1、Industry Focus 行 业 聚 焦 绿色建筑2023年 第2期021零碳建筑概念及关键技术梳理 零碳建筑概念及关键技术梳理沈 玥1，王 龙1，俞 超1，鲍光青1，金敬飞2，顾景景1，汪东辉1（1.中建八局科技建设有限公司，上海 200125；2.中建八局上海分公司，上海 200125）摘要：随着“碳达峰、碳中和”目标的提出，零碳建筑越来越受到关注。从零碳建筑的定义和全生命周期评估出发，对零碳建筑领域的现有状况进行梳理，归纳现有的 3 种关键技术：能源效率措施、可再生能源技术和能源管理与优化系统，包括被动围护结构、地源热泵、太阳能光伏以及智能化管理平台等。分析研究了目前国外技术的发展情
2、况，有助于研究人员、政策制定者和从业人员对 2050 年实现全球净零碳排放目标可能性的研究。关键词：零碳建筑;生命周期评估;能源效率措施;可再生能源技术;能源优化系统中图分类号：TU201.5 文献标志码：A 文章编号：1674-814X（2023）02-021-042020 年 9 月，我国提出 CO2 排放力争于 2030 年前达到峰值，努力争取于 2060 年前实现碳中和，推动疫情后世界经济绿色复苏。中央经济工作会议把“做好碳达峰、碳中和工作”作为 2021 年 8 项重点任务之一。这是我国积极应对全球气候变化作出的重大战略决策，对我国推进生态文明建设和提升国际影响力具有深远意义。建筑领
3、域是碳排放的重点领域之一，占全球能源使用和温室气体（GHG）排放量的 40%左右1。零碳建筑可以减少对化石燃料的使用，从而降低温室气体的排放；同时产生足够的可再生能源，满足建筑全生命周期内的能源需求，是实现“双碳”目标的关键手段2，对我国完成国际承诺目标至关重要。1 零碳建筑1.1 零碳建筑评估根据项目目标以及设计团队和业主的价值观，零碳建筑的定义有不同的表述方式。自 2020 年“碳达峰、碳中和”目标的提出开始，我国各地陆续编制并发布零碳建筑相关标准。天津市、浙江省、上海市、广东省等地率先出台工厂、园区、公共机构各类零碳建筑评价技术规范，零碳建筑技术标准也已启动编制工作。通过近年来的研究工作
4、、思想交流和讨论，各方达成一个共识：零碳建筑是一个包含各种元素的框架体系。在这个框架里，参与方可以根据成本、当地气候、环保需求及现场可再生能源资源和利用的可行性等各种因素，选择不同阶段、不同要素和不同比重形成具体定义。零碳建筑的基本要素及其关系如图 1 所示。基本要素是建筑本身和能源网络。为了对建筑碳排放进行明确的计算，首先，需要明确建筑系统的边界。在这个建筑边界内，建筑系统消耗来自现场可再生能源和能源电网的输送能源，例如，电力、天然气，并将可再生能源电力系统产生的多余电力输回电网。其次，需要明确计算考察周期，目前，建筑碳排放核算还是以运行阶段为主，但完全意义上的零碳建筑应是以全生命周期计算。
5、根据不同的设计目标、周期及选择元素的比重不同，从而综合计算整个建筑系统获得的净能量3。最后，通过供需对比，检验是否可以根据具体的技术方案实现净零平衡。这可以看作零碳建筑评估的运行机制。图 1 零碳建筑基本要素及关系行 业 聚 焦 Industry Focus绿色建筑2023年 第2期0221.2 全生命周期评估生命周期方法已成为一种克服早期经济和环境评估方法局限性的完整方法。生命周期评估（LCA）是一种检查环境绩效的方法，不是性能指标，而是定量评估产品使用的材料、能量和环境影响的研究方法。LCA 已经被广泛应用于建筑行业，因为其不仅可以为产品全生命周期的能源和环境影响提供更全面和合理的分析，还
6、可以用于确定设计优先事项，并为可持续设计提供量化信息以及辅助设计建筑的决策4。根据国际标准化组织（ISO）的定义，建筑物 LCA 评估过程通常包括 4 个阶段：目标和范围定义、生命周期清单、影响评估和解释。典型的建筑生命周期5如图 2 所示，显示了生命周期每个阶段的排放源。该数据由联合国环境规划署（UNEP）统计，作为建筑物建立通用碳指标项目的一部分（UNEPSBCI2010），建筑物碳指标主要包括使用前的排放（隐含排放）、使用期间的排放（来自使用建筑物的服务和设备以及建筑维护和翻新）和使用后的排放。LCA 将隐含能源和碳排放包括在建筑的整个生命周期计算边界之内，全面覆盖碳排放，从而在理论上最
7、大限度地分析和减少建筑产生的环境影响。图 2 建筑生命周期2 零碳建筑关键性技术零碳建筑因其在减少碳排放方面的巨大潜力成为主流研究热点。自零碳概念出现以来，研究人员和实践者探索了 3 项关键技术：能源效率措施（EEMs）、可再生能源技术（RETs）以及建筑管理和能源使用优化系统。下文将概述和总结相关人员的这方面的研究成果。2.1 能源效率措施能源效率措施包括外围护结构和空调系统两方面，例如，采用高性能保温隔热围护系统、高效窗户系统、良好的气密性设计和新风热回收系统，这些措施已经被证明可以显著降低建筑能耗6。同时，建筑围护结构被动式节能设计通过优化建筑型体、朝向及窗墙比，充分利用自然通风和自然采
