栏目导航

今晚六彩现场开奖结果
42556.com铁算盘论坛綠色性能導向下的建筑設計決
发表时间:2020-01-31

  本文通過Python編程語言研發了基於Grasshopper的設計決策信息記錄與回溯工具——transDATA,旨在通過自動記錄多方案物理環境模擬數據比較設計過程中的建筑參數和綠色性能數值波動,向設計者呈現不同設計決策對建筑綠色性能的影響,從而為面向節能的設計決策提供技術支持。本文以寒地某居住建筑為例展開案例研究實踐,結果表明該工具能向設計者反饋窗牆比、建筑開間進深比變化等參數對建筑能耗和自然採光性能的影響,可有效支持設計決策過程。

  關鍵詞:綠色性能導向﹔Grasshopper二次研發﹔transDATA;數據記錄與可視化﹔

  截止到2010年,建筑耗能佔全球能源消耗的32%,其中,居住建筑耗能所佔比例為24%,商業建筑耗能所佔比例為8%[1]。建筑能耗所佔比例較大,使得建筑綠色性能研究成為建筑領域的重點。其中,綠色建筑評價與決策支持工具的研發是一項重要內容,國內外學者在此方面已有不少成果,例如國內的劉煜學者倡導建立面向不同建筑參與者的綠色建筑設計輔助工具體系[2],提出目前綠建輔助設計工具涉及面廣而不專的缺點[3],並認為面向建筑師的綠色建筑設計工具所包含的操作內容應為建筑師方案設計時所涉及的內容[4]﹔有王成國等學者開發了基於《綠色建筑評價標准》的綠色建筑評價與輔助設計軟件,可提供智能知識庫顯示、綠色建筑指導設計、專家輔助設計與決策等高級功能[5]﹔有重慶大學的Yan Hang學者研發了基於文字與案例推理功能的TM-CBR(Text Mining Case-Based Reasoning)體系,實現了建筑設計前期將體系中儲存的綠色建筑技術案例的提取與展示,方便綠色建筑設計技術使用種類的快速決策[6]﹔有依希克大學Senem Seyis學者研發了GB-CS tool(Green Building Credits Selection tool)綠色建筑等級評分工具,依據專家意見與設計要素分配權重自動生成綠色建筑等級,減少了后期決策的隱性成本[7]﹔有伊斯坦布爾的大學的Bahriye Ilhan等學者研發了基於BIM技術的GBAT(Green Building Assessment Tool)綠色建筑輔助決策工具,實現從BIM模型中抽取建筑數據並進行綠色等級評估[8]。

  然而,面向建筑師方案設計過程中的決策工具較少,現有的主要為如Ecotect等獨立建筑物理環境仿真工具,2020-01-25赛马论坛中国的传统节日大全?,這類軟件不能將“窗牆比”“開間進深比”等建筑師語匯囊括,與建筑師方案設計流程不能很好的結合,在大型項目中需要建筑師進行權衡與比較的因素更為復雜,鑒於此,為更方便建筑師在方案設計時對復雜參數進行多方案比較與性能能模擬結果的比較,本文基於Rhino與Grasshopper參數化平台,創建了一種新的基於性能仿真模擬的多方案比較工作流(圖1),並研發了綠色性能導向下的建筑設計決策信息記錄與回溯工具——transDATA,彌補了現有Grasshopper平台建筑仿真模擬結果數據量復雜,決策效率低的缺陷。

  Rhino軟件中Grasshopper插件的每個電池塊功能是由相應內置的一組代碼執行實現的,其中電池塊Gh_CPython可將Python語言編程環境內置入Grasshopper平台,在Grasshopper平台中完成Python功能的調用。transDATA工具是以Gh_CPython為編程環境,以Python語言為編程基礎進行構建,並包括數據生成,數據交互以及數據可視化三個功能模塊的數據處理工具。其中,數據生成模塊是transDATA的額外配置功能塊,可決定后期進行建筑模擬的設計參量,以此優化性能目標。例如,在數據生成模塊中可生成建筑的窗面積數據,在后期可對室內熱輻射性能進行模擬與優化﹔數據交互模塊可將Python語言中的Xlrd與Xlwt模塊內置入Grasshopper平台[9],實現前者數據生成模塊中生成數據的記錄與讀取﹔數據可視化模塊可依托Python編程中的matplotlib模塊實現記錄數據庫中數據的圖形化轉換[10],方便建筑師對多方案的多組數據進行比較,或對一組方案的多組歷史數據進行比較,圖形化的數據相對於多組數據更易於比較,這較符合建筑師工作特點,因此提高了設計方案的決策效率。

