编辑部出的这个题目，正是我最近在思考的问题。根据研究，2015年，中国民用建筑面积573亿m²，总商品能耗8.58亿t 标准煤，占全国能源消费总量的20%。研究表明，如果采用中等强度的节能减排情景路线，到2030年可将我国建筑能耗控制在10.2亿_tce左右，到2035年左右建筑能耗能达到顶峰。根据预测，2030年中国建筑存量将接近800亿m²。这就意味着，到2030年，建筑面积增加近40%，而建筑能耗总量增加不到20%，如果维持现在的能耗强度，就要求有一半的新建建筑能耗为零能耗建筑。建筑节能已经进入存量节能、实物量节能和总量控制的新阶段。因此，需要积极发展净零能耗建筑，即在建筑消耗能源的同时生产出等量的可再生能源进行补偿。

但是，在紧凑型高密度城区中，有较大建筑面积和建筑高度的单体公共建筑，由于受到空间限制，很难凭借一己之力，在自身建筑红线内得到足够的资源实现净零能耗。因此，净零能耗建筑中可再生能源的利用，需要通过建筑群或城区层面的资源共享和多能互补来实现。这就提出了“净零建筑能耗城区（netzerobuildingenergycommunity，NZBEC）”的概念。同样的，我们可以定义NZBEC为：在城区范围内全年生产的可再生能源等于或大于城区内建筑全年所消耗的能源。NZBEC的特点一是所有建筑都要尽可能达到超低能耗标准；二是城区必须有集成利用可再生能源的分布式多能源系统。

通过城区能源规划，将整个城区或建筑群当做一个系统进行综合能源的配置和管理，通过能源互联网实现资源共享，在城区尺度和平均意义上实现净零能耗，较之单体建筑更容易实现净零能耗。因此，能源规划是实现NZBEC的关键，而净零能耗则是城区能源管理的目标。

因为有能耗总量控制和净零能耗这一“紧箍咒”，所以能源规划的编制需要摆脱以前供应侧能源规划的模式，必须采用人工智能新技术作为规划工具。我把它归结为ABCDE五大要素，即人工智能（AI）、区块链（blockchain）、云计算（cloudcom-
puting）、大数据（data）和智慧能源（energy）。其中智慧能源是核心要素。而人工智能技术要贯穿在NZBEC能源规划的始终。根据当地建筑能耗监测系统积累的大数据分析，设立适合当地情况的城区内各类建筑的能耗和碳排放基准线，以及满足净零能耗目标的城区内各类建筑的能耗指标。

第一，根据数据挖掘得到的当地各类建筑实际能耗量，通过反推预测（backcasting）和正向预测（forecasting），确定各类建筑和整个城区的静态和动态负荷。

第二，能源规划中要建立供应端和需求端之间多能源输入和多能源输出交互关系的能源枢纽（energyhubs）模型，利用互联网中的枢纽（或路由器、集线器）概念，使城区多能源载体（multienergycarrier）的输送和转换过程得到很好的调节和优化。

第三，NZBEC中的各个用户和每幢建筑都既是能源的消费者又是能源的生产者，即所谓“prosumer”。最近很火的区块链技术可以为区域能源系统提供点对点的、去中心化的、安全可靠的能源交易平台。

第四，能源规划中要研究建立城区能源管理系统，即泛在绿色社区控制网络（UGCCNet）系统。这一系统基于由我国主导编制的ISO18880标准。该标准被称为能源互联网领域的TCP/IP标准。可以联结分散的、不同格式的能源数据，兼容当前广泛应用的控制网络协议，构建应用领域宽泛的、跨专业平台的能源互联网。由于它应用下一代网络IPv6，建立了云计算平台，因此可以容纳海量数据，适于城区或城市级别的传感器物联网（IoT）所采集的大数据分析，使能源管理提高到新的水平。

第五，在能源互联网的泛在网络平台上，可以实现NZBEC 的基于大数据的智能能源管理。由于应用了来自物联网和各种社会网络的大数据，使得城区的能源管理可以做到可再生能源的生产与应用的平衡、供与需的平衡、系统运行状态的检测与诊断、通过自学习不断调整运行策略，从而确保城区净零能耗目标的实现。最重要的是，人工智能技术将能源管理从过去“见物不见人”的只管降低能耗不顾人的需求的管理理念，转变为首先理解人的需求、以最小能耗满足人的合理需求的智慧能源的管理范式上来。

近来业内还有纠结在“区域供冷供热是不是节能”的争论，也有一些反对分布式能源的声音。我认为结合人工智能技术的分布式能源已经不是一般理解的小型集中热电厂+集中供冷模式，而是多能源互补、充分发挥自发电效能、电力驱动分布式热泵、变输热为输电、避免热能输送损失的区域能源系统，我把它称之为“第三代分布式能源系统”。它具备能源互联网的一切特征。由于中国城镇化中有大量实践机会，因此，净零建筑能耗城区的智慧能源系统具备实现弯道超车、达到国际先进水平的条件。