《BUILDING AND ENVIRONMENT》：Segmented dynamic photovoltaic shading fa?ade based on kiri-origami: Multi-objective decision-making and interpretable machine learning analysis
编辑推荐：
基于kiri-origami结构的动态光伏遮阳系统，提出分段单侧拉伸机制实现上导光下遮阳的协同优化，结合多目标决策与可解释机器学习框架，通过季节性动态策略将日晒100-3000勒克斯提升7.4%，能耗强度降低19.9%，并验证了系统在气候适应性及参数敏感性方面的优势。
作者：齐宗新、李佳欣、于梦辉、马青松、Dewancker Bart、高伟军
青岛理工大学建筑与城市规划学院，中国青岛266033
摘要
随着对建筑节能和室内环境质量要求的提高，光伏遮阳立面（PVSF）因其在辐射控制和发电方面的作用而受到关注。然而，当前的设计在协同优化、光伏（PV）自遮阳以及高驱动能量方面存在不足。现有的分析框架由于忽略了视野质量（VQ）、决策冗余性和机制分析的不足而受到限制。因此，受剪纸艺术的启发，本研究提出了一种新型的分段动态PVSF，该设计通过单侧拉伸实现分区协同优化（上部导光、下部遮阳），同时减轻PV自遮阳现象。同时，一个结合了可解释机器学习（IML）和通过标准相关性（CRITIC）确定标准重要性的框架，用于分析PVSF在视野质量、能耗和日光照明方面的改进效果。结果表明，通过多目标决策（MODM）选出的静态PVSF能够保持较低的PV自遮阳率（5.7%），并将有用日光照度（UDI100–3000）提高7.4%，同时将净能源使用强度（net EUI）降低19.9%。此外，动态季节性策略（夏季增大/冬季减小拉伸角度）进一步将UDI100–3000、净EUI、VQ和PV自遮阳分别提高了1.2%、4.9%、4.4%和7%。后续的气候适应性分析表明，该系统在不同气候条件下仍能保持较低的PV自遮阳率，并优化日光照明和能耗，动态策略进一步提升了性能。最后，敏感性分析显示，在不同气候区（2A-6A），遮阳密度成为影响能源效率的主要因素，而组件分布则是影响日光照明的主要因素。因此，该系统为建筑集成光伏（BIPV）提供了一条可行的途径，同时该框架提高了决策的准确性。
引言
建筑行业是能源消耗的主要来源，占全球总量的32%[1]，在中国这一比例高达44.8%[2]。随着现代建筑标准越来越关注居住者的健康[3]，平衡能源减少、可再生能源利用和室内环境质量已成为一个主要挑战。
为应对这一挑战，光伏遮阳立面（PVSF）因其发电和辐射控制的双重功能而受到广泛关注。然而，传统的静态PVSF难以适应变化的太阳轨迹和不同气候条件下的功能需求[4]。为了克服这一限制，PVSF的发展逐渐转向动态系统。受动态立面技术（从基本的平移和单轴旋转[5]到多轴跟踪[6]、几何驱动[7]以及材料驱动系统[[8], [9], [10]]的启发，研究人员不断改进动态PVSF的几何配置和控制策略，以提高其全面的环境响应能力。
基于此背景，本节系统回顾了最近关于PVSF在建筑应用、几何配置、动态策略、优化目标和决策方法（DM）方面的研究（表1）。
表2展示了PVSF的几何配置和动态策略的最新发展。早期的单板PVSF和PV百叶窗通过单轴旋转（< 90°）改善了近窗处的眩光和发电效果，但往往导致内部深处的日光不足[11]。后续的曲面导光模块和基于折纸技术的PVSF通过宽角度旋转或多轴跟踪改善了内部深处的日光照明[15,16,24,25]。然而，这些系统通常作为一个整体运行，无法满足不同窗高的多样化太阳辐射需求。因此，研究人员开发了分区独立控制策略，利用上部进行导光，下部进行遮阳和发电，以全面提高建筑性能，但这也会导致过高的驱动能耗[18]。
同时，PV自遮阳是影响系统性能的另一个关键问题（表1）。以往的研究通常采用两种方法：增加PV面积以弥补产量损失，但这会降低整体效率[23]；或者采用主动旋转控制来避免遮阳，但这会增加系统的复杂性和成本[18]。
PVSF对多个建筑目标有显著影响。优化一个目标往往会影响其他密切相关的指标[11,14,22]，因此进行全面的多目标分析至关重要。
虽然以往的研究主要集中在能耗和日光照明上，但PVSF的遮阳对视野质量（VQ）也有很大影响，但这常常被忽视（如表1所示）。事实上，VQ不仅影响居住者的心理健康和生产力[27]，还能提升建筑的经济价值[28]。Ko等人基于EN 17,037[29]和LEED v4.1[30]等标准，将VQ归纳为三个方面：视野内容（VC）、视野清晰度和视野可及性（VA）[31]。
目前，只有视觉清晰度指数被用来评估视野清晰度[32]，但VC和VA的量化仍然不足。在VC方面，现有标准提供了一个分层评估系统（包括天空、景观和地面等），但这只是一个定性框架，缺乏精确的计算方法。至于VA，现有标准仅将有效视野范围定义为窗高的三倍。尽管Pilechiha等人提出了视角角度方法来改进这一评估[33]，但它无法解决不规则PVSF引起的复杂遮挡问题。
