面向应用的建筑风环境优化设计技术探索

王力凯 谭子龙 吉国华 / WANG Likai, TAN Zilong, JI Guohua

面向应用的建筑风环境优化设计技术探索

王力凯 谭子龙 吉国华 / WANG Likai, TAN Zilong, JI Guohua

操作复杂和耗时较长，是限制与风环境相关的建筑性能自动优化设计方法研究的两个主要因素。通过多学科优化设计平台，将参数化建模软件与CFD软件进行整合，本文提出了一种便于操作，以与风环境相关性能为目标的建筑自动优化设计方法，可作为后续相关研究及设计的技术基础。同时，本文以3×3多层小区为例，利用该方法对其布局进行优化设计，以说明在设计方案初期如何利用该方法为设计提供决策依据。

性能优化设计 风环境 多学科优化设计

1 引言

建筑性能（如能耗、采光、通风等）模拟工具的出现及发展，使得建筑“预设计”成为可能。但由于模拟结果仅能呈现问题而无法解答问题，因此单纯依靠此类技术，往往使得建筑设计陷入一种反复“试错”的过程。目前，国内设计单位根据性能模拟分析结果，对设计进行调整的平均次数仅为2.7次（Shi Xing，2011），远不足以使设计方案得到充分考察和优化。随着计算科学的发展，包括“遗传算法”在内的优化算法受到建筑科学研究学者的关注，通过整合优化算法与性能模拟软件，相关学者积极探索基于各种建筑性能的自动优化设计方法（下文简称“建筑性能优化”）。新的建筑性能优化的设计方法可以使建筑设计摆脱以往“试错”式的设计流程，转为一种主动的、动态的、科学的设计探索过程。这种设计方法能够帮助建筑师对方案进行科学地评估和筛选；在性能引导下，帮助建筑师探索区别于以往认知的建筑形态或布局；同时，在数字设计的背景下，为建筑师的设计“找形”过程提供科学和绿色的探索方向。

目前，国内外关于建筑性能优化设计的学术研究已取得了一定的成果。在建筑单体尺度方面包括：以GENE_ARCH作为控制平台，对建筑能耗与建筑形体、外墙开窗率之间的关系进行的探讨和研究（Caldas Luisa，2008）；通过分级几何结构，对复杂形体进行的建筑性能优化的设计方法研究（Yi Yun Kyu，Malkawi Ali Malkawi，2009）；在Grasshopper中开发一套整合EnergyPlus、Radiance和Ecotect的设计平台（Shi Xing，Yang Wenjie，2013），为建筑师提供更加便捷的设计工具；以降低成本和能耗为目标，利用进化算法对建筑外墙开窗进行多目标优化的设计研究（Wright Jonathan A. et al.， 2014）。在建筑群体及城市尺度方面包括：利用遗传算法结合天空可视因子（Sky View Factor），对高密度城市形态进行优化设计（胡友培，2015），通过调节热岛强度来改善城市局部热环境；利用遗传算法和CFD（Computational Fluid Dynamics，计算流体力学）模拟（Chen Hong et al.，2008），针对室外风环境舒适度，对建筑布局和植被种植位置进行优化的设计方法，等等。总体而言，在目前的技术条件下，相关研究从各个方面尝试为建筑设计提供更加科学、主动和性能导向的辅助设计工具或方法。

然而，由于建筑风环境优化设计涉及大量的编程及流体力学模拟操作，相较于其他性能优化研究，其发展仍较为缓慢。已有的研究成果主要集中在简单的模型或者室内通风方面：有学者提出利用遗传算法结合CFD模拟，对单个房间的尺寸和洞口位置进行优化搜索的建筑形式生成系统研究（Malkawi Ali M. et al.，2005）；有学者以室内风环境为目标，利用FFD（Fast Fluid Dynamics，快速流体计算）模拟分析和遗传算法，对某展馆立面百叶进行自动优化设计（Karagkouni Chrysanthi Sandy et al.，2014）；还有学者利用FFD对自由曲面形态进行优化（Chronis Angelos et al.，2011），以减小该曲面的风压，等等。目前，这些研究均涉及较复杂的代码编写和流体力学模拟，因此与建筑设计的实际应用仍有较大的距离。

