■ 金 倩 JIN Qian 王 飛 WANG Fei
建筑與工業(yè)、交通并列為能源消耗的三大領(lǐng)域。如今,為滿足建筑室內(nèi)環(huán)境舒適度而消耗的大量不可再生能源,以及排放溫室氣體所導(dǎo)致的氣候變暖,已成為不容忽視的全球性環(huán)境問題。為此,2010歐盟能源建筑指令要求,至2020年,所有新建筑應(yīng)該為“近零能耗建筑”(nearly Zero Energy Building)[1]。在我國,2015年的建筑能源消耗占全國能源消耗量的20%[2]。因此,我國建設(shè)部提出,到2020年,所有新建建筑都需達到節(jié)能65%的目標(biāo)。另一方面,隨著人們生活水平的日益提高,對生活環(huán)境質(zhì)量的要求也在不斷提高,建筑在建造、運營過程中所帶來的環(huán)境影響,也逐漸成為設(shè)計過程中所必須考慮的一個重要因素。中國的碳排放量40%來自于房地產(chǎn)建筑業(yè)[3],要提高生活環(huán)境的整體質(zhì)量,就必須對綠色建筑的設(shè)計和研發(fā)提出更高要求。
建筑圍護結(jié)構(gòu)是建筑室內(nèi)與室外的分界面,對降低建筑能耗和碳排放起著至關(guān)重要的作用。為了提高建筑的整體性能,降低能耗和使用過程中的碳排放,圍護結(jié)構(gòu)新材料和技術(shù)在不斷開發(fā)、更新,相應(yīng)的設(shè)計方法也在不斷完善。本研究從建筑圍護結(jié)構(gòu)的設(shè)計方法出發(fā),重點闡述了非支配排序遺傳算法在圍護結(jié)構(gòu)設(shè)計方面的應(yīng)用,并通過具體實例證明其可行性和優(yōu)越性,為圍護結(jié)構(gòu)的系統(tǒng)化優(yōu)化設(shè)計提供了新思路。
目前針對建筑圍護結(jié)構(gòu)的設(shè)計方法大致可以分為以基本設(shè)計為出發(fā)點的參數(shù)法(Parametric Study)和以需求為導(dǎo)向的系統(tǒng)優(yōu)化法(Systematic Optimisation)(表1)。參數(shù)法以初始設(shè)計為基準(zhǔn),通過改變相關(guān)設(shè)計參數(shù),形成不同方案進行試算和對比,從而確定最優(yōu)的設(shè)計參數(shù)組合。這種方法操作簡單,對設(shè)計參數(shù)數(shù)量比較少時可以較快地進行方案優(yōu)化。例如,Wang等[4]以提高室內(nèi)舒適度為目的,利用建筑性能模擬軟件TAS配合參數(shù)法,對新加坡的自然通風(fēng)的住宅建筑圍護結(jié)構(gòu)的導(dǎo)熱系數(shù)、朝向、窗墻比和遮陽寬度進行了具體設(shè)計。MIT設(shè)計團隊開發(fā)出一款基于網(wǎng)絡(luò)的設(shè)計工具MIT Design Advisor[5],可通過對圍護結(jié)構(gòu)設(shè)計參數(shù)的簡單改變,同時生成四種圍護結(jié)構(gòu)設(shè)計方案,并對其建筑能耗、室內(nèi)光照、熱舒適度、以及全生命周期的花費進行對比計算。這種方法對參數(shù)的取值需要依靠一定的工程經(jīng)驗,另外,當(dāng)參數(shù)數(shù)量較多且相互作用影響設(shè)計結(jié)果時,就很難通過簡單的試算得到最優(yōu)解。
系統(tǒng)優(yōu)化法與參數(shù)法的思路不同,系統(tǒng)優(yōu)化法在已知設(shè)計條件(如氣候、天氣、建筑外墻朝向等)的前提下,利用日益成熟的計算機模擬,通過優(yōu)化計算得到對建筑表皮性能的參數(shù)組合,此結(jié)果即為滿足設(shè)計要求的最佳設(shè)計組合。例如,Loonen等[6]以降低空調(diào)能耗和提高室內(nèi)舒適度為目標(biāo),將建筑性能動態(tài)模擬與遺傳算法相結(jié)合,得到建筑表皮在不同月份的最佳遮陽系數(shù)和導(dǎo)熱系數(shù);Zeng等[7]運用序列二次規(guī)劃法得到中國不同地區(qū)建筑表皮的理想比熱容;Zemella等[8]將建筑性能模擬軟件EnergyPlus與進化神經(jīng)網(wǎng)絡(luò)設(shè)計方法(Evolutionary Neural Network Design)相結(jié)合,對某典型辦公空間的外墻進行環(huán)保和節(jié)能分析和優(yōu)化設(shè)計,得出最佳外墻解決方案。系統(tǒng)優(yōu)化法能夠綜合考慮建筑表皮的各種性能參數(shù)的變化特點,使各部分共同協(xié)作從而滿足設(shè)計需求。當(dāng)然,為保證結(jié)果的合理性,也需要對各參數(shù)的變化范圍做出合理假設(shè)。
