Неопределенности в проектировании здания и оценке энергопотребления здания - Uncertainties in building design and building energy assessment

Подробный проектирование зданий необходимо учитывать различные внешние факторы, которые могут неопределенности. Среди этих факторов преобладают Погода и климат; свойства материалы используется и стандарт мастерство; и поведение обитателей здания. Несколько исследований показали, что наиболее важными среди них являются поведенческие факторы. Были разработаны методы оценки степени изменчивости этих факторов и вытекающей из этого необходимости учитывать эту изменчивость на этапе проектирования.

Источники неопределенности

Более ранняя работа включает статью Геро и Дудника (1978), в которой представлена ​​методология решения проблемы проектирования отопление, вентиляция, кондиционирование системы, подверженные неопределенным требованиям. С тех пор другие авторы проявили интерес к неопределенностям, которые присутствуют в проектировании зданий. Рамалло-Гонсалес (2013)[1] классифицировали неопределенности в инструментах оценки энергетического строительства на три разные группы:

  1. Относящийся к окружающей среде. Неопределенность в прогнозе погоды при изменение климата; и информация о неопределенных погодных данных из-за использования файлов синтетических данных о погоде: (1) использование синтетических лет, которые не представляют реальный год, и (2) использование синтетического года, который не был получен из записанных данных в точном расположение проекта, но ближайшая метеостанция.
  2. Мастерство и качество строительных элементов. Отличия дизайна от реального здания: Проводимость из тепловые мосты, проводимость изоляции, величина проникновение (утечка воздуха) или U-значения стен и окон.
  3. Поведенческий. Все остальные параметры, связанные с поведением человека, например открывание дверей и окон, использование бытовой техники, режим занятости или кулинарные привычки.[2]

Погода и климат

Изменение климата

Здания имеют долгий срок службы: например, в Англии и Уэльсе около 40% офисных блоков, существовавших в 2004 году, были построены до 1940 года (30%, если рассматривать по площади),[3] и 38,9% английского жилья в 2007 году были построены до 1944 года.[4] Такой долгий срок службы позволяет зданиям работать с климатом, который может измениться из-за глобального потепления. Де Уайлд и Коли (2012) показали, насколько важно проектировать здания, учитывающие изменение климата и способные хорошо работать при будущих погодных условиях.[5]

Данные о погоде

Использование файлов синтетических данных о погоде может внести дополнительную неопределенность. Wang et al. (2005) показали влияние, которое неопределенность в данных о погоде (среди прочего) может вызвать при расчетах спроса на энергию.[6] Было обнаружено, что отклонение в расчетном потреблении энергии из-за изменчивости данных о погоде в разных местах отличается от диапазона (от -0,5% до 3%) в Сан-Франциско в диапазоне (от -4% до 6%) в Вашингтон, округ Колумбия. Диапазоны рассчитывались с использованием Типичный метеорологический год (TMY) в качестве ссылки.

Пространственное разрешение файлов данных о погоде было предметом озабоченности, затронутого Имсом и др. (2011).[7] Имс показал, как низкое пространственное разрешение файлов данных о погоде может быть причиной различий в потребности в отоплении до 40%. Причина в том, что эта неопределенность не понимается как случайный параметр, но как эпистемический неопределенность, которую можно решить с помощью соответствующего улучшения ресурсов данных или сбора конкретных погодных данных для каждого проекта.

Строительные материалы и качество изготовления

Большое исследование было проведено Лидский столичный университет в Стэмфорд Брук в Англии. В рамках этого проекта было построено 700 домов в соответствии с высокими стандартами эффективности.[8] Результаты этого проекта показывают значительный разрыв между потреблением энергии, ожидаемым до строительства, и фактическим потреблением энергии после заселения дома. В работе анализируется качество изготовления. Авторы подчеркивают важность тепловых мостов, которые не учитывались при расчетах, и что тепловые мосты, которые оказывают наибольшее влияние на конечное использование энергии, возникают из-за внутренних перегородок, разделяющих жилища. Жилища, использование которых было отслежено в этом исследовании, показывают большую разницу между реальным потреблением энергии и оценкой с использованием Великобритании. Стандартная процедура оценки (SAP), при этом один из них дает + 176% от ожидаемой стоимости при использовании.

Хопфе опубликовал несколько статей, касающихся неопределенностей в проектировании зданий. Публикация 2007 г.[9] рассматривает неопределенности типов 2 и 3. В этой работе неопределенности определяются как нормальные распределения. Случайные параметры отбираются для генерации 200 тестов, которые отправляются в симулятор (VA114), результаты которого будут проанализированы для проверки неопределенностей, оказывающих наибольшее влияние на расчеты энергии. Эта работа показала, что неопределенность в величине, используемой для инфильтрации, является фактором, который, вероятно, будет иметь наибольшее влияние на потребности в охлаждении и обогреве. Де Уайлд и Тиан (2009) согласились с Хопфе о влиянии неопределенностей в инфильтрации на расчеты энергии, но также представили другие факторы.

Работа Шнидерса и Хермелинка (2006)[10] показали значительную изменчивость в потреблении энергии для зданий с низким энергопотреблением, спроектированных с учетом тех жеPassivhaus ) Технические характеристики.

