Annually, 48% of the global energy is used by buildings in their construction, operation, and maintenance, causing significant damage to the environment due to the resulting greenhouse gas emissions. During their life cycles, buildings use energy in the form of embodied energy (EE) and operating energy (OE). In a conventional building, EE accounts for 10-20% of a building’s life cycle energy (LCE), while OE accounts for 80-90%. As a result, the building sector has taken several measures to reduce OE in buildings. These OE reducing measures fail to account for the subsequent increase in EE and might cause an increase in the building’s overall LCE. A systematic review of the literature shows limited research that comprehensively evaluates the impact of design measures aimed at OE reduction on EE for different construction assemblies. In this study, we quantify and compare trade-offs on EE demand, caused by OE reduction measures for eight different building wall assemblies across four climatic zones within the United States. The EE and OE demands of the ASHRAE 90.1-2016 benchmark model and its variations were computed using Tally™ and Autodesk® Green Building Studio® (GBS), respectively. The results helped us determine the EE factor (EE spent per unit of OE savings) for different OE reduction measures. Although the calculated EE factors vary across different climatic zones and construction assemblies, these factors show significant EE costs for different OE reduction measures. This knowledge could help inform the design of evolutionary and deep/machine learning-based algorithms to assess and optimize building energy use.

每年，建筑物在建筑，运营和维护中使用全球能源的48％，由于产生的温室气体排放而严重破坏环境。建筑物在其生命周期中使用的能量包括体现能（EE）和运行能（OE）。在传统建筑物中，EE占建筑物生命周期能量（LCE）的10％至20％，而OE则占建筑物生命周期能量（LCE）的80％至90％。结果，建筑部门已经采取了一些措施来减少建筑物的OE。这些减少OE的措施未能解决随后EE的增加，并可能导致建筑物整体LCE的增加。对文献的系统回顾显示，有限的研究不能全面评估旨在减少OE的设计措施对不同建筑组件的EE的影响。在这个研究中，我们量化并比较了针对EE需求的权衡取舍，这些取舍是针对美国四个气候区域内八种不同建筑墙体组件的OE减少措施所造成的。分别使用Tally™和Autodesk®Green BuildingStudio®（GBS）计算了ASHRAE 90.1-2016基准模型对EE和OE的要求。结果有助于我们确定不同OE减少措施的EE因子（每OE节省的EE花费）。尽管计算得出的EE因子在不同的气候区域和建筑组件之间会有所不同，但是这些因子显示出针对不同的OE减少措施而言，EE成本很高。这些知识可以帮助为基于进化和深度/机器学习的算法设计提供信息，以评估和优化建筑能耗。在美国四个气候区域中，针对八个不同建筑物墙体组件的OE减少措施造成的。分别使用Tally™和Autodesk®Green BuildingStudio®（GBS）计算了ASHRAE 90.1-2016基准模型对EE和OE的要求。结果有助于我们确定不同OE减少措施的EE因子（每OE节省的EE花费）。尽管计算得出的EE因子在不同的气候区域和建筑组件之间会有所不同，但是这些因子显示出针对不同的OE减少措施而言，EE成本很高。这些知识可能有助于设计基于进化和深度/机器学习的算法，以评估和优化建筑能耗。在美国四个气候区中，针对八个不同建筑墙体组件的OE减少措施造成的。分别使用Tally™和Autodesk®Green BuildingStudio®（GBS）计算了ASHRAE 90.1-2016基准模型对EE和OE的要求。结果有助于我们确定不同OE减少措施的EE因子（每OE节省的EE花费）。尽管计算得出的EE因子在不同的气候区域和建筑组件之间会有所不同，但是这些因子显示出针对不同的OE减少措施而言，EE成本很高。这些知识可能有助于设计基于进化和深度/机器学习的算法，以评估和优化建筑能耗。分别使用Tally™和Autodesk®Green BuildingStudio®（GBS）计算了ASHRAE 90.1-2016基准模型对EE和OE的要求。结果有助于我们确定不同OE减少措施的EE因子（每OE节省的EE花费）。尽管计算得出的EE因子在不同的气候区域和建筑组件之间会有所不同，但是这些因子显示出针对不同的OE减少措施而言，EE成本很高。这些知识可以帮助为基于进化和深度/机器学习的算法设计提供信息，以评估和优化建筑能耗。分别使用Tally™和Autodesk®Green BuildingStudio®（GBS）计算了ASHRAE 90.1-2016基准模型对EE和OE的要求。结果有助于我们确定不同OE减少措施的EE因子（每OE节省的EE花费）。尽管计算得出的EE因子在不同的气候区域和建筑组件之间会有所不同，但是这些因子显示出针对不同的OE减少措施而言，EE成本很高。这些知识可能有助于设计基于进化和深度/机器学习的算法，以评估和优化建筑能耗。结果有助于我们确定不同OE减少措施的EE因子（每OE节省的EE花费）。尽管计算得出的EE因子在不同的气候区域和建筑组件之间会有所不同，但是这些因子显示出针对不同的OE减少措施而言，EE成本很高。这些知识可能有助于设计基于进化和深度/机器学习的算法，以评估和优化建筑能耗。结果有助于我们确定不同OE减少措施的EE因子（每OE节省的EE花费）。尽管计算得出的EE因子在不同的气候区域和建筑组件之间会有所不同，但是这些因子显示出针对不同OE减少措施的巨大EE成本。这些知识可能有助于设计基于进化和深度/机器学习的算法，以评估和优化建筑能耗。