严寒地区大空间建筑数字化节能设计研究

摘要：能源危机与碳排放已成为全球化问题，尤其在冬季采暖能耗巨大的我国严寒地区较为严重。此外，包括大空间建筑在内的公共建筑消耗大量能源，从而引起广泛关注。然而，绿色建筑性能评价时常遇到复杂的权衡问题。多目标优化方法可以有效解决这一问题，帮助设计师获得更多可行方案，并在设计决策方面存在较大优势。与此同时，BIM技术的发展使整合几何建模、性能模拟工具及优化算法成为可能，并在建筑全生命周期信息管理上较为突出。本文基于Revit-Dynamo这一参数化平台，旨在提出一种基于BIM的建筑多绿色性能目标优化方法，在使采光性能最优化的同时降低能耗与碳排放水平。文章详细阐述了多目标优化设计流程，并通过案例研究佐证其适用性。实验结果表明，建筑绿色性能随着迭代次数的增加而逐步提升，进而证明该方法在提升严寒地区大空间建筑绿色性能方面的有效性。

关键词: BIM;多性能目标优化；采光；能耗；碳排放；严寒地区

1 背景概述

随着化石燃料的短缺和全球变暖的威胁，能源消耗和碳排放引起了广泛的关注，特别是在建筑业。鉴于冬季的寒冷气候，我国严寒地区建筑与其他地区相比，采暖能耗和二氧化碳排放量十分可观。根据最新数据显示，我国2016年度建筑碳排放总量多达19.6亿吨，占国内碳排放总量的19%。采暖地区的平均碳排放量为2.66吨/人，是非采暖区碳排放量的2倍。对严寒地区来说，以黑龙江省为例，其碳排放密度为56 kgCO2/m2,多于北方其余采暖区18 kgCO2/m2。由此可见，严寒地区与我国其余地区相比，节能减排任务迫在眉睫。与此同时，包括大空间建筑在内的公共建筑碳排放密度水平同样较高，约为我国其他类型建筑的2.09倍。因此，探讨严寒地区大空间建筑的绿色性能具有重大意义。大空间建筑的绿色性能主要包括采光性能、建筑能耗与建筑碳排放。值得关注的是，采光性能提升的同时势必会引起能耗与碳排放量的增加。为有效解决这一复杂的决策权衡问题，笔者引入多目标优化算法，在初步创作方案的基础上求得采光、能耗与碳排放性能目标均优的设计方案。随着计算性设计工具的蓬勃发展，BIM逐渐走上建筑设计的舞台，其在建筑全生命周期信息管理上存在显著优势。同时，BIM的参数化编程技术已趋于成熟，可有效整合几何建模、性能模拟工具及优化算法，为严寒地区大空间建筑的绿色性能多目标优化设计提供契机。在此背景下，本文提出一种基于BIM平台的绿色性能导向设计决策方法，优化严寒地区大空间建筑的采光、能耗与碳排放性能。

2 绿色性能导向的优化设计流程

本方法工作流程引入遗传优化算法，以获得优化问题的性能目标最优值与对应的建筑形体决策变量数值。整个工作流程包括确定优化目标、决策变量选择、参数化建模模拟与多目标优化四个子流程。在第一个子流程中中，需根据严寒地区气候特征及可选择的模拟引擎设定采光、能耗与碳排放为优化性能目标。随后，应根据与优化目标的关联及形态改变可能性选择决策变量，即建筑形体要素。在此条件下，优化目标和决策变量得以集成到建筑信息模型中，进而进入参数模拟建模子流程。在这一子流程中，BIM信息模型整合了两类信息，分别为环境信息与材料属性信息。环境信息包括地理位置信息与气象信息数据。材料属性信息可以划分为不透明材料（墙体、地面、屋面等）与透明材料（窗）。整合了信息的BIM模型分别进入Radiance、Daysim模拟采光性能指标，进入Green Building Studio云端模拟能耗与碳排放数据。在多目标优化子流程中，运用NSGA-II遗传算法通过迭代计算来获得最优方案。该子流程获得的是与设置种群数量相同数量的一系列多样化方案。设计师可在一系列方案集中选择满意的方案。

3 绿色性能导向的优化设计平台

Dynamo是一款基于Revit软件的可视化编程插件，通过连接电池节点与Python编程实现。该Revit-Dynamo多目标优化设计平台由三个部分构成，分别是几何建模、性能模拟与NSGA-II算法优化，如图2所示。在几何建模模块中，可通过Dynamo参数化编程轻松实现创建建筑构件、增加建筑构造层次、修改尺寸与位置等功能。性能模拟模块包含碳排放、能耗与采光模拟。碳排放与能耗模拟部分采用基于DOE-2.2的Green Building Studio云计算，采光模拟引擎则为Radiance与Daysim. 通过调用Ladybug、Honeybee等程序包可沟通不同软件之间的接口。NSGA-II算法优化模块为使用者提供种群数量、目标数量、迭代次数等参数设置界面，最终得出非支配Pareto解集。在此平台中，更新的数据均会反馈给BIM信息模型，从而改变模型的形态与属性，进入下一次的模拟与优化过程。

4 绿色性能导向的优化设计目标

（1）DA