arXiv 预印本 · eess.SY · 已投 Applied Energy · Fraunhofer IEE · 2026

谁翻修、谁拿补贴:AgentHomeID 多尺度智能体模型推演德国建筑存量转型

Helen Ganal, Sarah Becker, Sascha Holzhauer 等 7 人 · arXiv (eess.SY) · 已投 Applied Energy · 2026 · arXiv: 2609.05763
原题:AgentHomeID — Agent-based modelling of building stock transformation: A multi-scale framework for policy assessment and infrastructure planning
Open Access 新颖度 0.74

🧒 初中生也能看懂的版本

① 研究背景(为什么要做?)

德国想在二〇四五年让建筑实现气候中和,而这件事最终取决于成千上万个房主各自决定何时翻修、换什么暖气。你可以想象一下:一栋老房子的窗户坏了,房主会只换窗户,还是顺便给外墙加保温、把燃气锅炉换成热泵?这个选择看起来是一家一户的小事,加起来却决定了全国的能源消耗和碳排放。

论文开头给了几组数字:全球建筑占能源需求的 32%、能源和工业过程相关二氧化碳排放的 34%(2022 年);在欧盟,建筑约占终端能源消费的 40%、能源相关温室气体排放的 36%;德国《气候保护法》要求 2030 年比 1990 年减排 65%,2045 年全面气候中和。

麻烦在于,房子和房主都千差万别。有人自己住,有人出租;有人收入高,有人手头紧;有的街区通了区域供热,有的街区将来燃气管网要停。过去不少“建筑存量模型”把房主当成一模一样的“平均投资者”,或者只用一个平均翻修率往前推,于是看不清谁在投资、谁拿到了补贴、谁被落下。这篇来自德国弗劳恩霍夫 IEE 研究所团队的论文,就是想把这些差别真正装进模型里,让模型能为政府定规则、发补贴、规划电网提供依据。

② 研究问题(要回答什么?)

这篇论文想弄清楚,把房主之间的差别和法规条文真实地装进模型之后,政策评估和电网规划的结论会不会跟着改变。作者先提出了一个“好模型”应当满足的三条要求。

具体如下:

在此基础上,论文要回答两个更具体的问题:同一个模型能不能从全国政策评估一直用到地区电网规划街区供热规划?在这三个尺度上,考虑“房主差异”分别会带来哪些普通模型看不到的发现?比如,去掉“新装暖气必须用 65% 可再生能源”这条硬性规定会怎样,补贴又会流向哪些收入群体。

③ 研究方法(怎么做的?)

作者搭了一个叫 AgentHomeID 的“虚拟德国住房世界”,它是一个基于主体的模型(ABM):每一栋楼都配一位“房主小人”(智能体),各自按自己的脾气做决定。

谁在里面?全国模式下,从德国微观普查的科研用数据里抽出约四万栋有代表性的住宅,每栋带一个“权重”,放大后代表全国;地区模式下则直接放进当地每一栋真实建筑。房主分六类:自住房主、私人房东、业主协会,以及私人住房公司、合作社、公共机构。

怎么做决定?模型从 2020 年跑到 2045 年,每五年“点一次名”。点到时,房主先看有没有“触发事件”:房子换了主人或换了租客、屋顶或锅炉到了寿命、出了新规定。没有就跳过;有的话,还要掷一次“骰子”,模拟工人短缺之类的意外让计划泡汤。没泡汤,就列出所有方案(外墙、屋顶等保温各分三档,暖气可选热泵、颗粒炉、区域供热、燃气锅炉等),先剔除技术上不行、法规不许、钱不够的,再挑一个。

私人房主靠“打分”挑:研究团队做过一项问卷选择实验,测出人们对投资成本、补贴、节能、减碳等各项“愿意付多少钱”,并把人分成三种“口味”;模型按年龄、收入、学历等特征把每位房主随机分进一种口味,然后给每个方案打分,外加一点随机波动,分最高的胜出。机构房主靠“算账”挑:比较各方案的净现值,例如住房公司对“非做不可”的翻修按 3% 回报率折现、对“可做可不做”的按 9%,而且回本期不超过 10 年。

模型用 Python 和 Mesa 框架编写,用历史上的暖气更换率、设备销售数据和各州能源消费数据来调参和检验。

④ 结果(发现了什么?)

