孫少楠，吳家偉

基于BIM技術(shù)的被動(dòng)式建筑節(jié)能因子多目標(biāo)優(yōu)化研究

孫少楠，吳家偉

(華北水利水電大學(xué)水利學(xué)院，河南 鄭州 450000)

為了研究被動(dòng)式建筑節(jié)能策略，在原有的BIM模型基礎(chǔ)上生成建筑能耗模型，通過gbXML數(shù)據(jù)標(biāo)準(zhǔn)進(jìn)行數(shù)據(jù)共享，在Grasshopper平臺導(dǎo)入?yún)?shù)化建筑性能模擬模型，對目標(biāo)建筑外表面進(jìn)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(dòng)式節(jié)能技術(shù)變量指標(biāo)。利用OpenStudio進(jìn)行建筑能耗分析，Daysim進(jìn)行全年動(dòng)態(tài)自然采光模擬分析，以空間日光自主評價(jià)指標(biāo)sDA300/50%、全年制冷、供暖能耗為相互制衡的適應(yīng)度目標(biāo)函數(shù)。最后使用NSGA-Ⅱ算法進(jìn)行多目標(biāo)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(biāo)。窗墻比僅通過制冷、供暖能耗目標(biāo)無法進(jìn)行優(yōu)化設(shè)計(jì)，應(yīng)結(jié)合自然采光性能進(jìn)行制衡。同時(shí)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(jìn)行耦合分析，為被動(dòng)式節(jié)能因子指標(biāo)最優(yōu)值的搜索帶來新的思路。

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

隨著我國城市化進(jìn)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(yùn)行總商品能耗(標(biāo)準(zhǔn)煤)已達(dá)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(shè)計(jì)愈發(fā)重要，被動(dòng)式建筑設(shè)計(jì)通過高性能圍護(hù)結(jié)構(gòu)及高氣密性的被動(dòng)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(dòng)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(dòng)式建筑節(jié)能設(shè)計(jì)的依據(jù)，BIM技術(shù)的模型數(shù)據(jù)傳輸與共享為多學(xué)科聯(lián)合分析提供了解決途徑。

基于BIM模型進(jìn)行建筑性能模擬，對節(jié)能設(shè)計(jì)進(jìn)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(jìn)行能耗模擬，基于遺傳算法對建筑能耗進(jìn)行優(yōu)化。RAMAJI等[4]通過開發(fā)OpenStudio的拓展插件，使BIMserver與OpenStudio進(jìn)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(diǎn)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(shè)計(jì)提供多目標(biāo)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(fēng)和能耗進(jìn)行仿真模擬，對不同開窗比及遮陽系數(shù)進(jìn)行敏感性分析，輔助建筑設(shè)計(jì)。趙亮[7]基于Dynamo平臺，開發(fā)與Green Building Studio進(jìn)行數(shù)據(jù)交互的通道，通過云計(jì)算進(jìn)行能耗模擬，Autodesk云端渲染服務(wù)進(jìn)行采光指標(biāo)計(jì)算，以NSGA-Ⅱ算法為核心對節(jié)能措施進(jìn)行多目標(biāo)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(qiáng)，普適性差。且對結(jié)合分析方法產(chǎn)生的效果需進(jìn)行獨(dú)立設(shè)計(jì)方可分析驗(yàn)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(fù)雜目標(biāo)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(jìn)行多方面的分析。

本文通過實(shí)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(dòng)態(tài)自然采光引擎Daysim為核心的LadybugTools組件包，進(jìn)行建筑性能聯(lián)合模擬。將固定遮陽、窗墻比、保溫層相關(guān)指標(biāo)設(shè)為被動(dòng)式節(jié)能因子，將建筑制冷能耗、采暖能耗和采光性能3個(gè)指標(biāo)設(shè)為相互制衡的適應(yīng)度函數(shù)，通過Wallacei提供的NSGA-Ⅱ算法進(jìn)行多目標(biāo)優(yōu)化并獲得帕累托前沿解集，研究被動(dòng)式節(jié)能因子指標(biāo)變化趨勢，進(jìn)行被動(dòng)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(biāo)優(yōu)化流程

