摘要：人类生产活动耗能的30%来自建筑耗能，并且随着建筑面积的不断扩大，这一比例也在不断增加。为了改善绿色建筑节能效果，针对严寒地区办公用建筑构建建筑信息模型，并提出了基于神经网络的建筑能耗预测模型。经过验证，预测模型的预测值和实测值的相关系数、决策系数分别为0.9884、0.9769。通过对不同参数下的办公建筑耗能进行模拟，研究发现建筑窗墙比、窗台高和层高和耗能成正比，外窗高度、进深缩放系数成反比，建筑朝向设计和办公建筑之间呈周期性变化关系。构建的严寒地区办公建筑的建筑信息模型以及神经网络预测模型能够有效反映不同设计策略下的建筑节能效果。

关键词：建筑信息模型；绿色建筑；节能效果；神经网络

1引言

严寒地区的建筑耗能包括制冷、供暖和照明耗能，同时因为该地区的建筑耗能多以“年”为模拟单位，所以建筑的模拟时长较长[1]。在既有严寒地区办公建筑的形态设计中，设计师多用试错法进行试验以确定建筑节能设计方案。设计方案的最终决策受到设计师主观判断和数据分析能力的影响，因此最终的节能设计方案往往无法实现最优节能[2]。《民用建筑绿色设计规范》建议使用计算机模拟的方式进行建筑耗能分析。计算机模拟方式可以有效提高模拟精度，并为节能设计决策过程提供有效支持[3]。为了提高建筑节能设计中的决策精度和设计效率，此次研究通过建筑信息模型和神经网络预测模型相结合的形式，寻找最优的严寒地区建筑节能设计方案。

2绿色办公建筑信息模型构建

2.1节能设计目标分析

考虑到严寒地区制冷供暖耗能需求较大，由于建筑设计不合理产生的热损失量较大，此次研究以严寒地区办公建筑为对象，探讨绿色建筑节能方案。在处理目标建筑的性能参数时，需要遵循相关性、均衡性和独立性原则。根据《公共建筑节能设计标准》（GB50189-2015）内容，严寒地区公共建筑的总能耗主要来源于采暖、制冷、照明和办公设备，其中采暖制冷耗能的一半是由建筑围护结构散热造成的[4-5]。办公建筑的采暖耗热量为：HH.TINFI.Tq=q+q-q（1）公式（1）是办公建筑采暖耗热量qH的计算公式，qH.T是围护结构耗热量，qINF为空气渗透耗热量，qI.T是建筑内部的热量。公式（1）中所有变量单位均为W/m2。.01()()/mHTieiiiiqttεKFA==-å·-（2）围护结构的耗热量计算公式为公式（2），通过围护结构耗热量确定影响建筑耗能的形态设计参数。ti是办公建筑的平均温度（室内），单位为℃。te是采暖期办公建筑的平均温度（室外），单位为℃。εi、Ki分别为建筑围护结构的传热系数修正系数和传热系数。Fi、A0分别为办公建筑和围护结构的面积。根据公式（2）内容可知，围护结构面积、围护结构传热系数以及当地的室外温度、供暖强度均会对建筑采暖耗能有所影响。任何影响建筑围护结构面积变化的建筑形态学调整均会造成建筑采暖耗能的变化[6]。由于办公建筑不适宜使用斜线、圆弧形的设计，因此严寒地区的办公建筑多使用长方体设计。建筑朝向影响日照入射角度和受日照直射面积，建筑表面的凹凸变化会使围护结构面积和体积系数增加，外窗和外墙的传热系数之间存在差异，因此建筑朝向、平面形式和窗墙比均会对建筑耗能产生影响[7]。WWR=abn/HW（3）公式（3）是建筑窗墙比WWR的计算公式。办公建筑的外窗长、宽、高分别为a、b、c，单位为m。办公建筑的高度为H，墙面宽度为W。0F2H(AB)AB221VHABABH++==++（4）公式（4）是建筑形体系数F0V是对计算公式。办公建筑的高度、体积为H、V。建筑开间总长度和进深总长度分别为A、B。F0是建筑外表面和空气接触的面积大小。通过公式（3）、（4）可知，建筑形态设计参量包括H、A、B、V、F0、层高、层数、数量等共19个。由于建筑层数受到消防、防震等部门的限制，在设计时可确定为常数。建筑开间、开间数和进深方向总长度、进深数的调整不会影响建筑形态，因此上述四个变量可以使用进深缩放系数代替。i0B=DSF·B（5）0/iA=ADSF（6）公式（5）是建筑进深长度Bi的计算公式，公式（6）是开间长度Ai的计算公式。DSF是进深缩放系数，A0、B0是建筑进深和开间的原长度。

