賀 龍 呂 保 馬德宇

(內(nèi)蒙古工業(yè)大學(xué)建筑學(xué)院, 呼和浩特 010051)

建筑方案設(shè)計(jì)階段的設(shè)計(jì)參數(shù)對(duì)建筑能耗和舒適度有重大影響[1],建筑從設(shè)計(jì)階段到運(yùn)行階段的整個(gè)周期中的節(jié)能潛力有40%以上來(lái)自方案設(shè)計(jì)階段[2]。而在現(xiàn)實(shí)情況中大量存在盲目追求新奇造型的工程案例,由于對(duì)設(shè)計(jì)前期建筑形態(tài)節(jié)能設(shè)計(jì)不夠重視,導(dǎo)致了建筑全生命周期資源使用量的負(fù)荷加重、建筑運(yùn)營(yíng)成本增大等不利后果[3]。因此,挖掘建筑方案設(shè)計(jì)階段相關(guān)參數(shù)的多性能優(yōu)化潛力已經(jīng)成為綠色建筑研究中的重要部分。隨著我國(guó)綠色建筑的不斷發(fā)展,建筑性能的優(yōu)化已經(jīng)不僅僅局限于節(jié)能方面,學(xué)界對(duì)于多目標(biāo)性能提升的關(guān)注度正在不斷增加,其中Abdou等將建筑的朝向、窗戶類型和窗墻比等設(shè)計(jì)參數(shù)作為變量,對(duì)建筑的生命周期成本、節(jié)能以及熱舒適進(jìn)行了多目標(biāo)優(yōu)化研究[4];Delgarm等將粒子群優(yōu)化算法(MOPSO)與EnergyPlus結(jié)合起來(lái),探討了不同建筑朝向、遮陽(yáng)懸挑規(guī)格、窗戶尺寸、玻璃和墻體材料特性的建筑方案對(duì)于建筑制冷能耗、采暖能耗以及照明能耗的優(yōu)化潛力[5];Javanroodi等以城市建筑的布局方式、建筑間距、高度以及朝向作為變量,建立了希臘雅典地區(qū)建筑能耗、熱舒適的多目標(biāo)優(yōu)化框架[6];Chen等基于人工聚類方法對(duì)建筑的形體、中庭空間的尺度、形狀等設(shè)計(jì)參數(shù)進(jìn)行了建筑制冷能耗以及采光性能等多目標(biāo)的優(yōu)化研究[7];Yue等以青島大學(xué)體育館為案例,探討了內(nèi)外墻類型、屋頂類型、遮陽(yáng)形式等設(shè)計(jì)變量的不同工況對(duì)于體育館能耗與熱舒適的影響規(guī)律,并利用遺傳算法和人工神經(jīng)網(wǎng)絡(luò)進(jìn)行了多目標(biāo)優(yōu)化[8];原野等以寒冷地區(qū)的4種典型的教學(xué)樓為原型,基于參數(shù)化平臺(tái)探討了能耗與采光性能共同優(yōu)化目標(biāo)下的建筑朝向、形體、教學(xué)空間進(jìn)深等參數(shù)的設(shè)計(jì)策略[9]。綜上所述,目前國(guó)內(nèi)外從建筑形態(tài)角度進(jìn)行多性能優(yōu)化的相關(guān)研究中主要涉及建筑的朝向、形體、空間以及窗墻比等相關(guān)變量,但未有研究將這些變量系統(tǒng)地結(jié)合起來(lái)對(duì)建筑的性能進(jìn)行優(yōu)化,因此文章對(duì)現(xiàn)有研究中的變量進(jìn)行了一定的整合,從建筑的朝向、形體、空間、界面4個(gè)層面提取相關(guān)的設(shè)計(jì)參數(shù),進(jìn)而對(duì)建筑的能耗與熱舒適進(jìn)行優(yōu)化研究。

