建筑性能模拟

建筑性能模拟（英文：Building performance simulation，BPS）是电脑模拟领域中的一个子领域，是指使用电脑建立数学模型，来对建筑物的物理性能进行电脑模拟。建筑物性能模拟的目的是量化与建筑物的设计、建造、营运和控制等各个方面^[1]。建筑性能模拟具有多个子域；最突出的是热传模拟、照明模拟、声学模拟和气流模拟。

建筑性能模拟模型的输入资料和输出结果。

简介

从物理角度而言，建筑物是一个非常复杂的物理系统，受各种参数的影响。电脑模拟能够以一种较为可行的、相对较低工作量、较低成本的方式，来量化和比较个个设计方案之间的相对成本和性能。能源需求、室内环境质量（包括热热舒适性、视觉舒适度、室内空气品质和湿气现象）、 HVAC和可再生能源性能、城市尺度建模、建筑物自动化和运营最佳化等，都是建筑性能模拟的重要的研究内容 ^{[2] [3] [4]}。

在过去的六十年中，已经有许多建筑效能模拟软体被开发并投入使用^[5]。 建筑效能模拟领域的核心工具是多领域，动态，整座建筑的模拟工具，可为用户提供关键指标，例如供暖和制冷负荷、能源需求、温度趋势、湿度、热热舒适性、视觉舒适度、空气污染物，生态影响和成本 ^{[4] [6]}。 其中一些软体仅涵盖建筑性能模拟的某些部分，如气候分析、热舒适性、能量计算、中央单元建模、日光模拟等。

典型的建筑模拟模型输入值包含当地天气；建筑几何；建筑外壳隔热性能；内部热量来自照明、居住者和设备所产生的热； HVAC系统规格；操作时间表和控制策略^[2]。 在建筑性能模拟工具之间，输入的难易程度和输出数据的可视化程度差异很大。先进的整体建筑模拟工具能够以不同的方式以某种方式考虑以下所有方面。

建筑模拟所需的输入数据

• 气候：周围空气温度，相对湿度，太阳直射和漫射辐射，风速和风向。
• 地点：建筑物的位置和方向，地形和周围建筑物的阴影，地面物理性质。
• 建筑几何：建筑形状和区域几何。
• 建筑外壳：材料和结构，窗户和遮阴（如采光罩）、热桥、渗透和开口等，这些都会影响建筑外壳的隔热性。
• 内部热取得：照明设备、室内人员和家电设备都会产生热，因此模拟时需要输入设备操作时程表及人员占用时程表。
• 通风系统：空气的输送和调节（加热，冷却，加湿），如对外通风扇。
• 房间单元：各个房间的供暖、制冷和通风单元，如个别空调系统（即非中央空调冷气）。
• 中控单元：用于将能源转化，存储和输送到建筑物的中央单元，如中央空调等。
• 控制：用于开窗装置、遮光装置、通风控制系统、、中控组件等。

建筑模拟所输出之关键指标

• 温度趋势：在区域，表面，建筑层中，用于热水或冷水的供应或在双层玻璃幕墙中
• 舒适度指标：如PMV和PPD ，辐射温度不对称，CO ₂浓度，相对湿度
• 热平衡：适用于区域，整个建筑物或单个工厂组件
• 负载曲线：用于加热和冷却需求，设备和照明的电流曲线
• 能源需求：用于加热，冷却，通风，照明，设备，辅助系统（如泵，风扇，电梯）
• 日光可利用性：在某些区域，在不同时间点，外部条件各不相同

其他建筑模拟之应用

• 系统规模之预测：用于评估该建筑暖通空调组件的吨数，例如空气处理单元，热交换器，锅炉，冷却器，储水箱，热泵和可再生能源系统。过高的冷气吨数会造成不必要的能源消耗；过低的冷气吨数会无法满足建筑热舒适性需求。
• 优化控制策略：设置用于遮光，开窗，加热，冷却和通风的控制器，以提高操作性能。