2.2建筑环境信息模型构建

研究以中国东北部哈尔滨地区的气候环境为基础构建建筑信息模型。热气候指数（Thermalclimateindex，UTCI）是评价温度、湿度和风力等多因素的建筑热环境指标。室外热环境可以分为冷基于建筑信息模型的绿色建筑节能效果分析喻海亮（葛洲坝房地产南京事业部，江苏南京210000）摘要：人类生产活动耗能的30%来自建筑耗能，并且随着建筑面积的不断扩大，这一比例也在不断增加。为了改善绿色建筑节能效果，针对严寒地区办公用建筑构建建筑信息模型，并提出了基于神经网络的建筑能耗预测模型。经过验证，预测模型的预测值和实测值的相关系数、决策系数分别为0.9884、0.9769。通过对不同参数下的办公建筑耗能进行模拟，研究发现建筑窗墙比、窗台高和层高和耗能成正比，外窗高度、进深缩放系数成反比，建筑朝向设计和办公建筑之间呈周期性变化关系。构建的严寒地区办公建筑的建筑信息模型以及神经网络预测模型能够有效反映不同设计策略下的建筑节能效果。关键词：建筑信息模型；绿色建筑；节能效果；神经网络作者简介：喻海亮（1988-），男，江苏南通人，2011年毕业于江苏科技大学土木工程专业，本科，学士，二级注册建筑师。专业方向：建筑设计。而不舒适、偏冷、舒适、偏热、热而不舒适五个等级，不同等级下对应的热气候指数为低于-14℃、-14℃~9℃、9℃~26℃、26℃~32℃、超过32℃[8]。哈尔滨地区的热气候指数情况如图1（a）所示，该地区的冬季容易使长期停留在室外的人产生过冷而不舒适的感受。哈尔滨地区日照辐射量水平和全年变化情况的计算结果如图1（b）所示。该地区的日照直射辐射量在六月达到最大值。此次研究对东北地区省会及地级市大庆、佳木斯和部分县级市的办公建筑形态设计参数进行调研，结果显示办公建筑的平面形式以矩形平面为主，并且层数集中于5、7层，层高多为3.6m和3.3m。建筑开间方向总长度在25～75m，进深方向总长度多为20m。南向、东西向和北向窗墙比集中在0.18~0.3、0.13~0.18、0.2。图2是通过矩形建筑形态进行组合形成的多种建筑平面形式的几何模型图，基本上覆盖了东北地区标准办公建筑的主要平面形式。在进行材料构造信息建模时，需要充分考虑公共建筑的节能设计规范。甲类建筑的外墙、屋面传热系数的值域为≤0.8W/（m2·K）、＜0.5W/（m2·K）。窗墙比在0.20~0.30时，外窗传热系数的值域为≤3.2W/（m2·K）；窗墙比小于0.20时，传热系数的值域为≤3.5W/（m2·K）[9]。在进行建筑运行信息建模时，需要将运行时间、建筑负荷和设备运行条件三部分信息输入运行信息模块。根据国标规定，一类办公用建筑的夏季室内温度为24℃，冬季温度为20℃。单间办公室的面积应大于10m2，普通办公室每4m2供一人办公，并且在0.75m2的参考平面上照明照度值不小于300lx[10]。表1是以图2（a）为建筑形体构建的模拟建筑主要参数信息，办公建筑内使用理想符合空调系统，全年工作3650h，各层平面的四周区域为开放空间，建筑内部为交通空间。该参数情况下，建筑的供暖、制冷、照明耗能共计60.36W/（m2·K），全天然采光百分比为25.25%，有效采光照度百分比为57.58%。表征人体热反应指标为0.79，预测不满意百分比为20.46%。该模型符合《民用建筑供暖通风与空气调节设计规范》（GB50736-2012）的二级热舒适标准。

