用于城市规模能源建模中地表日照计算的量子计算方法

《Energy and Buildings》:Quantum computing approach for building surface sunlit in urban-scale energy modeling

【字体: 大 中 小 】 时间:2025年12月30日 来源:Energy and Buildings 8.0

编辑推荐:

  邓志鹏|徐玉洁|洪天镇美国佛罗里达州奥兰多市中佛罗里达大学工程与计算机科学学院机械与航空航天工程系摘要在建筑能源建模以及安装在建筑屋顶或立面上的光伏系统的性能模拟中,需要计算太阳阴影。本文提出了一种基于量子计算的方法,通过将太阳能可见性转化为二进制优化问题,并利用量子退火技术来计

  邓志鹏|徐玉洁|洪天镇美国佛罗里达州奥兰多市中佛罗里达大学工程与计算机科学学院机械与航空航天工程系摘要在建筑能源建模以及安装在建筑屋顶或立面上的光伏系统的性能模拟中,需要计算太阳阴影。本文提出了一种基于量子计算的方法,通过将太阳能可见性转化为二进制优化问题,并利用量子退火技术来计算建筑表面的日照比例。每个三角形单元的中心点被编码为一个二进制量子比特,用来表示该点处于日照状态还是阴影状态。几何可见性约束则通过M?ller-Trumbore相交算法得出,并转化为适合现代量子退火器的带约束的二次二进制模型。这些系数被嵌入到D-Wave量子计算机中。为验证其可行性,我们在旧金山选取了一栋目标建筑作为案例研究,该建筑有52个三角形,周围50米范围内还有大约2700个三角形,在冬季和夏季典型的太阳位置下进行了测试。测试结果表明,量子退火技术能够可靠地区分日照表面和阴影表面。量子计算方法的平均准确率超过92.4%,整体表面层面的一致性接近99.9%。量子计算机的输出结果与传统算法非常接近,这表明该方法具有实际应用可行性且具备良好的扩展性。最终,可以利用这一技术为城市能源建模提供建筑表面的小时级日照比例数据。这是首项将量子计算应用于太阳阴影及建筑表面日照计算的研究,它引入了一种与传统方法截然不同的新思路。

