孫少楠，吳家偉

基于BIM技術的被動式建筑節(jié)能因子多目標優(yōu)化研究

孫少楠，吳家偉

(華北水利水電大學水利學院，河南 鄭州 450000)

為了研究被動式建筑節(jié)能策略，在原有的BIM模型基礎上生成建筑能耗模型，通過gbXML數(shù)據(jù)標準進行數(shù)據(jù)共享，在Grasshopper平臺導入?yún)?shù)化建筑性能模擬模型，對目標建筑外表面進行太陽輻射分析，確定以西面遮陽板傾斜角和深度、南面和西面窗墻比、外墻保溫板厚度為被動式節(jié)能技術變量指標。利用OpenStudio進行建筑能耗分析，Daysim進行全年動態(tài)自然采光模擬分析，以空間日光自主評價指標sDA300/50%、全年制冷、供暖能耗為相互制衡的適應度目標函數(shù)。最后使用NSGA-Ⅱ算法進行多目標優(yōu)化，得出帕累托前沿解集。研究表明：寒冷B區(qū)，固定遮陽無法平衡制冷和供暖能耗目標。窗墻比僅通過制冷、供暖能耗目標無法進行優(yōu)化設計，應結(jié)合自然采光性能進行制衡。同時增加保溫層厚度，提升外墻保溫效果。BIM模型提供了建筑性能模擬數(shù)據(jù)來源，Grasshopper平臺結(jié)合模擬引擎和優(yōu)化算法進行耦合分析，為被動式節(jié)能因子指標最優(yōu)值的搜索帶來新的思路。

建筑信息模型；被動式建筑；節(jié)能因子；建筑性能分析；多目標優(yōu)化

隨著我國城市化進程不斷加快及人們對居住環(huán)境舒適性要求的提升，建筑能源消耗持續(xù)上升，2016年建筑運行總商品能耗(標準煤)已達到9.06億噸，約占全國能源消耗總量的20%[1]，未來將逐步增加到30%以上[2]。面對建筑耗能增長，建筑節(jié)能設計愈發(fā)重要，被動式建筑設計通過高性能圍護結(jié)構及高氣密性的被動式策略，利用可再生能源，在保證室內(nèi)舒適性的前提下，降低對主動采暖、制冷系統(tǒng)的依賴，從而最大限度降低建筑用能需求。而建筑性能仿真模擬是被動式建筑節(jié)能設計的依據(jù)，BIM技術的模型數(shù)據(jù)傳輸與共享為多學科聯(lián)合分析提供了解決途徑。

基于BIM模型進行建筑性能模擬，對節(jié)能設計進行了許多優(yōu)化研究，如JUNG等[3]通過Revit建模，在EnergyPlus環(huán)境下進行能耗模擬，基于遺傳算法對建筑能耗進行優(yōu)化。RAMAJI等[4]通過開發(fā)OpenStudio的拓展插件，使BIMserver與OpenStudio進行了模型的轉(zhuǎn)換及建筑能耗模擬。RAHMANI ASL等[5]開發(fā)以Dynamo為平臺的節(jié)點包Optimo，其以NSGA-II算法為核心，通過迭代搜索獲得理想的帕累托前沿，為建筑設計提供多目標尋優(yōu)工具。杜艷超和李明照[6]通過BIM模型，對建筑的采光、通風和能耗進行仿真模擬，對不同開窗比及遮陽系數(shù)進行敏感性分析，輔助建筑設計。趙亮[7]基于Dynamo平臺，開發(fā)與Green Building Studio進行數(shù)據(jù)交互的通道，通過云計算進行能耗模擬，Autodesk云端渲染服務進行采光指標計算，以NSGA-Ⅱ算法為核心對節(jié)能措施進行多目標優(yōu)化。

上述研究多通過開發(fā)程序連接BIM模型和優(yōu)秀的模擬引擎及優(yōu)化算法，對使用人員能力要求較高，可操作性不強，普適性差。且對結(jié)合分析方法產(chǎn)生的效果需進行獨立設計方可分析驗證。本文使用的Grasshopper平臺，擁有豐富的優(yōu)化算法、模擬引擎接口、數(shù)據(jù)處理的組件和具備優(yōu)秀的生態(tài)環(huán)境。且NSGA-Ⅱ算法可對具有相互約束的復雜目標之間迭代優(yōu)化出一組最優(yōu)組合，使用NSGA-Ⅱ算法為核心的Wallacei組件也可對迭代效果進行多方面的分析。

