CN114896664B - 园区建筑光伏一体化围护结构优化方法及系统 - Google Patents

园区建筑光伏一体化围护结构优化方法及系统 Download PDF

Info

Publication number
CN114896664B
CN114896664B CN202210519363.0A CN202210519363A CN114896664B CN 114896664 B CN114896664 B CN 114896664B CN 202210519363 A CN202210519363 A CN 202210519363A CN 114896664 B CN114896664 B CN 114896664B
Authority
CN
China
Prior art keywords
building
optimization
photovoltaic
initial
energy consumption
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.)
Active
Application number
CN202210519363.0A
Other languages
English (en)
Other versions
CN114896664A (zh
Inventor
罗晓予
卢佳盼
葛坚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202210519363.0A priority Critical patent/CN114896664B/zh
Publication of CN114896664A publication Critical patent/CN114896664A/zh
Application granted granted Critical
Publication of CN114896664B publication Critical patent/CN114896664B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Structural Engineering (AREA)
  • Civil Engineering (AREA)
  • Architecture (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Photovoltaic Devices (AREA)
  • Roof Covering Using Slabs Or Stiff Sheets (AREA)

Abstract

本发明涉及建筑性能优化设计技术领域，提供一种园区建筑光伏一体化围护结构优化方法，该方法通过确定优化目标函数；目标函数至少包括本体能耗、热不舒适时间占比、初始增量成本、光伏发电量；确定优化变量及取值范围；建立光伏一体化围护结构多目标优化模型；利用遗传算法执行优化，输出优选设计方案。该方法和系统在优化过程中考虑了立面铺设光伏的影响，并设置本体节能率的约束条件，优化得到的设计方案能够兼顾建筑本体节能、室内热舒适提升、光伏发电量提高、经济性四个目标，利于建筑以更舒适的室内环境以及更低的投入成本实现近零能耗、零能耗目标；模拟和优化过程操作简单、可视性强，能让建筑设计过程与建筑性能优化更好地融合。

