Digital twin for energy efficient integrated building management systems: a review towards sustainable development
S. G. A. Nasser, E. E. Aboul Zahab, M. E. M. Essa
a Electrical Power and Machines Dept., Institute of Aviation Engineering and Technology, Egyptian Aviation Academy, Ministry of Civil Aviation, Giza, Egypt;
bElectrical Power Engineering Dept., Faculty of Engineering, Cairo University, Cairo University, Giza, Egypt
数字孪生正成为提升集成建筑管理系统（BMS）能源效率的重要技术。数字孪生通过构建建筑系统的虚拟映射，实现实时监测、仿真与预测，为建筑智能控制、决策与能源优化提供支持。本文系统综述数字孪生在智能集成建筑管理系统中的架构、核心组成与功能，并重点分析人工智能、物联网、云计算和传感器网络等使能技术对建筑能源管理的作用。同时，文章梳理了能源优化、能耗预测和系统级控制等研究方向，并讨论数据互操作性、可扩展性和实时同步等关键挑战，进一步提出面向下一代智能建筑的研究方向。
随着人工智能和物联网技术的发展，数字孪生逐渐从制造业拓展至智慧城市、建筑、基础设施和能源管理等领域。数字孪生通过连接物理系统与虚拟模型，实现实时监测、分析、仿真和决策支持，并能够贯穿系统全生命周期，为预测性维护、状态监测和运行优化提供支撑。
针对建筑领域，现有研究多聚焦故障诊断、特定技术或单一能源应用，对数字孪生、BMS、使能技术与可持续发展之间的系统性联系仍缺乏综合分析。为此，本文提出一种更加完整的研究框架，将BMS集成、多种使能技术和可持续性评价统一起来。
本文采用系统性文献综述（SLR）方法，并遵循PRISMA规范，对数字孪生在建筑管理系统及可持续发展中的研究进行系统梳理。
研究检索了 Scopus、Web of Science、IEEE Xplore、ScienceDirect和Google Scholar 五个数据库，围绕数字孪生、BMS、能源效率、物联网、人工智能、智慧建筑和可持续性等关键词开展检索，共获得1246条记录。随后经过文献识别、标题与摘要筛选、全文资格审查和最终纳入四个阶段，并按照研究方法、使能技术、应用场景、建筑类型以及能源和环境效益等维度进行数据提取和质量评价。
文章构建了面向建筑—微电网系统的数字孪生框架，将系统划分为物理系统层、数字孪生层、控制与优化层以及执行层。
物理建筑和微电网通过物联网传感器持续采集室内外温度、太阳辐照度、人员占用、电力负荷、光伏发电和储能状态等数据，并实时传输至数字孪生核心。
在模型层，数字孪生融合基于物理机理的热力学模型和数据驱动模型，同时建立光伏、储能、功率平衡以及状态空间模型。进一步通过卡尔曼滤波实现状态估计，并以物理系统与数字孪生输出之间的同步误差衡量二者的一致性。
在控制与优化层，系统综合考虑电价、室内热舒适度、控制动作变化和电池荷电状态，通过优化算法协调HVAC、可再生能源、储能及电网交互，从而兼顾能源效率、运行成本和人员舒适度。
文章回顾了数字孪生从早期航天领域应用到现代工业系统的演进，并从数据交换能力、复杂程度和自主决策能力等维度对数字孪生进行分类。
从数据交互角度，数字模型、数字影子和数字孪生分别对应人工数据传输、单向自动数据流和物理—虚拟双向数据交互。其中，数字孪生能够通过持续的数据交换，使虚拟模型与物理对象保持动态同步。
在建筑领域，文章进一步提出数字孪生—BMS闭环控制框架，包括物理层、数据采集与通信层、数字孪生建模层、分析与优化层以及BMS执行层。该框架利用物联网、边缘计算、机器学习和预测分析，实现建筑系统的实时监测、预测、异常诊断和优化控制，并通过持续反馈提升建筑运行效率和能源性能。
数字孪生在建筑能源系统中的实现依赖多种数字技术协同支撑。
物联网（IoT）负责连接建筑中的传感器、执行器和网络设备，实现环境与设备状态数据的持续采集和传输；传感器网络则承担温度、湿度、压力、光照、人员活动等多维数据的获取，并经过信号处理、数字化、传输、存储和可视化形成可利用的数据资源。
云计算为数字孪生提供弹性的计算、存储和软件服务，并可与边缘计算协同降低数据处理延迟。人工智能则利用物联网和传感器产生的大规模数据开展模式识别、预测分析和优化决策，并通过机器学习、深度学习和强化学习增强数字孪生的预测与自主控制能力。
文章指出，数字孪生在建筑能源管理中的推广仍面临多方面挑战，包括既有系统集成、数据隐私与安全、互操作性和标准缺失，以及系统复杂性与可扩展性。
在BIM与数字孪生融合方面，现有研究仍存在数据碎片化、系统互操作性不足、实时双向通信不充分等问题，而且不少研究仍集中于设计和改造阶段，对建筑运行阶段的实时监测、节能和智能控制关注不足。
针对这些问题，文章提出一种融合BIM、IoT和数据驱动智能技术的混合数字孪生框架。该框架通过统一数据模型连接静态建筑信息与动态传感器数据，并利用预测分析和智能控制实现物理建筑与虚拟建筑之间的实时双向同步，同时覆盖从设计、建设到运行的全生命周期。
文章还比较了不同数字孪生能源管理方法：基于模型的方法具有较强的物理可解释性和预测控制能力，但校准和计算成本较高；数据驱动方法具有较快的响应能力，但依赖大量高质量数据；强化学习具有较强的自适应和自主优化能力，但仍面临训练稳定性和收敛问题。相比之下，融合物理模型与人工智能的混合数字孪生在预测精度、可扩展性和计算负荷之间具有更好的平衡，被认为是未来建筑能源管理的重要发展方向。
文章认为，数字孪生能够通过实时监测、数据采集、模型同步、预测分析和智能控制，为建筑能源管理提供更加智能化的技术路径。物联网进一步增强了数字孪生的数据感知和实时同步能力，而人工智能、云计算等技术则推动其向预测性和自主化方向发展。
未来，数字孪生有望从单体建筑进一步拓展至多建筑和城市尺度，通过分布式数字孪生实现能源协同管理和灵活性聚合。但其大规模应用仍需要解决互操作性、安全性、标准化以及系统扩展等问题。
总体来看，本文的核心价值在于：以建筑能源管理为应用场景，将数字孪生、BMS、IoT、AI、云计算、BIM与可持续发展进行系统关联，并从系统架构、数学建模、关键技术、应用挑战和未来方向多个层面构建较为完整的研究框架，为下一代智能建筑的能源优化与智能运行提供了研究思路。
