居住建筑室內(nèi)熱環(huán)境低能耗營(yíng)造的多目標(biāo)設(shè)計(jì)方法

喻偉，王迪，李百戰(zhàn)

(重慶大學(xué) 城市建設(shè)與環(huán)境工程學(xué)院;教育部綠色建筑與人居環(huán)境營(yíng)造國(guó)際合作聯(lián)合實(shí)驗(yàn)室，重慶 400045)

?

居住建筑室內(nèi)熱環(huán)境低能耗營(yíng)造的多目標(biāo)設(shè)計(jì)方法

喻偉，王迪，李百戰(zhàn)

(重慶大學(xué) 城市建設(shè)與環(huán)境工程學(xué)院;教育部綠色建筑與人居環(huán)境營(yíng)造國(guó)際合作聯(lián)合實(shí)驗(yàn)室，重慶 400045)

人居環(huán)境改善涉及重大民生問(wèn)題，節(jié)能減排是國(guó)家重大戰(zhàn)略。因此,有必要尋求合理的居住建筑設(shè)計(jì)方法，使設(shè)計(jì)方案既滿足居民的室內(nèi)熱舒適需求又能降低建筑能耗。基于多目標(biāo)遺傳優(yōu)化算法，建立能夠?qū)ㄖO(shè)計(jì)方案進(jìn)行優(yōu)化、實(shí)現(xiàn)增加室內(nèi)熱舒適時(shí)間比例的同時(shí)降低建筑全年冷熱負(fù)荷的居住建筑設(shè)計(jì)雙目標(biāo)優(yōu)化模型。最后，以重慶典型戶型為實(shí)例進(jìn)行優(yōu)化，優(yōu)化后的設(shè)計(jì)方案建筑全年冷熱負(fù)荷降低了47.74%，室內(nèi)熱舒適時(shí)間比例提高了3.94%，驗(yàn)證了模型的可行性和準(zhǔn)確性。

熱舒適；建筑能耗；多目標(biāo)優(yōu)化；適應(yīng)度函數(shù)

人的一生有80%的時(shí)間生活在室內(nèi)，改善室內(nèi)環(huán)境質(zhì)量、提高建筑室內(nèi)熱舒適，為居民創(chuàng)造良好的居住環(huán)境對(duì)居民健康和社會(huì)和諧都極為重要。隨著經(jīng)濟(jì)水平快速提高，提升居住空間生活品質(zhì)逐漸成為居民關(guān)注的熱點(diǎn)，改善室內(nèi)熱環(huán)境已經(jīng)變成人民的迫切需求[1]。2014年，中美簽署應(yīng)對(duì)氣候變化和清潔能源合作的聯(lián)合聲明，中方正式提出2030年左右中國(guó)碳排放有望達(dá)到峰值[2]?！吨袊?guó)建筑節(jié)能年度發(fā)展研究報(bào)告2015》[3]指出，2013年中國(guó)建筑總商品能耗已占到全國(guó)能源消費(fèi)總量的19.5%，且呈現(xiàn)逐年上升的趨勢(shì)。因此，減少建筑能耗也已經(jīng)成為了國(guó)家實(shí)現(xiàn)節(jié)能減排的戰(zhàn)略目標(biāo)的重要一部分。然而,室內(nèi)熱舒適和建筑能耗往往是相互沖突的，如果對(duì)建筑室內(nèi)熱舒適的要求提高，往往會(huì)帶來(lái)建筑能耗的增加[4-5]。要想在保障室內(nèi)熱舒適的同時(shí)減少建筑的能耗，就需要對(duì)建筑設(shè)計(jì)方案進(jìn)行綜合優(yōu)化，尋求最優(yōu)設(shè)計(jì)方案。

