开发自动热分区方法以支持城市建筑能耗建模

《ENERGY AND BUILDINGS》：Development of the automatic thermal zoning methods to support urban building energy modeling

　　

摘要
开发合适的热分区方法有助于实现城市建筑能耗的准确计算。本文针对任意形状的建筑开发了一种新的核心与周边分区方法。提出的分区方法能够稳健地处理基底包含内部空洞的建筑，而不仅仅是实心基底。此外，之前的自动分区方法可能会产生宽度小于 2.5 米的狭窄核心区域。提出的分区算法还可以通过移除狭窄的核心区域来自动调整核心区域。然后，基于核心与周边分区模型，本研究分析了采光控制的节能潜力，这是一种利用自然光进行室内照明的照明控制方法。最后，采用楼层乘数来减少模拟时间。它使用一个典型中间楼层来代表除顶层和底层以外的所有楼层。当多个楼层具有相同的几何形状、内部空间类型和边界条件时，可以用一个楼层代表它们。选择中国湖南省长沙市一个包含 1039 栋办公楼的区域作为案例研究。比较了所有 1039 栋建筑在四种情景下的电力和燃气消耗：单区模型、核心与周边分区模型、带采光的核心与周边分区模型、带楼层乘数的核心与周边分区模型。结果表明，与单区方法相比，使用核心与周边分区方法时，所有建筑的供暖电力增加了 9.00%，制冷电力增加了 4.42%。在使用采光控制方法后，所有建筑的照明电力消耗减少了 38.37%。

