基于黄金正弦策略的改进指数分布优化器在不确定性下的建筑能源优化

本研究提出了一种新的改进元启发式算法，用于解决建筑能源优化（EBO）以及考虑到受温度控制的条件表面积不确定性和混合系统可再生能源与负荷不确定性的混合能源系统优化。传统的指数分布优化器（EDO）通过使用黄金正弦策略进行了改进，以提高搜索过程的效率并减少陷入局部最优解的概率。改进的EDO（IEDO）在四种情况下进行了有效性评估，包括情况I：经典和CEC-2019测试函数；情况II：简化和详细的建筑确定性能源优化（没有不确定性）；情况III：商业和住宅综合体确定性能源优化；情况IV：简化和详细的建筑随机能源优化（有不确定性）；情况V：商业和住宅综合体随机能源优化。通过与几种知名算法及确定性案例中的之前研究比较，确认了IEDO的优越性。此外，IEDO在与之前的研究相比时，解决每个案例的竞争能力得到了增强。结果表明，IEDO的表现优于其他方法，以132.7519 kWh/m²a的最低年初始能源消耗达到了最优解，而灰狼优化器（GWO）为132.9356 kWh/m²a，POSCO为133.0000 kWh/m²a，均为单个办公楼的之前研究所报道的。此外，在应用于详细的办公楼模型时，IEDO实现了129.4297 kWh/m²a的最低年初始能源消耗，超越了GWO的129.6142 kWh/m²a。此外，结合不确定性的随机案例所取得的结果显示，简化和详细办公楼的年能源消耗分别增加了2.16%和2.08%，而两座商业和住宅建筑的尺寸成本分别增加了4.30%和5.23%，与未整合不确定性的确定性模型相比。不确定性影响优化过程中的决策，导致在成本最小化和确保可靠能源供应之间产生权衡，这可能导致更高的运营成本和更大的能源系统能力投资。因此，尽管随机模型提供了更现实的系统设计，但也突显了在建筑能源优化中管理不确定性的挑战。