Μαθηματική μοντελοποίηση της θερμικής άνεσης και της ποιότητας εσωτερικού αέρα και προχωρημένες τεχνικές βελτιστοποίησης του κτιριακού σχεδιασμού: εφαρμογές σε φυσικά αεριζόμενα κτίρια

Abstract

The present dissertation investigates the airflow pattern in naturally ventilated buildings using advanced computer simulation techniques such as field or Computational Fluid Dynamics (CFD) models. In particular, two-equation turbulence models, such as the Standard k-ε, the RNG k-ε, the “Realizable” k-ε, as well as the Reynolds Stress Model (RSM) are used to predict the flow field in and around the buildings considered. In the case of the Standard k-ε model the potential of improving the prediction accuracy is investigated by means of the following ways: (a) Application of a Two-layer Standard k-ε model, and (b) Modification according to the inlet flow variables profiles of the Atmospheric Boundary Layer (ABL). The aforementioned turbulence models and the proposed modifications are passive ventilation of a pilot building and of a real-scale building subject to actual passive ventilation (for which an experimental procedure is conducted). The CFD model is then used for the prediction of thermal comfort in naturally ventilated buildings by implementing the most appropriate thermal comfort indices (TCI), such as the Predicted Mean Vote (PMV), which, according to literature information, is modified for pure natural ventilation as follows: (a) Extension to account for the metabolic-rate reduction expected in warm environments and for the expectancy factor due to occupant’s habitat, and (b) Correction of the PMV for humidity effects, based on the Standard Effective Temperature (SET*). The present thermal comfort model is completed with the implementation of the Percentage Dissatisfied (PD) index to account for discomfort due to air draughts as well. Additionally, Indoor Air Quality (IAQ) indices are also implemented in the CFD model, i.e. the ventilation effectiveness related to the removal of common pollutants. Following the aforementioned coupled model (CFD-TC/IAQ) a database of input-output pairs is formed, which is used to train and validate radial basis functions (RBF) artificial neural networks (ANN) according to the fuzzy means method. The ANN distributions are then utilized to formulate a multiobjective optimization problem, which accounts for the available thermal comfort and indoor air quality indices, occupant activity level and special constraints provided by design guidelines. The problem is confronted using a gradient-based algorithm associated with a special handling of constraints and of the initialization space of the design variables (Initialization Grid Concept, IGC). Additionally, a technique to account for the non-dominated solutions of the objective functions according to the Pareto criteria is also introduced. Finally, for each case studied the optimal designs are presented by means of nomographs, which may serve as look-up tables for either decision-making strategies or automated systems to create “Intelligent Buildings”.

Στην παρούσα διατριβή γίνεται διερεύνηση του πεδίου ροής σε φυσικά αεριζόμενα κτίρια με εξελιγμένες υπολογιστικές μεθόδους προσομοίωσης, όπως είναι τα μοντέλα πεδίου ή μοντέλα υπολογιστικής ρευστοδυναμικής (Computational Fluid Dynamics, CFD). Συγκεκριμένα, εφαρμόζονται μοντέλα τύρβης δύο εξισώσεων, όπως είναι το συμβατικό (Standard) k-ε, το επανακανονικοποιημένο (RNG) k-ε, το μοντέλο εφικτών λύσεων (Realizable) k-ε καθώς και το μοντέλο εξισώσεων τάσεων Reynolds (RSM). Στην περίπτωση του συμβατικού k-ε διερευνάται η δυνατότητα βελτίωσης της πρόβλεψης με δύο τρόπους: (α) Εφαρμογή ενός μοντέλου δύο στρωμάτων, και (β) Τροποποίηση με βάση τις κατανομές των μεταβλητών εισόδου (Μοντέλο k-ε βασισμένο στο Ατμοσφαιρικό Οριακό Στρώμα, ABL-based Standard k-ε model). Τα παραπάνω μοντέλα και οι προτεινόμενες τροποποιήσεις εφαρμόζονται σε πιλοτικό κτίριο (πείραμα αεροσήραγγας που βρίσκεται στη βιβλιογραφία) και σε κτίριο πραγματικής κλίμακας (Διεξαγωγή πειραματικής διαδικασίας). Επιχειρείται η σύζευξη του CFD μοντέλου με αντιπροσωπευτικά μοντέλα υπολογισμού δεικτών θερμικής άνεσης, όπως είναι ο μέσος αναμενόμενος θερμικός δείκτης (Predicted Mean Vote, PMV), ο οποίος τροποποιείται κατάλληλα για αμιγώς φυσικά αεριζόμενους χώρους με δύο τρόπους: (α) Επέκταση του PMV για αμιγώς παθητικά αεριζόμενα κτίρια, λαμβάνοντας υπόψη την ταπείνωση του ρυθμού μεταβολισμού του ενοίκου σε θερμές συνθήκες και τον συντελεστή προσδοκίας βάσει καταγωγής, και (β) Διόρθωση του PMV για την επίδραση της υγρασίας, με βάση την πρότυπη ενεργό θερμοκρασία (SET*). Το μοντέλο θερμικής άνεσης ολοκληρώνεται με την ενσωμάτωση του δείκτη δυσφορίας λόγω ελκυσμού (Percentage Dissatisfied, PD). Συμπληρωματικά, ενσωματώνονται και δείκτες ποιότητας εσωτερικού αέρα (Indoor Air Quality, IAQ) με βάση την εκτόπιση συνήθων ρύπων από την κατειλημμένη ζώνη. Με χρήση του παραπάνω συζευγμένου μοντέλου CFD-TCI/IAQ διαμορφώνεται μια βάση δεδομένων μεταβλητών εισόδου-εξόδου, η οποία χρησιμοποιείται για την εκπαίδευση και επαλήθευση ενός τεχνητού νευρωνικού δικτύου (Artificial Neural Network, ANN) ακτινικών συναρτήσεων βάσης (Radial Basis Function, RBF) με την μέθοδο των ασαφών μέσων (Fuzzy Means Method). Οι ΑΝΝ κατανομές χρησιμοποιούνται για την διαμόρφωση ενός προβλήματος πολυκριτηριακής βελτιστοποίησης με βάση τους διατιθέμενους δείκτες TC-IAQ, το αναμενόμενο επίπεδο δραστηριότητας και ειδικούς περιορισμούς που βρίσκονται στη βιβλιογραφία. Το πρόβλημα επιλύεται με μεθόδους καθόδου κλίσης που συνοδεύεται με κατάλληλο χειρισμό των περιορισμών και του πεδίου αρχικοποίησης των μεταβλητών σχεδιασμού. Συμπληρωματικά, εισάγεται μία τεχνική στον αλγόριθμο έτσι ώστε να προκύπτει το πεδίο των μη κυριαρχούμενων λύσεων σύμφωνα με τα κριτήρια Pareto. Τελικά, για κάθε περίπτωση προκύπτουν οι βέλτιστοι σχεδιασμοί υπό την μορφή νομογραφημάτων που μπορούν να χρησιμοποιηθούν ως πίνακες αναφοράς (look-up tables) στην λήψη αποφάσεων ή στην εφαρμογή συστημάτων αυτομάτου ελέγχου για την εξέλιξη των «Έξυπνων κτιρίων».