Description

园区建筑光伏一体化围护结构优化方法及系统
技术领域
本发明涉及建筑性能优化设计技术领域，特别涉及一种园区建筑光伏一体化围护结构优化方法及系统。
背景技术
近零能耗建筑(Nearly Zero Energy Building，NZEB)、零能耗建筑(Net ZeroEnergy Building)已成为全球建筑节能的发展方向，对建筑本体节能和室内环境提出了更高的要求，且需考虑可再生能源利用对建筑能源消耗的平衡和替代。在近零能耗建筑设计过程中，涉及节能、热性能和光性能等建筑性能目标，目标间往往存在相互制约的关系，如建筑节能和热舒适提升。
CN114267241A公开了一种可模拟多种环境的节能建筑设计方法及其系统，包括有底架，还包括有弧形滑轨架、旋转安装板、日照模拟组件和模拟自然风组件：弧形滑轨架，底架上方固接有弧形滑轨架，弧形滑轨架起导向的作用；旋转安装板，弧形滑轨架下部内侧转动式连接有旋转安装板，旋转安装板下部与底架转动式连接；日照模拟组件，底架上设有日照模拟组件，日照模拟组件用于模拟日照环境，起到了便于对节能建筑的日照环境进行检测的作用；模拟自然风组件，弧形滑轨架上设有模拟自然风组件，模拟自然风组件用于模拟自然风的环境。
建筑围护结构是外部环境与建筑室内的屏障，在提供室内舒适热环境、降低建筑供暖、制冷和照明能耗方面发挥着重要的作用。对于一般节能建筑来说，超过50％的能量是由围护结构热损失造成的，围护结构的不良性能已成为营造舒适、健康室内环境以及建筑节能的重要阻碍；在光伏一体化建筑中，围护结构设计还会影响立面的光伏发电量；适宜的高性能围护结构设计是实现近零能耗目标的关键步骤，缺乏综合权衡各性能目标的设计方案的建筑性能优化设计方法。
发明内容
通过长期的研究实践，面对多变量和多目标优化设计问题，人工寻优效率低下且无法保证寻优结果的可靠性，建筑性能优化设计指在设计过程中整合几何模型、性能模拟评价和算法优化，拓展了设计方案的搜索范围，利用计算机自动寻优，权衡各性能目标输出优选设计方案，在解决复杂的多目标优化问题上表现良好；现有围护结构优化研究的优化对象多为一般节能建筑，优化结果不适用于近零能耗建筑，且优化中未考虑立面铺设光伏对围护结构设计和建筑节能的影响，缺少近零能耗目标下的光伏建筑一体化围护结构优化方法。
有鉴于此，本发明旨在提出一种园区建筑光伏一体化围护结构优化方法，该园区建筑光伏一体化围护结构优化方法包括，
步骤S1，确定优化目标函数；其中优化目标函数至少包括本体能耗、热不舒适时间占比、初始增量成本、光伏发电量；
步骤S2，确定光伏一体化围护结构优化变量及取值范围；
步骤S3，建立光伏一体化围护结构多目标优化模型；
步骤S4，设置优化参数，至少包括种群大小、最大迭代次数以及交叉变异概率，利用遗传算法执行优化过程，输出建筑光伏一体化围护结构优选设计方案。
优选地，在步骤S1中，
本体能耗W0包括供暖能耗W1、制冷能耗W2、照明能耗W3，其中W0＝W1+W2+W3，单位均为kWh/m2；
热不舒适时间占比为PMV≤-δ、APMV≤-δ或PMV≥δ、APMV≥δ的时间在全年的占比；其中，PMV为预计平均热感觉指标，APMV为预计适应性平均热感觉指标，δ为0.4-0.6；
Figure BDA0003641056050000031
λ为自适应系数，PMV值大于等于0时取0.21，PMV值小于0时取-0.49；
初始增量成本为通过提高围护结构性能以及铺设光伏等技术增加的费用，至少包括材料费、机械费和人工费；
Ctotal＝(Al*dl*Pl,i-Cl-initial)+(Ar*dr*Pr,j-Cr-initial)+(Aw*Pw,m-Cw-initial)+(APV，n*PPV,n)
其中，Ctotal为总的初始增量成本，即外墙、屋面、外窗和光伏组件的增量成本之和，Cl-initial、Cr-initial、Cw-initial分别为基准建筑的外墙、屋面和外窗成本，单位为元。Al、Ar、Aw分别为外墙、屋面和外窗的面积，APV,n表示不同光伏组件的铺设面积，单位均为m2，dl，dr分别表示屋面和外墙的保温层厚度，单位均为m；Pl,i，Pr,j，Pw,m，PPV,n分别表示不同外墙、屋面的保温材料、不同外窗和光伏组件的单价，单位分别为元/m3、元/m3、元/m2和元/m2；
光伏发电量为屋面和各朝向立面的光伏发电量之和，单位为kWh/m2。
优选地，在步骤S2中，确定围护结构优化变量至少包括外墙、屋面保温材料的类型、厚度、外窗类型、各朝向立面窗墙比、立面光伏铺设面积和铺设位置。
优选地，步骤S3中，在基于Rhino环境运行的Grasshopper中建立光伏一体化围护结构多目标优化模型。
优选地，步骤S3包括，
步骤S31，在Rhino和Grasshopper中完成基础形体的建模和可视化，优化中建筑形体保持一致；
步骤S32，在Honeybee和Ladybug插件中搭建建筑性能模拟模型，包括建筑本体能耗和光伏发电量模拟模型、热不舒适时间占比和初始增量成本计算模型；
步骤S33，计算基准建筑的本体能耗值，将本体节能率要求作为优化的约束条件；基准建筑的形状、大小、功能、构造做法及运行工况设置与优化建筑一致，仅围护结构性能、窗墙比、空调系统效率及是否铺设光伏有所差异；
步骤S34，将上述光伏一体化围护结构优化变量以及建筑本体能耗、光伏发电量、热不舒适时间占比和初始增量成本的模拟和计算结果连接到Wallacei插件中，以本体能耗最小、热不舒适时间占比最小、初始增量成本最小以及光伏发电量最大作为目标函数，构建光伏一体化围护结构多目标优化模型。
优选地，步骤S4包括，
步骤S41，设置种群大小、最大迭代次数以及交叉变异概率等优化参数；
步骤S42，在Honeybee和Ladybug插件随机生成初始围护结构参数组合，执行本体能耗、光伏发电量模拟以及热舒适分析；
步骤S43，计算模块执行热不舒适时间占比和初始增量成本计算；
