ladybug tools采光模拟软件辅助建筑遮阳(二)

LadybugTools软件应用（二）

基于ASE单目标遗传算法分析下遮阳设计参数自动寻优

研究背景与目标

结合前次根据室内自然采光辐照量差值求解建筑遮阳系数SC的相关研究，获得利用Ladybug+Honeybee插件建立的模拟采光分析工作流，同时得到“为满足供暖与制冷两季不同外遮阳系数（如图1-1）——即较高的冬季遮阳系数与相对低的夏季遮阳系数——外遮阳宜采取活动式遮阳”之研究结论。

本次研究的目标是利用以上研究结论与工作流（模版）、并基于自然采光条件下最小ASE值目标，研发出一套基于单目标遗传算法的建筑遮阳设计参数（变量组合）自动寻优的工作流。

一、建筑外遮阳设计常用形式与变量（冬冷夏热地区）

（一）水平固定挑檐+附窗百页（南向外窗）

1.理论遮阳水平挑檐计算公式

最优设计目标：

夏季：正午太阳完全被挑檐遮挡室内测点（0.75m 高工作面）

冬季：低角度阳光能进入室内采暖

计算公式：

L = H*tan(90°-βsummer)

L：挑檐外挑宽度

H：窗户顶部到工作面（0.75m）垂直高度

βsummer：夏季正午太阳高度角

注：上海地区，北纬 31°，夏季夏至正午太阳高度角≈73°，冬季冬至正午太阳高度角≈35°

2. 百叶倾角最优值

南向固定水平百叶推荐倾角 15°~30° 向下倾斜：

15°：冬季进光更多，夏季遮阳偏弱（适合温和地区）

30°：夏季遮阳效率最高，冬季少量遮挡（上海夏季炎热，优先 30°）

3. GH 模拟校验操作

在 Rhino 建不同挑檐长度/百叶角度的遮阳构件；

导入Honeybee模型作为outdoor_shades；

重新运行ASE模拟，对比各组遮阳后的全局 ASE 值：

取阈值ASE≤0.2，百叶倾角最小/挑檐最短的方案（兼顾采光与美观）

（二）垂直遮阳板（东、西立面专用）

东西向太阳方位角变化大，垂直挡板阻挡早晚低角度侧射阳光

（三）可变遮阳

固定遮阳无法兼顾冬夏，电动可调百叶模拟最优角度分两档：

夏季（6–8 月）：百叶 30°下倾，最大化挡直射，ASE 大幅下降；

冬季（12–2 月）：百叶 0°放平，引入冬季日照，不影响采光 UDI 指标。

在 GH 中可分时段设置遮阳构件开关，在满足合理采光UDI指标（甚至能耗指标）分别计算冬夏两季的建筑遮阳系数。在我国超低能耗建筑设计标准（或零碳建筑评价导则）等标准中，一般对采用活动（可变式）遮阳装置的建筑供暖季（冬季）和供冷季（夏季）活动遮阳装置遮阳系数SC有明确区别要求。（下表）

图1-1山东省《零碳建筑评价导则》JD37-001-2025附表

二、单目标遗传算法寻优组件Galapagos

（一）基本原理

Galapagos优化运算器是RhinoGrasshopper原生内置遗传算法优化求解器（注：命名致敬加拉帕戈斯生物演化理论）。适用于单一核心目标做优化——最小化ASE，可设置变量3个（如：百叶倾角、挑檐深度、遮阳板间距），采光合规快速求解。

核心原理：遗传算法自动迭代调整 Slider 参数，反复运行 HB 采光模拟，收敛到目标极值。

（二）适配 ASE 模拟接线步骤：

1、Genome（变量输入端）

拖拽 Galapagos-Genome（基因控制变量）端口，连接所有控制遮阳的 Number-Slider；双击Slider限定取值范围：

上海地区水平挑檐深度：0.2~1.2m

垂直遮阳外挑：0.1~0.9m

百页倾角（angle）：0~45°

百页叶片宽度（depth）：0.05~0.3m

叶片数量（count）：1~30

2、Fitness（优化目标端）

从 HB Annual Daylight Results 的ASE输出接入Fitness，设置 Minimize（最小化 ASE）；

3、算法参数设置（双点 Galapagos 弹窗） 

Solver：Evolutionary（遗传算法）

Population Size：50（初始种群，越大搜索越全面）

Max. Stagnant：常用20（连续 20 迭代），为便于快算可减少到5代；

Mutation Rate：0.05（变异率，避免局部最优）

4、运行与取最优解

点击 Start 自动迭代，收敛后点击Graph查看曲线，曲线最低处即为最小 ASE 对应的遮阳参数，直接同步到 Slider 生成最优遮阳几何。以上试算不论是迭代数值太小或是将阈值0<ASE<0.2作为适配目标，必然导致结果并非唯一。

三、Ladybug tools单目标寻优工作流

第一步：模型创建

建立建筑外围护、普通外窗及有遮阳外窗的Rhino模型，并转化为Ladybug模型；其中南立面及附窗百叶设置为变量。

图3-1模型创建工作流

第二步：设置模拟监测点

转化为Ladybug模型同时，在建筑室内地面（或0.75m工作面）设置多个监测点（按照1m间隔设置，计算数值随着接入监测点的密度加大则更趋于准确）。监测点也合并到模型中。

第三步：运行自然光照度分析脚本

HB Annual Daylight（ANN）电池接入气候数据，获得实验模型的全年采光数据。ANN可以导出DA——全年天然光采光自主率（室内工作面高度天然采光满足最小照度值的时间与工作日总时间的比值，一般建筑的最小照度值按照300lx);以及获得UDI——全年有效天然光照度（天然采光照度值100~2000lx区间的时间与工作日总时间的比值）。

ANN可以通过连接其它电池组件Spatial Daylight Autonomy(sDA)和Annual Sunlight Exposure（ASE）导出与绿色建筑相关的两个指标——有效天然光面积比（工作区域全年50%以上时间、自然光照度达到300lx面积百分比)；另一个与绿色建筑相关的指标是体现过度采光的ASE值（室内全年自然采光照度大于1000lx、且超过250h的区域占比）；按照国外LEED标准、国内绿色建筑设计标准等要求，较低标准节能低碳建筑的sDA应不小于40%，高标准应不小于75%；而ASE值规定从不大于20%至不大于10%。

第四步：单目标寻优插件链接变量，并设置优化阈值

图3-5  ASE阈值(<0.2)单目标优化工作流

选择优化单目标——ASE值，并将ASE<20% (即0<ASE<0.2)作为目标阈值。

通过dispatch将筛选出目标阈值结果链接给遗传算法程Galapagos的Fitness适配值端，Genome基因控制变量端链接外窗尺寸、附窗百叶宽度、角度等变量。

通过上述分析我们获得两点结论：

1、过度采光的优化适用于采用建筑遮阳解决。但若仅仅采用固定式遮阳来降低ASE值，将会与采光有效性(UDI)及供暖季太阳得热产生矛盾，因此夏热冬冷地区局部（南向、东南向）宜采用可变式遮阳。

2、通过研究我们发现采光有效性指标和ASE值存在阈值偏离，可以推断采用ASE、UDI及建筑能耗等多目标耦合一定会获得更合理、均衡的优化结果。