在建筑方案設(shè)計(jì)中存在繁多的設(shè)計(jì)變量，例如，圍護(hù)結(jié)構(gòu)的熱工特性、窗墻比、朝向等。大量設(shè)計(jì)變量與室內(nèi)熱舒適及建筑能耗之間存在著非線性復(fù)雜耦合關(guān)系，導(dǎo)致設(shè)計(jì)師在優(yōu)化時(shí)，一方面有許多可供選擇的優(yōu)化組合，另一方面無(wú)法直觀地判斷各設(shè)計(jì)組合是否產(chǎn)生了理想的效果，最終導(dǎo)致設(shè)計(jì)方案減少了能耗也減少了室內(nèi)熱舒適或者既減少了室內(nèi)熱舒適又增加了能耗，搜索不到最佳的設(shè)計(jì)方案[6-7]。大多數(shù)的建筑優(yōu)化應(yīng)用研究都集中在以建筑能耗、經(jīng)濟(jì)成本等方面為主的研究，而以降低建筑能耗的同時(shí)改善室內(nèi)熱舒適為優(yōu)化目標(biāo)的系統(tǒng)研究較少。Coley等[8]以成本和能耗為目標(biāo)，研究地中海低能耗建筑設(shè)計(jì)方法；Shi[9]以減少保溫材料使用和降低能耗為導(dǎo)向，研究建筑設(shè)計(jì)方案；Méndez等[10]以采暖、制冷、燈光能耗最小為目標(biāo)，研究建筑的優(yōu)化設(shè)計(jì)。

筆者從建筑能耗和室內(nèi)熱舒適出發(fā)，使用NSGA-II(Dominated Sorting Genetic Algorithm-II)作為方案搜索引擎，GA-BP模型(Genetic Algorithm-Back Propagation Neural Network)作為適應(yīng)度函數(shù)評(píng)價(jià)工具，建立了居住建筑設(shè)計(jì)多目標(biāo)優(yōu)化模型，并通過(guò)實(shí)例驗(yàn)證了該模型的可行性和準(zhǔn)確性。

1 建筑能耗與室內(nèi)熱舒適的多目標(biāo)優(yōu)化方法

多目標(biāo)遺傳算法常被用來(lái)尋求多目標(biāo)優(yōu)化問(wèn)題的Pareto解集，并且在建筑領(lǐng)域的應(yīng)用研究逐漸增加[11]。2000年，Deb等[12]、Chantrelle等[13]對(duì)遺傳算法進(jìn)行優(yōu)化，提出了NSGA-II，相對(duì)于之前的其他遺傳算法具有更加優(yōu)越的優(yōu)化性能，因此，采用NSGA-II作為尋求Pareto解的算法。

NSGA-II的計(jì)算結(jié)果如圖1所示，g1為建筑能耗，g2為熱不舒適時(shí)間。三角形代表NSGA-II計(jì)算過(guò)程中不同遺傳代數(shù)的設(shè)計(jì)方案，圓形代表了Pareto最優(yōu)解。NSGA-II經(jīng)過(guò)N代的遺傳操作，使建筑設(shè)計(jì)方案不斷朝著Pareto最優(yōu)解的方向前進(jìn)，最終得到Pareto最優(yōu)解，即得到建筑能耗低，熱不舒適時(shí)間小的建筑設(shè)計(jì)方案Pareto解集。

圖1 NSGA-II計(jì)算結(jié)果

2 居住建筑設(shè)計(jì)多目標(biāo)優(yōu)化模型

根據(jù)NSGA-II的原理，建立多目標(biāo)優(yōu)化模型，如圖2。

圖2 多目標(biāo)優(yōu)化模型的組成

模型以建筑全年冷熱負(fù)荷的能耗和室內(nèi)舒適狀況為性能評(píng)價(jià)目標(biāo)，將NSGA-II作為方案搜索引擎，GA-BP作為方案種群的適應(yīng)度函數(shù)評(píng)價(jià)工具，經(jīng)過(guò)N代的遺傳操作優(yōu)化后，最終得到建筑設(shè)計(jì)方案的Pareto解集。在模型中設(shè)計(jì)師只需要限制設(shè)計(jì)變量的范圍，然后計(jì)算機(jī)便會(huì)自動(dòng)運(yùn)算，最終得到設(shè)計(jì)方案Pareto解集。

2.1 優(yōu)化目標(biāo)