历史

建筑性能模拟的历史大约跟电脑的发展历史一样长。早期发展始于1950年代末和1960年代初的美国和瑞典。在此期间，引入了几种稳态计算来分析单个系统组件（例如燃气锅炉）的方法。最早的建筑模拟工具是BRIS ，由斯德哥尔摩皇家技术学院于1963年所推出^[7]。 直到1960年代后期，已经开发了几个可计算逐时数值的模型，开发重点集中于能量评估和暖通空调耗能计算。到了1970年代初，开发出一系列更强大的模拟引擎，其中包括BLAST，DOE-2， ESP-r ，HVACSIM+和TRNSYS 等^[8]。 在美国，1970年代的能源危机 加快了这方面的研究发展，因为减少国内建筑物的能源消耗已成为迫切的政策需求。能源危机也造成了美国建筑能源标准的制定，如ASHRAE 90-75^[9]。

建筑模拟的发展代表了学术界，政府机构，行业和专业组织之间的共同努力。在过去的几十年中，建筑模拟已经发展成为一个独立领域，为建筑性能评估提供独特的专业知识、方法和工具 ^{[10] [11] [12]}。

在1980年代，一群领先的建筑模拟专家开始讨论建筑效能模拟的未来方向。人们一致认为，当时开发的大多数工具在结构上都过僵化，无法适应将来需要的改进和灵活性。 ^[13]大约在这个时候，开发了第一个基于方程式的建筑仿真环境ENET ^[14] ，这为SPARK提供了基础。 1989年，Sahlin和Sowell提出了一种用于构建仿真模型的中性模型格式（NMF），如今已在商业软件IDA ICE中使用。 ^[15]四年后，克莱因（Klein）推出了工程方程求解器（EES） ^[16] ，1997年，马特森（Mattsson）和埃尔姆奎斯特（Elmqvist）报告了国际上为Modelica设计的努力。 ^[17]

建筑性能模拟仍然面临种种挑战， Clarke（2015）用以下最重要的任务描述了建筑性能模拟的未来愿景，全球建筑性能模拟社群应解决这些最重要的任务 ^[18]。

• 更好的概念推广
• 输入数据的标准化和模型库的可得性
• 标准绩效评估程序
• 在实际应用中更好地利用建筑性能模拟
• 建筑性能模拟的操作支持和错误排除
• 教育，培训和用户认可

准确性

在建筑物模拟领域中，误差是指模拟结果与建筑物的实际测量性能之间的差异。建筑物设计和建筑物评估中通常会出现不确定性，这些不确定性通常源于模型输入的近似值，如人员占用程度。校准是指“调整”或调整假定的模拟模型输入以匹配来自公用事业或建筑物管理系统（BMS）的观测数据的过程 ^{[19] [20] [21]}。

在过去十年中，涉及建筑物建模和模拟准确性的出版物数量大大增加。许多论文报告了模拟结果和测量结果之间的巨大差距 ^{[22] [23] [24] [25]}，而另一方面，其他研究则表明模拟结果和测量结果高度相符 ^{[26] [27] [28]} 。建筑性能模拟结果的可靠性取决于许多不同的因素，例如，输入数据的品质、 ^[29]操作工程师的能力^[30]以及模拟引擎中所使用的演算法 ^{[31] [32]}。 de Wilde（2014）概述了从设计阶段到运营的性能差距，该原因可能引起广泛讨论，而Zero Carbon Hub（2013）则提供进度报告。两者都得出上述因素是BPS的主要不确定因素 ^{[33] [34]}。

ASHRAE标准140-2017“评估建筑能耗分析计算机程序的标准测试方法（ANSI批准）”提供了一种方法，可以验证计算热性能的计算机程序的技术能力和适用范围。 ^[35] ASHRAE准则4-2014提供了用于模型校准的性能指标标准。 ^[36]所使用的性能指标为归一化平均偏差（NMBE），均方根误差（RMSE）的变异系数（CV）和R ² （确定系数）。 ASHRAE建议校准后的模型的R ²大于0.75。 NMBE和CV RMSE的标准取决于是否每月或每小时都可获得测量数据。

技术方面

考虑到建筑能耗和质量流量的复杂性，通常无法找到解析解，因此模拟软件采用其他技术（例如响应函数方法或有限差分或有限体积法等数值方法）作为近似值。 ^[2]当今大多数建筑物模拟程序中的大多数都使用命令式编程语言来制定模型如C / C ++ ， Fortran或MATLAB / Simulink等。在此类程序中，通常通过将求解过程作为实际模型方程式的一部分，将模型方程式与求解方法紧密联系^[37]。 命令式编程语言的使用限制了模型的适用性和可扩展性。使用符号微分代数方程（DAE）和通用求解器的模拟引擎可提供更大的灵活性，这些通用求解器可提高模型的重用性，透明度和准确性。由于其中一些发动机已经开发了20多年，如IDA ICE，并且由于基于方程式建模的关键优势，这些模拟引擎可以视为最先进的技术^{[38] [39]}。