引言建筑物约占全球能源消耗的三分之一,以及二氧化碳排放量的四分之一[1]。太阳辐射是建筑科学以及可持续城市设计与模拟中最具影响力的因素之一[2]。它既是可再生能源,也会产生热负荷,从而影响建筑的能源使用和居住者的舒适度[3]、[4]。有效利用这种能源对于实现高性能建筑设计至关重要。在寒冷气候条件下,太阳辐射可提供被动加热,减少对化石燃料系统的依赖[5]。充足的自然光照不仅能降低人工照明的需求,还能提升居住者的工作效率和幸福感[6]。不过,直射阳光也可能导致局部过热和眩光,进而影响居住者的舒适度[3]。太阳辐射兼具利弊,这就凸显了在建筑学和城市规划中进行精确太阳辐射分析的必要性。为了便于城市能源规划的决策制定,需要将城市中的建筑物视为一个整体而非孤立个体,同时考虑它们之间的相互作用[7]。在整体建筑能源建模中,准确计算建筑外表面的太阳阴影尤为重要,尤其是在建筑物彼此遮挡的密集城市区域[8]、[9]。建筑热负荷和能源模拟需要根据太阳相对于被分析表面的入射角度,计算由建筑环境、建筑构件或遮阳装置所形成的阴影[10]。一个常用的指标就是日照比例,即某一时刻表面直接被太阳照亮的程度[11]。这一比例会随时间、季节以及周围障碍物的存在而变化[12]。高精度的日照比例估算对于预测热负荷、确定暖通空调系统的规模、评估自然采光潜力以及预测可再生能源产量都极为重要。在城市尺度上确定太阳阴影是一个计算成本极高的任务。城市模型中的每个表面既可能投射阴影,也可能被阴影遮挡。在模拟的每一个时间步中,都需要检查太阳与每个关注点之间的遮挡情况[13]。随着表面数量的增加,潜在的阴影投射交互数量也会迅速增长,从而带来巨大的计算负担[6]、[14]、[15]。要准确评估建筑的全年性能或光伏发电潜力,就需要对全年众多不同的太阳位置进行阴影计算,往往需要每小时甚至更频繁地进行分析(共计8760个时间步)。这种时间上的复杂性进一步加剧了本已艰巨的几何计算任务。此外,要得到精确的阴影边界,还需要进行精细的空间离散化处理,这又会增加计算点的数量[12]。如果还要考虑植被因素,情况就会变得更加复杂。要捕捉这类动态现象,可能需要采用体素模型或基于激光雷达的点云等高级表示方法[16]、[17]。最后,大规模模拟还依赖于大量数据集,比如高分辨率的激光雷达扫描数据或3D城市模型(如CityGML)[18]、[19]。要对包含数千座建筑的数据集高效地进行几何运算,就需要大量的内存以及专门的算法。将这些方法从小型社区扩展到整个城市是一项重大挑战,通常需要借助并行计算或GPU加速技术来解决[20]、[21]。上述这些计算难题凸显出,有必要探索全新的方法来进行城市尺度的太阳辐射模拟。即便高性能计算和图形处理器技术已经取得了进展,但要将对阴影的计算精度提升到城市尺度,并实现精细的空间和时间分辨率,仍然需要大量资源,在某些情况下甚至无法用于实时应用[12]、[22]。这类问题的核心在于,众多表面之间存在大量的几何关系,而这些关系的数量会随着模型规模的扩大而呈指数级增长。量子计算为解决这些难题提供了希望。通过利用量子并行性、纠缠态和叠加态,某些类型的几何和可见性问题可以被重新表述为可在量子硬件上高效求解的问题,从而有可能将计算时间从数小时缩短至几分钟[23]。专为空间搜索、图分析以及优化任务设计的量子算法,可以被改造用来快速评估数千个表面在多个时间步骤中的阴影投射关系[24]。此外,量子-经典混合工作流可以将量子计算的优势与现有的建筑性能模拟流程相结合,从而在不牺牲模型精度的前提下,实现以前无法进行的城市尺度阴影分析。在本文中,我们探讨了在密集城市环境中利用量子计算来计算建筑表面日照比例的可行性。我们的目标是架起阴影分析的几何复杂性与时下量子算法发展能力之间的桥梁,展现这种思维方式的转变如何助力实现更加精准、可扩展且注重能源效率的城市设计实践。在建筑性能模拟和城市能源建模领域,准确计算建筑表面的日照比例一直是个长期存在的难题[25]、[26]。多年来,人们已经开发出了多种方法,从简单的解析方法逐步发展到利用现代GPU加速技术的复杂算法。(a)早期的阴影计算方法,如三角函数法以及基于向量的阴影投射方法,适用于简单几何形状,但无法处理复杂的3D结构[27]。(b)投影与裁剪法是EnergyPlus等建筑性能模拟工具中常用的一种“物体空间”方法。该方法对简单的凸多边形较为准确,但对于复杂的非凸形状则效果不佳[28]。(c)基于图像空间的GPU方法在处理复杂的城市场景时速度更快,能够很好地应对各种不规则、弯曲或有孔洞的几何形状,如今已成为EnergyPlus等工具中的高性能选项,推动了新一代建筑性能模拟和城市能源建模技术的发展[14]、[21]。(d)GPU光线追踪法则是另一种“场景驱动”的技术[29]。该方法通过从光源“发射”平行光线来模拟光子行为。光线追踪能够通过以较低能量重新发射光线的方式自然处理半透明材料,因此非常适合处理复杂的几何形状以及城市尺度下的建模任务[6]、[15]、[30]。(e)基于体素的方法是将3D城市空间离散化为体积性的“体素”,并为这些体素赋予相应的属性(为空、建筑或植被等)。这种方法对于处理像树冠这样的复杂体积结构非常有效[31]、[32]。(f)基于GIS的技术已被用于构建区域级别的太阳阴影模型,用以评估建筑群的太阳能利用潜力,这些模型包括简化的几何计算方法[33]、[34]、[35],以及结合图像处理的随机模型[36]。近年来,研究人员还开发了机器学习和深度学习工具来估算太阳阴影[22]、[37]、[38]。