[Back]

F. Tahmasebi:
"Exploring the effectiveness of occupant behavior models toward more reliable building performance simulation";
Supervisor, Reviewer: A. Mahdavi, A. Wagner, C. Kühn; Institut für Architekturwissenschaften, Abteilung Bauphysik und Bauökologie, 2016; oral examination: 2016-10-13.

Given the impact of occupants' presence and control action on indoor environment and the complex nature of such interactions, sophisticated models of occupants' presence and behavior are increasingly deployed to enhance the reliability of building performance simulations. However, use of occupancy-related models in building simulation efforts and their predictive performance in different contexts involves potentially detrimental uncertainties. To address this issue, the present study deploys long-term monitored data and a calibrated building simulation model to examine a number of existing and novel models of occupants' presence, use of electrical equipment and operation of windows. The models are evaluated in view of their potential in prediciting occupants' behavior, as well as their effectiveness to enhance the reliability of building performance simulation efforts.

Specifically, the results of the study suggest that to assess the occupancy and plug load distributions and peaks, and for the purpose of window operation prediction in the free-running season, the stochastic models could outperformn the typical diversity profile and rule-based models. However, the superior performance of the stochastic models does not nevessarily translate into more accurate estimations of common building performance indicators such as annual and peak heating demands. Moreover, for simulation deployment scenarios such as predictive building systems control, which rely on short time-interval predicitons, the non-stochastic models tend to provide more accurate results, as they use typical patterns of occupantsÄ presence and behavior.

In general term, this dissertation concludes that stochastic occupant behavior models can emulate the seemingly random character of occupant behavior and provide probabilistic distributions of performance indiucators. However, these models can contribute to enhance building performance simulations, if they delineate their scope of application and address the diverstiy and social context associated with occupants' control-oriented actions.

Angesichts der Implikationen des Nutzerverhaltens auf das Innenraumklima und die Energieperformance von Bauwerken gibt es gegenwärtig große Bemühungen, diesen wesentlichen Teil der Charakteristik von Gebäuden zu erschließen, um zuverlässigere Vorhersagen der Gebäudeperformance mittels Simulationswerkzeugen zu erzielen. Die Eingabedaten der "Occupancy" - so der gebräuchliche Terminus für Anwesenheit der Gebäudenutzer und Ihre Interaktion mit den Gebäuden - unterliegen jedoch immer noch großen Unsicherheiten. Um dieses Problem zu adressieren, verwendet die vorliegende Arbeit Langzeitmessdaten und ein kalibriertes Gebäudesimulationsmodell, um eine Reihe von existierenden und neuartigen Occupancy-Modellen (hinsichtlich Anwesenheitsprofilen der Nutzer, der Nutzung von stromverbrauchenden Geräten und der Interaktion mit Fenstern) auf Ihre Zuverlässigkeit zu untersuchen.

Die Ergebnisse der Studie zeigen, dass stochastische Modelle hinsichtlich der Bewertung von Anwesenheit und Stromverbrauchsprofien und -spitzen, wie auch für die Bewertung der Interaktion mit Fenstern in Perioden wo nicht aktiv geheizt oder gekühlt wird, den regel-basierten Modellen überlegen sind. Allerdings führt diese gute Performance der stochastischen Modelle nicht automatisch zu einer genaueren Vorhersage bestimmter Gebäude-Performance Indikatioren, wie beispielsweise den jährlichen Heizwärmebedarf oder die Spitzenheizlast. Darüber hinaus zeigt sich, dass für bestimmte Applikationen, die Voerherasgen in geringeren zeitlichen Intervallen benötigen, z.B. prädiktive Gebäudesteuerung, die nicht-stochastischen Modelle bessere Resultate liefern, da sie typische Verhaltens-Muster der Nutzer beinhalten.

Aus dieser Arbeit kann geschlossen werden, dass stochastische Occupancy-Modelle gut geeignet sind, den scheinbar zufälligen Charakter von Nutzerverhalten zu emulieren und entsprechende probabilistische Verteilungen von Performance-Indikatoren über die Zeit zu generieren. Die Integration der Diversität von Nutzerverhalten und sozialwissenschaftlicher Erkenntnisse in stochastische Occupancy-Modelle sowie ein klar definierter Verwendungsbereich der Modelle, kann diese zu wertvollen Bestandteilen von Gebäudesimulation machen.