熊琦媛　朱蘭

摘 要：在現(xiàn)代化進(jìn)程不斷推進(jìn)的環(huán)境下，打造綠色低碳生活已成為人們渴望追求的目標(biāo)，建筑節(jié)能是綠色低碳生活中必不可少的環(huán)節(jié)，本文分析了建筑熱工學(xué)和建筑節(jié)能的研究現(xiàn)狀。

關(guān)鍵詞：建筑熱工學(xué);建筑節(jié)能

針對城市綜合體能源管理問題，有研究提出了一種具有層次結(jié)構(gòu)的綜合優(yōu)化調(diào)度與預(yù)測控制方案。該方案包括一個優(yōu)化 uc 能源使用的調(diào)度層和一個控制層，控制每個建筑的供暖、通風(fēng)和空氣調(diào)節(jié)。在控制層，考慮多層建筑材料圍護(hù)結(jié)構(gòu)的熱動力學(xué)特性，建立了具有暖通空調(diào)系統(tǒng)的單體建筑的詳細(xì)物理模型，對其能耗進(jìn)行了預(yù)測。在調(diào)度層，基于建筑物的預(yù)測能耗，建立了一個多目標(biāo)優(yōu)化調(diào)度模型，以減小峰谷負(fù)荷差，最小化建筑物的運行費用。最后得到最優(yōu)控制規(guī)劃，并將其發(fā)布到各個控制器上。數(shù)值計算結(jié)果表明，該方法可以降低系統(tǒng)的運行成本，減小系統(tǒng)的峰谷負(fù)荷差。同時，在室內(nèi)溫度范圍內(nèi)可以實現(xiàn)最優(yōu)控制[1]。

能源建設(shè)技術(shù)在實現(xiàn)地方能源可持續(xù)性的潛力方面受到了極大的關(guān)注。有研究以零能耗建筑為研究對象，探討能源負(fù)荷與發(fā)電機(jī)組錯配導(dǎo)致需要足夠大可再生能源系統(tǒng)的零能耗建筑的能源個體化管理問題。具體來說，能源建筑有可控制的供暖、通風(fēng)和空氣調(diào)節(jié)（hvac）裝置和可再生能源裝置。在協(xié)調(diào)能源管理模式下，建筑物以對等模式確定其能源分享概況和社區(qū)內(nèi)的相關(guān)支付，而分享能源平衡和支付平衡則需要得到滿足。由于建筑物的自利性，對等能源共享問題被建模為一個具有全局約束的非合作博弈。然后證明了博弈均衡的存在性，并提出了一個求博弈均衡的分散式演算法。通過6棟建筑物和30棟建筑物的案例，驗證了所提出的對等能源共享管理模型的能源效率、經(jīng)濟(jì)效益和可擴(kuò)展性[2]。

良好的能源性能對于降低能源密集型建筑的能耗具有重要意義。有研究該問題被建模為兩目標(biāo)優(yōu)化函數(shù)，即最小化能量消耗和最大化舒適度。其次，提出了一種基于骨架粒子群優(yōu)化的求解算法。針對傳統(tǒng)算法易于局部收斂的缺點，提出了一種改進(jìn)的自適應(yīng)擾動更新策略。實驗結(jié)果表明，該算法能夠獲得較好的非支配解，明顯優(yōu)于已有的比較算法。該算法對部分情況下的不適時間減少了11.82%，但能耗僅增加了1.74%。結(jié)果表明，該算法是優(yōu)化建筑能耗偏好的有力工具[3]。

