CN112394923A - 一种基于灵敏度分析的建筑节能专家设计系统及方法 - Google Patents
一种基于灵敏度分析的建筑节能专家设计系统及方法 Download PDFInfo
- Publication number
- CN112394923A CN112394923A CN202011415754.5A CN202011415754A CN112394923A CN 112394923 A CN112394923 A CN 112394923A CN 202011415754 A CN202011415754 A CN 202011415754A CN 112394923 A CN112394923 A CN 112394923A
- Authority
- CN
- China
- Prior art keywords
- building
- module
- parameters
- energy
- sensitivity analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000013461 design Methods 0.000 title claims abstract description 74
- 238000010206 sensitivity analysis Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005457 optimization Methods 0.000 claims abstract description 78
- 238000005265 energy consumption Methods 0.000 claims abstract description 65
- 230000004048 modification Effects 0.000 claims abstract description 55
- 238000012986 modification Methods 0.000 claims abstract description 55
- 238000005070 sampling Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 230000008859 change Effects 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000007246 mechanism Effects 0.000 claims description 12
- 238000004378 air conditioning Methods 0.000 claims description 10
- 238000004134 energy conservation Methods 0.000 claims description 9
- 230000035945 sensitivity Effects 0.000 claims description 8
- 239000011521 glass Substances 0.000 claims description 6
- 238000009423 ventilation Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 3
- 238000002834 transmittance Methods 0.000 claims description 3
- 241000254032 Acrididae Species 0.000 claims description 2
- 238000011478 gradient descent method Methods 0.000 claims description 2
- 238000010438 heat treatment Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 238000001816 cooling Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/34—Graphical or visual programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/38—Creation or generation of source code for implementing user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开一种基于灵敏度分析的建筑节能专家设计系统及方法，包括建筑方案输入模块，采集用户输入的建筑设计参数、待优化的参数及优化区间；包括建筑能耗计算模块，通过建筑设计参数，可计算出建筑能耗值和人体舒适度值；包括数据采样模块，用于待优化的参数的优化区间内分层抽样，形成随机数据集；包括灵敏度分析模块，根据随机数据集，对待优化参数和建筑能耗值进行灵敏度分析；包括节能建议模块，根据灵敏度分析的结果提供节能优化建议；包括参数修改模块，用于采集用户对待优化参数的修改；包括判断模块，用于根据建筑能耗值和人体舒适度值判断用户本次修改是否合理；包括结果展示模块，用于对比修改前后的建筑方案。
