如何让建筑改造适应气候变化？一个整合了未来气候情景、可解释机器学习和多目标优化方法的框架

《BUILDING AND ENVIRONMENT》：How can building retrofits adapt to climate change? A framework integrating future climate scenario, interpretable machine learning, and multi-objective optimization

　　岳英军|严增峰|张雪|雷福明|张铎|雷汉月|倪平安
西安建筑科技大学建筑学院，中国西安710055

**摘要**
气候变化显著影响建筑能耗，但从生命周期的角度来看，如何改造建筑以适应未来气候仍不明确。为了解决这一问题，本研究提出了一个涵盖能源、环境和经济（3E）方面的时间加权多维评估指标体系。该框架整合了未来气候情景、机器学习模型、可解释性分析和多目标优化方法，并将其应用于西安的一栋现有办公楼。研究结果表明：（1）全球变暖导致建筑负荷结构发生不对称变化，制冷能耗每年增加5千瓦时/平方米，超过了约3.5千瓦时的供暖能耗减少量。未来改造措施对能耗的影响将发生显著变化，这突显了考虑气候变化的必要性，以确保建筑的韧性。（2）在所有算法中，XGBoost模型的准确率最高（R2为0.971，RMSE为1.524），被选为建筑性能预测的替代模型。（3）可解释性分析阐明了改造措施对性能指标的影响模式，强调了照明功率密度和墙体保温厚度的关键作用，从而确定了改造措施的实施顺序。（4）多目标优化得到的帕累托前沿显示目标空间存在明显差异，反映了节能和经济目标之间的权衡。通过多标准决策，确定了五种典型的改造方案以满足不同的偏好。这些发现为建筑的气候适应性改造提供了宝贵的见解，并有助于推进可持续建筑实践和实现碳中和目标。

**引言**
全球气候变暖及其引发的极端天气事件已成为重大的全球环境挑战[1]。根据政府间气候变化专门委员会（IPCC）的说法，减少温室气体排放是缓解气候风险的关键途径。作为世界上最大的排放国之一，中国计划到2030年达到二氧化碳排放峰值，并在2060年实现碳中和[2]。因此，减少能源消耗和碳排放对于可持续发展至关重要[3]。
建筑行业是能源消耗和碳排放的主要来源，分别占全球总量的35%和40%[4]。随着中国城市化从快速扩张转向高质量发展，对现有建筑进行节能改造已成为建筑行业减排的重点[5]。然而，许多现有建筑是根据过时的热标准设计的，其性能评估主要依赖于历史气象数据，而没有考虑长期气候变化[6]。在全球变暖的背景下，现有建筑面临性能下降的风险。环境温度的升高将显著增加制冷负荷，可能抵消甚至逆转传统改造措施的节能效果[7,8]。因此，忽视气候变化对建筑负荷结构的影响可能会降低改造策略的长期有效性和韧性[9,10]。因此，在未来气候情景下确定气候适应性改造路径对于可持续建筑发展和实现碳中和目标至关重要。
建筑改造策略通常可以分为三类：被动策略、主动策略和可再生能源整合。被动策略通过墙体保温[11,12]、高性能窗户[13,14]和遮阳系统[15]等措施改善建筑围护结构的热性能。主动策略通过升级暖通空调系统[16,17]、部署智能控制系统[18]和改进照明系统[19]来提高建筑系统的效率。可再生能源整合通过光伏（PV）系统[20,21]、光热（PV/T）系统[22]和地源热泵[23]等技术减少对传统能源的依赖。
在建筑改造过程中，建模方法在性能评估和优化决策中起着关键作用。研究人员通常使用基于仿真的模型或数据驱动的替代模型来评估改造效果[24]。如EnergyPlus[25]和TRNSYS[26]等仿真工具基于物理传热方程提供高精度分析，但大规模参数优化计算量较大。为了提高效率，越来越多地应用基于机器学习的替代模型。这些模型经过建筑参数和气候数据训练后，可以快速预测建筑性能。常见的替代模型包括梯度提升（XGBoost）[27,28]、支持向量机[29]、随机森林[30]和神经网络[31]。与数值仿真相比，替代模型显著降低了计算成本，同时保持了高预测效率。
建筑改造的目标不仅限于减少能耗，还包括环境影响和经济效益。改造方案的优化本质上涉及在多个相互冲突的目标中找到帕累托最优解。为了高效探索大型设计空间，研究人员广泛使用多目标优化算法，包括遗传算法[32, [33], [34]和粒子群优化。决策方法如层次分析法（AHP）[35]和相似理想解排序法（TOPSIS）[36]进一步用于对帕累托解进行排序并确定合适的改造方案。
早期的建筑改造研究主要依赖历史气象数据进行建筑模拟，旨在减少能耗和碳排放[37]。然而，在气候变化背景下，这种方法的局限性日益明显。全球变暖降低了许多地区的供暖需求，同时显著增加了制冷需求，导致能耗模式存在显著区域差异。
许多研究在气候变化背景下评估了改造措施，并确定了更合适的适应策略。增强自然通风被认为是减少制冷需求和过热风险的经济有效方法[38,39]。对于建筑围护结构，在寒冷地区改进保温效果仍然非常有效[40,41]，而在炎热地区过度保温可能会增加制冷需求[42]。遮阳可以有效减少太阳得热，在全球变暖的情况下更为有益[43]。然而，仅靠被动措施不足以应对未来的气候挑战。提高暖通空调和照明等主动系统的效率对于维持室内舒适度至关重要[44,45]。此外，气候变化对可再生能源的影响也不同。例如，屋顶光伏系统的效率受到云层减少和温度升高的双重影响，而利用稳定地下土壤温度的地源热泵则表现出更强的气候适应性。
近年来，将气候变化纳入建筑改造已成为重要的研究方向。先前的研究在未来的气候情景下评估了改造效果，并表明最佳改造策略可能因气候条件而大不相同[9,46]。多目标优化方法（包括GA和NSGA-II）已被广泛用于在不同RCP和SSP情景下识别气候适应性改造方案[47,48]。现有研究考察了未来气候变化对不同地区和建筑类型的保温设计、窗户性能、遮阳策略、暖通空调性能和可再生能源系统的影响[49, [50], [51], [52], [53]]。这些研究表明，气候变化会显著改变建筑能源需求和改造效果，强调了将未来气候情景纳入改造决策的必要性。
总之，尽管先前的研究已经考虑了气候变化对建筑改造的影响，但它们主要集中在长期情景（50-80年）上，这与改造的典型使用寿命（20-30年）不一致。这种不匹配限制了其在工程设计中的实际应用。此外，大多数研究侧重于不同未来时间点的比较分析，但很少考虑当前和未来气候条件的综合影响。因此，开发能够在实际使用寿命内平衡当前和未来气候条件的综合改造策略仍然是一个重要的研究挑战。
本研究旨在通过开发一个结合动态气候演变、能源-环境-经济（3E）指标、可解释的机器学习和多目标优化的统一框架，来解决气候变化下的建筑改造挑战。尽管本研究中使用的计算工具在建筑能源研究中已经成熟，但主要创新在于将它们系统地整合到一个气候适应性决策框架中。关键创新包括：
•引入了一种时间加权方法，将当前和未来的气候条件纳入统一的目标函数中，从而能够同时考虑建筑生命周期内的短期节能和长期气候适应性。
•建立了一个全面的改造框架，整合了气候情景构建、3E评估指标、可解释的机器学习预测和多目标优化。该框架无缝整合了现有工具，形成了从性能表征到动态变化气候条件下的多标准决策的全面决策支持工作流程。
•通过Shapley Additive Explanations（SHAP）分析，量化了改造措施对建筑性能的影响，并揭示了各目标之间的权衡，支持对被动、主动和可再生能源策略的优先排序。