Жильцов поведение

Гниль и Коли (2012)[11] показали, что существенная изменчивость в использовании энергии может быть вызвана различиями в поведении людей, включая использование окон и дверей. В их документе также показано, что их метод моделирования поведения жителей точно воспроизводит фактические модели поведения жителей. Этот метод моделирования был разработан Ричардсоном и др. (2008),[12] с использованием Обследования использования времени (TUS) Соединенного Королевства в качестве источника для реального поведения агентов, основанного на активности более 6000 человек, записанной в 24-часовых дневниках с 10-минутным разрешением. В статье Ричардсона показано, как этот инструмент может генерировать поведенческие модели, которые коррелируют с реальными данными, полученными из TUS.

Многофакторные исследования

В работе Петтерсена (1994) учитывались неопределенности группы 2 (мастерство и качество элементов) и группы 3 (поведение) предыдущей группировки.[13] Эта работа показывает, насколько важно поведение жильцов при расчете потребности здания в энергии. Петтерсен показал, что общее потребление энергии следует нормальному распределению со стандартным отклонением около 7,6%, когда учитываются неопределенности, связанные с жильцами, и около 4,0%, когда учитываются неопределенности, создаваемые свойствами элементов здания.

Wang et al. (2005) показали, что отклонения в спросе на энергию из-за местной изменчивости погодных данных были меньше, чем из-за эксплуатационных параметров, связанных с поведением людей. Для них диапазоны были (от -29% до 79%) для Сан-Франциско и (от -28% до 57%) для Вашингтона, округ Колумбия. Вывод этой статьи состоит в том, что жильцы будут иметь большее влияние на расчеты энергии, чем вариативность между синтетическими сгенерированные файлы данных о погоде.

Другое исследование, проведенное де Вильдом и Вей Тиан (2009 г.)[14] сравнил влияние большинства неопределенностей, влияющих на расчеты энергопотребления зданий, включая неопределенности в: погоде, показателе теплопроводности окон и других переменных, связанных с поведением людей (оборудование и освещение), а также с учетом изменения климата. Де Вильд и Тиан использовали двумерный Моделирование Монте-Карло анализ для создания базы данных, полученной с помощью 7280 прогонов строительного симулятора. А Анализ чувствительности был применен к этой базе данных для получения наиболее значимых факторов изменчивости расчетов энергопотребления. Стандартизированный коэффициенты регрессии и стандартизированные ранговая регрессия коэффициенты использовались для сравнения влияния неопределенностей. В их статье многие неопределенности сравниваются с базой данных хорошего размера, что дает реалистичное сравнение объема выборки неопределенностей.

Смотрите также

Рекомендации

  1. ^ Рамалло-Гонсалес, AP 2013. Моделирование, моделирование и оптимизация зданий с низким энергопотреблением. Кандидат наук. Эксетерский университет.
  2. ^ Rafsanjani, H.N .; Ahn, C.R .; Алахмад, М. Обзор подходов к обнаружению, пониманию и улучшению поведения при использовании энергии в коммерческих зданиях. Энергия 2015, 8, 10996-11029.
  3. ^ ODPM, 2005 г. Возраст коммерческих и промышленных предприятий: уровень местных властей 2004 г. Лондон: Офис заместителя премьер-министра.
  4. ^ CLG, 2007. Обзор состояния домов в Англии за 2007 год, Годовой отчет. Сообщества и местное самоуправление.
  5. ^ де Уайлд, П. и Коли, Д., 2012. Последствия изменения климата для зданий. Строительство и окружающая среда, 55, стр. 1-7.
  6. ^ Ван В.М., Змеряну Р. и Ривард Х., 2005. Применение многоцелевых генетических алгоритмов в оптимизации проектирования зеленых зданий. Строительство и окружающая среда, 40, стр. 1512-1525.
  7. ^ Имс, М., Кершоу, Т. и Коли, Д., 2011. Соответствующее пространственное разрешение файлов погоды будущего для моделирования зданий. Журнал моделирования характеристик зданий, 5, стр. 1-12.
  8. ^ Вингфилд, Дж., Белл, М., Майлз-Шентон, Д., Саут, Т. и Лоу, Б., 2011. Оценка воздействия повышенного стандарта энергетических характеристик на несущее внутреннее строительство из каменной кладки, Понимание разрыва
  9. ^ Хопфе, К., Хенсен, Дж., Плоккер, В. и Вейсман, А., 2007. Анализ неопределенности и чувствительности модели для прогнозирования теплового комфорта, Материалы 12-го симпозиума по строительной физике. Дрезден, март
  10. ^ Шнидерс, Дж. И Хермелинк, А., 2006. Результаты CEPHEUS: измерения и удовлетворенность жильцов свидетельствуют о том, что пассивные дома являются вариантом устойчивого строительства. Энергетическая политика, 34, стр. 151-171.
  11. ^ Блайт, Т.С., Коли Д.А., 2012 г. Влияние поведения жильцов на энергопотребление в домах с низким энергопотреблением, 2-я Конференция по энергетике в строительстве и окружающей среде. Боулдер, США.
  12. ^ Ричардсон, И., Томсон, М. и Инфилд, Д., 2008. Модель занятости жилых домов с высоким разрешением для моделирования спроса на энергию. Энергия и здания, 40, стр. 1560-1566.
  13. ^ Петтерсен, Т.Д., 1994. Изменение энергопотребления в жилищах из-за климата, здания и жителей. Энергетика и строительство, 21, стр. 209-218.
  14. ^ de Wilde, P. & Tian, ​​W., 2009. Определение ключевых факторов неопределенности в прогнозировании тепловых характеристик офисного здания в условиях изменения климата. Строительное моделирование, 2, стр. 157-174.