1 基于BIM的建筑性能模擬模型

基礎(chǔ)理論多樣性及各學(xué)科的獨(dú)立性使得建筑分析工具專業(yè)性強(qiáng)，出現(xiàn)了工具碎片化、模型重建和產(chǎn)權(quán)保護(hù)等問題[8]。本研究使用的Revit屬于BIM軟件，而SketchUp和Rhino以點(diǎn)線面的形式創(chuàng)建的模型目前尚不能以建筑行業(yè)標(biāo)準(zhǔn)進(jìn)行傳遞，其不支持IFC[9]格式導(dǎo)出，不完全符合BIM軟件的特點(diǎn)。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(biāo)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(shè)計(jì)。面對多平臺、多學(xué)科聯(lián)合分析，基礎(chǔ)問題是數(shù)據(jù)的流通共享，需建立通用的數(shù)據(jù)標(biāo)準(zhǔn)，充分利用BIM模型，在支撐建筑設(shè)計(jì)、施工等階段的同時(shí)，滿足建筑性能模擬的要求，避免重復(fù)建模，打破“信息孤島”，實(shí)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(gòu)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(jìn)行建筑自然采光模擬。

Revit本身具有能量分析模塊，在其基礎(chǔ)上，以放置空間的形式，自動(dòng)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(shí)Revit支持建筑能耗模型以gbXML數(shù)據(jù)標(biāo)準(zhǔn)保存綠色建筑信息模型數(shù)據(jù)，此標(biāo)準(zhǔn)能夠?yàn)锽IM軟件與各種建筑性能分析軟件之間實(shí)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(shù)解決建筑性能模擬數(shù)據(jù)的技術(shù)分析

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

Revit內(nèi)置的負(fù)荷計(jì)算工具是基于美國ASHRAE的負(fù)荷計(jì)算標(biāo)準(zhǔn)，采用的是熱平衡和輻射時(shí)間序列法(radiant time series method)。本文使用OpenStudio進(jìn)行負(fù)荷計(jì)算，使得Revit中關(guān)于構(gòu)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(guān)荷載運(yùn)行時(shí)間表等參數(shù)形式及詳細(xì)程度上也有部分區(qū)別，導(dǎo)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(jìn)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(yùn)行的可視化編程語言，具有強(qiáng)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(shè)計(jì)和建筑環(huán)境分析。使用LadybugTools組件，進(jìn)行建筑能耗模擬和自然采光模擬。LadybugTools的能耗模擬以O(shè)penStudio為引擎，其是美國可再生能源實(shí)驗(yàn)室(National Renewable Energy Laboratory)領(lǐng)導(dǎo)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(dòng)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(rèn)可的采光模擬計(jì)算程序[13]。LadybugTools針對全年動(dòng)態(tài)自然采光模擬的計(jì)算量大、耗時(shí)長的問題，可進(jìn)行多處理器并行運(yùn)算，以減少運(yùn)行時(shí)間。

以O(shè)penStudio為引擎的建筑能耗模擬和以Daysim為引擎的全年動(dòng)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(gòu)造尺寸的不同，以及建筑能耗模擬和建筑采光模擬對應(yīng)的模擬主要參數(shù)不同，會(huì)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(jìn)行建筑能耗模擬的結(jié)果為每個(gè)房間的全年逐時(shí)數(shù)據(jù)，并將逐時(shí)的制冷、供暖能耗進(jìn)行累加，為該建筑全年的總消耗量。

使用Daysim進(jìn)行全年動(dòng)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(shí)間，模擬計(jì)算出每個(gè)測試點(diǎn)每小時(shí)的逐時(shí)照度值。參照LEED v4評價(jià)標(biāo)準(zhǔn)中的空間日光自主評價(jià)指標(biāo)[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(diǎn)中，在空間占有時(shí)間范圍內(nèi)，每個(gè)測試點(diǎn)的逐時(shí)照度值大于300 lux的小時(shí)數(shù)占總分析時(shí)間小時(shí)數(shù)大于50%的測試點(diǎn)個(gè)數(shù)；為測試點(diǎn)總數(shù)。

