嚴寒地區辦公建筑天然采光參數化模擬研究

韓昀松，王 釗，董 琪

(哈爾濱工業大學建筑學院，黑龍江省寒地建筑科學重點實驗室，黑龍江 哈爾濱 150001)

嚴寒地區辦公建筑天然采光參數化模擬研究

韓昀松，王 釗，董 琪

(哈爾濱工業大學建筑學院，黑龍江省寒地建筑科學重點實驗室，黑龍江 哈爾濱 150001)

本文旨在提出嚴寒地區辦公建筑天然采光參數化模擬流程，研發天然采光參數化模擬模型，從而提高嚴寒地區辦公建筑天然采光模擬精度與效率。以嚴寒地區某辦公建筑為例展開天然采光參數化模擬與實測，通過模擬值與實測值回歸擬合與誤差分析，驗證提出的天然采光參數化模擬流程與模型應用效果。結果表明，天然采光參數化模擬實現了幾何信息和材料信息的自適應關聯，以及建模工具與模擬工具的數據交互，提高了天然采光模擬建模效率；CIE全陰天條件下，修正Perez天空模型的模擬值與實測值相關系數為97.4%，決定系數為94.9%，均方根誤差為119.8；CIE全晴天條件下，修正Perez天空模型的模擬值與實測值相關系數為95.9%，決定系數為91.9%，均方根誤差為110.9，說明天然采光參數化模擬流程和模型能夠準確模擬嚴寒地區辦公建筑天然采光性能。

天然采光；參數化模擬；辦公建筑；嚴寒地區

引言

良好的天然采光設計不僅有效降低照明能耗，還能顯著提高辦公空間光環境品質。天然采光性能模擬是建筑天然采光設計決策制定的重要依據。天然采光性能模擬計算量大，需依托數字技術，應用天然采光模擬軟件來計算室內天然采光性能[1-4]。然而，既有建筑天然采光性能模擬過程不僅建模復雜，且模擬模型中各項參數無法自適應協同。若建筑設計方案修改則需重復建模，大幅降低了建筑天然采光性能模擬效率，制約了天然采光模擬技術對建筑天然采光設計決策過程的支持作用。

針對上述問題，國內外學者立足數字技術展開了天然采光參數化模擬研究。2013年，石邢基于 Rhinoceros 和 Grasshopper 平臺，通過編寫數據交互程序實現了建筑幾何模型和Ecotect模擬工具的數據交互[5]。2016年A. Lee結合埃及光氣候特征，針對熱帶居住建筑天然采光性能要求，建構了基于Honeybee的天然采光參數化模擬模型，但研究未對模型計算精度進行實測驗證[6]。2016年，Kim結合新加坡地區光氣候特征，基于Grasshopper平臺建構了高層建筑天然采光性能參數化模擬模型，但案例模型過于理想化，且未提出系統化的參數化模擬流程[7]。2016年，邊宇結合廣州光氣候條件，針對某單元式辦公空間天然采光設計問題，基于DIVA探索了天然采光性能參數化模擬策略[8]。上述研究表明：基于參數化模擬平臺研發的天然采光性能模擬工具能夠大幅簡化建模過程，提高天然采光性能模擬效率；同時，不同緯度地區的天空云量等氣候條件不同，且不同建筑類型天然采光性能需求也存在差異，故需因地制宜，結合不同建筑類型特征展開天然采光參數化模擬研究；而且，提出的天然采光模擬模型應結合實測數據進行模擬精度驗證。

嚴寒地區氣候嚴酷，冬季日照時長短，良好的天然采光設計對辦公建筑意義重大，亟待結合嚴寒地區光氣候特征展開天然采光參數化模擬研究。本文旨在基于嚴寒地區光氣候實測數據，綜合參數化編程和建筑信息建模技術，提出適于嚴寒地區辦公建筑天然采光設計問題的天然采光參數化模擬流程和模型，并通過實測與模擬實驗數據對比，驗證其模擬精度，提高嚴寒地區辦公建筑天然采光模擬效率。

