基于构件形态的高层大跨厂房光伏遮阳设计方法

收稿日期：2022-10-20

基金项目：中建五局科技研发课题（Cscec-5b-2022-10）

通信作者：高 青（1986—），男，博士、工程师，主要从事绿色建筑设计方法方面的研究。54209564@qq.com

DOI：10.19912/j.0254-0096.tynxb.2022-1594 文章编号：0254-0096（2024）02-0451-09

摘 要：为建立基于构件形态参数的高层大跨厂房光伏遮阳设计评价与优化方法，以长沙同有科技项目为例，进行高层大跨厂房光热平衡算法研究。选取光伏遮阳构件的尺寸、倾斜角度以及阵列方式为变量参数，通过对参数化建模、环境性能模拟以及多目标算法的技术集成得到基于构件形态的光热平衡算法模型，其应用结果显示，随着多种光伏遮阳构件形态变量的调控，模型综合性能呈现出非线性的复杂变化模式。

关键词：高层建筑；光伏组件；多目标优化；建筑设计；计算机辅助设计

中图分类号：TK519""""""""""""""""""""""""""""""" 文献标志码：A

0 引 言

高层大跨厂房是当代结构技术创新对高新制造业空间需求的设计响应，也是社会发展的必然产物。这种新型工业建筑形态兼具大跨厂房、高层建筑两种能耗较高建筑类型的空间特性，对工业建筑节能提出新的挑战。光伏遮阳系统利用光伏组件作为建筑外遮阳构件，兼备遮阳和发电功能［1］，在高层大跨厂房的应用上具有很大潜力。然而，传统的建筑设计流程需在方案确定后方可确定光伏系统的安装面积以及相关指标，这是建筑光伏一体化设计面临的最大技术瓶颈［2］。因此，发展适用于方案设计阶段的光热平衡优化技术成为高层大跨厂房应用光伏遮阳的关键。

构件形态是影响光伏遮阳板集热量与效率的关键参数，但同时也涉及到辐射遮挡、室内采光以及建筑能耗等多种建筑性能。其中包括光伏组件几何形式对太阳能转化效率的影响［3-4］、光伏组件几何形式对光热平衡的影响［5-8］以及光伏组件几何特性对太阳能转化效率、视觉条件的影响［9-12］。在最新的研究当中，越来越多的学者开始关注由光伏遮阳光热不平衡造成的潜在非必要能耗，并基于假设模型运用物理环境、能耗模拟技术对这一问题进行量化验证。相比于传统核心筒结构高层建筑，高层大跨厂房空间对自然采光的需求更高，保证光热平衡的技术措施尤为重要。同时过度的采光还可能引起室内眩光问题，所以光伏遮阳构件形态对高层大跨厂房绿色性能的影响是综合性的。

然而，目前光伏遮阳构件形态设计在建筑综合性能调控上的潜力还未受到足够重视，这在很大程度上受限于缺乏易于操作的设计评价及优化方法［13］。上述光热平衡问题所涉及的量化工具在实际建筑设计工作中应用并不现实。首先，这需要建筑师具有较强的跨专业知识背景；其次，不同软件之间的数据交换效率低下，难以对不同性能之间的关联性进行深入辨识。针对这一问题，本文提出一种支持构件形态参数调控，适用于高层大跨厂房设计早期阶段的光伏遮阳多目标性能评价与优化方法。此方法能为建筑师在光伏遮阳形态设计决策中提供一定的客观依据，有助于在实际工程实践中实现高效的建筑光伏一体化设计。

1 光伏遮阳构件形态与高层大跨厂房综合性能的关联性

1.1 影响建筑性能的构件形态要素

光伏构件的形态是影响建筑物辐射得热以及光伏系统集热效率的重要因素。传统的屋面光伏构件要素主要包括光伏组件的尺寸、朝向以及倾斜角度［14-20］。在本研究中，考虑到充分发挥多目标性能算法寻优技术的优势，选取光伏遮阳构件的宽度、长度、倾斜角度以及组合方式4种要素作为光伏遮阳综合性能调控的重要参数，并通过参数化脚本编译生成变量。由于模型试验是基于实际工程项目，光伏遮阳构件的朝向与建筑朝向保持一致，为正南方向。