虽然现代GPU和体素技术能够处理复杂的场景,但它们在处理城市尺度、需分时段进行的模拟时仍需进行大量的计算,每年可能需要执行数十亿次交叉检测[25]。正因如此,人们开始探索量子计算技术,期望它能显著提升某些类型的几何和光传输问题的计算速度。在太阳辐射分布计算领域,向光线追踪方法的转变得益于高性能并行计算基础设施的发展,这使得大规模的城市建筑能源建模和渲染成为可能。作为一项新兴的计算技术,量子计算的进步为进一步加速这类高复杂度计算带来了新的机遇。在相关文献中,将量子计算应用于光线追踪主要存在三种思路:非结构化搜索、数值积分以及光传输模拟。第一种思路将光线投射问题视为非结构化搜索问题,运用格罗弗算法来寻找光线与几何图元的交点[39]、[40]、[41]。这类方法将场景中的N个几何图元视作一个无序列表[40],然后将光线投射问题定义为寻找满足以下两个条件的图元pi的索引i:(1)光线r与几何图元pi相交;(2)该交点是所有可能的交点中距离光线起点最近的那个。虽然这种方法在理论上相比传统的线性扫描方法O(N)能实现二次级的速度提升,达到O(N)的水平,但其实际运行速度仍慢于那些能够通过使用kd-tree等空间加速结构来实现O(logN)性能的现代传统光线追踪器[42]。此外,这类方法大多只在模拟器上得到验证,尚未在真正的量子计算机上实现,仅有[39]针对由平行且与表面垂直的整数坐标矩形构成的简化场景进行了演示。由于即使是对最简单的场景,其电路实现难度也极高,因此这类方法在真实量子计算机上的应用面临很大挑战[39]。第二种思路则将渲染过程视为高维数值积分问题,利用量子振幅估计技术,使得误差收敛速度相比传统的蒙特卡洛方法提高两个数量级,从而有望实现更快的收敛速度[44]。其基本原理是构建一个量子状态,将目标积分值编码在该状态的一个基态的振幅中。随后,通过运用与量子相位估计和量子傅里叶变换相关的技巧,即可估算出该振幅的值。这样一来,传统蒙特卡洛方法的误差收敛速度可从O(1/N)提升到使用量子技术后的O(1/N),这意味着量子渲染技术在相同查询次数的情况下能够生成噪声更少的图像,或者以少得多的查询次数就能获得相同的图像质量。第三种也是最具雄心的思路试图直接利用量子随机游走来模拟光传输的物理过程,提出了一种能够在多项式时间范围内评估指数级数量的光路径的方法。通过构建一个量子状态来表示“量子光线”的位置和方向,再让这个状态在由体现场景几何结构和材料特性的单元算符所控制的演化过程中不断变化,从而模拟光传输的过程。由于量子系统可以处于多种状态的叠加之中,因此一次量子随机游走就可以同时模拟指数级数量的不同光路径。这样,仅通过多项式时间级的量子计算资源,就能够构建出一个包含了指数级数量完整光传输路径的最终量子状态[42]。迄今为止,大多数相关研究仍然基于量子模拟器,而真正的量子硬件应用仅限于处理极其简单的几何结构。目前尚未探索量子退火技术在光线投射问题中的应用,这些方法在处理复杂、真实的城市阴影场景时的可行性也尚未得到验证。本研究旨在填补这些空白。为了解决这些问题,我们采用了绝热演化的原理。首先,将量子系统置于一个简单哈密顿量的最低能量本征态中,这个哈密顿量被称为驱动哈密顿量[45]。随后,系统会根据一个随时间变化的总体哈密顿量Hs而演化,其中的退火参数会从s = 0逐渐变化到s = 1。这个总体哈密顿量的具体形式是根据那些可以映射为如下所示的伊辛模型的问题来设计的。该哈密顿量描述了相互作用的量子比特的能量分布情况,而量子比特正是量子计算中的基本信息单位。Hs=-As2∑iσ?xi+Bs2∑ihiσ?zi+∑i>jJijσ?ziσ?zj其中,σ?是作用于各个量子比特qi上的泡利矩阵,As表示退火分数为s时的隧穿能量,Bs表示退火分数为s时的问题哈密顿量能量,hi表示量子比特上的自相互作用能量,Jij则表示不同自旋之间的耦合能量。总体哈密顿量Hs实际上由两个相互竞争的部分构成。第一项代表驱动哈密顿量,它通常涉及作用于各个量子比特上的泡利算符,这类算符能够促进量子隧穿现象的发生,帮助系统探索更多的配置可能性。第二项则代表问题哈密顿量,它用于体现我们想要解决的特定优化问题。它基于与量子比特或自旋相互作用的机制来运行。量子退火因其独特的功能而备受关注,在计算方法和速度方面均优于传统计算机。它依据量子力学原理,利用量子比特进行计算,从而更快地解决复杂问题[46]、[47]。由于量子比特的叠加态特性,增加更多量子比特能够呈指数级加速处理涉及众多变量的复杂问题。近期在量子退火器和算法方面的进展,进一步提升了其解决高度复杂的优化问题的能力,包括那些NP难问题[48]。若要利用量子退火来实现建筑表面日照情况的计算,首先需将该问题转化为二次无约束二进制优化形式,即Hx=∑iCixi+∑i,jCijxixj,其中xi为需要优化的二进制变量,Ci和Cij分别为线性和二次系数。之后便可将问题输入量子退火器中进行求解。近年来,量子计算在能源系统领域已有诸多应用[49],比如暖通空调系统[50]、数据中心[51]、电网[52]、[53]以及电动汽车充电[54],但目前尚未被用于太阳阴影及建筑表面日照情况的计算。以下是其余各部分的简要概述:第二部分详细介绍方法论,包括太阳阴影问题的构建方式、量子计算方法、旧金山的案例研究以及量子计算机的配置;第三部分展示结果,重点说明两天内量子比特状态及表面光照情况的变化;第四部分探讨该研究的更广泛意义;第五部分则总结主要研究发现。

