摘 要：建筑能耗分析是建筑节能设计的关键环节，传统建筑能耗分析往往时间上存在滞后性、分析结果粗糙、精度低。基于BIM平台建立了大连市某高校教学楼的建筑信息模型，通过Dynamo 可视化编程实现了对建筑信息模型外围护结构参数的自动设置和提取。通过Green Building Studio 的web 端获取建筑能耗模拟云计算基础数据并进行能耗定量研究与回归分析。
    基于计量经济学一般方法，建立了年度耗电量和燃料使用量能耗计算模型并进行验证。结果表明，能耗计算方程准确性较高，误差率分别在5%和3.8%以内。该模型计算建筑能耗方便快捷，可操作性强，可用于建筑设计阶段寒冷地区的能耗计算，为能耗分析和建筑节能定量评价提供参考。
    我国既有建筑面积超500 亿m2 且其中超过90%为高能耗建筑，直至2015 年建筑能耗已经占到我国社会总能耗的46.7%，其中经建筑外围护结构的热量损失接近一半。诸多研究表明，建筑外围护结构是建筑物与外界进行热交换、造成建筑物热量损失和耗能量上升的主要因素，是建筑节能设计和改造的重点。在设计阶段，对建筑外围护结构选取不同的设计方案，建筑的冷热负荷差异很大。由于设计阶段建筑节能效果量化程度低、能耗计算方法不普适、能耗模拟软件不易操作、软件之间信息不对称、BIM 平台建筑能耗个性化信息提取困难等原因，建筑师在设计过程中一味参照建筑节能设计规范对建筑进行能耗分析，往往会忽略其它设计方案带来的节能潜力。
目前，国内对建筑进行能耗分析和节能方案比选虽然已从传统的能耗分析向基于BIM平台的能耗分析转变，但建筑信息模型往往欠缺其真正意义，能耗模拟与节能方案比选常选用正交实验法。虽然该方法在单因素参数选取下保证了建筑穷尽其所有设计方案的比选，但模型修改工作将很大程度增加人力和时间成本。在设计方案强调时间性时，通过该方法进行建筑节能分析的弊端尤为明显，难以体现出基于BIM进行建筑能耗模拟和设计方案比选的优势。此外，BIM平台虽然包含了建筑的全部信息，但非几何信息的提取是复杂且效率低下的。因为通过明细表能够提取到的信息是不全面的，例如建筑的热工性能等具体参数通过明细表法无法获取；而且很多研究采用开发数据接口的方式实现建筑信息之间的数据交互和参数提取。显然，数据接口的开发存在一定的行业壁垒，且需要跟随软件的升级而升级，难度较大。本文基于BIM平台对建筑进行能耗模拟，提出并实现了使用Dynamo可视化编程对建筑信息模型进行参数设置和信息提取，通过Dynamo 对建筑基础数据和能耗模拟数据进行整合，分析并构建建筑能耗计算的基本模型，对节约建筑能耗分析的时间和人力成本、辅助设计方案比选、定量评价建筑节能效果有重要意义。
1 基于BIM 平台的建筑能耗模拟与模型构建方案
    选择Autodesk 公司的Revit 为本试验研究的BIM 平台软件，实验研究借助同属Autodesk 公司研发的BIM 模式应用体系下的IT 云框架——GBS（Green Building Studio）[14]，GBS 在很大程度上克服了BIM 软件与能耗模拟软件间的“异地限制”。Revit 输出的 gbXML（Green Building ExtensibleMarkup Language）文件能够导入GBS 公共云计算
平台强大的数据库中[14]，数据的交互性和共享性得到保证。同时，GBS 使用DOE-2.2 计算内核对建筑整体能耗进行分析，是达成绿色建筑设计和LEED（Leadership in Energy and Environmental Design）认证的一个巨大突破。
   为了定量化地描述分析建筑外围护结构对建筑能耗的影响，实验研究基于BIM 平台建立了符合项目设计方案的三维模型，并对模型的建筑朝向、建筑类型、地理位置等基本信息进行设置。进行建筑能耗分析前，应先在BIM 模型的平面视图中对建筑各楼层平面进行能量空间区域划分。然后在GBS的Web 端为教学楼项目建立基本信息，包括项目所在地、建筑类型、能耗单价、项目所在地气象站等。将AutodeskRevit 输出的gbXML 格式上传至GBS服务器进行云计算。最后，将建筑外围护结构参数与GBS输出的CSV格式的能耗模拟数据进行整合，
