Buildings have a significant impact on global sustainability. During the past decades, a wide variety of studies have been conducted throughout the building lifecycle for improving the building performance. Data-driven approach has been widely adopted owing to less detailed building information required and high computational efficiency for online applications. Recent advances in information technologies and data science have enabled convenient access, storage, and analysis of massive on-site measurements, bringing about a new big-data-driven research paradigm. This paper presents a critical review of data-driven methods, particularly those methods based on larger datasets, for building energy modeling and their practical applications for improving building performances. This paper is organized based on the four essential phases of big-data-driven modeling, i.e., data preprocessing, model development, knowledge post-processing, and practical applications throughout the building lifecycle. Typical data analysis and application methods have been summarized and compared at each stage, based upon which in-depth discussions and future research directions have been presented. This review demonstrates that the insights obtained from big building data can be extremely helpful for enriching the existing knowledge repository regarding building energy modeling. Furthermore, considering the ever-increasing development of smart buildings and IoT-driven smart cities, the big data-driven research paradigm will become an essential supplement to existing scientific research methods in the building sector.

建筑物对全球可持续发展具有重大影响。在过去的几十年中，为改善建筑性能，在整个建筑生命周期中进行了各种各样的研究。由于所需的详细建筑信息较少且在线应用程序具有较高的计算效率，因此数据驱动方法已被广泛采用。信息技术和数据科学的最新进展使人们能够方便地访问，存储和分析大量的现场测量数据，从而带来了一个新的大数据驱动的研究范式。本文对数据驱动方法，特别是那些基于较大数据集的方法进行了重要的回顾，这些方法用于建筑能耗建模及其在改善建筑性能方面的实际应用。本文是根据大数据驱动的建模的四个基本阶段组织的，即数据预处理，模型开发，知识后处理以及整个建筑生命周期中的实际应用。在每个阶段对典型的数据分析和应用方法进行了总结和比较，在此基础上提出了深入的讨论和未来的研究方向。这项审查表明，从大型建筑数据中获得的见解对于丰富有关建筑能源建模的现有知识储备库可能非常有帮助。此外，考虑到智能建筑和物联网驱动的智能城市的不断增长，大数据驱动的研究范式将成为建筑领域现有科学研究方法的重要补充。在整个建筑生命周期中进行数据预处理，模型开发，知识后处理以及实际应用。在每个阶段对典型的数据分析和应用方法进行了总结和比较，在此基础上提出了深入的讨论和未来的研究方向。这项审查表明，从大型建筑数据中获得的见解对于丰富有关建筑能源建模的现有知识储备库可能非常有帮助。此外，考虑到智能建筑和物联网驱动的智能城市的不断增长，大数据驱动的研究范式将成为建筑领域现有科学研究方法的重要补充。在整个建筑生命周期中进行数据预处理，模型开发，知识后处理以及实际应用。在每个阶段对典型的数据分析和应用方法进行了总结和比较，在此基础上提出了深入的讨论和未来的研究方向。这项审查表明，从大型建筑数据中获得的见解对于丰富有关建筑能源建模的现有知识储备库可能非常有帮助。此外，考虑到智能建筑和物联网驱动的智能城市的不断增长，大数据驱动的研究范式将成为建筑领域现有科学研究方法的重要补充。在每个阶段对典型的数据分析和应用方法进行了总结和比较，在此基础上提出了深入的讨论和未来的研究方向。这项审查表明，从大型建筑数据中获得的见解对于丰富有关建筑能源建模的现有知识储备库可能非常有帮助。此外，考虑到智能建筑和物联网驱动的智能城市的不断增长，大数据驱动的研究范式将成为建筑领域现有科学研究方法的重要补充。在每个阶段对典型的数据分析和应用方法进行了总结和比较，在此基础上提出了深入的讨论和未来的研究方向。这项审查表明，从大型建筑数据中获得的见解对于丰富有关建筑能源建模的现有知识储备库可能非常有帮助。此外，考虑到智能建筑和物联网驱动的智能城市的不断增长，大数据驱动的研究范式将成为建筑领域现有科学研究方法的重要补充。这项审查表明，从大型建筑数据中获得的见解对于丰富有关建筑能源建模的现有知识储备库可能非常有帮助。此外，考虑到智能建筑和物联网驱动的智能城市的不断增长，大数据驱动的研究范式将成为建筑领域现有科学研究方法的重要补充。这项审查表明，从大型建筑数据中获得的见解对于丰富有关建筑能源建模的现有知识储备库可能非常有帮助。此外，考虑到智能建筑和物联网驱动的智能城市的不断增长，大数据驱动的研究范式将成为建筑领域现有科学研究方法的重要补充。