本文通過實際案例，利用Revit提供的建筑性能分析模型，以Grasshopper為平臺調(diào)用能耗模擬引擎OpenStudio、全年動態(tài)自然采光引擎Daysim為核心的LadybugTools組件包，進行建筑性能聯(lián)合模擬。將固定遮陽、窗墻比、保溫層相關指標設為被動式節(jié)能因子，將建筑制冷能耗、采暖能耗和采光性能3個指標設為相互制衡的適應度函數(shù)，通過Wallacei提供的NSGA-Ⅱ算法進行多目標優(yōu)化并獲得帕累托前沿解集，研究被動式節(jié)能因子指標變化趨勢，進行被動式建筑節(jié)能決策，圖1為優(yōu)化流程。

圖1 基于BIM的建筑性能多目標優(yōu)化流程

1 基于BIM的建筑性能模擬模型

基礎理論多樣性及各學科的獨立性使得建筑分析工具專業(yè)性強，出現(xiàn)了工具碎片化、模型重建和產(chǎn)權保護等問題[8]。本研究使用的Revit屬于BIM軟件，而SketchUp和Rhino以點線面的形式創(chuàng)建的模型目前尚不能以建筑行業(yè)標準進行傳遞，其不支持IFC[9]格式導出，不完全符合BIM軟件的特點。且能耗模擬軟件OpenStudio是以SketchUp為平臺，集成建筑性能分析引擎的LadybugTools和集成多目標算法的Wallacei以Rhino和Grasshopper為平臺。需利用各平臺的優(yōu)勢，輔助建筑設計。面對多平臺、多學科聯(lián)合分析，基礎問題是數(shù)據(jù)的流通共享，需建立通用的數(shù)據(jù)標準，充分利用BIM模型，在支撐建筑設計、施工等階段的同時，滿足建筑性能模擬的要求，避免重復建模，打破“信息孤島”，實現(xiàn)“一模多算”。

1.1 基于BIM模型的建筑性能模擬優(yōu)勢分析

BIM模型不能直接為建筑性能模擬所用，建筑性能模擬需要的模型是經(jīng)過簡化的且構件厚度不需要以外在的形式表現(xiàn)出來。其中建筑自然采光模擬模型只需要建筑的面，而建筑能耗模型需要由面組成的封閉空間。滿足建筑能耗模擬的模型，就可進行建筑自然采光模擬。

Revit本身具有能量分析模塊，在其基礎上，以放置空間的形式，自動生成建筑能耗模型及劃分表面類型，解決了表面類型劃分困難的問題。同時Revit支持建筑能耗模型以gbXML數(shù)據(jù)標準保存綠色建筑信息模型數(shù)據(jù)，此標準能夠為BIM軟件與各種建筑性能分析軟件之間實現(xiàn)模型數(shù)據(jù)信息的互通提供渠道，也是大多數(shù)綠色節(jié)能分析軟件之間的銜接格式[10]。

1.2 BIM技術解決建筑性能模擬數(shù)據(jù)的技術分析

BIM的建筑能耗模型在傳遞過程中，會出現(xiàn)材質(zhì)丟失、構件破碎、屬性錯亂等問題，通過能耗模擬軟件OpenStudio在SketchUp中的建模插件，可進行幾何模型的修補。

Revit內(nèi)置的負荷計算工具是基于美國ASHRAE的負荷計算標準，采用的是熱平衡和輻射時間序列法(radiant time series method)。本文使用OpenStudio進行負荷計算，使得Revit中關于構件熱工屬性等能耗專業(yè)語義庫、采光專業(yè)語義庫等與模擬引擎部分不一致[11-12]，另室內(nèi)熱擾有關荷載運行時間表等參數(shù)形式及詳細程度上也有部分區(qū)別，導致Revit中部分參數(shù)屬性無法傳遞或識別，需對缺少的屬性在Grasshopper中進行參數(shù)化重建，如圖2所示。

