把两种场馆放进同一把尺子会发生什么
假设（此处为示意场景）用同一个"单位面积年碳排放"指标去比较一座训练中心和一座大型体育场，结果很可能是训练中心"看起来"比体育场更耗能——因为训练中心几乎全年天天开放，而体育场大部分时间处于非比赛日的低负荷状态，全年平均下来数值反而更低。这个结论并不说明训练中心管理更差，只说明这把尺子从一开始就不适合用来比较两种功能完全不同的建筑，用它来做决策反而可能得出错误的优先级。
开放时间是第一个变量
训练中心通常服务日常训练，开放时间长、人员进出频繁，空调、淋浴热水、照明这些系统接近持续运行状态，很少有真正意义上的"停机日"。大型体育场则相反，全年可能只有几十个比赛日处于满负荷运行，其余时间接近基础负荷状态，大部分设备处于低功率待机或部分停运。如果不把开放时间纳入基准计算，两类场馆的能耗数字放在一起比较没有意义，甚至会得出与实际管理水平相反的结论。
人数密度决定了负荷曲线的形状
体育场在比赛日的人数密度会在短时间内急剧上升，这对HVAC、照明、卫生间用水都提出了脉冲式的高峰需求，前一个小时和比赛进行中的负荷可能相差数倍；训练中心的人数密度通常更平稳，波动幅度小得多，负荷曲线更接近一条缓坡。这种负荷曲线形状上的差异，意味着即便两座建筑全年总人流量接近，其能源系统的设计逻辑和碳排放分布规律也完全不同，设备选型和运行策略自然也不该一样。
建筑面积和功能空间占比
同样是"体育建筑"，训练中心的功能空间里训练场地、更衣室、康复理疗区占比更高，商业餐饮和大型公共区域占比较低；大型体育场则相反，赛场之外还包含大量商业区、包厢、媒体区、停车场，这些附属空间本身也会持续消耗能源。这些功能空间各自对应不同的能源密度，把能源流按设备和区域拆解出来之后，才能看清面积构成对整体碳排放基准的影响，而不是简单用总面积做除法，掩盖了内部结构的巨大差异。
按建筑类型分组，再谈基准
比较合理的做法是先把场馆按建筑类型分组——训练中心归为一类，中小型体育馆归为一类，大型体育场归为一类，在每一类内部再结合开放时间、人数密度、气候区做基准比较，必要时还可以进一步按赛事密集程度细分。这也是整体碳排放数据管理里反复强调的一点：能源效率的高低，脱离了建筑类型和使用场景就失去了参照意义。
气候区和赛季密度也要纳入考量
除了建筑类型，同一类建筑放在不同气候区，合理的能耗基准也会不同——湿热地区的除湿负荷、严寒地区的采暖负荷，都会让基准区间自然偏移，不能用同一条曲线套用到所有城市的场馆。同样，赛季密集程度也会影响基准：一座场馆如果某个月集中举办多场大型赛事，当月的能耗水平自然会明显高于淡季，如果基准只按年度平均计算，容易掩盖赛季内部的正常波动规律，也不利于按月度做更精细的异常排查。
基准的价值在于发现异常而不是排名
建立分区分类的基准，最终目的不是给场馆打分排名，而是帮助管理者判断某座具体场馆当前的能耗水平是否偏离了它自己这一类建筑的合理区间，从而更早发现设备老化、控制策略失效等问题。米兰体育在场馆碳管理中把建筑类型基准作为异常检测的参照系，让同类场馆之间的比较真正具备可比性，也让跨类型的简单排名不再具有误导性。
基准本身也不是一次设定就固定不变的。场馆功能改造、设备更新、甚至周边气候条件的长期变化，都可能让原有基准逐渐偏离现实，需要定期用最新的运营数据重新校准，否则再合理的基准也会慢慢失去参考价值。
