[发明专利]装配式钢结构超低能耗建筑多目标优化设计方法及平台

权利要求书

1.一种装配式钢结构超低能耗建筑多目标优化设计方法，考虑装配式钢结构超低能耗建筑成本和能耗两个方面，其特征在于，该设计方法的具体流程是：

1)参数化建模：

由于装配式钢结构超低能耗建筑具有集成房间模块单元的模数化、标准化特点，不同建筑总长以及不同的建筑总宽有着不同的户型布置方式，充分考虑悬臂最小化、参数化布置原则及施工现场的结构装配方式，自动匹配当前建筑总长、建筑总宽的户型布置；

通过调整不同的建筑总长、建筑总宽自动生成符合特定目标的装配式钢结构建筑，通过调整建筑层数，即能完成整栋装配式钢结构的户型布置，再给梁柱赋予材料特性获得钢框架的BIM模型；

对钢框架的BIM模型根据规范进行结构稳定性计算，并统计钢框架的BIM模型中钢结构框架的用钢总量，根据钢单价得到总成本计算中的钢框架成本；

2)建筑能耗影响因素分析：

利用建筑能耗模拟软件逐个分析对建筑能耗有影响的外围护结构材料性能参数的建筑能耗变化，确定对建筑能耗有影响的关键外围护结构材料性能参数的种类及各自的取值范围；

3)建筑能耗预测：

构建基准建筑能耗模型，根据工程地域选定能耗模拟软件中的天气文件，以关键外围护结构材料性能参数为自变量，以能耗模拟软件模拟的相应能耗值作为因变量，并在关键外围护结构材料性能参数各自的取值范围变动，获得关键外围护结构材料性能参数与能耗值对应的建筑能耗数据库；

构建人工智能算法数据库，至少包括XGBoost算法(XGBoost)、Gradient Boosting算法(GBR)、随机森林算法(RFR)、Extra Trees算法(ETR)、高斯过程算法(GPR)和K近邻回归算法(KNR)在内的若干数量的智能算法；

利用建筑能耗数据库，以关键外围护结构材料性能参数为输入，能耗值为输出，训练人工智能算法库中的各种智能算法，找到当前最优的智能算法为建筑能耗预测模型；

在建筑能耗预测模型中找到各个关键外围护结构材料性能参数的贡献值，确定对建筑能耗影响最大的两个关键外围护结构材料性能参数；

4)多目标优化

以建筑总长、建筑总宽、建筑总层数、柱尺寸、梁尺寸、关键外围护结构材料性能参数，构成BIM参数化库，以BIM参数化库的数据为基础，以单位面积建筑成本Cost(x)和单位面积建筑能耗Energy(x)来作为优化的目标函数，按照下式构建多目标优化设计计算模型；

Cost(x)＝TC/(L*W*N)

Energy(x)＝E/(L*W*N)

其中，TC—居住建筑经济费用；L—建筑总长；W—建筑总宽；N—建筑总层数；E—建筑总能耗由步骤3)的建筑能耗预测模型获得；

居住建筑经济费用TC：

其中：C_b—基础墙体成本；C_win—窗户成本；C_r—屋面保温成本；C_w—外墙保温成本；C_d—地面保温成本；r—贴现率；y_i，z_i—更换年限；C_s—系统成本；C_钢—钢框架成本，由步骤1)参数化建模中得到的用钢量*钢单价获得；

多目标优化的约束条件为关键外围护结构材料性能参数的热工系数限值标准约束及钢框架结构的强度、刚度及稳定性约束；

利用多目标优化算法获得最优解，将最优解放入参数化建模流程中的钢框架的BIM模型，获得最终BIM模型，实现装配式钢结构超低能耗建筑的优化设计。