Description
技术领域
本发明涉及建筑设计的技术领域，具体为一种基于灵敏度分析的建筑节能优化专家设计系统及方法。
背景技术
随着我国对绿色建筑的建设力度不断加大，建筑性能越来越成为建筑师所关注的焦点，在方案阶段进行建筑节能设计，合理确定建筑形体等参数，具有明显的节能效果。
然而由于理论与工具的限制，建筑节能设计并没有在建筑师的工作中得到普及。
第一，目前主流的建筑节能优化方法，为优化算法与建筑性能模拟迭代的方法，对于使用者计算机水平的要求高，且节能优化方法时间过长，工作效率低，不利于建筑师和方案的实时交互。
第二，目前进行建筑节能设计需要使用多种软件分步骤实现，如进行采样和设计参数灵敏度分析需要使用统计软件，进行建筑性能分析需要使用建筑模拟软件，进行建筑优化需要使用基于编程语言实现的各种优化算法，收集统计数据需要使用Excel表格，各个步骤之间的数据衔接性较差，而且使用的文件格式也无法兼容，完成整个设计流程需要大量的人力成本。
第三，在建筑节能设计的过程中，除了建筑设计参数进行改变从而导致建筑能耗的降低，建筑师也比较关注建筑设计参数自身进行改变的原因，目前大多数优化算法解释性差，并且建筑师对优化算法了解比较少，在很多情况下建筑师并不能认可这种由优化算法主导的全局性参数优化，目前缺乏由建筑师主导、允许建筑师进行逐步优化、并且提供优化效果可视化、解释性强的建筑辅助设计工具。
由此可见，目前建筑节能优化设计方法缺乏系统化、整体化，优化过程缺乏解释性，导致方案阶段节能优化设计效率较低，流程操作较为复杂、优化效果不能达到使用者的要求。
因此，研究开发一种建筑节能优化设计专家系统，通过对初始建筑方案的快速模拟，帮助建筑师进行高效的节能优化设计、并迅速变更建筑方案，并且使建筑师理解方案改变的原因，是当前需要解决的关键问题。
发明内容
本发明的目的是为了克服现有技术中的不足，提供一种易于操作、解释性强、建筑性能优化迅速的建筑节能优化设计专家系统及方法。基于Python编程语言将数据采样技术、建筑能耗回归算法、灵敏度分析技术、节能优化推理机制进行整合，实现基于灵敏度分析的建筑能耗辅助优化设计。
本发明的目的是通过以下技术方案实现的：
一种基于灵敏度分析的建筑节能专家设计系统，包括建筑方案输入模块、建筑能耗计算模块、数据采样模块、灵敏度分析模块、节能建议模块、参数修改模块、判断模块、结果展示模块；所述的建筑方案输入模块是基于Python语言编写成的界面，用于采集用户输入的建筑设计参数、其中待优化的参数及其优化区间；所述数据采样模块采用了基于Python语言编写的拉丁超立方(LHS)采样方法，用于对优化区间内的待优化参数进行分层采样，生成待优化参数的随机数据集；所述建筑能耗计算模块采用了基于Python语言编写并训练的多层感知器(MLP)回归算法，用于根据建筑设计参数计算出建筑能耗值和人体舒适度值；所述灵敏度分析模块采用了基于Python语言编写的Sobol因子方法，用于计算待优化参数相对于建筑能耗值的灵敏度数据；所述判断模块采用基于Python语言编写的判断机制，用于判断节能优化后建筑方案的能耗值是否降低，人体舒适度值是否降低，从而判断本次节能优化是否合理。
进一步的，所述的节能建议模块包含基于Python语言编写的建筑节能优化推理机制，用于向用户提供节能修改建议。
进一步的，所述的参数修改模块，包含基于Python语言编写的界面，用于采集用户对待优化参数的修改值，整合成修改后的建筑方案。
进一步的，所述的结果展示模块，包含基于Python语言编写的界面，用于向使用者展示本次节能优化的结果，包括待优化参数、建筑能耗值、人体舒适度值的变化情况。
进一步的，所述的多层感知器(MLP)回归算法是使用Python语言Sklearn库中的MLP回归模型进行训练的，训练数据集是基于Grasshopper平台的Energyplus建筑能耗模拟引擎进行仿真而得到的。
本发明还提供另一个技术方案如下：
一种基于灵敏度分析的建筑辅助节能设计方法，包括以下步骤：
(1)用户在建筑方案输入界面上输入建筑设计参数、待优化的参数类型及其优化区间；
(2)通过数据采样模块在待优化参数的优化区间内分层抽样，形成随机数据集；
(3)建筑能耗计算模块根据待优化参数随机数据集计算得到每组随机数据对应的建筑能耗值，将每组建筑能耗值与待优化参数值组合成灵敏度分析数据集；