  TransDATA的研發為了完成在Grasshopper平台下的綠色性能導向的建筑設計工作流,該工作流可將影響某優化性能目標的設計參量的多組數據進行記錄與比較,在建筑師設計過程中即可查找性能優化模型所對應的設計參量,即方案創作與方案評價並行的設計方式,這較符合建筑師的創作思路。其主要工作流為以下幾個步驟:

  首先,在Grasshopper平台中進行參數化模型建構,並確定后期影響性能模擬的設計參量及相應設計值域,在參數化模型構建完成后可提取設計參量數據完成transDATA的數據生成模塊的建構,並將數據生成模塊中需要進行統計的數據接口接入到transDATA數據交互模塊中﹔然后,運用Grasshopper內置的性能模擬引擎對不同設計參量生成的參數化模型進行模擬,完成所有方案組的模擬后,transDATA的數據交互模塊可將模擬數據導入到數據庫中﹔接下來,可根據建筑師的需求對不同性能優化目標進行多方案模擬數據的可視化比較,選出最優方案組﹔最后,依據transDATA的數據交互模塊可將最優方案組相關設計參量信息從數據庫中調取出來,完成最優方案的參數化建模。

  為說明與驗証transDATA工具是否能夠滿足綠色性能導向下的建筑設計要求及其執行效果的准確性,現以某寒地單層居住建筑作為實踐案例對象,展開基於該建筑相關設計參量與建筑性能優化的實驗,運用transDATA完成最優性能方案設計參量的決策。

  該案例選取寒地某實際單層居住住宅作為綠色性能優化實驗對象(圖2),該建筑為單層磚混居住建筑,建筑開間10.5m,建筑進深8.5m,建筑層高為3m,開間進深比為1.23﹔設計要求南面為三個1.5m*1.5m的方形窗,北面為兩個1m*1.5m與一個1m*1m的長窗,6個窗戶窗台高度為0.7m﹔實驗運用控制變量法對此居住建筑的南牆窗牆比、北牆窗牆比,建筑窗台高,建筑進深比作為優化參量,以全天然採光百分比DA300值[11],有效天然採光照度UDI100-2000值[12]和照度均勻度U值(室內最小自然採光照度與平均照度的比值)作為評價指標,對室內自然採光性能進行優化,以提高室內自然採光質量。

  實驗仿真模擬平台採用的是Grasshopper中的Honeybee室內自然採光模擬工具,實驗小組1的控制變量為窗牆比,其中窗高定為1.5m,建筑面寬定為10.5m,根據《嚴寒和寒冷地區居住建筑節能設計標准》(JGJ26-2010)[13]與建筑高度3m的條件限制,將北牆窗牆比值域設為0.1-0.25,以0.05為模擬步長,將南窗窗牆比值域設為0.2-0.3,以0.05為模擬步長﹔實驗小組2的控制變量為窗台高,其高度值域為0.4-1.3,以0.1為模擬步長﹔實驗小組3的控制變量為開間進深比,其中建筑面寬10.5m為定量,其比值值域為1.1-2.0,以0.1為模擬步長﹔每個實驗小組有10個模擬方案(圖3.1-3.3),在每個實驗方案模擬完成后,transDATA將對模擬結果數據進行記錄﹔在每個實驗小組方案全部完成模擬之后,transDATA將依據記錄的模擬數據對10個方案的評價指標進行可視化,以方便實驗者對優秀模型設計參量的提取。

