基于遺傳算法的動態光伏遮陽板多目標優化研究

摘 要：為了在建筑動態光伏遮陽板應用中兼顧節能效果和采光效果，本文設計了動態光伏遮陽板多目標優化模型，將房間尺寸、房間結構、空調負荷、用電負荷和光伏遮陽參數等作為輸入量，模擬計算節能率和自然采光照度。利用遺傳算法校正該模型中的室內表面參數，提高多目標優化的質量。將某學生宿舍作為模擬對象，利用該模型計算不同建筑朝向、光伏遮陽板寬度、安裝角度和移動高度的節能率和自然采光變化率。結果表明，多目標優化模型的作用是確定光伏遮陽板的理想參數，提高建筑節能和采光能力。

關鍵詞：遺傳算法；動態光伏遮陽板；多目標優化

中圖分類號：TK 511 " " " " 文獻標志碼：A

光伏遮陽板具有發電和遮陽的功能。該裝置對建筑節能和采光均有較大影響，需要利用動態化的控制達到節能、采光效果。本文將建筑物和光伏遮陽板作為一個系統，設置靜態參數和動態參數，構建計算節能率和自然采光照度的模型。該模型對這類節能裝置的設計、模擬和應用具有一定價值。

1 基于遺傳算法的動態光伏遮陽板多目標優化

1.1 動態光伏遮陽多目標模型構建

動態光伏遮陽多目標優化模型的基本結構如圖1所示，遮陽板能夠同時發揮遮陽和發電作用。該模型的輸入參數分為靜態、動態2類，靜態參數包括建筑結構、建筑尺寸、用電負荷和空調系統等，動態參數為光伏遮陽裝置的參數，例如光伏遮陽板角度、光伏板寬度和光伏板長度等[1]。優化目標有2個。1）建筑物的節能效果。2）建筑物的采光效果。

1.2 基于遺傳算法校正模型室內表面參數

在圖1模型中，可以直接測量房間尺寸、房間結構、用電負荷、空調系統、氣象數據以及光伏遮陽裝置的相關參數。室內表面參數包括反射率和透過率，能夠影響采光效果，改變室內溫度。與反射率有統計學意義的室內結構包括墻體、天花板、樓板、櫥柜和桌椅等。與透過率有統計學意義的室內結構為外窗和內窗。為提高動態光伏遮陽模型的計算精度，需要根據室內空間的實際情況采用數值模擬確定室內表面參數的最佳取值[2]。以下利用遺傳算法校正室內表面參數。

1.2.1 測量建筑光環境

1.2.1.1 測量目標選取

將某學生公寓的1間宿舍作為光環境檢測目標，房間長度為6.3 m，寬度為3.6 m，層高為3.0 m。經過測量，該宿舍的其他參數見表1。宿舍內放置床、衣柜、桌子和椅子。

1.2.1.2 測量結果

在宿舍室內沿進深方向的中軸線設置1條測線，從入戶門至進深末端，沿測線布置5個測點。5個測點之間的間距均為1.26 m，距離地面的高度為0.8 m。使用UT382型照度儀檢測5個測點的照度，檢測時間為9：00—15：00。分別在陰天和晴天檢測照度，當晴天時的檢測結果見表2。

1.2.2 基于遺傳算法的參數校正

1.2.2.1 遺傳算法的應用流程

遺傳算法的主要步驟包括種群初始化、適應度評估、選擇、交叉和變異，在經過多輪重復后，算法收斂，輸出最優解[3]。本文使用Galapagos軟件建立相關的算法環境。在模擬過程中需要設置待優化的變量，針對各個變量設置約束條件，利用目標函數控制優化效果。

1.2.2.2 變量以及約束條件設置

室內表面參數包括反射率和透過率，結合測量目標的實際情況設置變量和約束條件，見表3。

1.2.2.3 目標函數

在優化變量取值的過程中，將表2中的數據作為實測值。利用能耗模擬軟件模擬計算測點1～5的照度，模擬條件與實測條件保持一致。目標函數如公式（1）所示[4]。

（1）

式中：F為模擬數據與實測數據的相對偏差；i為測點編號，取值為1～5的整數；j為變量序號，取值為1～8的整數；Xsij為第i個測點，第j個變量的照度實測值；Xmij為第i個測點，第j個變量的照度模擬值。當F的計算結果最小時，對應的反射率或者透過率為最佳取值。

1.2.2.4 參數優化結果

在Galapagos軟件中設置變量和約束條件，采用迭代運算得到F的最小值。遺傳算法經過1 880次迭代運算后得到了最優解。此時，相對偏差F的最小值為9.41，室內表面參數校正結果見表4。

2 動態光伏遮陽板多目標優化模型仿真檢驗

2.1 仿真方案設計

2.1.1 優化目標

為了檢驗動態光伏遮陽板多目標優化模型的實用效果，利用Galapagos軟件建立多目標優化模型。針對節能效果，將節能率作為評價指標；針對室內采光效果，將自然采光照度（Useful Daylight Illuminance，UDI）作為評價指標[5]。節能率的計算過程如公式（2）所示。

（2）

式中：η為節能率；E0為標準模型的初始能耗；EUI為能源使用強度；PVE為建筑光伏發光量；APV為光伏板的總面積。

2.1.2 設置不同的對比因素

2.1.2.1 建筑朝向因素

將圖2的房間作為模擬對象，其外窗安裝光伏遮陽裝置。由于房間朝向對采光效果和建筑能耗控制具有明顯影響，因此在仿真過程中，將建筑朝向分別設置為朝南、朝西以及朝東來模擬計算節能率η和自然采光照度UDI。