(4)通过灵敏度分析模块对灵敏度分析数据集进行计算，得到灵敏度分析数据；
(5)节能建议模块通过节能优化推理机制根据灵敏度分析数据得到节能优化建议，连同灵敏度分析数据一并展示给用户；
(6)用户通过节能优化建议对待优化参数进行修改，参数修改模块采集用户对待优化参数的修改；
(7)判断模块根据舒适度值和建筑能耗值的变化情况来判断用户本次修改是否合理，并给出判断结果；
(8)结果展示模块向用户展示修改前后的建筑设计参数、建筑能耗值、人体舒适度值的变化情况。
进一步的，所述的建筑设计参数包括建筑形体设计参数、围护结构热工设计参数、建筑设备负荷和空调系统参数三个部分；其中，建筑形体设计参数包括建筑面宽、建筑进深、建筑层高、建筑朝向、建筑北向窗墙比、建筑西向窗墙比、建筑东向窗墙比、建筑南向窗墙比和屋顶天窗比；围护结构热工设计参数包括玻璃太阳得热系数、玻璃可见光透射比、墙体的得热系数和屋顶得热系数；建筑设备负荷和空调系统参数包括单位面积设备耗能量、单位面积空气渗透量、单位面积人员数、单位面积通风量、人均通风量。
进一步的，所述的建筑能耗值包括建筑全年的冬季空调采暖能耗、夏季空调制冷能耗与电气设备耗能量。
进一步的，所述的节能优化推理机制读取灵敏度分析的数据，截取灵敏度排名前十位的待优化参数，使用梯度下降法计算出待优化参数应如何变化能够使建筑能耗值降低，得到参数变化的方向和幅度的建议值，以及修改后建筑能耗的变化预测值。
与现有技术相比，本发明的技术方案所带来的有益效果是：
1.实现节能设计一体化：基于Python编程语言，整合简化建筑参数节能优化的步骤，使得各步骤均能够在Python编译的软件界面上进行，大幅增强了各步骤之间的连续性、衔接性，简化了建筑节能优化设计的操作过程，降低了节能设计优化流程中的人力成本。
2.节能设计高效化：采用建筑能耗代理模型代替建筑能耗模拟软件，计算方案阶段的建筑能耗，在保证结果精确度的前提下，大幅降低了节能设计所需的计算时间，可在短时间内进行多次修改，增进了建筑师与建筑方案的交互，提高了建筑节能优化设计的工作效率。
3.优化过程解释性强：节能优化过程完全由用户主导，由用户手动进行参数的修改。每次修改可针对单个参数，逐步对建筑方案进行修改。在修改时向用户提供灵敏度分析的结果图表，使用户理解参数修改的原因。可视化性强，每次修改后将修改前后的数据进行对比并呈现给用户，修改过程清晰直观。
附图说明
图1是本发明方法的流程示意图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明提供一种基于灵敏度分析的建筑节能专家设计系统及方法，包括建筑节能专家设计系统包括建筑方案输入模块、建筑能耗计算模块、数据采样模块、灵敏度分析模块、节能建议建议、参数修改模块、判断模块、结果展示模块。
其中建筑方案输入模块是基于Python语言编写成的界面，用于采集用户输入的建筑设计参数、其中待优化的参数及其优化区间。
数据采样模块，采用了基于Python语言编写的拉丁超立方(LHS)采样方法，用于对优化区间内的待优化参数进行分层采样，生成待优化参数的随机数据集。
建筑能耗计算模块，采用了基于Python语言编写并训练的多层感知器(MLP)回归算法，用于根据建筑设计参数计算出建筑能耗值和人体舒适度值。
灵敏度分析模块采用了基于Python语言编写的Sobol因子方法，用于计算待优化参数相对于建筑能耗值的灵敏度数据。
节能建议模块包含基于Python语言编写的建筑节能优化推理机制，用于向用户提供节能修改建议。
参数修改模块，包含基于Python语言编写的界面，用于采集用户对待优化参数的修改值，整合成修改后的建筑方案。
判断模块，采用基于Python语言编写的判断机制，用于判断节能优化后建筑方案的能耗值是否降低，人体舒适度值是否降低，从而判断本次节能优化是否合理。
结果展示模块，包含基于Python语言编写的界面，用于向使用者展示本次节能优化的结果，包括待优化参数、建筑能耗值、人体舒适度值的变化情况。
建筑设计参数包括建筑形体设计参数部分，围护结构热工设计参数部分，建筑设备负荷和空调系统参数设置部分共3个部分。其中，建筑形体设计参数部分包括建筑面宽、建筑进深、建筑层高、建筑朝向、建筑北向窗墙比、建筑西向窗墙比、建筑东向窗墙比、建筑南向窗墙比、屋顶天窗比等9个设计参数；围护结构热工设计参数部分包括玻璃太阳得热系数、玻璃可见光透射比、墙体的得热系数、屋顶得热系数等4个设计参数；建筑设备负荷和空调系统参数设置部分包括单位面积设备耗能量、单位面积空气渗透量、单位面积人员数、单位面积通风量、人均通风量5个设计参数。
具体的，参考图1，基于本发明提供的建筑节能专家设计系统进行前端操作的步骤具体如下：
101.用户在建筑方案输入界面上，输入建筑设计参数，选择待优化的参数并给出对应的优化区间。
