基于Dynamo的綠色建筑方案設(shè)計(jì)優(yōu)化

(南京林業(yè)大學(xué) 土木工程學(xué)院，南京 210037)

1 引言

建筑業(yè)是我國國民經(jīng)濟(jì)重要的支柱產(chǎn)業(yè)，也是造成能源耗費(fèi)、環(huán)境污染和生態(tài)破壞的主要原因之一。據(jù)統(tǒng)計(jì)，建筑能耗在我國社會(huì)總能耗中的占比高達(dá)33%，而建筑業(yè)產(chǎn)生的溫室氣體也超過了總量的70%[1]。我國新建房屋面積以每年20億的速度持續(xù)增長,其中 90%以上是高能耗建筑 ,而目前既有的約 430億建筑中, 只有4%采取了能源效率措施，單位建筑面積采暖耗能為發(fā)達(dá)國家新建建筑的3倍以上[2]。“十三五”期間，我國正大力提倡綠色建筑，推廣節(jié)能建筑。方案設(shè)計(jì)是初步設(shè)計(jì)、施工圖設(shè)計(jì)的基礎(chǔ)，對(duì)項(xiàng)目預(yù)期目標(biāo)實(shí)現(xiàn)的影響可達(dá)到70%[3]。如何從提高建筑綜合性能、節(jié)約能源及合理配置資源的角度出發(fā)，提高方案設(shè)計(jì)水平、科學(xué)優(yōu)化設(shè)計(jì)方案，具有重要的意義。

基于環(huán)境性能的綠色建筑方案設(shè)計(jì)優(yōu)化研究受到眾多設(shè)計(jì)、研究人員的關(guān)注。研究主要分為兩類，其一，以單目標(biāo)、離散型設(shè)計(jì)變量、有限個(gè)設(shè)計(jì)方案為研究對(duì)象，在對(duì)目標(biāo)模擬或預(yù)測的基礎(chǔ)上采用枚舉法實(shí)現(xiàn)方案優(yōu)選；文獻(xiàn)[4]基于風(fēng)環(huán)境模擬技術(shù)，研究了合理風(fēng)速、風(fēng)壓和舒適度約束下的最優(yōu)建筑體塊布局方案。文獻(xiàn)[5]建立了建筑節(jié)能優(yōu)化的正向計(jì)算和反向優(yōu)化流程；文獻(xiàn)[6]選取6項(xiàng)設(shè)計(jì)因素通過正交試驗(yàn)和列表法組織能耗模擬實(shí)驗(yàn)，獲取最終節(jié)能優(yōu)化方案；其二，設(shè)計(jì)目標(biāo)采用兩2-3個(gè)目標(biāo)，對(duì)設(shè)計(jì)決策因素進(jìn)行初選，在對(duì)各目標(biāo)數(shù)據(jù)進(jìn)行模擬的基礎(chǔ)上，采用智能優(yōu)化算法如遺傳算法進(jìn)行方案優(yōu)選。如文獻(xiàn)[7]在利用Energyplus進(jìn)行大量的能耗和熱舒適模擬的基礎(chǔ)上，以模擬數(shù)據(jù)對(duì)建立的GA-BP預(yù)測模型進(jìn)行訓(xùn)練，最后將訓(xùn)練后的預(yù)測模型作為NSGA-Ⅱ算法的適應(yīng)度函數(shù)，進(jìn)行以能耗和熱舒適為目標(biāo)函數(shù)的多目標(biāo)優(yōu)化。

以往研究存在以下不足：1)優(yōu)化目標(biāo)多為單一性能目標(biāo)，沒有實(shí)現(xiàn)多性能目標(biāo)綜合優(yōu)化；設(shè)計(jì)參數(shù)選取具有主觀性，且多為離散型參數(shù)，只能在通過枚舉法在有限方案中尋優(yōu)；2)雖然基于多目標(biāo)并對(duì)設(shè)計(jì)因素進(jìn)行了遴選，但對(duì)目標(biāo)數(shù)據(jù)模擬和方案智能尋優(yōu)是相互獨(dú)立、分離的過程，增加了方案優(yōu)選的難度。Wang Wei-min[8]試圖建立一個(gè)綜合的設(shè)計(jì)方案環(huán)境性能綜合優(yōu)選系統(tǒng)，但是迄今沒有推廣應(yīng)用。

