基于C++的建筑能耗优化软件开发

黄大鹏 张晨 刘超

摘 要：分析了国内外建筑能耗优化软件开发情况，探讨了基于C++的建筑能耗优化软件开发，给出了研究思路与软件开发的原理结构图，介绍了建筑建模和全年能耗的模擬工作以及优化结果。

关键词：建筑能耗模拟 能耗优化 软件设计 设计原理

前 言

目前，建筑能耗模拟软件在建筑节能领域中发挥着越来越重要的作用。由于建筑的物理特性复杂，热湿过程的计算量巨大，只能采用计算机在短时间内完成复杂的运算。因此，在进行建筑能耗分析计算时，能耗模拟软件发挥着巨大作用。建筑能耗模拟主要包括建筑负荷和能耗的模拟，为后续的节能设计、节能评估、节能审计以及节能措施的制定提供参考；通过不同工况的模拟，进行围护结构、设备、暖通空调系统、控制系统和控制策略等的优化，通过经济性分析得出最佳方案；设备与系统各种运行状况的预测，在内外扰动等复杂因素的作用下，系统中参数的变化很复杂。通过建筑能耗模拟软件，能比较方便地预测各种工况下的系统参数，为节能标准和规范的制定、实施提供辅助作用。

1.国内外研究现状

很多国家在意识到建筑能耗模拟分析的重要意义的同时，都开始并加紧了对建筑能耗的分析和预测工作。从 20 世纪 60 年代到今天，很多国家都相继开发出了一些很好的建筑性能模拟软件，这些模拟软件可以很方便地对建筑物特性进行全年动态模拟。美国是开展建筑节能研究最早的国家之一，计算机技术在建筑节能工作中的应用也最为广泛。当前在美国，与建筑节能标准相关的软件有 120多种。其中包括比较著名的美国自 20 世纪 70 年代起就持续开发的建筑能耗模拟软件 Doe-2。它曾是北美在建筑节能领域应用最广泛的软件，对美国建筑节能的推动起到了重要作用。近些年来，美国能源部组织多个部门共同开发了新的建筑能耗模拟软件 EnergyPlus，以全面代替 Doe-2[1]。西欧国家通过近 30 年的努力，各国都开发了各自的建筑能耗模拟软件。比如英国开发了 ESP，并将其作为建筑节能设计与节能分析的基本工具，写入相关的建筑节能标准或规范中。此外还有 SRES/SUN，SERIRES，S3PAS，TRNSYS，TASE等[2]。我国从上世纪 70 年代中期开始介绍国外在建筑能耗计算机模拟方面的发展情况，很多科学技术人员做了大量的工作。Dest是建筑环境及HVAC系统模拟的软件平台，该平台以清华大学建筑技术科学系环境与设备研究所十余年的科研成果为理论基础，将现代模拟技术和独特的模拟思想运用到建筑环境的模拟和HVAC系统的模拟中去，为建筑环境的相关研究和建筑环境的模拟预测、性能评估提供了方便实用可靠的软件工具，为建筑设计及HVAC系统的相关研究和系统的模拟预测、性能优化提供了一流的软件工具[3]。

国内众多学者在意识到建筑能耗模拟分析的重要意义的同时，都开始并加紧了对建筑能耗的优化工作。西安建筑科技大学的金苗苗提出应在建筑设计阶段就开始贯穿进行建筑能耗模拟分析，更好地使能耗模拟与建筑设计相结合，并为建筑设计提供更加行之有效的节能设计方法[4]。台湾学者Leon 研究开发了网络在线的计算程序MIT Design Advisor，可对单面墙或房间进行快速计算，输入简单，并可对围护结构参数进行优化分析[5]。常静分析了我国居住建筑围护结构耗热量的基础上，阐述了外窗热工特性的复杂性。针对济南市某居住建筑，分析了四种朝向的窗墙面积比对供暖能耗的影响，得出了在不同外窗传热系数的条件下窗墙面积比与供暖能耗的关系曲线[6]。魏彩欣利用清华大学开发的建筑热环境设计模拟工具包（Dest-h），针对夏热冬冷地区，上海、南京、合肥三个具有代表性城市的住宅围护结构热工参数对建筑能耗及室内热环境的影响进行了研究，分析了外墙材料、窗户材料和窗墙比、外窗遮阳、建筑朝向等围护结构热工参数对建筑能耗及室内热环境状况的影响程度，提出了其综合节能优化方案[7]。目前我国大陆学者的研究大多局限于考察某一个建筑设计因素对建筑热性能的影响，往往把影响建筑热性能的其它设计因素固定，而仅把考察的那个设计因素控制在几个不同的水平[8]。