目前，基于CFD分析的建筑自动优化研究仍存在两个问题：（1）可操作的优化工具专业性太强，建筑优化研究中涉及大量的专业知识，导致相关的研究和设计往往仅能由专门的研究人员进行；（2）优化效率不佳，由于在建筑尺度上的CFD模拟耗时较长，一般仅能针对单一或小范围的目标进行搜索次数较少的优化设计。

近年来，一些学者借鉴工业设计领域较为成熟的优化方法，采用多学科优化设计（Multi-Discipline Optimization Design，MOD）程序，进行建筑性能方面的优化设计研究，如以MOD为平台并与EnergyPlus进行整合（Shi Xing，2011），对建筑的保温层厚度进行优化设计。MOD程序提供了丰富的程序数据接口，便于与各类性能模拟软件进行连接，并对不同设计目标进行分析和优化，此外，易于操作的特点也使其受到大量工程师的青睐。在工业设计领域，利用MOD平台与CFD模拟相结合对汽车等工业产品的气动力性能进行优化的方法已被广泛应用。但由于工业设计领域与建筑领域的优化目标不同，导致相应的优化系统构架和方法无法直接应用在建筑风环境的优化设计中。尽管如此，MOD平台仍为解决目前基于CFD分析的建筑优化设计方法中所存在的问题提供了可行的技术基础，通过对该平台进行调整和改进，可以进一步提升建筑风环境优化设计方法的适用性和可操作性。

为了进一步探索和提高风环境优化设计在建筑设计实践工作中的可操作性，本研究以建筑设计工作中常用建模软件Rhino（犀牛）作为生成设计平台，并以iSIGHT①作为优化控制平台，通过脚本语言和各相关程序的自动运行机制，引入一种面向建筑设计需求、针对建筑风环境的优化设计方法。在平衡“时间”和“精度”问题方面，由于高精度的CFD模拟耗时较长，因此在方案初期基于大量样本的优化设计并不可行；若能够在较短的时间内了解不同设计方案在风环境方面大致的趋势及特征，则对项目初期的设计决策更具参考价值。近年来，针对建筑设计的需求和特点，采用低精度的模拟并对其结果进行优化设计，也被视为一种可行且有效的手段（Karagkouni Chrysanthi Sandy et al.，2014；Kaushik Vignesh et al.，2015）。

因此，本研究基于低精度的CFD模拟，建立了一套能够在相对合理的时间跨度内，对建筑设计进行“生成－模拟－分析－输出”的自动分析与优化机制，并通过改进优化流程，使该方法能够完成设计参数范围较大的建筑形态、布局优化设计。借助基于CFD分析的建筑自动优化设计方法，可以在不同基地条件下，高效、科学地对设计方案进行优化，以辅助设计师在建筑方案设计阶段的决策工作。

2 基于CFD分析的建筑自动优化设计方法

本研究的技术基础是一个以iSIGHT为核心、多程序协同工作的运行流程系统。为了使建筑模型的生成和控制更加符合建筑师的设计习惯，提高系统的可操作性，本研究采用Rhino软件作为模型生成平台。此外，为了在较短的时间内更有效地进行优化，该方法对优化流程进行了细分，以减少优化过程中计算资源在目标函数值较低的参数范围内的浪费。

2.1 基于CFD分析的建筑自动优化设计系统

2.1.1 系统构架

基于CFD分析的建筑自动优化设计系统是以iSIGHT为核心，连接ICEM CFD（Integrated Computer Engineering and Manufacturing code for Computational Fluid Dynamics）、FLUENT和Rhino等软件，iSIGHT可以通过调用该系统自动完成相应的模型生成、前处理、数值求解和结果输出（图1）。此外，通过将具体的设计对象和优化目标抽象为控制建筑模型生成的控制参数和生成算法，以及可量化的优化指标，iSIGHT能够自动对模型进行调整和生成，并对相应的生态性能进行分析、评价。基于此系统架构，iSIGHT可以通过特定设计矩阵或优化算法，完成不同建筑的风环境相关性能的数据分析及优化设计。