并对建筑外围护结构与建筑能耗进行定量分析、相关分析和回归分析。基于BIM 平台的建筑能耗模拟与计算模型构建的整体流程如图1 所示。通过GBS进行云计算得到的计算结果为建筑的年度能耗使用数据，主要分为年度耗电量和年度燃料使用量，其中年度燃料使用量以天然气为基础能源进行计量，本文中所提及的能耗均为建筑的年度能源消耗量。
基于BIM 的建筑能耗分析与模型构建
图1 基于BIM 平台的建筑能耗模拟与计算模型构建整体流程


2 基于Dynamo 平台的参数设置与信息自动化提取流程
    为研究建筑外围护结构形式对建筑能耗的影响，通过Dynamo 可视化编程对建筑外围护结构相关影响因素进行参数设置和数据信息的自动化提取。主要通过改变外围护结构族类型驱动外围护结构热工性能分析属性的改变、改变类型参数驱动外窗尺寸、窗墙比等限制条件的改变。建筑的BIM 模型通过数字信息仿真模拟建筑物所具有的真实信息，模型中包含着族类型、结构材质、类型属性等大量信息。为避免因BIM 模型包含的数据信息过多带来的工作量增加、误差增大等问题，通过Dynamo 对建筑模型进行参数过滤、设置和提取。
    参数自动设置和信息提取的Dynamo 可视化编程实现流程设计如图2 所示。在可视化编程环境下，通过Element.AllIstance、Material.ThermalParameter、All Elements of Type 等自定义结点对建筑维护结构不同部位进行选取；通过SetParameterByName、GetParameterByName 等节点程序设置和提取BIM模型的外围护结构参数；最后，将需要的参数信息通过WriteToFile、Filepath 等节点保存为Excel 格式文件，作为后续定量分析与回归分析的基础数据。基于BIM 的建筑能耗分析与模型构建
图2 基于Dynamo 平台的建筑信息自动化设置与提取流程
3 能耗模拟与定量分析
3.1 BIM 模型建立
   选取大连市某高校教学楼作为研究对象。该教学楼总建筑面积16406 m2，占地面积7865 m2，建筑为地下一层，地上5 层，建筑总高度22.8m，所在城市的气候分区为寒冷地区。通过AutodeskRevit建立该教学楼建筑信息模型，教学楼的基本参数按照建筑总说明规定进行设置，外墙采用240mm 厚页岩空心砖墙体，保温层为50mm 厚苯板；屋面120mm 厚，保温层为100mm 厚挤塑聚苯乙烯保温板；门窗、幕墙、外装修工程等均按设计说明规定的材质进行设置，教学楼的建筑信息模型如图3 所示。对建筑空间进行能量区域的详细划分是建筑能
耗模拟得以实现的先决条件，在BIM 模型的各建筑楼层的平面视图中对建筑能量空间进行区域设置。

图3 大连市某高校教学楼建筑信息模型
3.2 外墙
    外墙是建筑外围护结构占比最大的部分，墙体的传热系数、热阻、热质量等热工性能对建筑能耗影响较大，其中墙传热系数与墙热阻互为倒数。选取6 种不同构造的墙体，构造形式及基础数据如表1 所示。通过对墙体构造层厚度与保温层厚度进行设置，得到墙体不同热工参数下的36 组参数与能耗数据。对实验数据进行进一步整理发现，建筑外墙传热系数和热阻对建筑能耗的影响非常显著，随着传热系数的增大，建筑耗电量和燃料使用量都在明显增加，热阻反之。采用多元线性回归分析，得到外墙传热系数、热阻、热质量与建筑耗电量、燃料使用量之间的定量关系表达式
式中，Fe 为年度耗电量（kwh）；Ff 为年度燃料使用量（MJ）；WA1 为墙传热系数（W/（m2·K））；WA2为墙热阻（（m2·K）/W）；WA3 为墙热质量（kJ/K）。考虑解释变量个数对计算模型拟合优度带来的影响，计算回归模型修正后的拟合优度分别为0.83 和
0.88，方程通过拟合优度检验。回归模型通过P=0.01的统计学显著性检验，在一定程度上可以反映能耗模拟的真实水平。

3.3 外窗