102.用户点击进行灵敏度分析按钮，弹出灵敏度分析结果以及节能优化修改建议界面，关闭建筑方案输入界面。
103.用户点击进行方案修改按钮，弹出参数修改界面，用户可根据节能优化建议，输入参数的修改值，对建筑方案进行修改。
104.用户点击结果展示按钮，结束修改，弹出结果展示界面。
105.若系统判定本次修改无效，显示修改无效界面，用户点击返回按钮，则返回到节能优化建议界面，用户可再次进行参数修改。
106.若系统判定本次修改有效，用户可以选择点击继续进行修改按钮，对方案再次进行修改；或可以点击修改完成按钮，结束本次节能优化流程。
具体的，建筑节能专家设计系统的后端进行的步骤如下：
201.用户输入建筑设计参数，选择待优化的参数并给出对应的优化区间，输入模块采集用户输入的数据，并保存到文件initial.csv中，在文件中标记出待优化参数和无需优化的参数，并在用户未输入数值的参数类型的位置填入缺省值。
202.数据采样模块读取文件initial.csv中的优化区间数据，进行拉丁超立方采样，将采样结果保存到文件LHS.csv中。
203.建筑能耗计算模块读取文件LHS.csv中的采样数据，进行回归计算，得到每组采样数据对应的建筑能耗值，将结果一并存入文件sobol.csv中。
204.灵敏度分析模块读取文件sobol.csv中的数据，采用sobol法对建筑参数和建筑能耗值进行灵敏度分析，将灵敏度分析的结果重新保存至文件sobol.csv中。
205.节能建议模块，读取文件sobol.csv中的数据，根据灵敏度数据绘制折线图,并保存为文件sobol.jpg，对灵敏度数据进行排序，根据排序结果绘制表格，并保存为文件sort.csv。优化推理机制，选择灵敏度排序前十名的待优化参数，通过梯度下降算法计算出建筑能耗值降低过程待优化参数的变化情况，将建筑能耗的降低值和对应的待优化参数的变化值记录在文件parameter.csv中。弹出节能优化建议界面，界面上显示文件parameter.csv中的数据以及灵敏度分析的表格sort.csv和折线图sobol.jpg，并关闭建筑方案输入界面。
206.弹出参数修改界面，用户可以在界面上对待优化参数进行修改，参数修改模块采集用户输入的修改信息，整理成新的建筑方案，并保存至文件improved.csv。
207.建筑能耗计算模块分别读取文件initial.csv和improved.csv中的建筑设计参数值，进行回归计算，得到修改前后方案的建筑能耗值和舒适度值，重新存入文件initial.csv和improved.csv中。
208.判断模块读取文件initial.csv和improved.csv中的建筑能耗值和舒适度值，若修改后方案的舒适度值没有降低，且能耗值小于修改前，则判定本次修改有效，否则判定为无效。将判断结果保存为文件judge.csv。
209.结果展示模块读取文件judge.csv、initial.csv、improved.csv中的数据，在结果展示界面上显示判断模块的判断结果、方案修改前后的各设计参数值、建筑能耗以及舒适度值。
2010.若系统判定本次修改无效，则返回到节能优化建议界面，用户可以重新进行修改。
2011.若系统判定本次修改有效，且用户选择继续修改，返回到灵敏度分析模块，再次计算灵敏度并给出节能优化建议。
2012.若本次修改有效，且用户选择完成修改，则结束节能优化流程。
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案，上述的具体实施方式仅仅是示意性的，并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下，本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换，这些均属于本发明的保护范围之内。
Claims (9)
1.一种基于灵敏度分析的建筑节能专家设计系统，其特征在于，包括建筑方案输入模块、建筑能耗计算模块、数据采样模块、灵敏度分析模块、节能建议模块、参数修改模块、判断模块、结果展示模块；所述的建筑方案输入模块是基于Python语言编写成的界面，用于采集用户输入的建筑设计参数、其中待优化的参数及其优化区间；所述数据采样模块采用了基于Python语言编写的拉丁超立方(LHS)采样方法，用于对优化区间内的待优化参数进行分层采样，生成待优化参数的随机数据集；所述建筑能耗计算模块采用了基于Python语言编写并训练的多层感知器(MLP)回归算法，用于根据建筑设计参数计算出建筑能耗值和人体舒适度值；所述灵敏度分析模块采用了基于Python语言编写的Sobol因子方法，用于计算待优化参数相对于建筑能耗值的灵敏度数据；所述判断模块采用基于Python语言编写的判断机制，用于判断节能优化后建筑方案的能耗值是否降低，人体舒适度值是否降低，从而判断本次节能优化是否合理。
