1997 年,我国引进了合同能源管理机制。近年来,随着建筑节能的快速发展,基于市场型节能机制下运作的节能服务公司ESCO (energy service corporation) 日益增多,并在公共建筑的节能服务中开始发挥作用。ESCO 是基于合同能源管理机制运作的、以赢利为直接目的的专业化公司。

        合同能源管理的基础就在于ESCO 对客户进行节能改造后节能量的计算。节能量计算得准确与否将直接关系到ESCO 和客户双方的利益。它是评价能源服务管理的最终指标,是社会效益的最终体现;它是ESCO 制定节能方案的基础,是合同能源管理双方收益分配的唯一依据。没有节能量的科学计算,则无法使ESCO 与客户双方对节能利益取得一致的意见,无法继续推进合同能源管理工作。如何科学地计算合同能源管理节能量,目前尚没有很好的解决方法。这也是妨碍合同能源管理在我国广泛开展的一个重要原因。本文由分析公共建筑能耗的各主要影响因素出发, 利用人工神经网络ANN ( artificial neuralnetworks) 建立公共建筑的实际能耗计算模型,提出一种公正且较为准确的合同能源管理节能量计算方法,为ESCO和客户双方计算节能收益提供参考依据,从技术角度为进一步推动合同能源管理机制的发展扫除障碍。

       公共建筑能耗的影响因素与节能量的关系建筑能耗是在多种因素的共同影响下形成的,给出了主要的能耗影响因素。为建筑能耗影响因素。在建筑能耗的所有影响因素中,一部分是人为因素,如对围护结构的改造、设备系统的改造或者运行管理模式的改进等;而另一部分则是自然因素,如气候条件、使用条件(室内环境特性、使用时间、建筑使用面积等) 这类基础性条件,它们可能导致建筑整体能耗的增大或减小。　合同能源管理中节能量的计算,就是要客观地反映节能改造与运行管理水平提高后所减少的建筑能耗,反映人的节能活动所产生的节能效益。故只应当反映那些人为因素的作用,而从建筑能耗中排除那些自然因素的作用,这样才能准确、客观地对节能改造后的节能效果进行评估。因此,节能量的计算应采用如下方式。

       设未进行节能改造前的建筑为B0 ,其建筑运行的基础条件为T0 ,围护结构为X0 ,设备系统为Y0 ,运行管理模式为Z0 ;节能改造完成后的建筑为BN ,其建筑运行的基础条件为TN ,围护结构为XN ,设备系统为YN ,运行管理模式为ZN 。则节能量为ΔE = E0 - EN 式中　ΔE 为节能量; E0 为未进行节能改造的建筑B0 在TN 条件下所产的建筑能耗; EN 为节能改造后既有建筑BN 的实际总能耗。EN 是改造后建筑实际发生的能耗,可通过实际计量获得; E0 是未改造建筑在节能改造完成后的基础条件下的一个能耗理论模拟值。故节能量计算的关键问题即是计算E0 ,而计算E0 则必须先建立未改造建筑在不同基础条件下的能耗模型。