8、光已被证明具有较好的成本效益。此外，将被动相变材料（PCM）集成到零碳建筑的围护结构中也是新兴的技术措施。PCM 可作为建筑内部隔墙、顶板和地板等。该材料可以通过在白天吸收多余的热量，在晚上释放储存的热量，从而避免建筑物过热，减少空调系统所消耗的能源7。Mahian 等8建议，可以为光伏 PCM 设计一种紧凑且便携的装置来提高零碳建筑的运行性能。关于建筑自然通风的有效利用，Zhang Tenfei 等9提出一种可摆动窗扇的被动式水平旋转窗户，如图 3 所示。由于窗扇的重力力矩与吹出的风产生的旋转力矩相反，窗扇可以在室外风的作用下，不断调整通风窗洞大小，以保证所需自然通风量。通过在不同地区的模拟
9、实验发现，使用这种被动式水平旋转窗户可以显著缩短室内 CO2 浓度超标时间，为公寓房间提供更稳定的自然通风换气，显著降低房间内对空调新风使用需求，在不增加空调负荷的情况下提供更高质量的室内空气。图 3 可摆动窗扇的被动水平旋转窗户L1L1L2L2Industry Focus 行 业 聚 焦 绿色建筑2023年 第2期0232.2 可再生能源技术大部分研究分析了使用可再生能源技术满足建筑物能源需求的情况。零碳建筑中涉及的可再生能源利用主要分为两种：一是利用可再生能源提供空调冷热源和生活热水，如采用太阳能热水系统和空气源热泵提供生活热水和空调热水，采用地源热泵作为空调设备的冷热源等；二是绿色发电技
10、术应用，如采用太阳能光伏发电和风能发电10-11。热泵由于其节能和减少温室气体排放的潜力，一直在被广泛研究。然而，20 世纪 30 年代该技术被开发以来，进展一直很缓慢12，地源热泵的应用可行性需要根据当地的土壤温度和特性条件进行综合考虑。在某些地区，地源热泵应用需要平衡夏季释放到土壤的冷凝热和冬季从土壤吸收的蒸发热，避免产生热不平衡问题。因此，地源热泵系统是一种跨季节蓄热的技术。与空气源热泵相比，其能源效率可以提高 30%，最重要的是地源热泵可以在寒冷的冬天高效运行。在一些冬季不冷、夏季很热的地区，空气源热泵可能更合理。近年来，系统的不稳定性、建筑夏季与冬季负荷的不平衡以及水体保护等因素，限
11、制了太阳能热、地热和地下水源热泵的发展。因此，一些示范项目并没有将可再生能源热泵作为唯一的暖通空调系统，而是将其作为整个能源系统的辅助供热供冷系统。Li13设计了一套复合能源系统，采用太阳能吸收式制冷机，利用太阳能低温热源进行制冷，同时考虑到太阳能的不稳定，将地源热泵作为辅助系统。该系统的实际运行结果表明，冷水机组的 COP（制冷效率）约为 0.8，整个系统的冷却效率为 0.20.3。该系统可以克服独立热泵系统的一些缺陷，从而满足部分建筑物的需求，但成本远高于传统的空调系统，导致其难以被推广使用。相反，太阳能光伏发电和风能发电技术已被大规模使用，并且随着技术的提升，其发电成本已大大降低。例如，
12、自 2009 年以来，光伏系统发电的固定成本已经下降了 75%14。根据彭博新能源财经的数据，2010 年以来，风力涡轮机的成本也降低了 32%15。在“双碳”政策的影响下，太阳能光伏和风能的应用将会得到进一步提升。2.3 建筑管理和能源使用优化系统第三类零碳技术可归类为建筑管理和能源使用优化系统。这些是零碳建筑研究中的新兴技术，包括物联网和人工智能。据统计，以物联网、大数据和云计算为技术支撑的物联网中央空调智控节能系统年节能量可达 30%左右16。人工智能已经证明其在学习方面（如人工神经网络、机器学习、支持向量机、深度学习、强化学习）、优化方面（如遗传算法、粒子群优化）和控制方面（如基于模型
13、的预测控制，多智能体控制系统）的强大实力17。Yan Biao 等18发现人工智能在建筑中应用的 3 个方面，即室内环境检测和控制（如温度、湿度和空气质量）、建筑多能源利用效率、用于优化控制的预测精度（如空气调节系统、照明)和性能。同样地，人工智能有助于最大限度地降低优化可再生能源的复杂性，并最大限度地减少对建筑的能源使用和排放。Zhijian Liu 等19提出一种集光伏热模块、太阳能集热器、电池、储冰系统和储热罐于一体的新型分布式能源系统。该系统以降低碳排放量和总成本为目标，对分布式混合能源系统进行优化。比较不同模式下的最优系统配置和性能，模拟分析该系统在不同类型的近零能耗建筑类型中，与参