    外窗传热系数相较于外墙成倍数关系，散热损失占到建筑外围护结构总耗能量的四成以上。外窗部分对建筑能耗的影响因素很多，主要有传热系数、热阻、遮阳系数、日光得热系数、可见光透过率、窗台高度。选取6 种不同构造的外窗，构造形式及基础数据如表2 所示。通过改变构造层厚度，考虑窗台高度带来的建筑能耗影响，实验得到54组外窗参数和能耗模拟有效数据。实验数据显示，外窗传热系数对建筑能耗的影响最为显著，其次是日光得热系数、遮阳系数、可见光透过率和窗台高度。其中，通过增大窗台高度带来的建筑耗能量的变化非常小。采用普通最小二乘法对影响因子进行逐步回归分析（stepwise regression），得到外窗传热系数、遮阳系数、日光得热系数、可见光透过率与建筑耗电量、燃料使用量之间的定量关系表达式
式中，W1 为窗传热系数（W/（m2·K））；W2 为遮阳系数；W3 为可见光透过率；W4 为日光得热系数。考虑解释变量个数对计算模型拟合优度带来的影响，计算得上述计算模型修正后的拟合优度分别为0.97 和0.93，方程通过拟合优度检验。
3.4 屋顶
    屋顶在建筑外围护结构中所占比例相对较小，但屋顶热工性能对顶层空间供热负荷有重要影响。屋顶影响建筑能耗的热工性能因素包括传热系数、热阻、热质量。选取6 种不同形式的屋顶，构造形式及基础数据如表3 所示。通过对屋顶构造层厚度与保温层厚度进行设置，得到屋顶在不同设计构造下的36 组参数与能耗数据。实验数据显示，屋顶的构造形式对建筑能耗存在一定影响，影响程度相对于外窗和外墙而言较小，这主要是因为屋顶在建筑外围护结构中所占的比例相对较小。采用普通最小二乘法对屋顶的热工参数进行多元线性回归，得到屋顶传热系数、热阻、热质量与年耗电量和燃料使用量的定量关系表达式

式中，R1 为屋顶传热系数（W/（m2·K））；R2 为屋顶热阻（（m2·K）/W）；R3 为屋顶热质量（kJ/K）。计算得上述计算模型修正后的拟合优度分别为0.91和0.86，方程通过拟合优度检验。
3.5 窗墙比
    窗墙比是建筑节能设计的参考指标之一。为了更直观地表现窗墙比对建筑能耗的影响，实验选取表2 中Low-E 双层外窗，通过Dynamo 编程对建筑外窗的长度和宽度进行设置。为突出窗墙比对建筑能耗影响程度的敏感程度，保持BIM 模型其它参数不变，通过Dynamo 提取BIM 模型的外墙和外窗明细表数据信息，获得在20%～90%窗墙比间的29 组能耗模型数据进行分析。图4 为随着建筑窗墙比的增加，建筑的年耗电量和燃料使用量的增加趋势。

图4 建筑年能源消耗量随窗墙比增加的变化趋势
从图4 中可以看出建筑的窗墙比对建筑能耗使用影响非常敏感，尤其是对建筑的燃料使用情况，随着窗墙比的增加，建筑在冬季的燃料消耗也随之增加，符合建筑冬季耗能的实际情况。分别对建筑年耗电量和年燃料使用量进行一元线性回归分析，得窗墙比与建筑年度耗电量和年度燃料使用量的定量关系表达式为：
式中，X1 为窗墙比。上述计算模型修正后的拟合优
度分别为0.99 和0.99，方程通过拟合优度检验。
4 能耗模型构建
4.1 模型基础数据
    为获得建筑围护结构不同部位综合作用对建筑年度能源消耗量的影响及相关参数与能耗间的定量关系，将表1～表3 中外围护结构构造形式进行随机组合，同时考虑窗墙比的变化带来的影响，设计建筑能耗模拟实验，获取了469 组外围护结构不同构造形式组合下的能耗模拟数据，作为分析影响因素与建筑年度能耗量关系的基础数据。随机选取其中324 组数据进行相关分析和回归分析，剩余145组实验数据用于对回归模型进行验证。对选取324组数据中影响因素对应的参数分别与建筑年度耗电量和燃料使用量进行相关分析，结果如表4 所示。

由表4 可知，墙传热系数、屋顶传热系数、日光得热系数、窗墙比与建筑年度耗电量正相关程度较高，外窗热阻与建筑年度耗电量负相关程度较高；外墙传热系数、屋顶热阻、屋顶热质量、窗墙比与建筑年度燃料使用量正相关程度较高，外墙热阻、外窗热阻与建筑年度燃料使用量负相关程度较高。分别选取与建筑年度能源消耗量相关性高的影响因子作为解释变量，进行回归分析。
4.2 多元线性回归模型构建