1 研究方法

本文首先提出建筑天然采光參數化模擬流程，進而以嚴寒地區典型城市哈爾濱某辦公空間為例，建立基于Grasshopper參數化編程平臺，以Radiance和Daysim為計算引擎，整合DIVA插件模塊的建筑天然采光參數化模擬模型。

1.1 提出天然采光參數化模擬流程

天然采光模擬旨在為設計者制定建筑形態、空間設計決策提供天然采光性能數據參考，模擬輸入參數包括建筑形態、空間設計參數，建筑室內材料光學屬性參數和建筑局地天空亮度參數，輸出參數為建筑天然采光性能數據。因此，研究提出的天然采光參數化模擬流程包括建筑形態空間參數建模、建筑材料光學屬性輸入、局地天空亮度參數集成和天然采光模擬數據交互四項內容，其工作流程如圖1所示。

圖1 天然采光參數化模擬流程Fig.1 The workflow of parametric daylighting simulation

設計者首先展開建筑形態空間參數建模，并建立建筑形態空間參數間的關聯關系，從而使形態空間參數在關聯參量調整時自適應地更新自身參數。例如，設計者調整建筑窗墻比參數和開間進深參數時，建筑外窗尺寸會根據窗墻比參數和開間進深參數的調整，自適應地更新窗寬和窗高，從而大幅提高建筑天然采光模擬建模實驗效率。

隨后，設計者基于對室內建筑材料反射率、透射率等光學屬性參數的實測，建立嚴寒地區辦公建筑室內常用材料光學屬性數據組，設計者可根據需求調用不同材料的光學屬性數據，并將其與建筑形態空間參數建立自適應關聯，從而避免方案調整導致的重復建模，減少模擬實驗耗時。

同時，基于建筑所處局地環境氣象站實測數據和Perez天空模型參數需求，輸入實測日照直射輻射值和散射輻射值計算天空晴朗指數和天空明亮指數，輸入日期時間及地理位置得到太陽天頂角，從而綜合計算天空亮度分布。以基于實測數據計算得出的天空亮度分布替換IWEC數據庫中的直射和散射輻射值，從而對參數化模擬過程采用的Perez天空進行校正，得到基于局地光氣候特征的Perez天空模型，即修正Perez天空模型。

研究將根據天然采光性能模擬所需的建筑形態空間、室內材料光學屬性和天空數據類型要求，將嚴寒地區辦公建筑和光氣候環境信息傳輸至Radiance等模擬工具中，并啟動模擬工具計算天然采光性能指標；結合天然采光設計決策制定需求，研究將應用參數化模擬模型將Radiance、Daysim等模擬工具計算得出的天然采光性能數據反饋至參數化建模平臺，并以分析圖形式反饋給設計者，實現參數化建模工具和天然采光仿真模擬工具的數據交互，為建筑天然采光設計提供決策支持。

1.2 研發天然采光參數化模擬模型

建筑天然采光參數化模擬流程需要技術模型支持，研究將基于Grasshopper參數化建模平臺，應用參數化編程技術整合Rhinoceros建筑信息建模工具、DIVA插件程序和Radiance、Daysim建筑性能模擬工具，研發嚴寒地區辦公建筑天然采光參數化模擬模型。

天然采光參數化模擬模型以Rhinoceros為建筑信息建模工具，其具備標準形態與非標準形態空間建模能力，可有效提高模型應用范圍。研究應用建筑信息建模技術在Grasshopper平臺中建立建筑形態空間參數模塊，且實現各建筑形態空間信息自適應關聯。研發的天然采光參數化模擬模型以Radiance和Daysim為天然采光計算引擎。既有研究結合不同光氣候環境驗證了Radiance和Daysim的模擬計算精度[9-11]，說明其能在多種天空條件下準確預測建筑天然采光性能。Daysim雖為動態采光模擬軟件，但其不具備建模能力，更無法實現天然采光模擬模型各層級信息的參數化關聯，在模擬實驗過程中易因交互誤差影響模擬結果且模擬效率較低，更重要的是Daysim模擬結果只能以網頁形式展現，無法生成可視化圖像且無法將采光計算結果自動反饋至參數化模型，對設計決策支持力度不足。因此，研究基于Python編程語言，結合DIVA插件程序[12]，在Grasshopper平臺中編寫性能模擬工具與建筑建模工具之間的數據交互模塊，實現天然采光模擬工具與參數化建模工具之間的自動數據交互。同時，研究基于建筑形態空間參數模塊，結合對建筑材料反射率等光學屬性參數的實測，應用參數化編程技術在Grasshopper平臺中建立建筑材料光學屬性模塊。