圖2 基于BIM的建筑能耗模擬的數(shù)據(jù)傳遞

2 建筑性能模擬分析

Grasshopper是在Rhino環(huán)境下運行的可視化編程語言，具有強大的生態(tài)環(huán)境，可結(jié)合多種優(yōu)秀的組件，輔助建筑設計和建筑環(huán)境分析。使用LadybugTools組件，進行建筑能耗模擬和自然采光模擬。LadybugTools的能耗模擬以OpenStudio為引擎，其是美國可再生能源實驗室(National Renewable Energy Laboratory)領導多家單位參與開發(fā)的開源軟件，集成EnergyPlus為內(nèi)核的建筑能耗分析引擎；全年動態(tài)采光模擬以Daysim為引擎，集成Radiance為內(nèi)核，采用反向射線追蹤算法，模擬多次反射的太陽光，是國際認可的采光模擬計算程序[13]。LadybugTools針對全年動態(tài)自然采光模擬的計算量大、耗時長的問題，可進行多處理器并行運算，以減少運行時間。

以OpenStudio為引擎的建筑能耗模擬和以Daysim為引擎的全年動態(tài)采光模擬的組合分析如圖3所示。參數(shù)化建筑物理模型中幾何構造尺寸的不同，以及建筑能耗模擬和建筑采光模擬對應的模擬主要參數(shù)不同，會產(chǎn)生不同的能耗及采光的模擬結(jié)果。

圖3 建筑性能模擬

通過OpenStudio進行建筑能耗模擬的結(jié)果為每個房間的全年逐時數(shù)據(jù)，并將逐時的制冷、供暖能耗進行累加，為該建筑全年的總消耗量。

使用Daysim進行全年動態(tài)采光模擬，以全年工作日上午9:00–11:00，下午13:00–17:00為空間占有時間，模擬計算出每個測試點每小時的逐時照度值。參照LEED v4評價標準中的空間日光自主評價指標[14]sDA300/50%(spatial daylight automomy)表征采光效果，sDA的值越大，表明房間采光能力越好，即

其中，為所有測試點中，在空間占有時間范圍內(nèi)，每個測試點的逐時照度值大于300 lux的小時數(shù)占總分析時間小時數(shù)大于50%的測試點個數(shù)；為測試點總數(shù)。

3 基于NSGA-Ⅱ非支配排序遺傳算法的多目標優(yōu)化設計

在建筑性能優(yōu)化設計中，可通過調(diào)整建筑構造及材料屬性，達到某一目標最優(yōu)，而其他目標變差，目標間互相影響。通過NSGA-Ⅱ算法進行多目標優(yōu)化，得到帕累托前沿解集，每一個解決方案均不會出現(xiàn)改善某個解的單個目標，而導致其他一個或多個目標變得比之前更差的情況。

DEB等[15]基于NSGA算法提出了NSGA-Ⅱ非支配排序遺傳算法，其使用個體的非支配序值對種群進行非劣解水平分層，通過擁擠度算子保持種群的分布性和多樣性，引導搜索帕累托最優(yōu)解。其精英保留策略將父代種群中優(yōu)良的個體引入到子代種群，共同組成下一代種群，以防止父代非劣解的丟失。很大程度上改善了NSGA算法的性能和執(zhí)行效率。通過NSGA-Ⅱ多目標優(yōu)化算法，最終獲得由非支配解構成的帕累托前沿解集。如圖4所示，使用Grasshopper的Wallacei組件進行多目標優(yōu)化，從參數(shù)化建筑模型中確定變量以及建筑性能模擬結(jié)果組成多個適應度目標函數(shù)，通過迭代優(yōu)化及精英選擇，得出滿足權衡各個目標的最優(yōu)解決方案解集。

圖4 基于NSGA-Ⅱ算法的多目標優(yōu)化

4 實證分析

4.1 案例特征

(1) 辦公建筑能源消耗大，且用于氣候分析及建筑性能模擬的氣象數(shù)據(jù)多源于處在城市郊外的氣象站，以BIM全程實施的北京大興國際機場東航基地2#培訓樓為研究對象，建筑為4層，主樓高22 m，建筑面積7 560㎡，主要用于人員培訓，其功能房間是教室。周圍建筑分別有1、3、4#樓，其中1#樓位于西側(cè)，主樓9層，高39.2 m，裙樓6層，高22.8 m；3、4#樓位于南側(cè)，共9層，高39.1 m，如圖5所示。

