建筑熱工學和建筑節能研究綜述

熊琦媛　朱蘭

摘 要：在現代化進程不斷推進的環境下，打造綠色低碳生活已成為人們渴望追求的目標，建筑節能是綠色低碳生活中必不可少的環節，本文分析了建筑熱工學和建筑節能的研究現狀。

關鍵詞：建筑熱工學;建筑節能

針對城市綜合體能源管理問題，有研究提出了一種具有層次結構的綜合優化調度與預測控制方案。該方案包括一個優化 uc 能源使用的調度層和一個控制層，控制每個建筑的供暖、通風和空氣調節。在控制層，考慮多層建筑材料圍護結構的熱動力學特性，建立了具有暖通空調系統的單體建筑的詳細物理模型，對其能耗進行了預測。在調度層，基于建筑物的預測能耗，建立了一個多目標優化調度模型，以減小峰谷負荷差，最小化建筑物的運行費用。最后得到最優控制規劃，并將其發布到各個控制器上。數值計算結果表明，該方法可以降低系統的運行成本，減小系統的峰谷負荷差。同時，在室內溫度范圍內可以實現最優控制[1]。

能源建設技術在實現地方能源可持續性的潛力方面受到了極大的關注。有研究以零能耗建筑為研究對象，探討能源負荷與發電機組錯配導致需要足夠大可再生能源系統的零能耗建筑的能源個體化管理問題。具體來說，能源建筑有可控制的供暖、通風和空氣調節（hvac）裝置和可再生能源裝置。在協調能源管理模式下，建筑物以對等模式確定其能源分享概況和社區內的相關支付，而分享能源平衡和支付平衡則需要得到滿足。由于建筑物的自利性，對等能源共享問題被建模為一個具有全局約束的非合作博弈。然后證明了博弈均衡的存在性，并提出了一個求博弈均衡的分散式演算法。通過6棟建筑物和30棟建筑物的案例，驗證了所提出的對等能源共享管理模型的能源效率、經濟效益和可擴展性[2]。

良好的能源性能對于降低能源密集型建筑的能耗具有重要意義。有研究該問題被建模為兩目標優化函數，即最小化能量消耗和最大化舒適度。其次，提出了一種基于骨架粒子群優化的求解算法。針對傳統算法易于局部收斂的缺點，提出了一種改進的自適應擾動更新策略。實驗結果表明，該算法能夠獲得較好的非支配解，明顯優于已有的比較算法。該算法對部分情況下的不適時間減少了11.82%，但能耗僅增加了1.74%。結果表明，該算法是優化建筑能耗偏好的有力工具[3]。

建筑能耗數據分析是智能城市發展研究的一個主要分支。常用的建筑能耗預測 bp 神經網絡模型存在物理意義不清、數據泛化能力差、擬合精度低等問題。為此，有研究提出了一種基于cm-gwo-bp 神經網絡的建筑用電量綜合預測模型。優化誤差反向傳播神經網絡預測模型（gwo-bp）。實驗結果表明，與樣本預測精度指數百分比誤差（rmspe）相比，fcm 聚類后的 gwo-bp 神經網絡與 bp 模型相比減少了約0.225，與 gwo-bp 模型相比減少了約0.135，預測精度最多提高了75%。平均絕對誤差（mape）分別降低了14.41% 和6.48%。可以看出，該模型具有較強的泛化能力，預測精度和可靠性較好，完全能夠滿足實際工程的需要[4]。

陽光是最容易接近的環境因素之一，已被用作一次能源。采用模擬的方法和工具，在光架的基礎上，研究了室內空間采光分布對居住建筑熱舒適條件和能耗的影響。首先，采用參數化方法研究了燈架設計參數（包括燈架角度、燈架深度和燈架數量）對建筑總能耗（包括供暖、供冷和電能）和不滿意人群預測百分比兩個目標函數的影響。結果表明，西向的最佳角度為24.37 m，南向的最佳深度為0.571 m，東向的最佳數量為4個，南向的最佳角度為89.62 m，東向的最佳深度為36.51 m，東向的最佳深度為0.659 m，東向的最佳數量為4個。此外，結果表明，光架的最佳工況使加熱、冷卻和電能消耗分別減少了27.819 kwh / m2、49.176 kwh / m2和34.853 kwh / m2[5]。

光催化自我清潔“涼爽”的屋頂和墻壁可維持高反照率，節省建筑物的冷卻能源，減少用電高峰期的用電需求，以及緩解城市熱島效應。其他環境效益則來自其減少污染的特性。兩種不同的光催化建筑薄膜和一種非光催化控制方法的樣本沿垂直方向向西暴露兩年，在加利福尼亞州的三個地點每季回收一次進行測試。光催化材料具有良好的自清潔性能，反照率保持在0.74-0.75之間。相比之下，對照材料的反照率損失高達0.10個單位，掃描電子顯微鏡觀察到明顯的污染。在60 °c 時，光催化劑的無去除率和無 x 沉積率因接觸地點、天氣條件和光催化材料的性質而不同，從而評估光催化劑的去污能力。觀察到季節效應，旱季有部分抑制作用，雨季有部分激活作用[6]。

參考文獻

[1]Shichang Cui，Jiang-Wen Xiao. Game-based peer-to-peer energy sharing management for a community of energy buildings[J]. International Journal of Electrical Power and Energy Systems，2020，123.

[2]Ying Tian，Junqi Yu，Anjun Zhao. Predictive model of energy consumption for office building by using improved GWO-BP[J]. Energy Reports，2020，6.

[3]王登甲，吳航，劉艷峰，王瑩瑩，王麗娟，劉加平.孤立島礁自持化光伏空調建筑能量平衡優化匹配研究[J].太陽能學報，2020，41（07）：105-112.

[4]段中興，梅思雨.基于數據挖掘的建筑能耗異常檢測研究[J].計算機測量與控制，2020，28（07）：253-259.

[5]黃林成.基于Node.js的建筑能耗評估系統的設計[J].價值工程，2020，39（20）：193-194.

[6]李躋嶸.纖納光電：領航光伏產業綠色轉型，助力近零能耗建筑發展[J].國際融資，2020（07）：28-30.