2.1.2 运行流程

通过批处理文件，以及其他相关的脚本文件和操作记录文件，iSIGHT调用所需程序实现优化设计，自动完成对设计对象“调整－生成－模拟－评价－再调整”的优化流程。系统的运行流程主要包括模型生成、前处理、数值求解、结果输出4个部分（图2）。iSIGHT首先生成待分析建筑模型的设计参数并输出，Rhino根据该参数和模型生成规则生成并输出实例化的待分析对象，ICEM CFD和FLUENT分别完成待分析模型前处理，以及数值求解和结果输出。iSIGHT根据结束条件（一般为是否达到指定的迭代次数）判断是否完成优化，若满足则将优化结果输出，若不满足，优化算法则对已有结果进行分析，并生成新的设计变量。

2.2 优化设计流程

为了进一步提高CFD优化设计的效率，减少优化算法在适应度（Fitness）较低区域所花费的计算资源，本研究将优化设计流程分为“DOE（Design of Experiment，实验设计）”和“优化设计”两步。

“实验设计”是在设计初期利用实验设计方法，对不同的设计参数进行敏感性和相关性分析。通过采用如“最优拉丁超立方设计（Optimal Lation Hypercube Design）”等方式（Zhang Jingjun et al.，2012），在一个较为合理的样本数量基础上，在较大的范围内对各设计参数进行对比分析，结果可为后续优化设计提供参考。同时，在“实验设计”阶段也可以高效地对不同设计方向进行考察，并从中选择较优的设计方向。

“优化设计”则是在上一步的基础上，选择优化潜力较大的参数范围，通过缩小优化算法的搜索范围，以较少的优化代数和样本量，取得相对较优的结果。

3 案例分析

为了说明本研究提出的建筑自动优化设计方法的可行性及可操作性，下文以南京地区某小区布局设计为例，进行基于冬、夏两季风环境的DOE分析及自动优化设计。以往普遍性的布局策略研究（龚晨，汪新，2014；邵腾，2013；都桂梅，2009），无法提供针对小区建筑布局的动态的辅助设计策略。而相应的基于CFD模拟的优化设计方法的研究（Chen Hong et al.，2008），目前多针对方法探索，使用这类方法则要求使用者具有较高的编程及CFD操作技能。因此，本研究将通过具体案例进一步说明优化设计系统在操作及优化设计流程方面的特点。

3.1 实验设置

3.1.1 设计对象

图1 系统构架

图2 运行流程

实验研究以3×3多层小区作为基本布局方式，其中单体建筑尺寸为36m×18m×24m（长×宽×高），同一行和列内建筑的间距均为9m和24m（图3）。若采用常规变量设置方法，需要由18个变量控制9栋建筑在x-y平面内的位置。这种设置方式会出现建筑重合或间距过小问题，产生大量无效样本。因此，本实验参考两种小区调整模式（错列式和斜列式）布局，将变量数量减少为6个，分别控制x方向（x1，x2，x3）及y方向（y1，y2，y3）上的建筑进行移动，各变量的控制方向及移动范围如图4所示。这种方式不但能够保证布局变化的多样性，同时有效限制了优化算法的搜索范围。

3.1.2 优化目标（目标函数）

小区风环境的优化目标一般包括以下两方面：一是行人高度上的风舒适度，根据埃米尔 · 希缪（Emil Simiu）和罗伯特 · H · 斯坎伦（Robert H. Scanlan）在《风对结构的作用——风工程导论》（1992）一书中提出的风速与行人舒适感的对应关系，行人高度上的舒适风速应处于1～5m/s之间；二是建筑室内自然通风潜能，《绿色奥运建筑评估体系》（2003）一书指出，为了保证室内有效自然通风，同时避免局部涡旋出现，夏季应保证75%以上的板式建筑前后压差保持在1.5Pa左右，冬季应保证建筑物前后压差不大于5Pa。根据上述指标，本实验以图5所示区域为取样范围170m×140m（长×宽），并以在该范围中冬、夏两季1.5 m高度舒适风速（1～5m/s）所占面积比例（Ration of Comfortable Zone，RCZ）分别作为多目标优化的目标函数（Objective Function）。此外，将建筑迎背风面平均风压差作为辅助的判断标准，即限制条件（Constraint）。