(2) 由12個典型氣象月組成的典型氣象年數(shù)據(jù)(Chinese standard weather date，CSWD)作為氣候、能耗、采光分析的氣象數(shù)據(jù)來源。其由清華大學和中國氣象局根據(jù)搜集的270個地面氣象站1971—2003年實測氣象數(shù)據(jù)開發(fā)，提供了典型氣象年的逐時數(shù)據(jù)。

選取北京大興區(qū)CSWD氣象文件，參照人在通用熱氣候指標UTCI在9℃~26℃之間為舒適，對北京大興區(qū)室外干球溫度進行分析，如圖6所示。全年最低干球溫度是–14.2℃，最高為37.2℃。低于9℃全年有3 447 h，高于26℃全年有1 181 h，且北京處于寒冷B區(qū)[16]，以冷氣候為主，需滿足保溫設計要求，宜滿足隔熱設計，兼顧自然通風、遮陽設計。

圖5 東航基地BIM實景圖

圖6 北京大興區(qū)全年干球溫度

4.2 基于BIM的實際工況模擬

東航基地辦公樓已完成土建、結(jié)構、機電等相關BIM模型，為性能分析提供了基礎。對BIM模型中不影響建筑性能的地形、基礎、室外設施等構件進行了刪除，其他非構成建筑房間的構件，轉(zhuǎn)換成遮陽面進行處理。在土建模型上快速建立建筑能耗模型，使用gbXML數(shù)據(jù)格式進行模型數(shù)據(jù)的保存。

通過在SketchUp中使用OpenStudio的建模插件OpenStudio Plugin，將BIM模型在傳遞過程中破壞的面進行刪除、修改，圖7為修補好的建筑能耗模型。在Grasshopper環(huán)境中使用LadybugTools組件導入gbXML文件，并且在Rhino中建立簡化的周圍環(huán)境遮擋，如圖8所示。

圖7 SketchUp平臺的建筑能耗模型

圖8 Grasshopper平臺的參數(shù)化建筑能耗模型

4.3 多目標優(yōu)化數(shù)學模型

4.3.1 被動式節(jié)能技術變量分析

被動式節(jié)能技術變量見表1，其中空間變量往往根據(jù)業(yè)主需求確定，主要考慮表皮變量和構造變量。對于構造變量中外墻、外窗等材料的物理屬性，由于受到建筑材料的限制，及氣密性屬于施工措施，本文不予考慮。

通過環(huán)境分析，精簡變量個數(shù)，以提高計算效率?？紤]周圍環(huán)境的遮擋，對目標建筑物外表面進行太陽輻射分析。全年8 760組氣象數(shù)據(jù)中，室外干球溫度小于9℃的有3 447組，依據(jù)篩選出的氣象數(shù)據(jù)，生成累計天空模型。將目標建筑接觸外界環(huán)境的外表面設置為1 m×1 m的測試點，在累計的天空模型作用下，得出每個測試點的累計太陽輻射能量。

表1 被動式節(jié)能技術變量

同樣對全年室外干球溫度大于26℃的氣象數(shù)據(jù)進行篩選，得到1 181組氣象數(shù)據(jù)，生成累計天空模型，用于建筑外表面測試點。

將2組對應測試點的太陽輻射能量值相減，如圖9和圖10所示。顏色綠的建筑表面應引進太陽輻射，利用太陽輻射能量，提升寒冷環(huán)境下室內(nèi)溫度；偏紅的表示應采取隔熱措施，阻擋室外輻射能量向室內(nèi)傳遞。由此可知，西面是拒絕太陽輻射最有效的一面，北面次之；南面應引進太陽輻射，東面次之。

因此，對最具有改造潛力的西面和南面進行節(jié)能設計?？紤]西面的遮陽措施，將1西面遮陽板傾斜角、2西面遮陽板深度為優(yōu)化模型變量。窗戶是整個圍護結(jié)構的薄弱點，則將3南面和4西面窗墻比為優(yōu)化模型變量。

