基于扩散模型的城市建筑能耗建模中建筑特征的条件分布估计
计算工程、金融与科学
2026-04-03 v2
摘要
理解社区当前的能源消费行为对于指导未来的能源使用决策和实现高效能源管理至关重要。用于模拟这些能源使用模式的城市能源模型需要包含详细建筑特征的大型数据集才能获得准确结果。然而，单个建筑层面的此类详细特征通常是未知的，获取成本高昂，或者无法获得。通过这项工作，我们提出使用生成式建模方法来生成真实的建筑属性，以填补数据空白，并最终为能源模型提供完整的特征输入。我们的模型通过在一个包含220万栋建筑的住宅建筑存量模型上进行训练，学习了复杂的建筑层面模式。我们采用了一个基于表格扩散的框架，旨在处理表格化建筑数据中的异构（离散和连续）特征，例如入住率、建筑面积、供暖、制冷和其他设备细节。我们开发了条件扩散的能力，使得能够根据已知属性对缺失的建筑特征进行插补。我们对条件扩散模型进行了全面验证，首先是将生成的条件分布与底层数据分布进行比较，其次是通过对巴尔的摩住宅区域进行案例研究，展示了我们方法的实用性。我们的工作是首批展示生成式建模在加速建筑能耗建模工作流方面潜力的工作之一。
引用
@article{arxiv.2511.02930,
title = {Conditional Distribution Estimation of Building Characteristics with Diffusion Models for Urban Energy Modeling},
author = {Saumya Sinha and Alexandre Cortiella and Rawad El Kontar and Andrew Glaws and Ryan King and Patrick Emami},
journal= {arXiv preprint arXiv:2511.02930},
year = {2026}
}