建筑能耗數(shù)據(jù)分析是智能城市發(fā)展研究的一個主要分支。常用的建筑能耗預(yù)測 bp 神經(jīng)網(wǎng)絡(luò)模型存在物理意義不清、數(shù)據(jù)泛化能力差、擬合精度低等問題。為此，有研究提出了一種基于cm-gwo-bp 神經(jīng)網(wǎng)絡(luò)的建筑用電量綜合預(yù)測模型。優(yōu)化誤差反向傳播神經(jīng)網(wǎng)絡(luò)預(yù)測模型（gwo-bp）。實驗結(jié)果表明，與樣本預(yù)測精度指數(shù)百分比誤差（rmspe）相比，fcm 聚類后的 gwo-bp 神經(jīng)網(wǎng)絡(luò)與 bp 模型相比減少了約0.225，與 gwo-bp 模型相比減少了約0.135，預(yù)測精度最多提高了75%。平均絕對誤差（mape）分別降低了14.41% 和6.48%?？梢钥闯?，該模型具有較強(qiáng)的泛化能力，預(yù)測精度和可靠性較好，完全能夠滿足實際工程的需要[4]。

陽光是最容易接近的環(huán)境因素之一，已被用作一次能源。采用模擬的方法和工具，在光架的基礎(chǔ)上，研究了室內(nèi)空間采光分布對居住建筑熱舒適條件和能耗的影響。首先，采用參數(shù)化方法研究了燈架設(shè)計參數(shù)（包括燈架角度、燈架深度和燈架數(shù)量）對建筑總能耗（包括供暖、供冷和電能）和不滿意人群預(yù)測百分比兩個目標(biāo)函數(shù)的影響。結(jié)果表明，西向的最佳角度為24.37 m，南向的最佳深度為0.571 m，東向的最佳數(shù)量為4個，南向的最佳角度為89.62 m，東向的最佳深度為36.51 m，東向的最佳深度為0.659 m，東向的最佳數(shù)量為4個。此外，結(jié)果表明，光架的最佳工況使加熱、冷卻和電能消耗分別減少了27.819 kwh / m2、49.176 kwh / m2和34.853 kwh / m2[5]。

光催化自我清潔“涼爽”的屋頂和墻壁可維持高反照率，節(jié)省建筑物的冷卻能源，減少用電高峰期的用電需求，以及緩解城市熱島效應(yīng)。其他環(huán)境效益則來自其減少污染的特性。兩種不同的光催化建筑薄膜和一種非光催化控制方法的樣本沿垂直方向向西暴露兩年，在加利福尼亞州的三個地點每季回收一次進(jìn)行測試。光催化材料具有良好的自清潔性能，反照率保持在0.74-0.75之間。相比之下，對照材料的反照率損失高達(dá)0.10個單位，掃描電子顯微鏡觀察到明顯的污染。在60 °c 時，光催化劑的無去除率和無 x 沉積率因接觸地點、天氣條件和光催化材料的性質(zhì)而不同，從而評估光催化劑的去污能力。觀察到季節(jié)效應(yīng)，旱季有部分抑制作用，雨季有部分激活作用[6]。

參考文獻(xiàn)

[1]Shichang Cui，Jiang-Wen Xiao. Game-based peer-to-peer energy sharing management for a community of energy buildings[J]. International Journal of Electrical Power and Energy Systems，2020，123.

[2]Ying Tian，Junqi Yu，Anjun Zhao. Predictive model of energy consumption for office building by using improved GWO-BP[J]. Energy Reports，2020，6.

[3]王登甲，吳航，劉艷峰，王瑩瑩，王麗娟，劉加平.孤立島礁自持化光伏空調(diào)建筑能量平衡優(yōu)化匹配研究[J].太陽能學(xué)報，2020，41（07）：105-112.

[4]段中興，梅思雨.基于數(shù)據(jù)挖掘的建筑能耗異常檢測研究[J].計算機(jī)測量與控制，2020，28（07）：253-259.

[5]黃林成.基于Node.js的建筑能耗評估系統(tǒng)的設(shè)計[J].價值工程，2020，39（20）：193-194.

[6]李躋嶸.纖納光電：領(lǐng)航光伏產(chǎn)業(yè)綠色轉(zhuǎn)型，助力近零能耗建筑發(fā)展[J].國際融資，2020（07）：28-30.