14、考系统和常规分布式能源系统相比，分布式混合能源系统的碳排放量显著降低，零能耗潜力很大。这种新型系统为建筑物和社区的能源供应提供了一种可靠的方案，根据提出的优化方法，可以实现更好的减碳效果。M.Ferrara 等20提出了一种基于人工神经网络的机器学习模型，用于预测和最小化零碳建筑中空气调节系统的能耗消耗。该模型被认为可以减少计算时间并增强建筑设计的优化。同样，Pittarello 等21开发了自动能源评估工具，使用人工神经网络来自动估计数据有限的建筑物的能源消耗。Yan Biao 等18建议进一步研究加强逻辑和过程的自动负载跟踪和自适应控制。这样的模型可以帮助分析居住者的行为，这也是建筑和能源
15、性能模拟的关键部分。基于人工智能技术对建筑的影响，以及目前建筑节能和室内舒适感知的重大问题，未来建筑节能的发展将集中在建筑使用者自适应控制、能耗设备和系统的优化上。3 结 语本文通过对零碳建筑的研究分析，对当前实现零碳的关键性技术进行总结，并主要归类了能源效率措施、可再生能源技术、建筑能源管理与优化 3 种技术。未来，我国的零碳建筑所采用的技术仍然会在此基础上进行延伸，如提高围护结构热工性能，减少能量需求，进一步提高空调系统的使用效率，加强对热泵的研究使用，扩大太阳能和风能使用，结合智能化和人工智能优化控制建筑系统等。零碳建筑发展是我国实现“碳达峰、碳中和”的重要举措。由于我国零碳建筑的发展还
16、处在探索阶段，缺乏成熟的技术体系和评价标准，因此在进行零碳建筑设计时，应在吸取和借鉴发达国家成功经验以及先进技术的基础上，结合我国国情，提高技术创新能力，大力推进零碳建筑的技术进步。如此，便可促进我国零能耗建筑的健康稳定发展。行 业 聚 焦 Industry Focus绿色建筑2023年 第2期024参考文献：1 GLOBAL ABC.LAUNCHED:2020 GLOBAL STATUS REPORT FORBUILDINGS AND CONSTRUCTION EB/R.(2020-12-16)2022-09-23https:/globalabc.org/news/launched-2020
17、-global-status-report-buildings-and-construction.2 SARTORI I,NAPOLITANO A,VOSS K.Net zero energy buildings:A consistent definition framework J.Energy and Buildings,2012,48(1):220-232.3 TORCELLINI P,PLESS S,DERU A M.Zero Energy Buildings:A Critical Look at the Definition R.Pacific Grove:California:Na
18、tional Renewable Energy Laboratory,2006.4 EVANDRO F A,JOSEPH K C,JUNGHOON W,et al.The carbon footprint of buildings:A review of methodologies and applications J.Renewable and Sustainable Energy Reviews,2018,94:1142-1152.5 RIEDY C,LEDERWASCH A,ISON N.Defining zero emission buildings-review and recomm
19、endations:Final report R.Darlinghurst NSW:Australian Sustainable Built Environment Council,2011.6 ALIREZAEI M，NOORI M,TATARI O.Getting to net zero energy building:Investigating the role of vehicle to home technology J.Energy and Buildings,2016,130:465-476.7 STRITIH U,TYAGI V,STROPNIK R,et al.Integra
20、tion of passive PCM technologies for net-zero energy buildings J.Sustainable Cities and Society,2018,41:169-173.8 MAHIAN O,GHAFARIAN S,SARRAFHA H,et al.Phase change materials in solar photovoltaics applied in buildings:An overview J.Solar Energy,2021,224:569-592.9 ZHANG T F,ZHAO Y,SHUGANG WANG S G,e
