文 | 与卿喻

编辑 | 与卿喻

研究目标与边界条件设置

为确立研究目标能耗研究范围，本文对济南市34所办公建筑的能耗数据进行了调研，统计结果如表1所示，可以看出，办公建筑能耗主要由照明、空调、动力、特殊四种能耗组成，照明能耗占比较高，空调能耗次之，动力能耗与特殊能耗占比较低，其中特殊能耗主要为办公设备能耗，不同建筑不同使用情况差异较大，且动力能耗与特殊能耗不受建筑节能设计参数影响，故研究的能耗范畴确立为照明与空调能耗。

本文基于Rhino＆grasshopper参数化平台，建立了完整的集模型构建、能耗模拟与自动寻优的一体化研究平台，在Grasshopper平台建立基准模型后，借助Honeybee内置运算器对参数化模型进行各项设置并调用Openstudio引擎进行全年能耗模拟，得到全年制冷能耗、全年采暖能耗、全年照明能耗三项数据，并将三者之和近似视为全年总能耗。

将目标参数作为基因输入wallacei遗传算法工具，以全年总能耗为目标输出寻优结果，并依据山东建筑大学综合实验楼的实例与实测数据，通过Grasshopper平台构建山东建筑大学综合实验楼等效模型，对寻优结果进行了验证。

最后通过Grasshopper重新模拟获得1000组包括围护结构设计参数与各能耗结果的结构化数据集，利用SPSS软件对该数据集结果进行定量与定性分析，探讨个参数与个能耗间作用机理，并将数据集导入matlab构建机器学习高斯过程回归替代模型。

由于近零能耗建筑建造技术尚不成熟且成本较高，国内建成项目样本较少，为更准确反映寒冷地区近零能耗办公建筑平面设计规律，将样本选取扩展至超低能耗建筑，通过对近几年新建超低能耗办公建筑的调研，确立办公建筑基准模型的平面形式、建筑高度与建筑面积等，（见表2）

统计结果表明寒冷地区新建超低能耗办公建筑多为3~6层，面积均值为8469.236㎡，在空间形态方面，由于体型系数与功能限制，平面形式多为长方形，调研项目多为试点示范项目，具有面积小、功能简单的特点，交通空间往往为简单的内廊式，且多设置有中庭。

依据上述结果，将具有中庭长方形平面建筑确立为基准模型的空间功能形式，将基准模型确定为南北向带有中庭的6层办公建筑，总面积8810㎡，层高3.9m，内设中庭，各办公房间东西向开间8m，南北向进深7.5m，，中庭周边设有2m宽内廊，平面形式与模型如图2所示。

围护结构相关参数由输入模块中的建筑构造相关电池组进行控制，本次研究所选择的各围护结构参数主要依据《近零能耗建筑技术标准》GB/T51350-2019与山东省《公共建筑节能设计标准》DB37/5155-2019，设置如下：

外墙类型与参数依据山东省《公共建筑节能设计标准》DB37/5155-2019中寒冷地区外墙最低标准进行设置，墙体传热系数为0.5W·(m-2·K-1)，作为普通办公建筑的外墙（类型1）参数输入基准模型，近零能耗基准外墙（类型2）传热系数为0.17051W·(m-2·K-1)，外墙保温厚度可变范围与主要构造材料相关参数设置如表3所示，表4展示了不同保温厚度对应的整墙传热系数。

依据山东省《公共建筑节能设计标准》DB37/5155-2019与《近零能耗建筑技术标准》GB/T51350-2019，选取常用玻璃类型与空气间层进行组合模拟，各材质参数均由IGDB（国际玻璃数据库）获取，其中类型1为普通办公建筑基准模型所采用。

南北向窗墙比分别设置，取值阈值均为0.2~0.8,步长0.1，所有窗户均匀分布，默认窗台高0.8m，窗高2m，所需面积超出高度限值时向上下扩展。

天窗占中庭屋面面积比取值为0.2~0.9，变化步长0.1，普通办公建筑天窗（类型1）热工参数为传热系数2.4W·(m-2·K-1)，太阳得热系数0.44，可见光透过率0.75%，近零能耗办公建筑天窗（类型2）热工参数为传热系数1.1W·(m-2·K-1)，太阳得热系数0.57，可见光透过率0.65%。

屋面传热系数就普通级别（类型1）与近零能耗级别（类型2）分别设置为0.4W·(m-2·K-1)与0.176W·(m-2·K-1)；楼板传热系数为0.3W·(m-2·K-1)，表面反射率0.3；内墙传热系数为2.12W·(m-2·K-1)，反射率0.5。

各参数主要依据山东省《公共建筑节能设计标准》DB37/T5155-2019与《近零能耗建筑技术标准》GB/T51350-2019，其中，办公房间人员密度10㎡/人，照明功率密度9W/㎡，电器功率密度13W/㎡，空调系统选用理想空调，制冷cop为3.4，采暖cop为2。