從數(shù)學(xué)的角度來(lái)看,建筑方案設(shè)計(jì)過程中錯(cuò)綜復(fù)雜的設(shè)計(jì)因素與優(yōu)化目標(biāo)之間的函數(shù)關(guān)系并不是線性可分的,這無(wú)疑為建筑方案設(shè)計(jì)中多目標(biāo)優(yōu)化的量化研究增加了難度[10]。因此,在探索建筑多性能優(yōu)化方案的過程中,首先要解決多元影響因子與性能指標(biāo)之間的非線性關(guān)系。多項(xiàng)研究表明,人工神經(jīng)網(wǎng)絡(luò)可以很好地解決多元因素與指標(biāo)之間復(fù)雜的非線性關(guān)系,并在學(xué)界被廣泛用于建筑能耗的預(yù)測(cè)。李紫微等對(duì)工程簡(jiǎn)化算法、多元回歸方法、人工神經(jīng)網(wǎng)絡(luò)模型以及并行計(jì)算方法進(jìn)行了對(duì)比研究,論證了人工神經(jīng)網(wǎng)絡(luò)對(duì)于建筑性能預(yù)測(cè)的精確性[11]。季文娟等以夏熱冬冷地區(qū)建筑能耗為評(píng)價(jià)指標(biāo),利用徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)建立了建筑能耗預(yù)測(cè)模型并應(yīng)用到實(shí)際項(xiàng)目中,取得了較好的效果[12]。陳銳彬等利用反傳播(BP)神經(jīng)網(wǎng)絡(luò)模型對(duì)建筑的冷負(fù)荷進(jìn)行了預(yù)測(cè),并論證了預(yù)測(cè)的精度[13]。目前,人工神經(jīng)網(wǎng)絡(luò)在建筑設(shè)計(jì)研究中主要用于解決建筑能耗與建筑圍護(hù)結(jié)構(gòu)參數(shù)之間的非線性關(guān)系,而少有從建筑形態(tài)出發(fā)來(lái)探討建筑方案設(shè)計(jì)中多性能優(yōu)化策略的研究?；诖?文章將建筑形態(tài)進(jìn)行量化,利用RBF神經(jīng)網(wǎng)絡(luò)建立嚴(yán)寒地區(qū)不同建筑形態(tài)因子與能耗、不舒適時(shí)間之間的仿真模型,結(jié)合正交試驗(yàn)設(shè)計(jì)探討不同影響因子對(duì)于優(yōu)化指標(biāo)的影響力、最優(yōu)組合方案以及最不利組合方案,為嚴(yán)寒地區(qū)建筑方案多性能優(yōu)化設(shè)計(jì)提供參考。

1 研究思路

我國(guó)嚴(yán)寒地區(qū)東西跨度較大,劃分為3個(gè)二級(jí)氣候區(qū),且子氣候區(qū)之間的氣候狀況差異顯著,故選取不同子氣候區(qū)的典型地區(qū)作為研究區(qū)域。其中嚴(yán)寒A區(qū)冬季時(shí)長(zhǎng)均在8～9個(gè)月,1月平均氣溫在-28 ℃～-22 ℃;嚴(yán)寒B區(qū)冬季時(shí)長(zhǎng) 7～8個(gè)月,1月平均氣溫在-22 ℃～-16 ℃;嚴(yán)寒C區(qū)冬季時(shí)長(zhǎng) 6～7 個(gè)月,1 月平均氣溫在-16 ℃以上。研究地區(qū)信息詳見表1。

