Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Mối quan hệ giữa hình thức xây dựng và hiệu suất năng lượng của các tòa nhà văn phòng ở một khu vực giá lạnh nghiêm trọng của Trung Quốc
Tóm tắt
Người ta nhận thức rõ rằng hình thức của tòa nhà có ảnh hưởng đáng kể đến hiệu suất năng lượng trong các tòa nhà, đặc biệt là ở khí hậu lạnh. Việc hiểu mối quan hệ giữa hình thức xây dựng và việc sử dụng năng lượng là rất cần thiết để cung cấp hướng dẫn ở giai đoạn đầu của dự án, chẳng hạn như thiết kế sơ bộ. Do đó, nghiên cứu này tập trung vào hai khía cạnh để hiểu đặc điểm của việc sử dụng năng lượng do sự thay đổi của các tham số liên quan đến hình thức xây dựng. Khía cạnh thứ nhất là áp dụng phân tích độ nhạy toàn cục metamodel mới để xác định các yếu tố chính ảnh hưởng đến việc sử dụng năng lượng và khía cạnh thứ hai là phát triển các mô hình thống kê tính toán nhanh đáng tin cậy bằng cách sử dụng các phương pháp học máy tiên tiến nhất. Một tòa nhà văn phòng, nằm ở Harbin, Trung Quốc, được chọn làm trường hợp nghiên cứu sử dụng chương trình mô phỏng EnergyPlus. Kết quả chỉ ra rằng có sự tồn tại của các mối quan hệ phi tuyến giữa các biến đầu vào và việc sử dụng năng lượng cho cả nhu cầu sưởi ấm và điện năng. Đối với năng lượng sưởi ấm, hai yếu tố (số tầng và quy mô tòa nhà) thể hiện một xu hướng phi tuyến nhưng đơn điệu. Đối với cường độ sử dụng điện, quy mô tòa nhà là yếu tố duy nhất có tác động phi tuyến đáng kể. Cũng phát hiện ra rằng thứ tự xếp hạng của các yếu tố quan trọng đối với việc sử dụng điện và năng lượng sưởi ấm trên mỗi diện tích sàn thay đổi đáng kể giữa các tòa nhà quy mô nhỏ và lớn. Mô hình mạng nơ-ron hoạt động tốt hơn so với các phương pháp học máy khác, bao gồm mô hình tuyến tính thông thường, MARS (đường hồi quy thích ứng đa biến), bagging MARS, máy vector hỗ trợ, rừng ngẫu nhiên và quá trình Gaussian.
Từ khóa
#hình thức xây dựng; hiệu suất năng lượng; tòa nhà văn phòng; phân tích độ nhạy toàn cục; mô hình học máy; quy mô tòa nhàTài liệu tham khảo
AlAnzi A, Seo D, Krarti M (2009). Impact of building shape on thermal performance of office buildings in Kuwait, Energy Conversion and Management, 50: 822–828.
ASHRAE (2013). Handbook of Fundamentals. Atlanta: American Society of Heating, Air-Conditioning and Refrigeration Engineers
Badescu V (2013). Assessing the performance of solar radiation computing models and model selection procedures, Journal of Atmospheric and Solar-Terrestrial Physics, 105: 119–134.
Berardi U (2016). A cross-country comparison of the building energy consumptions and their trends. Resources, Conservation and Recycling, doi: 10.1016/j.resconrec.2016.1003.1014.
Catalina T, Virgone J, Iordache V (2011). Study on the impact of the building form on the energy consumption. In: Proceedings of International IBPSA Building Simulation Conference, Sydney, Australia.
de Wilde P, Tian W (2009). Identification of key factors for uncertainty in the prediction of the thermal performance of an office building under climate change, Building Simulation, 2: 157–174.
DOE (2015). EnergyPlus V8.3. Department of Energy, USA.
Gilg GJ, Valentine FL (2008). Building Geometry: Energy Use Effect. In: Anwar S, Capehart BL (eds), Encyclopedia of Energy Engineering and Technology. Boca Raton, FL, USA: Taylor & Francis, 111–115.
