基于BIM模型的低碳節(jié)能建筑材料多目標(biāo)優(yōu)化設(shè)計(jì)

畢瀚文，張足斌

摘要：提出了基于BIM的低碳化工廠房建筑設(shè)計(jì)優(yōu)化框架，通過研究不同玻璃及幕墻材料改進(jìn)的遺傳算法實(shí)現(xiàn)廠房建筑低碳節(jié)能與采光性能的綜合權(quán)衡功能。案例研究表明，通過該框架得到的仿真結(jié)果可以有效實(shí)現(xiàn)廠房建筑節(jié)能的同時(shí)，最大優(yōu)化建筑的照明性能，節(jié)約建筑材料的浪費(fèi)，為建筑專業(yè)人員設(shè)計(jì)低碳建筑提供科學(xué)依據(jù)和參考。研究結(jié)果為化工企業(yè)廠房低碳節(jié)能研究領(lǐng)域做出了貢獻(xiàn)，實(shí)現(xiàn)了基于BIM、遺傳算法和仿真的建筑性能多目標(biāo)優(yōu)化策略，是對既有廠房建筑節(jié)能減排的優(yōu)化設(shè)計(jì)。

關(guān)鍵詞：BIM；低碳；化工廠房節(jié)能建筑；目標(biāo)優(yōu)化

中圖分類號(hào)：TQ171.72;TU531.1文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1001-5922（2023）12-0067-05

Multi-objective optimization design of low-carbon and?energy-saving building materials based on BIM model

BI Hanwen，ZHANG Zubin

（China University of Petroleum（East China），Qingdao 266580，Shandong China）

Abstract：A BIM-based optimization framework for low-carbon chemical plant building design was proposed? comprehensive trade-off function for low-carbon energy saving and light performance of plant buildings by studying genetic algorithms for different glass and curtain wall material.The case study showed that the simulation results obtained through the framework could effectively achieve energy saving in plant buildings ，optimize the lighting performance of the building to the greatest extent，save the waste of building materials，and provide a scientific basis and reference for construction professionals to design low-carbon buildings.The research results can contribute to the field of low carbon energy saving research for chemical enterprise plants，and realize BIM-based multi-objective optimization strategies for building performance，genetic algorithm and simulation，which is the optimal design for energy saving and emission reduction of existing plant buildings.

Key words：BIM; low carbon;chemical plant energy efficient building; target optimization

隨著我國碳減排及碳達(dá)峰政策的大力推廣，我國化工企業(yè)基礎(chǔ)設(shè)施建筑也在不斷追求綠色、低碳。節(jié)能減碳設(shè)計(jì)的難點(diǎn)在于建筑中存在多個(gè)學(xué)科相關(guān)的參數(shù)和變量，這些參數(shù)和變量相互關(guān)聯(lián)、相互影響、相互制約。任何微小的變化都可能對節(jié)能減碳的效果產(chǎn)生重要影響。而BIM技術(shù)在工程節(jié)能方面的應(yīng)用，尤其是在化工企業(yè)的建設(shè)工程中應(yīng)用，其節(jié)能效果的研究還比較局限。因此，在信息科學(xué)、建筑和管理等學(xué)科中，需要運(yùn)用BIM中的信息和參數(shù)的驅(qū)動(dòng)力特性，來反映不同建筑材料下建筑物的能耗關(guān)系?；诖?，提出了基于BIM的低碳化工廠房建筑設(shè)計(jì)優(yōu)化框架，通過研究不同玻璃及幕墻材料改進(jìn)的遺傳算法實(shí)現(xiàn)廠房建筑低碳節(jié)能與采光性能的綜合權(quán)衡功能。

1試驗(yàn)方法

1.1BIM模型的參數(shù)化優(yōu)化設(shè)計(jì)

以某化工企業(yè)創(chuàng)建的廠房建筑形態(tài)與能耗分析BIM模型為研究對象，同時(shí)結(jié)合材料、朝向、體積等參數(shù)，對建筑物的碳排放進(jìn)行了仿真。建筑能耗的結(jié)果是以每年或單元能源消耗指標(biāo)來表達(dá)的。每層的外圍是一個(gè)開放的空間，內(nèi)部包含辦公室和化工有機(jī)、無機(jī)材料存放區(qū)域。建筑高度12 m，總建筑面積約1 642 m2。通過調(diào)整模型層高度、屋頂和墻體材料，獲得更理想的照明模擬效果。樓層高度設(shè)置為3層;玻璃幕墻選擇纖維水泥有機(jī)材料。采光模擬的各項(xiàng)參數(shù)見表1。