建筑天然采光模擬多選用CIE標準天空模型和Perez天空模型。克里斯托弗·瑞恩哈特(C. Reinhart)基于實驗分析指出基于Perez天空模型的天然采光計算精度優于CIE標準天空模型下的天然采光計算精度，由于CIE天空模型對于局地光氣候環境的還原真實度不足[14]，而Perez天空模型能綜合計算全陰天、晴天等天空條件下的直射光、漫射光對室內天然采光性能的影響[15]，通過各時間點的直射和散射值計算天空亮度分布。嚴寒地區過渡季節天氣多變，其局地光氣候具有鮮明地域性，若采用CIE標準天空模型其天然采光性能模擬誤差較高。因此，天然采光參數化模擬模型建構了天空亮度參數模塊來集成局地天空實測室外散射輻射和直射輻射數據，并基于實測數據修正Perez天空模型，進一步提高模型對局地光氣候環境的反映精度。

嚴寒地區辦公建筑天然采光參數化模擬模型(如圖2所示)實現了參數化建模和天然采光性能模擬一體化，提高了建筑天然采光性能模擬過程自動化水平，降低了人機交互數據傳輸誤差風險，可顯著提高嚴寒地區辦公建筑天然采光性能模擬效率。

2 天然采光實測與模擬實驗

為驗證嚴寒地區辦公建筑天然采光參數化模擬流程和模型的應用效果，研究選取嚴寒地區典型城市哈爾濱某辦公空間展開天然采光實測與模擬實驗，計算辦公空間實測照度值與參數化模擬照度值的擬合度和相對誤差。

2.1 天然采光實測

研究將實測辦公建筑室內照度、局地光氣候數據和室內材料光學屬性參數。實測空間采光窗口朝向東北向，單側采光，進深11.5 m，開間6.05 m，局部開間3.6 m，空間凈高3.3 m，局部凈高4.2 m，室內布置一張木桌和文件柜，桌長3 m，寬1.8 m，高0.8 m(如圖3所示)。

圖3 實測辦公空間Fig.3 Field measurement office space

研究沿外窗底邊中點法線，由近窗處到遠窗處布置1至9號實測點。測點1距外墻內側1 m，各測點間距1 m，測試點距地面高度為0.8 m，其布置如圖4和圖5所示。照度測量工具為Testo-480 照度計(如圖6所示)，實驗選擇過渡季節，測試時間為2016年4月3日至4月16日，周期6天，各測點的照度測量時間為7點至17點，每15分鐘采集一輪數據[10]，且每次測試時，各測點分別測量三次，取平均值作為實測照度值。實測過程中室內人工照明裝置均處于關閉狀態僅天然采光，辦公空間不受其他光源干擾。

圖4 實測辦公空間剖面圖Fig.4 Measured office space section

圖5 實測辦公空間平面圖Fig.5 Measured office space plan

圖6 Testo-480 照度計Fig.6 Testo-480 luminometer

研究在實測期間同時測量室外天空輻射值以及室內材料光學特性。實測室外天空輻射值的觀測地點位于北緯45°45′，東經126°39′的某多層建筑屋頂，測量儀器為PC-4自動氣象站(如圖7所示)。測試點周邊無植被及高大建筑物遮擋，測量滿足《采光測量方法》(GB/T 5699—2008)的相關要求。測試時間點為7點至17點，以每小時內所有實測數值的算術平均值為逐時散射輻射和直射輻射數據(如圖8所示)。實測期間天空狀況包括陰天、晴天和多云多種天氣狀況。

圖7 PC-4自動氣象站Fig.7 pc-4 automatic weather station

圖8 室外直射和散射輻射實測數據Fig.8 The measured outdoor direct and diffuse radiation data

建筑室內材料光學屬性主要包括墻地面、天花板和家具的反射率以及玻璃的透射率。測量方法依據《采光測量方法》(GB/T 5699—2008)，實測建筑墻面與天花板材料相同，研究將分別對各類材料進行三次實測，以三次實測數據的平均值為反射率和透射率數值(如表1所示)。