主要研究尋求保證室內(nèi)熱舒適同時(shí)減少建筑能耗的設(shè)計(jì)方法，因此，將建筑能耗及室內(nèi)熱舒適做作為目標(biāo)函數(shù)。考慮到居住建筑的空調(diào)系統(tǒng)形式較為單一，多為單元式空調(diào)，因此，選擇使用建筑全年冷熱負(fù)荷取代建筑能耗作為優(yōu)化目標(biāo)。而室內(nèi)熱舒適的衡量標(biāo)準(zhǔn)取建筑在非采暖空調(diào)的狀況下，全年逐時(shí)室內(nèi)溫濕度處于可接受熱舒適范圍內(nèi)的小時(shí)數(shù)占全年總小時(shí)數(shù)的比例。如圖3所示，重慶地區(qū)非采暖空調(diào)情況下，可接受范圍為圖中虛線包圍區(qū)域[7]。同理，也可將建筑設(shè)計(jì)者的其他需求作為目標(biāo)函數(shù)，如通風(fēng)，采光效果等。

圖3 可接受熱舒適范圍

2.2 設(shè)計(jì)變量

對(duì)于一些設(shè)計(jì)變量，業(yè)主往往會(huì)提出要求，因而不需要設(shè)計(jì)師自行確定，如建筑平面布局、樓層、建筑面積等；而其他設(shè)計(jì)變量則需要設(shè)計(jì)師自行取值，例如：朝向、窗墻比、體形系數(shù)、傳熱系數(shù)等。尋求建筑設(shè)計(jì)方案的Pareto解集便是尋求由設(shè)計(jì)師自行確定的設(shè)計(jì)變量的最佳取值組合。結(jié)合《夏熱冬冷地區(qū)居住建筑節(jié)能設(shè)計(jì)標(biāo)準(zhǔn)》[14]、《重慶市居住建筑節(jié)能65%設(shè)計(jì)標(biāo)準(zhǔn)》[15]等現(xiàn)行居住建筑節(jié)能設(shè)計(jì)標(biāo)準(zhǔn)和設(shè)計(jì)規(guī)范，可以確定設(shè)計(jì)變量的取值范圍。

2.3 適應(yīng)度評(píng)價(jià)函數(shù)

NSGA-II中需要選擇合適的計(jì)算工具對(duì)種群中個(gè)體的目標(biāo)函數(shù)進(jìn)行評(píng)價(jià)。評(píng)價(jià)目標(biāo)為建筑的全年冷熱負(fù)荷和室內(nèi)熱舒適，目前用于計(jì)算這兩個(gè)目標(biāo)的常用方法為動(dòng)態(tài)模擬計(jì)算。然而動(dòng)態(tài)模擬計(jì)算較為復(fù)雜，不僅需要對(duì)計(jì)算軟件進(jìn)行長(zhǎng)時(shí)間的學(xué)習(xí)，同時(shí)優(yōu)化模型中涉及到成千上萬(wàn)次的迭代計(jì)算，造成的時(shí)間消耗不可估量。因此，建筑設(shè)計(jì)多目標(biāo)優(yōu)化模型需采用一種能夠既快速又準(zhǔn)確預(yù)測(cè)建筑全年冷熱負(fù)荷和室內(nèi)熱舒適的工具來(lái)對(duì)目標(biāo)函數(shù)進(jìn)行計(jì)算。

喻偉等[16]提出了使用遺傳算法修正BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network),建立了GA-BP模型，并以重慶市典型居住建筑戶型為原型，驗(yàn)證了該模型在預(yù)測(cè)居住建筑全年冷熱負(fù)荷和室內(nèi)熱舒適的準(zhǔn)確性，如圖4所示。該模型通過(guò)輸入樣本進(jìn)行學(xué)習(xí)各輸入變量(設(shè)計(jì)變量)與輸出變量(目標(biāo)函數(shù))之間的關(guān)系，將各個(gè)變量之間的關(guān)系存儲(chǔ)在網(wǎng)絡(luò)的內(nèi)部結(jié)構(gòu)中，使用者通過(guò)輸入各設(shè)計(jì)變量的值即可快速得到建筑全年冷熱負(fù)荷和室內(nèi)熱舒適的預(yù)測(cè)結(jié)果。經(jīng)驗(yàn)證該模型建筑全年冷熱負(fù)荷預(yù)測(cè)的最大相對(duì)誤差為1.7%，室內(nèi)舒適比例的最大相對(duì)誤差為1.7%。因此，使用該GA-BP預(yù)測(cè)模型作為適應(yīng)度函數(shù)評(píng)價(jià)工具。

