[Back]

V. Oberwalder:
"Impact of User Behaviour Assumptions on computed Urban Scale Building Energy Use";
Supervisor: A. Mahdavi, U. Pont; Institute for Architectural Science, Department of Building Physics and Building Ecology, 2021; final examination: 2021-06-25.

Building performance simulation software tools deliver various key performance indicators of
different aspects of building performance. To a certain extent such tools integrate occupant
behaviour input data. However, an accurate mapping of real user behaviour in form of human
interaction with the building and its systems into simulation models can be considered as
challenging. This is due to the diverse nature of user behaviour regarding occupancy, time
dimension, and impact on the different aspects of the building performance. Several studies
suggest the integration of available historical and measured data as input data for simulation.
Needless to say, this approach is connected with the strenuous effort of collecting and
structuring such data.
In this contribution, reasonable scenarios of occupant´s interaction with buildings are studied.
Thereby, the major aim is to gain a better understanding of the impact of occupant behaviour
onto the building´s performance. For this purpose, a sample of buildings, which have been
chosen to represent the building stock in the central area of Vienna, Austria, is subjected to
building performance simulation with different assumptions regarding the occupancy
behaviour. These different assumptions lead to different results in view of building
performance KPIs. As such, the impact of different occupancy assumptions onto buildings that
vary in size, usage, and thermal envelope quality is extensively studied.
The results obtained for these sample buildings include heating loads, cooling loads, and the
temperature conditions including potential occurrences of overheating. An extensive
comparison of the different buildings with associated occupant population patterns is
undertaken. These interim results are then upscaled to the overall building stock via methods
of statistics. As a result, the described efforts allow for a qualified estimation of potential of
the behavioural changes in reducing building-related energy use.

Mit Hilfe von thermischer Gebäudesimulation können heute verschiedene Key Performance Indikatoren relativ mühelos mit einem hohen Grad an Genauigkeit ermittelt werden. In
üblichen Simulationswerkzeugen wird das Nutzer*innenverhalten zumindest rudimentär beschrieben. Nichtsdestotrotz muss festgehalten werden, dass eine genaue Abbildung der
Interaktion von Nutzer*innen mit dem Gebäude als Aufenthaltsort und als Aggregat von die Gebäudeperformance beeinflussenden Systemen nach wie vor als eine der größten
Herausforderungen in der Domäne Gebäudesimulation gilt. Das hat mitunter mit der sehr diversen Struktur des Nutzer*innenverhaltens betreffend Anwesenheit in zeitlicher und räumlicher Dimension, wie auch mit der Interaktion der Nutzer*innen mit verschiedenen
Teilsystemen des Systems Gebäude, wie Heizungssysteme, Verschattung und Lüftung und der damit verbundenen Implikationen auf die verschiedenen Teilaspekte, welche die
(thermische) Gebäudeperformance beeinflussen. In verschiedenen wissenschaftlichen Studien wurden historische, durch Beobachtung oder Messung erlangte Werte als geeignet zum Einsatz in den Simulationen verwendet. Dies ist jedoch offensichtlich mit einem großen Aufwand betreffend Datensammlung und entsprechender Bearbeitung (Stukturierung, Skalierung, etc.) verbunden. In dieser Masterthese werden unterschiedliche Szenarien der
Nutzer*innen Interaktion ("Occupancy") mit Gebäuden untersucht. Die übergeordnete Zielsetzung ist es, ein besseres Verständnis für den Einfluss des Nutzer*Innenverhaltens auf
die Gebäudeperformance zu erlangen. Um dies großmaßstäblich studieren zu können, wurde ein Gebäudesample aus Wien gewählt, welches basierend auf Aspekten wie Volumen, Größe,
Nutzung und Alter geeignet ist, die Gebäudestruktur eines Wiener Bezirksteils zu repräsentieren. Da eine genaue simulationsbezogene Analyse des gesamten Gebäudebestands auf Grund des damit verbundenen enormen Aufwands kaum sinnvoll
durchführbar ist, dient dieses Sample zur Detailuntersuchung. Auf das Gebäudesample werden unterschiedliche Occupancy-Szenarien angewandt und diese dann mittels thermischer Gebäudesimulation hinsichtlich ihres Einflusses auf KPIs untersucht.
Die Ergebnisse aus dem Gebäudesample werden dann mittels statistischer Methoden auf den Bezirk übertragen ("Upscaling"). Damit kann ermittelt werden, mit welchem Einsparungspotentialen hinsichtlich einer Veränderung des Nutzer*innenverhaltens gerechnet werden kann.

Gebäudesimulation, Nutzerverhalten, Nutzerprofile, Hochskalierung, Building performance simulation, occupant behaviour, user scenarios, urban scale projection