步骤S44，将输出的本体能耗、热不舒适时间占比、初始增量成本、光伏发电量值作为遗传算法的适应度函数值，利用Wallacei插件搭载的遗传算法NSGA-II执行优化，优化后生成新的围护结构参数组合，返回Honeybee和Ladybug插件，完成一次迭代计算；
步骤S45，当达到设定最大优化迭代次数，停止寻优步骤S44，输出建筑光伏一体化围护结构优选设计方案。
本发明为了更好地用于实施上述的园区建筑光伏一体化围护结构优化方法，还提供了一种系统，所述系统包括，
目标函数单元，用于确定优化目标函数；其中优化目标函数至少包括本体能耗、热不舒适时间占比、初始增量成本、光伏发电量；
变量设置单元，用于确定光伏一体化围护结构优化变量及取值范围；
模型构建单元，用于建立光伏一体化围护结构多目标优化模型；
优化计算单元，用于设置优化参数，至少包括种群大小、最大迭代次数以及交叉变异概率，利用遗传算法执行优化过程，输出建筑光伏一体化围护结构优选设计方案。
优选地，所述目标函数单元包括，
本体能耗目标函数设置模块，用于设置目标函数本体能耗W0，其中，本体能耗W0包括供暖能耗W1、制冷能耗W2、照明能耗W3，其中W0＝W1+W2+W3，单位均为kWh/m2；
热不舒适时间占比目标函数设置模块，用于设置热不舒适时间占比目标函数，其中，热不舒适时间占比为PMV≤-δ、APMV≤-δ和PMV≥δ、APMV≥δ的时间在全年的占比；其中，PMV为预计平均热感觉指标，APMV为预计适应性平均热感觉指标，δ为0.4-0.6；
Figure BDA0003641056050000051
λ为自适应系数，PMV值大于等于0时取0.21，PMV值小于0时取-0.49；
初始增量成本目标函数设置模块，用于设置初始增量成本目标函数，其中，初始增量成本为通过提高围护结构性能以及铺设光伏等技术增加的费用，至少包括材料费、机械费和人工费；
Ctotal＝(Al*dl*Pl,i-Cl-initial)+(Ar*dr*Pr,j-Cr-initial)+(Aw*Pw,m-Cw-initial)+(APV，n*PPV,n)
其中，Ctotal为总的初始增量成本，外墙、屋面、外窗和光伏组件的增量成本之和，Cl-initial、Cr-initial、Cw-initial分别为基准建筑的外墙、屋面和外窗成本，单位均为元。Al、Ar、Aw分别为外墙、屋面和外窗的面积，APV,n表示不同光伏组件的铺设面积，单位均为m2；dl，dr分别表示屋面和外墙的保温层厚度，单位均为m；Pl,i，Pr,j，Pw,m，PPV,n分别表示不同外墙、屋面的保温材料、不同外窗和光伏组件的单价，单位分别为元/m3、元/m3、元/m2和元/m2；
光伏发电量目标函数设置模块，用于设置光伏发电量目标函数，光伏发电量为屋面和各朝向立面的光伏发电量之和，单位为kWh/m2。
优选地，其中，变量设置单元，用于确定围护结构优化变量，至少包括外墙、屋面保温材料的类型、厚度、外窗类型、各朝向立面窗墙比、立面光伏铺设面积和铺设位置；
模型构建单元中，用于在基于Rhino环境运行的Grasshopper中建立光伏一体化围护结构多目标优化模型；
优化计算单元包括，
优化设置模块，用于设置种群大小、最大迭代次数以及交叉变异概率等优化参数；
建筑性能模拟模块，用于在Honeybee和Ladybug插件随机生成初始围护结构参数组合，执行本体能耗、光伏发电量模拟以及热舒适分析；
建筑性能计算模块，用于执行热不舒适时间占比和初始增量成本计算；
优化迭代模块，用于将输出的本体能耗、热不舒适时间占比、初始增量成本、光伏发电量值作为遗传算法的适应度函数值，利用Wallacei插件搭载的遗传算法NSGA-II执行优化，生成新的围护结构参数组合，返回Honeybee和Ladybug插件，完成一次迭代计算；
停止寻优和方案输出模块，用于当达到设定最大优化迭代次数，停止寻优步骤S44，输出建筑光伏一体化围护结构优选设计方案。
根据本发明实施例的另一方面，提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述的方法。
相对于现有技术，本发明提供的园区建筑光伏一体化围护结构优化方法，该园区建筑光伏一体化围护结构优化方法，通过确定优化目标函数；其中目标函数至少包括本体能耗、热不舒适时间占比、初始增量成本、光伏发电量；确定光伏一体化围护结构优化变量及取值范围；建立光伏一体化围护结构多目标优化模型；利用遗传算法执行优化，输出建筑光伏一体化围护结构优选设计方案；该方法在园区建筑围护结构优化中考虑了立面铺设光伏的影响，并设置了本体节能率的约束条件，优化得到的光伏一体化围护结构设计方案能够兼顾建筑本体节能、室内热舒适提升、光伏发电量提高以及经济性四个目标，有利于建筑以更舒适的室内环境以及更低的投入成本实现近零能耗、零能耗目标；模拟和优化过程操作简单、可视性强，能让建筑设计过程与建筑性能优化更好地融合。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施方式及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明的园区建筑光伏一体化围护结构优化方法一种实施方式的流程图；
图2为本发明的用于执行园区建筑光伏一体化围护结构优化方法的系统结构示意图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了解决现有技术中建筑的围护结构的窗墙比大小不仅会影响室内热环境和建筑能耗，还会影响立面光伏铺设面积，从而影响光伏发电量，设计时应当结合本体能耗、热舒适以及光伏利用等目标加以权衡；适宜的高性能围护结构设计是实现近零能耗目标的关键步骤，且未考虑立面光伏利用对围护结构设计的影响，缺少近零能耗目标下的光伏一体化围护结构优化方法等一系列问题。本发明提供一种园区建筑光伏一体化围护结构优化方法，如图1所示，园区建筑光伏一体化围护结构优化方法包括，
步骤S1，确定优化目标函数；其中优化目标函数至少包括本体能耗、热不舒适时间占比、初始增量成本、光伏发电量；
步骤S2，确定光伏一体化围护结构优化变量及取值范围；