1.2 受构件形态影响的建筑性能

从光伏集热效率来说，依据《光伏发电站设计规范》，光伏组件的倾斜角度通常宜采用各地纬度±14°。但作为遮阳板的光伏遮阳系统，其构件的倾角还可能影响室内采光系数、眩光以及建筑能耗，尤其是应用于高层大跨厂房。一方面，与传统的单、多层工业厂房相比，高层大跨厂房不具备屋顶自然采光的条件而依赖于立面外窗，因而受光伏遮阳的影响更大；另一方面，大跨度无柱空间的进深比传统核心筒结构高层建筑更大，所以对自然采光的需求更高。在这种情况下，室内光热平衡对建筑能耗的影响也随之上升。因此，光伏遮阳构件形态变化能影响到与光、热相关的多种建筑性能。

2 高层大跨厂房光伏遮阳光热平衡计算模型

辨识建筑光、热及其相关性能是研究高层大跨厂房光伏遮阳光热平衡的重要前置性工作。为了在单一用户界面中实现对光伏遮阳构件形态与多种建筑性能之间关联性的量化，研究采用参数化设计平台Grasshopper及其建筑性能分析插件Ladybug，以脚本编译的方式建立包含太阳辐射分析、建筑能耗模拟、光伏产能计算以及室内采光模拟的技术框架，并以长沙高新区同有科技项目作为研究对象建立参数化物理模型进行集成分析。

2.1 参数化物理模型

同有科技项目是全球范围内首个高层叠合型大跨厂房。研究选取一期丙类厂房建筑，共22层，总高度104.1 m。对该项目标准层的参数化建模工作包括基础物理模型与光伏遮阳模型两部分。基础物理模型为固定尺寸的空间模型，该模型的建立需将Rhino界面中3DM格式的构件模型转化为Grasshopper中的Brep或Geometry组件（Component），再经过Honeybee插件中相对应的模型转换组件生成Honeybee格式房间、遮阳、门、窗数据（HB zoom、HB shade、HB door、HB aperture）（如图1所示），最终形成能进一步被能耗、采光模拟所识别的完整模型。研究所采用的Ladybug1.4.0版本提供了LB SortByLayers组件来识别模型中不同构件所处图层，大幅提高了复杂空间在Grasshopper中的建模效率。

与基础物理模型不同，光伏遮阳构件形态需作为“基因（Genes）”参与到进一步的多目标优化计算中，因此建模方法是在Grasshopper中通过脚本编译搭建构件形态可由变量调控的Brep格式模型。研究考虑对模型南向外窗面积范围内的光伏遮阳阵列数量与间距设置一定的变化规则，具体是采用Expression组件写入自定义函数“[x=1/（n+n·t-t）·L]”。其中，[L]为外窗宽度，[x]为每一组光伏遮阳构件的宽度，[t]为光伏遮阳构件之间间距与光伏遮阳构件宽度的比例系数，[n]为光伏遮阳阵列的数量。这种方式极大丰富了光伏遮阳构件形态变化的可能性。光伏阵列之间保持一定间距，有利于提高光伏发电效率，便于散热［21］。值得注意的是，由于理论上百叶片数量并不会影响透过百叶系统的太阳辐射总量以及光伏组件可利用的太阳辐射总量［22］，所以，在本研究中并未将单组光伏遮阳百叶数量作为变量。

此外，用于能耗计算的HB model还需对其设置构造集（Construction Set）、围护结构热工性能、人员活动时间、自然通风规则、照明功率与设备效率等参数。研究对构造集数据选取“ASHRAE90.1.2019”标准下的混凝土结构（Mass），程序设置（Program）则是以“ASHRAE90.1.2019”的大型开放空间（Large Office）为模板；其他参数则根据《建筑节能与可再生能源利用通用规范（GB 55015—2021）》（简称《通用规范》）中对工业建筑的要求进行设定，以达到性能模拟条件与实际工程项目情况的最大化吻合。

