Osäkerheter i byggnadsdesign och byggnadsenergibedömning

Byggnadernas detaljutformning behöver ta hänsyn till olika yttre faktorer, som kan vara föremål för osäkerhet . Bland dessa faktorer finns rådande väder och klimat ; egenskaperna hos de materialen och standarden på utförande ; och beteendet hos de boende i byggnaden. Flera studier har visat att det är beteendefaktorerna som är de viktigaste bland dessa. Metoder har utvecklats för att uppskatta omfattningen av variabiliteten i dessa faktorer och det resulterande behovet av att ta hänsyn till denna variabilitet vid designstadiet.

Källor till osäkerhet

Tidigare arbete inkluderar en artikel av Gero och Dudnik (1978) som presenterar en metodik för att lösa problemet med att designa värme-, ventilations- och luftkonditioneringssystem som utsätts för osäkra krav. Sedan dess har andra författare visat intresse för de osäkerheter som finns i byggnadsdesign. Ramallo-González (2013) klassificerade osäkerheter i verktyg för energibyggnadsbedömning i tre olika grupper:

Miljö. Osäkerhet i väderprognoser under förändrat klimat ; och osäker väderdatainformation på grund av användningen av syntetiska väderdatafiler: (1) användning av syntetiska år som inte representerar ett verkligt år, och (2) användning av ett syntetiskt år som inte har genererats från registrerade data i exakt platsen för projektet men i närmaste väderstation.
Utförande och kvalitet på byggnadselement. Skillnader mellan designen och den verkliga byggnaden: ledningsförmåga av köldbryggor , ledningsförmåga av isolering, värde av infiltration (luftläckage), eller U-värden av väggar och fönster.
Beteendemässigt. Alla andra parametrar kopplade till mänskligt beteende, t.ex. öppning av dörrar och fönster, användning av apparater, vistelsemönster eller matlagningsvanor.

Väder och klimat

Klimatförändring

Byggnader har lång livslängd: till exempel i England och Wales byggdes cirka 40 % av kontorshusen som fanns 2004 före 1940 (30 % om man räknar med golvarean), och 38,9 % av de engelska bostäderna 2007 byggdes före 1944 Denna långa livslängd gör att byggnader sannolikt kommer att fungera med klimat som kan förändras på grund av global uppvärmning. De Wilde och Coley (2012) visade hur viktigt det är att designa byggnader som tar hänsyn till klimatförändringar och som kan prestera bra i framtida väder.

Väderdata

Användningen av syntetiska väderdatafiler kan skapa ytterligare osäkerhet. Wang et al. (2005) visade den påverkan som osäkerheter i väderdata (bland annat) kan orsaka i energibehovsberäkningar. Avvikelsen i beräknad energianvändning på grund av variationer i väderdata visade sig vara olika på olika platser från ett intervall på (-0,5 % till 3 %) i San Francisco till ett intervall på (-4 % till 6 %) i Washington DC Avstånden beräknades med ett typiskt meteorologiskt år (TMY) som referens.

Den rumsliga upplösningen av väderdatafiler var den oro som täcktes av Eames et al. (2011). Eames visade hur en låg rumslig upplösning av väderdatafiler kan vara orsaken till skillnader på upp till 40 % i värmebehovet. Anledningen är att denna osäkerhet inte förstås som en aleatorisk parameter utan som en epistemisk osäkerhet som kan lösas med lämplig förbättring av dataresurserna eller med specifik väderdatainsamling för varje projekt.

Byggmaterial och utförande

En stor studie genomfördes av Leeds Metropolitan University i Stamford Brook i England. I detta projekt byggdes 700 bostäder enligt hög effektivitetsstandard. Resultaten av detta projekt visar på en betydande klyfta mellan den energianvändning som förväntas före byggandet och den faktiska energianvändningen när huset väl är upptaget. Utförandet analyseras i detta arbete. Författarna understryker vikten av köldbryggor som inte beaktades vid beräkningarna, och att de köldbryggor som har störst inverkan på den slutliga energianvändningen är de som kommer från de inre skiljeväggar som skiljer bostäder åt. De bostäder som övervakades i bruk i denna studie visar en stor skillnad mellan den verkliga energianvändningen och den som uppskattas med hjälp av UK Standard Assessment Procedure (SAP), där en av dem ger +176 % av det förväntade värdet vid användning.

