[Back]

N. Ghiassi, F. Tahmasebi, U. Pont, A. Mahdavi:
"URECA - Urban Energy Computing Approach";
Report for FFG - Programm Stadt der Zukunft; Report No. Einreichung, 2016; 46 pages.

Climate change, depletion of resources, and rapid increase in urban population call for strategies to help cities cope with future conditions. In this regard, introduction of new urban energy management concepts, such as distributed generation and smart grids, promise more efficient and sustainable energy production and distribution. However, such top-down strategic planning and effective allocation of available resources necessitate information regarding energy demand, energy supply and improvement potential of buildings, as well as tools and methods to investigate the consequences of various intervention and change scenarios.
Smart metering and extensive monitoring activities are the most reliable methods of energy data acquisition. However, due to high cost and data privacy issues, corresponding near-term urban-scale deployments are rather unlikely. To bridge this informational gap and to support scenario modeling and predictive and comparative analyses, the present project proposal focuses on the development of an urban energy modeling environment for the investigation of the implications of various intervention and change scenarios. Adopting a bottom up modeling approach URECA suggests a frame work based on the cluster sampling of the urban building stock according to energy related building characteristics extracted from available GIS data repositories. Cluster analysis has been widely applied in various fields of science to help understand the underlying structures of large multi-dimensional data collections. Sampling helps reduce the spatial scope of the required computations to a manageable size. It thus facilitate the adoption of building performance simulation tools for urban energy modelling and comparative analyses, otherwise impossible due to the extensive informational and computational requirements of these applications. GIS, as the main interface of the proposed environment enables user interaction and data visualization.
Dynamic performance simulation tools can approximate building energy demand with high temporal resolution and incorporate various climatic, behavioral, and technological aspects. However, use of building performance simulation tools to obtain reliable urban-scale energy assessments necessitates valid representation of occupants across a large number of buildings, which is not a trivial task. Toward this end, we deploy the existing reliable data on occupant presence and behavior patterns for different building type as well as validated stochastic occupancy models to represent the random and diverse nature of occupants´ presence and behavior across different building types. This approach shall also allow for expanding the buildings´ sample size by consideration of realistic occupancy variations.
The proposed framework for incorporation of GIS-based cluster sampling and building performance simulation tools equipped with stochastic occupancy models provides the basis of an integrated urban energy modeling environment. Through URECA the potential of the suggested framework will be demonstrated through a case study and toolboxes will be developed for data processing and extraction of energy related building characteristics from GIS data.

Die kommenden Effekte des Klimawandels, die Erschöpfung von wichtigen Ressourcen, die starke Verstädterung und das starke Bevölkerungswachstum erfordern Strategien, die mit diesen Herausforderungen umgehen können, sowie im Stande sind, auch Wandel und unerwartetes rasch und sicher zu reagieren. In diesem Kontext sind neue Energy-Management-Werkzeuge von Notwendigkeit, wie beispielsweise verteilte Energiesysteme, dezentrale Energiegewinnung und Verteilung. Leider sind "Top-Down"-Ansätze ("Wir machen dies jetzt") selten von Erfolg gekrönt, da solche komplexen Situationen strategische Planung, effiziente Ressourcenallokation der verfügbaren Ressourcen und vor allem einen riesigen Daten- und Informationshunger mit sich bringen. Eine der Schlüsselherausforderungen wird daher eine entsprechende Reaktion hinsichtlich Tool- und Softwareentwicklung sein müssen.
Dazu kommen Technologien wie "Smart Metering" und "Gebäudemonitoring", die in zeitgemäßen Ansätzen der Datengewinnung über Energieverbräuche und Erzeugung Verwendung finden sollten, da nur sie im Stande sind, wirtschaftlich entsprechende Informationsdichten zu generieren. Leider setzen sich diese Technologien aus verschiedenen Gründen nur mäßig durch (Kosten, Datenschutzbedenken). Daher - und auch aus Gründen mangelnder computionaler Rechenleistung - sind detaillierte stadtteil- oder stadtbezogene Rechenmodelle nur problematisch umsetzbar. Um die Datenlücken, die offenbar bestehen, zu füllen und um zukünftige Entscheidungsfindungen unterstützen zu können, sind daher Alternativen erforderlich: Das Projekt URECA schlägt daher einen "Bottom-Up"Approach anhand verfügbarer Informationen vor. Diese Informationen können mittels kleinräumiger Erfassung, Identifikation von vorhanden Datenquellen und Methoden zum statistisch-probabilistischen Schließen von der Stichprobe zur Gesamtheit, in ausreichender Form generiert und verwendet werden.
Hierzu sind Methoden wie "Occupancy Modelling", "Cluster Analyse", "GIS" und andere hilfreich. In aller Kürze beschrieben, sollen kleinräumige und feinaufgelöste Daten (Gebäudenutzer, Occupancy-Modelling von Einzelbauwerken) mittels Identifikation von repräsentativen Gebäuden, die ganze Gebäudecluster vertreten, statistisch hochskaliert werden. Die dahinterliegenden Technologien und Methoden müssen sehr mit Bedacht gewählt werden und entsprechende Dokumentation und Methodenentwicklung betrieben werden.
URECA schlägt ein Framework vor, in dem GIS-basiertes Cluster Sampling und Gebäudeperformance-Tools mit stochastischen Gebäudenutzungsprofilen angereichert werden, die damit den Schlüssel für eine integrierte quartiersbezogene Energieanalyse ermöglichen. In der vorliegenden Sondierung sollen diese Methoden entwickelt und verfeinert werden, und anhand einer Case-Study ein Proof of Concept der entwickelten Werkzeuge durchgeführt werden.

Urbanes Energie Modellieren, Occupancy, GIS, Urban Clustering