2.2 太阳辐射计算模型

研究选取同有科技项目所在地湖南长沙的EnergyPlus气候数据（EnergyPlus weather，EPW）文件作为气象数据，采用LB Incident Radiation组件对光伏遮阳在冬至日与夏至日的太阳辐射遮挡量进行分析，并计算夏冬季光伏遮阳辐射得热差值。该差值的数值越小，则可认为此种光伏遮阳构件工况下夏季太阳辐射遮挡量更大，冬季更小，即夏季遮阳、冬季纳阳效果更好。这一差值在一定程度上可作为辨识全年辐射得热平衡的依据，这是由于一般对于遮阳板来说，在夏季保证合理采光的情况下，应尽可能多地减少通过窗户透过的太阳辐射从而降低建筑空调负荷；而在冬季却应尽可能地避免太阳得热的减少［23］。

2.3 建筑能耗模拟模型

为了接近实际的建筑能耗运行状况，研究在开始能耗计算之前对HB zoom数据接入自然采光控制（HB Apply Daylight Control）与自然通风控制（HB Ventilation Control）组件，以实现在能耗计算中置入自然采光与通风的影响。HB Ventilation Control组件控制自然通风规则的方式是为HB Window Opening组件提供通风温度点（Set Point）数据。在本研究中，该数据的设定参照《通用规范》中对工业建筑供暖空调区室内温度的规定，提取长沙地区EPW文件（气象数据）中的全年干球温度中大于18 ℃、小于26 ℃的时间段形成Schedule（时间表）数据输入HB Ventilation Control组件。最终，具备完整能耗计算条件参数的模型数据被接入HB Annual Loads组件进行能耗计算。光伏产能计算采用Ladybug_Photovoltaics Surface组件，并以产能计算值除以标准层建筑面积得到每平方米的产能值。最终，由能耗模拟计算结果减去单位光伏产能得到研究所需要的能耗目标值。

2.4 自然采光分析模型

研究对于厂房室内采光分析同时考虑采光系数与不利眩光影响。在Grasshopper中，采光系数（Daylight Factor）的计算无法直接像能耗计算那样使用HB zoom数据进行，而需采用HB model组件将其转化为HB model后才能接入HB Daylight Factor组件完成计算。HB model组件提供了建筑构件光学材质设定的接口。本研究中不同构件的反射比、透射率等数值依据《建筑采光设计标准》（GB 50033—2013）中的要求进行设定（表1）。眩光的计算则需采用HB Assign Grids and Views组件对HB model数据赋予计算条件——视点（views），研究设定该数据为厂房大空间中心点1.8 m高度（人视角）。

具备视点条件的HB model数据最终接入HB Check Scene组件完成基于Radiance计算的光环境模拟。计算结果可由HB Glare Postprocess组件提取阳光眩光指数（daylight glare index，DGI）的数值，同时也可由HB False Color与HB HDR to GIF组件完成高动态范围图与假彩色图的可视化渲染。

3 高层大跨厂房光伏遮阳光热平衡多目标优化研究

3.1 光热平衡多目标优化模型

建筑性能优化的传统方法多基于有限样本进行比较分析，但该方法在多变量基因与多性能目标的技术框架下存在很大局限性，难以探索出多种变量引起性能变化规律。针对该问题，研究在高层大跨厂房光伏遮阳光热平衡计算模型的基础上，引入Grasshopper平台中的多目标优化工具Wallacei（2.65版本）建立光热平衡多目标优化模型（图2）。在多种建筑环境性能集成模拟的基础上，多目标优化算法寻优技术可使建筑设计的优化转变为一种能尽可能遍历涉及建筑几何形式关键参数变量的过程，从而提升衍生优解方案的可能性。Wallacei插件的优势在于，其所采用的NSGA-2算法能够运用一种名为“拥挤度量（congestion management）”的算法根据不同目标对衍生解集进行排序，从而支持使用者更为直观地选取帕累托最优解（Pareto Solution）。