采用自適應(yīng)元件對模型的幕墻模組進(jìn)行參數(shù)控制。首先，經(jīng)過適應(yīng)點(diǎn)a、b、c、d，建立基準(zhǔn)點(diǎn)a1、b1、c1、d1，并建立幕墻模塊的外框；創(chuàng)建了如在圖1中所示的幕墻內(nèi)隔離基準(zhǔn)平面。

窗墻率與建筑物的總能量消耗成正向關(guān)系，窗墻率愈高則耗能愈多。但是，窗戶與墻比例的增大會(huì)使建筑的采光變得更好。因而，以這一變數(shù)作為最優(yōu)的指標(biāo)。窗口的高低對化工廠房的采光效果有一定的影響。窗高與建筑節(jié)能中的空調(diào)能量具有極強(qiáng)的相關(guān)性，窗戶高度直接影響著建筑物的外形。所以，選擇窗口高度為影響因素。由于不同的墻體和玻璃材質(zhì)，其透過率、傳熱及遮陰性能都有很大的差別，這將會(huì)對能源消耗和光照效果產(chǎn)生直接的作用，而建材與造價(jià)有很大的關(guān)系，因而把玻璃等材料作為建材的決定因素。最終，對建筑朝向、窗墻比、窗高進(jìn)行了計(jì)算；以玻璃材質(zhì)等11項(xiàng)指標(biāo)作為最優(yōu)的判定指標(biāo)。

考慮到化工廠房建筑朝向變化對能耗和照明模擬的影響，將15°作為朝向參數(shù)的改變。在工程項(xiàng)目按逆時(shí)針方向轉(zhuǎn)動(dòng)的過程中，其方向參量為0°～30°；若以正反時(shí)針方向轉(zhuǎn)動(dòng)，則其方位參量為0°～30°?！豆步ㄖ?jié)能設(shè)計(jì)標(biāo)準(zhǔn)》（GB 50189—2015）[9]要求化工廠房建筑的窗墻比應(yīng)小于70%。由于東立面窗戶墻的比例對光線有很大的影響，因此，在建筑物的西邊，窗墻比的參數(shù)范圍設(shè)定在0%～50%，其余的外立面則設(shè)定在10%～65%。根據(jù)不同方位的窗口高度，夏季高溫冬季寒冷的化學(xué)工廠，其窗口高度的變化幅度一般為1.5～2.8 m。選取的參數(shù)為建筑朝向、層高、窗高度；如：窗戶、墻體比例、建材等。墻體和屋面的導(dǎo)熱性能及窗口的透射量與建材密切相關(guān)。根據(jù) Revit墻壁和窗口資料，可以得到相應(yīng)的外墻、屋頂和窗戶的相關(guān)參數(shù)。在表2中顯示了變量的設(shè)計(jì)和某些初始化數(shù)值。

案例項(xiàng)目設(shè)定8種玻璃材料和7種墻體材料。傳熱系數(shù)和可見光透過率如表3所示。材料信息作為離散變量存儲(chǔ)在列表中，每一種建筑材料都有一個(gè)指數(shù)的數(shù)值。在進(jìn)行 BIM建模時(shí)[10]， Dynamo先從 BIM中讀出物料的相關(guān)數(shù)據(jù)，再以各物料的指數(shù)為判定參數(shù)。該參數(shù)為（0，n+1）（n為總的物質(zhì)）。

1.2優(yōu)化設(shè)計(jì)過程

在NSGA-II基礎(chǔ)上，采用 BIM技術(shù)，參數(shù)驅(qū)動(dòng)，可視化程序設(shè)計(jì)，多目標(biāo)優(yōu)化與建筑性能模擬的有機(jī)結(jié)合。其涉及到各個(gè)平臺(tái)的交互，使用者與系統(tǒng)整合的互動(dòng)。研究主要包括建筑節(jié)能與不同建筑材料下照明效果的BIM技術(shù)。利用Optimo提供的NSGA-II算法進(jìn)行多目標(biāo)優(yōu)化[11-12]，獲得帕累托邊界。

