1. 住宅建筑能耗研究现状
图1、图2分别为基于中国知网和Web of Science相关数据绘制出的住宅建筑能耗文章的发表年度趋势图，图中实线表示实际文献发表情况，虚线表示拟合的文献发表数量趋势线，图中圆点上的数字为该年度实际文献发表数量。住宅建筑能耗文章的年度发表量的趋势线可拟合成指数曲线，2000年前有关住宅建筑能耗的研究较少，2000年后相关研究的数量显著增长。由图可知，有关住宅建筑能耗的研究最早可以追溯到1976年，2019年的发文量达到峰值。虽然2020年受疫情影响发文量有所减少，但中国知网预测的2021年相关文献发表数量为102篇，文章发表恢复到与2019年相当的数量。2010年以来是住宅建筑能耗研究领域快速发展阶段，近年来该领域愈发得到重视，住宅建筑能耗将在未来很长一段时间维持其研究领域的热度。
图1 中国知网收录的住宅建筑能耗文章发表年度趋势图
图2 Web of Science收录的住宅建筑能耗文章发表年度趋势图
本文将中国知网的检索结果筛选除去如建筑能耗、能耗等无意义词汇，并将相同意思的中英文主题词汇进行合并，得到有关住宅建筑能耗的文献主题分布（图3），图中从上至下分别展示了出现频次由低到高的前20个主题词汇。图4是Web of Science官网统计整理的Web of Science中收录的有关住宅建筑能耗文章的主题分布图。
图3 中国知网收录的住宅建筑能耗文章主题词汇分布图
图4 Web of Science收录的住宅建筑能耗文章主题分布图
2. 住宅建筑能耗预测
根据研究对象、研究方法和研究目标的不同，住宅建筑运行能耗模型可分为自上而下（Top-down）和自下而上（Bottom-up）两个类别，也可称为宏观模型和微观模型。这两类模型在使用的方法技术上有很大的差异，研究问题的视角有很大的不同，因此其适用的范围也大相径庭。
自上而下模型采用经济学方法，根据相关统计数据和经济学理论预测住宅建筑的能源消耗量[1]。该模型一般以一个国家或地区的住宅建筑运行总能耗或某一类能源在住宅建筑中的总能耗作为研究对象，对数据的依赖性较强[2]。Guijun Li等（2019）从全生命周期的角度，基于系统动力学建立了城市住宅建筑能耗动态模拟模型，该模型考虑了城市人口、GDP、住宅建筑能耗、住宅存量等多个指标[3]。房涛等（2019）针对现有动态、静态能耗计算方法的局限性，利用Java Script脚本语言开发了DOEP软件并进一步建立了适用于寒冷地区方案阶段的住宅能量需求预测模型，模型的可靠性在实际案例得到验证[4]。裴龙（2015）将生命周期评价方法融入建筑能耗模拟技术，对武汉某高层住宅建筑的生态化设计进行了研究[5]。Fateh Belaiuml;d等（2019）在研究法国住宅建筑能源现状时将自上而下模型和自下而上模型结合起来，将住房能源消耗量作为宏观经济指标与能源价格和气候条件进行回归分析[6]。
自下而上模型从住宅建筑的最终用途出发，通过确定每个最终用途在住宅总能源消耗中的占比，最终推算得出整个住宅建筑的能源消耗量[1]。由其建模思路可知，自下而上模型需要大量的参数需求与数据假设，数据来源和参数取值直接影响模型结果，计算结果的准确性很难确定。因此，自下而上的建筑能耗预测模型多用于新建建筑设计阶段和既有建筑的改造阶段，以评估新建建筑建成后或既有建筑改造后的运行能耗及节能情况[2]。长期能源替代规划系统（Long-range Energy Alternatives Planning System，LEAP）和清华大学建筑节能研究中心的中国建筑能耗模型（China Building Energy Model，CBEM）是代表性的自下而上模型，LEAP模型在住宅建筑能耗这一研究领域得到广泛应用。陈铭（2019）借助LEAP平台预测了重庆市主城区2018年到2030年的住宅供暖能源消耗量，并进一步验证了人口结构及建筑热工性能变化对模型预测结果的影响[7]。刘晟玮（2017）通过对人口等情景参数进行设置，利用LEAP模型计算出基准情景和政策情景下北京市民用住宅建筑的能耗情况[8]。Vu Thi Hong Thuy（2015）将LEAP模型应用到泰国和越南住宅建筑部门的能源消耗量和二氧化碳排放量预测上，分析了不同情境下能源消耗量和二氧化碳排放量的不同[9]。Rogan, Fionn（2019）基于LEAP模型，探究了爱尔兰相关能源政策对住宅部门用电量的影响[10]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