表1 研究地區(qū)概況

1.1 因子的提取與量化

研究將建筑形態(tài)分解為建筑朝向、建筑形體、建筑空間以及建筑界面4個(gè)一級(jí)指標(biāo),并基于4個(gè)一級(jí)指標(biāo)提煉出8個(gè)二級(jí)指標(biāo)作為建筑形態(tài)的量化因子,每個(gè)影響因子的取值由小到大分為7個(gè)水平。建筑朝向是指建筑的正立面所面對(duì)的方向[14],建筑設(shè)計(jì)中通常以正南向東或向西偏離的角度進(jìn)行描述,考慮到研究后期的計(jì)算環(huán)節(jié),將其描述為二維坐標(biāo)系中以X軸方向?yàn)榛鶞?zhǔn)的順時(shí)針旋轉(zhuǎn)角度(A),其中正南方向?yàn)?70°。以往的研究多用建筑的體形系數(shù)或者建筑的長(zhǎng)、寬、高單一變量來(lái)表征建筑的形體[15],但在多數(shù)情況下,體形系數(shù)并不能作為建筑形體生成的直接控制因素,其中高靖愷等通過研究發(fā)現(xiàn),體形系數(shù)僅在建筑層高固定的情況下才可能與建筑的實(shí)際能耗相關(guān)[16]。眾所周知,建筑暴露在空氣中的外表面積對(duì)于建筑能耗與舒適度有直接的影響,而從幾何學(xué)的角度來(lái)看,球體在同體積情況下外表面積最小,因此引入形體的緊湊程度(B)作為描述建筑形體的第一個(gè)因子[17],即建筑的外表面積與同體積下球體外表面積的比值,二者的比值越接近于1,則建筑的外表面積越趨近于最小值,計(jì)算式見式(1);由于建筑的層數(shù)(C)與建筑的高度緊密相關(guān),是建筑形體的直觀體現(xiàn),因此將其作為描述建筑形體的第二個(gè)因子。建筑空間是建筑物的核心部分,可分為空間的尺度以及不同類型空間配比兩大內(nèi)容,空間的尺度又以開間、進(jìn)深、高度為量化依據(jù),而建筑進(jìn)深及開間的取值與形體緊湊程度存在難以把控的交互效應(yīng),因此以層高(D)作為建筑尺度的量化因子;緩沖空間作為一種特殊的建筑空間形式,可以對(duì)建筑內(nèi)部的物理環(huán)境進(jìn)行直接調(diào)控[18],因此將緩沖空間的體積比(E)作為描述建筑空間的第二個(gè)量化因子。建筑界面是建筑物與外環(huán)境直接發(fā)生能源交換的媒介,其中直接體現(xiàn)形態(tài)的設(shè)計(jì)參數(shù)就是不同立面的窗墻比,而窗墻比的不同取值不僅會(huì)影響到界面的美觀性,同時(shí)對(duì)于建筑的能耗以及室內(nèi)舒適度均有一定的影響[19],因此選取南向窗墻面積比(F)、北向窗墻比(G)、東西向窗墻比(H)作為建筑界面的量化因子。優(yōu)化指標(biāo)為建筑單位面積能耗值以及典型氣象年的累計(jì)不舒適時(shí)間。各影響因子取值限定在GB 50189—2015《公共建筑節(jié)能設(shè)計(jì)標(biāo)準(zhǔn)》[20]中所規(guī)定的的范圍之內(nèi)。另外,由于不同的影響因子具有不同的取值范圍以及量化標(biāo)準(zhǔn),過大的取值差異會(huì)影響分析結(jié)果,因此對(duì)所有影響因子的取值進(jìn)行歸一化處理,將有量綱的因子轉(zhuǎn)化為可計(jì)算的標(biāo)量[21],如表2所示。

(1)

表2 影響因子取值及歸一化處理

式中:ε為建筑的形體緊湊程度;F為建筑外表面積;Fq為同體積球體的外表面積。

1.2 建筑性能模擬計(jì)算設(shè)定

研究中的建筑類型為建筑層數(shù)9層以下、內(nèi)部辦公空間為單元式的中小型辦公建筑,除空調(diào)系統(tǒng)參數(shù)、外圍護(hù)結(jié)構(gòu)熱工參數(shù)等無(wú)關(guān)變量需要統(tǒng)一以外,建筑空間的組織方式、單元空間的開間、單元空間的進(jìn)深均需要統(tǒng)一設(shè)置,以保證不同理論模型之間形態(tài)因子的可比較性。根據(jù)JGJ/T 67—2019《辦公建筑設(shè)計(jì)標(biāo)準(zhǔn)》[22]中對(duì)于單元式辦公建筑的相關(guān)規(guī)定,單間辦公室的使用面積不宜小于10 m2。研究中建筑進(jìn)深的取值固定為3 m,考慮到JGJ/T 67—2019的要求以及空間功能的使用,將空間的開間統(tǒng)一設(shè)置為4 m;對(duì)于建筑走道長(zhǎng)度大于40 m的內(nèi)廊式建筑,走道的凈寬不宜小于1.8 m,考慮到走道兩側(cè)內(nèi)墻占用的寬度,將走道統(tǒng)一設(shè)置為2 m。

