《Sustainable Cities and Society》：From Energy Efficiency to Thermal Resilience and Passive Survivability During Summer Power Outages: AI-Supported Prediction and Physics-Based Genetic Algorithm Optimization of Building Envelopes
编辑推荐：
专业术语翻译
建筑和城市区域消耗了全球近三分之二的一次能源，并贡献了约71%的全球温室气体排放，使其处于能源-气候挑战的核心位置。气候变化进一步加剧了这一负担，成为建筑性能风险和能源需求压力的关键驱动因素。全球气温上升伴随着更频繁和更剧烈的极端事件，包括严重的
专业术语翻译
建筑和城市区域消耗了全球近三分之二的一次能源，并贡献了约71%的全球温室气体排放，使其处于能源-气候挑战的核心位置。气候变化进一步加剧了这一负担，成为建筑性能风险和能源需求压力的关键驱动因素。全球气温上升伴随着更频繁和更剧烈的极端事件，包括严重的寒潮和长时间的热浪事件。在过去三十年中，此类极端天气事件的发生显著增加，预测表明未来几年将进一步加剧。这些与气候相关的扰动是能源基础设施故障的主要原因之一，通常导致停电，进而危及建筑运行以及居住者的健康、福祉和安全。2003年中欧热浪事件凸显了此类故障的人员代价，其中设计不良的建筑与超过70,000人死亡相关。除死亡率外，极端室内环境还导致其他健康风险，特别是对老年人群，他们更容易受到长时间暴露于不安全温度的影响。此外，气候变化已被证明对建筑的能源性能产生显著影响，对电网造成过度压力，并进一步放大系统脆弱性。
这些停电后果超出了健康范畴，据报道造成了可观的经济损失。在美国，天气引发的停电估计每年造成200-550亿美元损失，而单次事件如风暴和降雪相关中断已导致近400万人断电，损失超过10亿美元。这些风险因发达国家居民近87%的时间在室内度过而进一步放大，使建筑成为停电期间的第一道防线。尽管建筑具有核心作用，能源领域内的韧性概念本质上具有复杂性，且大多数韧性相关研究集中于电网灵活性和可靠性，对建筑在各种事件下的热韧性关注相对有限。这一空白导致了对热韧性和能源韧性建筑概念的日益重视，该类建筑被定义为在气候极端事件导致电网中断期间能够维持稳定室内性能并保护居住者的结构。
然而，迄今为止，建筑围护结构的韧性及其在停电期间缓解热应力方面的作用尚未得到广泛探索。鉴于建筑围护结构是室内外环境之间的主要界面，其改造是提升能源性能和被动生存能力最直接的策略之一。因此，本研究有意隔离围护结构改造的贡献，而遮阳、通风及其他被动或主动策略不在其定义范围内。本研究将建筑围护结构改造定位为弥合传统能效升级与韧性导向设计之间差距的关键路径，通过在所提出的框架中应用人工智能（AI）和多目标优化来实现。
论文解读文章
一、研究背景与问题
全球建筑和城市区域消耗了近三分之二的一次能源，并贡献了约71%的温室气体排放，使其成为能源-气候挑战的核心。气候变化导致极端天气事件（如热浪）日益频繁和剧烈，这些气候相关扰动是能源基础设施故障的主要原因之一，常引发停电，严重威胁建筑运行和居住者健康。2003年中欧热浪中，设计不良的建筑与超过70,000人死亡直接相关。在美国，天气引发的停电每年造成200-550亿美元的经济损失。鉴于发达国家居民近87%的时间在室内度过，建筑在停电期间成为保护居住者的第一道防线。
然而，现有韧性研究多集中于电网灵活性和可靠性，对建筑热韧性的关注相对有限。已有研究存在以下关键空白：第一，多数研究局限于单一气候或单一建筑类型，缺乏跨气候区和跨建筑类型的普适性结论；第二，韧性评估多依赖小规模手动配置的模拟，无法支撑系统性的大规模比较；第三，韧性评估指标较为单一，多聚焦于室内温度或舒适阈值，对累积暴露、恢复动态、湿度风险和停电后能源需求缺乏综合考察；第四，很少有研究整合自动化、AI预测或多目标优化，限制了大规模改造方案库的评估能力。为此，研究人员开展了本研究，旨在通过AI和多目标优化框架，系统评估并优化建筑围护结构在夏季停电期间的热韧性和被动生存能力。该论文发表在《Sustainable Cities and Society》。