引言
城市占全球能源消耗的三分之二和全球年度碳排放的 70% 以上 [1]。城市建筑能耗模拟（UBEM）是估算城市建筑能耗的有效工具。开发城市尺度的建筑能耗模型有利于估算节能和脱碳技术 [2]，如可再生能源、建筑改造和需求响应 [3]。近年来开发了许多 UBEM 工具。劳伦斯伯克利国家实验室（LBNL）开发了 CityBES，可用于节能潜力估算和碳减排分析 [4]。麻省理工学院（MIT）[5] 开发了 UMI，这是一个整合了建筑能耗、采光、室外舒适度和步行能力分析的城市模拟平台，以支持邻里尺度的性能导向型城市设计。瑞士洛桑联邦理工学院（EPFL）开发了 CitySim，用于考虑城市微气候的城市设计 [6]。香港科技大学开发了 GeoBEM，增强了 UBEM 与地理信息系统（GIS）之间的集成 [7]。湖南大学开发了 AutoBPS，用于城市节能分析和二氧化碳计算 [8]。模拟工具的核心引擎是建筑能耗模型。开发和改进城市建筑建模方法以支持 UBEM 是很有用的。
不幸的是，考虑详细的内部空间布局来生成每个建筑模型是很复杂且耗时的。因此，开发高效的几何建模方法有助于在 UBEM 的准确性和模拟时间之间取得平衡。UBEM 方法包括两个主要步骤。第一步是基于建筑信息生成几何模型，包括建筑基底、层高、层数和窗墙比。第二步是向现有几何模型中添加各种系统，包括照明系统、暖通空调（HVAC）系统等。生成建筑几何模型的一种常见方法是根据建筑图纸进行构建。这些图纸主要是建筑平面图，包括空间类型、层高、内部布局和尺寸。Chen 等人 [9] 提出了一种基于图和特征的建筑设计空间识别算法，用于建筑元素和空间识别，这有助于将几何模型转换为建筑性能模拟的相应输入模型。不幸的是，将计算机辅助设计（CAD）模型转换为建筑能耗模型（BEM）很复杂。Xiao 等人 [10] 提出了一种基于闭合轮廓识别和空间边界拓扑计算方法的 CAD-BEM 转换方法。输入文件格式包括*.dwg、*.dxf、*.stl 和*.ifc，输出文件格式为*obj。CAD-BEM 转换中有五个主要步骤：数据处理、数据清洗、闭合轮廓识别、空间构建和最终信息检查。闭合轮廓识别基于墙壁的底部投影识别每层平面图上的闭合区域。Lin 等人 [11] 开发了建筑性能优化工具 MOOSAS，它可以根据从 CAD 模型中识别出的建筑模型元素生成几何模型。Wu 等人 [12] 开发了一个基于本体的自动建筑能耗建模框架，本体模型是在建筑信息模型（BIM）的帮助下设计的。他们使用的几何建模方法基于实际建筑信息，如图纸，更准确，但在城市尺度上很难获取足够的建筑内部布局信息。因此，开发用于建筑能耗模拟的自动热分区方法是有益且关键的。
热分区方法是建筑能耗模拟的关键因素，主要是因为 HVAC 系统的能耗受热分区方法的影响。UBEM 中基于基底而不是图纸的常见热分区方法可以分为四类 [13]：每栋建筑单区、每层单区、核心与周边分区以及基于空间类型的分区。先前的研究包括不同热分区条件下模拟结果的比较 [14], [15]、核心与周边分区方法的发展 [16], [17] 以及基于空间类型的分区方法的发展 [18]。Heidarinejad 等人 [14] 研究了建筑形状和热分区条件对 ASHRAE 气候区 4A（混合潮湿气候）中中型商业办公楼模拟结果的影响。他们的结果表明，不同的几何和分区表示导致模拟的月度场地电力和燃气使用量变化高达 10%。然而，该研究没有提供关于不同分区方案如何影响能耗的机制的详细分析。它仅在建筑表面传热、内部负荷和操作时间表变化方面提供了总体解释。Smith [15] 模拟了四个 ASHRAE 气候区的办公和医疗建筑：明尼阿波利斯（6A 寒冷潮湿）、巴尔的摩（4A 混合潮湿）、亚特兰大（3A 混合潮湿）和凤凰城（2B 炎热干燥）。他们比较了不同的热分区配置，发现，在核心与周边分区模型中，10 英尺的周边深度会高估总燃料使用量 8% 以上，而 20 英尺的周边深度则会低估约 5%。该研究比较了不同热分区方法引起的能耗差异，并对这些差异提供了部分解释，主要与跨多个朝向的区域、周边深度设置以及复杂三维建筑形式中的分区切割位置有关。然而，它没有通过详细的传热分析或负荷分解进一步解释机制。Dogan 等人 [16] 提出了自动热分区算法 Autozoner，它基于线段平移和交点，将任意形状建筑的基底划分为核心区域和周边区域。Autozoner 是最早的自动热分区方法之一，具有强大的算法通用性和明确的几何细分基础，使得具有未知内部布局的任意建筑体量模型能够被细分为核心热区并周边热区。但由于需要复杂的几何处理，因此难以复现。Chen 和 Hong [17] 开发了一种基于像素算法的自动热分区方法，将建筑基底划分为核心区域和周边区域。Chen 和 Hong 的基于像素的热分区方法将建筑基底转换为像素，按距离将其分类为核心区域和周边区域，并避免了 Autozoner 所需的复杂几何计算。因此，本研究提出了一种新的基于像素算法的方法，与 Chen 和 Hong 提出的方法相比，它可以处理具有内部空洞的建筑基底并优化狭窄的核心区域。Zhou 等人 [18] 开发了一种基于百分比的酒店热分区方法，其中建筑基底根据不同类型的空间类型面积百分比进行划分，例如客房、接待处、厨房、洗衣房和设备房。结果表明，与每层单区模型相比，供暖需求增加了最多 8.7%，制冷需求激增了最多 49 倍，电力需求上升了最多 51%。如上所示，基于几何的热分区方法复杂且困难，而基于像素的方法无法处理具有内部空洞的建筑基底。两种方法都可能产生狭窄的核心区域，这应当避免。此外，核心与周边分区模型与单区模型之间能耗模拟结果差异的原因从未被分析过。
利用自然光进行室内照明是建筑节能的有效措施。室内照明强度受几个因素的影响，如建筑朝向、建筑深度和窗户尺寸。适合对建筑的每个区域实施独立的照明控制。Shen 等人 [19] 估算了三个城市（阿布扎比、伦敦和巴尔的摩）一栋核心与周边分区办公楼的采光控制策略的节能潜力。他们发现，在大多数情况下，整合照明和采光控制策略在能源和视觉舒适度性能方面优于所有其他策略。Nizam 等人 [20] 评估了马来西亚一栋历史办公楼的采光控制，发现采光控制可以将年电力照明能耗减少 11.51 kWh/m2，相当于平均照明节能 37.13%。Budhiyanto 和 Chiou [21] 使用监控摄像头衍生的 HDR 图像进行教室采光控制，节能范围约为 43%-63%。Yu 等人 [22] 调查了英国一栋新建教育建筑中采光的年照明节能潜力。他们的结果表明，在考虑人工照明分布的情况下，采光可以将人工照明能耗减少约 40%-46%。Afifa 等人 [23] 以日本现有的学校教室为研究对象，评估了教室采光的利用情况。结果表明，在典型教室模型中，采光控制使年能耗减少了 16%。Gentile 等人 [24] 分析了 25 个国际案例研究，发现整合采光、高效电力照明和高级照明控制可以显著减少照明能源使用，在办公楼中，年照明能源使用低于 5 kWh/m2·yr 很容易实现。Xiao 等人 [25] 针对中国夏热冬冷气候区的中庭建筑进行了多目标优化研究，考虑了采光、能耗和热舒适度。结果表明，平衡采光性能和热舒适度的权衡方案，与初始设计相比，建筑能耗强度降低了约 18.67%。先前的研究分析了不同建筑中采光控制的节能潜力。然而，城市尺度上采光控制技术的节能潜力很少被分析。
如上所示，自动热分区方法存在一些研究空白。首先，基于图纸的热分区方法耗时，且在城市尺度上难以获取足够的图纸。其次，基于几何的热分区方法复杂，而当前的基于像素的热分区方法无法处理具有内部空洞的建筑基底。此外，基于几何和基于像素的分区方法都会产生不合理的核心区域。在本研究中，提出了一种新的基于像素的热分区方法，用于自动将建筑划分为核心与周边区域，这也有助于移除不合理的核心区域。基于城市尺度的核心与周边分区模型，分析了采光控制的节能潜力。本文比较了四种情景之间的能源差异并分析了原因：每层单区、核心与周边分区、带采光的核心与周边分区以及带楼层乘数的核心与周边分区。在本研究中，核心与周边分区方法仅用于将每层划分为核心区域和周边区域。带采光的核心与周边分区用于基于核心与周边分区模型估算自然光的节能潜力。当使用单区方法时，由于照明强度在核心区域和窗户边缘之间变化，很难用照明传感器控制室内照明密度。