3 基于NSGA-Ⅱ非支配排序遺傳算法的多目標(biāo)優(yōu)化設(shè)計(jì)

在建筑性能優(yōu)化設(shè)計(jì)中，可通過調(diào)整建筑構(gòu)造及材料屬性，達(dá)到某一目標(biāo)最優(yōu)，而其他目標(biāo)變差，目標(biāo)間互相影響。通過NSGA-Ⅱ算法進(jìn)行多目標(biāo)優(yōu)化，得到帕累托前沿解集，每一個(gè)解決方案均不會(huì)出現(xiàn)改善某個(gè)解的單個(gè)目標(biāo)，而導(dǎo)致其他一個(gè)或多個(gè)目標(biāo)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(gè)體的非支配序值對種群進(jìn)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(dǎo)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(gè)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(biāo)優(yōu)化算法，最終獲得由非支配解構(gòu)成的帕累托前沿解集。如圖4所示，使用Grasshopper的Wallacei組件進(jìn)行多目標(biāo)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(gè)適應(yīng)度目標(biāo)函數(shù)，通過迭代優(yōu)化及精英選擇，得出滿足權(quán)衡各個(gè)目標(biāo)的最優(yōu)解決方案解集。

圖4 基于NSGA-Ⅱ算法的多目標(biāo)優(yōu)化

4 實(shí)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(shí)施的北京大興國際機(jī)場東航基地2#培訓(xùn)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(xùn)，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(gè)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(xué)和中國氣象局根據(jù)搜集的270個(gè)地面氣象站1971—2003年實(shí)測氣象數(shù)據(jù)開發(fā)，提供了典型氣象年的逐時(shí)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(biāo)UTCI在9℃~26℃之間為舒適，對北京大興區(qū)室外干球溫度進(jìn)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?yàn)橹鳎铦M足保溫設(shè)計(jì)要求，宜滿足隔熱設(shè)計(jì)，兼顧自然通風(fēng)、遮陽設(shè)計(jì)。

圖5 東航基地BIM實(shí)景圖

圖6 北京大興區(qū)全年干球溫度

4.2 基于BIM的實(shí)際工況模擬

東航基地辦公樓已完成土建、結(jié)構(gòu)、機(jī)電等相關(guān)BIM模型，為性能分析提供了基礎(chǔ)。對BIM模型中不影響建筑性能的地形、基礎(chǔ)、室外設(shè)施等構(gòu)件進(jìn)行了刪除，其他非構(gòu)成建筑房間的構(gòu)件，轉(zhuǎn)換成遮陽面進(jìn)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(jìn)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(jìn)行刪除、修改，圖7為修補(bǔ)好的建筑能耗模型。在Grasshopper環(huán)境中使用LadybugTools組件導(dǎo)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(biāo)優(yōu)化數(shù)學(xué)模型

4.3.1 被動(dòng)式節(jié)能技術(shù)變量分析

被動(dòng)式節(jié)能技術(shù)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(gòu)造變量。對于構(gòu)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(gè)數(shù)，以提高計(jì)算效率?？紤]周圍環(huán)境的遮擋，對目標(biāo)建筑物外表面進(jìn)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(jì)天空模型。將目標(biāo)建筑接觸外界環(huán)境的外表面設(shè)置為1 m×1 m的測試點(diǎn)，在累計(jì)的天空模型作用下，得出每個(gè)測試點(diǎn)的累計(jì)太陽輻射能量。

