《Journal of Building Engineering》：We May Be Retrofitting Wrong: How LCA Exposes Hidden Trade-offs of Carbon Footprint and Costs of Optimal Energy Retrofitting Upgrades
编辑推荐：
本研究提出一种基于全生命周期评估（LCA）的多目标优化模型，用于住宅建筑能效改造，整合了NSGA-II算法以最小化全生命周期成本（LCC）和碳足迹（LCCF），并通过比较传统方法验证了其优势，显示LCA方法平均降低LCCF 33%和LCC 17%，并改变了系统级改造策略。
Negar Mohtashami | Rita Streblow | Jér?me Frisch | Dirk Müller
能源高效建筑与室内气候研究所，E.ON能源研究中心，亚琛工业大学，德国亚琛52074
摘要
本研究提出了一个基于生命周期评估（LCA）的多目标优化模型，用于住宅建筑的能源改造。通过采用从摇篮到摇篮的评估范围来捕捉全球变暖潜能（GWP）的影响因素，我们评估了建筑物整个生命周期内的运营排放和固有排放。研究采用了非支配排序遗传算法（NSGA-II）来优化被动和主动系统的改造措施，旨在最小化生命周期成本（LCC）和生命周期碳足迹（LCCF）。将该模型应用于典型的德国独栋房屋后，不仅发现了基于LCA的优化方法与传统运营能源优化方法之间的显著差异，还展示了当整合LCA时系统级改造决策的变化。结果表明，传统优化方法产生的解决方案不仅成本更高、碳强度更大，而且也是次优的，因为它们未能考虑建筑物其他生命周期阶段的影响。相比之下，基于LCA的方法平均可使LCCF降低33%，LCC降低17%，最大降幅分别可达53%和47%。进一步分析显示，传统方法的真实LCCF和LCC影响平均分别高出61%和203%。此外，系统级分析表明，整合LCA后绝缘层的厚度有所减少，光伏系统的采用更加谨慎，同时 HVAC配置也发生了变化，更倾向于使用热泵等系统。这些发现强调了本研究在说明如何将LCA纳入优化过程以从根本上重塑系统级改造决策方面的创新贡献，揭示了当前翻新实践中优先考虑被动措施而非更具影响力的主动措施的潜在问题。
引言
由于建筑行业的能源消耗增长及其对环境的影响，能源效率和温室气体（GHG）减排策略已成为大多数国家能源政策的关键优先事项[1]。国际能源署（IEA）报告称，建筑行业是全球最大的能源消费者，占最终能源使用的30%，以及直接和间接二氧化碳排放量的大约33%[2]。能源资源的消耗导致了环境失衡。因此，人们致力于提高建筑的能源性能，以减轻环境影响[3][4][5]。能源改造是提升建筑能源性能的一种非常有效的策略[6][7]。然而，优化改造方案需要同时考虑运营能源消耗和固有排放[8]，因为减少其中一项可能会导致另一项的增加[9][10]。LCA提供了一种全面的方法来评估这两个方面的权衡，但传统的优化方法往往忽视了固有排放，从而限制了其在可持续改造中的有效性[11]。
本研究的首要目标是提出一种方法，将LCA方法整合到能源改造问题的优化过程中，以便同时利用LCA和优化方法的优势，减少基于案例的LCA研究结果的不准确性或传统运营能源优化中可能出现的问题偏移。其次，本研究展示了所提出的方法与传统方法在优化结果上的差异，并定义了基于LCA的优化方法的效率。为了实现这些目标，采用了从摇篮到摇篮的LCA方法，通过优化过程彻底评估建筑物整个生命周期阶段的全球变暖潜能（GWP），确保最终解决方案不是基于特定案例的，而是接近最优的解决方案，同时考虑了固有能源和运营能源。
方法论
LCA可以根据特定目标对建筑物进行评估，例如能源消耗（LCEA）、环境足迹（LCCF）或成本（LCC）。如前一节所述，我们将从碳足迹累积和成本的角度来研究能源问题。因此，我们将基于LCCF和LCC作为优化目标来进行优化。在以下小节中，我们将首先定义本研究中LCA的边界，然后继续讨论LCCF的量化方法。
结果与讨论
在本节中，我们展示了使用所开发模型进行的优化结果，比较了两种方法：一种基于传统方法，另一种基于LCA的优化方法，并采用了第3.1节中介绍的边界条件。图7展示了两种方法的结果。y轴表示年化LCC，x轴表示年化LCCF，两者均以建筑物每年的运营时间为单位。
结论
本研究开发了一个基于LCA的多目标优化模型，用于住宅建筑的改造决策，适用于TABULA建筑类型。通过采用从摇篮到摇篮的评估方法，该模型通过考虑运营排放和固有排放及成本影响，最小化了LCC和LCCF。该模型的优势首先在于其开源透明的开发过程，这为优化过程提供了顺畅的流程。
CRediT作者贡献声明
Negar Mohtashami：撰写 – 审稿与编辑，撰写 – 原始草稿，可视化，验证，软件开发，方法论研究，数据分析，概念化。Rita Streblow：撰写 – 审稿与编辑，验证，项目监督，资源协调，数据管理，概念化。Jér?me Frisch：撰写 – 审稿与编辑，项目监督。Dirk Müller：撰写 – 审稿与编辑，项目监督
写作过程中生成式AI和AI辅助技术的声明
在准备本工作时，作者使用了ChatGPT（OpenAI）来提高语言质量并改善文本的可读性。使用该工具后，作者根据需要对内容进行了审查和编辑，并对出版物的内容负全责。
利益冲突声明
? 作者声明他们没有已知的财务利益或个人关系可能会影响本文报告的工作。