表1 實測辦公空間主要材料參數

2.2 天然采光參數化模擬

研究應用天然采光參數化模擬模型的建筑形態空間參數模塊，在Grasshopper平臺中建立實驗建筑形態空間模型；應用建筑材料光學屬性模塊輸入實測得出的辦公空間墻地面、天花板及家具反射率、透射率等光學屬性參數，基于實測參數設定模擬模型中的材料光學屬性參數(如表2所示)；應用天空亮度參數模塊集成由室外氣象站實測獲得的哈爾濱地區天空光環境分布數據；應用基于DIVA插件程序的模擬數據交互模塊，輸入建筑天然采光性能模擬計算參數，具體參數設置如表3所示[10]，展開天然采光參數化模擬，并將模擬結果反饋Grasshopper平臺進行三維圖形分析。

表2 材料參數設置

表3 模擬參數設置

對于實測與模擬數據，研究應用相關系數(r)、決定系數(R2)、相對誤差值(Relative Error，RE)、平均誤差(Mean Error, ME)和均方根誤差值(Root Mean Square Error, rmse)分析模擬值與實測值之間的相關性關系。

3 結果分析與討論

研究分別基于CIE標準天空模型和修正Perez天空模型，通過模擬和實測值相擬合的實驗方法，驗證天然采光參數化模擬模型的計算精度。

實測期間天空狀況經歷晴天、多云及陰天天氣，以陰天為主且云量較多；但因實測時期哈爾濱尚屬供暖期，空氣質量較差，多云天氣常伴隨輕度污染情況；因此將CIE標準天空模型分為全晴天和全陰天兩種情況考慮。

1)全陰天天空條件。對測試數據進行篩選，選擇符合CIE全陰天條件的典型數據324組，應用天然采光參數化模擬模型計算各測點的水平照度值，研究將同時刻同測點室內實測照度值與模擬值進行回歸擬合(如圖9和圖10所示)。

圖9 CIE全陰天模擬值和實測值擬合圖Fig.9 Fitting graph of CIE overcast sky simulated and measured data

圖10 修正Perez天空模擬值和實測值散點分布圖Fig.10 Fitting graph of Corrected Perez sky simulated and measured data

擬合結果表明CIE全陰天條件下，室內水平照度模擬值和實測值擬合度較高，其相關系數r為86.6%，決定系數R2為75.1%，且在0.01水平顯著。模擬值與實測值的平均誤差為19.3%，均方誤差根為236.8，其相對誤差數值波動如圖11所示，說明多數測試時間內CIE天空下的天然采光性能模擬值略高于實測值。圖中4月16日的模擬值與實測值相對誤差明顯大于其他實測日期，其原因為4月16日為多云天氣，當日實際天空亮度與CIE全陰天模型天空亮度相差更大，導致模擬結果與實測數據相對誤差高。

圖11 CIE全陰天實測與模擬照度值相對誤差圖Fig.11 Relative Error graph of CIE overcast sky simulated and measured illuminance

修正Perez天空模型下，室內水平照度模擬值和實測值的回歸擬合如圖10所示，表明修正Perez天空下照度模擬值和實測值的擬合度較CIE全陰天下的擬合度更高，其Pearson相關系數r為97.4%，決定系數為94.9%，且在0.01水平顯著；模擬值與實測值平均誤差為0.8%，均方誤差根為119.8，其相對誤差數值波動如圖12所示。由圖可知，在修正Perez天空模型下，天然采光性能模擬值與實測值的相對誤差明顯低于CIE天空模型下的相對誤差，說明隨著天空模型對于實際天空亮度水平還原真實度的提升，天然采光參數化模擬模型對于嚴寒地區辦公建筑天然采光性能的預測精度也隨之提高。

圖12 修正Perez天空實測與模擬照度值相對誤差圖Fig.12 Relative Error graphp of Corrected Perez sky simulated and measured illuminance

