一种综合方法，用于评估土地使用法规对分布式太阳能系统性能的影响

《Sustainable Cities and Society》：An integrated approach for assessing the impact of land-use regulations on distributed solar energy system performance

本研究提出整合数字城市监管模型、建筑能源模拟与优化模型的综合框架，量化城市土地使用法规（LURs）对分布式太阳能系统（DSES）性能的影响。通过新加坡One North混合区三个LURs情景对比，发现DSES性能指标（单位GFA能耗、自给率、峰荷）对土地用途类型和GFA限制高度敏感，其中混合用地区GFA放松效果显著。该框架为基于证据的LURs调整和可持续城市发展提供定量支持。

　　

Jidong Kang|Chenyi Cai|Christoph Waibel|Pieter Herthogs|Yuming Fu

新加坡-ETH中心，未来城市实验室全球项目，CREATE校区，1 Create Way，#06-01 CREATE大厦，新加坡138602，新加坡

摘要

先前的研究已经建立了城市形态与分布式太阳能系统（DSESs）性能之间的显著联系。然而，城市发展通常受到土地使用规定（LURs）的指导，这些规定决定了每块土地允许的土地用途和每种土地用途的允许总楼面积（GFA）等关键因素。尽管如此，LURs对DSESs性能的影响仍被忽视。为了填补这一研究空白，我们开发了一个综合框架，用于量化地块级LURs对城市区域范围内DSESs性能的影响。该框架包括一个数字化的城市监管模型，用于数字化城市规划法规；一个建筑模拟模型，用于模拟建筑负荷和太阳能发电；以及一个城市和能源优化模型，用于确定最佳的土地使用配置和能源系统投资计划，以最小化能源成本。我们在新加坡的一个混合用途区域，在三种不同宽松程度的LURs情景下展示了这种方法。比较这三种情景发现，DSESs的性能指标——包括每GFA的能源成本、能源自给率和每小时峰值负荷——对每块土地允许的土地用途和每种土地用途允许的GFA的变化都非常敏感。进一步的边际效应分析表明，DSESs的性能对某些土地用途类型的允许GFA分布和宽松程度非常敏感，例如混合用途区。本研究提供了一个定量框架，用于评估影响能源高效城市发展的LUR参数。它可以为基于证据的LUR调整提供信息，以促进可持续的城市规划。

引言

城市能源系统正从集中式的燃料发电系统转向分布式太阳能系统（DSESs）。然而，DSESs在城市地区的性能，通过诸如每GFA的能源成本、能源自给率²和峰值负荷等指标来评估，很大程度上依赖于城市形态（Lan等人，2022年；Mussawar、Mayyas和Azar，2023年；Mutani等人，2020年；Perera等人，2019年；Singh等人，2023年）。例如，通过建筑集成光伏（BIPV）系统进行太阳能发电的潜力直接受到建筑表面阴影的影响，而这又取决于建筑物的朝向和高度以及周围建筑物的情况。此外，具有混合土地用途的社区通常会经历较低的总峰值负荷，因为不同建筑物之间有更多的机会进行本地能源共享。混合用途的开发也有利于提高需求响应能力。例如，住宅建筑可以通过智能电动汽车充电和预冷在商业建筑的工作时间调整其能源消耗，从而减少社区对主电网的依赖。鉴于城市形态与DSESs之间的紧密联系，将DSESs的性能考虑因素纳入城市规划尤为重要。

关于城市空间系统与DSESs的协同规划在文献中已有广泛探讨。已经开发了各种建模方法来识别城市土地使用和DSESs的最佳配置，并研究城市形态如何影响能源系统性能。例如，Perera等人（2019年）表明，城市形态的变化强烈影响可再生能源技术的电网整合潜力，而Singh等人（2023年）证明，优化的社区布局可以显著提高太阳能接入和区域级的光伏发电量。基于代理的建模研究进一步强调了建筑形态模式如何塑造社区规模的能源共享和可再生能源利用（Mussawar、Urs等人，2023年）。其他研究通过协同模拟和优化探索了建筑几何形状和多能源系统的共同演化，显示出在能源供应效率和太阳能收集方面的显著收益（Waibel等人，2019年）。优化社区建筑类型组合也被证明可以改善能源性能和环境结果（Hachem-Vermette & Singh，2019年），而Perera等人（2021年）强调了在未来的气候不确定性下，具有气候适应性的城市形态的重要性。

