《BUILDING AND ENVIRONMENT》：Multi-Objective Optimization of Window Retrofit for Dormitory Buildings under Material Circularity Uncertainties: A Robust Surrogate-Assisted Framework
编辑推荐：
鲁棒多目标优化框架解决建筑窗户翻新中碳减排与成本舒适性的权衡问题，考虑30%-100%铝循环情景下材料不确定性，通过高保真机器学习与进化算法实现四个目标优化，揭示循环率提升20.64%碳节约及PVC向再生铝转变的关键路径。
作者：史云泽、曹晓东、杨照远、李梅艳、于希阳、杨旭东
单位：北京工业大学建筑与城市规划学院，中国北京 100124
摘要
随着气候风险的加剧，建筑行业的深度脱碳变得至关重要。作为建筑脱碳的重要手段，现有建筑中的窗户改造面临着诸多挑战，包括环境影响、运营成本、经济效益以及居住者舒适度之间的复杂权衡。未来材料循环利用的不确定性进一步加剧了这些挑战。为了解决这些问题，本研究提出了一种基于替代模型的多目标优化框架。该框架应用于中国的一栋典型大学宿舍，结合了高精度机器学习模型和进化算法，有效探索了设计空间。优化目标包括四个相互竞争的方面：碳回收期、生命周期碳排放变化、生命周期成本以及有效日光照度，并考虑了三种不同的铝回收率情景（30%、50%、100%）。多标准决策分析结果显示，提高材料循环利用率能够显著降低生命周期碳排放（在铝回收率为100%的情况下，碳排放减少了20.64%，达到2.63×10? kgCO?eq）。研究确定的优化方案具有很高的可行性，碳回收期最长为1.4年，同时保持了与基准水平相当的高视觉舒适度，有效实现了脱碳与成本和舒适度的平衡。此外，研究还发现了一种“材料逆转”现象：在低循环利用率情景下，最佳框架材料从PVC变为高性能再生铝；而在未来循环经济中，这一趋势将更加明显。本研究验证了供应链循环利用的关键作用，并提供了一种可扩展的方法来选择具有韧性的低碳改造策略。
引言
在全球气候风险日益严峻的背景下，《巴黎协定》确立了将全球变暖控制在工业化前水平以上2°C以内的共同目标[1]。中国承诺在2030年前达到二氧化碳排放峰值，并在2060年前实现碳中和[2]。建筑行业在全球能源相关二氧化碳排放中占比很大；在中国，建筑行业占最终能源使用的三分之一以上，以及国家碳排放的相当大比例[3][4][5]。由于中国现有建筑数量庞大（许多建筑建于严格的节能标准实施之前），这些建筑的长期高运营排放问题尤为突出[6]。大学校园作为具有多种建筑类型的典范，非常适合开展全面的改造工作，其成功经验可以推广到其他城市[7][8]。在建筑围护结构中，窗户是导致室内环境与室外环境之间热量交换的主要因素[9][10]。因此，通过选择高性能玻璃、隔热框架和优化遮阳装置来升级窗户，被认为是实现现有建筑节能的最具成本效益和影响力的方法之一[11][12][13]。窗户改造具有多重目标：减少生命周期碳排放变化（ΔLCCE）、缩短碳回收期（CPP，即 embodied carbon 除以年度运营碳节省量）、降低生命周期成本（LCC）以及提高舒适度（如有效日光照度UDI）。另一个复杂因素是材料循环利用。目前铝制窗户框架占主导地位，但其碳排放强度受回收材料和供应链脱碳程度的显著影响[14]。最新研究表明，铝和玻璃等关键材料的碳排放是中国实现碳中和的关键障碍[15]。尽管中国建筑用铝的回收率目前约为30%，但在积极的循环经济政策推动下这一比例正在上升，导致未来铝制窗户系统的碳排放存在较大不确定性[16]。然而，现有方法在处理材料相关不确定性及开发决策支持框架方面仍存在不足。
方法论
本研究开发了一个综合的SAMOO框架，用于在材料循环利用不确定性条件下确定大学宿舍建筑的最佳窗户改造策略。如图1所示，该框架包括四个阶段：（1）数据集生成：通过自适应采样进行高精度耦合模拟（EnergyPlus/Radiance）；（2）替代模型：开发并验证优化的SVM-GDPSO回归模型；（3）多场景优化：使用NSGA-II算法进行优化。
结果与讨论
本研究通过北京某大学宿舍的改造案例验证了所提出的框架，并在四个分析阶段提供了详细结果：基线建筑诊断、替代模型验证、帕累托前沿结构分析以及材料循环利用不确定性下的集成决策。分析结果表明，该框架有效提升了计算效率，揭示了最佳设计方案，并展示了
结论
本研究解决了建筑改造优化与供应链循环利用之间的关键脱节问题。通过建立可靠的SAMOO框架，我们量化了材料循环利用不确定性如何影响窗户改造中的碳排放与运营成本之间的权衡。结合高精度验证（R2>0.9）的SVM-GDPSO替代模型，该框架能够在多种循环利用情景下高效探索复杂的设计空间。这一成果对理解建筑行业脱碳路径具有重要意义。
资金来源
本研究得到了中国国家自然科学基金（项目编号52408190）和中国博士后科学基金（项目编号GZC20240834）的支持。作者贡献说明
史云泽：撰写初稿、数据可视化、模型验证、方法论设计、研究实施、资金筹集、概念构思。曹晓东：撰写修订稿、资源协调、数据分析、数据整理。杨照远：数据可视化、软件开发、研究实施、数据分析。李梅艳：数据调查、数据整理。于希阳：模型验证、数据调查、数据整理。杨旭东：撰写修订稿、审稿编辑、项目监督、资源协调、数据整理。
