基于进化算法的高层工业化住宅碳排放权衡分析

■ 郭 峰 GUO Feng 颜宏亮 YAN Hongliang

0 引言

在我国新型城镇化及建筑业转型发展的过程中，住宅建筑碳排放造成的生态冲击已经成为不容忽视的环境问题。建筑碳排放的直接原因主要在于建设、生产及社会性活动中对化石及矿物燃料的不断消耗[1]，建筑能耗在各行业中占比量大。据统计，2015年，我国建筑能源消耗占据了全国能源消耗量的20%[2]，因此，建筑能耗引起的碳排放量是低碳减排的重要控制因素。

工业化住宅相比传统现浇住宅在低碳减排方面具有显著的环境效益，传统建造模式下的作业组织粗放松散，无法对劳动力和物料资源进行集中高效利用，而工业化住宅通过标准化设计、工厂化制造、机械化装配等技术革新，使得建造流程的环境效益得以优化，各生产环节可使能耗更加集约，有益于减小住宅建筑产生的生态碳负荷。

1 高层工业化住宅碳排放分析

1.1 碳排放源

高层工业化住宅碳排放主要源于运行阶段和物化拆解阶段的碳排放，主要为各类生产生活行为消耗电能、化石能源等所产生的温室气体排放。其中，运行使用阶段的碳排放主要源于住户采用的各类采暖、制冷、供热、照明等生活设施的能源消耗，而物化拆解阶段的碳排放主要源于建造拆解过程中各类工艺活动的能源消耗。高层工业化住宅与传统住宅在运行阶段的碳源类同，而其物化过程由于采取工业化生产方式，具有清晰的工艺流程，因此，根据标准化工艺并结合BIM 信息模型便于整合碳源信息，提高工业化住宅碳排放核算的精确度。

1.2 碳排放边界

住宅碳排放以全生命周期为计算边界，涵盖从建造、使用到拆解回收全生命周期的全部CO2排放量。在住宅全生命周期内，运行使用阶段长达数十年，属于长周期持续性排碳，物化拆解阶段属于短周期一次性排碳，运行使用阶段的碳排放总量往往占据全生命周期的大部分，因此，根据碳排放类型和比例可将其归纳为运行周期碳足迹和物化周期碳足迹。以住宅的全生命周期为视角，可结合工艺流程，将碳排放边界分为建材生产、集成制造、运输安装、运行维护、拆解回收等环节（图1）。

图1 高层工业化住宅全生命周期碳排放边界示意图

1.3 碳排放核算依据

在建筑碳排放研究领域，对于碳排放量的核算方法主要有实测法、质量平衡法、排放系数法等计算方式，而排放系数法是建筑尺度下较为常用的核算方法[3]。根据排放系数法进行计算，需要对碳排放活动及相应的碳排放因子进行合理统计。在本文中，碳排放因子的选择以《建筑碳排放计算标准》（GB/T51366—2019）和国家发布的中国地区电网平均二氧化碳排放因子为核算依据[4-5]。

2 基于进化算法的住宅低碳优化设计

2.1 碳排放权衡分析

目前，在高层工业化住宅设计过程中，低碳减排的量化分析方法亟待与方案设计整合，使住宅方案设计与低碳设计建立更为直观的联系。在实际工程中，住宅设计需要考虑功能、造型、成本等各方面的制约因素，其经验性的定性设计模式往往使得方案在低碳减排方面具有一定的优化潜力，通过基于进化算法的优化模拟可对设计参数及相应的碳排放量进行量化分析，有益于对不同方案组合的节碳性权衡研判。

2.2 遗传算法

进化算法（Evolutionary Algorithm）是模拟生物自然进化的全局优化方法，在众多行业领域具有广泛适应性，其中，NSGA Ⅱ遗传算法是一种典型的进化计算方法，在工程设计领域的多目标优化问题中应用较为成熟。遗传算法的出发点是模拟生物进化优胜劣汰的过程，通过对初始数据组合的优化运算，使得方案参数在历代模拟中进化。遗传算法的核心思想是对优化目标的潜在可行性进行全局搜索，利用进化迭代的模拟计算，寻找符合多目标优化要求的最优方案集合。优化运算时首先建立初始种群，通过选择、交叉、变异等操作，对历代计算数据进行选择和处理，选取适应度高的个体，排除掉适应度低的个体，从而保证优势基因的延续，直至收敛得到最优解集。