3.1.3 CFD模拟相关参数设置

在CFD模拟时间的控制上，有研究采用分步设计，即前期利用低精度的模拟筛选出较优的样本，后期再利用更为精确的模拟来获得这些样本更为详细的风环境特征（Chen Hong et al.，2008）。除此之外，近年来一些能够快速进行流体力学分析的方法也被用于相关的优化设计研究中（Karagkouni Chrysanthi Sandy et al.，2014；Kaushik Vignesh et al.，2015）。因此，基于目前计算机的计算能力，通过降低模拟精度以提高优化效率是可行且必要的。

为减少CFD模拟时间，本研究主要采取降低模拟网格密度和减少计算步数的手段。具体设置如下：采用非结构网格生成模拟模型，以适应不断变化的建筑布局；待分析建筑物周边网格的最小精度为1.8m，外围网格的最大精度为32.0m；在FLUENT的设置中，黏性模型采用标准k-ε模型；压力－速度耦合方程采用SIMPE（Semi-Implicit Method for Pressure Linked Equation，压力耦合方程的半隐方法）方程，梯度差值采用Least Squares Cell Based（基于单元体的最小二乘法差值），压力差值为二阶，其余各项均为二阶迎风；计算步数为700。在此设置下，单次模拟耗时约为8min（惠普Z620工作站）。CFD模拟的边界条件则根据南京地区气象数据进行设置（宋芳婷 等，2006），即夏季主导风向为东南偏南（SSE），平均风速为2.4m/s，冬季主导风向为东北偏东（ENE），平均风速为3.2m/s。

3.2 实验过程

3.2.1 DOE实验

在DOE实验中，对各变量设置了较大的变化范围，并采用“最优拉丁超立方设计”确定设计矩阵（Viana Felipe A. C.，2010），样本数量设置为200个。最终结果显示，建筑迎背风面的平均风压差在冬季均小于5.0Pa，而在夏季均大于1.5Pa。因此，将夏季风压大于2.5Pa作为限制条件，对样本进行筛选，最终满足该限制条件的有效样本为151个。

选取有效样本中两目标函数值之和前5%的样本（8个）进行分析（表1），通过对比x1～x3与y1～y3的标准差可以发现，在较优的样本中，x方向较y方向的建筑间错动距离更加明显，说明x方向的错动对改进目标函数的作用更加显著。同时可以看出，x方向和y方向的变量并没有明显的集中区域。

根据上述分析，在下一阶段的优化设计中可以缩小y方向的变量的变化范围，x方向的变量则维持原有范围。

图3 初始布局方式

图4 变化方式及设计参数

图5 研究范围及舒适风速范围

图6 目标函数变化趋势

3.2.2 优化设计

在优化设计中将y1～y3的设计范围调整至0～12.0m。同时，为了避免优化进程出现“早熟”，在优化设计阶段采用“多岛遗传算法”（Multi-Island Genetic Algorithm）作为优化策略。该算法在设计范围内设置若干“岛”，各岛之间的优化搜索相对独立，以避免优化进入局部解（Keane A. J.，1995）。

表1 DOE实验数据

图7 帕累托前沿面

图8 帕累托解样本布局

根据本实验优化的设计范围，将优化算法中的种群数和子群规模均设置为8，优化代数设置为10。由于搜索样本量相对较少，因此将变异概率和岛间迁移率由默认值0.01调整至0.09，以避免优化算法在各岛内进行局部搜索。优化设计总共进行8代，样本模拟数量为8×8×10（子群规模×种群数×代数），共640组，耗时约7天。根据优化进程中改进解出现的位置及其对应的目标函数值可得到目标函数变化趋势曲线（图6），可以看出，该曲线在100步后基本趋于平稳。