針對(duì)以上問題，本文基于參數(shù)化設(shè)計(jì)理論，在分析、提取方案設(shè)計(jì)階段影響環(huán)境性能關(guān)鍵設(shè)計(jì)因素的基礎(chǔ)上，建立以能耗和自然采光為目標(biāo)函數(shù)的設(shè)計(jì)優(yōu)化模型，以遺傳算法NSGA-II作為方案搜索引擎，應(yīng)用GBS(Green Building Studio)和Dynamo對(duì)模型進(jìn)行求解，尋求最優(yōu)設(shè)計(jì)方案。

2 理論方法

2.1 方案參數(shù)化設(shè)計(jì)

參數(shù)化設(shè)計(jì)基本原理是將建筑設(shè)計(jì)因素轉(zhuǎn)化為函數(shù)變量，將方案生成邏輯、法則轉(zhuǎn)化為函數(shù)關(guān)系或算法，通過函數(shù)變量驅(qū)動(dòng)函數(shù)或算法生成設(shè)計(jì)方案參數(shù)模型[9]。參數(shù)化設(shè)計(jì)使設(shè)計(jì)方案模型更趨于理性,其根本目標(biāo)是能夠方便快捷地產(chǎn)生數(shù)個(gè)設(shè)計(jì)方案，便于后期的深化與實(shí)施[10]。Dynamo是Autodesk公司提供的一種基于Revit的高效的建筑參數(shù)化設(shè)計(jì)工具，將三維正向建模與參數(shù)化建模有機(jī)結(jié)合，既可以將三維模型的設(shè)計(jì)信息以參數(shù)化的形式導(dǎo)出，也可以將參數(shù)化設(shè)計(jì)信息導(dǎo)入形成三維模型。用戶僅需掌握一定的編程邏輯知識(shí)，按照相應(yīng)的建模思路和方案，組織連結(jié)預(yù)設(shè)的節(jié)點(diǎn)，即可形成一個(gè)執(zhí)行程序[11]。這些程序就是參數(shù)化設(shè)計(jì)的“源代碼”，運(yùn)行程序生成幾何關(guān)系復(fù)雜又包含大量信息的參數(shù)模型。模型生成后，可借助性能模擬軟件進(jìn)行方案分析，依據(jù)分析結(jié)果調(diào)整相關(guān)設(shè)計(jì)參數(shù)，快速生成新的設(shè)計(jì)方案[12]。參數(shù)化方法更具邏輯性且更為精確，同時(shí)避免了重復(fù)建模工作，體現(xiàn)出參數(shù)化設(shè)計(jì)高效、優(yōu)化的基本思想[13]。

由于建筑方案設(shè)計(jì)目標(biāo)的多樣性，需要考慮的設(shè)計(jì)因素眾多，性能模擬分析得到的單一結(jié)果只能作為方案選擇考慮的目標(biāo)之一，枚舉法、簡單優(yōu)化算法等方案優(yōu)選方法已不能滿足要求，為進(jìn)一步提升方案尋優(yōu)效率，在參數(shù)化設(shè)計(jì)過程中引入智能優(yōu)化算法，并通過Dynamo可視化編程手段將性能模擬系統(tǒng)與智能優(yōu)化系統(tǒng)相結(jié)合，形成基于Dynamo的多目標(biāo)優(yōu)化流程，如圖1所示。