Hopfe har publicerat flera artiklar om osäkerheter i byggnadsdesign. En publikation från 2007 tittar på osäkerheter av typ 2 och 3. I detta arbete definieras osäkerheterna som normalfördelningar. De slumpmässiga parametrarna samplas för att generera 200 tester som skickas till simulatorn (VA114), vars resultat kommer att analyseras för att kontrollera de osäkerheter som har störst påverkan på energiberäkningarna. Detta arbete visade att osäkerheten i värdet som används för infiltration är den faktor som sannolikt har störst inverkan på kyl- och värmebehov. De Wilde och Tian (2009) höll med Hopfe om inverkan av osäkerheter i infiltration på energiberäkningar, men introducerade också andra faktorer.

Arbetet av Schnieders och Hermelink (2006) visade en betydande variation i energibehoven för lågenergibyggnader designade enligt samma ( Passivhaus ) specifikation.

Ockupant beteende

Blight och Coley (2012) visade att betydande variationer i energianvändning kan uppstå på grund av variationer i passagerarnas beteende, inklusive användningen av fönster och dörrar. Deras artikel visade också att deras metod för att modellera boendes beteende korrekt återger invånarnas faktiska beteendemönster. Denna modelleringsmetod var den som utvecklats av Richardson et al. (2008), med hjälp av Time-Use Survey (TUS) i Storbritannien som en källa för de åkandes verkliga beteende, baserat på aktiviteten hos mer än 6000 passagerare som registrerats i 24-timmarsdagböcker med en 10-minuters upplösning. Richardsons papper visar hur verktyget kan generera beteendemönster som korrelerar med de verkliga data som erhålls från TUS.

Multifaktoriella studier

I Pettersens (1994) arbete beaktades osäkerheterna i grupp 2 (utförande och kvalitet på element) och grupp 3 (beteende) i den tidigare grupperingen. Detta arbete visar hur viktigt de boendes beteende är vid beräkningen av en byggnads energibehov. Pettersen visade att den totala energianvändningen följer en normalfördelning med en standardavvikelse på cirka 7,6 % när man tar hänsyn till osäkerheterna på grund av boende, och på cirka 4,0 % när man tar hänsyn till de som genereras av byggnadselementens egenskaper.

Wang et al. (2005) visade att avvikelser i energibehovet på grund av lokal variation i väderdata var mindre än de som berodde på driftsparametrar kopplade till passagerarnas beteende. För dessa var intervallen (-29 % till 79 %) för San Francisco och (-28 % till 57 %) för Washington DC. Slutsatsen av detta dokument är att passagerare kommer att ha en större inverkan på energiberäkningar än variationen mellan syntetiska genererade väderdatafiler.

En annan studie utförd av de Wilde och Wei Tian (2009) jämförde effekten av de flesta osäkerhetsfaktorer som påverkar byggnadens energiberäkningar, inklusive osäkerheter i: väder, U-värde för fönster och andra variabler relaterade till de boendes beteende (utrustning och belysning) , och med hänsyn till klimatförändringar. De Wilde och Tian använde en tvådimensionell Monte Carlo-simuleringsanalys för att generera en databas erhållen med 7280 körningar av en byggnadssimulator. En känslighetsanalys tillämpades på denna databas för att få fram de mest signifikanta faktorerna på variabiliteten i energibehovsberäkningarna. Standardiserade regressionskoefficienter och standardiserade rangregressionskoefficienter användes för att jämföra effekterna av osäkerheterna. Deras uppsats jämför många av osäkerheterna med en bra storlek databas som ger en realistisk jämförelse för omfattningen av urvalet av osäkerheterna.

