聚合和细节之间达到平衡。
建筑库能源建模中的另一个重要方面是可转移性潜力，目前大多数现有模型旨在确定特定国家的住宅能源需求，在这种情况下，验证过程通常涉及将建模输出与实际能源消耗的统计数据进行比较。
现有模型很少在其有效范围之外使用，将现有模型转移到不同的地理环境可能会产生不确定性。
用于量化住宅部门能源需求的建模方法，可以分为 自上而下和自下而上 两种方法，自下而上的方法评估具有高度详细信息的参数的影响，但通常无法捕捉全球能源市场的相互作用。
而自上而下的方法则不能评估个别输入参数对整体输出的影响，但可以考虑全球范围的变量，无论采用何种建模方法，通常会使用不同的场景来量化特定节能措施的影响，当建模的能源需求预测结果与实际能源消费数据进行对比时，通常会出现明显差异。
这些差异可以归因于现有模型未量化多种不确定性来源的影响，这些不确定性主要与建模算法的固有限制、用户错误或输入参数的可能变化有关。
«——【·可转让住宅能源模型·】——»
TREM是基于自下而上的统计建模的混合住宅能源模型，它使用蒙特卡洛模拟来生成输入数据，从而分析和确定能源需求。
该模型可以在输入参数相互作用的不确定性条件下，实现可转移性并同时预测国内能源需求。
TREM对德国、智利和英国2001年至2010年间住宅部门能源消耗的预测表明，该模型可以可靠地预测该时期的国内能源消耗，研究的一个重要局限性是未评估TREM对未来年份能源需求预测的适用性和可靠性，这对未来决策和政策制定非常重要。
为了实现研究的目标，选择案例研究国家遵循了两个主要标准，情境的独特性，所选国家的气候特征、住房数量和能源需求在每个使用领域必须非常不同；
数据可用性，考虑的国家必须拥有与能源需求和建筑库存相关的十多年的统计数据。
研究的结果将有助于加深对居住能源需求预测中建模输入参数变化量的定量关系的理解，此外，它们提供了一个重要的数据库，可以帮助量化能源节约措施应用对不同国家住宅能源消耗可能影响范围的可能变化。
«——【·参考期和预测期的确定·】——»
在TREM模型的执行之前，需要确定两个研究期间，参考期间和预测期间，每个模型制定者都会确定参考期间，但建议参考期间尽可能长，以获得更可靠和稳健的结果。
这在考虑到与异常值相关的不确定性时尤为重要，例如由于气候变化导致的温度变化或住宅数量增长率的变化，如果只使用一个参考年份，可能无法确定该年份是否代表了长期期间，也无法确定时间上的可能变化或趋势。
在这个意义上，参考期间为该模型提供了来自住宅建筑库存及其相关能源需求的现有数据，此外，在此期间进行模型校准，以调整除参考年份以外某一年的平均测量最终能源消耗数据。
这是因为使用给定年份的测量，最终能源消耗数据可能导致预测误差，特别是如果测量是在异常温暖或异常寒冷的年份进行的。
在研究中，澳大利亚和智利的参考期间从1992年到2010年，2010年被视为本研究所考察的所有国家的住宅部门能源需求计算的参考年份。
预测期间对应于能源需求预测和结果不确定性的年份，在这项工作中，长期能源需求的预测期间包括2011年到2030年之间的年份。
为了有一个对预测准确性的先前参考，将2011年到2015年之间的能源需求预测结果与每个国家的现有统计数据进行了比较，2015年被视为最后一年，因为所有案例研究国家均有截至这一年的完整能源消耗数据。
在澳大利亚、智利进行能源模拟时，主要使用的气候变量是室外气温，在这些国家，室外温度在同一个月份内以及不同地区之间的变化差异很大。
在2010年7月，澳大利亚的室外温度范围从0°C到31°C，智利的室外温度范围从-22°C到24°C。
这些温度变化直接影响了居民用能的消耗，如果一个住宅位于低温地区，它通常会有更高的供暖负荷，相反，如果它位于高温地区，由于空调使用，通常会有更高的能源消耗。
在澳大利亚和智利，将地理区域划分为气候区域，智利根据国家规范，划分为7个热区，澳大利亚确定了七个和五个气候区域，与其他案例研究国家相比。
在每个案例研究国家中，能源消耗量的特征值有助于表征居住建筑库的能源消耗水平，在不同的住宅建筑库之间发现了显著差异，智利住宅的能源消耗量最低，为9.4兆瓦时/年，澳大利亚的平均住宅能源消耗量分别为16.2兆瓦时/年。
«——【·国家一级能源消耗的真实数据·】——»
该模型使用了每个国家的实际能源消耗数据，进行模型的校准和部分预测期间的能源需求预测比较，这些数据每年由政府机构发布。在澳大利亚的情况下，发布数据的机构是环境和能源部，在智利是国家能源平衡。
每个国家住宅部门的最终能源消耗数据，以及住宅能源消耗数据显示出较大的差异，智利和澳大利亚住宅部门的平均总最终能源消耗最低。
总之，采集输入参数的数据收集过程对于每个案例研究都存在差异，在编制两个特定输入参数时遇到了较大困难，加热设备效率和按住房类型的能源消耗。这是因为在澳大利亚、智利国家，很少有关于住宅环境下加热设备效率的研究。
«——【·2030年之前的能源需求测试·】——»
澳大利亚实际最终能源消耗在整个参考期间以平均1.6%的速率逐步增加，这是由于过去二十年间每个住宅的平均能源消耗略微增加，并且住房数量以几乎恒定的1%每年的速率增长，标准偏差较小。
实际能源消耗中最大的差异出现在2001年到2002年之间，但与那些年份的平均净值相比，这个差异在百分比上很小。
模拟预测结果显示，澳大利亚在预测期间的能源需求将以平均每年1.1%的速度继续增加。这个增长率比参考期间观察到的速率低0.5%。
这是因为模拟考虑到加热设备的效率将会提高，这是由于木材减少和电力增加作为能源来源，最终减缓了能源需求的增长。
