原文信息
Multi-objective optimization for energy-efficient building design considering urban heat island effects
原文链接：https://www.sciencedirect.com/science/article/abs/pii/S0306261924015009
Highlights
(1) 在城市热岛效应（UHI）影响下优化建筑能源性能（BEP）
(2) 综合物理模拟、可解释性机器学习与优化方法
(3)采用SSP气候情景对城市尺度的案例进行研究，以预测未来影响
(4)利用如Rhinoceros 3D等物理建模工具进行能源模拟，实现精确评估
Research gap
当前研究对城市尺度下建筑与城市元素相互作用的探索不足，导致城市热岛效应下建筑能源性能评估可能不准确。此外，研究对建筑运营阶段的能源使用和温室气体排放关注不够，需要更全面的框架来提高设计的可持续性。
Abstract
Building energy performance (BEP) associated with climate change and urban heat island effects (UHI) play an important role in urban sustainable development. To predict and optimize BEP under various socioeconomic scenarios, a new framework combining the physical simulation modeling integrated explainable machine learning and multi-objective optimization is proposed in this study. A Grasshopper-based simulation model incorporates BO-LGBM (Bayesian optimization-LightGBM) is developed to construct a solid prediction system, which tends to tune the hyperparameters accurately and explain more details with the aid of SHapley Additive explanation (SHAP). Two major aspects, including the building energy use intensity and indoor thermal comfort, are modeled by considering the different Shared Socioeconomic Pathways (SSPs) climate change scenarios in the near and far future. A multi-objective optimization method is employed to find an optimal solution for energy efficient building design under constraints or uncertainties. Key findings include a 54% improvement in the Pareto front for building energy optimization and a significant impact of SSP585 scenarios on future energy.
Keywords
Building energy performance
Energy-efficient building design
Explainable method
Climate change
UHI effects
Multi-objective optimization
Graphics
图 1. 三种窗墙比 (WtoW) 下不同几何设置的示例： (a) - (c) WtoW= 0.15， (d) - (f) WtoW= 0.25， (g) - (i) WtoW= 0.35
图 2 预测值与模拟值的散点图： (a) 能源使用强度 (EUI) 和 (b) 舒适度
图 3 选定特征的 SHAP 值： (a) 能源使用强度 (EUI) 和 (b) 舒适度
图 4 改变因素的原始值与优化值的比较： (a) EUI 中的 x2 + x3 + x9 和 (b) 舒适度中的 x6 + x9 + x1
图 5 优化结果： (a) EUI 改进， (b) 舒适度， (c) 帕累托距离比较
图 6. 不同场景下的模拟结果比较： (a) 操作温度， (b) 空气温度， (c) 辐射温度， (d) 户外温度
图 7. 模拟结果： (a) 室内外温度，(b) 能耗，(c) 居住者的舒适度
图 8. 建筑每小时的月度能耗数据: (a) 制冷, (b) 照明, (c) 电气设备, 和 (d) 热水
作者介绍
团队介绍：
本研究由新加坡南洋理工大学和华中科技大学研究人员共同完成。
通信作者简介：
张立茂，华中科技大学土木与水利工程学院教授，博士生导师，国家海外高层次人才计划入选者，湖北省杰出青年。曾于2017年至2021年在新加坡南洋理工大学任助理教授。近年来主持国家自然科学基金，国家重点研发计划课题等多个科研项目，长期从事复杂工程决策、智能建造、数字孪生等方面研究，致力于提升复杂工程决策的智能化水平。研究成果以第一或通讯作者在Applied Energy、IEEE Transactions on Cybernetics、Automation in Construction等权威期刊发表SCI论文150多篇，10篇论文入选“ESI高被引论文”。授权国家发明专利8项，担任国际期刊Automation in Construction编委，Journal of Building Design and Environment主编。多次入选斯坦福大学“全球前2%顶尖科学家榜单(2020-2023)和Elsevier中国高被引学者榜单（2022、2023）。
第一作者简介：
张彦，南洋理工大学博士在读，从事建筑能耗模拟、预测与优化，城市形态及可以持续发展领域研究。在Applied Energy, Energy、Journal of Cleaner Production等期刊上发表一作论文，1篇论文入选“ESI高被引论文”。
关于Applied Energy
本期小编：郑培钧；审核人：彭维柯
《Applied Energy》是世界能源领域著名学术期刊，在全球出版巨头爱思唯尔 (Elsevier) 旗下，1975年创刊，影响因子11.2，CiteScore 21.1，谷歌学术全球学术期刊第49，工程期刊第19位，可持续能源子领域第2位，本刊旨在为清洁能源转换技术、能源过程和系统优化、能源效率、智慧能源、环境污染物及温室气体减排、能源与其他学科交叉融合、以及能源可持续发展等领域提供交流分享和合作的平台。开源（Open Access）姊妹新刊《Advances in Applied Energy》现已被ESCI收录。2024年将获得第一个影响因子。全部论文可以免费下载。在《Applied Energy》的成功经验基础上，致力于发表应用能源领域顶尖科研成果，并为广大科研人员提供一个快速权威的学术交流和发表平台，欢迎关注！
公众号团队小编招募长期开放，欢迎发送自我简介（含教育背景、研究方向等内容）至wechat@applied-energy.org
点击“阅读原文”
喜欢我们的内容？
点个“赞”或者“再看”支持下吧！
阅读原文