应用领域

可以为新建筑物或现有建筑物开发建筑物模拟模型。建筑性能模拟的主要用途类别包括： ^[3]

• 建筑设计：定量比较设计或翻新选项，以提供更节能的建筑设计
• 暖通空调设计：计算热负荷以确定机械设备的尺寸，并帮助设计和测试系统控制策略
• 建筑性能等级：展示基于性能的能源法规，绿色认证和经济激励措施
• 建筑存量分析：支持制定能源法规和标准，并计划大规模的能源效率计划
• 计算流体力学在建筑方面的应用：模拟边界条件，例如表面热通量和表面温度，用于随后的CFD研究^[40]

软体工具

详见建筑能耗模拟软体。

建筑性能模拟的实践

自1990年代以来，建筑性能模拟已经从主要用于研究的方法过渡到主流工业项目的设计工具。但是，不同国家的利用率仍然相差很大。诸如LEED （美国）、 BREEAM （英国）或DGNB （德国）之类的建筑认证计划证明是BPS寻求更广泛应用的良好动力。另外，允许基于建筑性能模拟进行分析的国家建筑标准对于增加工业应用也有很好的帮助，例如在美国（ ASHRAE 90.1 ） ^[41]、瑞典（BBR） ^[42]、瑞士（SIA） ^[43]和英国（NCM） ^[44]。

瑞典建筑法规的独特之处在于，必须在建筑运营的前两年内通过测量来验证计算的能源使用量。自2007年法规施行以来，根据统计建模人员偏好高度详细的模拟模型，以求有效达到所需的精确度^[45]。