在 BIM建模中，通過對BIM模型的各個(gè)目標(biāo)進(jìn)行了參數(shù)的劃分，并在最優(yōu)階段產(chǎn)生了多種不同的設(shè)計(jì)，并進(jìn)行了性能評(píng)價(jià)。建筑節(jié)能模擬系統(tǒng)采用 Dynamo將 BIM和 GBS相結(jié)合，對全年能耗、空調(diào)能耗和光照能耗進(jìn)行了分析。在帕累托前沿分析模塊中，利用帕累托前沿的數(shù)據(jù)，對化學(xué)工廠的年度能源消耗和光照目標(biāo)進(jìn)行了優(yōu)化、最壞和綜合權(quán)衡的決策變量和 BIM模型進(jìn)行了研究。在能耗節(jié)約評(píng)價(jià)與決策模型中，根據(jù)項(xiàng)目需求和性能指數(shù)，由設(shè)計(jì)者對帕累托邊界進(jìn)行評(píng)價(jià)和確定[13]。

多目標(biāo)最優(yōu)設(shè)計(jì)定義了2個(gè)適合度函數(shù)，即能量指標(biāo)和光照指標(biāo)，在Optimo中，通過NSGA-II算法對決策變量和適應(yīng)度函數(shù)進(jìn)行優(yōu)化。NSGA-II算法通過個(gè)體的非優(yōu)勢階值秩將種群的非劣勢解層次化，在此基礎(chǔ)上，對帕累托優(yōu)化問題進(jìn)行了研究。其精英保存戰(zhàn)略是將親本族 Ci中的優(yōu)良成員引入到子系 Di中，從而避免了父代群體的非劣化。NSGA-II算法中單個(gè)擁塞密度的計(jì)算公式：

Lid=Lid+（Li+1m-Li-1m）÷

（fmaxm-fminm）（1）

式中：L[i+1]m為i+ 1個(gè)體的m個(gè)目標(biāo)函數(shù)的值；fmaxm、fminm分別為該函數(shù)的最大值和最小值。

通過快速非主導(dǎo)排序，將生成多個(gè)邊界集F =（F1、F2，…）。此外，通過精英保留策略，將頂級(jí)群體中的個(gè)體納入新群體。整個(gè)算法所需的時(shí)間復(fù)雜性是 O （N2）。NSGA-II中的跨行采用了一個(gè)單一的交叉點(diǎn)。經(jīng)過交叉運(yùn)算，親本種群和子代種群如式（2）所示：

親本：P1=A1tk+B1

P2=A2tk+B2

子代種群：C1=A1tk+B2

C2=A2tk+B1（2）

根據(jù)親本與子代群體之間的位置關(guān)系，可由分布系數(shù)β=C1-C2P1-P2的值決定。設(shè)父結(jié)點(diǎn)長度為l，每位用ai、bi表達(dá)，將交叉運(yùn)算的地點(diǎn)設(shè)置成k，那么父母C、子代 P和分配因子β的運(yùn)算式子：

P1=∑l-1i=0ai2i

P2=∑l-1i=0bi2i

C1=∑k-1i=0bi2i+∑l-1i=kai2i

C2=∑k-1i=0ai2i+∑l-1i=kbi2i（3）

如果0≤β≤1，則β的概率密度可以簡化為p（β）=12（ηc+1）βηc；如果β>1，β的概率密度為p（β）=12（ηc+1）1βηc+2，其中ηc為非負(fù)實(shí)數(shù)，也稱為交叉系數(shù)。所以，在（0，1）內(nèi)，對均勻分配的隨機(jī)性u(píng)進(jìn)行了運(yùn)算，可以得到β的生成式：

0<β≤1，∫βK0P（β）dβ=u

β>1，0.5+∫βK0P（β）dβ=u

βk=（2u）1ηc+1，0≤u≤0.5

（2（1-u））-1ηc+，u>0.5（4）

當(dāng)ηc的值較大時(shí)，β的值趨于1。這時(shí)，離親本更近的子代群體更有可能被選中進(jìn)入下一代。當(dāng)ηc值較小時(shí)甚至趨于0時(shí)[16]，β值在[0，1]內(nèi)近似均勻分布。在后代群體中，距離父母較近的后代也能被選中進(jìn)入后代群體。