2)CIE全晴天條件。對測試數據進行篩選，選擇符合CIE全晴天條件的典型數據180組，應用天然采光參數化模擬模型計算各測點的水平照度值，研究將同時刻同測點室內實測照度值與模擬值進行回歸擬合(如圖13和圖14所示)。

圖13 CIE全晴天天模擬值和實測值擬合圖Fig.13 Fitting graph of CIE clear sky simulated and measured data

圖14 修正Perez天空模擬值和實測值散點分布圖Fig.14 Fitting graph of Corrected Perez sky simulated and measured data

擬合結果表明CIE全晴天條件下，室內水平照度模擬值和實測值擬合度一般，其相關系數r為77.5%，決定系數R2為59.8%，且在0.01水平顯著。模擬值與實測值的平均誤差為8.6%，均方誤差根為357.6，其相對誤差數值波動如圖15所示，說明CIE全晴天天空條件下的天然采光性能模擬值與實測值相對誤差較大，且多數情況下模擬值略小于實測值。

修正Perez天空模型下，室內水平照度模擬值和實測值的回歸擬合如圖14所示，表明修正Perez天空下照度模擬值和實測值的擬合度較CIE全晴天下的擬合度更高，其Pearson相關系數r為95.9%，決定系數為91.9%，且在0.01水平顯著；模擬值與實測值平均誤差為-36.9%，均方誤差根為110.9，其相對誤差數值波動如圖16所示。可知，在修正Perez天空模型下，天然采光性能模擬值低于實測值，且相對誤差明顯低于CIE全晴天天空模型下的相對誤差，說明修正的Perez天空模型較CIE標準天空更接近于實際天空亮度水平，應用修正的Perez天空模型對預測嚴寒地區辦公建筑天然采光性能精度更高。

圖15 CIE全晴天實測與模擬照度值相對誤差圖Fig.15 Relative Error graph of CIE cleart sky simulated and measured illuminance

圖16 修正Perez天空實測與模擬值相對誤差圖Fig.16 Relative Error graphp of Corrected Perez sky simulated and measured illuminance

實驗結果與結合寒冷地區光氣候數據展開的Radiance模擬精度既有研究結果一致[16]，說明修正Perez天空模型對于嚴寒地區辦公建筑天然采光性能模擬精度影響顯著，也驗證了研究提出的天然采光參數化模擬流程和模型能夠準確分析建筑天然采光性能。

4 結論

研究針對既有天然采光性能模擬建模工序復雜、模擬效率低的局限，提出天然采光參數化模擬流程，基于Grasshopper研發天然采光參數化模擬模型，進而以哈爾濱某辦公建筑為例，實測驗證了所提出參數化模擬流程和模型的應用效果，結合實驗數據得出以下結論：

1)應用嚴寒地區辦公建筑天然采光參數化模擬流程和模型計算得出的模擬值和實測值呈現較高擬合度和較小的誤差，說明提出的天然采光參數化模擬流程和模型能夠準確模擬嚴寒地區辦公建筑天然采光性能；

2)提出的參數化模擬流程和模型實現了天然采光模擬過程中形態空間信息、材料光學屬性信息的自適應關聯，避免了重復建模；基于DIVA插件，實現了采光模擬信息向Radiance計算工具的自動輸入，降低了人工輸入錯誤風險，并實現了采光模擬結果的自動反饋，增強了天然采光模擬對采光設計決策制定過程的支持力度；

3)相比采用CIE標準模型展開模擬，采用修正Perez天空模型的建筑天然采光參數化模擬值與實測值擬合度更高，而誤差更小，說明應用修正Perez天空模型能夠提高嚴寒地區辦公建筑天然采光參數化模擬精度。

限于研究周期、實驗場地條件以及實驗所需的設備，本文僅在過渡季展開了東北向采光工況下的天然采光參數化模擬流程與模型實測驗證，對Perez天空模型的太陽輻射值進行了實測修正，后續工作將進一步展開不同建筑朝向和季節下的辦公建筑自然采光參數化模擬擴展研究，結合嚴寒地區不同地區溫度、濕度和氣壓實測數據深入修正Perez天空模型。

[1] REINHART C, FITZ A. Findings from a survey on the current use of daylight simulations in building design[J]. Energy and Buildings, 2006, 38(7): 824-835.