Wallacei X组件是承担多目标优化的运算器，其进行运算的必要条件是输入表型（Phenotype）、基因（Genes）以及目标（Objective）数据。研究选取光伏遮阳阵列数量、间距（系数），以及构件倾角、长度作为基因（变量），从而拓展光热平衡调控的潜力。其中，光伏遮阳阵列数量的变量区间为6～10，光伏遮阳构件长度的变量区间为0.5～1.0 m，这些取值的设定考虑现有主流光伏遮阳产品的尺寸参数；光伏遮阳阵列间距系数变量区间为0.1～0.9，主要是为了排除间距系数在0、1取值时造成的模型Null值错误。光伏遮阳构件倾角的变量区间为0.46～0.74，取值参考《光伏发电站设计规范（GB 50797—2012）》中对长沙地区光伏阵列最佳倾角的推荐值，并设定上下浮动12°，通过Degrees组件转化为度数。研究将构件倾角设置为变量的原因，主要是由于按一般经验根据当地纬度设置光伏倾角，全年的发电量无法达到峰值［24］。

在目标设置方面，研究选定4种性能模拟结果作为Wallacei X组件运算的“目标（Objective）”，包括夏冬季光伏遮阳辐射得热差值最小值、厂房单位面积能耗最小值、室内采光系数最大值以及眩光指数最小值。值得注意的是，Wallacei X组件的运算是默认以最大值作为优化目标。因此，对于以最小值为目标的性能计算需对数值结果接入Negative组件将其转化为负数，再接入Wallacei X组件的“目标”数据接口。从数理角度来说，光伏遮阳构件形态多目标优化过程可概况为下文所列式（1）～式（9）［25］：最大或最小函数可表示各种选择的不同目标，这些目标可通过式（1）相互转换：

[maxfx⇔min-fx]"" （1）

式（1）中求得最小极值点为目标的多目标优化问题可表示为：

[Fx=f1x，f2x，…，fmxT]"""" （2）

隶属于：

[gx≤0]"" （3）

[hx=0]""" （4）

其中：

[xmini≤xi≤xmaxii=1，2，…，n]"""""" （5）

[x=x1，x2，…，xnT∈Θ]"""" （6）

[y=y1，y2，…，ymT∈Ψ]""" （7）

[xmax=xmax1，xmax2，…，xmaxnT]" （8）

[xmin=xmin1，xmin2，…，xminnT]""" （9）

式中：[m]——受光伏遮阳构件形态影响的建筑性能目标函数的数量；[g（x）≤0，][i=1，2，…，p]；[h（x）=0，" j=1，2，…，q，]其中[p]和[q]分别为不等式约束和等式约束的数量；[Θ]——[n]维的搜索空间，由决策变量[xi]（[i=1，]2，…，[n]）的上界和下界确定；[Ψ]——性能目标函数的[m]维向量空间，由[Θ]和性能目标函数式（2）定义。

3.2 光伏遮阳最佳光热平衡多目标寻优

研究对多目标优化计算的样本数量设置为1000（20代，每代50个样本）。Wallacei X组件在独立的用户界面中提供了单目标性能每一代样本的标准偏差图（Standard Deviation Graphs）以及多目标性能的平行坐标图（Parallel Coordinate Plot）与目标空间（Objective Space）以显示多目标优化计算的实时情况，如图3所示。计算完成后，Wallacei X组件能对计算结果进行进一步的逐代数据分析，包括目标值、标准差以及平均值的变化趋势，如图3所示。

由图4可看出，在多目标寻优过程中，夏冬季光伏遮阳辐射得热差值、室内采光系数的逐代平均值呈上升变化，建筑能耗小幅提高，而眩光指数为下降。由图5可看出，从单项性能的标准差数据来看，总体上越接近末代的样本群落离散程度更高。但建筑能耗标准差值从第5代开始基本趋于平稳。对比图4、图5发现，在计算收敛的过程中，单项性能受多种其他性能的影响，其变化规律并不具有集聚特点。其次，建筑能耗受多种性能的综合制衡。在较早的迭代阶段，无论是平均值还是标准差值，建筑能耗都表现出一定的反复波动，而非持续的上升。因此，由数据的可视化结果综合来看，光伏遮阳对于光、热以及能耗性能的影响明显呈现出非线性特征。

