Känslighetsanalys av en EnergyPlus-modell

Känslighetsanalys identifierar hur osäkerheter i ingångsparametrar påverkar viktiga mått på byggnadens prestanda, såsom kostnad, termisk komfort inomhus eller CO ₂ -utsläpp. Indataparametrar för byggnader delas in i ungefär tre kategorier:

Diskreta utformningsalternativ, t ex olika inglasningsalternativ, antal våningsplan mm.
Variation i fysiska parametrar som U-värden, lufttäthet och plats för läckage samt varians/osäkerhet i ekonomiska parametrar som ränta, energipriser eller livslängd.
Stokastiska beteenderelaterade parametrar som beläggningsmönster (antal, tidpunkt och plats) och användning av varmvatten, fönstervädring, belysning och elektrisk utrustning. Olika personliga preferenser för lufttemperatur och ljusnivå.

Varje parameter har olika fördelning av möjliga värden. Känslighetsanalys är ett effektivt sätt att identifiera vilka parametrar som påverkar simuleringsresultaten mest och därför behöver mer uppmärksamhet under design. Mer specifikt kvalificerar känslighetsanalys hur mycket varje parameter påverkar resultaten, antingen individuellt eller i kombination (synergistisk eller antagonistisk), och kvantifierar variansen i möjliga utfall, såsom energikostnader, och är därmed ett mycket kraftfullt kvantitativt verktyg för beslutsfattande.

EnergyPlus

EnergyPlus är ett helbyggnadsprogram för energisimulering som ingenjörer , arkitekter och forskare använder för att modellera både energiförbrukning - för uppvärmning, kyla, ventilation, belysning och process- och pluggbelastningar - och vattenanvändning i byggnader. Dess utveckling finansieras av US Department of Energy Building Technologies Office. EnergyPlus är ett konsolbaserat program som läser indata och skriver utdata till textfiler. Flera omfattande grafiska gränssnitt för EnergyPlus finns också tillgängliga.

Huvuddrag

Integrerad, samtidig lösning av termiska zonförhållanden och HVAC- systemsvar som inte förutsätter att HVAC- systemet kan möta zonbelastningar och kan simulera okonditionerade och underkonditionerade utrymmen.
Undertimme, användardefinierbara tidssteg för interaktion mellan termiska zoner och miljön; med automatiskt varierade tidssteg för interaktioner mellan termiska zoner och VVS- system
Värmebalansbaserad lösning av strålande och konvektiva effekter som ger yttemperaturer termisk komfort och kondensberäkningar
Atmosfäriska föroreningar beräkningar
Anisotropisk himmelsmodell
Kombinerad värme- och massöverföringsmodell som tar hänsyn till luftrörelser mellan zoner.
Värmeöverföringsmodell _
Simulering baserad på klimatzon
Avancerade fenestrationsmodeller inklusive kontrollerbara persienner, elektrokroma glasrutor och lager-för-lager värmebalanser som beräknar solenergi som absorberas av fönsterrutor.
Komponentbaserad HVAC som stöder både standard och nya systemkonfigurationer.

Fristående kontra kopplad simulering

EnergyPlus används normalt som en fristående kommandoradsapplikation eller tillsammans med en av många gratis eller kommersiella GUI. EnergyPlus kan dock kopplas till andra applikationer för att simulera mer avancerade numeriska modeller. En metod är BCVTB ( Building Controls Virtual Test Bed ), som tillåter användare att koppla olika simuleringsprogram för samsimulering och att koppla simuleringsprogram med faktisk hårdvara. Till exempel kan BCVTB simulera en byggnad i EnergyPlus och HVAC- och styrsystemet i Modelica, utbyta data mellan dem när de simulerar. Program som kan kopplas till BCVTB inkluderar EnergyPlus, Modelica ( OpenModelica eller Dymola), Functional Mock-up Units, MATLAB och Simulink , Ray tracing (fysik)|ray-tracing , ESP-r , TRNSYS , BACnet stack.

Applikationer för känslighetsanalys med EnergyPlus

Det finns många mjukvaruverktyg som kan automatisera känslighetsanalys i olika grader. Här är en icke uttömmande lista. De flesta av dessa verktyg har flera alternativ, inklusive en i taget känslighetsanalys, multidimensionell diskret parametrisk, kontinuerlig lågavvikelsefördelning och pareto-front-optimering (listad alfabetiskt):

EnergyPlus parametriska IDF-objekt. Denna enkla metod är begränsad till diskret parametrisk analys, med hjälp av extraprogrammet ParametricPreprocessor som medföljer EnergyPlus.
EPlusR ( EnergyPlus R ): En skriptverktygssats på forskningsnivå för EnergyPlus i R (programmeringsspråk) .
EpXL ( EnergyPlus Excel ): En enkel Excel-kalkylbladsapplikation med alternativ för känslighet/parametrisk analys och pareto-front-optimering.
GenOpt ( Generic Optimization Program ), valfritt med det kostnadsfria GenOpt GUI ExcalibBEM
jEPlus ( Jython EnergyPlus ): En simuleringshanterare för parametrisk analys med EnergyPlus.
OpenStudio Analysis Framework and Spreadsheet: Ett gränssnitt för OpenStudio Server, som gör det möjligt för användare att skapa storskaliga molnanalyser med OpenStudio-mått.
SALib : Ett Python-bibliotek för allmän känslighetsanalys, som kan användas med användardefinierade skript för att köra EnergyPlus och extrahera resultat.
... eller i stort sett vilket annat skriptspråk som helst