在街区层面，Liu等人（2023年）证实，城市形态显著影响建筑能源使用和太阳能潜力。最近的研究进一步加深了对详细形态和空间特征如何影响分布式太阳能性能的理解，包括基于代理的社区能源动态分析（Mussawar、Urs等人，2023年）、评估街区级太阳能辐射的几何指标（Li、Li等人，2022年）、基于GIS的城市规模屋顶光伏潜力映射（An等人，2023年）、在不同气候和形态背景下评估太阳能接入（Mahaya等人，2022年），以及将局部气候区与不同建筑形式的太阳能潜力联系起来的评估（Kaleshwarwar等人，2023年）。总体而言，这些研究表明，协调优化城市形态和DSES配置可以显著提高可再生能源整合、能源效率和系统韧性。

尽管许多研究已经探讨了城市形态参数（如土地使用混合、密度和建筑朝向）如何影响DSES性能，但这些评估通常是在假设的区域内进行的，没有考虑现实世界的土地使用规定（LURs）。因此，大多数DSES性能建模仍然停留在理论阶段，而非实际应用。迄今为止，很少有研究调查地块级LURs对DSES性能的影响。

LURs是控制和管理土地使用的城市政策，通过分区、地块大小规定和总楼面积限制等措施来实现（Kono & Joshi，2019年）。它们对每种土地允许的土地用途类型和每块土地允许的GFA设定了限制，从而塑造和约束土地使用混合、密度和城市形态。这些规定的制定和执行因国家、城市和区域而异。城市实施LURs的原因包括减少交通拥堵和噪音、提升城市美观、控制空气污染、回收公共服务成本以及解决土地使用冲突（Gupta和Kumar，2023年；Kanyepe等人，2021年）。典型的LURs示例包括总体规划、街区规划、城市设计指南、高度控制计划和发展控制计划。这些规定为城市增长和土地开发过程中的城市治理提供了宝贵的指导。

地块级的LURs，如对允许的建筑GFA和允许的土地用途类型的限制，可以显著影响区域级别的DSESs性能。例如，限制土地使用的多样化可能会限制不同土地用途之间的能源共享，而限制节能或需求灵活的土地用途的GFA可能会增加整个区域的能源消耗和峰值负荷。不幸的是，尽管这些规定非常重要，但在能源建模和政策制定过程中，量化其能源影响的方法往往缺乏。尽管在能源和城市规划中已经考虑了总体LURs数据（如城市或区域级别的不同土地用途比例）（Hachem-Vermette和Singh，2019年；Perera等人，2019年），但这些数据缺乏关于更详细层次的土地使用发展的信息（Shi等人，2023年）。因此，将地块级的LURs（如允许的GFA和允许的土地用途）纳入能源和城市规划模型中，对于促进可持续的城市设计和规划至关重要。

传统上，LURs通过法律文本或在线地图表达，规定可以在每块土地上建造什么以及建筑物可以有多大。这些文件通常难以进行数字分析。因此，将这些知识数字化在数字模型中提供了许多优势，例如在地理门户上传播这些信息，以及创建支持城市规划决策的应用程序（Brasebin等人，2016年）。Cities Knowledge Graph（CKG）项目（Chadzynski等人，2021年；Grisiute等人，2023年；Silvennoinen等人，2023年）的一个成果是一个数字化的城市监管模型，该模型开发了基于本体的新加坡城市规划法规表示。该模型将各种格式的地块级法规文档转换为可互操作和机器可读的格式，使LURs表示可搜索、可查询和可量化。利用该模型，可以根据不同的LURs检索有关允许的土地用途、允许的GFA和考虑地块后退距离的可建空间的信息。除了新加坡，许多国家，特别是在欧洲，现在已经建立了公共数字规划数据库（Fertner等人，2019年），并且数字城市监管模型在城市规划中的使用越来越普遍。例如，开发了一个基于效率、透明度和创新的分析框架，以探索数字规划数据如何影响城市地区的土地使用规划（Hersperger等人，2022年）。意大利还为土地使用管理创建了一个数字共同知识模型，从而确保城市规划工具的有效性，以实现可持续的发展（Demichelis，2022年）。然而，我们不知道还有其他类似的数字城市监管模型与城市能源建模方法结合，用于评估地块级LURs对DSESs性能的影响。