根据上述光伏遮阳光、热相关性能的关联性分析，研究优先考虑将建筑能耗最优解作为光热平衡寻优的主要目标。Wallacei插件所采用的NSGA-2算法能运用一种名为“拥挤度量”的分析方法对不同目标的解集进行数值上的排序，从而支持用户直观选取最优解。具体操作方式是在Wallacei X组件窗口中分析建筑能耗值为最末位的样本，求得解集为第10代第3个样本。值得注意的是，Wallacei插件并不具有对解集样本直接进行模型及其数据还原的Reinstate命令，而需采用Wallacei Phenotype组件将最优解所包含的变量信息进行提取并重新计算，从而得到最优解所对应的变量参数以及各项目标数值。根据这一方法，经过还原模型，本研究中最优解样本的相关参数如表2所示。研究进一步对该样本的数据进行分析，得到其在整个优化计算过程中的定位（浅色曲线、点标记）。由图5可见，最优解的夏冬季光伏遮阳辐射遮挡量差值、建筑能耗以及DGI值均处于较高水平，采光系数由于受DGI值的约束在数值上较低。从标准差值与平均值的水平来看，最优解各项性能正处于上升或下降趋势的中点，在光热平衡上呈现出明显优势。

3.3 与以往多目标寻优算法的应用比较

为了验证本研究所采用的NSGA-2算法在高层大跨厂房光伏构件设计中对光热平衡优化的运算效率，研究采用Octopus插件提供的HypE reduction算法对试验模型进行计算，并将计算结果与上文实验数据对比。计算参数的设定如表3所示。

Octopus插件同样提供了与Wallecei插件类似的用户界面来显示、调控多目标优化计算过程以及目标空间与平行坐标图这样的可视化计算结果（图6）。根据图6可看到，HypE reduction算法所得出的末代帕累托最优解集（图6左中深色方块）在“目标空间”中收敛状态比NSGA-2算法结果的聚集程度更低。同时，在“平行坐标图”中，这些解集的标记（图6右粗线型）也未呈现出明显的变化趋势。很难通过以上两者可视化结果看出最优解集之间的相互关系，从而判断最优解的具体定位。

如果进一步从Octopus运算器中导出末代（第20代）解集的具体数值，经过统计可发现，在以NSGA-2算法得出的最优解为基准案例的情况下，第20代50个样本中70%样本的能耗水平更高，随之对应的夏冬季光伏遮阳辐射量差值更大。性能数值接近NSGA-2算法最优解的样本数量占第20代样本的12%，其他18%尽管在能耗水平上优于NSGA-2算法最优解，但在采光系数与眩光数值上并不理想，多有超出《建筑采光设计标准（GB 50033——2013）》相应规定的限值。在相同样本数量设置的情况下，NSGA-2算法比HypE reduction算法完成运算的耗时更短。在本研究中，NSGA-2算法的计算耗时23.75 h，而HypE reduction算法耗时47.33 h。综合对比下，基于NSGA-2算法的光热平衡多目标寻优方法效率更高。

4 结 论

针对高层大跨厂房光伏遮阳应用中的光热平衡问题，研究提出适用于建筑设计早期阶段的多目标评价与优化计算方法，并在案例应用中得出以下基本结论：

1）在多变量、多目标的建筑光伏遮阳性能优化设计中，调控设计参数对于提高建筑综合性能来说并不存在明显的线性规律，部分性能之间甚至具有负相关关联性。

2）根据光伏遮阳对于建筑室内光或热环境的单一影响，并不足以判断建筑能耗的变化趋势。

3）基于构件形态参数调控的高层大跨厂房光伏遮阳设计方法，有利于设计人员在早期阶段高效地辨识与评价光伏遮阳的综合性能，以对合理的光伏遮阳构件形态进行研判。

4）与以往应用较为广泛的多目标优化HypE reduction算法相比，NSGA-2算法在光伏遮阳最佳光热平衡多目标寻优中的应用具有更高的效率以及数据分析与可视化能力。

