Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Ảnh hưởng của các mô hình hiện diện của người dùng đến tiêu thụ năng lượng và mối liên hệ của nó với sự thoải mái: một nghiên cứu trường hợp dựa trên dữ liệu từ cảm biến và dữ liệu thu thập từ đám đông
Tóm tắt
Trong những năm gần đây, việc giám sát các mô hình hiện diện của người sử dụng đã trở thành một yêu cầu bắt buộc để tối ưu hóa năng lượng trong tòa nhà. Rất thường xảy ra sự chênh lệch đáng kể giữa hiệu suất năng lượng của tòa nhà được dự đoán ở giai đoạn thiết kế và hiệu suất thực tế trong quá trình vận hành tòa nhà. Điều này xuất phát từ sự khác biệt trong mức độ sử dụng của người dùng. Mặc dù vậy, việc tương tác và phản hồi của người dùng hiếm khi được xem xét và bằng chứng về tác động của các mô hình hiện diện đến tiêu thụ năng lượng vẫn còn khan hiếm. Do đó, mục đích của nghiên cứu này là áp dụng các kỹ thuật cảm biến đám đông để hiểu cách năng lượng được tiêu thụ và các chỉ số hiệu suất phù hợp nên được định nghĩa ra sao để cung cấp thông tin cho các hoạt động xây dựng liên quan đến việc sử dụng tài nguyên một cách hiệu quả hơn. Các chiến lược giám sát đã được triển khai trong một phòng thí nghiệm văn phòng với các biến kiểm soát để thu thập dữ liệu định lượng về các mô hình hiện diện, các yếu tố môi trường và mức tiêu thụ năng lượng. Ngoài ra, các kỹ thuật cảm biến đám đông đã được áp dụng để mô hình hóa hoạt động của người dùng trong các điều kiện môi trường khác nhau theo thời gian và để đối chiếu sự hiện diện của họ với các mô hình tiêu thụ năng lượng kết hợp với các công cụ khảo sát mới để xác định cách người sử dụng cảm nhận mức độ thoải mái của họ. Thêm vào đó, một bộ chỉ số hiệu quả năng lượng đã được sử dụng để so sánh hiệu suất năng lượng qua các thời kỳ khác nhau. Phát hiện cho thấy có mối quan hệ mạnh mẽ giữa các mô hình hiện diện của người sử dụng và tiêu thụ năng lượng. Tuy nhiên, hơn 50% năng lượng được tiêu thụ khi không có hoạt động của người dùng được ghi nhận. Các chỉ số hiệu suất năng lượng cho thấy rằng việc đo lường hiệu suất năng lượng theo kWh trên diện tích khuyến khích việc sử dụng không gian kém hiệu quả hơn, vì vậy việc bao gồm một hệ số giờ của người là khả thi. Cũng phát hiện rằng người dùng không hoàn toàn dựa vào các cơ chế phản hồi và họ thích hành động để điều chỉnh các điều kiện môi trường hơn là chỉ đơn giản bày tỏ ý kiến của mình. Phân tích việc sử dụng năng lượng trong thời gian phong tỏa Covid-19 tiết lộ việc sử dụng năng lượng lớn trái ngược với những gì được mong đợi. Điều này là do máy tính tại nhà được sử dụng chỉ như các thiết bị đầu cuối, trong khi các nhiệm vụ thực tế được thực hiện trên máy tính trong phòng thí nghiệm, sử dụng kết nối máy tính từ xa, được bật 24/7. Ngoài ra, năng lượng tiêu thụ của từng nhân viên tại nhà cũng cần được xem xét. Hơn nữa, một bộ các khuyến nghị thực tiễn đã được xây dựng.
