Περίληψη
Τα τελευταία χρόνια ιδιαιτέρο ενδιαφέρον έχει παρουσιαστεί στον τομέα της ενεργειακήςαπόδοσης και εξοικονόμησης κτηρίων, καθώς η ταχεία αύξηση της ενεργειακής κατανάλωσης έχει ήδη εγείρει ανησυχίες για την εξάντληση των συμβατικών ενεργειακών πόρων. Προς αυτή την κατεύθυνση, η χρήση θερμικών μοντέλων λεπτομερούς προσομοίωσης κτηρίων (Building Energy Performance simulation — BEPs) είναι ιδιαίτερα ενδιαφέρουσα και προσδίδει σημαντικές δυνατότητες κατά τις φάσεις σχεδιασμού και λειτουργίας, καθώς τα μοντέλα αυτά δύναται να προβλέψουν με υψηλή ακρίβεια την ενεργειακή συμπεριφορά των κτηρίων. Τα κτήρια αντιμετωπίζονται ως πολύπλοκα συστήματα και μια λεπτομερής προσομοίωση απαιτεί να ληφθούν υπόψη τα πραγματικά κλιματικά δεδομένα, η γεωμετρία, τα υλικά του κτηρίου, τα συστήματα θέρμανσης — αερισμού — κλιματισμού και η συμπεριφορά του χρήστη. Τα δεδομένα αυτά μπορούν να κατηγοριοποιηθούν ως εξής: στατικά δεδομένα, που περιέχουν πληροφορίες για τη γεωμετρία, τα υλικά κατασκευής και τα συστήματ ...
Τα τελευταία χρόνια ιδιαιτέρο ενδιαφέρον έχει παρουσιαστεί στον τομέα της ενεργειακήςαπόδοσης και εξοικονόμησης κτηρίων, καθώς η ταχεία αύξηση της ενεργειακής κατανάλωσης έχει ήδη εγείρει ανησυχίες για την εξάντληση των συμβατικών ενεργειακών πόρων. Προς αυτή την κατεύθυνση, η χρήση θερμικών μοντέλων λεπτομερούς προσομοίωσης κτηρίων (Building Energy Performance simulation — BEPs) είναι ιδιαίτερα ενδιαφέρουσα και προσδίδει σημαντικές δυνατότητες κατά τις φάσεις σχεδιασμού και λειτουργίας, καθώς τα μοντέλα αυτά δύναται να προβλέψουν με υψηλή ακρίβεια την ενεργειακή συμπεριφορά των κτηρίων. Τα κτήρια αντιμετωπίζονται ως πολύπλοκα συστήματα και μια λεπτομερής προσομοίωση απαιτεί να ληφθούν υπόψη τα πραγματικά κλιματικά δεδομένα, η γεωμετρία, τα υλικά του κτηρίου, τα συστήματα θέρμανσης — αερισμού — κλιματισμού και η συμπεριφορά του χρήστη. Τα δεδομένα αυτά μπορούν να κατηγοριοποιηθούν ως εξής: στατικά δεδομένα, που περιέχουν πληροφορίες για τη γεωμετρία, τα υλικά κατασκευής και τα συστήματα θέρμανσης — αερισμού — κλιματισμού, και δυναμικά δεδομένα, τα οποία περιγράφουν τα χρονοδιαγράμματα λειτουργίας διαφόρων παραμέτρων του κτηρίου καθώς και τα ισχύοντα κλιματικά δεδομένα. Συνεπώς, στοχεύοντας στην ανάπτυξη ενός λεπτομερούς μοντέλου θερμικής προσομοίωσης απαιτείται η λεπτομερής καταγραφή και προώθηση των δεδομένων αυτών σε ένα λογισμικό προσομοίωσης, ορίζοντας τα δεδομένα εισόδου του εν λόγω λογισμικού. Απόρροια της δυσκολίας να συλλεγούν και να οριστούν καταλλήλως τα δεδομέναεισόδου αποτελεί ο υψηλός φόρτος εργασίας για την ανάπτυξη μοντέλων BEPs.Όσον αφορά στα στατικά δεδομένα, η ανάπτυξη μίας μεθοδολογίας για ημι-αυτόματη δημιουργία μοντέλων BEPs θα μπορούσε να επιταχύνει τη διαδικασία μοντελοποίησης. Προς αυτή την κατεύθυνση, τα Κτηριακά Πληροφοριακά Μοντέλα (Building Information Models – BIM) είναι πλούσια σε πληροφορία αρχεία που θα μπορούσαν να χρησιμοποιηθούν για την επίσπευση της διαδικασίας συλλογής των στατικών δεδομένων. Αναφερόμενοι στη γεωμετρία, το ανοικτό πρότυπο τυποποιημένων κλάσεων Industry Foundation Classes (IFC) μπορεί να χρησιμοποιηθεί για την καταγραφή