研究以Wallacei 软件作为优化运算平台，Wallacei 是以遗传算法为计算引擎的Grasshopper 插件，对参数化建筑设计和BIM 协同设计具有良好的兼容性，建筑师可通过建立优化目标、执行进化演算、权衡最优解集来输出可量化的参考依据（图2）。

图2 多目标进化运算流程图

由于通过进化计算得出的Pareto最优解是一组集合，在历代进化计算中属于最贴近优化目标的结果，而住宅设计所面临的问题包含众多因素，在性能指标导向外还需要考虑各类限制条件，因而在遗传算法求出的其他可行解当中，仍然可能存在相比Pareto 最优解与项目现实条件更吻合的方案组合。因此，除了对最优解筛选之外，通过对全局可行解的遍历（依据搜索路径，对全局计算结果逐一进行信息访问），或可提供更多的方案选择。

3 案例应用分析

3.1 案例概况

分析对象为上海某14 层工业化混凝土住宅，单体建筑面积为7 843 m2，住宅建筑高度为42.55 m，采用装配整体式剪力墙结构，预制率为40.1%（图3）。预制外墙板采用A级自调温相变蓄能材料内保温系统，集成外窗采用中透Low-E 玻璃，传热系数为2.2 W/（m2K）；预制凸窗采用高透Low-E 玻璃，传热系数为2.0 W/（m2K）。

图3 工业化住宅设计参数示意图（竖向预制围护构件布置）

3.2 优化模型参数设置

优化分析采用控制变量法，在原设计的基础之上，以低碳为导向建立基于遗传算法的多目标优化模型，主要对工业化住宅预制外围护构件的几何及性能参数作进一步的优化设计，根据优化计算结果调整相关设计参数，以筛选适宜的方案组合。

3.2.1 优化目标及方程

根据高层工业化住宅碳排放核算边界，其全生命周期包含建材生产、集成制造、运输安装、运行维护、拆解回收等阶段，其中，运行周期碳排放占比最大，是低碳设计的重点；而在物化周期内，集成制造阶段在工厂内批量生产预制构件，在短周期内产生大量的CO2气体，集中而高密度的碳排放可能造成较大的生态环境负担。基于此，多目标优化分析中，将运行阶段和集成制造阶段碳排放分别作为优化目标FO1 和FO2，将物化周期内其他阶段的碳排放作为优化目标FO3。

工业化住宅运行阶段，碳排放主要考虑计算单元的供热能耗、制冷能耗、照明能耗和设备能耗等部分，通过Ladybug+Honeybee 模拟平台计算，得到相应的模拟能耗值，进而结合碳排放因子核算运行周期碳排放量。运行阶段目标方程中的排放因子根据中国地区电网平均CO2排放因子取值[5]，计算采用单位面积的年均运行碳排放值。

工业化住宅集成制造阶段，碳排放主要依据构件成型工艺，统计工艺活动中能源消耗，并结合碳排放因子计算碳排放量，优化计算中将碳排放量均摊至单位面积。物化周期内其他阶段的核算原理与制造阶段类同，目标方程根据参考文献[6]中相应的各阶段计算方程。

3.2.2 优化设计变量

优化模型的设计变量选取预制外墙板传热系数、外窗传热系数、窗墙比、层高、朝向等参数（表1）。其中，预制外墙板传热系数受到保温材料及厚度的影响，外窗传热系数主要由玻璃性能参数影响，窗墙比主要由外墙板和外窗洞口尺寸影响。模拟分析采用控制变量法，在控制其他参数的前提下，通过调整设计变量的取值来计算相应的碳排放量。

表1 优化设计变量

3.3 优化结果分析

优化模型以Wallacei+Grasshopper作为运算平台，初始种群数量为50，迭代次数为100，交叉率为0.8，变异率0.1（CPU Intel Core i5-8300H 2.30GHz）。

