一种建筑节能改造优化决策支持方法技术

本发明专利技术公开一种建筑节能改造优化决策支持方法，该方案集成了基于边际减排成本分析和基于方差的敏感性分析的建筑特征选择方法；基于非支配排序差分优化求解的多目标优化问题；并提出了提供决策支持的方法。借助数据驱动模型，使用目前已被验证和应用的全球气候模型，以考虑受气候变化影响的建筑未来能耗影响的不确定性。对层次聚类算法的进一步探索和使用，为高维多目标优化算法提供了决策支持。该方案能够可视化、保留和恢复整个决策路径，使多目标解的决策过程更加透明和直观，具有广泛应用于单体建筑节能改造项目的潜力，并对实际建筑节能改造项目的快速优化和决策具有现实意义和应用价值。意义和应用价值。

【技术实现步骤摘要】
一种建筑节能改造优化决策支持方法


[0001]本专利技术属于建筑节能改造领域，具体涉及一种建筑节能改造优化决策支持方法。

技术介绍

[0002]节能改造已成为既有建筑提高建筑能效、减少碳排放、改善人居环境质量的重要手段。随着气候变化的加剧，越来越多的研究表明，气候变化将对未来建筑能耗水平产生更大的影响和不确定性。其中，在未来气候条件下，室外温湿度的变化对建筑能耗的影响最显著。这种变化趋势对既有建筑适应未来气候条件提出了新的要求和挑战。因此，在气候变化的趋势下，既有建筑如何保证和实现建筑节能改造的优异性能(即，既有建筑节能改造的气候适应性)，是一个值得深入探讨的问题。
[0003]随着计算机辅助技术、建筑性能模拟技术及其工具的飞速发展，可以借助计算机的强大计算能力对建筑能耗进行优化研究。李峥嵘等人利用EnergyPlus进行建模分析，通过正交试验设计方法，研究了夏热冬冷地区围护结构传热系数对建筑采暖/降温负荷的影响，得出最优围护结构设计方案。王艺霖等人借助DeST
‑
H进行建筑能耗模拟分析，研究了4种保温材料在不同厚度下的建筑节能改造方案对建筑能耗的影响，并结合经济性分析，提供合理的外围护结构改造方案。余镇雨等人基于遗传算法，借助建筑能耗模拟软件TRNSYS，进行了近零能耗建筑性能优化设计分析。然而，目前的建筑优化研究多采用复杂的动态模拟模型(如Energy Plus等)进行节能效果评估，这种做法导致在建筑节能优化过程中的计算成本巨大。高昂的计算成本不利于这类方法在实际节能改造项目中的应用和推广，也不利于最终改造方案的推演和实施。

