论文部分内容阅读
为应对新时代背景下我国城镇化领域建筑节能和环境品质改善的双重挑战,大力发展绿色建筑已得到各方共识。有研究表明,建筑40%以上的节能潜力来自于建筑方案初期。为此本研究希望提出一种面向方案设计初期的办公建筑节能和天然采光设计优化新方法,期望为相关从业者提供新的思路。论文首先通过梳理国内外最新文献,总结得到性能驱动设计过程难以在方案阶段应用的主要障碍,包括:性能优化工具和方法难以实现与建筑设计的充分融合,设计初期建筑形体参数不确定性大、建筑设计软件和性能模拟工具匹配不好等。论文在第2章提出了建筑性能双向优化设计流程的思路和实施步骤,介绍了自主研发的方案阶段多目标性能优化设计软件平台(MOOSAS)框架体系和使用要点。论文第3章从建筑空间平面形体拓展、表面辐射量修正、算法应用层面细化等方面改进了办公建筑能耗预测模型,提出了多层次建筑能耗预测算法,并基于多种国际主流软件模拟结果和ASHRAE 140标准测试要求,验证了其准确性。论文第4章提出了结合人工神经网络进行建筑能耗预测的新思路。首先对复杂体型进行分解,然后使用人工神经网络模型对计算单元进行能耗预测,最后对能耗值进行组合修正,并完成了预测模型的设计训练方法和准确性验证。论文第5章提出了结合人工神经网络的天然采光性能和照明能耗预测方法。利用人工神经网络实现了考虑动态天然采光评价指标全天然采光时间百分比的快速预测方法和建筑外区及中庭照明能耗计算,解决了高计算成本的问题。最后,论文基于所提出的优化框架和性能预测方法,进行了4个案例应用:以整体能耗最低为目标的方案反向生成,方案的即绘即模拟,设计参数敏感性分析,能耗和采光性能的双向优化,对所提方法与算法进行了整体性验证。论文创新点包括:(1)提出了用于设计初期的多层次建筑能耗预测模型,并使用ASHRAE140标准进行准确性验证,可对方案初期阶段的建筑节能趋势进行准确预测。(2)提出了结合人工神经网络的建筑能耗和天然采光指标的快速预测方法,可更好地适用于方案初期复杂形体建筑的模拟与反向优化。(3)基于上述成果,奠定了方案阶段多目标性能优化设计软件平台(MOOSAS)的计算核心,并通过案例应用与分析,对该方法的有效性进行了检验。本文研究成果可为性能驱动的绿色建筑设计方法创新和工程应用提供参考。