1.前言7 L8 U D+ C0 P1 f7 ~1 A
综合评价指标体系研究的关键在于如何选取分项指标以全面反映建筑能耗的情况、如何确定各分项指标的权重以建立有机的指标体系、如何确定标准设计方案作为判定原始设计草案是否节能的基准。在分析居住建筑能耗主要影响因素的基础上，建立了一个由多个分项指标组成的指标体系，并借鉴“标准设计”概念和采用相对指标进行节能评判的思想，采用指标体系对“标准设计方案”和原始设计草案建筑能耗的相对数量进行比较，以达到全面而简单的评判原始设计草案是否节能的目的。这种评价方法的目的是淡化专业知识的概念，不直接进行建筑能耗绝对数量的比较，摆脱对能耗模拟软件的依附，以实现对原始设计草案全面而简单的节能评价。
4 [& W! Q: D) k2 @4 {) F2.居住建筑能耗相关因素分析
y, x+ z- w" Y. N: l6 ]% H7 @ 2.1 夏热冬冷地区居住建筑能耗特点; A- ]4 R5 z( y
夏热冬冷地区的范围，大致为陇海线以南，南岭以北，四川盆地以东，大体上可以说是长江中下游地区。这个地区七月份气温比同纬度其他地区一般高出2℃左右，是在这个纬度范围内除沙漠干旱地区以外最炎热的地区;一月份气温比同纬度其他地区一般要低8～10℃，是世界上同纬度下冬季最寒冷的地区。夏热冬冷的气候特征决定了该地区建筑能耗的组成，即夏季的空调能耗和冬季的采暖能耗。同时居住建筑与其他类型建筑既具有一般建筑的共同点，也有其自身的特点。
" Q1 Q4 W! Y6 g( Z5 Z 2.2 节能指标简介
% Q9 d, @, ?# O, _7 Z& { 根据建筑节能指标的不同可以分为两种方法：一是分项指标控制法（规定性指标），即对建筑围护结构（墙、屋面、窗）的传热系数、体形系数、窗墙比，以及采暖、空调、照明设备最小能效指标规定一个限值。分项指标由于过于具体，而且各指标相对独立，缺乏有效的关联，无法进行建筑各部分能耗直接的平衡分析;二是综合控制法（节能综合指标控制），即要求建筑总体能耗达到某一个指标。建筑物的耗冷量指标、耗热量指标、空调年耗电量和采暖年耗电量能从整体上反映了建筑设计的优劣、围护结构热工性能的好坏和暖通空调系统效率的高低。但是由于计算方法繁复，不能得到有效的应用。
1 u3 c' G5 a* L( ?# D评价指标则是对节能分项指标的综合和对节能综合指标简化。
3 A% c2 E$ C8 D3.综合评价指标体系的构成6 y% ?1 O% g2 U/ \$ X& R( E9 |
夏热冬冷地区居住建筑节能综合评价指标体系将是由相互关联、相互制约、不同层次的指标群构成的一个有机整体，将能较全面反映该地区居住建筑节能设计内涵的基本特征。0 }" C9 E9 b+ I' c" ~, y, V
3.1 室外气象特征指标0 d6 a, D9 L9 A6 l/ Q7 j* j
3.1.1 度日数
, _4 S, ^1 g- @/ G4 k+ J 对于夏热冬冷地区，采暖度日数和空调度日数将是反映气象特征的主要气象参数。《夏热冬冷地区居住建筑节能设计标准》JGJ134-2001中采用了采暖度日数HDD18和空调度日数CDD26两个变量。本研究中采暖节能效果分析时采用气象变量采暖度日数，而在分析空调节能效果时采用气象变量空调度日数，并将根据HDD18和CDD26来确定当地居住建筑的建筑物采暖年耗电量和空调年耗电量。
& i; d& g% a, T. }) b 3.1.2 太阳辐射总量
" I! w4 e% B# J; W3 u$ z 选择采暖期太阳辐射总量和空调期太阳辐射总量作为影响建筑全年能耗的太阳辐射因素的衡量指标。采用逐时气象数据生成系统(Medpha)生成了全年逐时太阳辐射总量，然后统计得到了夏热冬冷地区主要城市采暖期太阳辐射总量和空调期太阳辐射总量数据。由于太阳辐射总量在不同方向上的值是不同的，而窗户对太阳辐射总量的变化比较敏感，所以以窗户正向与东向的夹角作为太阳辐射总量变化的衡量参数。