Se även

^ Ramallo-González, AP 2013. Modellering, simulering och optimering av lågenergibyggnader. PhD. University of Exeter.
^ Rafsanjani, HN; Ahn, CR; Alahmad, M. En översyn av metoder för avkänning, förståelse och förbättring av beläggningsrelaterade energianvändningsbeteenden i kommersiella byggnader. Energies 2015, 8, 10996-11029.
^ ODPM, 2005. Ålder för kommersiella och industriella lager: Lokal myndighetsnivå 2004. London: Vice premiärministerns kontor.
^ CLG, 2007. Engelska husets tillståndsundersökning 2007, årsrapport. Kommuner och lokala myndigheter.
^ de Wilde, P. & Coley, D., 2012. Implikationerna av ett förändrat klimat för byggnader. Byggnad och miljö, 55, s.1-7.
^ Wang, WM, Zmeureanu, R. & Rivard, H., 2005. Tillämpa genetiska algoritmer med flera mål i grön byggnadsdesignoptimering. Byggnad och miljö, 40, s.1512-1525.
^ Eames, M., Kershaw, T. & Coley, D., 2011. Den lämpliga rumsliga upplösningen av framtida väderfiler för byggnadssimulering. Journal of Building Performance Simulation, 5, s.1-12.
^ Wingfield, J., Bell, M., Miles-Shenton, D., South, T. & Lowe, B., 2011. Utvärdera inverkan av en förbättrad energiprestandastandard på bärande murverk i hushållskonstruktioner, Understanding the gap
^ Hopfe, C., Hensen, J., Plokker, W. & Wijsman, A., 2007. Modellosäkerhets- och känslighetsanalys för termisk komfortförutsägelse, Proceedings of the 12th Symposium for Building Physics. Dresden, mars
^ Schnieders, J. & Hermelink, A., 2006. CEPHEUS-resultat: mätningar och de boendes tillfredsställelse ger bevis för att passivhus är ett alternativ för hållbart byggande. Energy Policy, 34, s. 151-171.
^ Blight, TS, Coley DA, 2012 Effekten av boendes beteende på energiförbrukningen av lågenergibostäder, 2:a konferensen om byggnadsenergi och miljö. Boulder, USA.
^ Richardson, I., Thomson, M. & Infield, D., 2008. En högupplöst modell för beläggning av hushållsbyggnader för simuleringar av energiefterfrågan. Energi och byggnader, 40, s.1560-1566.
^ Pettersen, TD, 1994. Variation av energiförbrukning i bostäder på grund av klimat, byggnad och invånare. Energi och byggnader, 21, s.209-218.
^ de Wilde, P. & Tian, W., 2009. Identifiering av nyckelfaktorer för osäkerhet i förutsägelsen av en kontorsbyggnads termiska prestanda under klimatförändringar. Building Simulation, 2, s.157-174.

[1] Ramallo-González, AP 2013. Modellering, simulering och optimering av lågenergibyggnader. PhD. University of Exeter.

[2] Rafsanjani, HN; Ahn, CR; Alahmad, M. En översyn av metoder för avkänning, förståelse och förbättring av beläggningsrelaterade energianvändningsbeteenden i kommersiella byggnader. Energies 2015, 8, 10996-11029.

[3] ODPM, 2005. Ålder för kommersiella och industriella lager: Lokal myndighetsnivå 2004. London: Vice premiärministerns kontor.

[4] CLG, 2007. Engelska husets tillståndsundersökning 2007, årsrapport. Kommuner och lokala myndigheter.

[5] Wilde, P. & Coley, D., 2012. Implikationerna av ett förändrat klimat för byggnader. Byggnad och miljö, 55, s.1-7.

[6] Wang, WM, Zmeureanu, R. & Rivard, H., 2005. Tillämpa genetiska algoritmer med flera mål i grön byggnadsdesignoptimering. Byggnad och miljö, 40, s.1512-1525.

[7] Eames, M., Kershaw, T. & Coley, D., 2011. Den lämpliga rumsliga upplösningen av framtida väderfiler för byggnadssimulering. Journal of Building Performance Simulation, 5, s.1-12.

[8] Wingfield, J., Bell, M., Miles-Shenton, D., South, T. & Lowe, B., 2011. Utvärdera inverkan av en förbättrad energiprestandastandard på bärande murverk i hushållskonstruktioner, Understanding the gap

[9] Hopfe, C., Hensen, J., Plokker, W. & Wijsman, A., 2007. Modellosäkerhets- och känslighetsanalys för termisk komfortförutsägelse, Proceedings of the 12th Symposium for Building Physics. Dresden, mars

[10] Schnieders, J. & Hermelink, A., 2006. CEPHEUS-resultat: mätningar och de boendes tillfredsställelse ger bevis för att passivhus är ett alternativ för hållbart byggande. Energy Policy, 34, s. 151-171.

[11] Blight, TS, Coley DA, 2012 Effekten av boendes beteende på energiförbrukningen av lågenergibostäder, 2:a konferensen om byggnadsenergi och miljö. Boulder, USA.

[12] Richardson, I., Thomson, M. & Infield, D., 2008. En högupplöst modell för beläggning av hushållsbyggnader för simuleringar av energiefterfrågan. Energi och byggnader, 40, s.1560-1566.

[13] Pettersen, TD, 1994. Variation av energiförbrukning i bostäder på grund av klimat, byggnad och invånare. Energi och byggnader, 21, s.209-218.

[14] Wilde, P. & Tian, W., 2009. Identifiering av nyckelfaktorer för osäkerhet i förutsägelsen av en kontorsbyggnads termiska prestanda under klimatförändringar. Building Simulation, 2, s.157-174.