美国在建筑能耗的优化工作上投入大量经费，开发出众多建筑模拟优化软件，并将其推广为建筑节能最有效的措施之一。美国劳伦斯伯克利国家实验室开发的优化软件GenOpt得到了广泛应用。GenOpt可以与大多数的建筑模拟软件例如EnergyPlus，Trnsys进行耦合，使用者只需要在它提供的平台下，使用它的规范化语言进行编程，就可以完成它和其它软件之间的链接。Asadi分析了葡萄牙某住宅建筑的外墙外保温材料、屋面保温材料、窗户类型和太阳能集热器类型并利用GenOpt对建筑的生命周期成本和热舒适性对设计提出了优化建议[9]。Ferrara结合Trnsys和GenOpt对法国某住宅建筑120种围护结构的组合进行分析，从而确定最优的设计方案[10]。Peeters在文章中相信阐述了GenOpt和ESP-r的耦合方式，并利用一个简单的优化案例加以证明[11]。为了更好的引导零能耗建筑的设计，美国国家能源部可再生能源实验室开发了建筑能耗优化软件BeOpt。用户可以选择不同建筑元素组合，然后根据美国建筑节能标准或用户定义的基本方案进行计算，最后输出在不同的节能水平下的设计设计方案[12]。Rhodes利用BeOpt指导奥斯丁5座零能耗建筑设计问题[13]。

随着研究的不断加入，上述优化软件的问题也开始暴露出来。MIT Design Advisor、Dest-h、BeOpt应用范围较窄，只能用于特定优化问题。GenOpt作为应用较广、效率较高的优化软件之一，仍然存在某些不足之处。首先， GenOpt给使用者提供了一个接入其他算法的接口，但是必须基于Java平台开发，算法可拓展性较低[14]。第二，随着优化目标研究的不断深入，越来越多的国家开始提出不同的建筑评价指标。这些指标有些相对复杂。GenOpt只提供了一些简单的运算符号，导致很多指标只能被简化，从而影响最后的优化效果。第三，GenOpt的文件读写功能比较简单而且效率较低。一旦输入的模型文件过大，就会出现无法工作的情况[15]。由此可见，建筑能耗优化软件仍存在一些问题有待改进。

2.研究思路

从建筑工程师的切身需要出发，分析目前优化软件的基本原理，改进目前优化软件的不足。总结之后，把软件共分为三个功能模块：Matlab（优化模块），EnergyPlus（建筑仿真模块）和交互模块，示意图如图1所示。Matlab作为整个软件的核心，驱动着整个优化过程。每次迭代开始时，算法自动生成一组设计变量参数并存放在一个特定的文件中，紧接着交互模块读取这些参数并利用EnergyPlus模拟全年建筑能耗。交互模块将EnergyPlus的输出文件传递给Matlab对目标函数进行评估。如果方案满足要求，输出最终方案。否则更新设计变量为下次迭代做准备。最终通过多次迭代求出最优方案。纵观整个过程EnergyPlus和Matlab之间的交互模块成为整个软件的关键部分。通过软件开发的交互模块完成Matlab和EnergyPlus的耦合可以有效克服目前优化软件算法少、运行效率低、可扩展性差的不足。因此可见，该软件确实能有效解决建筑能耗优化问题。