本研究采用核心-外围分区间隔方法与楼层乘数相结合的方式，解决了目标建筑楼层较多时，分区后模拟时间急剧增长的问题。

**方法**

本研究开发了一种基于像素的分区方法，用于UBEM中将建筑轮廓划分为核心区与外围区，包括带有内部空腔的轮廓。本研究开发的基于像素的分区方法还可优化分区结果，通过处理过窄的核心区来提高合理性和灵活性。基于核心-外围分区方法，本研究评估了城市建筑中自然采光控制的节能潜力。

**结果**

本部分简要介绍其结构，以明确分析逻辑。首先，3.1节呈现了城市尺度下1039栋建筑的模拟结果，对模拟的建筑能耗性能进行总体评估。3.1节的结果展示了1039栋建筑在使用不同方法时的能耗差异。然后，3.2节聚焦于两栋代表性办公楼，对比了代表性日期的模拟结果。

**讨论**

本研究开发了基于像素的核心-外围分区方法，适用于具有任意形状轮廓的建筑，包括带有内部空腔的建筑。此外，还引入了一种定制化分区方法，以去除不合理的过窄核心区。基于核心-外围分区模型，分析了全部1039栋建筑自然采光控制的节能潜力。比较了单区模型与……

**结论**

本研究提出的自动分区方法成功应用于具有复杂轮廓的建筑。结果表明，分区方法对不同暖通空调系统建筑的供暖和制冷能耗有不同影响。在供暖季，与单区方法相比，核心-外围分区方法降低了大型办公楼的供暖能耗，但增加了中型办公楼的供暖能耗。在制冷季，核心-外围……

**CRediT作者贡献声明**

Zhiyuan Wang（王志远）：原创草稿撰写、方法论。Haojie Guo（郭浩杰）：审稿与编辑。Kangcheng Gong（龚康成）：审稿与编辑。Guanjing Lin（林冠景）：审稿与编辑。Yixing Chen（陈一星）：审稿与编辑、指导监督。

**生成式AI及AI辅助技术在写作过程中的声明**

在撰写本工作过程中，作者使用了Grammarly和ChatGPT以提高可读性并检测拼写/语法错误。使用此工具/服务后，作者对内容进行了审查和编辑，并对出版物内容承担全部责任。

**利益冲突声明**

作者声明不存在可能影响本文所报告工作的已知竞争性财务利益或个人关系。

**致谢**

本文受中国国家自然科学基金（NSFC）资助，项目编号为52478088。本文还受中国湖南省重点研发项目资助，项目编号为2025JK2072。

王志远 | 郭浩杰 | 龚康成 | 林冠景 | 陈一星