一种基于多代理辅助的快速绿色建筑节能进化设计方法技术

本发明专利技术公开了一种基于多代理辅助的快速绿色建筑节能进化设计方法，步骤如下：确定建筑的基本结构参数，建立其3D模型，在EnergyPlus软件中导入该建筑模型和所在地区的气象数据，并且输入该建筑模型的结构参数；选择用来评价建筑设计方案优劣的两个性能指标，并设置影响上述两个性能指标的结构参数；借助EnergyPlus软件，执行一种新的多代理辅助多目标进化优化算法，直到算法满足终止条件；输出所得最终结果，即最佳建筑节能参数值。本发明专利技术方法具有代价小、运行时间快、操作简单、适用性强等突出优点。用性强等突出优点。用性强等突出优点。

【技术实现步骤摘要】
一种基于多代理辅助的快速绿色建筑节能进化设计方法


[0001]本专利技术涉及建筑节能
，特别是一种基于多代理辅助的快速绿色建筑节能进化设计方法。

技术介绍

[0002]能源是社会最重要的资源之一，也是国家经济和社会活动的核心。由于建筑行业的能源消耗占全球能源消耗总量的40％左右，目前大量学者已开始致力于建筑能耗最小化等方面的研究。同时，实施建筑节能措施也是减少污染物和温室气体排放的重要策略，可以在很大程度上改善环境和公众健康状况。综合考虑建筑的能量消耗机制、提高建筑能效，已经成为设计师和研究人员考虑的一个国际问题。
[0003]由于建筑系统的复杂性和各因素之间的相互依赖性，建筑设计人员经常使用一些建筑能耗模拟软件对其进行模拟分析，典型软件如DOE
‑
2、EnergyPlus、ESP
‑
r、eQUEST和TRNSYS[6]等。同时，基于这些模拟软件，学者们已提出了多种优化技术来提高建筑物的能效。Wang等开发了一种面向对象的框架，成功将建筑设计优化过程与建筑能耗模拟程序相关联。Ge[8]等对中国五本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多代理辅助的快速绿色建筑节能进化设计方法，其特征在于，包括以下步骤：步骤1、确定建筑的结构参数，并绘制建筑的3D模型；建筑的结构参数包括建筑物大小、窗户大小、建筑物的围护结构、人员密度和耗电设备信息；步骤2、选择建筑能耗和用户不舒适小时数作为多目标优化问题的2个目标函数；选择影响这2个目标函数的K个结构参数，这K个结构参数也就是需要优化的K个决策变量；K个决策变量包括房间朝向、墙体外保温层厚度、外墙日射吸收率、窗户的传热系数、窗户的太阳得热系数、客厅窗户长、客厅窗户宽、卧室窗户长、卧室窗户宽、厨房窗户长、厨房窗户宽、卫生间窗户长、卫生间窗户宽、客厅照明密度、卧室照明密度、厨房照明密度、卫生间照明密度、空调系统供热设置温度和空调系统制冷设置温度，这K个决策变量组成一个个体，N个个体组成一个种群；步骤3、在每个决策变量的范围内采样获得个个体，这些个体形成初始的训练样本集Tdata；采用多代理辅助多目标进化优化算法来更新训练样本集，直到多代理辅助多目标进化优化算法中真实评估次数NFE达到预设的最大真实评估次数NFEmax，输出更新后的训练样本集Tdata；步骤4、利用Pareto支配关系确定步骤3中更新后的训练样本集Tdata中的最优解作为算法所得的最终结果。2.根据权利要求1所述的一种基于多代理辅助的快速绿色建筑节能进化设计方法，其特征在于，步骤3具体步骤如下：步骤3.1、将步骤2中的多目标优化问题分解为N个单目标子优化问题；随后，针对每个单目标子优化问题，借助一定数量相邻子优化问题的信息进行优化；步骤3.2、设置多代理辅助多目标进化优化算法运行参数，设置步骤2的K个决策变量的初始值及范围，算法运行参数包括种群规模N、算法终止条件最大真实评估次数NFEmax、最大迭代次数T
max
和训练样本数目N
′
，其中训练样本为K个决策变量的范围内采样获得的个体，聚合个体数目τ；步骤3.3、初始化均匀分布的N个权重向量，λ＝{λ1,λ2,...,λ
N
}，一个权重向量对应一个子优化问题，确定每个个体的邻域；其中，λ为N个权重向量的集合，λ
i
为第i个个体对应的权重向量；从λ中寻找与λ
i
最近的Q个权重向量，并使用这些权重向量的索引值确定当前个体的邻域，记第i个个体的邻域为B(i)＝{i1,i2,...,i
Q
}，其中，1≤j≤Q，i
j
表示与λ
i
距离最近的第j个权重向量的索引值；步骤3.4、在每个权重向量上为每个目标函数产生一个初始基础代理模型，用来评价该权重向量所确定子优化问题的最优解；遍历每个权重向量，直到为每个权重向量产生一对初始基础代理模型，最终N对初始基础代理模型组成基础代理模型库；步骤3.5、在决策变量范围内随机生成N个个体X
i
,i＝1,2,...,N,X
i
为第i个个体，之后评价每个个体的建筑能耗和用户不舒适小时数这两个目标函数值；步骤3.6、初始化迭代次数t＝0，更新种群，针对第i个个体X
i
从B(i)中随机选择第k个个
体X
k
和第l个体X
l
，然后通过遗传算法产生一个新的子代个体，再用步骤3.5的评价方法评价新的子代个体的建筑能耗和用户不舒适小时数这两个目标函数值；步骤3.7、针对当前基础代理模型，当在λ
i
上的最优解即g
tche
(X|λ
i
,Z
*
)值最小的解连续T
′
代不变时，T
′
为1到5之间的整数，选择一些个体作为填充样本，用EnergyPlus软件对这些填充样本进行真实评估；真实评估后再将这些填充样本加入到训练样本集Tdata中；g
tche
(X|λ
i
,Z
*
)是MOEA/D算法的切比雪夫分解法的公式；步骤3.8、更新步骤3.7g
tche
(X|λ
i
,Z
*
)中的参考点Z
*
后完成一次迭代，t＝t+1；步骤3.9、判断真实评估次数NFE是否达到了算法的最大真实评估次数NFEmax，若达到最大真实评估次数，则终止；否则，返回步骤3.6
‑
3.8。3.根据权利要求2所述的一种基于多代理辅助的快速绿色建筑节能进化设计方法，其特征在于，步骤3.1中，分解方法采用切比雪夫分解法。4.根据权利要求2所述的一种基于多代理辅助的快速绿色建筑节能进化设计方法，其特征在于，步骤3.4中在每个权重向量上为每个目标函数产生一个初始基础代理模型，用来评价该权重向量所确定子优化问题的最优解；具体步骤如下：首先，使用拉丁超立方采样在决策变量范围内选取(K+1)(K+2)/2个训练样本，其中，K为决策变量的个数；接着，将这些训练样本带入EnergyPlus软件中进行仿真运算，得出这些训练样本的建筑能耗和用户不舒适小时数这两个目标函数的真实值,并将带有真实目标函数值的训练样本加入到训练数据集Tdata中；然后，面向每个λ
i
,i＝1,2,
…
,N,从Tdata中选择g
tche
(X|λ
i
,Z
*
)值最小的N
′
个训练样本，其中，Z
*
...

【专利技术属性】
技术研发人员：张勇，梁晓珂，贺春林，巩敦卫，季新芳，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：