西班牙巴斯克大学EHU的研究团队开发了一个新模型，用于估算整个社区的供暖需求并评估改造策略。通过机器学习技术，该工具提高了能源需求估算的准确性，帮助城市层面实现能源效率提升。

Milagros Álvarez博士表示：“我们开发的是一个简单的模型，用于初步估算供暖需求，并评估减少该需求的改造策略。提高建筑能源效率至关重要，在社区层面实现这一目标是城市面临的紧迫挑战。”该研究由EHU的ENEDI小组进行，专注于建筑能源效率和节能领域。

城市建筑约占全球总能耗的30%，欧盟超过64%的能源消耗用于供暖。根据欧盟委员会数据，75%的欧洲建筑能效较低，因此推动社区层面的能源改造日益重要。研究员Jon Terés-Zubiaga补充道：“规划市政能源战略始于快速准确地了解建筑需要多少能源。越来越多的研究正从分析单个建筑转向研究整个社区，以采用更全面的减排方法。”

这个社区供暖需求估算工具快速、准确，易于能源规划、建筑和城市管理领域的专业人士使用。它允许评估不同解决方案的影响，如被动改造、使用太阳能电池板或更换锅炉。该研究发表在《能源转换与管理：X》期刊上。

ENEDI研究小组使用机器学习技术确定建筑的“能源质量”指标。该模型基于公开数据，如建筑特性，计算基础温度并转换为能源性能指标。Álvarez强调：“通过机器学习技术，有可能提高能源需求估算的准确性，并有效评估社区的能源改造策略。该模型允许做出明智且可扩展的决策，即使没有详细数据。”

该工具已应用于西班牙毕尔巴鄂的Otxarkoaga和Txurdinaga区域，评估改造策略并分析能源和经济指标，以优先干预效率最低的建筑。目前，该模型适用于南欧气候条件，下一步将扩大评估范围以增强通用性。这项社区供暖需求估算工具的开发，为城市能源规划提供了实用支持。

出版详情：作者：University of the Basque Country；标题：《Simple tool developed to estimate the heating demand of entire neighborhoods》；发表于：《Energy Conversion and Management: X》(2026)。