本案例以冬季保溫設計為主，外墻保溫是建筑主要保溫措施，由于保溫材料的限制，以增加保溫板厚度的形式提升保溫效果。但并不是保溫層越厚越有利于冬季保溫，隨著蓄熱能力增強，室外熱量不易進入室內(nèi)[17]。以常見的擠塑聚苯板作為保溫材料[18]，將5保溫板厚度作為第5個多目標優(yōu)化模型的變量，尋找最優(yōu)的保溫層厚度。變量均為連續(xù)型數(shù)據(jù)，值域取該工程項目的最大變化范圍，見表2。

圖9 目標建筑西南角太陽輻射圖

圖10 目標建筑東北角太陽輻射

表2 多目標優(yōu)化數(shù)學模型變量和值域范圍

4.3.2 多目標優(yōu)化模型適應度函數(shù)設計

適應度函數(shù)是NAGA-Ⅱ算法進行多目標優(yōu)化所需的目標函數(shù)，其可是簡單的整數(shù)型數(shù)值，也可將建筑性能仿真結(jié)果作為參數(shù)的外部函數(shù)。

因本案例以冷氣候為主，用于夏季的遮陽隔熱措施很大程度上被冬季引能保溫措施所遮蓋。以建筑制冷、供暖總能耗為目標函數(shù)，因無法分析夏季隔熱措施的作用效果，則將全年最小制冷能耗(2)和全年最小供暖能耗(3)分別作為目標函數(shù)。

自然采光是辦公建筑舒適性的重要方面，高質(zhì)量的自然采光不僅能減少照明設備的使用，也可提高人的舒適性。北京處于寒冷B區(qū)，窗戶的熱工性能對比非透明圍護結(jié)構是最差的，對建筑外墻窗墻比進行建筑能耗分析時，會趨于值域中的最小值，但顯然不符合建筑設計。增加自然采光為優(yōu)化目標，使采暖、制冷能耗和采光性能3個指標為相互競爭的適應度函數(shù)。

通過對建筑表面的太陽輻射分析，西面是太陽輻射最強的一面，而裙樓頂層外表面是最明顯的區(qū)域，是建筑能耗與采光性能相互約束強度最大的位置。如圖11所示，以此房間為代表，在距樓板0.8 m[19]處放置1 m×1 m、共416個自然采光測試點，進行全年動態(tài)采光分析，用以代表整個建筑的采光性能。以測試點的最大sDA值(1)作為體現(xiàn)建筑采光性能的適應度函數(shù)。由表3中3個目標受到變量不同方向的變化，產(chǎn)生不同的影響，可知變量對多目標影響是復雜的。

圖11 全年動態(tài)自然采光分析測試點

4.3.3 被動式節(jié)能因子多目標優(yōu)化

以2#培訓樓的BIM模型為數(shù)據(jù)來源，通過Grasshopper平臺，將模型及模型屬性參數(shù)化，使用同一模型，同時進行建筑能耗模擬和建筑自然采光模擬，將變量和目標進行多目標優(yōu)化設計，如圖12所示。

為提高運行效率，通過Wallacei設置種群規(guī)模為8，迭代次數(shù)為15代，交叉參數(shù)設為0.9，參照NSGA-Ⅱ算法的建議將變異參數(shù)設置為解決方案中變量個數(shù)的倒數(shù)，即變異參數(shù)為1/5，交叉、變異的分布指數(shù)分別為20。迭代流程如圖13所示。

4.4 實驗結(jié)果分析

使用10個模擬處理器，對416個自然采光測試點的全年動態(tài)自然采光進行模擬并行運算，以加快運算時間。經(jīng)過18 h，120次的建筑性能模擬的運算，完成迭代。

表3 變量目標變化關系表

圖12 Grasshopper程序連接圖

圖13 多目標優(yōu)化迭代流程

對迭代效果進行分析，如圖14~16所示。由3個目標的迭代標準偏差圖可知，隨著迭代次數(shù)的增加，曲線逐步變窄，表明解決方案逐漸收斂；曲線逐漸向目標值小的方向偏移，即解決方案迭代表現(xiàn)越來越優(yōu)，則本次迭代的效果向好的方向發(fā)展。

經(jīng)過15次的迭代，生成的帕累托前沿解集見表4。對8個解決方案的3個目標值，在迭代過程中產(chǎn)生的120個解決方案進行排序，可知個體5最具有代表性，如圖17所示，兼顧3個目標，對應建筑形態(tài)如圖18所示。同時從個體5的1和3迭代到給定值域的極值，也體現(xiàn)了設定的種群大小、迭代次數(shù)等相關參數(shù)的合理性，達到了研究目的。