步骤S3，建立光伏一体化围护结构多目标优化模型；
步骤S4，设置优化参数，至少包括种群大小、最大迭代次数以及交叉变异概率，利用遗传算法执行优化过程，输出建筑光伏一体化围护结构优选设计方案。
本发明提供的园区建筑光伏一体化围护结构优化方法，通过确定优化目标函数；其中目标函数至少包括本体能耗、热不舒适时间占比、初始增量成本、光伏发电量；确定光伏一体化围护结构优化变量及取值范围；建立光伏一体化围护结构多目标优化模型；利用遗传算法执行优化，输出建筑光伏一体化围护结构优选设计方案；该方法在园区建筑围护结构优化中考虑了立面铺设光伏的影响，并设置了本体节能率的约束条件，优化得到的光伏一体化围护结构设计方案能够兼顾建筑本体节能、室内热舒适提升、光伏发电量提高以及经济性四个目标，有利于建筑以更舒适的室内环境以及更低的投入成本实现近零能耗、零能耗目标；模拟和优化过程操作简单、可视性强，能让建筑设计过程与建筑性能优化更好地融合。
为了使用优化算法针对本体能耗、热不舒适时间占比、初始增量成本、光伏发电量进行多目标优化，在本发明更为优选的情况下，在步骤S1，确定优化目标函数；其中优化目标函数至少包括本体能耗、热不舒适时间占比、初始增量成本、光伏发电量；其中，以本体能耗最小、热不舒适时间占比最小、初始增量成本最小、光伏发电量最大为优化目标进行优化。例如，本体能耗最小的目标，需要同时满足GB/T51350-2019近零能耗建筑技术标准中定义的与基准建筑相比的本体节能率要求。例如，由于低多层办公建筑中电梯和热水能耗占比0.1～10％，因此本发明计算本体节能率时仅考虑供暖、制冷和照明能耗。优化建筑与基准建筑相比，供暖和制冷能耗的节能量包括围护结构性能改善以及空调COP提高带来的节能，照明灯具效率不变，照明能耗节能量主要为窗墙比变化导致的人工照明能耗的改变。
为了更好地确定目标函数的边界约束条件、以及指标计算方法和目标函数限定的变量关系，在本发明优选的情况下，在步骤S1中，
本体能耗W0包括供暖能耗W1、制冷能耗W2、照明能耗W3，其中W0＝W1+W2+W3，单位均为kWh/m2；
热不舒适时间占比为PMV≤-δ、APMV≤-δ或PMV≥δ、APMV≥δ的时间在全年的占比；其中，PMV为预计平均热感觉指标，APMV为预计适应性平均热感觉指标，δ为0.4-0.6；
Figure BDA0003641056050000101
λ为自适应系数，PMV值大于等于0时取0.21，PMV值小于0时取-0.49；
初始增量成本为通过提高围护结构性能以及铺设光伏等技术增加的费用，至少包括材料费、机械费和人工费；
Ctotal＝(Al*dl*Pl,i-Cl-initial)+(Ar*dr*Pr,j-Cr-initial)+(Aw*Pw,m-Cw-initial)+(APV，n*PPV,n)
其中，Ctotal为总的初始增量成本，即外墙、屋面、外窗和光伏组件的增量成本之和，Cl-initial、Cr-initial、Cw-initial分别为基准建筑的外墙、屋面和外窗成本，单位为元。Al、Ar、Aw分别为外墙、屋面和外窗的面积，APV,n表示不同光伏组件的铺设面积，单位均为m2，dl，dr分别表示屋面和外墙的保温层厚度，单位均为m；Pl,i，Pr,j，Pw,m，PPV,n分别表示不同外墙、屋面的保温材料、不同外窗和光伏组件的单价，单位分别为元/m3、元/m3、元/m2和元/m2；
光伏发电量为屋面和各朝向立面的光伏发电量之和，单位为kWh/m2。
例如，开空调情况下的室内热舒适度用预计平均热感觉指标PMV衡量，自然通风情况下的室内热舒适度采用GB/T50785-2012民用建筑室内热湿环境评价标准中非人工冷热源情况下的预计适应性平均热感觉指标APMV衡量。热不舒适时间占比指PMV和APMV值小于等于-0.5或大于等于0.5的时间在全年的占比。其中，PMV值根据室内环境模拟结果以及用户自定义的新陈代谢率、衣服热阻。
例如，以夏热冬冷地区为例，该气候区办公建筑的PMV值大于等于0时取0.21，PMV值小于0时取-0.49。办公室内以轻度活动为主，人体新陈代谢率取1.2met，夏季、过渡季和冬季的衣服热阻分别取0.5、1.2和2.0clo，外部做功消耗的热量忽略不计。
为了基于围护结构优化历史资料数据和建筑节能设计标准，结合光伏一体化围护结构的设计，确定了围护结构优化变量，在本发明更为优选的情况下，在步骤S2中，确定围护结构优化变量至少包括外墙、屋面保温材料的类型、厚度、外窗类型、各朝向立面窗墙比、立面光伏铺设面积和铺设位置。如表1所示。
表1光伏一体化围护结构优化变量
Figure BDA0003641056050000111
例如，围护结构构造选择目前办公建筑常用的节能构造，采用外墙外保温体系以及倒置式保温屋面做法。外窗和屋面保温材料类型包括传统和新兴保温材料，例如，膨胀聚苯板EPS、岩棉板RWB、挤塑聚苯板XPS、硬泡聚氨酯PU以及真空绝热板VIP等。保温材料厚度范围根据GB50189-2015公共建筑节能设计标准对应的传热系数下限和GB/T51350-2019近零能耗建筑技术标准对应的传热系数上限计算得到。外窗参数同时考虑了传热系数和SHGC值，为了使优化结果提供更接近实际，选用近零能耗建筑标准中给出的外窗选型，外窗传热系数范围根据GB50189-2015公共建筑节能设计标准对应的传热系数下限和GB/T51350-2019近零能耗建筑技术标准对应的传热系数上限选择，外窗类型大于等于15种。
例如，立面各朝向窗墙比的变化范围根据工程实践设定为30-70％，考虑到建筑表面的可利用面积以及必要的检修通道，屋面光伏铺设面积定义为屋面面积的80％，立面光伏铺设面积定义为实墙立面面积的80％，立面光伏铺设面积与窗墙比相关。屋面光伏材料选择单晶硅光伏组件，发电效率为18％，系统效率为0.75；立面选用钙钛矿光伏组件。为了考虑到不同朝向立面铺设光伏的性价比，在本发明更为优选的情况下，优化变量增加了各朝向立面是否铺设光伏的选项。
