基于遗传算法的动态光伏遮阳板多目标优化研究

摘 要：为了在建筑动态光伏遮阳板应用中兼顾节能效果和采光效果，本文设计了动态光伏遮阳板多目标优化模型，将房间尺寸、房间结构、空调负荷、用电负荷和光伏遮阳参数等作为输入量，模拟计算节能率和自然采光照度。利用遗传算法校正该模型中的室内表面参数，提高多目标优化的质量。将某学生宿舍作为模拟对象，利用该模型计算不同建筑朝向、光伏遮阳板宽度、安装角度和移动高度的节能率和自然采光变化率。结果表明，多目标优化模型的作用是确定光伏遮阳板的理想参数，提高建筑节能和采光能力。

关键词：遗传算法；动态光伏遮阳板；多目标优化

中图分类号：TK 511 " " " " 文献标志码：A

光伏遮阳板具有发电和遮阳的功能。该装置对建筑节能和采光均有较大影响，需要利用动态化的控制达到节能、采光效果。本文将建筑物和光伏遮阳板作为一个系统，设置静态参数和动态参数，构建计算节能率和自然采光照度的模型。该模型对这类节能装置的设计、模拟和应用具有一定价值。

1 基于遗传算法的动态光伏遮阳板多目标优化

1.1 动态光伏遮阳多目标模型构建

动态光伏遮阳多目标优化模型的基本结构如图1所示，遮阳板能够同时发挥遮阳和发电作用。该模型的输入参数分为静态、动态2类，静态参数包括建筑结构、建筑尺寸、用电负荷和空调系统等，动态参数为光伏遮阳装置的参数，例如光伏遮阳板角度、光伏板宽度和光伏板长度等[1]。优化目标有2个。1）建筑物的节能效果。2）建筑物的采光效果。

1.2 基于遗传算法校正模型室内表面参数

在图1模型中，可以直接测量房间尺寸、房间结构、用电负荷、空调系统、气象数据以及光伏遮阳装置的相关参数。室内表面参数包括反射率和透过率，能够影响采光效果，改变室内温度。与反射率有统计学意义的室内结构包括墙体、天花板、楼板、橱柜和桌椅等。与透过率有统计学意义的室内结构为外窗和内窗。为提高动态光伏遮阳模型的计算精度，需要根据室内空间的实际情况采用数值模拟确定室内表面参数的最佳取值[2]。以下利用遗传算法校正室内表面参数。

1.2.1 测量建筑光环境

1.2.1.1 测量目标选取

将某学生公寓的1间宿舍作为光环境检测目标，房间长度为6.3 m，宽度为3.6 m，层高为3.0 m。经过测量，该宿舍的其他参数见表1。宿舍内放置床、衣柜、桌子和椅子。

1.2.1.2 测量结果

在宿舍室内沿进深方向的中轴线设置1条测线，从入户门至进深末端，沿测线布置5个测点。5个测点之间的间距均为1.26 m，距离地面的高度为0.8 m。使用UT382型照度仪检测5个测点的照度，检测时间为9：00—15：00。分别在阴天和晴天检测照度，当晴天时的检测结果见表2。

1.2.2 基于遗传算法的参数校正

1.2.2.1 遗传算法的应用流程

遗传算法的主要步骤包括种群初始化、适应度评估、选择、交叉和变异，在经过多轮重复后，算法收敛，输出最优解[3]。本文使用Galapagos软件建立相关的算法环境。在模拟过程中需要设置待优化的变量，针对各个变量设置约束条件，利用目标函数控制优化效果。

1.2.2.2 变量以及约束条件设置

室内表面参数包括反射率和透过率，结合测量目标的实际情况设置变量和约束条件，见表3。

1.2.2.3 目标函数

在优化变量取值的过程中，将表2中的数据作为实测值。利用能耗模拟软件模拟计算测点1～5的照度，模拟条件与实测条件保持一致。目标函数如公式（1）所示[4]。

（1）

式中：F为模拟数据与实测数据的相对偏差；i为测点编号，取值为1～5的整数；j为变量序号，取值为1～8的整数；Xsij为第i个测点，第j个变量的照度实测值；Xmij为第i个测点，第j个变量的照度模拟值。当F的计算结果最小时，对应的反射率或者透过率为最佳取值。

1.2.2.4 参数优化结果

在Galapagos软件中设置变量和约束条件，采用迭代运算得到F的最小值。遗传算法经过1 880次迭代运算后得到了最优解。此时，相对偏差F的最小值为9.41，室内表面参数校正结果见表4。

2 动态光伏遮阳板多目标优化模型仿真检验

2.1 仿真方案设计

2.1.1 优化目标

为了检验动态光伏遮阳板多目标优化模型的实用效果，利用Galapagos软件建立多目标优化模型。针对节能效果，将节能率作为评价指标；针对室内采光效果，将自然采光照度（Useful Daylight Illuminance，UDI）作为评价指标[5]。节能率的计算过程如公式（2）所示。

（2）

式中：η为节能率；E0为标准模型的初始能耗；EUI为能源使用强度；PVE为建筑光伏发光量；APV为光伏板的总面积。

2.1.2 设置不同的对比因素

2.1.2.1 建筑朝向因素

将图2的房间作为模拟对象，其外窗安装光伏遮阳装置。由于房间朝向对采光效果和建筑能耗控制具有明显影响，因此在仿真过程中，将建筑朝向分别设置为朝南、朝西以及朝东来模拟计算节能率η和自然采光照度UDI。

