(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221074310 0.8 (22)申请日 2022.06.27 (71)申请人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 罗晓予　陈锦韬　葛坚　方雨航　 (74)专利代理 机构 北京润平知识产权代理有限 公司 11283 专利代理师 郑磊 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/27(2020.01) G06F 119/02(2020.01) (54)发明名称 基于遗传算法的住宅综合性能优化设计方 法及系统 (57)摘要 本发明涉及建筑设计技术领域， 提供一种基 于遗传算法的住宅综合性能优化 设计方法， 该方 法以单位面积 全生命周期碳排放量、 单位面积建 筑运行能耗量、 建筑室内健康时间占比性能提升 为目标函数； 再确定需优化的目标技术参数； 确 定目标技术参数取值范围； 建立遗传算法模型， 并将目标函数、 目标技术参数及目标技术参数取 值范围， 输入遗传算法模 型进行优化后， 获取N个 备选建筑设计方案。 本发明还公开了一种系统， 依靠遗传算法对建筑住宅综合性能多目标进行 优化， 减少建筑设计过程对工程经验和软件模拟 试错的过多依赖， 并且能够输出多个备选可行方 案， 从而提高建筑优化设计效率， 降低建筑设计 过程的工作量和强度， 操作简单便捷。 权利要求书3页 说明书9页 附图1页 CN 114969950 A 2022.08.30 CN 114969950 A 1.一种基于遗传算法的住宅综合性能优化设计方法， 其特征在于， 所述基于遗传算法 的住宅综合 性能优化设计方法包括， 步骤S1， 以单位面积全生命周期碳排放量、 单位面积建筑运行能耗量、 建筑室内健康时 间占比性能提升为目标函数； 其中， 目标函数Max(f(x) )为， min Fcarbon(x)是以最小化 为目标的建筑全生命期碳 排放计算函数； min Fenergy(x)是以最小化 为目标的建筑运行能耗计算 函数； max Fhealth(x)是以最大化 为目标的建筑室内健康性能计算 函数； 步骤S2， 确定需优化的目标技术参数； 其中， 目标技术参数至少包括外墙构造形式、 窗 体结构、 窗墙比、 窗高宽比、 遮阳 形式、 遮阳尺寸； 步骤S3， 确定目标技 术参数取值范围； 步骤S4， 建立遗传算法模型， 并将目标函数Max(f(x))、 目标技术参数及目标技术参数 取值范围， 输入遗传算法模 型进行优化后， 获取N个备选 建筑设计方案， 其中， N大于等于1的 正整数。 2.根据权利要求1所述的基于遗传算法的住宅综合性 能优化设计方法， 其特征在于， 在 步骤S2中包括， 步骤S21， 确定需优化的目标技术参数类型， 包括外墙构造形式、 窗体结构、 窗墙比、 窗 高宽比、 遮阳 形式、 遮阳尺寸； 步骤S22， 根据所选的目标技术参数类型， 筛选目标技术参数类型中对建筑运行能耗、 建筑全生命期碳排放和建筑室内健康性能有影响的目标技术参数类型， 作为后续输入到遗 传算法模型中进行优化的变量 参数。 3.根据权利要求1所述的基于遗传算法的住宅综合性 能优化设计方法， 其特征在于， 在 步骤S1中， 单位 面积建筑运行能耗 量为， 其中， Q为等效耗电量， kWh/(m2·a)， ηi为第i种能源的等 效电法换算系数； Qi为第i种能 源相应的热量 值； Qi,j为j类系统的第i类能源的消耗 量； A为建筑面积。 4.根据权利要求1所述的基于遗传算法的住宅综合性 能优化设计方法， 其特征在于， 在 步骤S1中单位面积全生命周期碳排放量包括建材生产及运输、 建造及拆除、 运行阶段产生 的温室气体排 放的总和， 采用二氧化 碳当量表示。 5.根据权利要求4所述的基于遗传算法的住宅综合性 能优化设计方法， 其特征在于， 建 材生产及运输阶段碳 排放量为， 权　利　要　求　书 1/3 页 2 CN 114969950 A 2其中， CJC为建材生产运输 阶段碳排放， 单位kgCO2/m2； Csc为建材生产阶段碳排放， 单位 kgCO2； Cys为建材运输过程碳排放， kgCO2； Mi为第i种主要建材的消耗量； Fi为第i种主要建材 的碳排放因子， kgCO2/单位建材数量； Di为第i种建材的平均运输距离， 单位km； Ti为第i种建 材运输方式下， 单位重量 运输距离的碳 排放因子， kgCO2/(t·km)。 6.根据权利要求4所述的基于遗传算法的住宅综合性 能优化设计方法， 其特征在于， 建 筑建造及拆除阶段碳 排放量为， 其中， CJZ为建筑建造阶段碳排放， kgCO2/m2； CCC为建筑拆除阶段碳排放， kgCO2/m2； Ejz,i 为建筑建造阶段第i中能源总用量； Ecc,i为建筑拆除阶段第i中能源总用量； EFi为第i类能源 的碳排放因子； A为建筑面积， m2。 7.根据权利要求4所述的基于遗传算法的住宅综合性 能优化设计方法， 其特征在于， 建 筑运行阶段碳 排放量为， 其中， CYX为建筑运行阶段碳排放， kgCO2/m2； Ei为建筑第i类能源年消耗量， 单位/a； EFi 为建筑第i类能源碳排放因子； Cp为建筑绿地碳汇系统年减碳量， kgCO2/a； y为建筑设计寿 命， 单位/a； A为建筑面积， m2； Ei,j为j类系统的第i类能源消耗量， 单位/a； E Ri,j为j类系统由 可再生能源系统提供的第i类能源量， 单位/a。 8.一种用于实施权利要求1 ‑7任意一项所述的基于遗传算法的住宅综合性能优化设计 方法的系统， 其特 征在于， 所述系统包括， 目标函数单元， 用于以单位面积全生命周期碳排放量、 单位面积建筑运行能耗量、 建筑 室内健康时间占比性能提升为目标函数； 其中， 目标函数Max(f(x) )为， min Fcarbon(x)是以最小化 为目标的建筑全生命期碳 排放计算函数； min Fenergy(x)是以最小化 为目标的建筑运行能耗计算 函数； max Fhealth(x)是以最大化 为目标的建筑室内健康性能计算 函数； 技术参数确定单元， 用于确定 需优化的目标技术参数； 其中， 目标技术参数至少包括外权　利　要　求　书 2/3 页 3 CN 114969950 A 3