其中，Rhino是Robert McNeel公司3D造型建模软件，OpenStudio是集成EnergyPlus建筑能耗模拟软件，Grasshopper是Rhino建模过程中参数化设计所用到的模拟生成插件，Honeybee和Ladybug插件是Rhino建模过程中建筑性能分析插件，Wallacei为Grasshopper插件。
为了更好地可视化地优化光伏一体化围护结构，以及在建筑设计过程中将光伏一体化围护结构综合考虑，以目标函数设定为目标，采用计算机优化算法进行自动优化计算，在本发明更为优选的情况下，步骤S3中，在基于Rhino环境运行的Grasshopper中建立光伏一体化围护结构多目标优化模型。
在本发明更为优选的情况下，步骤S3包括，
步骤S31，在Rhino和Grasshopper中完成基础形体的建模和可视化，优化中建筑形体保持一致；
步骤S32，在Honeybee和Ladybug插件中搭建建筑性能模拟模型，包括建筑本体能耗和光伏发电量模拟模型、热不舒适时间占比和初始增量成本计算模型；
步骤S33，计算基准建筑的本体能耗值，将本体节能率要求作为优化的约束条件；基准建筑的形状、大小、功能、构造做法及运行工况设置与优化建筑一致，仅围护结构性能、窗墙比、空调系统效率及是否铺设光伏有所差异；
步骤S34，将上述光伏一体化围护结构优化变量以及建筑本体能耗、光伏发电量、热不舒适时间占比和初始增量成本的模拟和计算结果连接到Wallacei插件中，以本体能耗最小、热不舒适时间占比最小、初始增量成本最小以及光伏发电量最大作为目标函数，构建光伏一体化围护结构多目标优化模型。
例如，步骤S32中，在Honeybee和Ladybug插件中构建建筑性能模拟模型，包括本体能耗和光伏发电量模拟、热不舒适时间占比和初始增量成本计算。本体能耗和光伏发电量可直接由模拟得到；热不舒适时间占比基于模拟得到的室内环境参数以及用户自定义的新陈代谢率、衣服热阻、初始增量成本。围护结构参数设置依据步骤S2中确定的光伏一体化围护结构优化变量及取值范围。其中，空调系统效率、室内热扰、室内环境参数以及运行方式等模拟参数参照GB/T51350-2019近零能耗建筑技术标准设置。
例如，计算基准建筑的本体能耗值，将本体节能率作为优化的约束条件。基准建筑的形状、大小、功能、构造做法及运行工况设置与优化建筑一致，仅围护结构性能、窗墙比、空调系统效率及是否铺设光伏有所差异。基准建筑的围护结构性能和空调系统效率需满足GB50189-2015公共建筑节能设计标准的最低要求，各朝向窗墙比参照GB/T51350-2019近零能耗建筑技术标准设定为31％，屋面和立面均不铺设光伏。
光伏一体化围护结构优化变量以及本体能耗、光伏发电量、热不舒适时间占比和初始增量成本的模拟和计算结果连接到Wallacei插件中，以本体能耗、热不舒适时间占比、初始增量成本最小以及光伏发电量最大为目标，构建光伏一体化围护结构多目标优化模型。
由于光伏一体化围护结构优化变量多且数据维度不同，为了针对光伏一体化围护结构多目标优化模型进行快速自动优化，在本发明优选的情况下，步骤S4包括，
步骤S41，设置种群大小、最大迭代次数以及交叉变异概率等优化参数；
步骤S42，在Honeybee和Ladybug插件随机生成初始围护结构参数组合，执行本体能耗、光伏发电量模拟以及热舒适分析；
步骤S43，计算模块执行热不舒适时间占比和初始增量成本计算；
步骤S44，将输出的本体能耗、热不舒适时间占比、初始增量成本、光伏发电量值作为遗传算法的适应度函数值，利用Wallacei插件搭载的遗传算法NSGA-II执行优化，优化后生成新的围护结构参数组合，返回Honeybee和Ladybug插件，完成一次迭代计算；
步骤S45，当达到设定最大优化迭代次数，停止寻优步骤S44，输出建筑光伏一体化围护结构优选设计方案。
例如，在步骤S41中，设种群大小、最大迭代次数以及交叉变异概率等优化参数，参数可参考表2。
表2优化参数设置
Figure BDA0003641056050000141
Honeybee和Ladybug插件随机生成初始围护结构参数组合，并执行本体能耗、光伏发电量模拟以及热舒适分析，再执行热不舒适时间占比和初始增量成本计算；四个目标值的模拟和计算结果作为遗传算法的适应度函数值，利用Wallacei插件搭载的遗传算法NSGA-II执行优化；优化后生成新的围护结构参数组合，返回Honeybee和Ladybug插件，完成一次迭代计算。当达到设定最大优化迭代次数，寻优停止；若结果满足前后两代平均适应度变化率小于0.1％，则认为优化结果有效，输出一系列帕累托前沿解。
为了更好地实施上述一种用于园区建筑光伏一体化围护结构优化方法，本发明还公开了一种系统，如图2所示，所述系统包括，
目标函数单元，用于确定优化目标函数；其中优化目标函数至少包括本体能耗、热不舒适时间占比、初始增量成本、光伏发电量；
变量设置单元，用于确定光伏一体化围护结构优化变量及取值范围；
模型构建单元，用于建立光伏一体化围护结构多目标优化模型；
优化计算单元，用于设置优化参数，至少包括种群大小、最大迭代次数以及交叉变异概率，利用遗传算法执行优化过程，输出建筑光伏一体化围护结构优选设计方案。
本发明还提供一种用于实施园区建筑光伏一体化围护结构优化方法的方法，通过目标函数单元中确定优化目标函数；其中目标函数至少包括本体能耗、热不舒适时间占比、初始增量成本、光伏发电量；再由变量设置单元确定光伏一体化围护结构优化变量及取值范围；之后由模型构建单元建立光伏一体化围护结构多目标优化模型；最后利用优化计算单元中遗传算法执行优化，输出建筑光伏一体化围护结构优选设计方案；该系统在园区建筑围护结构优化中考虑了立面铺设光伏的影响，并设置了本体节能率的约束条件，优化得到的光伏一体化围护结构设计方案能够兼顾建筑本体节能、室内热舒适提升、光伏发电量提高以及经济性四个目标，有利于建筑以更舒适的室内环境以及更低的投入成本实现近零能耗、零能耗目标；模拟和优化过程操作简单、可视性强，能让建筑设计过程与建筑性能优化更好地融合。
为了更好地确定目标函数的边界约束条件、以及指标计算方法和目标函数限定的变量关系，在建筑设计过程中更好地使用优化算法对目标函数设置，在本发明优选的情况下，所述目标函数单元包括，