本研究旨在回答以下研究问题（RQ）：

• •
  如何量化受城市形态指标变化影响的DSES性能，同时考虑LURs的限制？
• •
  区域级别的DSES性能对LUR参数（如允许的土地用途类型和每种土地用途的允许GFA）的敏感性如何？
• •
  哪些关键的土地用途类型和发展模式决定了DSES的性能结果？

为了回答上述研究问题，我们提出了一种综合方法，该方法结合了能源和城市形态优化模型、建筑能源模拟模型（CEA）以及数字城市监管模型（CKG）。该框架可用于评估不同地块级LURs设计对每GFA的能源成本、能源自给率和峰值负荷的影响，并量化由于LURs调整而导致的DSESs性能的边际变化。通过在新加坡的混合用途区域One North进行的案例研究展示了所提出的方法。该案例研究确定了影响该区域DSES性能的最关键LUR参数。这种综合方法结合了能源性能的量化和城市规划中LURs的考虑，因此对关注能源的受众和关注城市规划的受众都有益。

方法部分

方法

本节介绍了评估LURs能源影响的方法。该方法包括三个主要组成部分，即数字城市监管模型、建筑能源模拟模型和能源与城市形态优化模型。不同方法组件的相互联系如图1所示。第一步，CKG内的数字城市监管模型自动计算每块土地允许的土地用途类型和最大

案例研究

选择新加坡的代表性混合用途区域One-North作为案例研究，以展示所提出的模型。One-North区域包括多种允许的土地用途类型，大多数地块可以允许多种土地用途。这种多样性为比较土地使用组成变化及其对应的GFA分配如何影响性能结果提供了合适的基础。监管允许的广泛性也使我们的建模过程能够预见多种

结果

我们通过比较三种LURs情景下的优化结果来评估DSESs性能对允许的GFA和允许的土地用途类型的敏感性，并进一步揭示LUR参数的边际效应。敏感性分析分为两种形式：（1）聚合优化，其中同时对所有土地用途类型应用GFA和土地用途的放宽；（2）边际变化，其中选择性地对一种

结论

本研究开发了一种综合建模方法，用于评估土地使用规定对城市地区DSESs性能的影响。这种方法的一个关键特点是结合了城市能源系统建模技术（即建筑能源模拟模型和能源与城市形态优化模型）与数字城市监管模型，从而在遵循实际地块LURs的情况下实现全面的能源和城市规划。据我们所知，这样的

CRediT作者贡献声明

Jidong Kang：写作——审稿与编辑、撰写原始草稿、可视化、验证、软件、方法论、调查、资金获取、形式分析、数据管理、概念化。Chenyi Cai：写作——审稿与编辑、可视化、方法论、调查、形式分析、数据管理、概念化。Christoph Waibel：写作——审稿与编辑、资源管理、项目协调、数据管理。Pieter Herthogs：写作——审稿与编辑、监督，

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：Kang Jidong报告称，他获得了新加坡-ETH中心全球环境可持续性的财务支持。如果还有其他作者，他们声明没有已知的可能会影响本文所述工作的财务利益或个人关系。

致谢

本研究得到了新加坡-ETH中心的未来城市实验室全球项目和苏黎世ETH的支持。未来城市实验室全球项目由新加坡国家研究基金会、总理办公室在其Campus for Research Excellence and Technological Enterprise（CREATE）计划下资助，以及苏黎世ETH（ETHZ）的支持，此外还得到了新加坡国立大学（NUS）、南洋理工大学（NTU）和新加坡科技大学的额外贡献