本研究针对传统玻璃难以平衡采光与能源性能的问题，开发了一种多目标优化框架，用于设计半透明建筑集成光伏（ST-BIPV）玻璃。以武汉某大学办公室为案例，建立参数化模型控制光伏玻璃的面积分布、透光率等关键变量，通过仿真评估采光充足度（sDA）、眩光空间自主率（sGA）和光伏发电效率（EP_e）并寻找帕累托最优解。
最后采用K-means聚类算法对结果进行分析。Flexfilm建筑玻璃BIPV透射率测试仪可以精准获取样品的可见光透射率等关键变量，为优化模型提供高精度输入数据。
研究方法研究流程
研究流程图：参数建模→性能模拟→多目标优化→数据分析
研究分为四步：
模型构建：基于Grasshopper平台建立参数化模型，控制南向窗口的形状、尺寸及ST-BIPV类型；
不同窗墙比（WWR）和平均可见光透射率（AVT）的BIPV产品示意图
性能模拟：采用Honeybee/Ladybug进行日光模拟，计算空间采光自主率（sDA）、空间眩光自主率（sGA）及发电效率（EP_e）；
多目标优化：运用Wallacei算法生成Pareto最优解集，定义目标函数为最大化sGA、sDA及EP_e；
结果分析：通过K-means聚类筛选最优方案，对比改造前后的室内光环境与发电性能。
案例研究
(a) 选定建筑模型；(b) 两个阶梯式办公空间；(c) 组成空间的基本单元
研究对象为武汉某大学建筑教学楼的双层阶梯式办公空间，总高度12米，单层有效净高4.5米。模型包含动态树木遮挡模拟，以反映真实环境中的光影变化。
性能指标
空间采光自主率（sDA）：衡量室内区域达到300 lx照度的时间占比；
空间眩光自主率（sGA）：评估无眩光区域的全年占比；
发电效率（EP_e）：定义为光伏面积×转换效率（η），表征能量产出能力。
结果与分析多目标优化结果
基于Grasshopper的参数化流程：变量设置→性能模拟→优化迭代
通过16代迭代生成62个Pareto最优解，经K-means聚类划分为三类：
Cluster 1：高透射率ST-BIPV（AVT=80%），低WWR（0.26），sDA最低（47.7%），sGA较差（68.4%），发电效率最低；
Cluster 2：低透射率ST-BIPV（AVT=10%），中等WWR（0.51），发电效率最高（68.9 m²），sGA最优（62.3%），但sDA仅49.1%；
Cluster 3：高WWR（0.35），混合ST-BIPV类型（AVT=20%-50%），sDA最高（78.9%），sGA次优（60.9%），发电效率居中（48.9 m²）。
帕累托解聚类结果：各聚类质心的形态参数与目标值
最优方案验证
选择Cluster 3的质心方案进行改造：
采光性能：年均照度提升15.63%，sDA下降至73.1%（仍满足LEED≥75%要求），sGA提升6.55%；
改造前后立面指标对比：(a,d)照度分布；(b,e)sDA分布；(c,f)sGA分布
眩光控制：冬季正午DGP值从0.42降至0.38，夏季因太阳高度角升高导致DGP略增至0.45；
发电效益：两层楼面年发电量5,508.86 kWh，覆盖夜间照明能耗（2,575.44 kWh/单元）。
本研究开发了一种多目标优化框架，用于设计半透明建筑集成光伏（ST-BIPV）窗户。通过建立参数化模型控制光伏窗户的面积分布、透光率等关键变量，通过仿真评估采光自主率（sDA）、眩光空间自主率（sGA）和光伏发电效率（EP_e）。
采用K-means聚类分析后得到最终方案，改造后年照度提升15.63%，sGA提高6.55%，光伏系统年发电5,508.86 kWh，满足夜间用电需求。该框架为建筑早期设计提供了兼顾能源与视觉性能的优化路径。
Flexfilm建筑玻璃BIPV透过率Flexfilm建筑玻璃BIPV透过率
建筑玻璃BIPV透射率测试仪是建筑玻璃性能检测的利器，具有高精度的测量准确性、测量稳定性，能够测量样品的透射率，计算出超白压花玻璃的AM1.5有效太阳光透射比、可见光透射比、Y、x、y、L*、a*、b*等颜色参数，显示CIE色坐标及色品图。
✔ 快速在线测量大面积样品的透射率，并统计均匀性给出mapping图
✔ 大面积扫描（如0.6m×1.2m基板）可在秒级完成
✔ 非接触无损检测
Flexfilm建筑玻璃BIPV透过率测试仪通过高精度透射率与无损检测能力，成为验证半透明BIPV玻璃“光-能”平衡性能的核心工具，直接支撑论文中多目标优化框架的实证可靠性，并为后续研究提供技术基础。
原文参考：《Optimizing semi-transparent BIPV windows for balanced daylighting and solar energy performance in office buildings》
