建筑运行能耗作为建筑全生命周期能耗的重要组成部分,其在社会总能耗占较大的比重。因此在城市规划和建筑设计阶段以及后期运营维护阶段对建筑能耗进行有效地模拟预测,可以对规划、设计和运营进行正向反馈。现有建筑能耗模拟是以建筑单体为主的自下而上的模拟方法,这种方法无法应用于城市级、区域级的建筑能耗规划。本文针对现有建筑能耗模拟方法应对城市建筑能源需求的局限性,提出数据驱动模式的城市建筑能耗评估方法,并从技术背景、框架基础、系统优化和实例应用四个方面对数据驱动模式的建筑能耗模拟预测方法进行研究。本文通过梳理建筑能耗的基本流程,归纳现有建筑能耗评估方法与城市建筑能源需求发展趋势的内在矛盾,进而针对性地提出数据驱动模式的建筑能耗模拟评估方法:包括能耗数据集的建构与优化、城市建筑自动化能量建模、机器学习算法应用和空间能耗定量分析四个部分。首先,建立数据驱动的建筑能耗数据的框架、方法与具体步骤,并通过Arc GIS和Geo Pandas完成数据的初步建构。其次,分别对气候环境、地理信息与建筑能耗三个核心数据节点进行系统分析,提出针对性的优化方法,提高了建筑能耗数据集的精确性和时效性。第三,将机器学习算法应用于建筑能耗模拟预测和聚类分析,具体评估9种分类算法,并选择RF作为建筑类型分类的算法模型;在分类基础上,评估3种回归算法,并选择XGB作为建筑能耗模拟的回归算法;运用K-Means算法分析宏观视角下的建筑能耗在地理空间的分布。最后,提出空间定量分析的方法,对建筑能耗进行精确地空间描述和评估,完成数据驱动模式的建筑能耗评估从建构、优化、机器学习能耗代理模型的回归预测、能耗数据可视化整个流程的方法验证。结果表明,相对于传统工程模拟方法,本文提出的数据驱动模式的城市建筑能耗模拟预测模型,在误差较小的情况下,能够实现对城市建筑能耗的快速模拟和预测,有效地节约时间和计算资源,能够为规划设计实践提供快速整体能耗评估参考,加速城市能源系统的发展和完善。