Gramacy RB, Taddy MA (2012). Categorical inputs, sensitivity analysis, optimization and importance tempering with tgp version 2, an R package for treed Gaussian process models, Journal of Statistical Software, 33(6): 1–48.
Hastie T, Tibshirani R, Friedman J (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. New York: Springer.
Kollas C, Kersebaum KC, Nendel C, et al. (2015). Crop rotation modelling—A European model intercomparison, European Journal of Agronomy, 70: 98–111.
Kuhn M, Johnson K (2013). Applied Predictive Modeling. New York: Springer.
Loeppky JL, Sacks J, Welch WJ (2009). Choosing the sample size of a computer experiment: A practical guide, Technometrics, 51: 366–376.
Mara TA, Tarantola S (2008). Application of global sensitivity analysis of model output to building thermal simulations, Building Simulation, 1: 290–302.
McKeen P, Fung A (2014). The effect of building aspect ratio on energy efficiency: A case study for multi-unit residential buildings in Canada, Buildings, 4: 336–354.
MOC (2005). GB50189-2005, Energy Conservation Design Regulation for Public Buildings. Ministry of Construction (MOC) of China. Beijing: China Planning Press. (in Chinese)
MOC (2015). GB50189-2015, Design standard for energy efficiency of public buildings. Ministry of Construction (MOC) of China. Beijing: China Planning Press. (in Chinese)
Mottahedi M, Mohammadpour A, Amiri SS, Riley D, Asadi S (2015). Multi-linear regression models to predict the annual energy consumption of an office building with different shapes, Procedia Engineering, 118: 622–629.
Nguyen A-T, Reiter S (2015). A performance comparison of sensitivity analysis methods for building energy models, Building Simulation, 8: 651–664.
Ourghi R, Al-Anzi A, Krarti M (2007). A simplified analysis method to predict the impact of shape on annual energy use for office buildings, Energy Conversion and Management, 48: 300–305.
Parasonis J, Keizikas A, Kalibatiene D (2012). The relationship between the shape of a building and its energy performance, Architectural Engineering and Design Management, 8: 246–256.
R Development Core Team (2015). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria.
Saltelli A (2002). Making best use of model evaluations to compute sensitivity indices, Computer Physics Communications, 145: 280–297.
Saltelli A, Ratto M, Andres T, Campolongo F, Cariboni J, Gatelli D, Saisana M, Tarantola S (2008). Global Sensitivity Analysis: The Primer. Chichester, UK: Jonh Wiley & Sons.
Song J, Wei L, Sun Y, Tian W (2014). Implementation of metamodelling for sensitivity analysis in building energy analysis. In: Proceedings of eSim 2014, Ottawa, Canada.
Steadman P, Hamilton I, Evans S (2014). Energy and urban built form: An empirical and statistical approach, Building Research & Information, 42: 17–31.
THUBERC (2016). 2016 Annual Report on China Building Energy Efficiency, THUBERC, Building Energy conservation Research Center. Beijing: China Architecture & Building Press. (in Chinese)
Tian W (2013). A review of sensitivity analysis methods in building energy analysis, Renewable and Sustainable Energy Reviews, 20: 411–419.
Tian W, Choudhary R, Augenbroe G, Lee SH (2015). Importance analysis and meta-model construction with correlated variables in evaluation of thermal performance of campus buildings, Building and Environment, 92: 61–74.
Tian W, Yang S, Li Z, Lee SH (2016). Identifying informative energy data in Bayesian calibration of building energy models, Energy and Buildings 119: 363–376.
DCLG (2011). Zero carbon non-domestic buildings. Phase 3 Final Report, Department for Communities and Local Government, UK.
Wei L, Tian W, Zuo J, Yang Z Y, Liu Y, Yang S (2016). Effects of building form on energy use for buildings in cold climate regions, Procedia Engineering, 146: 182–189.
Xia C, Zhu Y, Lin B (2008). Building simulation as assistance in the conceptual design, Building Simulation, 1: 46–52.