二、主要技术方法
研究人员构建了BIM-EnergyPlus自动化模拟管线，利用Autodesk Revit 2025建立四种住宅建筑类型的BIM模型，导出为GBXML并导入OpenStudio，最终生成EnergyPlus IDF文件进行模拟。采用Python自动化脚本结合EPPY库和分类拉丁超立方采样（LHS）生成并执行大规模模拟，共完成16,856次EnergyPlus模拟，覆盖14个ASHRAE气候区和4种住宅建筑类型，总运行时间45.8小时。模拟时间步长设为每20分钟间隔，输出每3分钟数据，共产生40,454,400个时间序列数据点。在此基础上，研究人员训练了XGBoost AI预测模型以替代详细模拟输出，并采用NSGA-II遗传算法进行多目标优化。热韧性评估采用多指标框架，包括被动生存能力指数（PSI）、热失效时间（TTF）、温度偏差（TD）、湿度暴露风险（HER）、恢复时间、停电后恢复负荷（PORL）和加权未满足温度惩罚（WUMTt）。
三、研究结果
围护结构改造对被动生存能力的提升效果： 通过大规模模拟和优化分析，研究人员发现围护结构优化可将生存小时数提升高达298%，热应力降低高达63%。这表明针对性的围护结构改造策略能够在停电期间显著延长建筑维持安全室内温度的时间，同时降低居住者面临的热应激水平。
建筑类型对停电生存能力的影响： 研究结果显示，联排住宅（attached houses）和公寓（apartments）在停电生存能力方面优于独立住宅（detached homes）。这一结论基于四种建筑类型（B1独立式、B2半独立式、B3联排式、B4中层公寓）在14个气候区中的系统比较，揭示了建筑形态和相邻单元的热缓冲效应对被动生存能力的显著贡献。
气候区差异对改造策略的影响： 不同气候区对围护结构改造的需求和效果存在显著差异。在炎热的干热气候区（如凤凰城和图森），围护结构的隔热性能和太阳辐射控制对维持室内安全温度尤为关键；而在湿热气候区（如迈阿密和休斯顿），除温度控制外，湿度暴露风险的管理同样重要。
AI预测模型的精度验证： XGBoost模型被训练用于复制详细模拟输出，实现了高精度预测，显著降低了计算负担，使快速场景测试成为可能。这一结果基于对16,856次模拟数据的训练和验证，证明了AI替代模型在大规模围护结构性能评估中的可行性和有效性。
多目标优化的综合效益： 通过NSGA-II遗传算法优化，研究人员能够在能效和热韧性之间识别最优平衡点，证明了两者并非必然矛盾，合理的围护结构设计可以同时实现能源效率提升和停电生存能力增强。
四、讨论与结论
研究讨论部分强调了围护结构改造作为连接传统能效升级与韧性导向设计的关键桥梁作用。与以往仅关注单一指标或单一情境的研究不同，本研究的综合指标框架能够更全面地刻画建筑在停电期间的生存能力和恢复性能。研究人员指出，虽然被动策略（如围护结构隔热、相变材料应用）在停电期间提供了显著的吸收能力，但其适应性在持续热事件中可能受限，因此围护结构设计需结合气候区特征和建筑类型进行差异化优化。
研究结论部分指出，本研究通过系统性地跨越14个ASHRAE气候区和4种住宅建筑类型，克服了以往研究在地理和类型学范围上的局限性；通过自动化BIM-EnergyPlus管线结合遗传算法优化，解决了可扩展性挑战，使数千种改造场景无需人工干预即可生成和测试；通过纳入被动生存能力、热失效时间、WUMTt、恢复时间、停电后恢复负荷和湿度暴露风险等综合指标，扩展了韧性评估的维度；通过引入XGBoost AI预测模型，降低了计算负担并实现了快速场景测试。研究为气候和类型特异性的围护结构改造提供了可操作的指导，使建筑不仅能够提升能源效率，还能在极端气候引发的停电期间增强热韧性。