2.2 遺傳算法

智能優(yōu)化算法眾多，其中以遺傳算法(Genetic Algorithm)較為常見，它是一種借鑒生物界適者生存、優(yōu)勝劣汰進(jìn)化規(guī)律演化而來的算法，突破了傳統(tǒng)優(yōu)化算法計(jì)算效率抵、全局搜索能力弱、應(yīng)用范圍小等局限。基本遺傳算法主要包括編碼、初始種群設(shè)定、適應(yīng)度評(píng)價(jià)、基本遺傳操作(選擇、交叉、變異)和終止條件判斷等過程。本文采用NSGA-Ⅱ算法作為方案搜索引擎，它是在NSGA(Non-dominated Sorting Genetic Algorithm)的基礎(chǔ)上改進(jìn)而來(快速非支配排序算子設(shè)計(jì)、個(gè)體擁擠度距離算子設(shè)計(jì)和精英策略選擇算子設(shè)計(jì))[14-15]。憑借解集收斂性好、運(yùn)行速度快等優(yōu)點(diǎn)，NSGA-Ⅱ成為目前最常用的多目標(biāo)優(yōu)化算法之一。遺傳算法得到的結(jié)果是pareto解集，而非單一解。設(shè)計(jì)師根據(jù)實(shí)際需求從pareto解集中選擇滿意的解作為最終解。

圖1 參數(shù)化設(shè)計(jì)多目標(biāo)優(yōu)化流程圖

3 綠色建筑環(huán)境性能目標(biāo)和設(shè)計(jì)因素

3.1 綠色建筑環(huán)境性能目標(biāo)

建筑環(huán)境性能指室內(nèi)外物理環(huán)境質(zhì)量，包括自然采光、風(fēng)環(huán)境、聲環(huán)境、熱環(huán)境以及建筑能耗等[16]。為滿足綠色建筑“四節(jié)一環(huán)保”(節(jié)能、節(jié)水、節(jié)地、節(jié)材和保護(hù)環(huán)境)乃至更高的要求，這些環(huán)境性能都應(yīng)是方案設(shè)計(jì)考慮的目標(biāo)。據(jù)統(tǒng)計(jì)，我國每年約有16-20億新增建筑，其中超過97%為高能耗建筑，預(yù)計(jì)到2020年，全國高耗能建筑面積將達(dá)700億。建筑節(jié)能已然成為綠色建筑設(shè)計(jì)關(guān)注的焦點(diǎn)。另一方面，自然光的合理利用除了可以營造舒適的室內(nèi)環(huán)境外，還能減少為滿足使用要求產(chǎn)生的人工照明耗能量。更有研究表明，光環(huán)境是影響建筑能耗的主要原因之一[1]。此外，遺傳算法結(jié)果的可視化表現(xiàn)形式僅限于二維或三維圖，因此本文選取建筑能耗和采光性能作為綠色建筑方案設(shè)計(jì)優(yōu)化目標(biāo)。

3.2 方案設(shè)計(jì)因素提取

建筑設(shè)計(jì)參數(shù)即設(shè)計(jì)師在不同設(shè)計(jì)階段所考慮的各種設(shè)計(jì)因素，按參數(shù)是否連續(xù)，可將其分為連續(xù)型參數(shù)(C:continues)和離散型參數(shù)(D:discrete)。2016年11月住建部頒發(fā)了《建筑工程設(shè)計(jì)文件編制深度規(guī)定》，對(duì)各設(shè)計(jì)階段設(shè)計(jì)文件的編制內(nèi)容和編制深度作了進(jìn)一步明確規(guī)定。2017年發(fā)布的《建筑工程設(shè)計(jì)信息模型交付標(biāo)準(zhǔn)》(征求意見稿)也規(guī)定了不同設(shè)計(jì)階段的建筑工程信息模型需要滿足相應(yīng)模型精細(xì)度(信息粒度和建模精度)的要求。