圖4 GA-BP模型示意圖

2.4 多目標(biāo)優(yōu)化算法設(shè)計(jì)

多目標(biāo)遺傳算法NSGA-II的重點(diǎn)主要在遺傳操作的設(shè)定上，包括編碼方法、初始種群設(shè)定、控制參數(shù)設(shè)定、適應(yīng)度函數(shù)設(shè)定。對(duì)于不同的優(yōu)化問(wèn)題，遺傳操作的設(shè)計(jì)也各有不同。筆者選用浮點(diǎn)數(shù)編碼方式，根據(jù)相關(guān)文獻(xiàn)[17]選定了優(yōu)化模型各個(gè)參數(shù)的取值：選擇算法采用競(jìng)賽模為2的錦標(biāo)賽選擇法，交叉概率為0.9，變異概率為0.1；種群大小為100；最大遺傳代數(shù)為700。

目標(biāo)函數(shù)的計(jì)算是GA-BP建立起來(lái)的人工神經(jīng)網(wǎng)絡(luò)計(jì)算模塊net。目標(biāo)函數(shù)轉(zhuǎn)化后得到適應(yīng)度函數(shù)，適應(yīng)度計(jì)算函數(shù)為

eval=sim(net,sol)

(1)

仿真函數(shù)sim調(diào)用已建立的人工神經(jīng)網(wǎng)絡(luò)計(jì)算模塊net，計(jì)算個(gè)體sol的適應(yīng)度值eval。

兩個(gè)目標(biāo)函數(shù)分別是建筑全年冷熱負(fù)荷和室內(nèi)舒適狀況，考慮到個(gè)體的適應(yīng)度值不能為負(fù)值，將建筑全年冷熱負(fù)荷及室內(nèi)熱舒適轉(zhuǎn)化為多目標(biāo)最小化問(wèn)題。室內(nèi)熱舒適時(shí)間比例的最大值為1，因此，采用界限構(gòu)造法，將室內(nèi)熱舒適這一目標(biāo)函數(shù)的適應(yīng)度函數(shù)變化為

evalmin=1-eval

(2)

最后得到建筑全年冷熱負(fù)荷及室內(nèi)熱舒適的適應(yīng)度函數(shù)

g(1)=eval(1,:)

(3)

g(2)=1-eval(2,:)

(4)

通過(guò)使用Matlab的Optimization工具箱并進(jìn)行編程，最終建立了多目標(biāo)優(yōu)化模型的用戶界面，如圖5所示。

圖5 優(yōu)化模型用戶界面

3 案 例

為了驗(yàn)證多目標(biāo)優(yōu)化模型的準(zhǔn)確性和可行性，以重慶市典型居住建筑戶型[18]為例進(jìn)行優(yōu)化分析。案例建筑總建筑面積600 m2，高3層，層高2.8 m，每層2戶，每戶建筑面積為重慶市的3口之家主力戶型面積，約90 m2，如圖6所示。

圖6 典型居住建筑平面圖及效果圖

根據(jù)《重慶市居住建筑節(jié)能65%設(shè)計(jì)標(biāo)準(zhǔn)》[15]設(shè)定室內(nèi)采暖設(shè)計(jì)溫度為18 ℃，空調(diào)設(shè)計(jì)溫度為26 ℃。室外溫度為18～26 ℃時(shí)，通風(fēng)換氣次數(shù)設(shè)定為5次/h，其余均設(shè)定為1次/h；滲透通風(fēng)設(shè)定為0.5次/h。

使用多目標(biāo)優(yōu)化模型來(lái)尋求既節(jié)約能源又能保證室內(nèi)熱舒適的建筑設(shè)計(jì)方案。建筑布局、樓層、建筑面積、體形系數(shù)這4個(gè)變量已經(jīng)限定，在表1中給出的剩余10個(gè)設(shè)計(jì)變量有待求解。按照《重慶市居住建筑節(jié)能65%設(shè)計(jì)標(biāo)準(zhǔn)》[15]在模型中設(shè)置這10個(gè)變量的變化范圍。