表1 參數(shù)法與系統(tǒng)優(yōu)化法的對比表
遺傳算法(Genetic Algorithm)是一種通過模擬自然進化過程中基因的生成和演化來尋求最優(yōu)解的計算方法,被廣泛應(yīng)用于各個研究領(lǐng)域[9]。在計算機運算的過程中,將可能具有某些特征組成的種群,通過簡化,例如二進制編碼轉(zhuǎn)譯,遵循優(yōu)勝劣汰的適應(yīng)性法則,利用遺傳學(xué)的遺傳算子進行組合交叉和變異,形成后代種群,逐代演化最終得到最優(yōu)解。第二代非支配排序遺傳算法(Non-dominated Sorting Genetic Algorithm NSGA II )是一種針對多目標(biāo)優(yōu)化問題(即尋找滿足多個目標(biāo)方程的最優(yōu)解)的遺傳算法[10],主要計算過程如圖1所示。第n+1代的母代由第n代基因Pn和與第n代同等數(shù)量通過交叉或變異得到的新生基因Qn組成,從中優(yōu)先挑選非支配解F1,當(dāng)非支配解數(shù)量不足時,選取次優(yōu)解F2,F(xiàn)3…。當(dāng)支配性等同時,優(yōu)先挑選稀疏度較小,即擁擠距離較大者,最終組成第n+1代基因Pn+1。NSGA II的優(yōu)勢在于,可解決多目標(biāo)優(yōu)化問題,目標(biāo)方程無法通過數(shù)學(xué)表達式直接計算得到(例如在建筑能耗模擬計算過程中,大部分計算結(jié)果通過循環(huán)迭代得出),可適用于連續(xù)參數(shù)和非連續(xù)參數(shù),以及有限制條件的情況。
圖1 第二代非支配排序遺傳算法計算過程圖[10]
上海某36層建筑,外墻采用預(yù)制裝配式混凝土板。外墻朝向為東南方向。外墻板在主體結(jié)構(gòu)施工完成后進行安裝。圖2和圖3分別為初始設(shè)計的預(yù)制混凝土外墻板的尺寸和構(gòu)造。由圖2可知,預(yù)制混凝土外墻板由鋼筋混凝土外框、混凝土填充板和玻璃窗三部分構(gòu)成。外墻板全高3.05m,寬4.3m,玻璃窗和混凝土填充板距板底0.21m,填充板距外墻板側(cè)邊最短距離0.25m,玻璃窗高2.615m,寬2.46m,填充板寬1.38m?;炷涟搴弯摻罨炷量蚣艿谋夭牧暇捎?0cm厚的輕質(zhì)柔性玻璃棉。
圖2 預(yù)制混凝土外墻板尺寸示意圖
圖3 預(yù)制混凝土外墻板A-A剖面示意圖
在初始設(shè)計的基礎(chǔ)之上,需要對圍護結(jié)構(gòu)的幾何和性能參數(shù)進行進一步的優(yōu)化設(shè)計。設(shè)計變量分為連續(xù)變量和非連續(xù)變量。表2列出了所有連續(xù)幾何變量及相關(guān)取值范圍,即在原設(shè)計的基礎(chǔ)上允許有±10%的變動。表3和表4分別列出了非連續(xù)變量及其取值范圍。
3.3.1 年均運營階段碳排放
建筑年均運營階段碳排放主要考慮了制冷能耗Ec、供熱能耗Eh、人工照明能耗El和設(shè)備能耗Eq四個方面。這四方面能耗均利用建筑性能模擬軟件EnergyPlus 8.7[11]建模計算。模型以建筑表皮后與預(yù)制板等寬、進深為5m、東南朝向的房間為計算單元。假設(shè)除表皮以外的其他面相鄰的空間與計算單元之間保持同等室內(nèi)環(huán)境,即假設(shè)其他各面無能量交換發(fā)生。最終年均碳排放量Ctot按公式(1)計算,制冷能效系數(shù)SEER和制熱能效系數(shù)SCOP分別取2.5和1.2,總能耗和總CO2排放的轉(zhuǎn)換系數(shù)η取0.542kg/(kWh),計算結(jié)果均攤到每平米建筑面積。
表2 連續(xù)變量及其取值范圍表
表3 非連續(xù)變量及其取值范圍表
表4 三種玻璃窗的性能參數(shù)表
3.3.2 隱含碳
英國巴斯大學(xué)的碳與能源清單方法(ICE)數(shù)據(jù)庫[12]中包含材料種類比較廣泛,因此本研究中的隱含碳計算采用了這個數(shù)據(jù)庫中的數(shù)據(jù)。雖然部分計算方法和數(shù)據(jù)可能與國內(nèi)實際情況有所差異,但仍然可以為設(shè)計提供一定的參考價值。在預(yù)制混凝土板隱含碳的計算過程中,窗框等連接件的隱含碳忽略不計。計算結(jié)果均攤到單位質(zhì)量的外墻。