表1 被動(dòng)式節(jié)能技術(shù)變量

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

將2組對應(yīng)測試點(diǎn)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(yīng)引進(jìn)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(yīng)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(yīng)引進(jìn)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(jìn)行節(jié)能設(shè)計(jì)。考慮西面的遮陽措施，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(gè)圍護(hù)結(jié)構(gòu)的薄弱點(diǎn)，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(shè)計(jì)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(qiáng)，室外熱量不易進(jìn)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(gè)多目標(biāo)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(xiàng)目的最大變化范圍，見表2。

圖9 目標(biāo)建筑西南角太陽輻射圖

圖10 目標(biāo)建筑東北角太陽輻射

表2 多目標(biāo)優(yōu)化數(shù)學(xué)模型變量和值域范圍

4.3.2 多目標(biāo)優(yōu)化模型適應(yīng)度函數(shù)設(shè)計(jì)

適應(yīng)度函數(shù)是NAGA-Ⅱ算法進(jìn)行多目標(biāo)優(yōu)化所需的目標(biāo)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?yàn)橹?，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(biāo)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(biāo)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(shè)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(hù)結(jié)構(gòu)是最差的，對建筑外墻窗墻比進(jìn)行建筑能耗分析時(shí)，會(huì)趨于值域中的最小值，但顯然不符合建筑設(shè)計(jì)。增加自然采光為優(yōu)化目標(biāo)，使采暖、制冷能耗和采光性能3個(gè)指標(biāo)為相互競爭的適應(yīng)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(qiáng)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(qiáng)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(gè)自然采光測試點(diǎn)，進(jìn)行全年動(dòng)態(tài)采光分析，用以代表整個(gè)建筑的采光性能。以測試點(diǎn)的最大sDA值(1)作為體現(xiàn)建筑采光性能的適應(yīng)度函數(shù)。由表3中3個(gè)目標(biāo)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(biāo)影響是復(fù)雜的。

圖11 全年動(dòng)態(tài)自然采光分析測試點(diǎn)

4.3.3 被動(dòng)式節(jié)能因子多目標(biāo)優(yōu)化

以2#培訓(xùn)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(shí)進(jìn)行建筑能耗模擬和建筑自然采光模擬，將變量和目標(biāo)進(jìn)行多目標(biāo)優(yōu)化設(shè)計(jì)，如圖12所示。

為提高運(yùn)行效率，通過Wallacei設(shè)置種群規(guī)模為8，迭代次數(shù)為15代，交叉參數(shù)設(shè)為0.9，參照NSGA-Ⅱ算法的建議將變異參數(shù)設(shè)置為解決方案中變量個(gè)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(shí)驗(yàn)結(jié)果分析

使用10個(gè)模擬處理器，對416個(gè)自然采光測試點(diǎn)的全年動(dòng)態(tài)自然采光進(jìn)行模擬并行運(yùn)算，以加快運(yùn)算時(shí)間。經(jīng)過18 h，120次的建筑性能模擬的運(yùn)算，完成迭代。

表3 變量目標(biāo)變化關(guān)系表

圖12 Grasshopper程序連接圖

圖13 多目標(biāo)優(yōu)化迭代流程

對迭代效果進(jìn)行分析，如圖14~16所示。由3個(gè)目標(biāo)的迭代標(biāo)準(zhǔn)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(biāo)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(gè)解決方案的3個(gè)目標(biāo)值，在迭代過程中產(chǎn)生的120個(gè)解決方案進(jìn)行排序，可知個(gè)體5最具有代表性，如圖17所示，兼顧3個(gè)目標(biāo)，對應(yīng)建筑形態(tài)如圖18所示。同時(shí)從個(gè)體5的1和3迭代到給定值域的極值，也體現(xiàn)了設(shè)定的種群大小、迭代次數(shù)等相關(guān)參數(shù)的合理性，達(dá)到了研究目的。

圖14 sDA(F1)迭代標(biāo)準(zhǔn)偏差圖

圖15 全年制冷能耗(F2)迭代標(biāo)準(zhǔn)偏差圖

圖16 全年供暖能耗(F3)迭代標(biāo)準(zhǔn)偏差圖

表4 帕累托前沿解集

圖17 菱形目標(biāo)排名圖

圖18 最優(yōu)建筑形態(tài)