以上述兩份文件和相關(guān)文獻(xiàn)[17]為依據(jù)，提煉出建筑方案設(shè)計(jì)階段影響環(huán)境性能的關(guān)鍵設(shè)計(jì)參數(shù)集以供參考，如表1所示。影響能耗和采光的設(shè)計(jì)參數(shù)眾多，針對(duì)關(guān)鍵參數(shù)進(jìn)行優(yōu)化才能事半功倍。參考建筑設(shè)計(jì)參數(shù)集和前人研究成果[6, 18]，分析確定了如下7個(gè)常用設(shè)計(jì)參數(shù)：窗墻比、窗類型、建筑朝向、傳熱系數(shù)、體形系數(shù)、暖通空調(diào)系統(tǒng)類型、遮陽板尺寸。

4 方案設(shè)計(jì)環(huán)境性能優(yōu)化模型

建筑年度能耗量，主要包括年度燃料用量和年度耗電量。其中前者以天然氣作為基礎(chǔ)性能源進(jìn)行計(jì)量，主要為采暖能耗，后者主要包括空調(diào)和照明能耗[19]。因能源類型不統(tǒng)一，故以年度能耗費(fèi)用來表征年度能源消耗量。采光系數(shù)是采光設(shè)計(jì)的重要評(píng)價(jià)指標(biāo)之一[20]，其值應(yīng)滿足現(xiàn)行《建筑采光設(shè)計(jì)標(biāo)準(zhǔn)》GB50033-2013(下稱《標(biāo)準(zhǔn)》)的要求。而綠色建筑主要功能房間采光系數(shù)滿足《標(biāo)準(zhǔn)》要求的面積比例達(dá)到60%，才能進(jìn)行室內(nèi)光環(huán)境評(píng)分項(xiàng)評(píng)分，比例越大評(píng)分越高[21]。

本文以年度能耗費(fèi)用最小化，滿足《標(biāo)準(zhǔn)》采光系數(shù)要求的面積比例最大化為方案搜索方向，目標(biāo)函數(shù)如下：

minEcost=FE(x')·CE

(1)

(2)

x'=[x1,x2,···,xm]

式中：Ecost為建筑總能耗費(fèi)用；FE為能耗量；CE為能源單價(jià)；x'為約束變量(窗墻比、窗類型、建筑朝向、傳熱系數(shù)、體形系數(shù)、暖通空調(diào)系統(tǒng)類型、遮陽板尺寸等)；PL為達(dá)到采光系數(shù)要求的面積占采光分析總面積的比例；FL為采光系數(shù)；Ssum為采光分析總面積；n為參與采光分析的房間數(shù)；Si為第i個(gè)房間達(dá)到采光系數(shù)的面積。

表1 方案設(shè)計(jì)階段建筑設(shè)計(jì)參數(shù)集

表2 NSGA-Ⅱ算法關(guān)鍵節(jié)點(diǎn)

圖2 NSGA-Ⅱ 算法工作空間

5 模型求解

5.1 NSGA-II算法設(shè)計(jì)

在Dynamo“軟件包”菜單欄中可下載安裝用戶自行開發(fā)、上傳的各種功能的軟件包。這極大的擴(kuò)充了Dynamo的能力范圍，提高了使用者的工作效率。NSGA-Ⅱ 算法包含在名為Optimo的軟件包內(nèi)，其關(guān)鍵節(jié)點(diǎn)如表2所示。按照NSGA-Ⅱ算法邏輯進(jìn)行節(jié)點(diǎn)連結(jié)，形成算法工作空間，如圖2所示。算法的編碼方式、交叉概率、變異概率等都已設(shè)置完成并封裝在了算法節(jié)點(diǎn)內(nèi)，所以只要完成目標(biāo)函數(shù)和相關(guān)參數(shù)(如：種群規(guī)模、約束變量及其范圍、最大迭代次數(shù)等)的設(shè)置即可運(yùn)行算法，簡化了傳統(tǒng)繁瑣的編程工作。

5.2 能耗仿真模擬計(jì)算

建筑能耗在社會(huì)總能耗中占有相當(dāng)大的比重，但由于建筑系統(tǒng)的復(fù)雜性，難以通過簡單計(jì)算量化能耗。所以借助BIM技術(shù)應(yīng)用體系下的IT云框架——GBS(Green building studio)進(jìn)行能耗模擬計(jì)算，實(shí)現(xiàn)目標(biāo)函數(shù)評(píng)價(jià)。

