[Back]

H. Shirdel:
"A Computational Environment for Building Enclosure Systems Design and Control Support via Dynamic Simulation-assisted Optimization";
Supervisor, Reviewer: A. Mahdavi, M. Kalousek, M. Schuss, H. Schramm; Institut für Architekturwissenschaften, Abteilung Bauphysik und Bauökologie, 2018; oral examination: 2018-09-10.

In the last decades, a number of developments have made global optimization of large multi-dimensional design option spaces possible. Such developments include the increase in computing power, emergence of sophisticated optimization algorithms, and new techniques for the derivation of computationally highly efficient meta-models. Along with their promise, such developments also involve a number of potential drawbacks. For one thing, meta-models occasionally fail to capture the behaviour of "non-conventional" and complex designs. Another critical problem pertains to the potentially opaque nature of large-scale global optimization exercises, which make them less amenable to provision of intuitively graspable support in a naturally iterative design process. In this context, this research explores the potential of a novel approach toward iterative global optimization of locally optimized attribute clusters of building design solutions. Thereby, clusters of design space attributes (i.e., sets of ontologically cognate aspects of designs) that are comprehensible to typical building designers as a compound yet coherent aspects of a design are made subject to multiple passes of local simulation-assisted optimization runs. Hence, instead of allocating an individual dimension to each and every variable of a complex design within the context of a single-pass global optimization campaign, multiple iterative optimization steps target coherent clusters of such attributes and pursue those until the overall design meets the expected performance (or until further performance improvement is not forthcoming). The dissertation reports on several tests of this approach, documenting the method´s advantages (i.e., use of original simulation models instead of meta-models as well as iterative, transparent, and intuitive navigation of the design space).
The performance of the implementations of the proposed approach via optimization case studies, which contained different system operation options are illustrated (e.g., random cycling between attribute clusters versus predefined sequences as well as different complexities of the buildings).
The proposed method delivers optimized solutions that are - as far as the values of the energy performance indicators and the associate cost function are concerned - virtually indistinguishable from those of a reference one-shot global optimization run. However, in this approach the results are not only obtained faster, more efficiently and more accurately, but also via a transparent, traceable, and designer-friendly process.

In den letzten Jahrzehnten machte eine Reihe von Entwicklungen die globale Optimierung großer multidimensionaler Designoptionsräume möglich. Zu diesen Entwicklungen gehören das Wachstum von Rechenleistungen, die Entstehung hochentwickelter Optimierungsalgorithmen und neue Techniken zur Ableitung von rechnerisch hocheffizienten Meta-Modellen. Neben ihren Versprechen beinhalten diese Entwicklungen auch einige potenzielle Nachteile. Beispielsweise können Metamodelle gelegentlich das Verhalten "nicht-konventioneller" und komplexer Designs nicht erfassen. Ein weiteres kritisches Problem betrifft die potentiell undurchsichtige Natur großer, globaler Optimierungsübungen, die sie für die Bereitstellung intuitiver Unterstützung in einem natürlichen iterativen Entwurfsprozess weniger zugänglich machen. In diesem Zusammenhang untersucht diese Arbeit das Potenzial eines neuartigen Ansatzes zur iterativen globalen Optimierung lokal optimierter Attribut-Cluster von Gebäudeentwurfslösungen. Dadurch werden Cluster von Entwurfsraumattributen (d.h. Sets ontologisch verwandter Aspekte von Entwürfen), die für typische Gebäudegestalter als zusammengesetzter, jedoch kohärenter Aspekt eines Entwurfs verständlich sind, mehreren Durchgängen von lokalen simulationsgestützten Optimierungsläufen unterzogen. Anstatt jeder Variablen eines komplexen Designs im Rahmen einer globalen Single-Pass-Optimierungskampagne eine einzelne Dimension zuzuordnen, zielen mehrere iterative Optimierungsschritte auf kohärente Cluster dieser Attribute ab und verfolgen diese, bis das Gesamtdesign der erwarteten Leistung entspricht (oder bis eine weitere Leistungsverbesserung bevorsteht). Die Dissertation berichtet über mehrere Tests dieses Ansatzes und dokumentiert die Vorteile der Methode (d.h. die Verwendung von Original-Simulationsmodellen statt Meta-Modellen sowie die iterative, transparente und intuitive Navigation des Entwurfsraums).
Die Leistung der Implementierungen des vorgeschlagenen Ansatzes über Optimierungsfallstudien, welche verschiedene Systembetriebsoptionen beinhalteten, wird veranschaulicht (z.B. zufälliger Zyklus zwischen Attribut-Clustern gegenüber vordefinierten Sequenzen sowie unterschiedliche Komplexitäten der Gebäude).
Die vorgeschlagene Methode liefert optimierte Lösungen, die sich von denen eines globalen, eimaligen Referenz-Optimierungslaufs praktisch nicht unterscheiden, soweit die Werte der Indikatoren der Energieeffizienz und die verbundene Kostenfunktion betroffen sind. Bei diesem Ansatz werden die Ergebnisse nicht nur schneller, effizienter und genauer erzielt, sie finden auch in einem transparenten, nachweisbaren und designerfreundlichen Verfahren statt.

https://publik.tuwien.ac.at/files/publik_271491.pdf