圖14 sDA(F1)迭代標準偏差圖

圖15 全年制冷能耗(F2)迭代標準偏差圖

圖16 全年供暖能耗(F3)迭代標準偏差圖

表4 帕累托前沿解集

圖17 菱形目標排名圖

圖18 最優(yōu)建筑形態(tài)

通過對個體5及其他的帕累托前沿解集的迭代優(yōu)化后的變量趨勢進行分析。西面遮陽板優(yōu)化的傾斜角(1)趨于給定值域的最小值–90°，即遮陽板完全失去作用，對應的遮陽板的深度(2)的變化也失去了意義；本應對外界太陽輻射需求最強的南面，窗墻比(3)卻趨于給定值域的最小值0；西面是造成夏季過熱最顯著的一面，窗墻比沒有趨于值域的2個極值，取個體5的西面窗墻比(4)趨于0.36；保溫板厚度(5)趨于極大值。

5 結(jié) 論

(1) 由遮陽板優(yōu)化后完全失去作用可知，對于寒冷地區(qū)，通過調(diào)整固定遮陽板的深度和角度，無法解決夏季供冷和以寒冷氣候為主的采暖需求的矛盾。需要進一步向遮陽的精細化動態(tài)控制及合理布置等方面進行研究。

(2) 由太陽輻射分析可知，最需要引進太陽輻射且對夏季過熱影響最弱的南面，進行窗墻比優(yōu)化，迭代結(jié)果趨于0，表明：窗戶對于外墻、屋頂而言，屬于薄弱環(huán)節(jié)，熱工屬性差，大面積大開窗雖然有利于外界熱量的攝入，但不利于室內(nèi)環(huán)境的保持。只考慮建筑能耗，窗墻比會向0的方向優(yōu)化。應加大高性能外窗材料的研發(fā)，減弱對室內(nèi)環(huán)境的影響。

(3) 受外界太陽輻射最強的西面，因在窗戶面向西的房間設置自然采光測試點，通過建筑能耗及自然采光之間的多目標制衡，使西面窗墻比為0.36，而南面趨于0，表明：窗墻比設計時，應增加自然采光性能與建筑能耗目標之間進行競爭制衡。

(4) 外墻保溫層厚度未出現(xiàn)影響制冷供暖效果的界限值。則對于寒冷B區(qū)，應使用高性能的保溫材料及增加保溫層厚度，最大地提升保溫效果。

(5) 使用BIM模型為建筑性能模擬提供數(shù)據(jù)來源，以Rhino的Grasshopper為平臺，進行建筑性能模擬，因Grasshopper為可視化編程的平臺，通過編程語言，可調(diào)用各具優(yōu)勢的模擬引擎。并自行開發(fā)算法程序，進行模擬引擎與優(yōu)化算法的耦合，為全面模擬被動式建筑節(jié)能效果提供可能，為多學科交叉融合進行前瞻性設計和決策提供了科學依據(jù)。面對大量的被動式節(jié)能變量和多種目標之間復雜的非線性的耦合關系，通過結(jié)合NSGA-Ⅱ多目標非支配排序遺傳算法，高效率地搜索最優(yōu)解集，得到被動式節(jié)能技術因子指標的均衡解。通過實證分析，驗證了該流程的可行性，為被動式建筑節(jié)能設計階段提供了新的設計流程，同時對寒冷地區(qū)的節(jié)能設計提供參考。

(“智慧水利”河南省學科創(chuàng)新引智基地支持項目)

[1] 清華大學建筑節(jié)能研究中心. 中國建筑節(jié)能年度發(fā)展研究報告2018版[M]. 北京: 中國建筑工業(yè)出版社, 2018: 2-6.Building Energy Conservation Research Center, Tsinghua University. Annual report on China building energy efficiency-2018[M]. Beijing: China Architecture & Building Press, 2018: 2-6 (in Chinese).