2.根据权利要求1所述一种基于灵敏度分析的建筑节能专家设计系统，其特征在于，所述的节能建议模块包含基于Python语言编写的建筑节能优化推理机制，用于向用户提供节能修改建议。
3.根据权利要求1所述一种基于灵敏度分析的建筑节能专家设计系统，其特征在于，所述的参数修改模块，包含基于Python语言编写的界面，用于采集用户对待优化参数的修改值，整合成修改后的建筑方案。
4.根据权利要求1所述一种基于灵敏度分析的建筑节能专家设计系统，其特征在于，所述的结果展示模块，包含基于Python语言编写的界面，用于向使用者展示本次节能优化的结果，包括待优化参数、建筑能耗值、人体舒适度值的变化情况。
5.根据权利要求1所述一种基于灵敏度分析的建筑节能专家设计系统，其特征在于，所述的多层感知器(MLP)回归算法是使用Python语言Sklearn库中的MLP回归模型进行训练的，训练数据集是基于Grasshopper平台的Energyplus建筑能耗模拟引擎进行仿真而得到的。
6.一种基于灵敏度分析的建筑辅助节能设计方法，其特征在于，包括以下步骤：
(1)用户在建筑方案输入界面上输入建筑设计参数、待优化的参数类型及其优化区间；
(2)通过数据采样模块在待优化参数的优化区间内分层抽样，形成随机数据集；
(3)建筑能耗计算模块根据待优化参数随机数据集计算得到每组随机数据对应的建筑能耗值，将每组建筑能耗值与待优化参数值组合成灵敏度分析数据集；
(4)通过灵敏度分析模块对灵敏度分析数据集进行计算，得到灵敏度分析数据；
(5)节能建议模块通过节能优化推理机制根据灵敏度分析数据得到节能优化建议，连同灵敏度分析数据一并展示给用户；
(6)用户通过节能优化建议对待优化参数进行修改，参数修改模块采集用户对待优化参数的修改；
(7)判断模块根据舒适度值和建筑能耗值的变化情况来判断用户本次修改是否合理，并给出判断结果；
(8)结果展示模块向用户展示修改前后的建筑设计参数、建筑能耗值、人体舒适度值的变化情况。
7.根据权利要求6所述一种基于灵敏度分析的建筑节能设计方法，其特征在于，所述的建筑设计参数包括建筑形体设计参数、围护结构热工设计参数、建筑设备负荷和空调系统参数三个部分；其中，建筑形体设计参数包括建筑面宽、建筑进深、建筑层高、建筑朝向、建筑北向窗墙比、建筑西向窗墙比、建筑东向窗墙比、建筑南向窗墙比和屋顶天窗比；围护结构热工设计参数包括玻璃太阳得热系数、玻璃可见光透射比、墙体的得热系数和屋顶得热系数；建筑设备负荷和空调系统参数包括单位面积设备耗能量、单位面积空气渗透量、单位面积人员数、单位面积通风量、人均通风量。
8.根据权利要求6所述一种基于灵敏度分析的建筑节能设计方法，其特征在于，所述的建筑能耗值包括建筑全年的冬季空调采暖能耗、夏季空调制冷能耗与电气设备耗能量。
9.根据权利要求6所述一种基于灵敏度分析的建筑节能设计方法，其特征在于，所述的节能优化推理机制读取灵敏度分析的数据，截取灵敏度排名前十位的待优化参数，使用梯度下降法计算出待优化参数应如何变化能够使建筑能耗值降低，得到参数变化的方向和幅度的建议值，以及修改后建筑能耗的变化预测值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011415754.5A CN112394923B (zh) | 2020-12-03 | 2020-12-03 | 一种基于灵敏度分析的建筑节能专家设计系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011415754.5A CN112394923B (zh) | 2020-12-03 | 2020-12-03 | 一种基于灵敏度分析的建筑节能专家设计系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112394923A true CN112394923A (zh) | 2021-02-23 |
| CN112394923B CN112394923B (zh) | 2024-03-15 |
Family
ID=74605170
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011415754.5A Active CN112394923B (zh) | 2020-12-03 | 2020-12-03 | 一种基于灵敏度分析的建筑节能专家设计系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112394923B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113486422A (zh) * | 2021-06-17 | 2021-10-08 | 上海发电设备成套设计研究院有限责任公司 | 建筑能耗模型参数校准方法、装置、设备及存储介质 |