2結(jié)果與分析

在化工企業(yè)廠房中，其中化工設(shè)備、空調(diào)設(shè)備、照明設(shè)備等能源消耗占了絕大部分。在建筑物中，工業(yè)裝備的密集程度與空間的尺寸有著明顯的關(guān)系，而工業(yè)裝備的數(shù)目往往是按建筑的面積來進(jìn)行的[17]，因此當(dāng)占地不變時(shí)，其能源消耗是比較平穩(wěn)的。所以，在能量特性的基礎(chǔ)上，選擇了空調(diào)和燈光的能量消耗指標(biāo)。該工程地處長江中上游的一座化工廠，地處北亞熱帶濕潤氣候[18]，全年雨量約1 106.5 mm，年降雨量117 d，年降水量76%、年平均溫度15.4 ℃。研究建立的建筑能耗與照明性能優(yōu)化模型：

minf1（X）=AEU（X）

maxf2（X）=DLS（X）

X=XBO，XE-WWR，Xw-WWR，Xs-WWR，XN-WWR，

XE-WH，XW-WH，XS-WH，XN-WH，XiGM，XjWM（5）

能耗解析模式的最低限度由 Dynamo確定，并上傳到 GBS用于能耗分析。最后，利用模擬的結(jié)果建立了一個(gè)適合的群體。根據(jù) LEED EQc8.1對DLS對象進(jìn)行了適應(yīng)度功能的設(shè)計(jì)[19]。其能滿足0.15%～0.18%的可見透光率（VLT）和窗墻比（WFR）的乘積。在BIM中使用 Dynamo讀出參數(shù)的方法。LEED EQc8.1的光照特性計(jì)算采用Python-API進(jìn)行。最后，確定符合 LEED得分標(biāo)準(zhǔn)的室內(nèi)空間百分?jǐn)?shù)作為適合度函數(shù)。將最大值設(shè)定在0.75（按照 LEED照明得分的標(biāo)準(zhǔn)）。

實(shí)驗(yàn)結(jié)果顯示，算法的交叉和突變率為0.9，突變幾率為0.01，并對其進(jìn)行了統(tǒng)計(jì)分析。由于能量消耗與光照特性模擬要求經(jīng)常與 GBS及云端呈現(xiàn)業(yè)務(wù)進(jìn)行交互，因此，將模擬次數(shù)設(shè)定為15次，以降低模擬時(shí)間，提高操作效率。通過模擬實(shí)驗(yàn)，得出了1 500個(gè)能量消耗模擬值和3 000個(gè)光照模擬值（LEED EQC8.1為9：00和15：00的光照特性指數(shù)）。

圖3反映了從初始種群中獲得能耗和采光指標(biāo)的帕累托前沿總共經(jīng)過150次迭代的過程。

由圖3（a）第1代種群分布可知，種群為100。該算法在80次迭代后，其分布呈現(xiàn)出較好的收斂性；離開座標(biāo)軸線的解決方案逐步被剔除。后代群體持續(xù)地在坐標(biāo)和原始位置上會(huì)聚，具體如圖3（b）所示。在120次重復(fù)后，群體中出現(xiàn)了一個(gè)比較顯著的帕累托邊界[20]。在一個(gè)比較小的范圍內(nèi)，可以看到一個(gè)可行的解決方案，具體如圖3（c）所示。圖3（d）顯示了150次反復(fù)后得出的帕累托邊界。在最佳方案中，各體子的分配更為均衡，各點(diǎn)各有一個(gè)不占優(yōu)勢的可能解，邊界個(gè)體也被成功地保留了下來。綜上所述，優(yōu)化結(jié)果較為理想。3結(jié)語

研究提出了一種用于化工廠房建筑性能多目標(biāo)優(yōu)化的低碳建筑設(shè)計(jì)新方法，實(shí)現(xiàn)了基于BIM的建筑性能模擬和優(yōu)化，編寫了一種改進(jìn)的遺傳算法NSGA-II，用于Dynamo可視化編程環(huán)境中的多目標(biāo)優(yōu)化，并通過Revit和Dynamo的耦合完成了優(yōu)化過程。優(yōu)化得到的帕累托前沿結(jié)果表明，建筑能耗與照明性能仿真結(jié)果在多參數(shù)驅(qū)動(dòng)下呈負(fù)相關(guān)關(guān)系?？紤]模擬地點(diǎn)氣候、溫度和濕度的影響，得到的主導(dǎo)解在建筑能耗指標(biāo)上最大差異約為25.7%，在照明性能指標(biāo)上最大差異約為16.7%。

由此可見，通過參數(shù)化設(shè)計(jì)進(jìn)行建筑性能模擬分析對于確定低碳節(jié)能化工廠房建筑的性能是非常重要和關(guān)鍵的。

【參考文獻(xiàn)】

［1］馮靜霞，趙恒澤，齊藝裴，等.四硼酸鈉改性水玻璃制備保溫材料及其性能研究[J].硅酸鹽通報(bào)，2022，41（10）：3708-3716.

