熊琦媛　朱兰

摘 要：在现代化进程不断推进的环境下，打造绿色低碳生活已成为人们渴望追求的目标，建筑节能是绿色低碳生活中必不可少的环节，本文分析了建筑热工学和建筑节能的研究现状。

关键词：建筑热工学;建筑节能

针对城市综合体能源管理问题，有研究提出了一种具有层次结构的综合优化调度与预测控制方案。该方案包括一个优化 uc 能源使用的调度层和一个控制层，控制每个建筑的供暖、通风和空气调节。在控制层，考虑多层建筑材料围护结构的热动力学特性，建立了具有暖通空调系统的单体建筑的详细物理模型，对其能耗进行了预测。在调度层，基于建筑物的预测能耗，建立了一个多目标优化调度模型，以减小峰谷负荷差，最小化建筑物的运行费用。最后得到最优控制规划，并将其发布到各个控制器上。数值计算结果表明，该方法可以降低系统的运行成本，减小系统的峰谷负荷差。同时，在室内温度范围内可以实现最优控制[1]。

能源建设技术在实现地方能源可持续性的潜力方面受到了极大的关注。有研究以零能耗建筑为研究对象，探讨能源负荷与发电机组错配导致需要足够大可再生能源系统的零能耗建筑的能源个体化管理问题。具体来说，能源建筑有可控制的供暖、通风和空气调节（hvac）装置和可再生能源装置。在协调能源管理模式下，建筑物以对等模式确定其能源分享概况和社区内的相关支付，而分享能源平衡和支付平衡则需要得到满足。由于建筑物的自利性，对等能源共享问题被建模为一个具有全局约束的非合作博弈。然后证明了博弈均衡的存在性，并提出了一个求博弈均衡的分散式演算法。通过6栋建筑物和30栋建筑物的案例，验证了所提出的对等能源共享管理模型的能源效率、经济效益和可扩展性[2]。

良好的能源性能对于降低能源密集型建筑的能耗具有重要意义。有研究该问题被建模为两目标优化函数，即最小化能量消耗和最大化舒适度。其次，提出了一种基于骨架粒子群优化的求解算法。针对传统算法易于局部收敛的缺点，提出了一种改进的自适应扰动更新策略。实验结果表明，该算法能够获得较好的非支配解，明显优于已有的比较算法。该算法对部分情况下的不适时间减少了11.82%，但能耗仅增加了1.74%。结果表明，该算法是优化建筑能耗偏好的有力工具[3]。

建筑能耗數据分析是智能城市发展研究的一个主要分支。常用的建筑能耗预测 bp 神经网络模型存在物理意义不清、数据泛化能力差、拟合精度低等问题。为此，有研究提出了一种基于cm-gwo-bp 神经网络的建筑用电量综合预测模型。优化误差反向传播神经网络预测模型（gwo-bp）。实验结果表明，与样本预测精度指数百分比误差（rmspe）相比，fcm 聚类后的 gwo-bp 神经网络与 bp 模型相比减少了约0.225，与 gwo-bp 模型相比减少了约0.135，预测精度最多提高了75%。平均绝对误差（mape）分别降低了14.41% 和6.48%。可以看出，该模型具有较强的泛化能力，预测精度和可靠性较好，完全能够满足实际工程的需要[4]。

阳光是最容易接近的环境因素之一，已被用作一次能源。采用模拟的方法和工具，在光架的基础上，研究了室内空间采光分布对居住建筑热舒适条件和能耗的影响。首先，采用参数化方法研究了灯架设计参数（包括灯架角度、灯架深度和灯架数量）对建筑总能耗（包括供暖、供冷和电能）和不满意人群预测百分比两个目标函数的影响。结果表明，西向的最佳角度为24.37 m，南向的最佳深度为0.571 m，东向的最佳数量为4个，南向的最佳角度为89.62 m，东向的最佳深度为36.51 m，东向的最佳深度为0.659 m，东向的最佳数量为4个。此外，结果表明，光架的最佳工况使加热、冷却和电能消耗分别减少了27.819 kwh / m2、49.176 kwh / m2和34.853 kwh / m2[5]。

光催化自我清洁“凉爽”的屋顶和墙壁可维持高反照率，节省建筑物的冷却能源，减少用电高峰期的用电需求，以及缓解城市热岛效应。其他环境效益则来自其减少污染的特性。两种不同的光催化建筑薄膜和一种非光催化控制方法的样本沿垂直方向向西暴露两年，在加利福尼亚州的三个地点每季回收一次进行测试。光催化材料具有良好的自清洁性能，反照率保持在0.74-0.75之间。相比之下，对照材料的反照率损失高达0.10个单位，扫描电子显微镜观察到明显的污染。在60 °c 时，光催化剂的无去除率和无 x 沉积率因接触地点、天气条件和光催化材料的性质而不同，从而评估光催化剂的去污能力。观察到季节效应，旱季有部分抑制作用，雨季有部分激活作用[6]。

参考文献

[1]Shichang Cui，Jiang-Wen Xiao. Game-based peer-to-peer energy sharing management for a community of energy buildings[J]. International Journal of Electrical Power and Energy Systems，2020，123.

[2]Ying Tian，Junqi Yu，Anjun Zhao. Predictive model of energy consumption for office building by using improved GWO-BP[J]. Energy Reports，2020，6.

[3]王登甲，吴航，刘艳峰，王莹莹，王丽娟，刘加平.孤立岛礁自持化光伏空调建筑能量平衡优化匹配研究[J].太阳能学报，2020，41（07）：105-112.

[4]段中兴，梅思雨.基于数据挖掘的建筑能耗异常检测研究[J].计算机测量与控制，2020，28（07）：253-259.

[5]黄林成.基于Node.js的建筑能耗评估系统的设计[J].价值工程，2020，39（20）：193-194.

[6]李跻嵘.纤纳光电：领航光伏产业绿色转型，助力近零能耗建筑发展[J].国际融资，2020（07）：28-30.