[2] 中華人民共和國住房和城鄉(xiāng)建設部. 公共建筑節(jié)能設計標準: GB 50189—2015[S]. 北京: 中國建筑工業(yè)出版社, 2015.Ministry of Housing and Urban-Rural Development of the People’s of China.Design standard for energy efficiency of public buildings：GB 50189—2015[S]. Beijing: China Architecture & Building Press, 2015 (in Chinese).

[3] JUNG D K, LEE D, SHIN J H, et al. Optimization of energy consumption using BIM-based building energy performance analysis[J]. Applied Mechanics and Materials, 2013, 281: 649-652.

[4] RAMAJI I J, MESSNER J, MOSTAVI E. IFC-based BIM-to-BEM model transformation[J/OL]. Journal of Computing in Civil Engineering, 2020, 34(3): 04020005. [2020-07-07]. https://ascelibrary.org/dio/10.1061/%28ASCE% 29cp.1943-5487.0000880.

[5] RAHMANI ASL M, ZARRINMEHR S, BERGIN M, et al. BPOpt: a framework for BIM-based performance optimization[J]. Energy and Buildings, 2015, 108: 401-412.

[6] 杜艷超, 李明照. 城市建筑中綜合環(huán)保節(jié)能優(yōu)化設計仿真[J]. 計算機仿真, 2017, 34(7): 174-177.DU Y C, LI M Z. Optimization design and simulation of comprehensive environmental protection and energy saving in urban construction[J]. Computer Simulation, 2017, 34(7): 174-177 (in Chinese).

[7] 趙亮. 建設項目全生命周期節(jié)能驅(qū)動機制與多目標優(yōu)化策略研究[D]. 徐州: 中國礦業(yè)大學, 2019.ZHAO L. Research on total lifecycle energy-saving driving mechanism and multi-objective optimization strategy of construction project[D]. Xuzhou:China University of Mining and Technology, 2019 (in Chinese).

[8] 燕達, 陳友明, 潘毅群, 等. 我國建筑能耗模擬的研究現(xiàn)狀與發(fā)展[J]. 建筑科學, 2018, 34(10): 130-138.YAN D, CHEN Y M, PAN Y Q, et al. Building performance simulation research in China: current status and perspectives[J]. Building Science, 2018, 34(10): 130-138 (in Chinese).

[9] 姜韶華, 吳崢, 王娜, 等. OpenBIM綜述及其工程應用[J]. 圖學學報, 2018, 39(6): 1139-1147. JIANG S H, WU Z , WANG N, et al. Review of OpenBIM and its engineering application[J] Journal of Graphics, 2018, 39(6): 1139-1147 (in Chinese).

[10] 史培沛. BIM技術下高校食堂建筑被動式節(jié)能設計研究[D].重慶: 重慶大學, 2016.SHI P P.Study on the passive energy saving design of the canteen of university aided by BIM[D]. Chongqing: Chongqing University, 2016 (in Chinese).

[11] 梁楠, 徐宏慶, 林衛(wèi), 等. 基于BIM的近零能耗建筑數(shù)據(jù)庫研究初探[J]. 建筑科學, 2020, 36(4): 9-13. LIANG N, XU H Q, LIN W, et al. Study on BIM based nearly zero energy building database[J]. Building Science, 2020, 36(4): 9-13 (in Chinese).

[12] 陳遠, 康虹, 范運昌. 基于IFC與gbXML標準的建筑信息模型與綠色建筑分析軟件互操作性測試與評估[J]. 圖學學報, 2018, 39(3): 530-537.CHEN Y, KANG H, FAN Y C. IFC and gbXML based test and evaluation for the interoperability between BIM modeling software and green building performance analysis software [J]. Journal of Graphics, 2018, 39(3): 530-537 (in Chinese).

[13] REINHART C F, WIENOLD J. The daylighting dashboard – a simulation-based design analysis for daylit spaces[J]. Building and Environment, 2011, 46(2): 386-396.

[14] 王超, 趙偉峰, 陳宇, 等. 耦合能耗與自然采光的北方航站樓值機廳外窗比率優(yōu)化研究[J]. 沈陽建筑大學學報: 自然科學版, 2019, 35(6): 1089-1098. WANG C, ZHAO W F, CHEN Y, et al. Study on optimizing exterior window ratio of North Terminal Check-in Hall with coupled energy consumption and natural lighting[J]. Journal of Shenyang Jianzhu University: Natural Science, 2019, 35(6): 1089-1098 (in Chinese).