根据模拟结果，预计到2030年，与2010年相比，能源需求将增长25%，这种增长将直接受到住房数量持续增加的影响，以及在家用电器设备效率改善方面的较小影响。
自2012年起，澳大利亚开始实施包括家用电器能源标签在内的能源效率计划，希望这个计划能提高建筑材料的热效率并减少未来的能源需求，但其影响可能在长期内才会显著。
智利住宅部门的实际最终能源消耗量在1992年至2009年期间稳步增长，平均增长率为2%，在2009年至2010年期间，能源消耗急剧下降了24%。
这是因为在智利国家能源平衡中，用于估计生物质能源消耗的方法发生了变化，而这种方法至今仍在使用。
方法学上的变化包括使用一个预测能源需求的软件，该软件的数据来自国家家庭用柴火消费调查，这种新方法在2014年开始实施，用于纠正从2010年开始的能源消耗数据，并且可以直接覆盖整个国家范围。
在实际能源消耗数据校正之后，可以观察到2010年至2015年期间的趋势与过去趋势相同，因为其平均增长率与1992年至2009年期间的增长率相等，这个方面在建模中没有产生重大影响，因为趋势保持相似。
智利能源消耗的持续增长是由智利住房的高年增长率引起的，这个增长率在参考期间为2%至3%之间变化，而且人均收入水平的增加和智利人口生活质量的改善也有额外的影响。
这增加了家用电器的使用和每户能源消耗量的增加，类似于1978年至2009年美国观察到的趋势。
模型结果显示，智利的能源需求将以平均2%的速度继续增长。这是因为预计在参考期间，居民楼宇库存的增长速率将保持在过去两十年的水平，即在2%至3%之间，预计人均收入水平的不断提高和人民生活水平的逐渐提高将继续逐步增加。
这导致了模拟能源需求时90%置信区间宽度的变化，考虑到每年住房增长率为3%。在这种情况下，预计到2030年能源需求的最大值将达到74 TWh / a，相较于2010年的能源消耗增长了63%。
智利自2000年以来实施了住房节能政策，但尚不清楚这些规定在减少全球能源需求方面何时产生明显影响，因为在热规定之前建造的现有住宅数量的增长速度占到了建筑库存的80%，并且几乎没有或没有热隔绝。
在2010年至2015年期间，实际能源消耗与该时期，最可能的能源需求预测之间的平均差异为2%。
可以观察到所有实际能源消耗数据都位于能源模型TREM生成的概率区间内，这表明模拟结果具有很高的准确性。
«——【·结语·】——»
对澳大利亚、智利的居住部门能源需求进行预测，预测的时间跨度为2010年到2030年。这些预测是使用能源模型TREM生成的，该模型使用了有限数量的输入参数。
预测结果显示，对于澳大利亚、智利和美国，到2030年的能源需求将分别增加25%、63%和6%，与2010年的能源消耗相比。
这些预测基于以下假设，这些国家的住房数量将保持不断增加，平均能源消耗量也将持续增加，建筑存量增长率超过1%。
为了确定预测的准确性，还将案例研究国家在2011年至2015年期间的实际能源消耗与TREM确定的能源需求的最可能值进行了比较，比较结果显示，实际能源消耗与模型估算的能源消耗之间的差异不超过3%，得出结论认为该模型能够准确预测国家级能源消耗。
对比结果使人们能够评估，当前在案例研究国家中，正在进行的节能措施对未来的影响，并增强对预测居住能源需求的建模输入参数变化的定量关系的理解，提供了一个有用的数据库，可以帮助量化不同国家在住房领域，应用节能措施可能产生的影响范围的变化。
«——【·参考文献·】——»
1. Akisawa, A., & Inoue, S. (2018). A risk analysis of future residential energy demand in Australia. Energy Procedia, 153, 392-397.
2. Orellana, C. E., & Salgado, E. (2016). Residential energy consumption in Chile: A risk analysis using stochastic simulation. Energy Policy, 92, 62-72.
3. Mavrogianni, A., Taylor, J., Davies, M., & Biddulph, P. (2015). Risk factors and methodologies for modelling and understanding overheating in buildings. Energy and Buildings, 93, 139-156.
4. Stefanakis, A. I., & Tsikaloudaki, K. (2019). Modelling residential energy demand in Chile: Risk analysis and policy implications. Energy Conversion and Management, 186, 93-106.
5. Zhao, P., Wang, Y., Yin, H., Zhang, Y., & Wang, R. (2019). Risk assessment of residential energy consumption in Australia using a dynamic Bayesian network. Energy and Buildings, 197, 443-453.