三个尺度的模拟都表明,房主类型、收入高低和当地条件会实实在在地改变供暖转型的走向。下面分三层来看。

① 全国:硬性规定管不管用?
对比“有 65% 可再生供暖强制要求”和“没有这条要求”两种情景:两边给房子加保温的程度差不多,所以房子需要的热量几乎一样;但没有强制要求时,很多人继续装前期便宜的化石燃料锅炉,终端能源需求明显更高。从图上读,2045 年有强制要求时约 350 太瓦时/年,没有时约 440 太瓦时/年(图中读数,仅为约值)。另一组对比里,“照常发展”情景到 2045 年燃气和燃油仍占不小份额;而有序关停燃气配气管网的“积极气候保护”情景里,化石燃料基本退出,电力和区域供热成为主力,热泵在所有房主类型中都多了很多。
② 全国:补贴流向谁?
2021 到 2045 年累计补贴总额两种情景几乎一样(有强制要求 3480 亿欧元,无强制要求 3460 亿欧元),但分配大变样。去掉强制要求后,收入最高四分之一的自住房主拿到的补贴从 690 亿涨到 1080 亿欧元;收入最低四分之一的私人房东从 610 亿跌到 110 亿欧元;最低收入自住房主从 360 亿降到 190 亿,机构房主从 400 亿降到 240 亿。另一张图显示,低收入群体在保温和暖气上的投资明显不足,私人房东和自住户中尤其突出。
③ 地区与街区:电网该在哪儿加固?
在德国东部配电网规划区,2030 到 2045 年分散式热泵装机大幅增长,而且扎堆出现在建筑条件合适、缺少区域供热的地方;这种一栋栋楼算出来的结果,在总量和空间分布上都和自上而下的汇总预测不一样。到了变电站层面,有的变电站负荷只小涨,有的猛涨;10 台热泵凑在一起时用电峰值很尖,1000 台时就平滑得多;再叠加电动车、光伏和电池,整个系统的最高峰并不等于各项技术峰值相加

⑤ 讨论(这些发现说明什么?)

这些结果说明,同一条政策落到不同的人身上,效果可以完全不同。打个比方,学校发“买书补贴”,如果不规定必须买教材,家境好的同学可能拿去买更贵的书,真正缺教材的同学反而没去领。论文里的补贴分配图就有点这个味道:总额几乎没变,钱却换了口袋。

作者特别强调,自住房主更早选高效率的暖气,私人房东和商业业主更看重前期少花钱——这种分化直接来自调查测出的、按房主类型区分的“愿意付多少钱”,如果模型把所有房主当成同一个人,就根本算不出来。同理,在地区层面,只有一栋栋楼去算,才能发现热泵在哪里扎堆、电网哪里会先吃紧;在街区层面,只有把热泵、电动车、光伏的用电时间放在一起看,才知道真正的峰值有多高。

但局限也要看清。第一,模型里的房主彼此不交流,看不到“邻居装了热泵我也装”的效应,唯一的互动是抢有限的补贴和燃料额度。第二,“愿意付多少钱”来自某一时点的问卷,能源危机、政治争论都可能改变人们的想法,而且具体数值因合同限制没有公开。第三,每栋楼的初始状况很多是按概率推测的,所以单栋楼的结果不能当精确预测,越往大范围汇总越可靠。第四,论文讲了校准和验证怎么做,却没有给出拟合好坏的具体数字;应用部分的定量结果也大多只画在图里,更细的内容在此前发表的项目报告中。

⑥ 结论(最终结论 + 启示)

作者的结论是,用于政策评估和基础设施规划的模型必须把不同房主和地方结构明确地表示出来。AgentHomeID 的价值不在某一个单项功能,而在于把“房主分化、空间精度、基础设施耦合”三件事装进了同一个框架。

对公共政策的启示有三点:明确的法规信号(比如新装暖气的可再生能源比例要求)和有计划地关停燃气管网,能加快减碳、降低系统成本;但光靠这些不够,补贴怎么分会决定低收入家庭和出租房是否被落下,需要有针对性地设计;对电网公司和城市来说,按一栋栋楼、一个个变电站来规划,比用全国平均数更靠谱。

作者计划下一步做不确定性量化(多次随机运行的集合分析)、完善非住宅建筑、把代码开源,并和城市数字孪生进一步结合。

🎓 专业 IRMaD 结构解读

I. Introduction(引言)

议题源流:建筑部门占全球能源需求 32%、能源与过程相关 CO2 排放 34%(2022);欧盟层面建筑约占终端能源消费 40%、能源相关温室气体排放 36%;德国《联邦气候保护法》(KSG)要求 2030 年较 1990 年减排 65%、2045 年气候中和。建筑存量能源模型(BSEM)作为公共政策支持工具被广泛用于技术与法规情景评估。按原文所引 BSEM 界定,其三大特征为:建筑异质性、(能源)指标输出、预测能力;作者据此导出三项建模要求(见理论框架)。