  實驗小組1的控制變量為窗牆比,以北牆窗牆比為控制變量設置4個實驗方案,以南牆窗牆比為控制變量設置6個實驗方案,分別對其DA300值,UDI100-2000值以及室內採光照度進行模擬,結果如下(圖4):

  全天然自然採光百分比DA300模擬結果分析:DA300值與南北窗牆比呈正相關,且隨著窗牆比的增大,室內DA300值的均勻度也呈上升趨勢﹔對前四次模擬結果分析可得,在近窗約為1m以內部位的DA300值均可達到100%,而窗間牆部位卻不到60%﹔在距離牆約為1m-3m處的DA300值為室內最理想的部位,這部分受窗牆比影響不大﹔在距離牆約為2m-4m處為DA300值下降較快的部位,該部分受窗牆比影響較大﹔當北窗窗牆比低於0.15,以及南牆窗牆比低於0.2時,室內DA300值低於60%部分超過了50%,不利於室內自然採光。

  有效天然採光照度UDI100-2000模擬結果分析:UDI100-2000值與南牆窗牆比呈正相關,且隨著窗牆比的增大,室內UDI100-2000值呈上升趨勢,而UDI100-2000值與北牆窗牆比關系不大﹔與DA300值相反,靠近窗間牆0-1m部位的UDI100-2000值較靠近窗0-1m部位的UDI100-2000值更為理想﹔南牆近窗0-1m部位因照度過大導致UDI100-2000值不理想﹔北牆近窗部位UDI100-2000值適中﹔當南牆窗牆比低於0.15時,室內低於80%的UDI100-2000值明顯增多。

  室內自然採光照度模擬結果分析:室內照度值與窗牆比呈正相關,且隨著窗牆比的增大,室內自然採光平均照度值也增大﹔近窗0-1m處的自然採光照度值受窗牆比影響較大,其理想照度范圍隨窗牆比增大而增大﹔整體室內照度均勻度不佳,且室內距離牆2m-4m部分照度值不理想。

  實驗小組2的控制變量為窗台高,且南窗台與北窗台同高,設置10個方案分別對其DA300值,UDI100-2000值以及室內採光照度進行模擬,結果如下(圖5):

  全天然自然採光百分比DA300模擬結果分析:DA300值與窗台高呈正相關,且隨著窗台高度的增大,室內DA300平均值也增大﹔靠近窗間牆0-1m處的DA300值不理想,靠近窗0-2m處的DA300值較理想﹔南側理想DA300值普遍比北側理想DA300值分布范圍大且均勻﹔距離牆2-4m部分因距離窗較遠,其DA300值受窗台影響不是很大﹔在窗台高取到上限1.3m時,室內DA300分布較理想。

  有效天然採光照度UDI100-2000模擬結果分析:UDI值與窗台高呈正相關,且隨著窗台高度的增大,室內UDI100-2000值總體呈上升趨勢,北側與南側近窗0-1m部位的UDI100-2000值也逐漸上升,且在窗台高1.3m的情況下,室內UDI均可達到60%。

  室內自然採光照度模擬結果分析:室內照度值與窗牆比呈負相關,且隨著窗台高度的增大,室內自然採光照度平均值減小,但室內照度均勻度可得到有效改善﹔在窗台高度為1.3m時,北側近窗部位照度值已小於1200Lx。

  實驗小組3的控制變量為開間進深比,設計要求開間進深比為1.45,現將該小組設置10個實驗方案,並分別對其DA300值,UDI100-2000值及室內採光照度進行模擬,結果如下(圖6):

  全天然自然採光百分比DA300模擬結果分析:DA300值與開間進深比呈正相關,且隨著比值的增大,室內DA300均勻度呈上升趨勢,距離牆2m之外部分的DA300值逐漸趨於80%,但近窗間牆0-1m處DA300值不理想的情況不會改變,且在開間進深比為1.8-2.0的情況時,室內中間部位DA300值基本達到80%,較為理想。