方法
图1展示了整体方法流程。我们使用了美国加利福尼亚州旧金山市的实际城市建筑几何模型[55],并对所有表面进行了Delaunay三角剖分,从而可获取三角形表面的顶点坐标和重心坐标。太阳角度数据则来自旧金山的典型气象年度数据文件。随后我们将该问题构建为二进制优化问题,明确了目标函数和约束条件。

结果
图6显示了案例研究中目标建筑52个表面在1月1日上午8点的量子比特状态饼图。从这些结果可以看出,如图所示,有些表面处于光照状态,而有些则存在阴影。在冬季的这一时段,由于太阳角度较低,大多数表面都处于阴影中,仅有四个表面能接收到直射阳光。我们利用量子退火计算了所有建筑表面的日照状况。见图7。

讨论
在本文中,我们将太阳阴影计算问题构建为二进制优化模型,并通过量子退火方法加以求解。“处于日照中”或“存在阴影”这两种状态可通过量子比特的叠加态来表示。为验证这一方法的可行性,我们使用了实际建筑模型开展了案例研究。研究结果显示该方法具有较高的准确性且具备良好的扩展性。不过,目前的实现方案还存在一些局限性。首先,在我们所使用的城市建筑模型中并未考虑植被因素。

结论
本研究的主要结论如下:
1)通过将“处于日照中”或“存在阴影”转化为二进制变量(0/1),并借助量子比特的叠加态来表示,再结合表面三角剖分以及M?ller–Trumbore相交算法,即可将太阳阴影计算问题构建为适合量子退火处理的模型。
2)通过使用真实的城市规模建筑模型和日照数据,本研究表明将量子计算应用于太阳阴影计算是可行的。

CRediT作者贡献声明
邓志鹏:撰写——初稿、验证、软件、方法论、概念设计。徐玉洁:撰写——初稿、方法论、数据整理。洪天振:撰写——审阅与编辑、方法论、概念设计。

利益冲突声明
作者声明存在以下可能被视为潜在利益冲突的财务利益/个人关系:由于担任执行编辑,洪天振博士并未参与本文的同行评审工作,也无法获取相关同行评审信息。本文的编辑工作完全由另一位期刊编辑负责。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号