参考资料

1. de Wilde, Pieter. Building Performance Analysis. Chichester: Wiley-Blackwell. 2018: 325–422. ISBN 978-1-119-34192-5.
2. Clarke, J. A. Energy simulation in building design 2nd. Oxford: Butterworth-Heinemann. 2001. ISBN 978-0750650823. OCLC 46693334.
3. Building performance simulation for design and operation. Hensen, Jan., Lamberts, Roberto. Abingdon, Oxon: Spon Press. 2011. ISBN 9780415474146. OCLC 244063540.
4. Clarke, J. A.; Hensen, J. L. M. Integrated building performance simulation: Progress, prospects and requirements (PDF). Building and Environment. Fifty Year Anniversary for Building and Environment. 2015-09-01, 91: 294–306 [2021-01-03]. doi:10.1016/j.buildenv.2015.04.002. （原始内容存档 (PDF)于2019-04-27）. 引用错误：带有name属性“:32”的<ref>标签用不同内容定义了多次
5. Best Directory | Building Energy Software Tools. www.buildingenergysoftwaretools.com. [2017-11-07]. （原始内容存档于2019-10-08） （英语）.
6. Crawley, Drury B.; Hand, Jon W.; Kummert, Michaël; Griffith, Brent T. Contrasting the capabilities of building energy performance simulation programs (PDF). Building and Environment. Part Special: Building Performance Simulation. 2008-04-01, 43 (4): 661–673 [2021-01-03]. doi:10.1016/j.buildenv.2006.10.027. （原始内容存档 (PDF)于2019-08-30）.
7. Brown, Gösta. The BRIS simulation program for thermal design of buildings and their services. Energy and Buildings. January 1990, 14 (4): 385–400. doi:10.1016/0378-7788(90)90100-W.
8. Kusuda, T. Early history and future prospects of building system simulation (PDF). IBPSA Proceedings. 1999 [2017-07-07]. （原始内容存档 (PDF)于2018-05-16）.
9. Sukjoon, Oh. Origins of Analysis Methods in Energy Simulation Programs Used for High Performance Commercial Buildings. 2013-08-19 [2017-11-09]. （原始内容存档于2017-11-09） （英语）.
10. Augenbroe, Godfried; Hensen, Jan. Simulation for better building design. Building and Environment. Building Simulation for Better Building Design. 2004-08-01, 39 (8): 875–877. doi:10.1016/j.buildenv.2004.04.001.
11. Hensen, J. (2006).
12. Wang, Haidong; Zhai, Zhiqiang (John). Advances in building simulation and computational techniques: A review between 1987 and 2014. Energy and Buildings. 2016-09-15, 128: 319–335. doi:10.1016/j.enbuild.2016.06.080.
13. Clarke, J.A.; Sowell, E.F.; the Simulation Research Group (1985): A Proposal to Develop a Kernel System for the Next Generation of Building Energy Simulation Software, Lawrence Berkeley Laboratory, Berkeley, CA, Nov. 4, 1985
14. Low, D. and Sowell, E.F. (1982): ENET, a PC-based building energy simulation system, Energy Programs Conference, IBM Real Estate and Construction Division, Austin, Texas (1982), pp. 2-7
15. Sahlin, P. and Sowell, E.F. (1989).
16. Klein, S. A. Development and integration of an equation-solving program for engineering thermodynamics courses. Computer Applications in Engineering Education. 1993-01-01, 1 (3): 265–275. ISSN 1099-0542. doi:10.1002/cae.6180010310 （英语）.
17. Mattsson, Sven Erik; Elmqvist, Hilding. Modelica - An International Effort to Design the Next Generation Modeling Language. IFAC Proceedings Volumes. 7th IFAC Symposium on Computer Aided Control Systems Design (CACSD '97), Gent, Belgium, 28–30 April. April 1997, 30 (4): 151–155. CiteSeerX 10.1.1.16.5750 . doi:10.1016/S1474-6670(17)43628-7.
18. Clarke, Joe. A vision for building performance simulation: a position paper prepared on behalf of the IBPSA Board. Journal of Building Performance Simulation. 2015-03-04, 8 (2): 39–43. ISSN 1940-1493. doi:10.1080/19401493.2015.1007699.
19. Raftery, Paul; Keane, Marcus; Costa, Andrea. Calibrating whole building energy models: Detailed case study using hourly measured data. Energy and Buildings. 2011-12-01, 43 (12): 3666–3679. doi:10.1016/j.enbuild.2011.09.039.
20. Reddy, T. Agami. Literature Review on Calibration of Building Energy Simulation Programs: Uses, Problems, Procedures, Uncertainty, and Tools.. ASHRAE Transactions. 2006, 112 (1): 226–240.
21. Heo, Y.; Choudhary, R.; Augenbroe, G.A. Calibration of building energy models for retrofit analysis under uncertainty. Energy and Buildings. 2012, 47: 550–560. doi:10.1016/j.enbuild.2011.12.029 （英语）.
22. Coakley, Daniel; Raftery, Paul; Keane, Marcus. A review of methods to match building energy simulation models to measured data. Renewable and Sustainable Energy Reviews. 2014-09-01, 37: 123–141 [2021-01-03]. doi:10.1016/j.rser.2014.05.007. （原始内容存档于2017-01-08）.
23. Li, Nan; Yang, Zheng; Becerik-Gerber, Burcin; Tang, Chao; Chen, Nanlin. Why is the reliability of building simulation limited as a tool for evaluating energy conservation measures?. Applied Energy. 2015, 159: 196–205. doi:10.1016/j.apenergy.2015.09.001.