Từ khóa
Tài liệu tham khảo
Martincigh L, Bianchi F, Di Guida M, Perrucci G (2016) The occupants’ perspective as catalyst for less energy intensive buildings. Energy Buildings 115:94–101
Karatas A, Stoiko A, Menassa CC (2016) Framework for selecting occupancy-focused energy interventions in buildings. Build Res Inf 44(5–6):535–551
Yan D, O’Brien W, Hong T, Feng X, Gunay HB, Tahmasebi F, Mahdavi A (2015) Occupant behavior modeling for building performance simulation: current state and future challenges. Energy Buildings 107:264–278
D’Oca S, Hong T (2015) Occupancy schedules learning process through a data mining framework. Energy Buildings 88:395–408
Duarte C, Van Den Wymelenberg K, Rieger C (2013) Revealing occupancy patterns in an office building through the use of occupancy sensor data. Energy Buildings 67:587–595
Lasla N, Doudou M, Djenouri D, Ouadjaout A, Zizoua C (2019) Wireless energy efficient occupancy-monitoring system for smart buildings. Pervasive Mob Comput 59: 101037
Yezioro A, Dong B, Leite F (2008) An applied artificial intelligence approach towards assessing building performance simulation tools. Energy Buildings 40(4):612–620
Virote J, Neves-Silva R (2012) Stochastic models for building energy prediction based on occupant behavior assessment. Energy Buildings 53:183–193
Li K, Hu C, Liu G, Xue W (2015) Building’s electricity consumption prediction using optimized artificial neural networks and principal component analysis. Energy Buildings 108:106–113
Sandels C, Widén J, Nordström L, Andersson E (2015) Day-ahead predictions of electricity consumption in a Swedish office building from weather, occupancy, and temporal data. Energy Buildings 108:279–290
Wang Z, Ding Y (2015) An occupant-based energy consumption prediction model for office equipment. Energ Buildings 109:12–22
Song K, Kwon N, Anderson K, Park M, Lee HS, Lee S (2017) Predicting hourly energy consumption in buildings using occupancy-related characteristics of end-user groups. Energy Buildings 156:121–133
Zhao D, McCoy AP, Du J, Agee P, Lu Y (2017) Interaction effects of building technology and resident behavior on energy consumption in residential buildings. Energy Buildings 134:223–233
Paone A, Bacher JP (2018) The impact of building occupant behavior on energy efficiency and methods to influence it: A review of the state of the art. Energies 11(4):953
Huovila A, Tuominen P, Airaksinen M (2017) Effects of building occupancy on indicators of energy efficiency. Energies 10(5):628
Erickson VL, Carreira-Perpiñán MÁ, Cerpa AE (2014) Occupancy modeling and prediction for building energy management. ACM Trans Sensor Networks 10(3):1–28
Taylor CE (2015) Occupancy matching. Energy Eng 112(3):11–21
Haynes B, Suckley L, Nunnington N (2017) Workplace productivity and office type: an evaluation of office occupier differences based on age and gender. J Corporate Real Estate 19:111–138
Horr Y, Arif M, Kaushik A, Mazroei A, Katafygiotou M, Elsarrag E (2016) Occupant productivity and office indoor environment quality: A review of the literature. BuildEnviron 105:369–389
Martell M, Rodríguez F, Castilla M, Berenguel M (2020) Multiobjective control architecture to estimate optimal set points for user comfort and energy saving in buildings. ISA T 99:454–464
ASHRAEE (AMERICAN SOCIETY OF HEATING, REFRIGERATING & AIR-CONDITIONING ENGINEERS). (2017). Standard 55: thermal environmental conditions for human occupancy.