新风热回收系统采用全热型，回收效率70%，采暖季为11月13日至次年3月14日，制冷季为5月2日至9月24日，仅工作日开启，空调运行时段、运行设定温度、新风运行时间依据《公共建筑节能设计标准》中对办公建筑的规定设置。

建筑运行部分，照明使用率、人员在室率、电气设备使用率时间表三者依据《公共建筑节能设计标准》中对办公建筑的规定设置，办公房间室内照度标准为300lux，走廊为100lux，若自然采光无法满足规定的照度标准则自动开启照明，以此控制照明能耗变化。

普通办公建筑与近零能耗办公建筑能耗对比研究

对普通办公建筑与近零能耗办公建筑进行能耗水平对比模拟试验，两者分别依据山东省《公共建筑节能设计标准》DB37/T5155-2019与《近零能耗建筑技术标准》GB/T51350-2019对外围护结构规定的最低标准与实际建设常用参数进行选取，如表6所示。

二者能耗结果对比如图2所示，（采暖制冷能耗均已进行Cop换算，结果为总耗电量）在采用近零能耗标准的外围护结构之后，建筑总能耗降低11.36%，主要原因为采暖能耗的显著降低，比率达41.81%，制冷能耗受建筑夏季隔热、窗户得热等多因素影响，基本保持不变，下降0.43%。

低传热系数外窗采用的low-E镀膜工艺，导致外窗可见光透过率下降，对室内采光造成不利影响，故照明能耗上升0.22%，相较普通办公建筑，近零能耗办公建筑的采暖能耗的占比更是由27%下降至18%，照明能耗占比均超40%，由此，相关技术标准中围护结构参数控制采暖制冷能耗，忽略照明能耗显然是不适宜的。

在各围护结构参数中，窗墙比对各项能耗均具有一定影响，尤其是对占比较高的照明能耗起关键影响作用，针对窗墙比作为变量输入，南北窗墙比分别取值范围0.2~0.8，步长0.1进行模拟，其余各参数与2.1中设置相同，最终得到两类建筑各49组数据。

从各项能耗随窗墙比的变化趋势来看，两类建筑的北向窗墙比与制冷能耗基本呈线性正相关；与采暖能耗基本呈线性正相关；与照明能耗呈非线性负相关，南向窗墙比与制冷能耗基本呈线性正相关；与采暖能耗呈非线性负相关；与照明能耗呈非线性负相关。

照明能耗方面，随着窗墙比增大，外窗向两侧扩展，新增加的外窗部分离房间中央越来越远，导致增加的单位面积采光效率越来越低，反映在照明能耗中就是0.2~0.8曲线的K值逐渐减小，由于不同照明能耗由照明设备开关时间控制，这同时影响了室内照明设备的产热量，间接影响了采暖制冷能耗。

普通外围护结构与近零能耗级别的外围护结构的最优窗墙比均为南向0.8、北向0.4，但两类建筑随窗墙比能耗变化曲线的不一致性与总能耗最低的20组（表7）较优窗墙比组合的不同。

说明了不同性能的围护结构对窗墙比存在因子之间的交互影响，如继续提升围护结构性能、窗墙比可能出现更优取值，南向0.8、北向0.4的窗墙比可作为该围护结构厚度区间的推荐取值，但不能保证为最优解，需要进一步通过遗传算法对更广阈值的因子变量进行寻优。

表中三类分项能耗并不呈单一变化趋势，表明没有某一种起确定性作用，分项能耗的影响力度由该项能耗所占总能耗比例与因变量参数对该分项能耗的作用水平决定，印证了参数取值应考虑各项能耗综合影响。

遗传算法寻优、相关性分析与机器学习模型的构建

将建筑南向窗墙比、北向窗墙比、外墙传热系数、外窗类型、建筑体形系数5项参数作为变量参数（基因）输入Genes接口（见表8），将性能模拟得到的总能耗输出端作为优化目标接入Objectives接口。

本次遗传算法寻优模拟实验总用时51h，共19代数据，运算在第919组停止，运算在第1~3代波动较大，能耗结果下降趋势明显，150组以后能耗结果波动明显变小，下降趋势减弱，并于384组第一次出现优化目标最低值，目标结果与对应模拟参数因子如表9、表10所示。

500组之后能耗数据逐步稳定，波动幅度较小且多次出现最低能耗优化目标，能耗结果趋于收敛（如图4），三项能耗收敛趋势均向中间数值收敛，在寻优过程中均出现过比最终结果更低的单项能耗值，这印证了没有分项能耗占绝对优势地位，最优参数是综合权衡各分项能耗得出的。

为验证基准模型优化参数的准确性与在实际建设项目中投入使用的可行性，选取山东建筑大学教学实验综合楼作为实例参照样本（如图5）。

教学实验综合楼能耗收集平台2019~2020年度能耗数据为：空调能耗104190.94kWh;照明能耗146627.99kWh，提取建筑建成后的各项参数，利用平台建立综合楼建筑信息模型，进行系统模拟得到原能耗模拟结果（表11）；将优化后的围护结构参数替换原参数再次模拟，得到优化后的能耗结果（表12）。

