[Zurück]

@phdthesis{ghiassi17[TUW-264481],
    author = {Ghiassi, Neda},
    title = {{A}n {H}ourglass {A}pproach to {U}rban {E}nergy {C}omputing},
    school = {{I}nstitut f{\"u}r {A}rchitekturwissenschaften, {A}bteilung {B}auphysik und {B}au{\"o}kologie},
    year = {2017},
    abstract = {{D}ie {E}ntwicklung effektiver {S}trategien f{\"u}r die {V}erbesserung der {E}nergieperformanz der bebauten {U}mgebung ist abh{\"a}ngig von verl{\"a}sslichen {D}aten {\"u}ber der r{\"a}umlichen und temporalen {V}erteilung des {E}nergiebedarfs und -potenzials. {H}ierf{\"u}r nimmt das {I}nteresse an der urbanen {E}nergieberechnung stetig zu. {A}llerdings, in den meisten vorherigen wissenschaftlichen {B}em{\"u}hungen, wegen der h{\"o}hen {B}erechnungs- und {D}atenaufw{\"a}nde, wurden vereinfachte {R}echenprozeduren adoptiert. {D}iese {M}odelle k{\"o}nnen die temporale {D}ynamik der {E}nergielast und ihre {A}bh{\"a}ngigkeit von den transienten {P}h{\"a}nomenen (z. {B}. {B}ewohner und {K}lima) nicht mit der passenden {A}ufl{\"o}sung erfassen. {D}ieser {B}eitrag berichtet von den {E}ntwicklungsaktivit{\"a}ten zur {S}chaffung eines {B}ottom-up {H}eizw{\"a}rmebedarfsmodels f{\"u}r den urbanen {G}eb{\"a}udebestand, welche die {N}utzung detaillierten {G}eb{\"a}ude-{P}erformanz-{S}imulationsmethoden ({B}{P}{S}) f{\"u}r energetische {U}ntersuchungen auf urbanen {E}bene erm{\"o}glicht. {Z}u diesem {Z}weck wurde eine {Z}wei-{S}chritt-{M}ethode entwickelt und auf eine urbane {I}nstanz in der {S}tadt {W}ien, {\"{O}}sterreich bezogen. {D}er erste {S}chritt befasst sich mit dem h{\"o}hen {D}aten- und {R}echenaufwand der {B}{P}{S}-{M}ethoden und basiert auf der systematischen {V}erkleinerung des erforderlichen {R}echenausma{\ss}es mittels {S}ampling. {I}n dieser {H}insicht wurden entscheidende energierelevante {G}eb{\"a}udeeigenschaften zusammen mit wohlbekannten {D}ata-{M}ining-{M}ethoden verwendet, um den urbanen {G}eb{\"a}udebestand zu klassifizieren und repr{\"a}sentative {G}eb{\"a}ude auszuw{\"a}hlen. {D}etaillierte {B}eschreibungen der gew{\"a}hlten {G}eb{\"a}ude werden benutzt, um entsprechende {S}imulationsmodelle zu erstellen. {D}a der {V}erlust der {D}iversit{\"a}t eine nat{\"u}rliche {K}onsequenz der {S}ample-basierten {S}tudien ist, wurde zur {T}eilweisenzur{\"u}ckgewinnung der verlorenen {D}iversit{\"a}t einen {R}ediversifizierungsschritt entwickelt. {D}iese automatisierte {P}rozedur erstellt {P}ermutationen der {S}imulationsmodelle der repr{\"a}sentativen {G}eb{\"a}uden, mit diversifizierten nicht-geometrischen physikalischen und operativen {G}eb{\"a}udeeigenschaften. {Z}ur {R}epr{\"a}sentierung der operativen {D}iversit{\"a}t wurden stochastische {V}erfahren angewendet, um plausible aber auch diverse {R}epr{\"a}sentationen der {P}r{\"a}senz und {A}ktionen der {B}ewohner zu erstellen. {D}ie physikalische {D}iversit{\"a}t - haupts{\"a}chlich in {B}ezug auf die thermische {Q}ualit{\"a}t der {K}onstruktionselemente - wurde durch parametrische {R}epr{\"a}sentierung der relevanten {M}aterialeigenschaften behandelt. {A}ls {V}oraussetzung der vorgeschlagenen {M}ethode wurde eine energetisch-relevante {R}epr{\"a}sentation des urbanen {G}eb{\"a}udebestandes auf {B}asis {G}{I}{S}-{D}aten und relevanten {G}eb{\"a}ude-{P}erformanz-{E}valuierungsstandards erstellt, welche die {Z}wei-{S}chritt-{M}ethode informiert und unterst{\"u}tzt. {D}a das vorgestellte {V}erfahren im ersten {S}chritt das {R}echenausma{\ss} verkleinert und dieses im zweiten {S}chritt durch {R}ediversifizierung ausweitet, wurde den {B}egriff ''{H}ourglass {M}odel'' zur {B}eschreibung dessen adoptiert. {D}ie vorgeschlagene {M}ethode reduziert den mit der gro{\ss}fl{\"a}chigen {V}erwendung der {B}{P}{S}-{M}ethoden verbundenen {M}odellierungsaufwand stark durch {S}ampling. {V}orversuche deuten eine vielversprechende {\"{U}}bereinstimmung zwischen den vorausberechneten und erwarteten {W}erten des {H}eizbedarfs an, sowohl auf {K}umulierten- als auch auf {G}eb{\"a}udeebene.}
}