RCBldEng——一种计算效率高的RC网络建模方法及引擎，适用于多区域建筑模拟

《Energy》：RCBldEng - a computationally efficient RC network modeling method and engine for multizone building simulation

本研究提出一种结合物理前向建模与反向数据校准的混合RC建模方法，开发了仿真引擎RCBldEng，构建了4种模型配置（4R1C至7R2C），通过原型建筑和实际案例验证表明，引入区间热耦合和双电容机制可显著提升预测精度，7R2C模型对高热容建筑区的R2值达98.78%，差分进化算法有效实现模型参数反向校准，计算效率较传统工具提升10-15倍。

　　

清华大学深圳国际研究生院未来人类居住环境研究所，中国深圳518055

摘要

由于目前缺乏通用性强、标准化实施的多区域建筑模拟实践所需的电阻-电容（RC）建模方法和框架，本研究提出了一种新型的混合RC建模方法，该方法结合了基于物理原理的正向建模和基于真实世界数据的逆向建模来进行建筑能耗模拟。本研究开发了一个名为RCBldEng的模拟引擎，它将理论建筑物理学与真实世界校准能力相结合。提出了四种RC模型配置（4R1C、6R1C、7R1C和7R2C），并针对不同的建筑类型和热行为进行了评估。通过实际中的两栋原型建筑和教育建筑案例研究，对模拟引擎的性能进行了测试和验证。结果表明，引入区域间热耦合和双重电容机制（7R1C和7R2C）显著提高了预测精度，使得办公建筑冷却负荷预测的R2值达到了98.78%。对于简化的建筑模拟模型，如4R1C配置较为适用；而7R2C模型则能更好地模拟具有高有效热质量和多个区域的建筑的热行为。此外，差分进化算法被证明是现有建筑校准的有效选择，而由于季节变化导致的实际运行不确定性可能是重要的偏差来源。研究表明，RCBldEng的计算效率在初步设计阶段和优化应用中的建筑模拟方面具有竞争力。

引言

如何让建筑设计团队快速、有效地做出绿色低碳建筑设计决策，并在确保良好建筑环境的同时应用节能技术，已成为实现建筑行业可持续发展目标不可或缺的问题[1]、[2]。其中，建筑热负荷和能耗模拟计算是结合适当的排放因子和电网数据后，准确评估建筑运行阶段能耗和碳排放水平的重要方法和手段[3]。像EnergyPlus这样的建筑能耗模拟工具可以提供精确的热负荷预测，但在早期设计阶段评估多个设计方案时需要大量的计算资源[4]。这种计算负担限制了建筑师和工程师进行必要的参数研究，从而无法优化绿色建筑的性能[5]。考虑到这一点，降阶电阻-电容（RC）网络模型通过大幅减少模拟时间同时保持可接受的精度，提供了一个有前景的替代方案。然而，现有的RC建模方法面临挑战：纯正向模型缺乏对现有建筑的校准能力，而基于数据的逆向方法在没有运行数据的情况下无法应用于新设计。本研究通过开发RCBldEng——一种结合理论建筑物理学原理和真实世界数据校准的混合RC建模引擎，填补了这一空白，使得新建筑设计优化和现有建筑改造分析的计算效率比传统工具快10-15倍。

本研究提出了一种新型的混合RC建筑建模方法，该方法将正向建筑物理学原理（例如RC理论）与基于真实世界数据的校准（逆向建模）相结合。这种方法与现有RC建模方法的不同之处在于其方法论的整合性，能够在单一框架内实现双重应用。传统的RC建模研究要么采用正向方法（直接从已知的建筑物理属性计算参数），要么采用逆向方法（通过数据驱动的优化来确定所有参数）。本研究开发的混合方法在三个关键方面有所不同：（1）选择性参数处理：基于物理的参数（围护结构热属性、几何形状）通过正向建模计算，而不确定的参数（有效热容量、渗透率）则通过逆向优化进行校准，而不是统一处理所有参数；（2）通用性：同一建模引擎既适用于新建筑设计场景（物理属性已知但缺乏运行数据的情况），也适用于现有建筑分析（有测量性能数据可供校准的情况）；（3）渐进式模型框架：系统地开发并验证了四种不同的RC配置（4R1C至7R2C），并根据建筑特性、区域间耦合重要性和精度要求提供了明确的模型选择指南。与仅基于正向物理计算或逆向数据驱动参数识别的传统方法不同，这种混合方法既适用于物理属性已知的新建筑设计场景，也适用于有校准数据的现有建筑分析。

文献综述

当前减少建筑能耗的研究主要集中在绿色建筑方案优化[6]、建筑能源系统优化控制[7]、可再生能源应用[8]和故障建模分析[9]等领域。建筑能耗模拟模型通常可以分为白箱模型、黑箱模型和灰箱模型。白箱模型基于质量、能量和动量的守恒方程。白箱模型的一个显著特点是

无区域间热耦合的RC模型

所提出的4R1C模型包含两个温度节点，分别代表内部空气节点和热质量节点。其中，

• $$