[2] 陸明, 杜江濤. 寒地城市住區天然光獲得量數值分析:靜態模型[J]. 照明工程學報, 2016，27(6):48-52.

[3] 易斌, 袁韜, 楊靜,等. 基于Relux的自然采光與照明節能仿真[J]. 照明工程學報, 2016，27(6): 21-27.

[4] MANGKUTO R A, ROHMAH M, ASRI A D. Design optimisation for window size, orientation, and wall reflectance with regard to various daylight metrics and lighting energy demand: A case study of buildings in the tropics[J]. Applied Energy, 2016, 164: 211-219.

[5] SHI X, YANG W. Performance-driven architectural design and optimization technique from a perspective of architects[J]. Automation in Construction, 2013, 32(4):125-135.

[6] LEE A, ALHADIDI S, HAEUSLER M H. Developing a Workflow For Daylight Simulation Daylight requirements simulation in early design stages to address the Green Star ratings within local regulations[C]// The Association for Computer-Aided Architectural Design Research in Asia. 2016: 363-372.

[7] KIM, HYEONGILL. Study on Integrated Workflow for Designing Sustainable Tall Building-With Parametric method using Rhino Grasshopper and DIVA for Daylight Optimization[J]. Korea Institute of Ecological Architecture and Environment, 2016, 16(5): 21-28.

[8] 邊宇, 馬源, 方小山. 基于參數化模型的建筑采光設計方法[J]. 照明工程學報, 2016, 27(1): 56-59.

[9] MARDALJEVIC J. Validation of a lighting simulation program under real sky conditions[J]. Lighting research and Technology, 1995, 27(4): 181-188.

[10] MARDALJEVIC J. Simulation of annual daylighting profiles for internal illuminance[J]. Lighting Research and Technology, 2000, 32(3): 111-118.

[11] 劉昆明. 全年動態模擬軟件 DAYSIM 在天然采光設計中的適用性研究[D]. 南京:南京大學, 2011.

[12] REINHART C, LAGIOS K., NIEMASZ J. 2011. DIVA for Rhino Version 2.0. http://www.diva-for-rhino.com/.

[13] REINHART C, HERKEL S, The simulation of annual daylight illuminance distributions—A state of the art comparison of six RADIANCE-based methods, Energy & Buildings, 2000, 32 (2): 167-187.

[14] LI D, LAU C, LAM J C. Predicting daylight illuminance by computer simulation techniques[J]. Lighting Research & Technology, 2004, 36(2): 113-129.

[15] 王洪珍. 基于地域性光氣候的建筑采光模擬研究[D]. 天津:天津大學, 2012.

Study on Parametric Daylighting Simulation Method for Office Building in Severe Cold Region

HAN Yunsong, WANG Zhao, DONG Qi

(SchoolofArchitecture,HarbinInstituteofTechnology，HeilongjiangColdRegionArchitecturalScienceKeyLaboratory，Harbin150001,China)

TThe aim of this paper is to propose a parametric daylighting simulation workflow and model to improve the accuracy and efficiency of daylighting simulation for office building in severe cold region, which were applied to simulate daylighting performance for an office building. The regression fitting and error analysis over the simulated and measured values were used to validate the application effects of this simulation workflow and model. The results showed that the parametric daylighting simulation method realized the adaptive connection between geometry and material information, and data interaction between modeling tools and simulation tools, which improved the modeling efficiency of daylighting simulation. Besides, under the CIE overcast sky, the correlation coefficient between simulated and measured data is 97.4%, the determination coefficient is 94.9%, and the root mean square error is 119.8 with the corrected Perez sky.Under the CIE clear sky, the correlation coefficient between simulated and measured data is 95.9%, the determination coefficient is 91.9%, and the root mean square error is 110.9 with the corrected Perez sky which demonstrates that the parametric simulation workflow and model can be used to simulate daylighting performance accurately.

daylighting; parametric simulation; office building; severe cold region

國家自然科學基金面上項目(51578172)資助。

TM923

A

10.3969/j.issn.1004-440X.2017.04.008