模型優(yōu)化過(guò)程如圖7、圖8所示。如圖7所示，隨機(jī)產(chǎn)生初代種群；當(dāng)進(jìn)化到318代時(shí)，計(jì)算結(jié)果的平均變化小于設(shè)定值10-4，優(yōu)化過(guò)程結(jié)束。最終優(yōu)化成功，獲得了Pareto解集，均勻分布在最優(yōu)解集中。圖8中各個(gè)點(diǎn)均是設(shè)計(jì)方案的Pareto解，設(shè)計(jì)者可以根據(jù)對(duì)全年冷熱負(fù)荷和熱舒適的實(shí)際需求在Pareto解集中選擇優(yōu)化設(shè)計(jì)方案。

圖7 第1代種群分布

圖8 第318代種群分布

從圖8可知，在Pareto解的設(shè)計(jì)方案中，室內(nèi)熱不舒適時(shí)間在52%～54.5%之間分布，這意味著對(duì)建筑進(jìn)行優(yōu)化后，非采暖空調(diào)下的室內(nèi)舒適時(shí)間的比例變化很小。因此，可以在Pareto解集中選取建筑全年冷熱負(fù)荷最低的設(shè)計(jì)方案為建筑設(shè)計(jì)方案的最優(yōu)解，選擇出該方案對(duì)基準(zhǔn)建筑的設(shè)計(jì)方案進(jìn)行優(yōu)化，如表1所示。優(yōu)化方案對(duì)基準(zhǔn)方案中的9個(gè)變量進(jìn)行了更改。

表1 建筑設(shè)計(jì)方案優(yōu)化調(diào)整

使用Energyplus模擬計(jì)算優(yōu)化前后建筑設(shè)計(jì)方案的建筑全年冷熱負(fù)荷和室內(nèi)舒適狀況，并與多目標(biāo)優(yōu)化模型的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比，如圖9、10所示。可以看出，多目標(biāo)優(yōu)化模型的預(yù)測(cè)結(jié)果與Energyplus的模擬結(jié)果差距較小，其中結(jié)果誤差最大的是基準(zhǔn)方案的熱舒適時(shí)間比例，但也僅為2.49%；根據(jù)Energyplus模擬計(jì)算結(jié)果，優(yōu)化后的建筑方案的建筑全年冷熱負(fù)荷降低了47.74%，且室內(nèi)熱舒適時(shí)間的比例增加了3.94%，達(dá)到了優(yōu)化的目的。

圖9 建筑冷熱負(fù)荷優(yōu)化結(jié)果

圖10 舒適時(shí)間比例優(yōu)化結(jié)果

4 結(jié) 論

通過(guò)使用NSGA-II作為方案搜索引擎，GA-BP作為適應(yīng)度函數(shù)評(píng)價(jià)工具，建立了以建筑全年冷熱負(fù)荷和室內(nèi)熱舒適為優(yōu)化目標(biāo)的居住建筑設(shè)計(jì)多目標(biāo)優(yōu)化模型。使用該模型對(duì)實(shí)際案例進(jìn)行分析，經(jīng)過(guò)318代進(jìn)化后得到了建筑設(shè)計(jì)方案的Pareto解集，從解集中選出了一組優(yōu)化方案，使得建筑全年冷熱負(fù)荷降低了近47.74%，室內(nèi)熱舒適時(shí)間的比例增加了3.94%，從而驗(yàn)證了該模型的可行性。并與Energyplus的計(jì)算結(jié)果進(jìn)行對(duì)比，驗(yàn)證了準(zhǔn)確性。該模型可用于指導(dǎo)建筑設(shè)計(jì)，實(shí)現(xiàn)了在滿足室內(nèi)健康舒適的前提下尋求建筑的最佳節(jié)能設(shè)計(jì)方案，為設(shè)計(jì)師尋求在保證室內(nèi)熱舒適前提下的低能耗居住建筑設(shè)計(jì)方案提供了技術(shù)支撐。

對(duì)于建筑設(shè)計(jì)多目標(biāo)優(yōu)化研究的進(jìn)一步展望：

1)模型僅以建筑全年冷熱負(fù)荷和室內(nèi)熱舒適為優(yōu)化目標(biāo)，在今后的研究中，從數(shù)量上說(shuō)可以增加至同時(shí)優(yōu)化多個(gè)目標(biāo)，在目標(biāo)函數(shù)上可以擴(kuò)展到通風(fēng)、采光效果、經(jīng)濟(jì)等其他建筑性能。

