[Zurück]


Dissertationen (eigene und begutachtete):

N. Ghiassi:
"An Hourglass Approach to Urban Energy Computing";
Betreuer/in(nen), Begutachter/in(nen): A. Mahdavi, H. Rechberger, D. Saelens, J. Page, S. Dustdar; Institut für Architekturwissenschaften, Abteilung Bauphysik und Bauökologie, 2017; Rigorosum: 15.12.2017.



Kurzfassung deutsch:
Die Entwicklung effektiver Strategien für die Verbesserung der Energieperformanz der bebauten Umgebung ist abhängig von verlässlichen Daten über der räumlichen und temporalen Verteilung des Energiebedarfs und -potenzials. Hierfür nimmt das Interesse an der urbanen Energieberechnung stetig zu. Allerdings, in den meisten vorherigen wissenschaftlichen Bemühungen, wegen der höhen Berechnungs- und Datenaufwände, wurden vereinfachte Rechenprozeduren adoptiert. Diese Modelle können die temporale Dynamik der Energielast und ihre Abhängigkeit von den transienten Phänomenen (z. B. Bewohner und Klima) nicht mit der passenden Auflösung erfassen. Dieser Beitrag berichtet von den Entwicklungsaktivitäten zur Schaffung eines Bottom-up Heizwärmebedarfsmodels für den urbanen Gebäudebestand, welche die Nutzung detaillierten Gebäude-Performanz-Simulationsmethoden (BPS) für energetische Untersuchungen auf urbanen Ebene ermöglicht. Zu diesem Zweck wurde eine Zwei-Schritt-Methode entwickelt und auf eine urbane Instanz in der Stadt Wien, Österreich bezogen. Der erste Schritt befasst sich mit dem höhen Daten- und Rechenaufwand der BPS-Methoden und basiert auf der systematischen Verkleinerung des erforderlichen Rechenausmaßes mittels Sampling. In dieser Hinsicht wurden entscheidende energierelevante Gebäudeeigenschaften zusammen mit wohlbekannten Data-Mining-Methoden verwendet, um den urbanen Gebäudebestand zu klassifizieren und repräsentative Gebäude auszuwählen. Detaillierte Beschreibungen der gewählten Gebäude werden benutzt, um entsprechende Simulationsmodelle zu erstellen. Da der Verlust der Diversität eine natürliche Konsequenz der Sample-basierten Studien ist, wurde zur Teilweisenzurückgewinnung der verlorenen Diversität einen Rediversifizierungsschritt entwickelt. Diese automatisierte Prozedur erstellt Permutationen der Simulationsmodelle der repräsentativen Gebäuden, mit diversifizierten nicht-geometrischen physikalischen und operativen Gebäudeeigenschaften. Zur Repräsentierung der operativen Diversität wurden stochastische Verfahren angewendet, um plausible aber auch diverse Repräsentationen der Präsenz und Aktionen der Bewohner zu erstellen. Die physikalische Diversität - hauptsächlich in Bezug auf die thermische Qualität der Konstruktionselemente - wurde durch parametrische Repräsentierung der relevanten Materialeigenschaften behandelt. Als Voraussetzung der vorgeschlagenen Methode wurde eine energetisch-relevante Repräsentation des urbanen Gebäudebestandes auf Basis GIS-Daten und relevanten Gebäude-Performanz-Evaluierungsstandards erstellt, welche die Zwei-Schritt-Methode informiert und unterstützt. Da das vorgestellte Verfahren im ersten Schritt das Rechenausmaß verkleinert und dieses im zweiten Schritt durch Rediversifizierung ausweitet, wurde den Begriff "Hourglass Model" zur Beschreibung dessen adoptiert. Die vorgeschlagene Methode reduziert den mit der großflächigen Verwendung der BPS-Methoden verbundenen Modellierungsaufwand stark durch Sampling. Vorversuche deuten eine vielversprechende Übereinstimmung zwischen den vorausberechneten und erwarteten Werten des Heizbedarfs an, sowohl auf Kumulierten- als auch auf Gebäudeebene.

Kurzfassung englisch:
The development of effective strategies to improve the energy performance of the built environment depends on reliable data on the spatial and temporal distribution of energy demand and supply. As such, the interest in the urban energy computing has been steadily increasing. However, in most efforts, the informational and computational challenges have led to the adoption of simplified computational routines. These models fail to capture the temporal dynamics of load patterns and their dependency on
transient phenomena (occupants and climate) with appropriate resolution.
The present contribution reports on developmental activities towards generation of a bottom up urban stock heating demand model, which enables the use of Building Performance Simulation (BPS) tools for urban-level inquiries. For this purpose, a two-step method was adopted and applied to an urban instance in the city of Vienna, Austria. The first step, addresses the challenge of high informational and computational demand of BPS tools based on a systematic reduction of the extent of the required
computations through sampling. Toward this end, key energy-relevant features of the buildings are used, along with a well-known datamining technique to classify the urban building stock and select representative buildings. Detailed descriptions of the selected buildings are utilized to generate detailed
simulation models. Since loss of diversity is a natural consequence of any sample-based study, to recover part of the lost diversity, in a second step, a re-diversification routine was developed. This routine automatically generates permutations of the simulation models of the sample buildings, with diversified descriptions of non-geometric physical and operational building parameters. To represent operative diversity, stochastic techniques have been employed to model plausible yet diverse
representations of occupants' presence and actions. The physical diversity, mainly pertaining to the thermal quality of construction components, has been treated through parametric representation of relevant material properties. As a prerequisite to the suggested method, GIS data and relevant performance assessment standards are utilized to generate an energy-relevant representation of the urban stock, which informs the two-step method. Since this framework reduces the computation
domain in a first step and enhances it through the re-diversification process, the term "hourglass model"
has been adopted to characterize it.

The suggested method drastically reduces the modeling effort associated with large-scale application of BPS tools through sampling. Preliminary evaluations suggest a promising accord between the predicted and the expected values of heating demand, both at aggregated and disaggregated levels.

Erstellt aus der Publikationsdatenbank der Technischen Universität Wien.