    选取最优的组合方式对因变量进行解释或预测，往往比用单个自变量对于因变量的解释和预测更加符合实际情况。根据上文对影响因素的分析结果，对能耗计算模型做如下假设：
设建筑年度耗电量的模型为：BIM
式中，Fe 为建筑年度耗电量，Ff 为建筑年度燃料使用量，WH 为墙传热系数、RH 为屋顶传热系数、WR 为墙热阻、WIR 为窗热阻、SHGC 为日光得热系数、WW 为窗墙比。假设模型中，被解释变量Fe可以近似为解释变量墙传热系数WH、屋顶传热系数RH、窗热阻WIR、日光得热系数SHGC 和窗墙比WW 的线性函数；被解释变量Ff 可以近似为解释变量墙传热系数WH、墙热阻WR、屋顶传热系数RH、窗热阻WIR、窗墙比WW 的线性函数；βe1、
βe2、βe3、βe4、βe5、βe6 和βf1、βf2、βf3、βf4、βf5、βf6为模型解释变量的系数，表示单个被解释变量在其他解释变量保持不变的情况下，对被解释变量的平均单位变化量；e 为服从正态分布N（0，σ2）的随机误差项。
    普通最小二乘法（Ordinary Least Square，OLS）是线性回归模型中常用的方法，采用普通最小二乘法对上述假设回归模型进行回归，求解得在残差e最小情况下的被解释变量和解释变量的估计值：
分别对式（11）和式（12）进行拟合优度检验，剔除变量个数对拟合优度的影响，计算得到年度耗电量修正后的拟合优度值为0.96，反映了上述回归方程式（11）能够解释的变差比例为96%；同样，回归方程式（12）对变差的解释比例为95%，拟合优度比较高，模型均通过拟合优度检验。分别对式（11）和式（12）进行显著性P 检验，回归方程通过P=0.01 的统计学显著性检验，即由随机抽样误差导致的样本间差异的概率小于0.01。分别对式（11）和式（12）进行显著性F 检验，即联合假设检验，用来判断上述回归模型中的所有或部分参数是否适合用来估计母体的变量参数，是平均多元线性回归效果的重要标准。F 检验的值由R2 计算可得，以上回归方程的F 值分别为742.621和507.211，均大于显著性水平α=0.05 下的F 统计量临界值，模型均通过F 检验。
4.3 模型验证
    上文建立了建筑外围护结构影响因素与建筑能耗之间的多元线性回归方程，采用上述实验剩余145 组数据对模型的准确性做进一步的验证。以145组建筑能耗模拟结果为基础数据，采用上述回归模型，分别对建筑耗电量和燃料使用量的理论值进行计算。将模型计算所得数据与实验能耗模拟基础数据进行比较分析和整理，得图5 所示折线图。
基于BIM 的建筑能耗分析与模型构建
图5 模型计算能耗与基础能耗趋势图
    从图5 中可以看出，采用回归模型计算的能耗值与实验基础能耗值差异较小。通过能耗误差率的计算，进一步得到建筑年度耗电量的模型理论值误差与能耗模拟误差在5%以内；建筑年度燃料使用量与能耗模拟误差在3.8%以内，回归模型的计算误差较小，回归模型精度比较高。
5 结语
    本文基于BIM 平台和Dynamo for Revit 可视化编程平台，对建筑参数进行自动设置、提取以及数据信息的整合。基于GBS 云平台进行建筑能耗分析，建立了误差率分别在5%和3.8%以内的能耗计算模型。通过实验对建筑外围护结构进行定量分析得出了建筑外围护结构不同部位与建筑年度耗电量和燃料使用量之间的定量关系。其中外墙对于建筑年度能源消耗量的影响最为显著，随着外墙传热系数的增大，建筑能耗呈现上升趋势。外窗部位对建筑能耗产生影响作用的因素较多，以传热系数、日光得热系数最为显著。
    此外，窗墙比的增加对建筑年燃料使用量的影响呈现线性趋势。屋顶作为建筑外围护结构中占比最小的部分，对建筑年度能源消耗量的影响相比于外墙和外窗较小，但屋顶对于建筑顶层空间冬季采暖负荷和夏季制冷负荷影响显著。研究通过Dynamo 可视化编程实现的建筑参数设置和信息提取能够节约建筑能耗模拟的时间和人力资源成本。实验通过相关分析和回归分析得出的能耗计算模型通过了相关显著性验证，可用于建筑设计阶段作为方案决策的辅助工具，可用于建筑节能评价中作为定量参考标准，对建筑节能设计有一定的参考价值。