2.1.2.2 光伏遮陽裝置的安裝因素

在仿真過程中，將光伏遮陽板的寬度、角度和移動高度作為對比因素，利用仿真數據評價在不同建筑朝向條件下，以上3個因素對節能率和自然采光照度的影響。光伏遮陽板的遮光范圍及其發電能力與其寬度有統計學意義，遮陽和通風效果與其角度有統計學意義，移動高度能夠影響發電時長。因此，光伏遮陽裝置的基本參數與η、UDI之間存在緊密的聯系[6]。最終目的是在不同朝向條件下，當達到最優節能效果和采光效果時，確定光伏遮陽裝置的最佳寬度、長度和角度。光伏遮陽裝置的寬度為0.4 m～2.0 m，遮陽板角度為0°～90°，移動高度為-1.5 m～1.5 m。

2.2 仿真過程

利用第1.1節建立的模型模擬建筑目標的全年光熱環境，得到相應的數據作為仿真環境，獲取目標建筑的能耗數據和采光數據。在模擬過程中，改變光伏遮陽板寬度、移動高度和角度3個變量，同時設置不同的建筑朝向。基于遺傳算法模擬不同參數條件下的η和UDI。

2.3 仿真結果

2.3.1 當建筑朝南時的多目標優化結果

2.3.1.1 光伏遮陽板參數設置

設置10組不同的光伏遮陽板參數，見表5。在10組條件下，模擬光伏遮陽板全年的節能率和自然采光照度變化率。其中，自然采光照度變化率以不安裝遮陽裝置為基準。

2.3.1.2 多目標優化結果

目標建筑在不同條件下全年節能率模擬結果如圖2所示，UDI變化率模擬結果如圖3所示。由數據可知，在兼顧節能效果和采光效果的情況下，組別6對應的節能率為75.01%，略低于最大節能率。同時，與當不采取光伏遮陽時相比，該組別的UDI提高了3.33%，略小于最大值。因此，在10組光伏遮陽設計參數中，組別6為最佳參數取值，能夠更好地滿足南向建筑的節能和采光需求。

2.3.2 當建筑朝東時的多目標優化結果

2.3.2.1 模擬數據

將光伏遮陽板的寬度設置為2.0 m，遮陽板角度從12°增至36°，移動高度從0.9 m升至1.5 m。全年節能率為44.59%～50.34%，UDI全年變化率為-6.15%～1.85%。模擬數據匯總見表6。

2.3.2.2 結果分析

由表6可知，在兼顧采光效果和節能效果的情況下，組別5和組別6的綜合效果比較理想。因此，當建筑朝東時，光伏遮陽板的角度應設置為30°～36°，移動高度應設置為

1.4 m～1.5 m。

2.3.3 當建筑朝西時的多目標優化結果分析

2.3.3.1 模擬數據

將光伏遮陽板的寬度設置為2.0 m，角度為6°～38°，移動高度從0.9 m升至1.5 m。全年節能率的模擬結果為42.21%～45.59%，全年UDI變化率的模擬結果為-4.39%～0.89%。模擬數據匯總見表7。

2.3.3.2 結果分析

由表7可知，在兼顧節能效果和采光效果的情況下，組別2、組別3、組別4、組別6和組別7的綜合效果比較優秀，相互之間的差異比較小。因此，光伏遮陽板的安裝高度應控制為18°～27°，移動高度應控制為1.1 m～1.5 m。

3 結論

光伏遮陽裝置的動態運行方式對建筑物的節能效果和采光效果具有明顯影響，為了兼顧建筑節能和采光，本文設計了多目標優化模型。根據研究內容可以得到以下3條結論。1）動態光伏遮陽多目標優化模型的靜態輸入參數為建筑物結構、尺寸，室內表面反射率、透光率，空調負荷以及用電負荷，其動態輸入參數為光伏遮陽裝置的移動高度、角度和寬度等。該模型將節能率作為節能效果的量化評價指標，將自然采光照度作為采光效果的量化評價指標。2）在靜態輸入參數中，不能直接測量室內表面的反射率、透光率，因此采用遺傳算法對墻體、天花板、地面、衣柜和桌面等表面參數進行迭代優化，校正動態光伏遮陽多目標優化模型的參數精度，提高其對節能率、自然采光照度的計算效果。3）該模型能夠應用于建筑物光伏遮陽裝置設計，包括設定尺寸，控制遮陽角度和移動高度的動態變化范圍，使建筑物節能效果和采光效果較好。

參考文獻

[1]劉洋，于海東，劉文彬，等.基于DTW-兩階四分位的分布式光伏發電異常數據辨識[J].熱力發電，2024，53（7）：34-44.

[2]吳佩芝，徐天奇，李琰，等.考慮預測誤差不確定性的源-荷-廣義儲低碳經濟動態優化調度[J].重慶理工大學學報（自然科學），2024，38（5）：276-285.

[3]余洋，陸文韜，陳東陽，等.光伏波動平抑下改進K-means

的電池儲能動態分組控制策略[J].電力系統保護與控制，2024，52（7）：1-11.

[4]耿志平，高巖.空調負荷主動調控的分布式光伏建筑能源系統優化運行分析[J].建筑科學，2024，40（2）：70-77，110.

[5]張姝，陳豪，肖先勇.基于RBF神經網絡的光伏并網系統自適應等效建模方法[J].電力系統保護與控制，2024，52（4）：77-86.

[6]熊昌全，張宇寧，劉育，等.基于融合SIFT算法的光伏電站安監圖像精準識別技術研究[J].粘接，2024，51（2）：143-146.