研究所提出的高层大跨厂房光伏遮阳多目标优化算法及其可视化技术，旨在构建设计团队在建筑光伏一体化设计中的技术共识，深刻理解光热平衡与建筑能耗的动态关联，避免设计过程中的迭代与误判，提升光伏遮阳设计水平。同时，凭借参数化设计平台的技术拓展能力，这一技术方法在其他建筑光伏一体化设计中也具备极大的应用潜力，有待进一步研究。

［参考文献］

［1］"""" 胡剑平， 饶政华， 廖胜明. 光伏遮阳板与建筑一体化的综合节能效果分析［J］. 建筑节能， 2012， 40（6）： 33-37， 53.

HU J P， RAO Z H， LIAO S M. Energy conservation for building integrated with photovoltaic shading system［J］. Building energy efficiency， 2012， 40（6）： 33-37， 53.

［2］"""" 鲁永飞， 鞠晓磊， 张磊. 设计前期建筑光伏系统安装面积快速估算方法［J］. 建设科技， 2019（2）： 58-62.

LU Y F， JU X L， ZHANG L. Rapid estimation method for installation area of building photovoltaic system in the early""" design """stage［J］.""" Construction""" science"""" and technology， 2019（2）： 58-62.

［3］"""" YADAV S， PANDA S K. Thermal performance of BIPV system by considering periodic nature of insolation and optimum tilt-angle of PV panel［J］. Renewable energy， 2020， 150： 136-146.

［4］"""" JELLE" B" P，" BREIVIK" C." State-of-the-art" building integrated photovoltaics［J］. Energy procedia， 2012， 20： 68-77.

［5］"""" JAYATHISSA P， LUZZATTO M， SCHMIDLI J， et al. Optimising building net energy demand with dynamic BIPV shading［J］. Applied energy， 2017， 202： 726-735.

［6］"""" JAYATHISSA P， ZARB J， LUZZATTO M， et al. Sensitivity of building properties and use types for the application of adaptive photovoltaic shading systems［J］. Energy procedia， 2017， 122： 139-144.

［7］"""" WANG D J， QI T， LIU Y F， et al. A method for evaluating both shading and power generation effects of rooftop solar PV panels for different climate zones of China［J］. Solar energy， 2020， 205： 432-445.

［8］"""" SHEN Y， ZHANG J， GUO P， et al. Impact of solar radiation variation on the optimal tilted angle for fixed grid-connected" PV" array： case" study" in" Beijing［J］." Global energy interconnection， 2018， 1（4）： 460-466.

［9］"""" MANDALAKI M， ZERVAS K， TSOUTSOS T， et al. Assessment of fixed shading devices with integrated PV for efficient energy use［J］. Solar energy， 2012， 86（9）： 2561-2575.

［10］""" MANDALAKI M， TSOUTSOS T， PAPAMANOLIS N. Integrated PV in shading systems for Mediterranean countries： balance between energy production and visual comfort［J］. Energy and buildings， 2014， 77： 445-456.

［11］""" PAYDAR M A. Optimum design of building integrated PV module as a movable shading device［J］. Sustainable cities and society， 2020， 62： 102368.

［12］""" YADAV S， PANDA S K， HACHEM-VERMETTE C. Method to improve performance of building integrated photovoltaic thermal system having optimum tilt and facing directions［J］. Applied energy， 2020， 266： 114881.

［13］""" ADAMO A， BERTACCHINI P A， BILOTTA E， et al. Connecting art and science for education： learning through an advanced virtual theater with “talking heads”［J］. Leonardo， 2010， 43（5）： 442-448.

［14］""" LI X， PENG J Q， LI N P， et al. Optimal design of photovoltaic shading systems for multi-story buildings［J］. Journal of cleaner production， 2019， 220： 1024-1038.

［15］""" BERARDI U， GRAHAM J. Investigation of the impacts of microclimate on PV energy efficiency and outdoor thermal comfort［J］. Sustainable cities and society， 2020， 62： 102402.