選用EnergyPlus對(duì)建筑單位面積能耗以及全年不舒適時(shí)間進(jìn)行模擬計(jì)算,為RBF神經(jīng)網(wǎng)絡(luò)快速反應(yīng)模型提供訓(xùn)練數(shù)據(jù)。該模擬軟件能夠嚴(yán)格保證房間的熱平衡計(jì)算,同時(shí)突破了以往的線性計(jì)算模式,采用集成同步的模擬方法,計(jì)算步長(zhǎng)更短、迭代次數(shù)更多,可將模擬結(jié)果誤差控制在10%以內(nèi)[23]。氣象數(shù)據(jù)采用JGJ/T 346—2014《建筑節(jié)能氣象參數(shù)標(biāo)準(zhǔn)》中所提供的典型氣象年數(shù)據(jù)[24]。為排除建筑圍護(hù)結(jié)構(gòu)、空調(diào)系統(tǒng)、室內(nèi)熱擾等無(wú)關(guān)參數(shù)對(duì)試驗(yàn)的影響,對(duì)所有模擬對(duì)象進(jìn)行統(tǒng)一設(shè)置,如表3所示。

表3 無(wú)關(guān)變量參數(shù)設(shè)置

1.3 人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)

基于徑向基函數(shù)的RBF神經(jīng)網(wǎng)絡(luò)的逼近性能和全局特性相對(duì)于基于Sigmaid函數(shù)的BP神經(jīng)網(wǎng)絡(luò)更為可靠,是一種可廣泛應(yīng)用于模式識(shí)別、非線性函數(shù)等領(lǐng)域的前向反饋式高速反應(yīng)神經(jīng)網(wǎng)絡(luò)模型[25]。研究將RBF神經(jīng)網(wǎng)絡(luò)與正交試驗(yàn)法結(jié)合起來(lái),針對(duì)建筑方案階段中通過調(diào)整建筑形態(tài)因子來(lái)提升多項(xiàng)性能進(jìn)行探索。RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)可分為輸入層、隱藏層以及輸出層,預(yù)測(cè)過程中的網(wǎng)絡(luò)權(quán)重參數(shù)訓(xùn)練方法使用梯度下降法,通過迭代學(xué)習(xí)來(lái)調(diào)節(jié)中心、寬度以及權(quán)重參數(shù)的取值,將高斯函數(shù)作為隱藏層的基函數(shù)神經(jīng)元,其表達(dá)式見式(2):

(2)

式中:x為輸入樣本;ci為高斯函數(shù)中心;b為高斯函數(shù)方差;‖x-ci‖為歐式范數(shù)。

利用EnergyPlus對(duì)8個(gè)設(shè)計(jì)變量的不同水平隨機(jī)組合生成的48個(gè)理論模型進(jìn)行性能指標(biāo)的仿真模擬,生成48組原始數(shù)據(jù)集,利用Matlab矩陣計(jì)算軟件編寫程序,選擇38組數(shù)據(jù)作為訓(xùn)練集進(jìn)行多次迭代計(jì)算,RBF神經(jīng)網(wǎng)絡(luò)在訓(xùn)練目標(biāo)誤差達(dá)到1×10-10后停止訓(xùn)練,預(yù)留10組數(shù)據(jù)作為測(cè)試集,作為預(yù)測(cè)誤差的計(jì)算樣本,如圖1所示。

a—海拉爾地區(qū)建筑能耗輸出預(yù)測(cè)曲線; b—海拉爾地區(qū)全年不舒適時(shí)間輸出預(yù)測(cè)曲線; c—哈爾濱地區(qū)建筑能耗輸出預(yù)測(cè)曲線;d—哈爾濱地區(qū)全年不舒適時(shí)間輸出預(yù)測(cè)曲線; e—呼和浩特地區(qū)建筑能耗輸出預(yù)測(cè)曲線; f—呼和浩特地區(qū)全年不舒適時(shí)間輸出預(yù)測(cè)曲線。