[2]丁輝，張學(xué)斌，桂和仁，等.漂珠玻璃廢渣制備多孔玻璃材料[J].中國陶瓷，2018，54（6）：66-71.

[3]林劍遠(yuǎn)，趙楚翹.基于混合群智能算法的高鐵站房供冷節(jié)能優(yōu)化應(yīng)用框架研究[J].智能建筑，2022（3）：29-32.

[4]王姣.基于AB價(jià)法的EPC模式在建設(shè)項(xiàng)目中的應(yīng)用研究——以某化工廠建設(shè)為例[J].粘接，2022，49（9）：173-177.

[5]徐偉，金國忠，苗振林，等.基于紅外圖像的變壓器故障在線檢測技術(shù)分析[J].粘接，2022，49（9）：193-196.

[6]山鋒，丑洋.地下管線及構(gòu)筑物物探成果數(shù)據(jù)BIM建模研究[J].粘接，2020，41（5）：112-114.

[7]朱冬飛，陳高威，張軍委，等.基于BIM技術(shù)的鋼筋工程量精細(xì)化計(jì)算方法研究[J].粘接，2022，49（2）：157-163.

[8]任宏濤，郭穎，周文戟，等.資源約束下綠色鋁供應(yīng)鏈網(wǎng)絡(luò)設(shè)計(jì)多目標(biāo)優(yōu)化[J].系統(tǒng)工程理論與實(shí)踐，2020，40（8）：2090-2103.

[9]朱勇.有粘結(jié)豎向預(yù)應(yīng)力施工技術(shù)BIM技術(shù)仿真分析[J].粘接，2022，49（8）：138-141.

[10]郭峰，顏宏亮.基于進(jìn)化算法的高層工業(yè)化住宅碳排放權(quán)衡分析[J].住宅科技，2021，41（12）：55-58.

[11]蒲云輝，王清遠(yuǎn)，李文淵，等.建筑物碳排放量和成本的優(yōu)化設(shè)計(jì)研究[J].成都大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，37（3）：326-330.

[12]公維鳳，王傳會(huì)，周德群，等.雙強(qiáng)度約束下行業(yè)低碳經(jīng)濟(jì)增長路徑優(yōu)化研究[J].中國人口·資源與環(huán)境，2013，23（6）：29-36.

[13]殷明剛，劉羽岱.基于Rhino和Grasshopper平臺(tái)的綠色建筑輔助設(shè)計(jì)工具開發(fā)與驗(yàn)證[J].建筑節(jié)能（中英文），2022，50（3）：64-71.

[14]趙明哲，劉亞麗，張國慶.基于能源互聯(lián)的分布式供能網(wǎng)絡(luò)多目標(biāo)優(yōu)化[J].電力科技與環(huán)保，2021，37（6）：40-50.

[15]康靜，程玉楠，高琪.Vitapex糊劑一次性根管充填與傳統(tǒng)方式對比結(jié)果[J].粘接，2022，49（9）：115-118.

[16]王艷，孫虎.基于人為疏導(dǎo)方案的鋼管混凝土拱橋結(jié)構(gòu)安全性能影響分析[J].粘接，2022，49（9）：141-143.

[17]李莉，程發(fā)新，程顯欽，等.基于改進(jìn)多目標(biāo)粒子群優(yōu)化算法的企業(yè)再制造物流網(wǎng)絡(luò)優(yōu)化[J].計(jì)算機(jī)集成制造系統(tǒng)，2018，24（8）：2122-2132.

[18]劉春斌，王琦，王志磊，等.XRMI儀常見故障判斷分析及維修技術(shù)優(yōu)化[J].粘接，2022，49（9）：137-140.

[19]李高潮，盧懷宇，孫啟德，等.基于可再生能源的冷熱電聯(lián)供系統(tǒng)集成配置與運(yùn)行優(yōu)化研究進(jìn)展[J].電網(wǎng)與清潔能源，2021，37（3）：106-119.

[20]吳艷.基于KPCA-ICS-SVM模型的膠粘復(fù)合材料涂層管道外腐蝕速率預(yù)測研究[J].粘接，2022，49（8）：25-31.