3.3 优化结果分析

通过自动优化设计，获得了由15个样本组成的帕累托解（Pareto set）。帕累托解常见于多目标优化中，是一组在若干个相制衡的优化目标间相互平衡的设计样本（Evins Ralph，2013）。通过分析本次优化设计所得到的所有合格解的解集，可以清晰地描绘出本次优化所得的帕累托前沿面（Pareto Frontier，图7），从而进一步得出两目标函数之间相互制约的关系。图8以夏季RCZ升序方式显示了此次优化设计的帕累托解中各设计样本的布局形式及主要参数。通过对比两目标函数值可以看出，冬、夏两季的RCZ基本呈反相关。此外可以发现，夏季RCZ随x方向上建筑移动距离的增大而提高。综上所述，通过所得的优化结果，可以基本了解不同布局下冬、夏两季风环境的特征和趋势，并作为后续设计决策的参考。

为进一步分析该优化设计对风环境的提升效果，本文选取目标函数之和最大的平面布局与初始平面布局进行对比（图9），可以看出，相较于初始平面布局，所选取布局在冬、夏两季中风速不足1m/s的范围有所减少。同时可以较为明显地发现，在所选取布局中，建筑在x方向的移动减少了冬季因建筑间遮挡导致的风影区面积，使得小区内部舒适风速的范围增加。

通过以上分析可以看出，采用优化算法对风环境进行设计，可以更加有效地改进建筑方案，而这种改进是以往经验式的设计手法或定性的设计策略难以实现的。

4 结语

本研究探索了基于多学科优化平台和CFD模拟软件的建筑风环境自动优化设计方法。首先，通过案例分析证明了自动优化设计方法能为具体的设计提供较为可靠的参考，较以往“试错”式的设计方法更加科学、有效。其次，采用低精度的CFD模拟设置，可以在相对合理的时间跨度内对大量样本进行总体分析及比较，其结果对项目初期的设计决策有较大的参考价值。第三，将CFD模拟程序与建筑行业常用参数化设计平台进行整合，希望为建筑师提供一个可操作、可扩展的风环境相关的建筑性能优化设计方法。

本研究旨在改善已有的风环境相关的建筑优化设计方法，使其更加符合设计师或相关研究者的使用习惯；在未来面向更加复杂的建筑形态时，该方法可以作为建筑自然通风、城市风环境、被动式降温等自动优化设计研究的方法和技术储备；在后续的设计或研究中，建筑师或相关研究者可在该方法及系统的基础上进一步对建筑设计和优化目标等问题进行探索。

图9 两种布局冬、夏两季的风速云图

本研究尚处于初步阶段，仍然存在需要在后续研究中进一步改进的地方。一方面，为了提高风环境优化设计方法在建筑设计中的可操作性，本研究采用了常用的设计软件及整合度较高的优化平台，但仍对使用者在优化设计及CFD操作方面有一定的要求，因此，为提高其实际的可操作性，需对相应的设计方法进一步整合及改进。另一方面，由于CFD模拟的精度较低，因此模拟结果的稳定性、与精确模拟结果间的一致性均有待进一步考察。

注释

① 一种基于参数的MOD软件。

[1] Shi Xing. Design optimization of insulation usage and space conditioning load using energy simulation and genetic algorithm[J]. Energy, 2011, 36(3).

[2] Caldas Luisa. Generation of energy-efficient architecture solutions applying GENE_ARCH: An evolution-based generative design system[J]. Advanced Engineering Informatics, 2008, 22(1).

[3] Yi Yun Kyu, Malkawi Ali Malkawi. Optimizing building form for energy performance based on hierarchical geometry relation[J]. Automation in Construction, 2009, 18(6).

[4] Shi Xing, Yang Wenjie. Performance-driven architectural design and optimization technique from a perspective of architects[J]. Automation in Construction, 2013, 32(4).

[5] Wright Jonathan A., Brownlee Alexander, Mourshed Monjur M., et al. Multi-objective optimization of cellular fenestration by an evolutionary algorithm[J]. Journal of Building Performance Simulation, 2014, 7(1).

[6] 胡友培. 高密度城市形态热岛性能优化设计研究[J]. 建筑学报, 2015 (2).

[7] Chen Hong, Ooka Ryozo, Kato Shinsuke. Study on optimum design method for pleasant outdoor thermal environment using genetic algorithms (GA) and coupled simulation of convection, radiation and conduction[J]. Building & Environment, 2008, 43(1).