Exempel på känslighetsanalyser

Exempel 1: Simulering av bostad

Ett modernt hus som ligger i Oberösterreich övervägs för känslighetsanalys av byggmaterial. Byggnaden som ska simuleras är ett modernt tvåvåningshus med källare. Byggnadens volym är cirka 761 m^3. Huset ligger vid Hagenberg i Oberösterreich . Väggarna är gjorda av 25 cm tjocka tegelstenar utan isolering förutom källaren. Fönstren och glasdörrarna är standard dubbelglasade med ett mellanliggande luftskikt. Vi har använt EnergyPlus för att simulera husmodellen. För att bygga vårt simuleringsramverk har vi använt mjukvaruverktyget Building Controls Virtual Test Bed (BCVTB). Vi kan till exempel definiera en värmestyrning av en EnergyPlus-byggnadsmodell med styrlogiken implementerad i MATLAB .

Exempel 2: Simulering av skolan

En grundskola övervägs för känslighetsanalys av beläggning. Schema valdes ut för att modellera typiska variationer i skolans dagliga verksamhet, även om författarna medger att skolor också kan arbeta med tolvmånaderskalendrar eller med utökade nattskoletider. Variabilitet för energimodellinsatser definieras genom att tilldela olika uppsättningar av 24-timmars diversitetsfaktorer för vardagar, helger, helgdagar, etc. till den maximala belastningen för varje slutanvändning (passagerare, belysning, utrustning, etc.).

Exempel 3: Experiment med materialegenskaper

Experimenten utfördes på följande sätt: Påverkan av materialegenskaperna i huset testades. Först har ett ramverk med BCVTB, EnergyPlus och MATLAB skapats så att värdena kan skickas till EnergyPlus online för att skriva över utetemperaturen. För det andra ställs en batchfil in för att göra följande:

ändra indatafilen för EnergyPlus med ett annat värde på materialegenskapen
ring BCVTB för att köra samsimuleringen mellan EnergyPlus och MATLAB
kör ett skript för att beräkna MAE för den verkliga och simulerade inomhustemperaturen
flytta till nästa värde i intervallet (om det inte är klart) och gå till (1).

Genom att följa denna procedur kan det absoluta felet (MAE) beräknas för alla värden i alla intervall. Det antogs att materialegenskaperna är oberoende av varandra. Därför kommer varje materialegenskap att varieras åt gången, vilket lämnar de andra konstanta vid standardvärdena (från EnergyPlus) och mäter det genomsnittliga absoluta felet (MAE) mellan den verkliga inomhustemperaturen och den simulerade temperaturen. Utbudet av materialegenskaper gavs av en expert. Det specifika rummet som studeras har mycket fenestration , så det är inte så förvånande att se att inverkan av soltransmittansen i fönstren är den mest inflytelserika av alla materialegenskaper som analyseras. Nästa inflytelserika faktor är tegelstenarnas ledningsförmåga , följt av den termiska absorptionen och tegelstenarnas specifika värme . De mest inflytelserika egenskaperna hos de analyserade materialen (tegel och glas) är glasens soltransmittans och tegelstenarnas ledningsförmåga.

Exempel 4: Experiment av beläggningsvarians

Osäkerheter angående beteenden hos boende i byggnader begränsar energimodellernas förmåga att exakt förutsäga faktiska byggnadsprestanda. Det första steget i grov osäkerhetsanalys är bedömningen av rimliga värdeintervall för modellparametrar. I det här fallet var det först nödvändigt att identifiera de framträdande modellparametrarna som kännetecknar byggnadsinnehavaren. De parametrar som haft störst inverkan på den totala energianvändningen är listade efter betydelse för både varma och kalla klimat.

Viktiga parametrar i en varm klimatzon:

Utrustningsbelastning (hög)
Ventilationshastighet (hög)
Utrustningsbelastning (låg)
Infiltrationshastighet (hög)
Ventilationshastighet (låg)

Viktiga parametrar i en kall klimatzon:

Infiltrationshastighet (låg)
Ventilationshastighet (låg)
Passagerarschema (högt)
Utrustningsbelastning (låg)
Utrustningsbelastning (hög)

För att säkerställa att det korrekta antalet passagerare är närvarande vid en given timme är det nödvändigt att multiplicera alla diversitetsfaktorer med alla passagerarbelastningar för varje utrymme och summera det totala antalet passagerare för byggnaden. Analys visar att grundskolemodellen är känslig för passagerarinmatningar i ungefär samma grad i både kallt och varmt klimat (resultaten för all-high and allow inputs varierar med cirka +65 % / -40 % från fallet med helt medium i båda klimat). Toppefterfrågan är något mer känslig för passagerarnas inmatning i kallt klimat (+25% / -30%) än varmt (+/- 20%).

Se även