該研究的優(yōu)化計算模型基于Kanpur Genetic Algorithm Laboratory (2010)開發(fā)的NSGA II計算機程序[13]。原程序僅適用于連續(xù)變量的優(yōu)化計算,研究中將程序修改升級,使其能夠同時計算含有非連續(xù)變量的優(yōu)化問題。同時,程序在計算過程中還加入了一個暫存數(shù)據(jù)庫,將試算過的組合存儲在該數(shù)據(jù)庫中,在后代生成時如果出現(xiàn)與之前母代相同的組合,可直接從數(shù)據(jù)庫中調(diào)用結(jié)果,避免重復(fù)計算,以提高程序效率。在遺傳算法中的交配概率和變異概率分別為70%和30%。經(jīng)過多次試算,最終確定每代產(chǎn)生的數(shù)量為1 000,共50代,以保證最終結(jié)果的收斂。另外,模型還利用了平行計算技術(shù),使計算機可同時對4個設(shè)計組合進行模擬,大大縮減了計算時間。計算在Windows系統(tǒng)下運行,RAM為8GB 處理器為Intel Core i7-4650 U,1.70GHz。運算時間總計30.9h。
圖4為運算過程和結(jié)果。其中“x”形數(shù)據(jù)點為計算過程中所有經(jīng)過試算的組合,共計30 161個,黑色三角形數(shù)據(jù)點為所有非支配解,即最優(yōu)設(shè)計組合,共計211個,“+”形數(shù)據(jù)點則為原始設(shè)計。通過對比可以看出,當(dāng)采用窗B時,最優(yōu)解中可以有多種組合使運營碳排放和隱含碳均優(yōu)于原設(shè)計。另外,所有數(shù)據(jù)點很明顯地分為兩大組,兩組的運營CO2排放以50kg/m2/年為界,一組全部低于該界限,一組全部高于該界限。主要影響因素為玻璃窗種類,具體來說,當(dāng)采用窗A時,運營CO2排放均為50kg/m2/年以上,而當(dāng)選擇窗B或窗C時,運營CO2排放可降低至50kg/m2/年以下。主要原因是窗A的玻璃和外框的傳熱系數(shù)都比較高,由此引起的制冷和供熱能耗增加,導(dǎo)致運營碳排放偏高。而窗C雖然傳熱系數(shù)低,但由于窗墻比較大(約40%)時,遮陽效果不如窗B,因此,在同等條件下窗B的制冷能耗更低,所以在最優(yōu)解中沒有含有窗C的組合出現(xiàn)。窗A的隱含碳最低,因此最優(yōu)解中總體隱含碳最低的組合均采用此種玻璃窗。
圖4 優(yōu)化計算結(jié)果與原設(shè)計對比圖
圖5 試算設(shè)計組合(按窗墻比排列)圖
圖5展示了按照窗墻比大小排列的優(yōu)化計算結(jié)果。可以看出,設(shè)計基本上比較傾向于采用略小一些的窗墻比。其中,最優(yōu)設(shè)計方案的窗墻比均不大于0.41,最小的一個為0.33,主要原因是東南朝向的外墻在夏季有較高的太陽熱輻射,需要通過降低窗墻比來降低室內(nèi)制冷能耗。圖6為按照不透明部分外墻的U值排列的計算結(jié)果。由圖可知,不透明部分外墻的U值在一定范圍內(nèi)的變化對能耗的影響并不大,也就是說,當(dāng)U值在0.2~1.1 W/(m2K)之間變化時,總可以通過其他設(shè)計策略,例如改變窗墻比等,達到維持總能耗不增加甚至降低的目的。但由于隱含碳與材料的多少有直接關(guān)系,因此由于材料厚度的增加帶來U-值的降低,會直接導(dǎo)致隱含碳的升高。
圖6 試算設(shè)計組合(按外墻U-值排列)圖
本文利用數(shù)學(xué)軟件Matlab,將多目標(biāo)優(yōu)化計算方法第二代非支配排序遺傳算法NSGA II進行表達,并與建筑動態(tài)模擬軟件EnergyPlus相結(jié)合,建立了一個針對預(yù)制裝配式混凝土外墻板的優(yōu)化設(shè)計模型,經(jīng)過系統(tǒng)優(yōu)化計算,得到針對上海某建筑東南向外墻板的最優(yōu)設(shè)計方案。最優(yōu)方案在外墻隱含碳和建筑碳排放兩個方面均優(yōu)于原設(shè)計。另外,通過對計算結(jié)果進行排序可看出,外墻玻璃、窗墻比、外墻保溫性能等設(shè)計參數(shù)對設(shè)計結(jié)果的影響。此方法具有廣泛的適應(yīng)性,可解決同時含有連續(xù)參數(shù)和非連續(xù)參數(shù)的多目標(biāo)優(yōu)化設(shè)計問題。同時,也可以根據(jù)設(shè)計項目的具體需求,對優(yōu)化程序和模擬程序進行相應(yīng)修改,用以輔助方案的生成和修改,為建筑圍護結(jié)構(gòu)的設(shè)計提供參考。