关键词:
相变储能建筑
建筑性能
参数化建模
能耗预测
多目标优化
摘要:
相变材料作为一种新型储能材料,其在建筑领域的应用研究日益受到关注。相变材料可以在温度变化时吸收或释放大量热量,从而实现建筑能源的高效利用,并减少建筑领域的碳排放。然而,影响相变储能建筑节能减排效果的因素众多,且由于相变储能建筑投资成本较高,限制了其大规模应用和普及。采用人工智能技术对相变储能建筑能耗进行精准预测,有利于进行相变储能建筑优化设计,从而减少建筑运营能耗及碳排放,并提高经济收益,实现相变储能建筑多目标优化。
首先,本文采用数值模型(Design Builder),通过模拟不同相变储能建筑设计方案,并获得相应的建筑能耗数据,从而生成数据集,为机器学习模型预测提供数据输入。为考虑综合建筑设计,本文考虑了多种主要影响建筑性能的被动式设计策略(相变材料层布置位置、相变材料层厚度、窗墙比、外窗U值、外窗SHGC值。其次,本文构建8种不同的异构机器学习模型(多元线性回归、岭回归、支持向量回归、随机森林、极端随机森林、梯度提升决策树、ADBoost和XGBoost)及集成所有机器学习模型的Stacking模型,通过对比建筑能耗预测性能,选取预测最为精确的模型与NSGA-Ⅲ优化算法进行集成,进行相变储能建筑性能多目标优化研究。接着,基于该人工智能的相变储能建筑多目标优化框架,通过优化建筑设计以同时满足建筑能耗、全生命周期经济收益和全生命周期节碳量的三个目标。研究结果表明,Stacking模型具有最好的预测性能,在测试阶段的R2为0.97。此外,Stacking模型与NSGA-III多目标优化算法相结合,优化相变储能建筑围护结构设计。与参考建筑相比,相变储能建筑的最佳设计方案使建筑能耗降低45.38%,全生命周期节碳量为10.75 kg-CO2.e/m2。此外,在建筑使用期限内,经济效益为452.21元/m2。
此外,不同建筑节能指标对于建筑能耗水平评估不尽相同,极大程度影响了建筑优化设计方向。本文发现随着人员占用率的增加,单位建筑面积能耗增加,单位建筑面积能耗与人员占用率呈正比关系。而人均能耗随着人员占用率增加呈下降趋势。因此,为探究相变储能建筑在综合设计策略下的节能减排设计研究,本文采用Rhino-Grasshopper实现参数化设计和建筑性能模拟一体化,提高相变储能建筑的建模效率,批量化生成能耗数据。本文考虑了不同气候区相变储能建筑的被动式设计策略(相变材料类型、相变材料层厚度、建筑保温层厚度、窗墙比、窗户玻璃类型)和主动式设计策略(人员占用率、通风措施、空调设定温度)对于建筑能耗的影响,并设计以建筑能耗、经济收益和节碳程度的多种不同组合的多目标优化框架,获得实现多个冲突目标同步优化的建筑设计方案,并针对相变储能建筑性能进行优化评估。以单位建筑面积能耗和人均能耗为目标的帕累托最优解集为例,深圳地区相变储能建筑使用工业石蜡为相变材料可实现筑面积能耗减少53.28%,人均能耗减少34.23%;而在沈阳可实现单位建筑面积能耗减少30.18%,人均能耗减少29.96%。
本文的研究为相变储能建筑提供了高效、准确的多目标优化框架,综合评估相变储能建筑设计,在建筑节能领域中具有实用价值。