3.研究成果

指导老师在前期研究中曾利用Matlab和Airpak实现了建筑室内热环境的综合优化[16]，并在建筑能耗预测和优化方面展开了深入研究；开发者们共同完成了一款建筑电能耗预测软件。

已有研究成果：

（1）已完成建筑建模和全年能耗的模拟工作，建筑模型示意图如图2所示。

（2）研究常用多目标优化算法NSGA-Ⅱ的基本原理，并利用NSGA-Ⅱ算法中对简单的测试函数进行优化。优化结果图如3所示。

4.结束语

在分析国内外建筑能耗优化软件开发情况的基础上，探讨了基于C++的建筑能耗优化软件开发的研究思路与软件开发的原理结构图，介绍了已完成的建筑建模和全年能耗的模拟工作以及优化结果。

参考文献

[1] 侯余波， 付祥钊， 郭勇. 用DOE-2程序分析建筑能耗的可靠性研究[J]. 暖通，2003，33（3）：90-92.

[2] ASHRAE Standard Project Committee 140. ANSI/ASHRAE Standard 140-2001[R]. Standard Method of Test of the Evaluation of Building Energy Analysis Computer Program， 2001

[3] 晋文， 焦俊军. 建筑围护结构得热量与建筑设计因素关系的研究[J]. 建筑热能通风空调， 2009， 28（2）：77-79.

[4] 金苗苗.建筑设计中的能耗模拟分析[D].西安建筑科技大学，2007

[5] Urban B J. The MIT Design Advisor： simple and rapid energy simulation of early-stage building designs [J]. Massachusetts Institute of Technology， 2008.

[6] 常靜.居住建筑窗墙面积比对供暖能耗的影响研究[D]. 暖通空调，2008，38（5）：109～112.

[7] 魏彩欣.夏热冬冷地区住宅建筑能耗模拟与空调方案的技术经济分析[D].华东大学，2007.

[8] 晋文. 建筑设计阶段建筑热性能的模拟预测研究[D]. 河北工程大学， 2009.

[9] Asadi E， Silva M G D， Antunes C H， et al. A multi-objective optimization model for building retrofit strategies using TRNSYS simulations， GenOpt and Matlab[J]. Building & Environment， 2012， 56（10）：370–378.

[10] Ferrara M， Fabrizio E， Virgone J， et al. A simulation-based optimization method for cost-optimal analysis of nearly Zero Energy Buildings [J]. Energy & Buildings， 2014， 84（84）：442-457.

[11] Peeters L， Dhaeseleer W， Ferguson A， et al. The Coupling of ESP-R and Genopt： A Simple Case Study [J]. Lawrence Berkeley National Laboratory， 2010.

[12] Simpkins T， Cutler D， Hirsch B， et al. Cost-Optimal Pathways to 75% Fuel Reduction in Remote Alaskan Villages： Preprint[R]. NREL （National Renewable Energy Laboratory （NREL）， 2015.

[13] Rhodes J D， Gorman W H， Upshaw C R， et al. Using BEopt （EnergyPlus） with energy audits and surveys to predict actual residential energy usage[J]. Energy & Buildings， 2015， 86：808-816.

[14] Oh S， Kim Y J， Park C S， et al. Process-driven BIM-based optimal design using integration of EnergyPlus， genetic algorithm， and pareto optimality[C]. Proceedings of the 12th IBPSA Conference， November. 2011： 14-16.

[15] Brown C， Glicksman L， Lehar M. Toward zero energy buildings： optimized for energy use and cost[C]. SIMBuild fourth National Conference of IBPSA-USA， New York City， New York， August. 2010： 11-13.

[16] A general optimization framework for complex PDE models based on data interactive mechanism[C]. IEEE International Conference on Advanced Intelligent Mechatronics. IEEE， 2015.