实验楼模型的原参数模拟结果与实测数据较为接近，证明了能耗模拟系统的准确性，优化后的建筑总能耗下降11.06%，表明基准模型的参数优化结果在应用到同类型的近零能耗办公建筑设计实践中时，能够取得一定的节能效果，对比各项能耗变化可以看出，由于照明能耗的较高占比，节能水平占总能耗的60%，来源基本为窗墙比增加引起的照明能耗降低，该优化结论再次印证了在近零能耗办公建筑的能耗优化环节里，降低照明能耗的重要性。

为进一步探究寒冷地区近零能耗办公建筑各设计参数对各项能耗的影响，利用grasshopper内置python软件对各因子在参数设定阈值内进行850组符合正态分布的随机抽样（由于外窗参数之间的强关联性，外窗三项参数进行等比例分层随机抽样，保证其同向变化）。

并对抽样得到的因子进行能耗模拟，最终得到由850组因子与能耗数据组成的数据集，将该数据集导入SPSS软件进行相关性分析，基于数据特性，将数据集标准化处理后利用SPSS软件中因子分析中的主成分分析得到相关性矩阵（见表13）。

基于相关性结论，通过散点图进一步判断分析参数与能耗目标的相关关系与原理：随南向窗墙比增大，整墙隔热性能下降，与制冷能耗呈正相关；南向外窗的太阳得热抵消且超出了整墙保温性能下降带来的不利影响，与采暖能耗呈负相关；获取的自然采光更为充足，与照明能耗呈负相关。

最终与总能耗呈负相关趋势，由图a可以看出，南向窗墙比与总能耗间负相关趋势明显，在此基础上以南向窗墙比为自变量，总能耗为因变量进行岭回归，回归结果显示：基于F检验显著性P值为0.000***，水平上呈现显著性，表明自变量与因变量之间存在着回归关系。

模型的拟合优度R²为0.735，模型表现为较为较为良好，模型的公式为总能耗=30.572-2.124×南向窗墙比，但需要注意的是，由于总能耗受多种因素共同影响，且由图bcde可知这些影响并非线性，故后续将采用机器学习模型对各因子与总能耗目标进行回归建模。

随北向窗墙比增大，整墙夏季隔热与冬季保温性能下降，与制冷采暖能耗呈正相关，其中由于窗户保温性能较高，故与采暖能耗的相关趋势较弱；北向的采光一般较南向更差，窗墙比升高带来的照度变化反映在照明控制点上更明显，故与照明能耗的负相关强度较南向窗墙比更高。

最终在三项能耗共同作用下与总能耗无明显相关性，不同性能的围护结构对应存在不同的总能耗最低取值，随墙体传热系数增加，建筑保温性能提升，与采暖能耗存在正相关性；与制冷能耗、照明能耗无明显相关性，这说明在高性能围护结构领域内继续增加保温层厚度并不利于制冷能耗，与总能耗为正相关关系，主要由采暖能耗决定。

外窗性能的提升同时影响三项内部参数但，镀膜等工艺在降低传热系数的同时会导致太阳得热系数可见光透过率下降，最终影响来看提升外窗的热工性能仍有利于采暖与制冷能耗，但并不利于照明能耗；通过寻优结果可以看出采用惰性气体的三层单面镀膜玻璃表现最好，兼顾了透明度与保温隔热性能。

中庭天窗比对制冷能耗有较强负相关性，与采暖、照明能耗相关性较弱，一般而言扩展中庭天窗面积有利于中庭于走廊照明能耗的降低，与总能耗结果为负相关，主要由制冷能耗决定，适当增大中庭天窗面积有利于建筑节能，（见图6）

由于设计参数与能耗关系的复杂性，传统数学模型方法不能满足为更好的评估与预测能耗结果，即通过将数据集导入matlab回归学习器,以设计变量为预测变量，以总能耗为响应变量，训练机器学习模型，在测试多种回归方法后选用拟合度最高的Matern5/2核高斯过程回归模型，模型的RMSE值为0.0077358，验证实际值与残差验证值如图7所示，拟合程度较高。

通过模拟系统继续随机抽样获取200组数据，仅将抽样的设计参数导入模型得到模型预测的单位面积总能耗结果，将其与系统模拟的能耗总能耗结果比较验证该模型的可行性，将得到的两组能耗结果数据导入SPSS进行配对样本检验，两组数据的标准误差平均值为0.00045，测试结果与模拟结果误差绝对值比对如图8所示，验证结果表明模型预测准确度较高。

该机器学习模型能够帮助设计师更高效快捷预测寒冷地区典型近零能耗办公建筑不同设计参数对应的能耗结果，免去建模模拟等流程的同时节省时间与人力成本，且支持后续软件的开发与应用。