利用可解释的机器学习方法，揭示住宅社区的最佳低碳改造策略

《BUILDING AND ENVIRONMENT》：Revealing optimal low-carbon retrofit strategies for residential neighborhoods using explainable machine learning

城市更新中低碳建筑翻新策略研究：基于代理优化的节能与成本平衡分析

　　

叶嘉红|沈彦婷|黄晨宇|徐青云|杨峰|赵莫莎|穆罕默德·萨布里|艾哈迈德·阿布尔瓦法|艾哈迈德·吉塔斯|姚家伟

同济大学建筑与城市规划学院，中国上海200092

摘要

在城市更新的背景下，进行低碳改造是实现碳中和的关键。不同类型城市街区之间的最佳改造策略存在差异，尤其是在考虑节能和改造成本时。成本限制可能会影响改造强度，从而导致同一社区内最佳解决方案的多样性。为了解决这个问题，提出了一种数据驱动的替代优化框架，以确定最具成本效益的节能改造策略，同时考虑节能和经济成本。基于上海的住宅建筑类型，本研究构建了一个经过验证的理想社区批量模拟模型，并使用Urban Weather Generator (UWG)和EnergyPlus进行了性能模拟。通过整合机器学习和先进的遗传算法(iGeneS)，该研究揭示了平衡节能和成本的最佳改造组合，以及它们对不同类型社区能源效率的影响。结果表明，对光伏（PV）和照明的深度改造可以获得最佳效果，而对其他四种策略的浅层改造则可以最小化节能成本。此外，在考虑改造成本的同时，提高建筑围护结构的热绝缘性能成为最有效的策略，超过了光伏改造。这些发现突显了不同策略在改造强度上的适应性差异，以及成本限制如何影响改造方法的选择。该框架具有可重复使用的特点，可以通过针对性的调整来适应不同的城市住宅环境，为在改造过程中平衡节能和成本提供实用指导。

引言

气候变化是21世纪人类面临的最严峻挑战之一[1]。过度的能源消耗导致温室气体排放增加，从而加剧了气候危机。建筑行业是全球最大的能源消耗者之一[2]。根据《全球建筑与建设状况报告》，建筑约占全球温室气体排放量的32%和二氧化碳排放量的34%，年增长率约为1%[3,4]。目前全球普遍认同在建筑行业进行节能和减排的必要性[5]。然而，现有建筑物的能源性能较差，需要大规模的改造工作[6]。建筑改造已成为提高能源和资源效率的关键策略。因此，推广低碳建筑改造对于实现可持续城市发展至关重要。

能源性能评估对于验证低碳建筑改造的有效性至关重要[7]。然而，现有的评估方法通常侧重于技术解决方案和单个建筑特性，对外部城市环境的考虑有限[8]。现实世界中的环境因素，如城市热岛效应和微气候，可以显著影响建筑改造策略的有效性[[9], [10], [11]]。在人口密集的城市地区，热岛效应可能会降低外墙或屋顶保温改造的冷却效果，从而影响改造策略的优先级和最佳配置[12]。因此，在建筑改造中考虑城市环境变量至关重要。此外，建筑改造受到社会经济因素的制约；高昂的改造成本会增加居民的生活成本，延缓城市可持续性项目的进展[13]。有效地改造建筑物以最大化节能并最小化改造成本是当前城市街区改造工作的重点[14,15]。然而，在成本限制下，不同城市环境中最佳改造策略及其优先级排名仍不明确。

本研究旨在利用基于机器学习的可解释替代建模方法，揭示平衡节能和改造成本的最佳能源改造策略组合，以及不同策略对各种类型城市街区节能的贡献。采用经过验证的理想城市街区批量模拟模型作为研究对象[16,17]，并使用Urban Weather Generator (UWG)和EnergyPlus模拟在热岛效应(UHI)影响下的改造前后的能源性能[18]。然后开发了一个集成的基于学习的替代模型，以便快速预测改造前后的节能效果，提高识别最佳能源改造策略的优化效率。最后，使用可解释算法来揭示不同策略的节能贡献，确定那些对提高能源效率贡献最大的策略。

章节片段

建筑能源改造与城市热岛效应

在从增量扩张向存量改造转变的背景下，建筑能源改造在城市能源分配和优化中起着关键作用[19]。以往的研究主要集中在建筑层面的节能改造策略上，例如提高建筑围护结构的热绝缘性能[20,21]、安装屋顶光伏（PV）[22]以及用节能玻璃替换窗户[23]。这些策略通常针对

方法

本研究开发了一个数据驱动的替代模型优化框架，用于确定街区层面的最佳低碳改造策略，同时考虑节能和经济成本。

低碳改造是指一系列旨在减少建筑能源消耗和相关碳排放的策略。具体而言，所考虑的改造措施包括使用节能照明和电器[48]、低太阳得热系数(SHGC)的玻璃

机器学习模型性能

本研究使用了六种集成学习方法来训练替代模型，采用决定系数(R2分数)作为评估指标。训练结果总结在表6中。评估标准如下：(1) 测试集上的高预测准确性；(2) 低过拟合，表现为训练集和测试集之间的R2分数差异较小。GBR模型在测试集上的预测准确率为0.911，表明其

讨论

经济成本限制显著影响改造策略的相对贡献。当仅以节能作为评估标准时，添加光伏系统显示出最大的贡献，因为它们直接提供可再生能源并大幅减少建筑能源消耗。然而，当评估标准转变为单位成本的节能效果，即投资与节能之间的比率时，策略贡献的排名会发生变化。

尽管光伏

结论

本研究开发了一个数据驱动的优化框架，用于确定街区层面节能和改造成本的最佳组合。该框架结合了可解释的机器学习与多目标优化算法，以揭示具有成本效益的改造策略，并量化每种策略的节能贡献。以上海社区为例，这些发现主要适用于住宅建筑

数据获取

支持本研究结果的数据可向相应作者提出合理请求后获取。

CRediT作者贡献声明

叶嘉红：撰写——原始草稿、可视化、方法论。沈彦婷：调查、正式分析。黄晨宇：撰写——审稿与编辑。徐青云：可视化。杨峰：数据整理。赵莫莎：软件开发。穆罕默德·萨布里：软件开发。艾哈迈德·阿布尔瓦法：可视化。艾哈迈德·吉塔斯：可视化。姚家伟：监督、项目管理和资金获取。