  有效天然採光照度UDI100-2000模擬結果分析:UDI100-2000值與開間進深比呈正相關,且隨著開間進深比的增大,室內UDI100-2000的均勻度呈上升趨勢,在開間進深比為1.3-2.0的情況時,室內UDI100-2000值除近窗0-1m部位基本達到90%。

  室內自然採光照度模擬結果分析:室內照度均與度與開間進深比呈正相關,且隨著開間進深比的增大,距牆2-4m處照度值逐漸呈現理想狀態,在開間進深比為2時,室內中間位置照度值可達到600lx。

  對各個實驗小組完成模擬試驗后,僅從模擬圖像結果上可對評價指標在建筑空間內的分布與變化進行分析,得出理想評價指標數值的空間分布范圍與大體變化趨勢。對模擬結果的精確評價可通過對模擬記錄數據的分析獲得,transDATA可將實驗模擬評價指標DA300值,UDI100-2000值記錄到一個數據庫中,將U值記錄到一個數據庫中,並依據三組實驗對3個評價指標模擬的數據分別生成三張圖表進行詳細分析:

  3.1 實驗小組1以窗牆比為控制變量的模擬結果數據可視化圖表分析(圖7):

  全天然自然採光百分比DA300模擬數據可視化圖表分析:實驗模擬DA300值與窗牆比呈正相關,方案1-4的北牆窗牆比逐漸減小,42556.com铁算盘论坛。故圖表折線下滑﹔方案5的南牆窗牆比為最低值,故在圖表出現一個轉折點﹔方案6- 10的南牆窗牆比逐漸增大,故圖表折線上升﹔南北牆窗牆比的變化對DA300影響度不同, DA300對南牆窗牆比變化更為敏感。在10個實驗方案中,方案1與方案10的室內平均DA300較為理想,其值分別為76.52與73.79,此時的控制變量為北向窗牆比0.25與南牆窗牆比0.3。

  有效天然採光照度UDI100-2000模擬數據可視化圖表分析:室內UDI100-2000值與北牆窗牆比呈負相關,與南牆窗牆比相關性不大。由前四組實驗方案生成的折線圖可知北向窗牆比對UDI100-2000的影響並不大,窗牆比由0.25下降至0.1,UDI100-2000值僅下降約1.0,在北向窗牆比為0.25時可獲得UDI100-2000最大值80.95﹔由后四組實驗方案生成的折線圖可知UDI100-2000隨南向窗牆比的增大呈現先增大后減小的規律,並在方案8南向窗牆比為0.2時獲得室內最大UDI100-2000值79.73。

  室內自然採光照度模擬數據可視化圖表分析:室內照度均勻度與UDI100-2000值的變化趨勢相同,在前四組實驗方案中,方案1的北向窗牆比為0.25時,可獲得最大室內照度均勻度0.107,在后六組實驗方案中,方案10的南向窗牆比為0.2時,可獲得最大室內照度均勻度0.07。

  3.2 實驗小組2以窗台高為控制變量的模擬結果數據可視化圖表分析(圖8):

  全天然自然採光百分比DA300模擬數據可視化圖表分析: DA300值與窗台高呈正相關,方案1-10為南北向窗台高度逐漸增大,圖表折線呈上升趨勢,但在方案8以后其上升趨勢減緩趨平﹔在窗台高度為1.1-1.3時,室內DA300值較為理想。

  有效天然採光照度UDI100-2000模擬數據可視化圖表分析:室內UDI100-2000值與窗台高呈正相關,但在方案9以后的UDI100-2000值趨平並下降,因此,在方案9-10窗台高為1.1-1.2時,室內UDI100-2000值較為理想。

  室內自然採光照度模擬數據可視化圖表分析:室內照度均勻度與窗台高呈正相關,方案1-3窗台高為0.4-0.6,對室內照度均勻度影響不大,照度均勻度值為0.06左右﹔方案9-10窗台高為1.2-1.3時,室內照度均勻度達到較大值且趨平,均勻度值為0.107左右。

  3.3 實驗小組3以開間進深比為控制變量的模擬結果數據可視化圖表分析(圖9):