2.3绿色建筑能耗预测模型构建

此次研究使用遗传算法改进的神经网络模型评价办公建筑的能耗和光热性能。神经网络模型的输入参量包括建筑层高、进深缩放系数、建筑朝向、北向窗墙比、西向窗墙比、南向窗墙比和东向窗墙比，其模数分别为0.3、0.1、15°、0.01、0.01、0.01、0.01。建筑性能设计指标为建筑耗能，即输出层输出内容。11tan()Iiijjia=sigåwP+b（7）公式（7）是第i个神经元从隐含层输出函数aIi的表达式，输入层和隐含层之间的权重、偏差分别为w1ij、b1i。神经网络输入层的输出为Pj。2212()kijika=purelinåwa+b（8）公式（8）是神经网络输出层输出函数k的表达式。隐含层和输出层之间的权重、偏差分别为w2ij、b2i。(1)()ijijijΔWn+=h×Φ×O+a×Wn（9）本次研究使用梯度下降函数引导神经网络进行学习，函数表达式为公式（9）。h是学习因子，Φi是节点误差，Oj是节点误差，a是动量因子。此次研究以哈尔滨当地实测的风速、风向、室外温度等作为设计参数输入模型，以哈尔滨某多层办公建筑作为实测对象，该五层办公建筑四周无遮挡物，墙面尺寸为4.5m×19.7m，墙内嵌有外窗，尺寸为2.1m×2.7m，墙体厚度为620mm，结构为砖混结构，并且墙体主体部分无明显热桥。此次研究于1月24日至2月17日进行实测。图3是多元线性回归模型、神经网络模型的预测值和实测值的对比结果。神经网络模型的预测相关系数、决定系数和均方误差分别为0.9884、0.9769、0.022，多元线性回归模型的预测相关系数、决定系数和均方误差分别为0.9884、0.8120、0.1720。由此可以说明，此次研究构建的神经网络预测模型的预测结果具有较高的可信度。

3不同策略下绿色建筑节能效果分析

为了研究不同变量对严寒地区办公建筑的耗能影响情况，本次研究构建了如图4所示的办公建筑标准层实验模型。模型的办公空间以自然采光为主，辅助空间以人工照明为主。研究所用实验模拟模型的层数为1层，面积共800m2，其中办公空间占地600m2，交通空间和辅助空间占地200m2。五个热区中1-4区均为办公空间，5区为辅助空间。模拟步长为15min，周期为全年，其他耗能参数与表1参数一致。图5是窗墙比、窗高、窗台高设计对建筑耗能的影响分析结果。建筑窗墙比、窗台高和建筑耗能成正比，窗高和建筑耗能成反比。随着窗墙比数值的增加，建筑耗能呈10%至16%的上升幅度，并且西向窗墙比对建筑耗能的影响程度最大，其次为南向和东向。建筑的外窗高度从1.8m到2.4m逐渐增加，建筑的耗能水平下降了0.07W/（m2·K），说明建筑外窗高度对建筑耗能的影响程度较弱。建筑窗台高度从0.8m增加至1.2m，但是建筑的耗能水平仅上升了0.15W/（m2·K），说明窗台高度对建筑耗能的影响较弱。研究设置模拟步长为5°，在办公建筑朝向的-0°至90°的范围内计算建筑耗能的变化情况，得到的建筑朝向变化对建筑耗能的影响结果如图6所示。在这一变化过程中，建筑耗能呈现出周期性变化，这是由于研究构建的办公建筑模型的平面形状为正方形，朝向变化使得建筑接受日照辐射量数值也发生变化，室内温度也随之变化。研究设定办公建筑层高的值域为3.0m至4.4m，步长为0.01m，模拟建筑层高对建筑耗能的影响。层高增加会导致办公建筑的耗能增加，并且两者之间具有线性关系。这是因为建筑层高增加会导致建筑外表面积增加。由于窗墙比为常数，此时建筑外窗面积也会增加，使得办公建筑的散热加快，热损失增加。建筑外窗面积增加也会导致日照辐射的热量增加，但是由于哈尔滨地区的冬季热损失超过日照辐射的热，因此建筑层高增加会导致其耗能增加。研究设定建筑的进深缩放系数为0.5-1.0，模拟步长为0.05，得到的进深缩放系数对建筑耗能的影响结果如图7（b）所示。建筑耗能与进深缩放系数呈反比。当进深缩放系数大于0.8时，建筑耗能水平基本处于稳定状态。这是因为进深缩放系数的变化会导致建筑形体系数的变化，建筑形体系数减小，围护结构的传热损失降低，建筑耗能也随之减小。

4结论

严寒地区的办公建筑具有巨大的节能潜力，合适的建筑形态设计可以在满足办公建筑的功能性要求的基础上实现最优能耗。本次研究以哈尔滨地区的环境特点为基础，对办公建筑的几何信息、材料信息和运行信息进行集成，构造办公建筑的建筑信息模型。在GANN-BIM平台上使用神经网络模型进行基于建筑形态参数的建筑能耗预测。本次研究对不同建筑形态参数下的设计策略进行建筑模拟和能耗预测。结果表明，建筑窗墙比为0.1，窗高为2.4m，窗台高为0.8m，层高为3层，进深缩放系数为0.8，建筑朝向为-90°、0°和90°时，办公建筑的能耗最低。此次研究结果可为哈尔滨地区办公建筑的节能设计提供一定参考意见。但是此次研究缺少对光舒适度等参数的分析，因此还需要在建筑节能设计上进一步分析其他因素，得出节能舒适的绿色建筑设计方案。

作者:喻海亮 单位:葛洲坝房地产南京事业部