文献空白:(1) 以原型或聚合分段表示存量的德国及欧洲模型擅长存量核算与情景分析,但翻修行为与技术采纳多为程式化处理;一项 EU27 五模型比较显示,电气化与翻修结论较稳健,而区域供热部署与扩散速度对决策逻辑、空间分辨率、翻修动态等模型结构高度敏感。(2) 行为取向文献(德国离散选择研究、基于问卷行为规则的保温 ABM、爱尔兰/英国/荷兰的 ABM)证明非财务驱动因素重要,但同时纳入多技术、社会经济特征、建筑属性与法规约束的实证化行为表示仍稀缺。(3) 行为丰富且考虑基础设施的 ABM——Chalmers 的 ABBSM 与德国 RENDER-Building——仍把业主视为同质或粗分的投资者类别,房东–租客关系、决策者类型差异与政策工具的分配归宿被排除在模型范围外。

本研究贡献:按 BSEM 最佳实践报告指南并结合 ODD 协议,完整记录 AgentHomeID 框架,同时回应三项要求;并把此前分散发表的国家、区域、街区三尺度应用整合为对模型政策与基础设施应用范围的统一评估。作者明确,本文新颖性在于方法论的系统描述与跨尺度综合,应用结果多来自既有项目出版物。

I. Theoretical Framework & Hypotheses(理论框架与假设)

论文不设统计假设,而以“三项建模要求”为设计框架,并按 ODD 设计概念(目标、感知、预测、随机性)组织模型说明。决策理论上,私人业主采用随机效用理论 + 潜类别(LC)异质偏好,机构业主采用净现值(NPV)投资评估;两者均为短视决策,假定业主准确掌握翻修成本并知晓全部资助项目(相当于隐含了能源咨询)。

编号建模要求AgentHomeID 中的实现
R1建筑异质性的透明数据接口全国模式:微观普查 SUF 约 40,000 栋代表性建筑 + 代表性权重;地区模式:基于普查、地理数据与 UrbanTwin 的真实建筑,权重均为 1;住宅 4 类型 × 5 建造年代,非住宅 9 功能类型 × 3 年代
R2基于实证的业主异质性6 类业主;自住业主与私人房东各设 3 个潜类别,WTP 来自离散选择实验;机构业主按自用/出租导向 NPV
R3法规框架与基础设施GEG、WPG、BEHG/EU ETS 2、BEG 与 CO2KostAufG;10 类可选政策工具;逐栋逐年的燃气/氢/热网可得性,以及随基础设施演化的排放因子

与最接近模型的比较(原文表 1–2 节选):“+”显式充分表示,“(+)”部分表示,“(-)”间接/聚合/外生表示,“-”未表示。

特征RENDER-BuildingABBSM ChalmersInvert/EE-Lab街区 ABM TU WienAgentHomeID
社会人口属性直接影响投资决策--(-)-+
WTP 源自实证决策者研究-(+)(-)-+
自住业主与房东区分--(-)-+
房东–租客关系与成本分摊----+
支持真实建筑与 GIS 输入----+
有限政策预算或资源约束(-)-(+)-+
内生生成小时级负荷曲线+----
按所有权或收入组的分配结果----+

M. Materials & Methods(材料与方法)

R. Results(结果)

a / D. Discussion & Conclusion(讨论与结论)

🧠 IRMaD 思维导图

I 引言 R 研究问题/假设 M 方法 R 结果 a 讨论 D 结论
mindmap
  root((德国建筑存量转型ABM))
    I 引言
      欧盟建筑占终能约四成
      德国2045气候中和
      既有模型房主同质化
      房东租客关系缺位
      政策需看分配效应
    R 问题
      建筑异质性数据接口
      房主异质性要实证
      法规与基础设施嵌入
      三尺度能否一致应用
      补贴流向哪些群体
    M 方法
      约四万栋样本加权
      六类业主两种决策
      潜类别支付意愿
      机构业主算净现值
      五年一步至2045
      Python加Mesa
      历史更换率校准验证
      单因素敏感性分析
    R 结果
      无65%强制终能更高
      补贴总额几乎不变
      高收入自住补贴大增
      低收入房东补贴锐减
      低收入组投资不足
      热泵装机空间集中
      与自上而下预测不同
      系统峰值非简单叠加
    a 讨论
      描述性情景模型
      分化源自分类偏好
      单栋结果非点预测
      缺少房主间互动
      偏好数值未公开
      验证指标未报告
    D 结论
      所有权空间管网合一
      明确法规信号有效
      补贴需定向设计
      按变电站规划电网
      开源与不确定性量化

图:本研究的 IRMaD 思维导图。蓝色 I 引言;橙色 R 研究问题;绿色 M 方法; 橙色 R 结果;紫色 a 讨论;红色 D 结论。