近日，土木与交通学院吕辉教授团队在能源领域国际权威期刊《Energy》（中科院一区TOP期刊）发表了最新研究成果（Multi-objective optimization design of STPV curtain walls based on integrated machine learning）。硕士研究生胡彦义为论文主要完成人，吕辉教授和韩友华老师为通讯作者，南昌航空大学土木与交通学院为第一完成单位，清华大学建筑学院与哈尔滨工业大学能源科学与工程学院为合作单位。该成果得到了江西省自然科学基金、中国博士后科学基金以及黑龙江省科技创新基地奖励项目等的资助。

随着全球城市化进程加速，预计到2050年70%的人口将居住在城市地区，高层建筑（20层及以上）的能耗通常是低层建筑的2.5倍以上，其节能设计与改造需求日益迫切。太阳能作为清洁能源在建筑领域应用广泛，但传统光伏幕墙设计面临多目标冲突难题：需在发电性能、室内采光舒适度与经济可行性之间取得平衡，而传统物理模拟方法计算成本极高，严重限制了参数化探索。半透明光伏（STPV）幕墙结合真空层保温与高透光发电技术，尤其是基于钙钛矿等第三代光伏材料的组件，具备可调带隙（1.1-2.3eV）优势，能在20%-80%平均可见光透过率（AVT）范围内实现"高效率与高透光"的双重优势，为近零能耗建筑提供了理想外围护结构方案。

针对现有研究存在的计算瓶颈、缺乏物理解释性以及忽略气候适应性等局限，本研究提出了基于机器学习的多目标优化框架。通过融合NSGA-II算法与熵权TOPSIS决策方法，构建了"能耗-采光-经济"耦合性能模型（EUI-UDI-DPP）。研究选取五座代表城市（哈尔滨、北京、上海、广州、昆明）涵盖中国五个建筑热工气候区，针对96米高的高层办公建筑，将幕墙划分为12个独立区域（4朝向×3高度层），建立了结合XGBoost代理模型与多目标优化的快速评价方法。

研究结果表明，所提出的XGBoost代理模型预测精度优异（R²=0.9075），单次设计方案评估仅需0.2秒，较传统EnergyPlus与Radiance耦合模拟提升约300倍加速比，有效解决了早期设计阶段大规模参数优化的计算瓶颈。通过非劣解前沿分析，揭示了不同气候区的差异化最优策略：北京（寒冷地区）优选高透光光伏玻璃，除北向外全面覆盖，实现有效日光利用度（UDI）提升24.2%；上海（夏热冬冷地区）在中高层采用低透光高效率光伏幕墙，避免低层及北向安装，取得能源使用强度（EUI）最大降幅12.93kWh/m²及最短动态投资回收期1.64年；广州（夏热冬暖地区）采用全覆盖安装以增强遮阳效果；昆明（温和地区）实施"高层发电、低层采光"的分区策略。与基线方案相比，优化方案在各气候区均表现出显著的综合性能优势。

该研究建立了可迁移的STPV幕墙配置规则，为早期设计规划提供了跨气候区、可落地的具体指导，促进了高性能建筑一体化光伏围护结构的大规模应用。论文最后展望了未来研究方向，包括扩展至多种建筑几何形态、引入物理信息连续参数以及考虑风效应影响的高精度模型等，为智能光伏幕墙的精准设计提供了理论依据与技术支撑。

人口密集程度与热工区域划分

建筑太阳辐射区域划分

NSGA-2集成机器学习代理模型下的最优解集

熵权TOPSIS决策方法下的最优-最差-基线对比方案

（图文一审：张晓亮  图文二审：周光权  图文三审：王秋先）