[发明专利]一种建筑多性能导向设计的优化方法

权利要求书

1.一种建筑多性能导向设计的优化方法，其特征在于，该方法包括以下步骤：

步骤1、确定建筑设计决策目标及其潜在的影响因素分别作为优化目标和优化变量，并明确约束条件，从而构建优化模型；

所述优化模型包括优化目标、优化变量和约束条件三部分：

优化目标至少包括建筑全年供暖能耗需求、建筑全年供冷能耗需求和建筑全年热舒适性水平，分别用供暖能耗密度HEUI、供冷能耗密度CEUI和全年舒适性小时比例作为度量指标；HEUI和CEUI的计算公式如下：

其中，EU_hi和EU_ci分别表示逐时的供暖能耗需求和供冷能耗需求，N_h表示全年采暖时数，N_c表示年度冷却小时数，M表示空调面积；

采用年度累积舒适度CTR作为热舒适措施，CTR计算公式如下：

其中，T表示舒适度指标，N_P表示总小时数，T_upper和T_lower为热舒适区的上下边界；

T_upper和T_lower的计算公式如下：

其中，T_c表示室内热中心温度，T_d表示热舒适带宽，当考虑到80％的可接受性，热舒适带宽为7℃；

优化变量至少包括外墙和屋顶的保温、密度、比热，外窗的保温、太阳得热系数，建筑形态相关的窗墙比、气密性、建筑布局这些设计参数；

约束条件为优化变量的取值范围，其主要受限于需要满足的建筑设计标准；

步骤2、获取具有统计代表性的建筑性能样本库，该步骤包括优化变量样本矩阵的构建、建筑物理模型的设定、建筑性能输出矩阵的构建以及建筑多维输入-多维输出样本矩阵的构建：

其中，获取优化变量样本包括指定优化变量的分布形式、确定抽样方法、确定样本大小和执行抽样过程为：对优化变量执行抽样，构建优化变量样本矩阵X，如下式所示：

其中，m、n分别为优化变量编号和样本个数；

建筑物理模型的设定：在EnergyPlus软件中设定边界条件，至少包括天气文件、建筑尺寸，布局，围护结构信息作为非优化参数信息；

建筑性能输出矩阵的构建过程为：依次读取X中的每组优化变量并将其写入EnergyPlus软件的IDF文件，根据时间步长依次执行建筑性能的全年模拟，得到建筑性能输出；

构建优化性能指标矩阵Y，如下式所示:

其中，p为性能指标的编号；

构建多维优化变量输入-多维性能输出的样本矩阵：

步骤3，采用机器学习算法构建优化变量和优化目标之间的简化关系模型，作为代理模型；

步骤4，将代理模型作为优化算法的适应度函数，执行建筑多目标优化，获取帕累托优化结果。

2.如权利要求1所述的一种建筑多性能导向设计的优化方法，其特征在于，所述步骤3的代理模型构建流程包括以下步骤：

建立模型性能度量指标，采用ASHRAE准则14-2002中规定的误差指标作为性能度量指标，当标准平均偏差NMBE和均方根误差变异系数CV-RMSE分别小于±5％和±15％时，模型是准确可靠的；

NMBE和CV-RMSE的计算公式如下：

其中，y_i，分别代表软件模拟实际值，预测值，实际值的均值，n为样本量；

将总样本按照3:1的比例划分为两部分，分别作为训练集和测试集；

以训练集作为基础分别对每个建筑性能进行代理模型训练；

以训练集作为数据基础对训练好的代理模型进行测试，得到训练集的NMBE和CV-RMSE指标；

最后，判断NMBE和CV-RMSE是否分别小于±5％和±15％，以评估模型的精度。

3.如权利要求1所述的一种建筑多性能导向设计的优化方法，其特征在于，所述步骤4的优化解识别流程包括以下步骤：

设定超参数，包括竞赛规模、种群大小、交叉概率、变异概率和最大遗传代数；

设定优化变量及范围；

设定NSGA-II算法的适应度函数；

随机产生第一代种群，种群即为设计方案；根据适应度函数计算适应度函数值；

判断是否进化到最大的代数；若否，则进行选择、交叉和变异进而生成新的种群，并进入下一个循环；若是，则生成优化解。