本体能耗目标函数设置模块，用于设置目标函数本体能耗W0，其中，本体能耗W0包括供暖能耗W1、制冷能耗W2、照明能耗W3，其中W0＝W1+W2+W3，单位均为kWh/m2；
热不舒适时间占比目标函数设置模块，用于设置热不舒适时间占比目标函数，其中，热不舒适时间占比为PMV≤-δ、APMV≤-δ和PMV≥δ、APMV≥δ的时间在全年的占比；其中，PMV为预计平均热感觉指标，APMV为预计适应性平均热感觉指标，δ为0.4-0.6；
Figure BDA0003641056050000161
λ为自适应系数，PMV值大于等于0时取0.21，PMV值小于0时取-0.49；
初始增量成本目标函数设置模块，用于设置初始增量成本目标函数，其中，初始增量成本为通过提高围护结构性能以及铺设光伏等技术增加的费用，至少包括材料费、机械费和人工费；
Ctotal＝(Al*dl*Pl,i-Cl-initial)+(Ar*dr*Pr,j-Cr-initial)+(Aw*Pw,m-Cw-initial)+(APV，n*PPV,n)
其中，Ctotal为总的初始增量成本，外墙、屋面、外窗和光伏组件的增量成本之和，Cl-initial、Cr-initial、Cw-initial分别为基准建筑的外墙、屋面和外窗成本，单位均为元。Al、Ar、Aw分别为外墙、屋面和外窗的面积，APV,n表示不同光伏组件的铺设面积，单位均为m2；dl，dr分别表示屋面和外墙的保温层厚度，单位均为m；Pl,i，Pr,j，Pw,m，PPV,n分别表示不同外墙、屋面的保温材料、不同外窗和光伏组件的单价，单位分别为元/m3、元/m3、元/m2和元/m2；
光伏发电量目标函数设置模块，用于设置光伏发电量目标函数，光伏发电量为屋面和各朝向立面的光伏发电量之和，单位为kWh/m2。
为了更好地在确定光伏一体化围护结构优化目标函数的边界约束条件、以及指标计算方法和目标函数限定的变量关系，且在建筑设计过程中同时采用启发式算法进行快速的优化。在本发明优选的情况下，其中，变量设置单元，用于确定围护结构优化变量，至少包括外墙、屋面保温材料的类型、厚度、外窗类型、各朝向立面窗墙比、立面光伏铺设面积和铺设位置；
模型构建单元中，用于在基于Rhino环境运行的Grasshopper中建立光伏一体化围护结构多目标优化模型；
优化计算单元包括，
优化设置模块，用于设置种群大小、最大迭代次数以及交叉变异概率等优化参数；
建筑性能模拟模块，用于在Honeybee和Ladybug插件随机生成初始围护结构参数组合，执行本体能耗、光伏发电量模拟以及热舒适分析；
建筑性能计算模块，用于执行热不舒适时间占比和初始增量成本计算；
优化迭代模块，用于将输出的本体能耗、热不舒适时间占比、初始增量成本、光伏发电量值作为遗传算法的适应度函数值，利用Wallacei插件搭载的遗传算法NSGA-II执行优化，生成新的围护结构参数组合，返回Honeybee和Ladybug插件，完成一次迭代计算；
停止寻优和方案输出模块，用于当达到设定最大优化迭代次数，停止寻优步骤S44，输出建筑光伏一体化围护结构优选设计方案。
本发明实施例还提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述方法。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、移动终端、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种园区建筑光伏一体化围护结构优化方法，其特征在于，所述园区建筑光伏一体化围护结构优化方法包括，
步骤S1，确定优化目标函数；其中优化目标函数至少包括本体能耗、热不舒适时间占比、初始增量成本、光伏发电量；
步骤S2，确定光伏一体化围护结构优化变量及取值范围；
步骤S3，建立光伏一体化围护结构多目标优化模型；
步骤S4，设置优化参数，至少包括种群大小、最大迭代次数以及交叉变异概率，利用遗传算法执行优化过程，输出建筑光伏一体化围护结构优选设计方案；
在步骤S1中，
本体能耗W0包括供暖能耗W1、制冷能耗W2、照明能耗W3，其中W0＝W1+W2+W3，单位均为kWh/m2；
热不舒适时间占比为PMV≤-δ、APMV≤-δ或PMV≥δ、APMV≥δ的时间在全年的占比；其中，PMV为预计平均热感觉指标，APMV为预计适应性平均热感觉指标，δ为0.4-0.6；
Figure FDA0004281457630000011
λ为自适应系数，PMV值大于等于0时取0.21，PMV值小于0时取-0.49；
初始增量成本为通过提高围护结构性能以及铺设光伏技术增加的费用，至少包括材料费、机械费和人工费；
Ctotal＝(Al*dl*Pl,i-Cl-initial)+(Ar*dr*Pr,j-Cr-initial)+(Aw*Pw,m-Cw-initial)+(APV，n*PPV,n)
其中，Ctotal为总的初始增量成本，即外墙、屋面、外窗和光伏组件的增量成本之和，Cl-initial、Cr-initial、Cw-initial分别为基准建筑的外墙、屋面和外窗成本，单位为元；Al、Ar、Aw分别为外墙、屋面和外窗的面积，APV,n表示不同光伏组件的铺设面积，单位均为m2，dl，dr分别表示屋面和外墙的保温层厚度，单位均为m；Pl,i，Pr,j，Pw,m，PPV,n分别表示不同外墙、屋面的保温材料、不同外窗和光伏组件的单价，单位分别为元/m3、元/m3、元/m2和元/m2；
光伏发电量为屋面和各朝向立面的光伏发电量之和，单位为kWh/m2；
在步骤S2中，确定围护结构优化变量至少包括外墙、屋面保温材料的类型、厚度、外窗类型、各朝向立面窗墙比、立面光伏铺设面积和铺设位置；
步骤S3中，在基于Rhino环境运行的Grasshopper中建立光伏一体化围护结构多目标优化模型；
步骤S3包括，
步骤S31，在Rhino和Grasshopper中完成基础形体的建模和可视化，优化中建筑形体保持一致；