της στατικής αυτής πληροφορίας, αλλά σε μορφή που συνήθως δεν δύναται άμεσα να αξιοποιηθεί για την παραγωγή των μοντέλων θερμικής προσομοίωσης λόγω της απουσίας των 2oυ επιπέδου χωρικών ορίων (2nd level space boundaries). Αν και το πρότυπο IFC υποστηρίζει την καταγραφή των 2oυ επιπέδου χωρικών ορίων, οι τρέχουσες εκδόσεις εργαλείων που εξάγουν τα αρχεία IFC αδυνατούν να περιγράψουν ορθώς τα όρια αυτά. Σε περιπτώσεις όπου η πληροφορία των 2oυ επιπέδου χωρικών ορίων είναι διαθέσιμη, απαιτείται μια αντιστοίχηση των δεδομένων του IFC σε δεδομένα εισόδου για ένα συγκεκριμένο λογισμικό προσομοίωσης. Μια ακριβής αντιστοίχηση των δεδομένων αυτών μπορεί να οδηγήσει σε μια υψηλής ακρίβειας γεωμετρία του μοντέλου BEPs. Σε αυτό το σημείο, ένα ερώτημα το οποίο ο δημιουργός του μοντέλου θα κληθεί να απαντήσει είναι το πόσο ακριβές πρέπει να είναι το μοντέλο θερμικής προσομοίωσης. Η ακρίβεια ενός μοντέλου διαφοροποιείται ανάλογα με τον σκοπό για τον οποίο χρησιμοποιείται. Για παράδειγμα, οι απαιτήσεις ακρίβειας των θερμικών μοντέλων που χρησιμοποιούνται κατά την φάση ανάπτυξης προηγμένων στρατηγικών ελέγχου των ενεργειακών στοιχείων του κτηρίου (όπως για παράδειγμα των συστημάτων κλιματισμού και θέρμανσης, καθώς και συστήματων σκίασης και φυσικού αερισμού) διαφέρουν σημαντικά σε σχέση με τις απαιτήσεις των μοντέλων προσομοίωσης που χρησιμοποιούνται κατά τις ενεργειακές επιθεωρήσεις. Κατά την φάση ανάπτυξης προηγμένων στρατηγικών ελέγχου, απαιτείται ένα μοντέλο χαμηλής υπολογιστικής πολυπλοκότητας, που είναι σε θέση να συλλάβει τις ευαισθησίες και τις τάσεις κατά τη μεταβολή των συνθηκών, αλλά η υψηλή ακρίβεια δεν είναι απαραίτητη. ΄Οσον αφορά στα δυναμικά δεδομένα, η διαθεσιμότητα μετρούμενων από αισθητήρες δυναμικών δεδομένων σε ένα κτήριο αποτελεί μια ευκαιρία για την εξάλειψη αβεβαιοτήτων του μοντέλου BEPs χωρίς να αυξάνεται η υπολογιστική πολυπλοκότητα. Αναφερόμενοι στις καιρικές συνθήκες, τα δεδομένα αυτά είναι σύνηθες να μην περιλαμβάνουν πληροφορία σχετικά με την ηλιακή ακτινοβολία, παρά μόνο το ποσοστό κάλυψης του ουρανού από σύννεφα. Ακόμα και αν υπάρχουν διαθέσιμα στοιχεία της συνολικής ηλιακής ακτινοβολίας, ένα κρίσιμο στοιχείο για την προσομοίωση της ενεργειακής απόδοσης των κτηρίων είναι η διαθεσιμότητα δεδομένων τόσο της διάχυτης όσο και της άμεσης ηλιακής ακτινοβολίας, δεδομένα τα οποία επί το πλείστον δεν είναι διαθέσιμα.Σε αυτή την διατριβή, αρχικά παρουσιάζεται μια μεθοδολογία για την ημι-αυτόματη δημιουργία των στατικών δεδομένων μοντέλων θερμικής προσομοίωσης, αποτελούμενη από τα εξής βήματα: 1) συλλογή δεδομένων που περιγράφουν τη γεωμετρία του κτηρίου από το σχετικό αρχείο IFC, 2) επεξεργασία των δεδομένων που αποκτήθηκαν από έναν αλγόριθμο υπολογισμού των 2oυ επιπέδου χωρικών ορίων (αλγόριθμος CBIP), και 3) εφαρμογή μιας διαδικασίας μετασχηματισμού που μετατρέπει την πληροφορία της γεωμετρίας του αρχείου IFC και τα αποτελέσματα του αλγορίθμου CBIP σε δεδομένα εισόδου των λογισμικών θερμικής προσομοίωσης EnergyPlus και TRNSYS. Στη συνέχεια, η γεωμετρία του μοντέλου BEPs που προκύπτει εφαρμόζοντας την προαναφερθείσα μεθοδολογία είναι υψηλής λεπτομέρειας λόγω υψηλού