| CN114117608A (zh) * | 2021-11-26 | 2022-03-01 | 中国矿业大学 | 一种基于多代理辅助的快速绿色建筑节能进化设计方法 |
| CN117744233A (zh) * | 2024-02-21 | 2024-03-22 | 沈阳航空工业发展有限公司 | 一种基于数据分析的建筑设计专家智能分配系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201822129A (zh) * | 2016-12-01 | 2018-06-16 | 逢甲大學 | 綠建築效能模擬分析系統及其最適化決策方法 |
| CN108510104A (zh) * | 2018-03-02 | 2018-09-07 | 东南大学 | 基于云计算的建筑能耗分析与优化运行方法 |
| CN110069823A (zh) * | 2019-03-26 | 2019-07-30 | 中国矿业大学 | 一种基于多目标智能优化和EnergyPlus的建筑节能设计方法 |
| TWI671651B (zh) * | 2018-04-23 | 2019-09-11 | Feng Chia University | 淨零耗能建築的整合設計分析系統及其運作方法 |
| CN111159884A (zh) * | 2019-12-27 | 2020-05-15 | 任惠 | 一种寒地办公建筑节能设计决策支持系统及方法 |
-
2020
- 2020-12-03 CN CN202011415754.5A patent/CN112394923B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201822129A (zh) * | 2016-12-01 | 2018-06-16 | 逢甲大學 | 綠建築效能模擬分析系統及其最適化決策方法 |
| CN108510104A (zh) * | 2018-03-02 | 2018-09-07 | 东南大学 | 基于云计算的建筑能耗分析与优化运行方法 |
| TWI671651B (zh) * | 2018-04-23 | 2019-09-11 | Feng Chia University | 淨零耗能建築的整合設計分析系統及其運作方法 |
| CN110069823A (zh) * | 2019-03-26 | 2019-07-30 | 中国矿业大学 | 一种基于多目标智能优化和EnergyPlus的建筑节能设计方法 |
| CN111159884A (zh) * | 2019-12-27 | 2020-05-15 | 任惠 | 一种寒地办公建筑节能设计决策支持系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘刚;原野;党睿;: "高校食堂建筑光环境节能优化设计研究", 建筑科学, no. 06, 15 June 2018 (2018-06-15) * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113486422A (zh) * | 2021-06-17 | 2021-10-08 | 上海发电设备成套设计研究院有限责任公司 | 建筑能耗模型参数校准方法、装置、设备及存储介质 |
| CN114117608A (zh) * | 2021-11-26 | 2022-03-01 | 中国矿业大学 | 一种基于多代理辅助的快速绿色建筑节能进化设计方法 |
| CN117744233A (zh) * | 2024-02-21 | 2024-03-22 | 沈阳航空工业发展有限公司 | 一种基于数据分析的建筑设计专家智能分配系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112394923B (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112394923A (zh) | 一种基于灵敏度分析的建筑节能专家设计系统及方法 | |
| Zhang et al. | Generative design and performance optimization of residential buildings based on parametric algorithm | |
| Brown et al. | Design for structural and energy performance of long span buildings using geometric multi-objective optimization | |
| Li et al. | Advances in the research of building energy saving | |
