国际联合智慧营造实验室研究成果《Rule-based symbolic AI computing-driven digital twin model for ex-ante energy evaluation of task-ambience air conditioning systems in zero-energy buildings》发表于 Sustainable Cities and Society（DOI：10.1016/j.scs.2025.106947）。该研究针对零能耗建筑设计阶段传统能耗模拟存在计算周期较长、评价反馈滞后，以及建筑能源效率与室内热舒适性能难以协同评价等问题，提出了一种由规则型符号AI计算驱动的数字孪生事前能效评价模型。该模型能够在建筑方案形成与调整阶段，对建筑热负荷、能源消耗及室内热舒适性能进行快速评价，为零能耗建筑设计方案的性能比较、参数优化与能效决策提供技术支持。

零能耗建筑的设计涉及建筑空间、室内外环境、空调运行及人员行为等多种因素，其相互作用会直接影响建筑能源需求和室内热环境性能。传统建筑能耗模拟通常采用固定参数进行离线计算，当设计条件发生变化时，需要重新设置参数并执行模拟，难以形成面向方案迭代的快速评价反馈。

针对这一问题，本研究以任务-环境空调系统（Task-Ambience Air Conditioning Systems, TAACs）为研究对象，将室内热舒适、建筑热负荷、环境参数及人员行为等关键因素纳入统一评价框架。设计人员可在系统中设定和调整相关设计与运行参数，模型基于预先构建的规则体系自动完成性能计算，并通过数字孪生与虚拟现实环境对评价结果进行可视化呈现，从而实现建筑设计参数调整、性能计算与评价反馈之间的快速联动。该方法将规则型符号AI的计算能力与数字孪生、虚拟现实的交互和可视化能力相结合，为零能耗建筑设计阶段的事前能效评价与多目标优化提供了新的技术路径。

一、建立面向零能耗建筑设计阶段的热舒适—能耗指标体系

研究首先针对TAACs在零能耗建筑中的运行特征，建立了面向事前评价的综合指标体系，将热舒适与建筑热负荷作为核心评价参数，并进一步引入室内人员密度、行为模式、室外温湿度、任务区与环境区温湿度、服装热阻、代谢率以及空气速度等关键变量。与传统仅以建筑总能耗作为评价依据的方法不同，该研究将建筑使用者的热舒适需求与能源需求进行关联，通过建立参数范围与逻辑条件，为后续规则型符号AI计算提供标准化规则基础。指标体系不仅能够描述建筑运行环境，还能够进一步将不同环境条件、人员行为及空调控制状态转化为可计算的热负荷情景。

在此基础上，研究将指标体系进一步转化为规则库，使建筑环境参数、热工计算规则和评价条件之间形成明确的逻辑关系，从而为设计阶段的自动计算、情景生成和方案比较提供统一的数据基础。

二、构建规则型符号AI驱动的实时热负荷计算模型

针对传统建筑能耗模拟依赖大量重复计算、难以实现设计过程即时反馈的问题，研究将建筑热工计算方程和预定义控制规则嵌入数字孪生环境，构建了规则型符号AI计算框架。该方法并非依赖机器学习模型预测建筑能耗，而是将热力学计算公式、参数约束和控制逻辑显式编码为可解释的计算规则，使系统能够根据输入的建筑环境参数自动识别相应条件，并实时完成热负荷计算与情景生成。

研究进一步构建了约48,000组标准化模拟情景，覆盖不同人员密度、行为模式、室内外环境条件以及热舒适参数组合，从而将原本需要逐个进行模拟计算的设计方案转化为标准化、可重复和可比较的评价场景。这种“指标体系—规则库—计算逻辑—情景生成”的技术路径，使模型能够在保持热工计算可解释性的同时，提高设计阶段多方案比较和参数调整的效率，为建筑师和设计人员提供更加直接的决策反馈。

三、形成VR—数字孪生—符号AI融合的零能耗建筑事前评价机制

在计算模型基础上，研究进一步将规则型符号AI计算与数字孪生、虚拟现实（VR）技术进行融合，建立了面向设计阶段的Visualized Ex-Ante Evaluation Model for Zero-Energy Buildings（VEEM-ZEB）。该模型通过数字孪生环境实时映射建筑空间、环境参数与能源评价结果，并借助VR实现建筑环境和评价结果的可视化呈现。设计人员能够在虚拟建筑环境中直观观察不同空调运行条件下的能源消耗与热舒适变化，并根据反馈调整相关设计参数。

研究验证结果表明，使用该模型相较于传统空调系统具有平均约7.62%的节能潜力，说明将TAACs、规则型符号AI与数字孪生技术进行融合，可以在满足室内热舒适要求的基础上进一步挖掘建筑能源效率提升空间。

四、形成面向零能耗建筑智能设计的可推广评价框架

研究最终形成了以VEEM-ZEB为核心的零能耗建筑事前评价框架，将热舒适指标、建筑热负荷、规则型符号AI计算、数字孪生与VR交互进行系统集成，实现了从建筑环境参数输入到能源与舒适度反馈的完整评价流程。

研究表明，数字孪生技术不仅能够作为建筑运行阶段的实时监测工具，也能够进一步向建筑设计阶段延伸，通过构建与实际建筑运行逻辑相对应的虚拟环境，为设计人员提供方案形成阶段的预测性反馈。与此同时，规则型符号AI通过显式表达热工计算关系和控制规则，使评价过程具有较好的可解释性。

从建筑设计实施角度来看，该模型能够将传统的“设计—模拟—等待结果—修改方案”模式转变为“设计—实时计算—可视化反馈—即时优化”模式，为零能耗建筑的能源系统配置、空调系统设计以及室内环境控制提供前置性的决策支持。

同时，该研究提出的VEEM-ZEB并不局限于特定建筑类型或单一气候条件，其核心方法是通过标准化指标体系和规则化计算逻辑实现环境参数与建筑热工计算之间的映射，因此具有进一步拓展至不同建筑类型、气候区域及建筑能源系统的潜力，为数字孪生驱动的智能建筑设计与可持续建筑发展提供了新的研究路径。

五、客观局限性与未来应用方向

尽管研究验证了VEEM-ZEB在设计阶段能效评价中的可行性，但其当前计算框架仍主要建立在预定义热工规则和标准化情景基础上，对于建筑运行过程中高度动态的人员行为、设备负荷、天气变化以及复杂控制策略等因素的实时响应能力仍有进一步提升空间。

此外，规则型符号AI的优势在于计算过程具有明确的物理意义和较强的可解释性，但其计算能力仍受到规则库完整性和参数覆盖范围的限制。未来研究可进一步结合EnergyPlus、TRNSYS、Modelica等动态建筑能耗模拟工具，以及机器学习和数据驱动方法，将物理规则与实际运行数据进行融合，进一步提高模型对复杂动态建筑环境的适应能力。

从实际应用角度来看，该研究构建的“指标体系—规则计算—数字孪生—VR交互—事前决策”技术路径，可进一步拓展至智慧建筑、零碳建筑、智能能源管理以及城市建筑能源系统领域，为建筑设计阶段开展能源效率与室内环境品质协同优化提供技术支撑，也为下一代面向AI与数字孪生的智慧营造体系构建提供了可实施的技术基础。