步骤S32，在Honeybee和Ladybug插件中搭建建筑性能模拟模型，包括建筑本体能耗和光伏发电量模拟模型、热不舒适时间占比和初始增量成本计算模型；
步骤S33，计算基准建筑的本体能耗值，将本体节能率要求作为优化的约束条件；基准建筑的形状、大小、功能、构造做法及运行工况设置与优化建筑一致，仅围护结构性能、窗墙比、空调系统效率及是否铺设光伏有所差异；
步骤S34，将上述光伏一体化围护结构优化变量以及建筑本体能耗、光伏发电量、热不舒适时间占比和初始增量成本的模拟和计算结果连接到Wallacei插件中，以本体能耗最小、热不舒适时间占比最小、初始增量成本最小以及光伏发电量最大作为目标函数，构建光伏一体化围护结构多目标优化模型；
步骤S4包括，
步骤S41，设置种群大小、最大迭代次数以及交叉变异概率等优化参数；
步骤S42，在Honeybee和Ladybug插件随机生成初始围护结构参数组合，执行本体能耗、光伏发电量模拟以及热舒适分析；
步骤S43，计算模块执行热不舒适时间占比和初始增量成本计算；
步骤S44，将输出的本体能耗、热不舒适时间占比、初始增量成本、光伏发电量值作为遗传算法的适应度函数值，利用Wallacei插件搭载的遗传算法NSGA-II执行优化，优化后生成新的围护结构参数组合，返回Honeybee和Ladybug插件，完成一次迭代计算；
步骤S45，当达到设定最大优化迭代次数，停止寻优步骤S44，输出建筑光伏一体化围护结构优选设计方案。
2.一种用于实施权利要求1所述的园区建筑光伏一体化围护结构优化方法的系统，其特征在于，所述系统包括，
目标函数单元，用于确定优化目标函数；其中优化目标函数至少包括本体能耗、热不舒适时间占比、初始增量成本、光伏发电量；
变量设置单元，用于确定光伏一体化围护结构优化变量及取值范围；
模型构建单元，用于建立光伏一体化围护结构多目标优化模型；
优化计算单元，用于设置优化参数，至少包括种群大小、最大迭代次数以及交叉变异概率，利用遗传算法执行优化过程，输出建筑光伏一体化围护结构优选设计方案。
3.根据权利要求2所述的系统，其特征在于，所述目标函数单元包括，
本体能耗目标函数设置模块，用于设置目标函数本体能耗W0，其中，本体能耗W0包括供暖能耗W1、制冷能耗W2、照明能耗W3，其中W0＝W1+W2+W3，单位均为kWh/m2；
热不舒适时间占比目标函数设置模块，用于设置热不舒适时间占比目标函数，其中，热不舒适时间占比为PMV≤-δ、APMV≤-δ和PMV≥δ、APMV≥δ的时间在全年的占比；其中，PMV为预计平均热感觉指标，APMV为预计适应性平均热感觉指标，δ为0.4-0.6；
Figure FDA0004281457630000041
λ为自适应系数，PMV值大于等于0时取0.21，PMV值小于0时取-0.49；
初始增量成本目标函数设置模块，用于设置初始增量成本目标函数，其中，初始增量成本为通过提高围护结构性能以及铺设光伏技术增加的费用，至少包括材料费、机械费和人工费；
Ctotal(＝Al*dl*Pl,i-Cl-initial)+(Ar*dr*Pr,j-Cr-initial)+(Aw*Pw,m-Cw-initial)+(APV，n*PPV,n)
其中，Ctotal为总的初始增量成本，外墙、屋面、外窗和光伏组件的增量成本之和，Cl-initial、Cr-initial、Cw-initial分别为基准建筑的外墙、屋面和外窗成本，单位均为元；Al、Ar、Aw分别为外墙、屋面和外窗的面积，APV,n表示不同光伏组件的铺设面积，单位均为m2；dl，dr分别表示屋面和外墙的保温层厚度，单位均为m；Pl,i，Pr,j，Pw,m，PPV,n分别表示不同外墙、屋面的保温材料、不同外窗和光伏组件的单价，单位分别为元/m3、元/m3、元/m2和元/m2；
光伏发电量目标函数设置模块，用于设置光伏发电量目标函数，光伏发电量为屋面和各朝向立面的光伏发电量之和，单位为kWh/m2。
4.根据权利要求3所述的系统，其特征在于，其中，变量设置单元，用于确定围护结构优化变量，至少包括外墙、屋面保温材料的类型、厚度、外窗类型、各朝向立面窗墙比、立面光伏铺设面积和铺设位置；
模型构建单元中，用于在基于Rhino环境运行的Grasshopper中建立光伏一体化围护结构多目标优化模型；
优化计算单元包括，
优化设置模块，用于设置种群大小、最大迭代次数以及交叉变异概率等优化参数；
建筑性能模拟模块，用于在Honeybee和Ladybug插件随机生成初始围护结构参数组合，执行本体能耗、光伏发电量模拟以及热舒适分析；
建筑性能计算模块，用于执行热不舒适时间占比和初始增量成本计算；
优化迭代模块，用于将输出的本体能耗、热不舒适时间占比、初始增量成本、光伏发电量值作为遗传算法的适应度函数值，利用Wallacei插件搭载的遗传算法NSGA-II执行优化，生成新的围护结构参数组合，返回Honeybee和Ladybug插件，完成一次迭代计算；
停止寻优和方案输出模块，用于当达到设定最大优化迭代次数，停止寻优，输出建筑光伏一体化围护结构优选设计方案。
5.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1所述的园区建筑光伏一体化围护结构优化方法。
CN202210519363.0A 2022-05-12 2022-05-12 园区建筑光伏一体化围护结构优化方法及系统 Active CN114896664B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210519363.0A CN114896664B (zh) 2022-05-12 2022-05-12 园区建筑光伏一体化围护结构优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210519363.0A CN114896664B (zh) 2022-05-12 2022-05-12 园区建筑光伏一体化围护结构优化方法及系统