2)模型以GA-BP模型為適應(yīng)度計(jì)算內(nèi)核，它的計(jì)算精確度取決于訓(xùn)練樣本的選擇。如果追求更加精確的解可以使用仿真模擬軟件來(lái)進(jìn)行計(jì)算。

3)各設(shè)計(jì)變量(多設(shè)計(jì)變量)共同作用時(shí)，對(duì)建筑全年冷熱負(fù)荷和室內(nèi)熱舒適(多目標(biāo))的綜合影響耦合關(guān)系仍有待進(jìn)一步解析。

4)模型僅以建筑方案設(shè)計(jì)階段為主，在今后的研究中，可以將運(yùn)行階段影響建筑能耗和室內(nèi)熱舒適狀況的因素與設(shè)計(jì)階段的因素結(jié)合起來(lái)。

隨著社會(huì)的不斷發(fā)展，建筑使用者會(huì)對(duì)建筑的各方面的功能提出更多和更細(xì)節(jié)的要求，因此,對(duì)于建筑設(shè)計(jì)多目標(biāo)優(yōu)化模型的深入研究具有深遠(yuǎn)意義。

[1] 張寅平. 中國(guó)室內(nèi)環(huán)境與健康研究進(jìn)展報(bào)告[M]. 北京:中國(guó)建筑工業(yè)出版社, 2012.

ZHANG Y P. Report on the research progress of indoor environment and health in China [M]. Beijing: China Architecture & Building Press, 2012. (in Chinese)

[2] ZHENG B, ZHANG Q, BORKEN-KLEEFELD J, et al. How will greenhouse gas emissions from motor vehicles be constrained in China around 2030 [J]. Applied Energy, 2015,156:230-240.

[3] 清華大學(xué)建筑節(jié)能研究中心. 中國(guó)建筑節(jié)能年度發(fā)展研究報(bào)告[M]. 北京: 中國(guó)建筑工業(yè)出版社, 2015.

Building Energy Research Center of Tsinghua University. China building energy efficiency annual development report [M]. Beijing: China Architecture & Building Press, 2015. (in Chinese)

[4] KIM J, HONG T, JEONG J, et al. An optimization model for selecting the optimal green systems by considering the thermal comfort and energy consumption [J]. Applied Energy, 2016, 169: 682-695.

[5] MANZANO-AGUGLIARO F, MONTOYA F G, SABIO-ORTEGA A, et al. Review of bioclimatic architecture strategies for achieving thermal comfort [J]. Renewable and Sustainable Energy Reviews, 2015, 49: 736-755.

[6] BEKTAS EKICI B, AKSOY U T. Prediction of building energy needs in early stage of design by using ANFIS [J]. Expert Systems with Applications, 2011, 38(5): 5352-5358.

[7] 喻偉. 住宅建筑保障室內(nèi)(熱)環(huán)境質(zhì)量的低能耗策略研究[D]. 重慶:重慶大學(xué), 2011.

YU W. The low energy-consumption strategy for improving indoor thermal environment quality in residential building [D]. Chongqing: Chongqing University, 2011. (in Chinese)

[8] COLEY D A, SCHUKAT S. Low-energy design: combining computer-based optimisation and human judgement [J]. Building and Environment, 2002, 37(12): 1241-1247.

[9] SHI X. Design optimization of insulation usage and space conditioning load using energy simulation and genetic algorithm [J]. Energy, 2011, 36(3): 1659-1667.

[10] MéNDEZ ECHENAGUCIA T, CAPOZZOLI A, CASCONE Y, et al. The early design stage of a building envelope: Multi-objective search through heating, cooling and lighting energy performance analysis [J]. Applied Energy, 2015,154:577-591.

[11] ATTIA S, HAMDY M, BRIEN W O, et al. Assessing gaps and needs for integrating building performance optimization tools in net zero energy buildings design [J]. Energy and Buildings, 2013: 110-124.

[12] DEB K, PRATAP A, AGARWAL S, et al. A fast and elitist multiobjective genetic algorithm: NSGA-II [J]. IEEE Transactions on Evolutionary Computation, 2002, 6(2): 182-197.

[13] CHANTRELLE F P, LAHMIDI H, KEILHOLZ W, et al. Development of a multicriteria tool for optimizing the renovation of buildings [J]. Applied Energy, 2011, 88(4): 1386-1394.