表4所示為不同研究地區(qū)的測(cè)試集樣本預(yù)測(cè)曲線、均方誤差、相對(duì)誤差。均方誤差為預(yù)測(cè)值與原始數(shù)值之差的平方,基于預(yù)測(cè)中的均方誤差可以得出實(shí)際的誤差值,以實(shí)際誤差值與原始數(shù)據(jù)均值之間的比值作為最終預(yù)測(cè)的相對(duì)誤差值。由表4可知,呼和浩特地區(qū)的綜合能耗預(yù)測(cè)相對(duì)誤差最大,但保持在6%以內(nèi),其余相對(duì)誤差均控制在3%以內(nèi),預(yù)測(cè)的精確度比較可靠,可以在合理誤差范圍內(nèi)完成嚴(yán)寒地區(qū)不同建筑形態(tài)因子組合方案的性能預(yù)測(cè)。

表4 預(yù)測(cè)數(shù)值誤差論證

1.4 正交試驗(yàn)設(shè)計(jì)

研究中有8個(gè)設(shè)計(jì)因子,且將每個(gè)因子劃分成了7個(gè)水平,若實(shí)現(xiàn)因子之間的全面組合,需要對(duì)5 764 801組方案進(jìn)行預(yù)測(cè),因此研究中需要引入統(tǒng)計(jì)優(yōu)化算法對(duì)下一步試驗(yàn)進(jìn)行安排。解決這一類問題的優(yōu)化算法主要有遺傳算法以及傳統(tǒng)的優(yōu)化算法,其中遺傳算法對(duì)于復(fù)雜的優(yōu)化問題確實(shí)有突出的優(yōu)勢(shì),但存在局部搜索能力差的缺點(diǎn)[25]。研究中以嚴(yán)寒地區(qū)的3個(gè)代表城市為研究對(duì)象,希望得出不同研究地區(qū)氣候條件下基于多目標(biāo)優(yōu)化的形態(tài)因子取值,具有較強(qiáng)的局部分析特性,而正交試驗(yàn)法靈活的局部分析功能很好地契合了本次研究的內(nèi)容。該方法可以利用正交表對(duì)多因子多水平的試驗(yàn)過程做出合理、高效的安排,在保留全面試驗(yàn)性質(zhì)的基礎(chǔ)上最大限度地減少試驗(yàn)誤差。選用L49(78)正交表篩選出不同水平的形態(tài)因子組成的49個(gè)方案,將樣本方案因子參數(shù)輸入用RBF神經(jīng)網(wǎng)絡(luò)建立的快速反應(yīng)模型中進(jìn)行性能值預(yù)測(cè),再利用極差法計(jì)算各方案的預(yù)測(cè)值的均值以及各影響因子對(duì)應(yīng)的極值,計(jì)算公式見式(3)、式(4)。

(3)

(4)

2 分析與討論

研究通過RBF神經(jīng)網(wǎng)絡(luò)對(duì)嚴(yán)寒地區(qū)3個(gè)子氣候區(qū)的代表地區(qū)基于建筑形態(tài)因子調(diào)控的建筑能耗以及不舒適時(shí)間進(jìn)行了預(yù)測(cè),將各因子與優(yōu)化目標(biāo)之間錯(cuò)綜復(fù)雜的多維關(guān)系處理為線性可分的函數(shù)關(guān)系,再結(jié)合正交設(shè)計(jì)進(jìn)一步分析嚴(yán)寒地區(qū)建筑的不同形態(tài)因子對(duì)能耗以及全年不舒適時(shí)間的影響程度大小、各因子組合的最優(yōu)方案以及最不利方案。

2.1 建筑能耗優(yōu)化

研究中的多因子與多目標(biāo)之間的組合數(shù)量過于龐大,因此利用正交試驗(yàn)設(shè)計(jì)均勻分散、整齊可比的特性,篩選出49組試驗(yàn)方案代替全因子組合試驗(yàn),各研究地區(qū)基于建筑能耗的各因子極值、節(jié)能效益以及組合優(yōu)劣情況如表5～表7所示。