［16］nbsp;"" GHOSH A， NORTON B， DUFFY A. Measured thermal amp; daylight performance of an evacuated glazing using an outdoor test cell［J］. Applied energy， 2016， 177： 196-203.

［17］""" SUN L L， LU L， YANG H X. Optimum design of shading-type"" building-integrated"" photovoltaic"" claddings"" with different"" surface"" azimuth"" angles［J］." Applied"" energy， 2012， 90（1）： 233-240.

［18］""" SADINENI S B， ATALLAH F， BOEHM R F. Impact of roof integrated PV orientation on the residential electricity peak demand［J］. Applied energy， 2012， 92： 204-210.

［19］""" BANA S， SAINI R P. Experimental investigation on power output of different photovoltaic array configurations under uniform and partial shading scenarios［J］. Energy， 2017， 127： 438-453.

［20］""" YADAV S， PANDA S K， HACHEM-VERMETTE C. Optimum azimuth and inclination angle of BIPV panel owing to different factors influencing the shadow of adjacent building［J］. Renewable energy， 2020， 162： 381-396.

［21］""" 刘艳峰， 王玥， 王登甲， 等. 屋顶光伏发电与遮阳综合节能分析［J］. 太阳能学报， 2019， 40（6）： 1545-1552.

LIU Y F， WANG Y， WANG D J， et al. Study on comprehensive energy-saving of shading and photovoltaic performance of roof added PV module［J］. Acta energiae solaris sinica， 2019， 40（6）： 1545-1552.

［22］""" 刘嘉懿， 毕广宏， 赵立华. 广州办公建筑光伏建筑一体化遮阳百叶系统模拟研究［J］. 建筑节能（中英文）， 2022， 50（9）： 57-61.

LIU J Y， BI G H， ZHAO L H. Simulation of building-integrated solar shading louver system for office buildings in Guangzhou［J］. Building energy efficiency， 2022， 50（9）： 57-61.

［23］""" 庾汉成， 罗成龙. 光伏遮阳板与建筑一体化优化设计和性能研究［J］. 工业建筑， 2009， 39（增刊1）： 31-34.

YU H C， LUO C L. Study on oplimization design and characteristic of a building integrated with the photovoltaics［J］. Industrial construction， 2009， 39（S1）： 31-34.

［24］""" 宋德萱， 朱丹， 史洁， 等. 高密度城区建筑光伏遮阳设计应用研究［J］. 新建筑， 2015（1）： 100-102.

SONG D X， ZHU D， SHI J， et al. A study on the design application of PV sunshade in high density urban areas［J］. New architecture， 2015（1）： 100-102.

［25］""" PILECHIHA P， MAHDAVINEJAD M， POUR RAHIMIAN"" F，"" et"" al."" Multi-objective"" optimisation framework for designing office windows： quality of view， daylight and energy efficiency［J］. Applied energy， 2020， 261： 114356.

DESIGN METHOD OF PHOTOVOLTAIC SHADING FOR HIGH-RISE

LARGE-SPAN FACTORY BASED ON COMPONENT-BASED MORPHOLOGY

Yang Ying1，Gao Qing2，Liu Zhuliang2， Xu Feng3， Zhou Jin3

（1. China Construction Five Bureau Design Research Institute， Changsha 410000， China；

2. China Construction Five Bureau Design Technology Research Institute， Changsha 410004， China；

3. School of Architecture and Planning， Hunan University， Changsha 410012， China）

Abstract：In order to establish the evaluation and optimization method of photovoltaic shading design based on component morphological parameters， taking the Changsha Tongyou technology project as an example， a study on the daylight-thermal balance algorithms of high-rise large-span factory was carried out. The size， inclined angle and array method of the photovoltaic shading components are selected as the variable parameters. Daylight-thermal balance algorithm model is obtained by integrating parameter modeling， environmental performance simulation， and multi-objective optimization algorithm. The application of this model in the case study shows that the comprehensive performance of the model presents a non-linear complex changing with the regulation of the morphological variables of multiple photovoltaic shading components.

Keywords：high-rise buildings； solar modules； multi-objective optimization； architectural design； computer aided design