[发明专利]一种基于多目标智能优化和EnergyPlus的建筑节能设计方法

权利要求书

1.一种基于多目标智能优化和EnergyPlus的建筑节能设计方法，其特征在于：该方法包括如下步骤：

步骤1：确定建筑的基本结构参数，并制作建筑的3D模型；在绘图软件中将3D模型保存为建筑能耗模拟软件EnergyPlus识别的格式；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；

步骤2：选择用来评价建筑优化设计方案优劣的两个性能指标，即建筑能耗和用户不舒适小时数；选择影响上述两个性能指标的K个结构参数，即需要优化的K个决策变量；

步骤3：以建筑能耗和不舒适小时数作为性能评价指标，结合EnergyPlus软件，执行多目标智能粒子群优化算法，直到满足算法设置的迭代次数；

步骤4：算法终止后，输出算法外部储备集中保存的最优解作为算法所得最终结果，即最佳参数取值。

2.根据权利要求1所述的一种基于多目标智能优化和EnergyPlus的建筑节能设计方法，其特征在于：步骤3中，结合EnergyPlus软件，执行多目标智能粒子群优化算法，步骤如下：

步骤3.1：在Matlab中编写多目标智能粒子群优化算法，编写程序搭建Matlab和EnergyPlus的通信接口；

步骤3.2：设置多目标智能粒子群优化算法运行参数，设置决策变量即系统参数的初始值；所述算法运行参数包括粒子群规模N、算法终止迭代次数T；

步骤3.3：在决策变量取值范围内随机生成N个粒子的位置X_i,i＝1,2,…,N，所述N个粒子的位置即为一组解，设置每个粒子的个体极值点Pb_i，Pb_i＝X_i,i＝1,2,…,N，将外部储备集设为空集；

步骤3.4：通过步骤3.1中的通信接口将解导入EnergyPlus，启动EnergyPlus，输出性能指标，即建筑能耗和用户不舒适小时数，作为当前粒子位置的目标函数值；

步骤3.5：更新算法的外部储备集：将外部储备集中已有的粒子位置、粒子位置对应的目标函数值和粒子群中的解及其目标函数值合并成一个新种群；利用Pareto支配关系，选出该种群中互不支配的元素，并将所述互不支配的元素保存到外部储备集中；如果外部储备集中元素数目超过了粒子群规模N，则计算每个元素的拥挤距离值，并保留前N个拥挤距离值最大的元素至外部储备集；

步骤3.6：判断是否达到算法最大迭代次数T，若达到最大迭代次数，则终止算法；否则，继续执行步骤3.7；

步骤3.7：根据外部储备集中元素的分布程度，从外部储备集合中为每个粒子选择它的全局极值点和个体极值点；针对每个粒子，根据多目标粒子群更新方法，产生一组新的粒子位置，即一组新的解，重复步骤3.4-3.6。

3.根据权利要求2所述的一种基于多目标智能优化和EnergyPlus的建筑节能设计方法，其特征在于：步骤3.7中，选择粒子的全局极值点和个体极值点的方法如下：

(1)首先从储备集合中任意选出两个互不占优的粒子，并计算两个粒子目标函数值的拥挤距离值；然后，选择拥挤距离值较大的粒子的位置作为当前粒子的全局极值点；重复执行上述操作，直到为所有粒子确定其全局极值点；

(2)利用Pareto支配关系确定粒子的个体极值点，对于任意一个粒子，如果其新生位置的目标函数值Pareto支配该粒子的目标函数值，则选择新位置为该粒子的个体极值点；否则，保持当前粒子的个体极值点不变。

4.根据权利要求2所述的一种基于多目标智能优化和EnergyPlus的建筑节能设计方法，其特征在于：步骤3.7中，根据多目标粒子群更新方法，产生新解的公式为：

其中，i表示第i个粒子，i的取值范围是[1,N]，N表示粒子的种群数量；j表示第j个决策变量，j的取值范围是[1,K]，K表示决策变量数量，x_i,j(t+1)为新生成的粒子位置，t为算法迭代次数，每产生一组新位置，t的值增加1，t的取值范围是[1,T]，N(a,b)是均值为a、方差为b的高斯分布函数，r₁和U(0,1)为[0,1]中随机数，Gb_i,j(t)表示当前粒子的全局最优的第j个决策变量值，Pb_i,j(t)表示当前粒子的个体最优的第j个决策变量值；Gb_i＝(Gb_i,1,Gb_i,2,…,Gb_i,K)表示当前粒子的全局极值点，Pb_i＝(Pb_i,1,Pb_i,2,…,Pb_i,K)表示当前粒子的个体极值点。