  全天然自然採光百分比DA300模擬數據可視化圖表分析:DA300值與開間進深比呈正相關,且隨著開間進深比的增大,室內DA300值呈上升趨勢,在方案10的開間進深比為2時,可獲得最大DA300值77.19。

  有效天然採光照度UDI100-2000模擬數據可視化圖表分析:室內UDI100-2000值與開間進深比呈正相關,方案1-5的室內UDI100-2000值隨開間進深比的增大而增大﹔方案5- 7的室內UDI100-2000值隨開間進深比增大呈趨平狀態﹔方案7- 10的室內UDI100-2000值隨開間進深比增大而呈現下降趨勢,當開間進深比為1.1-1.2時,室內UDI100-2000值較為理想。

  室內自然採光照度模擬數據可視化圖表分析:室內照度均勻度總體上與開間進深比呈正相關,方案1-6開間進深比為1.1-1.6,室內照度均勻度呈上升趨勢﹔但在方案8開間進深比為1.8時,室內照度均勻度驟然降低至0.068,之后隨比值增大而上升﹔當開間進深比為2時,室內均勻度可達到最大值0.09。

  由模擬結果圖像可對室內評價指標進行定性分析,對不同控制變量模擬出的DA300值,UDI100-2000值與採光均勻度評價指標理想值的空間分布范圍有大致了解,而基於transDATA可將數據轉化為可視化圖形並進行關於評價指標的定量分析。綜合實驗案例中的三種控制變量對三個評價指標影響的定量分析可以總結得到:實驗小組1中的三種評價指標達到理想狀態時,設計參量設置為南向窗牆比0.2,DA300值與室內最大UDI100-2000值為79.73,室內照度均勻度為0.07﹔實驗小組2中的三種評價指標達到理想狀態時,設計參量設置為窗台高1.2m﹔實驗小組3中的三種評價指標達到理想狀態時,設計參量設置為開間進深比2。由此可得,該寒地單層居住建筑的室內自然採光性能優化結果相對應的設計變量為南牆窗牆比0.2,窗台高1.2m,開間進深比為2。transDATA的數據記錄回溯與可視化功能簡化了性能優化方案設計及決策流程,提高了相關優化設計參量選取效率。

  本文論述了在Rhino平台下,運用Python工具進行Grasshopper的二次開發,設計出了綠色性能導向下的建筑設計決策信息記錄與回溯工具——transDATA和基於transDATA的綠建設計工作流,經寒地某單層居住建筑自然採光性能優化實際案例的驗証,transDATA可實現影響綠色建筑性能參量數據的記錄回溯與可視化。運用該工具,有效解決了Grasshopper平台下性能模擬數據量大、種類多而導致的決策效率低的缺陷,方便建筑師在方案設計過程中對設計參量與模擬數據進行分析與優化,使最終建筑方案滿足綠色節能設計要求。在該綠色建筑輔助決策工具的幫助下,建筑師的設計質量與設計效率可得到明顯改善,因此可將更多時間利用在方案前期的主觀藝術創作上。

  [5] 王成國,姜立,張雷,等. 綠色建筑評價與輔助設計系統軟件[Z]. 中國北京: 20106.

  [13] 中華人民共和國行業標准. 《嚴寒和寒冷地區居住建筑節能設計標准》(JGJ26-2010)[S]. 2010.

  中共中央總書記習在主持學習時強調,推動媒體融合發展、建設全媒體成為我們面臨的一項緊迫課題。要運用信息革命成果,推動媒體融合向縱深發展,做大做強主流輿論,鞏固全黨全國人民團結奮斗的共同思想基礎……

  眾多獲獎作品充分運用融媒體優勢,不斷開拓渠道,錘煉寫作能力,提升傳播效果﹔同時關心時代發展,緊跟時代脈搏,深耕社會需求,堅持獨立思考,始終堅持社會效果和傳播效果並重的原則,涌現出許多主題鮮明……



友情链接:
Copyright 2018-2021 开奖直播 版权所有,未经授权,禁止转载。