表5 海拉爾地區(qū)能耗預(yù)測(cè)值正交計(jì)算結(jié)果

如表5所示,海拉爾地區(qū)緩沖空間體積比、建筑層數(shù)、南向窗墻比等因子對(duì)于建筑能耗的影響較大,其中通過調(diào)整緩沖空間體積比可以同比降低8.7%的能耗;北向窗墻比、朝向等因子對(duì)于建筑能耗的影響較小,將建筑朝向調(diào)至最優(yōu)僅有1.6%的節(jié)能效益。其最優(yōu)方案為A5B7C1D2E1F1G1H1,最不利方案為A7B1C7D7E7F7G7H7。

如表6所示,哈爾濱地區(qū)緩沖空間體積比、建筑層數(shù)、南向窗墻比等因子對(duì)于建筑能耗的影響較大,當(dāng)緩沖空間體積比取0.1時(shí)相比取0.4時(shí)可以降低6.52%的能耗;北向窗墻比、朝向等因子對(duì)于建筑能耗的影響較小,將建筑朝向調(diào)至最優(yōu)僅有1.57%的節(jié)能效益。其最優(yōu)方案為A5B4C1D2E1F1G1H1,最不利方案為A7B1C7D7E7F6G7H7。

表6 哈爾濱地區(qū)能耗預(yù)測(cè)值正交計(jì)算結(jié)果

如表7所示,呼和浩特地區(qū)建筑層數(shù)、緩沖空間體積比、南向窗墻比等因子對(duì)于建筑能耗的影響較大,其中建筑層數(shù)為2層時(shí)的節(jié)能效益為7.9%;北向窗墻比、建筑層高等因子對(duì)于建筑能耗的影響較小,其中層高因子的最大節(jié)能效益僅有1.84%。其最優(yōu)方案為A1B7C1D4E4F4G4H4,最不利方案為A7B5C7D7E7F5G6H5。

表7 呼和浩特地區(qū)能耗預(yù)測(cè)值正交計(jì)算結(jié)果

通過對(duì)比不同研究地區(qū)試驗(yàn)方案在節(jié)能目標(biāo)下的最優(yōu)方案與最不利方案,可知:海拉爾地區(qū)與哈爾濱地區(qū)最優(yōu)方案中僅形體緊湊度的取值存在差異,其中海拉爾地區(qū)最優(yōu)方案中的形體緊湊度為0.72,哈爾濱地區(qū)為0.66;建筑朝向280°、建筑層數(shù)2層、空間凈高2 800 mm、中庭空間面積比0.10、南向窗墻比0.30、北向窗墻比0.10、東西向窗墻比0.15同為兩個(gè)地區(qū)的最佳取值。呼和浩特地區(qū)節(jié)能目標(biāo)下最優(yōu)方案中的建筑層數(shù)與海拉爾、哈爾濱地區(qū)一致,形體緊湊度的最佳取值與哈爾濱地區(qū)一致,其他形態(tài)因子的取值與海拉爾、哈爾濱地區(qū)完全不同。各形態(tài)因子在不同地區(qū)的最不利方案總體上一致或相似。

總體來(lái)看,緩沖空間體積比、建筑層數(shù)以及南向窗墻比等形態(tài)因子對(duì)于建筑節(jié)能的潛力較大,因此在方案設(shè)計(jì)過程中合理控制其取值有利于更好地達(dá)到建筑能耗首端控制的目的;建筑朝向300°、層高3 300 mm以及中庭空間面積比0.40是所有研究地區(qū)建筑節(jié)能目標(biāo)下的建筑形態(tài)設(shè)計(jì)中需要規(guī)避的取值。

2.2 建筑不舒適時(shí)間優(yōu)化

美國(guó)采暖制冷與空調(diào)工程師學(xué)會(huì)(ASHRAE)系列標(biāo)準(zhǔn)作為建筑室內(nèi)熱舒適最常用的評(píng)價(jià)標(biāo)準(zhǔn),早期的版本對(duì)于個(gè)體差異以及人體和環(huán)境的作用關(guān)系并未深入考慮,是在理想熱環(huán)境下對(duì)人體的熱感覺進(jìn)行判斷的。ANSI/ASHRAE 55-2004版本開始對(duì)個(gè)體差異、人體與環(huán)境相互作用等不同工況下的評(píng)價(jià)體系進(jìn)行了優(yōu)化,后續(xù)的版本均是在此基礎(chǔ)上對(duì)評(píng)價(jià)體系進(jìn)行相應(yīng)的擴(kuò)充和完善,但其評(píng)價(jià)的原理是完全一致的[26-29]。