αριθμού επιφανειών και θερμικών ζωνών, αυξάνοντας το χρόνο εκτέλεσης της προσομοίωσης και αποκλείοντας τη χρήση τους κατά τη φάση ανάπτυξης προηγμένων στρατηγικών ελέγχου των ενεργειακών στοιχείων του κτηρίου. Συνεπώς, διερευνώνται μεθοδολογίες επιτάχυνσης της προσομοίωσης που εστιάζουν στη μείωση του πλήθους των επιφανειών ή / και των θερμικών ζωνών έτσι ώστε να μειωθεί η πολυπλοκότητα του μοντέλου. Έπειτα, ο καθορισμός μιας σύνδεσης του μοντέλου BEPs με μετρήσεις αισθητήρων του κτηρίου είναι υψίστης σημασίας. Η σύνδεση αυτή, ιδιαίτερα επιθυμητή επίσης για τη δοκιμή και το σχεδιασμό των στρατηγικών ελέγχου, επιτυγχάνεται χρησιμοποιώντας ένα ευρέως γνωστό λογισμικό ανταλλαγής δεδομένων, το Building Controls Virtual Test Bed (BCVTB). Τέλος, μεταξύ μιας πληθώρας μεθόδων για την εκτίμηση της δίαχυτης και της άμεσης ηλιακής ακτινοβολίας, το ερώτημα της καταλληλότερης μεθόδου δεν έχει πλήρως διευθετηθεί, ερώτημα στο οποίο η διατριβή αυτή προσπαθεί να απαντήσει.Η μεθοδολογία για την ημι-αυτόματη δημιουργία μοντέλων θερμικής προσομοίωσης εφαρμόστηκε σε πραγματικά κτήρια και τα αποτελέσματά τους παρουσιάζονται, αναδεικνύοντας την ικανότητα της μεθοδολογίας στο χειρισμό πολύπλοκων (μη-κυρτών) γεωμετριών και στην παραγωγή όλων των δεδομένων της γεωμετρίας που απαιτούνται από το μοντέλο θερμικής προσομοίωσης. Η μεθοδολογία επιταχύνει σημαντικά τη συνολική διαδικασία δημιουργίας μοντέλων θερμικής προσομοίωσης, χρησιμοποιώντας τη γεωμετρική πληροφορία που περιλαμβάνεται στο αρχείο IFC. Στη συνέχεια, οι μεθοδολογίες επιτάχυνσης της προσομοίωσης αξιολογήθηκαν με βάση την ακρίβεια και την υπολογιστική πολυπλοκότητα σε πραγματικά κτήρια. Επιπλέον, από ένα πλήθος πειραμάτων που πραγματοποιήθηκαν στα κτήρια αυτά, ένα επιλέχθηκε να παρουσιαστεί, τονίζοντας την αναγκαιότητα της σύνδεσης των μετρήσεων αισθητήρων με το θερμικό μοντέλο για την εξάλειψη των αβεβαιοτήτων του μοντέλου θερμικής προσομοίωσης. Τέλος, οι διάφορες μέθοδοι εκτίμησης της διάχυτης και άμεσης ακτινοβολίας αξιολογήθηκαν, υποδεικνύοντας ότι δεν υπάρχει μία μέθοδος αισθητά καλύτερη από τις υπόλοιπες.
περισσότερα
Περίληψη σε άλλη γλώσσα
Following the recent requirement for efficient allocation of energy resources in the buildingsector, the use of Building Energy Performance (BEP) simulations became moreand more frequent during the design as well as the operation phases. However, BEPsimulation models’ generation require significant effort for set-up, limiting the potentialutilization of modeling in both phases. The substantial effort stems from the difficulty tocollect and appropriately define the input data for accurate BEP simulation modeling,which are categorized as follows: static data, containing information on the geometry,construction and actuating energy systems; and dynamic data, including factual (sensed)data, along with forecasts for pertinent parameters (e.g. weather, occupancy), used tobridge the “simulated” and “real” worlds, reducing or even mitigating uncertainties.Concerning the static data, a methodology for semi-automated BEP (known also asthermal) simulation model creation could make the BEP simulat ...