通過對個(gè)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(jìn)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(yīng)的遮陽板的深度(2)的變化也失去了意義；本應(yīng)對外界太陽輻射需求最強(qiáng)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(gè)極值，取個(gè)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?yàn)橹鞯牟膳枨蟮拿?。需要進(jìn)一步向遮陽的精細(xì)化動(dòng)態(tài)控制及合理布置等方面進(jìn)行研究。

(2) 由太陽輻射分析可知，最需要引進(jìn)太陽輻射且對夏季過熱影響最弱的南面，進(jìn)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(huì)向0的方向優(yōu)化。應(yīng)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(qiáng)的西面，因在窗戶面向西的房間設(shè)置自然采光測試點(diǎn)，通過建筑能耗及自然采光之間的多目標(biāo)制衡，使西面窗墻比為0.36，而南面趨于0，表明：窗墻比設(shè)計(jì)時(shí)，應(yīng)增加自然采光性能與建筑能耗目標(biāo)之間進(jìn)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(yīng)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(jìn)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(jìn)行模擬引擎與優(yōu)化算法的耦合，為全面模擬被動(dòng)式建筑節(jié)能效果提供可能，為多學(xué)科交叉融合進(jìn)行前瞻性設(shè)計(jì)和決策提供了科學(xué)依據(jù)。面對大量的被動(dòng)式節(jié)能變量和多種目標(biāo)之間復(fù)雜的非線性的耦合關(guān)系，通過結(jié)合NSGA-Ⅱ多目標(biāo)非支配排序遺傳算法，高效率地搜索最優(yōu)解集，得到被動(dòng)式節(jié)能技術(shù)因子指標(biāo)的均衡解。通過實(shí)證分析，驗(yàn)證了該流程的可行性，為被動(dòng)式建筑節(jié)能設(shè)計(jì)階段提供了新的設(shè)計(jì)流程，同時(shí)對寒冷地區(qū)的節(jié)能設(shè)計(jì)提供參考。

(“智慧水利”河南省學(xué)科創(chuàng)新引智基地支持項(xiàng)目)

[1] 清華大學(xué)建筑節(jié)能研究中心. 中國建筑節(jié)能年度發(fā)展研究報(bào)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(shè)部. 公共建筑節(jié)能設(shè)計(jì)標(biāo)準(zhǔn): 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(shè)計(jì)仿真[J]. 計(jì)算機(jī)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(shè)項(xiàng)目全生命周期節(jié)能驅(qū)動(dòng)機(jī)制與多目標(biāo)優(yōu)化策略研究[D]. 徐州: 中國礦業(yè)大學(xué), 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(dá), 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(xué), 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(yīng)用[J]. 圖學(xué)學(xué)報(bào), 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(shù)下高校食堂建筑被動(dòng)式節(jié)能設(shè)計(jì)研究[D].重慶: 重慶大學(xué), 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(xué), 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(yuǎn), 康虹, 范運(yùn)昌. 基于IFC與gbXML標(biāo)準(zhǔn)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(xué)學(xué)報(bào), 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(jī)廳外窗比率優(yōu)化研究[J]. 沈陽建筑大學(xué)學(xué)報(bào): 自然科學(xué)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(shè)部. 民用建筑熱工設(shè)計(jì)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(qiáng), 劉江, 等. 圍護(hù)結(jié)構(gòu)蓄熱性能對建筑負(fù)荷的影響分析[J]. 太陽能學(xué)報(bào), 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(dòng)態(tài)采光指標(biāo)分析與側(cè)窗采光范圍[J]. 哈爾濱工業(yè)大學(xué)學(xué)報(bào), 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(xué)基金項(xiàng)目(51709115)；河南省重點(diǎn)研發(fā)與推廣專項(xiàng)(科技攻關(guān))項(xiàng)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?yàn)锽IM技術(shù)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