文章中對(duì)于室內(nèi)熱舒適區(qū)間的界定來(lái)源于ANSI/ASHRAE 55-2004:當(dāng)活動(dòng)水平在1.0～1.3 met,風(fēng)速小于0.2 m/s的條件下,冬季服裝熱阻為1.0 clo時(shí),人體的舒適溫度區(qū)在20～23.6 ℃;當(dāng)夏季服裝熱阻為1.0 clo時(shí),人體的舒適溫度區(qū)在23 ℃～26 ℃。各研究地區(qū)基于建筑全年不舒適時(shí)間的各因子極值、增益效果、最優(yōu)方案以及最不利方案如表8～表10所示。

表8 海拉爾地區(qū)不舒適時(shí)間預(yù)測(cè)值正交計(jì)算結(jié)果

如表8所示,海拉爾地區(qū)建筑的層數(shù)、北向窗墻比、形體緊湊程度等形態(tài)因子對(duì)于建筑的不舒適時(shí)間的作用效果較強(qiáng),通過優(yōu)化建筑層數(shù)因子可使全年的不舒適時(shí)間同比降低0.87%;東西向窗墻比、緩沖空間體積比等因子對(duì)于優(yōu)化指標(biāo)的影響較小,通過優(yōu)化緩沖空間體積比對(duì)評(píng)價(jià)指標(biāo)的增益效果為0.29%。其最優(yōu)方案為A6B3C7D3E6F1G6H3,最不利方案為A2B7C1D1E5F7G1H7。

如表9所示,哈爾濱地區(qū)建筑的北向窗墻比、緩沖空間體積比、建筑層數(shù)等形態(tài)因子對(duì)于建筑的不舒適時(shí)間的影響較大,通過優(yōu)化北向窗墻比的取值可使全年的不舒適時(shí)間同比降低3.98%;建筑層高、形體緊湊程度等因子對(duì)于評(píng)價(jià)指標(biāo)的影響較小,通過優(yōu)化建筑的形體緊湊程度對(duì)評(píng)價(jià)指標(biāo)的增益效果為1.18%。其最優(yōu)方案為A6B6C7D1E2F1G6H2,最不利方案為A2B4C4D4E7F7G1H7。

表9 哈爾濱地區(qū)不舒適時(shí)間預(yù)測(cè)值正交計(jì)算結(jié)果

如表10所示,呼和浩特地區(qū)建筑的北向窗墻比、建筑層數(shù)、形體緊湊程度等形態(tài)因子對(duì)于優(yōu)化指標(biāo)的作用效果較強(qiáng),通過調(diào)整北向窗墻比取值可使全年的不舒適時(shí)間同比降低1.61%;南向窗墻比、緩沖空間體積比等因子對(duì)于優(yōu)化指標(biāo)的作用力較弱,通過優(yōu)化緩沖空間體積比對(duì)評(píng)價(jià)指標(biāo)的增益效果僅有0.36%。其最優(yōu)方案為A6B1C7D7E6F1G6 H2,最不利方案為A4B7C2D1E5F5G1H7。

表10 呼和浩特地區(qū)不舒適時(shí)間預(yù)測(cè)值正交計(jì)算結(jié)果

通過對(duì)比不同研究地區(qū)試驗(yàn)方案在舒適目標(biāo)下的最優(yōu)方案與最不利方案可知:3個(gè)研究地區(qū)最優(yōu)方案中的建筑朝向、建筑層數(shù)、南向窗墻比以及北向窗墻比取值完全一致,其取值如下:建筑朝向?yàn)?90°、建筑層數(shù)為8層、南向窗墻比為0.30、北向窗墻比為0.40;哈爾濱地區(qū)與呼和浩特地區(qū)最佳方案中的東西向窗墻比取值一致,均為0.20;各地區(qū)形體緊湊度、空間凈高以及中庭空間面積比的最佳取值均不相同。部分形態(tài)因子在不同地區(qū)的最不利水平完全一致,其中北向窗墻比的水平1(0.10)、東西向窗墻比的水平7(0.45)是所有研究地區(qū)形態(tài)設(shè)計(jì)中需要避免的取值;其余形態(tài)因子的最不利水平也比較接近,如朝向的最不利取值主要為水平2和水平4、中庭空間面積比和南向窗墻比的最不利取值都集在水平5和水平7。由此可見,過大的南向窗墻比、中庭空間面積比以及東西向窗墻比均會(huì)導(dǎo)致建筑全年不舒適時(shí)間的增多,在建筑設(shè)計(jì)的過程中應(yīng)合理控制這些因子的取值。