ISO Standard 7730 (2005) Ergonomics of the thermal environment—Analytical determination and interpretation of thermal comfort using calculation of the PMV and PPD indices and local thermal comfort criteria. BS EN ISO 7730:2005
Haynes BP (2007) Office productivity: a shift from cost reduction to human contribution. Facilities 25:452–462
Aragon V, Gauthier S, Warren P, James PA, Anderson B (2019) Developing English domestic occupancy profiles. Build Res Inf 47(4):375–393
Abdul-Wahab SA (2011) Sick building syndrome Berlin: Springer-Verlag 10:978–983
Salimi S, Hammad A (2019) Critical review and research roadmap of office building energy management based on occupancy monitoring. Energy Buildings 182:214–241
Rueda L, Agbossou K, Cardenas A, Henao N, Kelouwani S (2020) A comprehensive review of approaches to building occupancy detection. Build Environ 180:106966
Zhu T, Xiao S, Zhang Q, Gu Y, Yi P, Li Y (2015) Emergent technologies in big data sensing: a survey. Int J Distrib Sens N 11(10):902982
Meteo.cat. (2020). Estacions Meteorològiques. Retrieved 14 December 2020, from https://www.meteo.cat/wpweb/climatologia/serveis-i-dades-climatiques/anuaris-de-dades-meteorologiques/xarxa-destacions-meteorologiques-automatiques/
Pérez-Lombard L, Ortiz J, Pout C (2008) A review on buildings energy consumption information. Energy Buildings 40(3):394–398
Santin OG (2011) Behavioural patterns and user profiles related to energy consumption for heating. Energy Buildings 43(10):2662–2672
Zhao HX, Magoulès F (2012) A review on the prediction of building energy consumption. Renew Sust Energ Rev 16(6):3586–3592
Yang L, Yan H, Lam JC (2014) Thermal comfort and building energy consumption implications–a review. ApplEnerg 115:164–173
Mikulik J (2018) Energy demand patterns in an office building: a case study in Kraków (Southern Poland). Sustainability 10(8):2901
Gagge AP, Stolwijk JAJ, Hardy JD (1967) Comfort and thermal sensations and associated physiological responses at various ambient temperatures. Environ Res 1(1):1–20
Benesty, J., Chen, J., Huang, Y., & Cohen, I. (2009). Pearson correlation coefficient. In Noise reduction in speech processing (pp. 1–4). Springer, Berlin, Heidelberg.
Yang J, Santamouris M, Lee SE (2016) Review of occupancy sensing systems and occupancy modeling methodologies for the application in institutional buildings. Energyy Buildings 121:344–349
Calì D, Osterhage T, Streblow R, Müller D (2016) Energy performance gap in refurbished German dwellings: Lesson learned from a field test. Energy Buildings 127:1146–1158
Dooley, K. (2011, October). New ways of working: Linking energy consumption to people. In Proceedings at the World Sustainable Building Conference SB.
Ministerio de Fomento. (2019). Documento Básico. Seguridad en caso de incendio. Secretaría de Estado de Infraestructuras, Transporte y Vivienda, Spain.
Martani C, Lee D, Robinson P, Britter R, Ratti C (2012) ENERNET: Studying the dynamic relationship between building occupancy and energy consumption. Energy Buildings 47:584–591
ASHRAE (American Society of Heating and Refrigerating Engineers). (1997), Handbook of Fundamentals: Physiological Principles, Comfort, Health, New York.
European Committee for Standardization (2007). 15251, Indoor environmental input parameters for design and assessment of energy performance of buildings addressing indoor air quality, thermal environment, lighting and acoustics. European Committee for Standardization, Brussels, Belgium.
European Committee for Standardization (2011). EN 12464–1:2011 Light and lighting – Lighting of work places. Part 1: Indoor work places. European Committee for Standardization, Brussels, Belgium.
EU Directive 2003/10/EC. (2003) of The European Parliament and of the Council of 6 February 2003 on the minimum health and safety requirements regarding the exposure of workers to the risks arising from physical agents (noise) (Seventeenth individual Directive within the meaning of Article 16(1) of Directive 89/391/EEC
Fanger, P. O. (1970). Thermal comfort. Analysis and applications in environmental engineering. Thermal comfort. Analysis and applications in environmental engineering.
Djekic J, Djukic A, Vukmirovic M, Djekic P, Brankovic MD (2018) Thermal comfort of pedestrian spaces and the influence of pavement materials on warming up during summer. Energy Buildings 159:474–485