优化运算过程的标准差和趋势线如图4 所示，反映了各目标的进化迭代趋势。图中左侧表征各目标在进化计算中的标准差值分布态势，红色曲线表示初期结果，蓝色曲线表示末期结果；图中右侧表征标准差对应的趋势线，反映了迭代过程的优化计算趋势。在本次优化计算中：FO1 和FO2的标准差值随进化过程逐步降低，表明目标在迭代过程中其参数质量产生较为明显的提升趋势；FO3 在进化计算初期，其标准差的峰值产生大幅下降，而在随后的计算过程中又逐渐回升，该目标的计算结果可能仍有进一步的优化空间。

图4 优化过程的标准差和趋势线

各目标在进化过程中得到了一定的优化量，整体而言，运行阶段碳排放的下浮量较大，其他两组目标下浮量相对较少。同时，在末代优化解中，其他两个目标的碳排放量仍然较高，说明存在有待进一步优化的方案，需要继续筛选更适宜的优化组合。

优化模型通过对外墙保温材料、外窗玻璃、窗墙比、朝向、层高等设计参数的调整，使得年运行碳足迹可以维持在一定量值或实现下浮。根据年运行碳排放优化量，外墙保温构造和外窗性能参数的影响作用较大，在CO2低于50.00 kg/ m2a 的方案中，预制外墙板保温层厚度均达到45 mm以上，保温材料倾向于选择挤塑聚苯板和模塑聚苯板，外窗玻璃大多选择了K值为1.0 W/（m2K）的窗B 和K值为0.9 W/（m2K）的窗C。由于预制外墙板和外窗在高层工业化住宅外表面积中占据大部分比例，其整体热工性能的提高有益于运行能耗的降低，从而使得年运行碳排放量下降。而玻璃外窗作为住宅室内外热交换较为集中的界面，其传热系数往往可以影响外围护结构保温性能的下限，在年运行碳排放量最小的十组优化解中，外窗均选择了窗C。然而，在进化过程的历代优化解中，同时也存在方案组合在选择了较厚保温材料和窗C 的情况下，其年运行碳排放量仍然较高，究其原因，住宅运行周期碳排放受到诸多因素的综合影响，虽然某些方案采用了热工性能良好的外表皮材料，但由于受到窗墙比、朝向、层高等因素的叠加作用，其碳排放优化量仍然存在较大的下浮潜力，因而最终未进入最优解集合。

对于进化计算结果的筛选，一方面，可以直接在最优解区间筛选满足设计需求的方案组合；另一方面，也可对历代优化解进行遍历搜索，从全局角度对更多的量化参考进行权衡分析。以末代优化解中的一组方案为例（图5），根据遍历结果：在设计变量方面，外墙保温层选择了50 mm厚挤塑聚苯板，外窗选择了窗B，层高为2.95 m，南向窗墙比为0.45，北向窗墙比为0.40，西向窗墙比为0.04，朝向为南偏东5°；相应的年运行碳排放量下浮。

图5 优化结果遍历参数示意图

4 结语

本研究以低碳减排为导向，对高层工业化住宅的碳排放源、核算边界进行了梳理，将Wallacei 多目标优化平台（以进化算法为计算引擎）和Ladybug+Honeybee 性能模拟平台（以Energy-plus 为引擎）相结合，搭建了针对高层工业化住宅碳排放的“设计—模拟—优化”权衡分析模型。优化模型以高层工业化住宅生命周期不同阶段的碳排放量为优化目标，通过迭代计算搜索最优设计方案，并通过遍历从全部可行解中检索适宜的设计组合。根据模拟计算可知，预制外墙板保温性能、外窗热工性能、窗墙比、层高、朝向等因素对优化目标产生综合影响，通过对设计参数的定量分析，往往可以实现一定的节碳效益。基于进化算法的权衡分析，不仅可为工业化住宅低碳设计提供量化参考，通过参数化建模软件搭载的Wallacei 插件，还可在建筑设计与低碳设计之间建立直观的联系，便于帮助建筑师在方案过程中进行初步研判。