在确定全面的优化目标后，选择最终的最优解是另一个关键挑战。Taveres-Cachat等人[19]指出，PVSF的应用导致各种建筑目标之间存在复杂的关系，特别是能源消耗和日光照明之间的显著冲突。然而，表1中的回顾显示，现有的多目标PVSF研究通常忽略了这些目标之间的关系。常用的方法如范围法、基于与理想解相似性的排序偏好技术（TOPSIS）或熵权重法都无法考虑目标之间的相关性。Abdel-Basset等人在供应链领域展示了通过标准相关性（CRITIC）方法可以同时量化目标之间的相关性及其自身的变异性[34]。这为解决复杂的多目标关系和选择PVSF设计中的最优解提供了一条科学路径。
在建筑性能优化中，设计参数与目标之间的关系非常复杂。机器学习（ML）模型，如极端梯度提升（XGBoost）[35]，克服了传统线性回归在拟合复杂非线性映射方面的局限性[36]。然而，这些“黑箱”模型缺乏可解释性，无法量化每个参数的具体影响[37]。
为了解决这个问题，出现了可解释机器学习（IML）技术。其中，基于合作博弈论的Shapley加性解释（SHAP）方法提供了一个统一且稳健的特征归因框架[38]。该方法通过精确量化参数的强度和方向，提供了高可解释性，有助于分析其驱动机制[[39], [40], [41]]。
总之，现有关于PVSF设计和优化的文献仍存在以下三个研究空白：
- 1) 当前的动态PVSF难以实现协同多目标优化，并在低驱动能量的情况下减轻PV自遮阳。
- 2) 当前的PVSF研究缺乏对VC和VA的精确定量模型，现有的MODM方法忽略了性能目标之间的复杂关系。
- 3) 虽然ML模型解决了线性回归在捕捉复杂非线性映射方面的局限性，但“黑箱”模型缺乏可解释性，无法揭示设计参数的驱动机制。
现有研究表明，剪纸结构具有独特的几何优势。通过简单的拉伸，它们可以实现结构单元角度和间距的联动变化[42]。此外，交替的正负切割允许结构在拉伸时向不同方向旋转[43]。另外，添加折痕线可以有效地改变其内部应力分布[44]。受这些几何原理的启发，本研究设计了一种具有建筑美学和视野保护功能的分段动态PVSF，它利用单侧拉伸来减少PV自遮阳，同时实现分区协同优化（上部导光，下部遮阳和发电）。
从结构上看，如图1(a)所示，该设计在拉伸过程中利用折痕线将应力集中在折痕处。这确保了PV模块在动态拉伸过程中保持平整和稳定。在这个刚性结构内，单侧拉伸实现了两个功能：首先，它连接结构单元的角度和间距以跟踪太阳，有效减少PV自遮阳（图1b）；其次，通过正负切割设计，使上下部分分别旋转，从而实现上部导光和下部遮阳发电的分区协同优化（图1c）。
图1(d)展示了季节性操作策略，其中单侧驱动同时实现整体平移和叶片旋转。夏季，系统向上延伸以增加垂直遮阳（减少冷却负荷），叶片相对于水平面的倾斜角度随着太阳高度的增加而减小；冬季，系统向下收缩以减少遮阳（减少加热负荷），这些角度随着太阳高度的降低而增大。在这两种状态下，下部单元优化发电并最小化近窗眩光，而上部单元增强深层日光照明。最后，根据辐射分析（图1e），PV模块被分配到高辐照度区域，渲染结果展示了该设计良好的视野透明度和美学价值。
为了解决现有限制，本研究提出了一种新型动态PVSF，并构建了一个结合了MODM和可解释机器学习的综合框架。具体研究目标如下：
- 1) 基于剪纸结构设计一种分段动态PVSF，利用简单的单侧拉伸来减轻PV自遮阳，并实现分区协同优化（上部导光，下部遮阳）。
- 2) 构建一个包含VQ精确量化的MODM框架，并引入CRITIC方法来解决PVSF优化中多个目标之间的相关性和固有对比强度。
- 3) 应用XGBoost-SHAP方法分析设计参数与目标之间的复杂非线性关系，并量化参数影响的强度和方向。
方法论
图2展示了本研究的分析框架。该框架包括四个不同的阶段：参数建模、性能模拟、MODM和敏感性分析。
- 1) 建模和验证（阶段1–2）：建立了反映建筑布局和结构的基线模型，并根据气象站数据进行了验证。随后，在Grasshopper中构建了PVSF的参数模型。
- 2) 性能模拟（阶段3–5）：在确定评估标准后...
结果
本章四个分析阶段的主要发现总结如下：（1）仿真模型验证：使用实验测量数据验证了基线能源和日光模型，确保了仿真的可靠性。（2）静态PVSF评估和敏感性分析：使用MODM方法选出的最优静态方案改善了日光照明和净EUI，同时保持了较低的PV自遮阳率（5.7%）。
讨论
为了解决现有限制，本研究提出了一种分段动态PVSF，并采用改进的MODM流程来确定最优解。结果表明，该系统实现了多目标协同优化，同时保持了较低的PV自遮阳率。此外，动态策略显著提升了整体性能。最后，敏感性分析（XGBoost-SHAP）阐明了设计参数对优化目标的影响机制。
首先，在...
结论
受剪纸结构机制的启发，本研究设计了一种新型分段动态PVSF，以解决性能协同优化、PV自遮阳和高驱动能量消耗等问题。同时，建立了一个结合CRITIC和IML的优化框架，可以根据实际需求和参数机制分析实现理性决策。
- 与基线相比，最优静态PVSF保持了较低的PV...
资助
本研究得到了山东省自然科学基金（编号ZR2024ME087）的资助。
作者贡献声明
齐宗新：撰写——原始草稿、可视化、验证、软件、方法论、调查、形式分析、数据整理。
李佳欣：撰写——审阅与编辑、数据整理。
于梦辉：验证。
马青松：撰写——审阅与编辑、资源管理、项目协调、资金获取、概念构思。
Dewancker Bart：监督、项目协调。
高伟军：监督、项目协调。