[14] 中華人民共和國(guó)住房和城鄉(xiāng)建設(shè)部.夏熱冬冷地區(qū)居住建筑節(jié)能設(shè)計(jì)標(biāo)準(zhǔn):JGJ 134—2010 [S]. 北京: 中國(guó)建筑工業(yè)出版社, 2010.

Ministry of Housing and Urban-Rural Construction of the People’s Republic of China. Energy saving design standard of residential buildings in hot summer and cold winter regions: JGJ 134-2010 [S]. Beijing: China Architecture & Building Press, 2015. (in Chinese)

[15] 重慶市城鄉(xiāng)建設(shè)委員會(huì).重慶市居住建筑節(jié)能65%設(shè)計(jì)標(biāo)準(zhǔn): DBJ50-071-2010 [S]. 重慶, 2010.

Urban and Rural Construction Committee of Chongqing. Design standard for energy efficiency 65% of residential building: DBJ50-071-2010 [S]. Chongqing, 2010. (in Chinese)

[16] 喻偉, 李百戰(zhàn), 楊明宇, 等. 基于人工神經(jīng)網(wǎng)絡(luò)的建筑多目標(biāo)預(yù)測(cè)模型[J]. 中南大學(xué)學(xué)報(bào)(自然科學(xué)版), 2012, 43(12): 4949-4955.

YU W, LI B Z, YANG M Y, et al. Building multi-objective predicting model based on artificial neural network [J]. Journal of Central South University (Natural Science Edition), 2012, 43 (12): 4949-4955. (in Chinese)

[17] DEB K. Multi-objective optimization using evolutionary algorithms [M]. New York: John Wiley & Sons, 2001.

[18] 重慶市建設(shè)技術(shù)發(fā)展中心. 建筑節(jié)能設(shè)計(jì)標(biāo)準(zhǔn)培訓(xùn)輔導(dǎo)教材[M]. 重慶:重慶市建筑節(jié)能協(xié)會(huì), 2005.

Construction Technology Development Center of Chongqing. Building energy saving design standard training teaching material [M]. Chongqing: Chongqing Building Energy Conservation Association, 2005. (in Chinese)

(編輯 胡英奎)

Multi-objective design method of improving the indoor thermal environment with low energy consumption in residential building

Yu Wei, Wang Di, Li Baizhan

(Faculty of Urban Construction and Environmental Engineering;Joint International Research Laboratory of Green Building and Built Environment,Ministry of Education,Chongqing University, Chongqing 400045, P.R.China)

To improve the living environment is a major livelihood issue, and energy saving and emission reduction is a major national strategy. Therefore, it is necessary to seek a reasonable design method which could not only meet the needs of residents in the indoor thermal comfort and reduce the building energy consumption of residential building. Based on the genetic algorithm, a multi-objective optimization model of residential building design is established which can optimize the design to increase the indoor thermal comfort time and reduce the annual cooling and heating load. Finally, taking the typical apartment of Chongqing as an example, the annual cooling and heating load of the optimized design plan is decreased by 47.74% and the indoor thermal comfort time ratio is increased by 3.94%, which verify the feasibility and accuracy of the model.

thermal comfort；building energy consumption；multiobjective optimization；fitness function

2016-03-16

國(guó)家自然科學(xué)基金(51408079、51578086);建筑安全與環(huán)境國(guó)家重點(diǎn)實(shí)驗(yàn)室開(kāi)放課題基金(BSBE2014-10);重慶市研究生科研創(chuàng)新項(xiàng)目(CYB15040)

喻偉(1983-)，男，副教授，博士，主要從事綠色建筑與室內(nèi)環(huán)境研究，(E-mail)yuweixscq@126.com。

Foundation item：National Natural Science Foundation of China (No.51408079, 51578086); Opening Funds of State Key Laboratory of Building Safety and Built Environment (No.BSBE2014-10); Chongqing Graduate Research Innovation Project (No. CYB15040)

TU111.19

A

1674-4764(2016)04-0013-07

10.11835/j.issn.1674-4764.2016.04.003

Received:2016-03-16

Author brief：Yu Wei (1983-), associate professor, PhD, main research interests: green building and indoor environment, (E-mail) yuweixscq@126.com.