| Lin et al. | MOOSAS–A systematic solution for multiple objective building performance optimization in the early design stage | |
| Papamichael | Application of information technologies in building design decisions | |
| CN113343334B (zh) | 基于空调能耗敏感变量的跨建筑空调能耗预测方法及装置 | |
| CN111159884A (zh) | 一种寒地办公建筑节能设计决策支持系统及方法 | |
| CN112818458A (zh) | 一种建筑绿色性能设计优化方法及系统 | |
| Qiang et al. | Building automation systems for energy and comfort management in green buildings: A critical review and future directions | |
| Zhao et al. | Performance-based generative architecture design: A review on design problem formulation and software utilization | |
| Wu et al. | Intelligent multiobjective optimization design for NZEBs in China: Four climatic regions | |
| Long et al. | Research on energy-efficiency building design based on bim and artificial intelligence | |
| Xu et al. | Building energy consumption optimization method based on convolutional neural network and BIM | |
| CN114897271A (zh) | 数字孪生环境下基于故障传播的中央空调预测性维护方法 | |
| CN111324953A (zh) | 一种传统建筑复合型垂直围护结构物理性能评价模型的简化方法 | |
| Sun et al. | Multi-objective optimization design for windows and shading configuration: considering energy consumption, thermal environment, visual performance and sound insulation effect | |
| Yang et al. | Sports building envelope optimization using multi-objective multidisciplinary design optimization (M-MDO) techniques: Case of indoor sports building project in China | |
| CN111241619B (zh) | 一种规则驱动的协同交互式空间布局自动设计方法 | |
| CN117332971A (zh) | 一种计及城市形态的区域综合能源规划方法及系统 | |
| Chen et al. | Optimization and prediction of energy consumption, light and thermal comfort in teaching building atriums using NSGA-II and machine learning | |
| Jamaludin et al. | Research on low-carbon evaluation of green buildings based on the whole life cycle theory | |
| CN106891781A (zh) | 一种汽车座椅智能化设计系统及方法 | |
| KR20190056634A (ko) | 빌딩 에너지 관리 지원 시스템, 이의 방법, 그리고 이 방법을 저장한 컴퓨터 판독 가능 저장 매체 | |
| CN107170023A (zh) | 一种面向多变元个体中心网络演变的可视化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |