基于BIM模型的低碳节能建筑材料多目标优化设计

毕瀚文，张足斌

摘要：提出了基于BIM的低碳化工厂房建筑设计优化框架，通过研究不同玻璃及幕墙材料改进的遗传算法实现厂房建筑低碳节能与采光性能的综合权衡功能。案例研究表明，通过该框架得到的仿真结果可以有效实现厂房建筑节能的同时，最大优化建筑的照明性能，节约建筑材料的浪费，为建筑专业人员设计低碳建筑提供科学依据和参考。研究结果为化工企业厂房低碳节能研究领域做出了贡献，实现了基于BIM、遗传算法和仿真的建筑性能多目标优化策略，是对既有厂房建筑节能减排的优化设计。

关键词：BIM；低碳；化工厂房节能建筑；目标优化

中图分类号：TQ171.72;TU531.1文献标志码：A文章编号：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

随着我国碳减排及碳达峰政策的大力推广，我国化工企业基础设施建筑也在不断追求绿色、低碳。节能减碳设计的难点在于建筑中存在多个学科相关的参数和变量，这些参数和变量相互关联、相互影响、相互制约。任何微小的变化都可能对节能减碳的效果产生重要影响。而BIM技术在工程节能方面的应用，尤其是在化工企业的建设工程中应用，其节能效果的研究还比较局限。因此，在信息科学、建筑和管理等学科中，需要运用BIM中的信息和参数的驱动力特性，来反映不同建筑材料下建筑物的能耗关系。基于此，提出了基于BIM的低碳化工厂房建筑设计优化框架，通过研究不同玻璃及幕墙材料改进的遗传算法实现厂房建筑低碳节能与采光性能的综合权衡功能。

1试验方法

1.1BIM模型的参数化优化设计

以某化工企业创建的厂房建筑形态与能耗分析BIM模型为研究对象，同时结合材料、朝向、体积等参数，对建筑物的碳排放进行了仿真。建筑能耗的结果是以每年或单元能源消耗指标来表达的。每层的外围是一个开放的空间，内部包含办公室和化工有机、无机材料存放区域。建筑高度12 m，总建筑面积约1 642 m2。通过调整模型层高度、屋頂和墙体材料，获得更理想的照明模拟效果。楼层高度设置为3层;玻璃幕墙选择纤维水泥有机材料。采光模拟的各项参数见表1。

采用自适应元件对模型的幕墙模组进行参数控制。首先，经过适应点a、b、c、d，建立基准点a1、b1、c1、d1，并建立幕墙模块的外框；创建了如在图1中所示的幕墙内隔离基准平面。

窗墙率与建筑物的总能量消耗成正向关系，窗墙率愈高则耗能愈多。但是，窗户与墙比例的增大会使建筑的采光变得更好。因而，以这一变数作为最优的指标。窗口的高低对化工厂房的采光效果有一定的影响。窗高与建筑节能中的空调能量具有极强的相关性，窗户高度直接影响着建筑物的外形。所以，选择窗口高度为影响因素。由于不同的墙体和玻璃材质，其透过率、传热及遮阴性能都有很大的差别，这将会对能源消耗和光照效果产生直接的作用，而建材与造价有很大的关系，因而把玻璃等材料作为建材的决定因素。最终，对建筑朝向、窗墙比、窗高进行了计算；以玻璃材质等11项指标作为最优的判定指标。

考虑到化工厂房建筑朝向变化对能耗和照明模拟的影响，将15°作为朝向参数的改变。在工程项目按逆时针方向转动的过程中，其方向参量为0°～30°；若以正反时针方向转动，则其方位参量为0°～30°。《公共建筑节能设计标准》（GB 50189—2015）[9]要求化工厂房建筑的窗墙比应小于70%。由于东立面窗户墙的比例对光线有很大的影响，因此，在建筑物的西边，窗墙比的参数范围设定在0%～50%，其余的外立面则设定在10%～65%。根据不同方位的窗口高度，夏季高温冬季寒冷的化学工厂，其窗口高度的变化幅度一般为1.5～2.8 m。选取的参数为建筑朝向、层高、窗高度；如：窗户、墙体比例、建材等。墙体和屋面的导热性能及窗口的透射量与建材密切相关。根据 Revit墙壁和窗口资料，可以得到相应的外墙、屋顶和窗户的相关参数。在表2中显示了变量的设计和某些初始化数值。

案例项目设定8种玻璃材料和7种墙体材料。传热系数和可见光透过率如表3所示。材料信息作为离散变量存储在列表中，每一种建筑材料都有一个指数的数值。在进行 BIM建模时[10]， Dynamo先从 BIM中读出物料的相关数据，再以各物料的指数为判定参数。该参数為（0，n+1）（n为总的物质）。

1.2优化设计过程

在NSGA-II基础上，采用 BIM技术，参数驱动，可视化程序设计，多目标优化与建筑性能模拟的有机结合。其涉及到各个平台的交互，使用者与系统整合的互动。研究主要包括建筑节能与不同建筑材料下照明效果的BIM技术。利用Optimo提供的NSGA-II算法进行多目标优化[11-12]，获得帕累托边界。

在 BIM建模中，通过对BIM模型的各个目标进行了参数的划分，并在最优阶段产生了多种不同的设计，并进行了性能评价。建筑节能模拟系统采用 Dynamo将 BIM和 GBS相结合，对全年能耗、空调能耗和光照能耗进行了分析。在帕累托前沿分析模块中，利用帕累托前沿的数据，对化学工厂的年度能源消耗和光照目标进行了优化、最坏和综合权衡的决策变量和 BIM模型进行了研究。在能耗节约评价与决策模型中，根据项目需求和性能指数，由设计者对帕累托边界进行评价和确定[13]。

多目标最优设计定义了2个适合度函数，即能量指标和光照指标，在Optimo中，通过NSGA-II算法对决策变量和适应度函数进行优化。NSGA-II算法通过个体的非优势阶值秩将种群的非劣势解层次化，在此基础上，对帕累托优化问题进行了研究。其精英保存战略是将亲本族 Ci中的优良成员引入到子系 Di中，从而避免了父代群体的非劣化。NSGA-II算法中单个拥塞密度的计算公式：

Lid=Lid+（Li+1m-Li-1m）÷

（fmaxm-fminm）（1）

式中：L[i+1]m为i+ 1个体的m个目标函数的值；fmaxm、fminm分别为该函数的最大值和最小值。

通过快速非主导排序，将生成多个边界集F =（F1、F2，…）。此外，通过精英保留策略，将顶级群体中的个体纳入新群体。整个算法所需的时间复杂性是 O （N2）。NSGA-II中的跨行采用了一个单一的交叉点。经过交叉运算，亲本种群和子代种群如式（2）所示：

亲本：P1=A1tk+B1

P2=A2tk+B2

子代种群：C1=A1tk+B2

C2=A2tk+B1（2）

根据亲本与子代群体之间的位置关系，可由分布系数β=C1-C2P1-P2的值决定。设父结点长度为l，每位用ai、bi表达，将交叉运算的地点设置成k，那么父母C、子代 P和分配因子β的运算式子：

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，则β的概率密度可以简化为p（β）=12（ηc+1）βηc；如果β>1，β的概率密度为p（β）=12（ηc+1）1βηc+2，其中ηc为非负实数，也称为交叉系数。所以，在（0，1）内，对均匀分配的随机性u进行了运算，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）

当ηc的值较大时，β的值趋于1。这时，离亲本更近的子代群体更有可能被选中进入下一代。当ηc值较小时甚至趋于0时[16]，β值在[0，1]内近似均匀分布。在后代群体中，距离父母较近的后代也能被选中进入后代群体。

2结果与分析

在化工企业厂房中，其中化工设备、空调设备、照明设备等能源消耗占了绝大部分。在建筑物中，工业装备的密集程度与空间的尺寸有着明显的关系，而工业装备的数目往往是按建筑的面积来进行的[17]，因此当占地不变时，其能源消耗是比较平稳的。所以，在能量特性的基础上，选择了空调和灯光的能量消耗指标。该工程地处长江中上游的一座化工厂，地处北亚热带湿润气候[18]，全年雨量约1 106.5 mm，年降雨量117 d，年降水量76%、年平均温度15.4 ℃。研究建立的建筑能耗与照明性能优化模型：

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确定，并上传到 GBS用于能耗分析。最后，利用模拟的结果建立了一个适合的群体。根据 LEED EQc8.1对DLS对象进行了适应度功能的设计[19]。其能满足0.15%～0.18%的可见透光率（VLT）和窗墙比（WFR）的乘积。在BIM中使用 Dynamo读出参数的方法。LEED EQc8.1的光照特性计算采用Python-API进行。最后，确定符合 LEED得分标准的室内空间百分数作为适合度函数。将最大值设定在0.75（按照 LEED照明得分的标准）。

实验结果显示，算法的交叉和突变率为0.9，突变几率为0.01，并对其进行了统计分析。由于能量消耗与光照特性模擬要求经常与 GBS及云端呈现业务进行交互，因此，将模拟次数设定为15次，以降低模拟时间，提高操作效率。通过模拟实验，得出了1 500个能量消耗模拟值和3 000个光照模拟值（LEED EQC8.1为9：00和15：00的光照特性指数）。