4 n3 s: x" N1 A6 j 3.2 建筑体形特征指标
9 ~( ?! u( O9 W1 j7 [$ K. r 3.2.1 建筑朝向
, s# Q- ~3 Q* K" ` “最佳朝向”及“最佳朝向范围”的概念是对各地日照和通风两个主要影响朝向的因素，通过观察、实测后整理出的成果。
( o5 I# M* b# y 3.2.2 体形系数" M; B1 B1 t( i8 a* x
在原体形系数概念的基础上提出“极限体形系数”和“体形完善系数”。极限体形系数是指建筑物横截面周长与面积的比值，它反映了建筑物横截面形状对节能综合指标的影响。体形完善系数定义为极限体形系数与体形系数的比值，它反映了在横截面形状一定的情况下建筑物高度对节能综合指标的影响。
9 A8 C# V, a) g0 C5 l, L% H 3.3 建筑围护结构热工性能指标4 P Z- P* ^) h2 N; Y
为了简化分析，主要从屋顶、外墙和窗户三个方面分析建筑围护结构的热工性能，其中将门和楼梯间内墙当作外墙近似处理。对于屋顶和外墙采用传热系数和热惰性两个指标，其中采用的是平均传热系数，即按面积加权法求得外墙的传热系数;对于窗户采用传热系数和遮阳系数指标。0 @9 m$ u5 s! C
窗墙面积比是窗洞口面积与房间立面单元外墙的面积（即建筑层高与开间定位线围成的面积）之比。《民用建筑节能设计标准（采暖居住建筑部分）》JGJ26-95第4.2.4条规定，不同朝向窗墙面积比不应超过以下数值：北向0.25，东、西向0.30，南向0.35。/ @9 _" }# ?% c; t6 D& R
3.4 室内环境品质和暖通空调系统性能指标# `! q7 y0 M) S9 h7 U
室内环境和暖通空调系统性能参数是建筑能耗分析的基准，相对于其他影响因素来说，始终保持恒定不变。所以，在选择评价指标体系中的分项指标时，并没有从这两个方面选择相应的衡量指标，而是将相关参数如室内温度、换气次数和能效比等参数蕴藏于建筑能耗的分析之中，间接地反映了室内环境品质和暖通空调系统性能。
2 M2 |* s: t9 H Q7 r$ Y4.综合评价指标体系的层次关系
N b5 }+ r7 s% B& b 综上所述，可以从室外气象、建筑体形和建筑围护结构热工性能三个方面选择了17个分项指标：反映室外气象特征的采暖度日数（HDD16）、空调度日数（CDD26）、采暖期太阳辐射总量和空调期太阳辐射总量;反映建筑体形特征的极限体形系数、体形完善系数和建筑朝向，其中朝向表示为建筑的正向方向与正东向的夹角;反映建筑围护结构热工性能的窗墙比、屋顶的传热系数与热惰性指标、外墙的传热系数与热惰性指标、窗户的传热系数与遮阳系数，其中窗墙比分为建筑物前、后、左、右四个方向的窗墙比。建筑节能的综合评价指标则为建筑全年耗电量，即为采暖年耗电量和空调年耗电量之和。; \' T+ h1 r" c/ q
５．综合评价指标体系的应用/ C, Y& E2 W' X7 S6 L7 O
综合指标体系的应用是指建立17个分项指标和综合指标之间的联系，无需利用能耗分析软件进行复杂能耗分析，即可由17个分项指标的取值判定建筑是否节能。分项指标和综合指标之间的联系在评价指标体系内部表现为各指标间的相对权重，因此各指标之间的权重的确定是应用指标体系进行评价的关键。& }# O! |) Q$ A+ w7 b, \3 b! P
5.1 权重确定方法1 J) Q, Q+ F; e4 E/ y" i d* i0 Y
神经网络可以充分逼近任意复杂的非线性关系，且具有分布存储、自适应和自组织等突出特点。当前应用最为广泛的BP网络模型技术成熟，结构简单，工作状态稳定，可把一组样本的I/O问题变为一个非线性优化问题。如果用BP网络来处理建筑节能的评价问题，就可以通过学习，自动归纳掌握各指标影响节能综合指标的规律，并将各指标权重以相对联系的方式隐含于网络之中，从而使建筑节能效果的评价既具有客观规律性，又达到简单适用的目的。/ M4 L1 p' K, y [( p! n* x