GBS是一款基于Web的性能模擬工具，以DOE-2為計(jì)算引擎。在Revit平臺(tái)下，用戶可將Revit模型直接轉(zhuǎn)換為能耗分析模型，無需重新創(chuàng)建分析模型。轉(zhuǎn)換完成后生成gbXML(Green Building ExtensibleMarkup Language)文件并上傳到GBS云端進(jìn)行模擬分析。用戶可以到Web端查看分析結(jié)果，亦可將結(jié)果下載到本地進(jìn)行數(shù)據(jù)分析，具體流程如圖3所示。

圖3 GBS能耗模擬流程

Energy Analysis For Dynamo是Dynamo中基于GBS的能耗分析軟件包，通過相應(yīng)節(jié)點(diǎn)的邏輯連結(jié)，實(shí)現(xiàn)上述過程的自動(dòng)化運(yùn)作，無需頻繁手動(dòng)操作。筆者將其分為方案創(chuàng)建與文件生成、方案迭代、文件上傳、結(jié)果下載四個(gè)主要模塊，具體代碼如圖4所示。

圖4 Energy Analysis For Dynamo主要模塊

5.3 采光計(jì)算

Dynamo中包含Honeybee、Daylighting Workflows等采光分析軟件包，但由于針對(duì)不同環(huán)境性能所需的模擬分析模型各不相同，無法利用能耗分析模型進(jìn)行采光分析，所以本文采用《建筑采光設(shè)計(jì)標(biāo)準(zhǔn)》GB50033-2013中的采光計(jì)算公式進(jìn)行采光分析。采光計(jì)算分為側(cè)面采光和頂部采光，兼有兩種采光形式時(shí)，可簡化為側(cè)面采光區(qū)和頂部采光區(qū)分別進(jìn)行計(jì)算，具體計(jì)算公式如下：

側(cè)面采光

(3)

式中：ADF為采光系數(shù)平均值；τ0為采光材料的透射比；Ag為窗的凈表面積 (m2)；At為室內(nèi)(含窗)表面總面積(m2)；ρ為室內(nèi)表面平均反射比；θ為天空遮擋角。

頂部采光

(4)

運(yùn)用Dynamo基本節(jié)點(diǎn)即可編輯采光函數(shù)，并將其以目標(biāo)函數(shù)的形式整合到NSGA-Ⅱ算法程序中。

6 實(shí)例

6.1 項(xiàng)目概況

本研究選取南京市某單層小型藝術(shù)展館為例進(jìn)行方案優(yōu)化，以驗(yàn)證多目標(biāo)優(yōu)化模型的可行性。總建筑面積1600，采用鋼筋混凝土框架結(jié)構(gòu)，無柱大跨結(jié)構(gòu)凈高為6m。該建筑的二維平面圖和Revit三維分析模型如圖5所示。

圖5 二維平面圖和三維分析模型圖

6.2 設(shè)計(jì)參數(shù)選擇及設(shè)置

項(xiàng)目地點(diǎn)設(shè)置為南京，以獲取經(jīng)緯度坐標(biāo)和當(dāng)?shù)貧庀髷?shù)據(jù)。查閱資料并結(jié)合項(xiàng)目周圍環(huán)境擬定建筑朝向?yàn)槟掀珫|20°，天空遮擋角為45°；展館的運(yùn)營時(shí)間為周一至周六，每天9：00至21：00；外墻為輕質(zhì)構(gòu)造，采用低隔熱層。不計(jì)電費(fèi)、天然氣價(jià)格的波動(dòng)，南京市電費(fèi)為0.5283元/kw·h，天然氣為2.5元/m3。

