一种基于碳排放性能优化的高层办公楼设计元素的快速优化框架：来自中国三个气候区的观点

《Sustainable Cities and Society》：A Rapid Optimization Framework for High-Rise Office Block Design Elements Driven by Carbon Emission Performance: Perspectives from Three Climate Zones in China

　　

沈旭|何秋国|罗涛|董一晨|钟华|段俊超|李高梅

清华大学建筑学院，北京，100084，中国

摘要

城市化进程和对碳中和的追求要求高层办公建筑采用创新的设计策略。目前，低碳建筑设计主要依赖于建筑师的主观设计经验，并采用设计后的评估方法，这严重限制了建筑师设计决策的效率。本研究提出了一种快速优化框架，该框架整合了参数化建模、机器学习和多目标优化技术，旨在最小化建筑能源使用碳排放（BEUCE）的同时最大化光伏发电的碳减排潜力（PCRP）。利用中国三个气候区域900座办公建筑的数据，我们开发了一个参数化原型，并训练了BP-ANN预测模型来替代耗时的模拟。与传统方法相比，该框架在哈尔滨、武汉和广州的案例中分别实现了高达175倍、303倍和196倍的计算速度提升。在哈尔滨的案例中，BEUCE的优化率为14.26%，屋顶PCRP的优化率为91.84%，立面PCRP的优化率为95.81%；在武汉的案例中，BEUCE的优化率为24.97%，屋顶PCRP的优化率为80.52%，立面PCRP的优化率为91.3%；在广州的案例中，BEUCE的优化率为30.82%，屋顶PCRP的优化率为84.84%，立面PCRP的优化率为95.81%。敏感性分析表明，窗户类型、建筑覆盖率和立面设计是影响最大的参数。这种方法为建筑师和城市规划者提供了早期设计的可行策略，为迈向碳中和的城市建筑和可持续发展提供了一个可扩展的途径。

引言

自2015年以来，全球碳排放量增加了近10%，这主要是由于快速的城市化进程。城市占全球能源消耗的约75%和温室气体排放的70%（国际能源署，2024年）。其中，仅建筑运营阶段就占全球最终能源使用的30%和能源相关碳排放的26%（国际能源署，2023年）。这些数据强调了建成环境在实现全球气候目标和推进城市可持续性方面的关键作用。

中国在联合国第75届大会上宣布了实现“双碳”目标的战略承诺：到2030年达到碳排放峰值，到2060年实现碳中和（中国，2020年）。2021年，整个建筑过程中的碳排放量达到了50.1亿吨二氧化碳，占该国能源相关排放量的47.1%（中国建筑节能与低碳发展委员会等，2024年）。因此，建筑行业已成为碳减排的重点领域。国家政策如《加快建筑节能与碳减排行动计划》强调节能设计和将光伏系统整合到建筑中（中国住房和城乡建设部，2024年）。

尽管有这些政策举措，当前的低碳建筑设计实践仍主要依赖于建筑师的主观经验和设计后的评估方法。这种方法限制了效率，未能充分发挥早期设计决策的潜力。现有的研究通常只关注街区规模或建筑规模的优化，但很少考虑多尺度设计元素（街区布局、单个建筑几何形状和立面配置）对碳排放和可再生能源潜力的综合影响。此外，传统的基于模拟的优化方法计算成本较高，限制了它们在迭代设计过程中的实际应用。

本研究提出了一种以性能为导向的设计方法，该方法利用参数化建模、机器学习和多目标优化技术，在高层办公建筑的初步设计阶段实现快速、数据驱动的决策。通过将建筑性能作为主要设计驱动力，该框架旨在最小化建筑能源使用碳排放（BEUCE），同时最大化光伏发电的碳减排潜力（PCRP）。这项研究与城市可持续性、气候适应性和智能设计技术相一致，为城市碳中和发展提供了可扩展的途径。具体而言，本研究旨在：

(1).

开发用于低碳性能的参数化原型和预测模型。

(2).

建立多目标优化工作流程，以平衡能源效率和可再生能源集成。

为建筑师和城市规划者提供可行的设计策略，以便在最早的设计阶段释放碳减排潜力。

章节摘录

文献综述

街区和大楼设计元素是影响建筑能源和碳排放性能的关键参数。这两者之间的关系引起了越来越多的学术关注，特别是在建筑能源使用、建筑碳排放和太阳能光伏利用等领域。街区形态和建筑几何形状影响建筑与其外部环境之间的热交换，以及建筑之间的互相遮挡效应。

方法论

为了充分发挥高层办公建筑在“节能”和“生成可再生能源”方面的低碳设计潜力，并高效地获得综合考虑BEUCE和PCRP的低碳设计方案，本研究提出了一个用于高层办公建筑的低碳性能评估和多目标优化（MOO）工作流程。该工作流程能够对高层办公建筑中的多尺度设计元素进行反向优化。

模拟工具的验证结果

本研究以武汉的一座高层办公建筑作为验证对象。该案例的位置和建筑综合体形态如图10所示。使用智能电表获取了该建筑综合体2019年的每月能源使用数据。

图11展示了2019年该案例综合体实际测量的每月建筑能源使用值与模拟值的对比分析。

影响二氧化碳排放（CEE）、碳回收率（CRR）、碳效率（CRF）和碳捕获效率（CCE）的关键设计要素的识别

使用上述敏感性分析方法对建筑碳排放性能指标（CEE、CRR、CRF和CCE）进行了敏感性分析，每个指标的R2值和p值在表18中进行了说明。三个气候区域中这四个建筑碳排放性能指标的全球敏感性分析的p值均为0.000。这表明每个回归的解释水平

结论

本文建立了一个基于碳排放性能的高层办公建筑快速优化框架，旨在开发碳中和的城市建筑并提高太阳能光伏的利用效率。通过结合机器学习算法，将该框架将多尺度设计元素——“街区布局、单个建筑和建筑立面”——视为优化变量，以在BEUCE、R-PCRP和F-PCRP之间实现权衡优化。本研究基于真实世界数据生成了一个参数化模型。

CRediT作者贡献声明

沈旭：概念构思、方法论、资源获取、数据管理、资金筹集。何秋国：数据管理、调查、方法论、软件开发、验证、初稿撰写。罗涛：撰写、审稿和编辑、资源协调。董一晨：调查、软件开发。钟华：撰写、审稿和编辑、资源协调。段俊超：撰写、审稿和编辑。李高梅：概念构思、数据管理、形式分析、方法论、软件开发、验证、可视化、初稿撰写

数据可用性

数据可应要求提供。

CRediT作者贡献声明

沈旭：资源协调、方法论制定、资金筹集、数据管理、概念构思。何秋国：初稿撰写、验证、软件开发、方法论制定、数据管理。罗涛：撰写、审稿与编辑、资源协调。董一晨：软件开发、方法论制定。钟华：撰写、审稿与编辑、资源协调。段俊超：撰写、审稿与编辑。李高梅：撰写、审稿与编辑、初稿撰写、可视化处理、验证、软件开发、项目协调

利益冲突声明

无

致谢

本研究得到了国家自然科学基金（项目编号52378020）和哈工大学术前沿青年团队计划（项目编号2019QYTD10）的支持。