2.1.2.2 光伏遮阳装置的安装因素

在仿真过程中，将光伏遮阳板的宽度、角度和移动高度作为对比因素，利用仿真数据评价在不同建筑朝向条件下，以上3个因素对节能率和自然采光照度的影响。光伏遮阳板的遮光范围及其发电能力与其宽度有统计学意义，遮阳和通风效果与其角度有统计学意义，移动高度能够影响发电时长。因此，光伏遮阳装置的基本参数与η、UDI之间存在紧密的联系[6]。最终目的是在不同朝向条件下，当达到最优节能效果和采光效果时，确定光伏遮阳装置的最佳宽度、长度和角度。光伏遮阳装置的宽度为0.4 m～2.0 m，遮阳板角度为0°～90°，移动高度为-1.5 m～1.5 m。

2.2 仿真过程

利用第1.1节建立的模型模拟建筑目标的全年光热环境，得到相应的数据作为仿真环境，获取目标建筑的能耗数据和采光数据。在模拟过程中，改变光伏遮阳板宽度、移动高度和角度3个变量，同时设置不同的建筑朝向。基于遗传算法模拟不同参数条件下的η和UDI。

2.3 仿真结果

2.3.1 当建筑朝南时的多目标优化结果

2.3.1.1 光伏遮阳板参数设置

设置10组不同的光伏遮阳板参数，见表5。在10组条件下，模拟光伏遮阳板全年的节能率和自然采光照度变化率。其中，自然采光照度变化率以不安装遮阳装置为基准。

2.3.1.2 多目标优化结果

目标建筑在不同条件下全年节能率模拟结果如图2所示，UDI变化率模拟结果如图3所示。由数据可知，在兼顾节能效果和采光效果的情况下，组别6对应的节能率为75.01%，略低于最大节能率。同时，与当不采取光伏遮阳时相比，该组别的UDI提高了3.33%，略小于最大值。因此，在10组光伏遮阳设计参数中，组别6为最佳参数取值，能够更好地满足南向建筑的节能和采光需求。

2.3.2 当建筑朝东时的多目标优化结果

2.3.2.1 模拟数据

将光伏遮阳板的宽度设置为2.0 m，遮阳板角度从12°增至36°，移动高度从0.9 m升至1.5 m。全年节能率为44.59%～50.34%，UDI全年变化率为-6.15%～1.85%。模拟数据汇总见表6。

2.3.2.2 结果分析

由表6可知，在兼顾采光效果和节能效果的情况下，组别5和组别6的综合效果比较理想。因此，当建筑朝东时，光伏遮阳板的角度应设置为30°～36°，移动高度应设置为

1.4 m～1.5 m。

2.3.3 当建筑朝西时的多目标优化结果分析

2.3.3.1 模拟数据

将光伏遮阳板的宽度设置为2.0 m，角度为6°～38°，移动高度从0.9 m升至1.5 m。全年节能率的模拟结果为42.21%～45.59%，全年UDI变化率的模拟结果为-4.39%～0.89%。模拟数据汇总见表7。

2.3.3.2 结果分析

由表7可知，在兼顾节能效果和采光效果的情况下，组别2、组别3、组别4、组别6和组别7的综合效果比较优秀，相互之间的差异比较小。因此，光伏遮阳板的安装高度应控制为18°～27°，移动高度应控制为1.1 m～1.5 m。

3 结论

光伏遮阳装置的动态运行方式对建筑物的节能效果和采光效果具有明显影响，为了兼顾建筑节能和采光，本文设计了多目标优化模型。根据研究内容可以得到以下3条结论。1）动态光伏遮阳多目标优化模型的静态输入参数为建筑物结构、尺寸，室内表面反射率、透光率，空调负荷以及用电负荷，其动态输入参数为光伏遮阳装置的移动高度、角度和宽度等。该模型将节能率作为节能效果的量化评价指标，将自然采光照度作为采光效果的量化评价指标。2）在静态输入参数中，不能直接测量室内表面的反射率、透光率，因此采用遗传算法对墙体、天花板、地面、衣柜和桌面等表面参数进行迭代优化，校正动态光伏遮阳多目标优化模型的参数精度，提高其对节能率、自然采光照度的计算效果。3）该模型能够应用于建筑物光伏遮阳装置设计，包括设定尺寸，控制遮阳角度和移动高度的动态变化范围，使建筑物节能效果和采光效果较好。

参考文献

[1]刘洋，于海东，刘文彬，等.基于DTW-两阶四分位的分布式光伏发电异常数据辨识[J].热力发电，2024，53（7）：34-44.

[2]吴佩芝，徐天奇，李琰，等.考虑预测误差不确定性的源-荷-广义储低碳经济动态优化调度[J].重庆理工大学学报（自然科学），2024，38（5）：276-285.

[3]余洋，陆文韬，陈东阳，等.光伏波动平抑下改进K-means

的电池储能动态分组控制策略[J].电力系统保护与控制，2024，52（7）：1-11.

[4]耿志平，高岩.空调负荷主动调控的分布式光伏建筑能源系统优化运行分析[J].建筑科学，2024，40（2）：70-77，110.

[5]张姝，陈豪，肖先勇.基于RBF神经网络的光伏并网系统自适应等效建模方法[J].电力系统保护与控制，2024，52（4）：77-86.

[6]熊昌全，张宇宁，刘育，等.基于融合SIFT算法的光伏电站安监图像精准识别技术研究[J].粘接，2024，51（2）：143-146.