Publications (2)

Publication Number Publication Date
CN114896664A CN114896664A (zh) 2022-08-12
CN114896664B true CN114896664B (zh) 2023-07-11

Family

ID=82721497

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210519363.0A Active CN114896664B (zh) 2022-05-12 2022-05-12 园区建筑光伏一体化围护结构优化方法及系统

Country Status (1)

Country Link
CN (1) CN114896664B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115907191B (zh) * 2022-12-08 2023-07-14 山东建筑大学 一种自适应建筑光伏表皮模型预测控制方法
CN116070335B (zh) * 2023-04-03 2023-06-06 中通服建设有限公司 一体化光伏建筑设计方法
CN117633981B (zh) * 2023-11-30 2024-06-11 北京城建设计发展集团股份有限公司 基于数字化仿真模拟的碲化镉光伏与建筑一体化设计方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2667332A1 (fr) * 2012-05-22 2013-11-27 Calao Energie Renouvelable Procédé d'optimisation des performances environnementales d'un bâtiment
CN106295029A (zh) * 2016-08-16 2017-01-04 重庆大学 一种基于性能导向的建筑多目标优化设计方法
CN109409605A (zh) * 2018-10-31 2019-03-01 山东建筑大学 一种近零能耗住宅准动态能耗计算方法、优化设计方法
CN111881505A (zh) * 2020-08-04 2020-11-03 河北工业大学 一种基于ga-rbf算法的既有建筑多目标优化改造决策方法
CN114219172A (zh) * 2021-12-24 2022-03-22 长江勘测规划设计研究有限责任公司 考虑综合效益最优的净零能耗建筑微网优化方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106599467B (zh) * 2016-12-14 2020-03-24 哈尔滨工业大学 一种基于多目标优化算法的严寒地区建筑构造设计方法
FR3078414B1 (fr) * 2018-02-28 2021-11-12 Gilles Noziere Procede pour l'optimisation des depenses energetiques et du confort d'un batiment
CN109282443B (zh) * 2018-09-05 2021-03-09 广东工业大学 一种多模式、低能耗的室内热调节方法
CN112149209B (zh) * 2020-09-04 2022-03-22 天津大学 一种建筑多性能导向设计的优化方法
CN112364419B (zh) * 2020-11-09 2024-02-27 中建科技集团有限公司 单元式建筑外遮阳设计参数计算方法、存储介质及设备
AU2020103770A4 (en) * 2020-11-30 2021-02-11 Wuhan Univ, Zhongnan Hosp of Wuhan University An energy-saving simulation analysis system for public hospital buildings and facilities
CN112818458B (zh) * 2021-02-26 2023-11-21 西安建筑科技大学 一种建筑绿色性能设计优化方法及系统
CN113297660A (zh) * 2021-06-05 2021-08-24 西北工业大学 一种基于多目标的建筑方案阶段节能优化设计模式构建方法
CN113610269A (zh) * 2021-06-28 2021-11-05 天津大学 基于多目标优化的乡村住宅建筑低碳能源系统优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2667332A1 (fr) * 2012-05-22 2013-11-27 Calao Energie Renouvelable Procédé d'optimisation des performances environnementales d'un bâtiment
CN106295029A (zh) * 2016-08-16 2017-01-04 重庆大学 一种基于性能导向的建筑多目标优化设计方法
CN109409605A (zh) * 2018-10-31 2019-03-01 山东建筑大学 一种近零能耗住宅准动态能耗计算方法、优化设计方法
CN111881505A (zh) * 2020-08-04 2020-11-03 河北工业大学 一种基于ga-rbf算法的既有建筑多目标优化改造决策方法
CN114219172A (zh) * 2021-12-24 2022-03-22 长江勘测规划设计研究有限责任公司 考虑综合效益最优的净零能耗建筑微网优化方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
光伏遮阳板与建筑一体化的综合节能效果分析;胡剑平;饶政华;廖胜明;;建筑节能(第06期);全文 *
基于优化算法的严寒地区乡村住宅节能优化设计研究;邵腾;金虹;;建筑科学(第12期);全文 *
基于遗传算法的围护结构优化设计研究;山如黛;刘冠男;夏晓东;石铁矛;;建筑技术(第02期);全文 *
居住建筑室内热环境低能耗营造的多目标设计方法;喻伟;王迪;李百战;;土木建筑与环境工程(第04期);全文 *
近零能耗导向的光伏建筑一体化设计路径初探;褚英男;宋晔皓;孙菁芬;陈晓娟;谢丹;;建筑学报(第S2期);全文 *
遗传算法在围护结构设计中的应用;金倩;王飞;;住宅科技(第07期);全文 *

Also Published As

Publication number Publication date
CN114896664A (zh) 2022-08-12

Similar Documents

Publication Publication Date Title
CN114896664B (zh) 园区建筑光伏一体化围护结构优化方法及系统
Xue et al. Multi-objective optimization of building design for life cycle cost and CO2 emissions: A case study of a low-energy residential building in a severe cold climate
Harkouss et al. Optimal design of renewable energy solution sets for net zero energy buildings
Ascione et al. Resilience of robust cost-optimal energy retrofit of buildings to global warming: A multi-stage, multi-objective approach
Ferrara et al. A simulation-based optimization method for cost-optimal analysis of nearly Zero Energy Buildings
Singh et al. Multicomponent energy assessment of buildings using building information modeling
Ascione et al. Retrofit of villas on Mediterranean coastlines: Pareto optimization with a view to energy-efficiency and cost-effectiveness
Nasrollahzadeh Comprehensive building envelope optimization: Improving energy, daylight, and thermal comfort performance of the dwelling unit
Ascione et al. A new comprehensive approach for cost-optimal building design integrated with the multi-objective model predictive control of HVAC systems
Hamdy et al. A multi-stage optimization method for cost-optimal and nearly-zero-energy building solutions in line with the EPBD-recast 2010
Li et al. Fast bidirectional building performance optimization at the early design stage
Li et al. Multi-objective optimization of solar powered adsorption chiller combined with river water heat pump system for air conditioning and space heating application
Ferrara et al. Energy systems in cost-optimized design of nearly zero-energy buildings
Karlsson et al. Energy demand and indoor climate in a low energy building—changed control strategies and boundary conditions
Jones et al. Towards zero carbon design in offices: Integrating smart facades, ventilation, and surface heating and cooling
Vassiliades et al. Assessment of an innovative plug and play PV/T system integrated in a prefabricated house unit: Active and passive behaviour and life cycle cost analysis
Han et al. Multi-objective building energy consumption prediction and optimization for eco-community planning
Liu et al. Coupled simulation of natural ventilation and daylighting for a residential community design
Carlucci et al. An optimization procedure based on thermal discomfort minimization to support the design of comfortable net zero energy buildings
Attia et al. Building performance optimization of net zero‐energy buildings
Elarga et al. PV-PCM integration in glazed building. Co-simulation and genetic optimization study
CN117057021A (zh) 一种基于多目标动态权重的建筑改造方案优化方法
Alimohamadi et al. Multi-Objective optimization of energy consumption pattern in order to provide thermal comfort and reduce costs in a residential building
Singh et al. Net Zero Energy Building (NZEB) Design
Pietila et al. Zero peak housing: Exploring the possibility of eliminating electrical draws from houses during periods of high demand on the electrical grid

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