[15] DEB K, PRATAP A, AGARWAL S, et al. A fast and elitist multiobjective genetic algorithm: NSGA-II[J]. IEEE Transactions on Evolutionary Computation, 2002, 6(2): 182-197.

[16] 中華人民共和國住房和城鄉(xiāng)建設部. 民用建筑熱工設計規(guī)范: GB 50176—2016[S]. 北京: 中國建筑工業(yè)出版社, 2017.Ministry of Housing and Urban-Rural Development of the People’s of China. Code for thermal design of civil building: GB50176-2016[S].Beijing: China Architecture & Building Press, 2016: 43 (in Chinese).

[17] 楊柳, 侯立強, 劉江, 等. 圍護結(jié)構蓄熱性能對建筑負荷的影響分析[J]. 太陽能學報, 2018, 39(11): 3138-3146. YANG L, HOU L Q, LIU J, et al. Impact of thermal storage capacity of envelope on buliding load[J]. Acta Energiae Solaris Sinica, 2018, 39(11): 3138-3146 (in Chinese).

[18] 劉方舟, 聶金哲, 李德英, 等. 辦公建筑外墻保溫材料厚度優(yōu)化研究[J]. 新型建筑材料, 2018, 45(5): 136-139.LIU F Z, NIE J Z, LI D Y, et al. Optimization research on thickness of insulation materials of exterior wall on office building[J]. New Building Materials, 2018, 45(5): 136-139 (in Chinese).

[19] 邊宇, 袁磊, 冷天翔. 動態(tài)采光指標分析與側(cè)窗采光范圍[J]. 哈爾濱工業(yè)大學學報, 2017, 49(10): 172-176.BIAN Y, YUAN L, LENG T X. An analysis of dynamic daylight performance metrics & the daylight availability of side-lit windows[J]. Journal of Harbin Institute of Technology, 2017, 49(10): 172-176 (in Chinese).

Research on multi-objective optimization of passive building energy-saving factor based on BIM

SUN Shao-nan, WU Jia-wei

(School of Water Conservancy, North China University of Water Resources and Electric Power, Zhengzhou Henan 450000, China)

Building energy models on the basis of the original building information modeling (BIM) model were established to research the passive energy-saving strategies. This model adopted the gbXML data standard for data sharing, which imported a parametric building performance simulation model on the Grasshopper platform. In addition, the solar radiation analysis was performed on the outer surface of the target building to determine the variables index of the passive energy-saving technology, such as the angle and depth of the west overhangs, the window-to-wall ratio on the south and west sides, and the thickness of the insulation board. This platform established the objective function based on the spatial daylight autonomy (sDA300/50%), annual cooling and heating energy consumption, which employed OpenStudio for building energy analysis and Daysim for annual dynamic natural lighting analysis. Finally, using the NSGA-II algorithm for multi-objective optimization, the Pareto solution set was obtained. The result shows that on cold zone B, the fixed shading cannot balance cooling and heating energy consumption. The window-to-wall ratio cannot be optimized only through cooling and heating energy consumption, which should combine natural lighting performance. At the same time, it should increase the thickness of the insulation layer to enhance the insulation effect of the external wall. The BIM model provides a source of building performance simulation data, and the Grasshopper platform combines simulation engines and optimization algorithms for coupling analysis, bringing new ideas to the search of optimal values of passive energy-saving factor index.

building information modeling; passive building; energy-saving factor; building performance analysis; multi-objective optimization

TU 243

10.11996/JG.j.2095-302X.2021010124

A

2095-302X(2021)01-0124-09

2020-08-17；

17 August，2020；

2020-09-10

10 September，2020

國家自然科學基金項目(51709115)；河南省重點研發(fā)與推廣專項(科技攻關)項目(182102210066)

：The National Natural Science Foundation of China (51709115); Henan Province Key R&D and Promotion Special (Technology Research) Project (182102210066)

孫少楠(1974-)，男，河南柘城人，副教授，博士。主要研究方向為BIM技術研究、施工組織與管理。E-mail：ncwussn@163.com

SUN Shao-nan (1974-), male, associate professor, Ph.D. His main research interests cover BIM technology research, construction organization and management. E-mail：ncwussn@163.com