5.2 节能评价指标的取值
% U9 x4 `- l7 d6 o! ^; { 5.2.1 输入参数
7 b( B2 v3 C r2 ~ z7 a' T3 ~" n 本文采取DeST能耗分析软件重新确定了节能综合评判基准。
/ ^, m3 r0 M4 U- d 由于能耗分析软件的限制，本文在进行神经网络评价的应用分析时对指标体系进行了一定的简化：首先由于软件分析速度较慢，本文则只以长沙为例进行神经网络的训练。在地点确定的情况下，反映气象特征的4个指标取值固定不变，训练所需节能分析样本将大大减少;其次由于DeST软件所带的围护结构数据库限制了对建筑围护结构热工性能更为具体的分析，因此在确定节能样本的输入参数时，围护结构热工性能的只能按构件的类型进行选择，将热惰性和遮阳系数隐含起来。
1 [% _: M' d8 h# j3 C+ V因此，节能分析样本的输入参数为10个，每个参数有高、中、低三个水平的取值。: c3 I& p0 P7 m9 ]7 w9 e) Q9 e
节能评价指标各水平取值) a8 O7 b! W2 v
5.2.2 输出参数
& T% t. _3 H" _: T, V2 h& a/ M: x 以节能百分比的形式给出是否节能的判定结果，如果建筑满足节能要求，则节能百分比为零或正值，如果建筑不满足节能要求，则节能百分比负值。节能百分比定义为：2 I6 j% F5 x; T
式中：BEPi—节能百分比;+ r; b9 b- M' N4 F) y- R. C, M: e& x
Es—根据度日数得到的建筑全年耗电量标准值，kWh/m2;" v1 M4 G: x, N5 z/ I/ E! B6 T
Ei—待评价建筑全年耗电量的DeST模拟计算值，kWh/m2;
2 K1 N9 R2 q" O( M$ h( k( G 5.3 BP网络模型的应用
% Y6 k, c0 U6 V7 L* X: b% T 根据以上所选定的节能分析样本，初步选定网络结构参数如下：输入层节点数为10个，隐层神经元个数为10×3＝30个、传递函数为tansig，输出层神经元个数为1个、传递函数为purelin，节能评价指标体系的神经网络模型结构即为[10×30×1]。BP网络结构的最终形式并没有完全确定，如果训练和检验的结果不能满足预期要求，还将根据具体情况进行一定的调整。$ d& g3 W7 i" j, S3 t6 ~
利用BP网络得出的训练样本网络输出值与期望值的最大相对误差为小于5％（个别异常情况除外），检验样本网络输出值与期望值的最大相对误差为4.3％，可见该网络的自学习能力强，网络性能好，说明了利用神经网络进行节能综合评价的可行性和有效性。3 Y u; o8 J9 U; w& q$ x
6.结论" q, w# C; l* F* V H7 o$ z
本综合评价指标体系是在科学性原则，可行性原则，层次性原则，完备性原则，主导性原则，独立性原则的基础上，根据夏热冬冷地区居住建筑能耗特点建立起来的一个有机整体。这是一个相互关联、相互制约、不同层次的指标群，是对节能分项指标的综合和对节能综合指标简化，能较全面反映该地区居住建筑节能设计内涵的基本特征。
. f5 i+ M2 W) t' m) [ 建筑节能的评价问题是一个I/O（输入/输出）问题。对于建筑节能的评价工作者，其最为关心的是由建筑的有关描述参数（输入参数）直接判断出建筑是否节能（输出参数），而不必知道具体的分析过程。这种评价体系则可以淡化专业知识的概念，不直接进行建筑能耗绝对数量的比较，摆脱对能耗模拟软件的依附，以实现对原始设计草案全面而简单的节能评价。9 T" k6 N8 g8 \) L7 q1 Y) ~
应用指标体系进行评价的关键在于各指标之间的权重的确定。本文采用人工神经网络计算的方法，具有一定的可行性和有效性。