21、t al.A passive pivoted window for stabilizing the natural ventilation rate J.Energy and Buildings,2022,267:112-151.10 PLESS S,TORCELLINI P.Net-Zero Energy Buildings:A Classification System Based on Renewable Energy Supply Options R.Golden:CO(United States):National Renewable Energy Lab,2010.11 DAGOS
22、TINO D,MELE L,MINICHIELLO F,et al.The Use of Ground Source Heat Pump to Achieve a Net Zero Energy Building J.Energies,2020,13(13):3450.12 BUTLER L,VISSER M.Extending citation analysis to non-source items J.Scientometrics,2006,66:327-343.13 LI J,BAI N,MA W,et al.Large solar powered air conditioning-h
23、eat pump system J.Acta Energiae Solaris Sinica,2006,27(2):152-158.14 SANCHEZ-MARTINEZ M,BENEDETTI-FASIL C,CHRISTENSEN P.PV Status Report 2019M.Luxembourg:Publications Office of the European Union,2019.15 B.N.E.F.(2018).2H 2017 Wind Turbine Price Index EB/R.(2018-05-09)2022-09-23https:/蓝奥声.利用物联网全方位节能
24、,降费增效明显EB/OL.(2021-02-25)2022-09-23https:/TY A,LZ A,WEI L B,et al.Reinforcement learning in sustainable energy and electric systems:a survey-ScienceDirect J.Annual Reviews in Control,2020,49:145-163.18 YAN B,HAO F,MENG X.When artificial intelligence meets building energy efficiency,a review focusing
25、 on zero energy building J.Artificial Intelligence Review,2020:1-28.19 LIU Z,FAN G,SUN D,et al.A novel distributed energy system combining hybrid energy storage and a multi-objective optimization method for nearly zero-energy communities and buildings J.Energy,2022,239:122577.1-122577.18.20 FERRARA
26、M,SANTA F D,BILARDO M,et al.Design optimization of renewable energy systems for NZEBs based on deep residual learning J.Renewable Energy,2021,176:590-605.21 PITTARELLO M,SCARPA M,RUGGERI A G,et al.Artificial Neural Networks to Optimize Zero Energy Building(ZEB)Projects from the Early Design Stages J.Applied Sciences,2021,11(12):5377.收稿日期：2022-10-16作者简介：沈玥，助理工程师，主要从事海绵城市、绿色建筑研究，现供职于中建八局科技建设有限公司。通信地址：上海市浦东新区高科西路 899 号中建广场 A 座。