技术实现思路

[0004]针对上述现有技术存在的问题，本专利技术提出了一种切实可行的自动计算方案，该方案集成了基于边际减排成本分析和敏感性分析(基于方差)的建筑特征选择方法；基于非支配排序差分优化求解的多目标优化问题；并提出了提供决策支持的方法。建筑能耗性能仿真引擎使用团队前期开发的基于电阻
‑
电容的低阶白箱建筑模拟引擎，与传统的白箱模型相比，具体更低的计算成本。借助数据驱动模型，使用目前已被验证和应用的全球气候模型，以考虑受气候变化影响的建筑未来能耗影响的不确定性。对层次聚类算法的进一步探索和使用，为高维多目标优化算法(帕累托前沿)提供了决策支持。
[0005]本专利技术是通过以下技术方案得以实现的：
[0006]一种建筑节能改造优化决策支持方法，包括以下步骤：
[0007]S1，基于电阻
‑
电容模型理论构建建筑能耗模型；
[0008]S2，预测未来逐时气象数据，将未来逐时气象数据输入至建筑能耗模型中，获取未来逐时能耗，对未来逐时能耗模拟结果进行训练，以生成数据驱动模型；
[0009]S3，选择预优化决策变量，计算每种预优化决策变量下，未来逐时气象数据的未来逐时能耗及生命周期内的净现值；根据净现值分析并确定优选决策变量；
[0010]S4，确定多目标优化问题，采用非支配解排序的差分进化算法，对优选决策变量进行多目标优化；
[0011]S5，采用层次聚类算法对所生成的多目标优化结果进行自动聚类，并以平行坐标图为基础，生成可视化的决策支持路径。
[0012]作为本专利技术的优选方案之一，步骤S1中，采用基于电阻
‑
电容类比模拟框架的低阶白箱建模工具。
[0013]作为本专利技术的优选方案之一，步骤S3中，基于节能措施选择预优化决策变量，预优化决策变量包括建筑围护结构的热性能、气密性、自然通风、采暖和降温的设定温度以及空置时间设定温度回退。
[0014]作为本专利技术的优选方案之一，步骤S3中，分析并确定优选决策变量，具体为：S31，采用边际减排成本分析方法，分析每一预优化决策变量对所选择的目标函数的影响；S32，基于方差的敏感性分析方法，分析每一预优化决策变量对系统的影响。
[0015]作为本专利技术的优选方案之一，步骤S4中，多目标优化包括四个目标，分别为节能量、经济效益、投资成本以及改造建筑全生命周期内建筑各分区中逐时PMV绝对值的总和。
[0016]作为本专利技术的优选方案之一，步骤S4中，节能量、经济效益、投资成本的计算公式分别为：
[0017]节能量：
[0018]式中：E
pre,k
和E
post,k
分别是第k年未改造建筑和改造建筑的全年能耗；L代表改造建筑的全生命周期；
[0019]经济效益：
[0020]式中：τ
u
是u型能源成本的增加比例；C
upost,k
和C
upre,k
分别是改造建筑和未改造建筑在全生命周期内第k年的u型能源的成本；
[0021]投资成本：
[0022]式中：τ
m
是每年维护费用的增长率(％)；r是贴现率(％)，I
o
为初始投资成本。
[0023]作为本专利技术的优选方案之一，步骤S5具体为：
[0024]S51，获取帕累托前沿并基于层次聚类算法对解集进行聚类；
[0025]S52，对优选决策变量和多目标进行平行坐标轴绘制，得到平行坐标图；
[0026]S53，建立平衡的建筑改造决策思维模式以模拟决策过程，并根据该思维模式选取相应聚类后对下一层级解集进行聚类，以此类推获得最终解集；
[0027]S54，对模拟结果进行可视化处理，生成决策支持路径。
[0028]本专利技术的有益效果是：
[0029]本专利技术提出了一个面对未来气候变化情景自动化的建筑改造多目标优化方案。该方案包含3个主要阶段：优化前特征选择、多目标优化和基于帕累托前沿的后优化过程与决策。建筑仿真模拟的核心引擎是团队前期基于电阻
‑
电容建模方案开发的轻量级仿真工具，该仿真工具可以大大加快建筑模拟的速度。虽然决策过程通常涉及主观性，但该方案能够
可视化、保留和恢复整个决策路径，使多目标解的决策过程更加透明和直观。该方案具有广泛应用于单体建筑节能改造项目的潜力，同时对实际建筑节能改造项目的快速优化和决策具有现实意义和应用价值。
附图说明
[0030]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0031]图1为实施例所述LRSM建筑实物图；
[0032]图2为实施例所述LRSM建筑所在区域俯视图；
[0033]图3为LRSM的边际减排成本曲线；
[0034]图4为对LRSM进行的Sobol敏感性分析结果
‑
一阶Sobol指数；
[0035]图5为对LRSM进行的Sobol敏感性分析结果
‑
二阶Sobol指数；
[0036]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种建筑节能改造优化决策支持方法，其特征在于，包括以下步骤：S1，基于电阻
‑
电容模型理论构建建筑能耗模型；S2，预测未来逐时气象数据，将未来逐时气象数据输入至建筑能耗模型中，获取未来逐时能耗，对未来逐时能耗模拟结果进行训练，以生成数据驱动模型；S3，选择预优化决策变量，计算每种预优化决策变量下，未来逐时气象数据的未来逐时能耗及生命周期内的净现值；根据净现值分析并确定优选决策变量；S4，确定多目标优化问题，采用非支配解排序的差分进化算法，对优选决策变量进行多目标优化；S5，采用层次聚类算法对所生成的多目标优化结果进行自动聚类，并以平行坐标图为基础，生成可视化的决策支持路径。2.根据权利要求1所述的建筑节能改造优化决策支持方法，其特征在于，步骤S1中，采用基于电阻
‑
电容类比模拟框架的低阶白箱建模工具。3.根据权利要求2所述的建筑节能改造优化决策支持方法，其特征在于，步骤S3中，基于节能措施选择预优化决策变量，预优化决策变量包括建筑围护结构的热性能、气密性、自然通风、采暖和降温的设定温度以及空置时间设定温度回退。4.根据权利要求3所述的建筑节能改造优化决策支持方法，其特征在于，步骤S3中，分析并确定优选决策变量，具体为：S31，采用边际减排成本分析方法，分析每一预优化决策变量对所选择的目标函数的影响；S32，基于方差的敏感性分析方法，分析每一预优化决策变量对系统的影响。5.根据权利要...

【专利技术属性】
技术研发人员：沈鹏元，
申请(专利权)人：哈尔滨工业大学深圳，
类型：发明
国别省市：