图3反映了从初始种群中获得能耗和采光指标的帕累托前沿总共经过150次迭代的过程。

由图3（a）第1代种群分布可知，种群为100。该算法在80次迭代后，其分布呈现出较好的收敛性；离开座标轴线的解决方案逐步被剔除。后代群体持续地在坐标和原始位置上会聚，具体如图3（b）所示。在120次重复后，群体中出现了一个比较显著的帕累托边界[20]。在一个比较小的范围内，可以看到一个可行的解决方案，具体如图3（c）所示。图3（d）显示了150次反复后得出的帕累托边界。在最佳方案中，各体子的分配更为均衡，各点各有一个不占优势的可能解，边界个体也被成功地保留了下来。综上所述，优化结果较为理想。3结语

研究提出了一种用于化工厂房建筑性能多目标优化的低碳建筑设计新方法，实现了基于BIM的建筑性能模拟和优化，编写了一种改进的遗传算法NSGA-II，用于Dynamo可视化编程环境中的多目标优化，并通过Revit和Dynamo的耦合完成了优化过程。优化得到的帕累托前沿结果表明，建筑能耗与照明性能仿真结果在多参数驱动下呈负相关关系。考虑模拟地点气候、温度和湿度的影响，得到的主导解在建筑能耗指标上最大差异约为25.7%，在照明性能指标上最大差异约为16.7%。

由此可见，通过参数化设计进行建筑性能模拟分析对于确定低碳节能化工厂房建筑的性能是非常重要和关键的。

【参考文献】

［1］冯静霞，赵恒泽，齐艺裴，等.四硼酸钠改性水玻璃制备保温材料及其性能研究[J].硅酸盐通报，2022，41（10）：3708-3716.

[2]丁辉，张学斌，桂和仁，等.漂珠玻璃废渣制备多孔玻璃材料[J].中国陶瓷，2018，54（6）：66-71.

[3]林剑远，赵楚翘.基于混合群智能算法的高铁站房供冷节能优化应用框架研究[J].智能建筑，2022（3）：29-32.

[4]王姣.基于AB价法的EPC模式在建设项目中的应用研究——以某化工厂建设为例[J].粘接，2022，49（9）：173-177.

[5]徐伟，金国忠，苗振林，等.基于红外图像的变压器故障在线检测技术分析[J].粘接，2022，49（9）：193-196.

[6]山锋，丑洋.地下管线及构筑物物探成果数据BIM建模研究[J].粘接，2020，41（5）：112-114.

[7]朱冬飞，陈高威，张军委，等.基于BIM技术的钢筋工程量精细化计算方法研究[J].粘接，2022，49（2）：157-163.

[8]任宏涛，郭颖，周文戟，等.资源约束下绿色铝供应链网络设计多目标优化[J].系统工程理论与实践，2020，40（8）：2090-2103.

[9]朱勇.有粘结竖向预应力施工技术BIM技术仿真分析[J].粘接，2022，49（8）：138-141.

[10]郭峰，颜宏亮.基于进化算法的高层工业化住宅碳排放权衡分析[J].住宅科技，2021，41（12）：55-58.

[11]蒲云辉，王清远，李文渊，等.建筑物碳排放量和成本的优化设计研究[J].成都大学学报（自然科学版），2018，37（3）：326-330.

[12]公维凤，王传会，周德群，等.双强度约束下行业低碳经济增长路径优化研究[J].中国人口·资源与环境，2013，23（6）：29-36.

[13]殷明刚，刘羽岱.基于Rhino和Grasshopper平台的绿色建筑辅助设计工具开发与验证[J].建筑节能（中英文），2022，50（3）：64-71.

[14]赵明哲，刘亚丽，张国庆.基于能源互联的分布式供能网络多目标优化[J].电力科技与环保，2021，37（6）：40-50.

[15]康静，程玉楠，高琪.Vitapex糊剂一次性根管充填与传统方式对比结果[J].粘接，2022，49（9）：115-118.

[16]王艳，孙虎.基于人为疏导方案的钢管混凝土拱桥结构安全性能影响分析[J].粘接，2022，49（9）：141-143.

[17]李莉，程发新，程显钦，等.基于改进多目标粒子群优化算法的企业再制造物流网络优化[J].计算机集成制造系统，2018，24（8）：2122-2132.

[18]刘春斌，王琦，王志磊，等.XRMI仪常见故障判断分析及维修技术优化[J].粘接，2022，49（9）：137-140.

[19]李高潮，卢怀宇，孙启德，等.基于可再生能源的冷热电联供系统集成配置与运行优化研究进展[J].电网与清洁能源，2021，37（3）：106-119.

[20]吴艳.基于KPCA-ICS-SVM模型的胶粘复合材料涂层管道外腐蚀速率预测研究[J].粘接，2022，49（8）：25-31.