24. Hong, Taehoon; Kim, Jimin; Jeong, Jaemin; Lee, Myeonghwi; Ji, Changyoon. Automatic calibration model of a building energy simulation using optimization algorithm. Energy Procedia. 2017, 105: 3698–3704. doi:10.1016/j.egypro.2017.03.855.
25. Mustafaraj, Giorgio; Marini, Dashamir; Costa, Andrea; Keane, Marcus. Model calibration for building energy efficiency simulation. Applied Energy. 2014, 130: 72–85. doi:10.1016/j.apenergy.2014.05.019 （英语）.
26. Christensen, Jørgen Erik; Chasapis, Kleanthis; Gazovic, Libor; Kolarik, Jakub. Indoor Environment and Energy Consumption Optimization Using Field Measurements and Building Energy Simulation. Energy Procedia. 6th International Building Physics Conference, IBPC 2015. 2015-11-01, 78: 2118–2123. doi:10.1016/j.egypro.2015.11.281.
27. Cornaro, Cristina; Puggioni, Valerio Adoo; Strollo, Rodolfo Maria. Dynamic simulation and on-site measurements for energy retrofit of complex historic buildings: Villa Mondragone case study. Journal of Building Engineering. 2016-06-01, 6: 17–28. doi:10.1016/j.jobe.2016.02.001.
28. Cornaro, Cristina; Rossi, Stefania; Cordiner, Stefano; Mulone, Vincenzo; Ramazzotti, Luigi; Rinaldi, Zila. Energy performance analysis of STILE house at the Solar Decathlon 2015: lessons learned. Journal of Building Engineering. 2017, 13: 11–27. doi:10.1016/j.jobe.2017.06.015.
29. Dodoo, Ambrose; Tettey, Uniben Yao Ayikoe; Gustavsson, Leif. Influence of simulation assumptions and input parameters on energy balance calculations of residential buildings. Energy. 2017, 120: 718–730. doi:10.1016/j.energy.2016.11.124.
30. Imam, Salah; Coley, David A; Walker, Ian. The building performance gap: Are modellers literate? (PDF). Building Services Engineering Research and Technology. 2017-01-18, 38 (3): 351–375. doi:10.1177/0143624416684641 （英语）.
31. Nageler, P.; Schweiger, G.; Pichler, M.; Brandl, D.; Mach, T.; Heimrath, R.; Schranzhofer, H.; Hochenauer, C. Validation of dynamic building energy simulation tools based on a real test-box with thermally activated building systems (TABS). Energy and Buildings. 2018, 168: 42–55. doi:10.1016/j.enbuild.2018.03.025.
32. Choi, Joon-Ho. Investigation of the correlation of building energy use intensity estimated by six building performance simulation tools. Energy and Buildings. 2017, 147: 14–26. doi:10.1016/j.enbuild.2017.04.078.
33. de Wilde, Pieter. The gap between predicted and measured energy performance of buildings: A framework for investigation. Automation in Construction. 2014-05-01, 41: 40–49. doi:10.1016/j.autcon.2014.02.009.
34. Closing the Gap Between Design and As-Built Performance (PDF). www.zerocarbonhub.org. Zero Carbon Hub. July 2013 [2017-06-30]. （原始内容存档 (PDF)于2021-12-02）.
35. ASHRAE. ASHRAE/ANSI Standard 140-2017--Standard Method of Test for the Evaluation of Building Energy Analysis Computer Programs. Atlanta, GA: American Society of Heating, Refrigerating, and Air-Conditioning Engineers, Inc. 2017.
36. ASHRAE. Guideline 14-2014 Measurement of Energy Demand Savings; Technical Report. Atlanta, GA: American Society of Heating, Refrigerating and Air-Conditioning Engineers. 2014.
37. Wetter, Michael; Bonvini, Marco; Nouidui, Thierry S. Equation-based languages – A new paradigm for building energy modeling, simulation and optimization. Energy and Buildings. 2016-04-01, 117: 290–300. doi:10.1016/j.enbuild.2015.10.017.
38. Sahlin, Per; Eriksson, Lars; Grozman, Pavel; Johnsson, Hans; Shapovalov, Alexander; Vuolle, Mika. Whole-building simulation with symbolic DAE equations and general purpose solvers. Building and Environment. Building Simulation for Better Building Design. 2004-08-01, 39 (8): 949–958. doi:10.1016/j.buildenv.2004.01.019.
39. Sahlin, Per; Eriksson, Lars; Grozman, Pavel; Johnsson, Hans; Shapovalov, Alexander; Vuolle, Mika. Will equation-based building simulation make it?-experiences from the introduction of IDA Indoor Climate And Energy. Proceedings of Building …. August 2003 （英语）.
40. Tian, Wei; Han, Xu; Zuo, Wangda; Sohn, Michael D. Building energy simulation coupled with CFD for indoor environment: A critical review and recent applications. Energy and Buildings. 2018, 165: 184–199. OSTI 1432688. doi:10.1016/j.enbuild.2018.01.046.
41. Home | ashrae.org. www.ashrae.org. [2017-11-08]. （原始内容存档于2019-09-27）.
42. BBR - Swedish building regulation. [2018-03-29]. （原始内容存档于2018-03-29）.
43. Swiss society of architects and engineers (SIA). [2018-03-29]. （原始内容存档于2022-02-02）.
44. UKs National Calculation Method. [2018-03-29]. （原始内容存档于2022-02-22）.
45. Swedish code summarized in global performance network. [2018-03-29]. （原始内容存档于2021-01-17）.