Following the recent requirement for efficient allocation of energy resources in the buildingsector, the use of Building Energy Performance (BEP) simulations became moreand more frequent during the design as well as the operation phases. However, BEPsimulation models’ generation require significant effort for set-up, limiting the potentialutilization of modeling in both phases. The substantial effort stems from the difficulty tocollect and appropriately define the input data for accurate BEP simulation modeling,which are categorized as follows: static data, containing information on the geometry,construction and actuating energy systems; and dynamic data, including factual (sensed)data, along with forecasts for pertinent parameters (e.g. weather, occupancy), used tobridge the “simulated” and “real” worlds, reducing or even mitigating uncertainties.Concerning the static data, a methodology for semi-automated BEP (known also asthermal) simulation model creation could make the BEP simulation modeling processmuch more expedient and as such lower to threshold for the use of such models. BuildingInformation Models (BIMs) are information-rich repositories that could be used tostreamline and expedite the collection of such information. The Industry FoundationClasses (IFC) BIM schema provide static building information that include geometricconfiguration and material properties, but in a form that might not be directly usablefor the generation of thermal simulation models due to the absence of 2nd-level spaceboundaries information. Even if 2nd-level space boundaries information exists, an IFCto a specific BEP simulation engine’s input data mapping must be performed. Towardsmodeling an automatic data mapping process, the modeler must have expert knowledgeof the IFC and the specific BEP simulation engine input data structures. A precise datamapping can lead to a BEP model’s geometry of high detail. Here, another recurringtheme arises that the modeler has to address during the BEP simulation models’ geometrydata generation: the decision on how accurate the model should be. For Control Design tasks, the accuracy requirements are markedly different, compared to the simulationmodel for energy auditing purposes. Control-Design processes require a model thatis able to capture the sensitivities and trends but no high accuracy is necessary. Concerningthe dynamic data, for any BEP simulation related task, the availability of senseddynamic data in a building presents an opportunity to eliminate with minimal effort theuncertainties of the BEP model. Moreover, in-situ weather measurements contributeto the development of an accurate BEP model without increasing the computationalcomplexity. These measured weather data are forwarded to the model through specificallyformatted weather files. However, it is quite common that weather data do notinclude information concerning solar radiation, but only a percentage of cloud coverage.Even if global radiation data are available, a crucial input in the simulation of building’senergy performance is the availability of both diffuse and direct solar radiationdata. Nevertheless, in most cases, measured data of diffuse and direct radiation are notavailable.In this thesis, initially a methodology is presented for (semi-) automated generationof thermal simulation models’ static data, including: a query on the building datamodel — embedded in the relative IFC file — requesting geometry-related information;a processing of the acquired data by a 2nd-level space boundary identification algorithm,the Common Boundary Intersection Projection (CBIP) algorithm; and a transformationprocess that converts the geometry information of IFC, along with the data obtainedfrom the CBIP algorithm, to an EnergyPlus and/or TRNSYS — widely used BEPsimulation engines — input file. Next, commonly the BEP simulation model’s geometryderived by applying the aforementioned methodology, is of high detail due to numeroussurfaces and thermal zones, increasing the simulation runtime, and as such not suitablefor a Control Design process. Hence, simulation speed-up approaches are investigated,that focus on geometry and/or zoning reduction, in a way that reduces complexity whilemaintaining features of the simulation. Establishing a link between the BEP simulationstatic data and the building’s sensed measurements so that the dynamic schedules canbe incorporated in the simulation, is of paramount importance. This link, especiallydesirable also for the testing and design of control strategies, is adopted, following awidely used co-simulation framework, the Buildings Control Virtual Test Bed (BCVTB).Finally, among a plethora of methods for estimating the diffuse (or direct) fraction ofglobal solar radiation, the question of the best method has been not fully settled, a taskthat this thesis tries to address.The methodology for (semi-) automated generation of thermal simulation models’ staticdata is applied to real buildings and its results are presented, highlighting the ability inhandling non-convex geometries and generating all the possible BEP simulation model’sgeometry data. The methodology facilitates significantly the overall process of energy simulation model creation from IFC geometric data. Next, the simulation speed-up approaches are evaluated with respect to accuracy and computational effort, using threetest buildings. Moreover, among a plethora of existing experiments on real buildings,one is chosen to be presented highlighting the necessity of the co-simulation setup towardseliminating the building’s uncertainties. Concerning the solar radiation models’efficiency, results of our investigation are presented, indicating that there is no methodlargely better than the others.
περισσότερα