[8] Malkawi Ali M., Srinivasan Ravi S, Yi Yun K., et al. Decision support and design evolution: integrating genetic algorithms, CFD and visualization[J]. Automation in Construction, 2005, 14(1).

[9] Karagkouni Chrysanthi Sandy, Gen Schieck Ava Fatah, Tsigkari Martha, et al. Performance-driven facades: Analysis of natural cross-ventilation in an indoor environment with Fast Fluid Dynamics and apertures optimization based on a genetic algorithm[J]. Simulation, 2014, 90(8).

[10] Chronis Angelos, Turner Alasdair, Tsigkari Martha. Generative Fluid Dynamics: Integration of Fast Fluid Dynamics and Genetic Algorithms for wind loading optimization of a free form surface[C]//Proceedings of the 2011 Symposium on Simulation for Architecture and Urban Design. Society for Computer Simulation International, 2011.

[11] Kaushik Vignesh, Janssen Patrick. Urban Windflow: Investigating the use of animation software for simulating windflow around buildings[C]// Ecaade Conference, 2015.

[12] Zhang Jingjun, Xu Liwei, Gao Ruizhen. Multi-island genetic algorithm opetimization of suspension system[J]. TELKOMNIKA Indonesian Journal of Electrical Engineering, 2012, 10(7).

[13] 龚晨, 汪新. 建筑布局对住宅小区风环境的影响研究[J]. 建筑科学, 2014, 30(7).

[14] 邵腾. 严寒地区居住小区风环境优化设计研究[D]. 哈尔滨: 哈尔滨工业大学, 2013.

[15] 都桂梅. 几种典型布局住宅小区风环境数值模拟研究[D]. 长沙: 湖南大学, 2009.

[16] 埃米尔·布缪, 罗伯特·H·斯坎伦. 风对结构的作用——风工程导论[M]. 刘尚培, 项海帆, 谢霏明, 译. 上海: 同济大学出版社, 1992.

[17] 绿色奥运建筑研究课题组著. 绿色奥运建筑评估体系[M]. 北京: 中国建筑工业出版社, 2003.

[18] 宋芳婷, 诸群飞, 吴如宏, 等. 中国建筑热环境分析专用气象数据集[C]//全国暖通空调制冷学术年会资料集, 2006.

[19] Viana Felipe A. C., Venter Gerhard, Balabanov Vladimir. An algorithm for fast optimal Latin hypercube design of experiments[J]. International Journal for Numerical Methods in Engineering, 2010, 82(2).

[20] Keane A. J. Genetic algorithm optimization of multi-peak problems: studies in convergence and robustness[J]. Artificial Intelligence in Engineering, 1995, 9(2).

[21] Evins Ralph. A review of computational optimisation methods applied to sustainable building design[J]. Renewable & Sustainable Energy Reviews, 2013, 22(8).

2016-03-02

INVESTIGATION OF APPLICATION-ORIENTED TECHNIQUE OF WIND-ENVIRONMENT RELATED PERFORMANCE OPTIMIZATION DESIGN

The complexity of operation and time consumption are two main factors restricts the research of architectural automatic optimization. By integrating the parametric modeling and CFD analysis software based on multi-discipline optimization design platform, this paper presents a building automatic optimization approach based on the wind-related performance, and characterized by easy-operating. This approach lays a technical foundation for the further relevant research and design. Taking a 3 by 3 multistory residential area as an example, and using presented approach to improve the buildings layout, this paper shows how to utilize this approach to support decision making during the initial stage of design.

Performance Optimization, Wind Environment, Multi-Discipline Optimization Design

国家自然科学基金资助项目（编号：51378248）；江苏省普通高校研究生科研创新计划项目（编号：KYZZ15_0047）。

王力凯，博士研究生，南京大学建筑与城市规划学院，dg1436002@smail. nuj.edu.cn

谭子龙，硕士研究生，南京大学建筑与城市规划学院

吉国华，通讯作者，南京大学建筑与城市规划学院教授，jgh@nju.edu.cn