3 結(jié) 論

基于建筑多性能優(yōu)化的目標(biāo),利用RBF神經(jīng)網(wǎng)絡(luò)構(gòu)建了8個(gè)建筑形態(tài)因子對(duì)于建筑能耗以及全年不舒適時(shí)間兩項(xiàng)優(yōu)化指標(biāo)的快速反應(yīng)仿真模型,并結(jié)合正交試驗(yàn)設(shè)計(jì)分別討論了嚴(yán)寒地區(qū)的3個(gè)典型城市的形態(tài)因子對(duì)于各優(yōu)化指標(biāo)的作用大小、優(yōu)化潛力、最優(yōu)組合以及最不利組合,得出結(jié)論如下:

1)嚴(yán)寒地區(qū)的能耗指標(biāo)進(jìn)行優(yōu)化的過程中,緩沖空間體積比、建筑層數(shù)以及南向窗墻比對(duì)能耗的影響較大,而北向窗墻比、建筑層高、建筑朝向等因子對(duì)于能耗的作用效果相對(duì)較弱。海拉爾、哈爾濱地區(qū)的緩沖空間體積比控制在0.05、呼和浩特地區(qū)控制在0.2為宜;所有研究地區(qū)南向窗墻比控制在0.3～0.45之間可以大幅優(yōu)化建筑的能耗指標(biāo)。

2)同屬嚴(yán)寒地區(qū),3個(gè)研究地區(qū)的形態(tài)因子對(duì)于優(yōu)化建筑全年不舒適時(shí)間指標(biāo)的取值存在較大差異。其中北向窗墻比對(duì)于各地區(qū)減少全年不舒適時(shí)間的效果都比較可觀,但部分因子對(duì)于不同地區(qū)的指標(biāo)優(yōu)化存在較大差異。如形體緊湊程度因子對(duì)于海拉爾地區(qū)、呼和浩特地區(qū)的指標(biāo)優(yōu)化效果較強(qiáng),但對(duì)于哈爾濱地區(qū)的指標(biāo)優(yōu)化效果較差;緩沖空間體積比因子對(duì)于優(yōu)化哈爾濱地區(qū)的評(píng)價(jià)指標(biāo)作用較大,但對(duì)于其他地區(qū)的指標(biāo)優(yōu)化作用較小。

3)在建筑能耗與全年不舒適時(shí)間同時(shí)優(yōu)化的目標(biāo)下,嚴(yán)寒地區(qū)建筑朝向因子取值宜控制在南偏東10°～20°,南向窗墻比因子取值以0.30～0.45的效果最佳,東西向窗墻比宜控制在0.15～0.30之間。其他因子對(duì)于不同優(yōu)化目標(biāo)的取值之間存在較大的矛盾,因此在實(shí)際工程中需要進(jìn)一步權(quán)衡不同優(yōu)化目標(biāo)的重要程度來(lái)作為不同因子的取值依據(jù)。

本文雖然量化研究了嚴(yán)寒地區(qū)3個(gè)代表城市建筑能耗與全年不舒適時(shí)間的優(yōu)化方案,得出了在多目標(biāo)優(yōu)化時(shí)應(yīng)該共同關(guān)注的形態(tài)因子,為建筑方案設(shè)計(jì)階段的多性能提升方向提供了理論依據(jù),但不同的優(yōu)化指標(biāo)在部分形態(tài)指標(biāo)的取值上依然存在較大的矛盾,如何更合理地控制這些因子對(duì)于優(yōu)化多項(xiàng)指標(biāo)取值是完成建筑多目標(biāo)優(yōu)化的重要一環(huán)。