表3 優(yōu)化參數(shù)信息

注：HVAC系統(tǒng)按GBS提供的類型進(jìn)行選擇設(shè)置

HVAC系統(tǒng)營造了舒適的室內(nèi)生活、工作環(huán)境，同時(shí)也是建筑能耗的主要來源之一。其類型的不同帶來能耗上的差異，故將HVAC系統(tǒng)類型作為本案例的優(yōu)化參數(shù)之一。除窗墻比與建筑能耗和采光性能密切相關(guān)外，遮陽設(shè)計(jì)對(duì)二者也有著重要影響[17]，本案例采用水平遮陽方式，通過調(diào)整水平遮陽寬度達(dá)到遮陽要求。此外，案例項(xiàng)目為展館建筑，設(shè)有頂部采光，增加天窗百分比為優(yōu)化參數(shù)。各優(yōu)化參數(shù)具體取值如表3所示，其他設(shè)置為GBS默認(rèn)值。

6.3 模型求解

在Dynamo中完整的模型求解工作空間如圖6所示。NSGA-Ⅱ算法種群規(guī)模設(shè)為50，經(jīng)過20次迭代計(jì)算結(jié)果趨于穩(wěn)定，由Dynamo導(dǎo)出csv文件進(jìn)行可視化(見圖7)。部分代表性pareto最優(yōu)方案如表4所示。

圖6 能耗、采光多目標(biāo)優(yōu)化代碼

序號(hào)窗墻比水平遮陽寬度(m)天窗百分比采光不達(dá)標(biāo)比例(%)年度能耗費(fèi)用(￥)12A0.361.230.4219.36929.760.431.340.3915.76951.3234B0.670.770.5513.76982.280.710.410.5213.17026.05 56C0.560.760.3313.17060.200.830.690.5813.27076.33

(a)第一代種群分布

(b)第10代種群分布

(c)第20代種群分布圖7 種群分布圖

6.4 結(jié)果分析

圖7中(c)圖即為pareto解集，將種群分為A、B、C三個(gè)區(qū)，A區(qū)的采光性能較差，總體能耗費(fèi)用相應(yīng)較少。C區(qū)與A區(qū)相反，采光性能較優(yōu)，但總體能耗費(fèi)用較大。B區(qū)兩種性能都處于一般狀態(tài)。決策者可根據(jù)需要從pareto解集中選取合適方案。

7 結(jié)論

本文以能耗和采光為優(yōu)化目標(biāo)建立多目標(biāo)優(yōu)化模型，在建筑方案參數(shù)化設(shè)計(jì)過程中引入NSGA-Ⅱ算法，并與性能模擬相結(jié)合對(duì)模型進(jìn)行求解，結(jié)果表明：參數(shù)化設(shè)計(jì)方法實(shí)現(xiàn)了設(shè)計(jì)方案的隨改立現(xiàn)，節(jié)約了大量修改時(shí)間；優(yōu)化算法和性能模擬的結(jié)合提升了方案尋優(yōu)的效率；目標(biāo)函數(shù)設(shè)計(jì)過程中參照綠色建筑評(píng)價(jià)標(biāo)準(zhǔn)，使得方案優(yōu)選更具說服力，為決策者提供決策依據(jù)。但仍有以下幾點(diǎn)不足：GBS云端服務(wù)器在國外，大量模擬工作耗費(fèi)時(shí)間仍舊較長；Dynamo中模擬軟件包較少，有待進(jìn)一步開發(fā)；不同性能模擬系統(tǒng)所需的分析模型不同，無法實(shí)現(xiàn)“一模多用”，致使本文的采光分析并未使用性能模擬，對(duì)方案尋優(yōu)準(zhǔn)確性有一定影響。

隨著云端服務(wù)器性能的提升、網(wǎng)絡(luò)帶寬的增加以及Dynamo軟件包兼容性的提高，這些問題都能得到解決。人們生活質(zhì)量在不斷提高，對(duì)建筑各方面的功能要求也在不斷增加，深入研究建筑環(huán)境性能多目標(biāo)優(yōu)化相關(guān)問題有著重要意義。