**方法论**
如图1所示，本研究的执行路径分为以下五个步骤：
**步骤1：案例建筑建模。**基于现场调查和原始设计图纸，在Rhino & Grasshopper中开发案例建筑的数字模型。整合几何形状、建筑属性和运营计划，并使用测量的能耗数据进行校准，以建立用于仿真分析的验证基线模型。
**步骤2：建筑性能仿真。**基于2500个样本情景的仿真结果，图7显示了当前和未来气候条件下的性能指标分布。结果表明，气候变化显著改变了建筑能耗结构。暖通空调能耗显示出不对称的演变趋势。在SSP2-4.5情景下，制冷能耗强度从9.5千瓦时/平方米/年增加到14.5千瓦时/平方米/年，两种分布之间存在明显差异。

**不同地区气候变化对建筑性能的影响**
为了探讨气候变化对不同地区建筑性能的影响，本研究选择了四个具有代表性的中国城市：哈尔滨（严寒地区）、上海（炎热夏季和寒冷冬季）、广州（炎热夏季和温暖冬季）和昆明（温和气候区），分别代表这四种气候类型。图18比较了TMY和SSP2-4.5-2050s情景下的日平均气温分布。
在哈尔滨这个严寒地区（图18a），平均气温...

**结论**
本研究开发了一个用于西安办公楼多目标改造优化的综合框架，结合了未来气候情景、替代建模、可解释性分析和多目标优化。主要结论如下：
（1）全球变暖显著改变了案例建筑的能耗结构。制冷能耗强度增加了约5千瓦时/平方米/年，而供暖能耗强度减少了约3.5千瓦时/平方米/年。

**作者贡献声明**
岳英军：撰写——审阅与编辑、撰写——初稿、可视化、方法论、正式分析。
严增峰：撰写——审阅与编辑、撰写——初稿、监督、资金获取、概念化。
张雪：撰写——审阅与编辑、软件。
雷福明：撰写——审阅与编辑。
张铎：撰写——审阅与编辑。
雷汉月：撰写——审阅与编辑。
倪平安：撰写——审阅与编辑。