کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4914115 1428940 2017 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A methodology for creating building energy model occupancy schedules using personal location metadata
ترجمه فارسی عنوان
یک روش برای ایجاد برنامه های ذخیره انرژی مدل ساختمان با استفاده از ابرداده موقعیت مکانی شخصی
کلمات کلیدی
برنامه های درمانی مدل سازی شبیه سازی دینامیک، متاداده، ساختمان های غیر داخلی، ساختمان تجاری،
ترجمه چکیده
اشخاص بر میزان مصرف انرژی در ساختمان تأثیر می گذارند، افزایش گرما درونی داخلی، افزایش سطح دی اکسید کربن داخلی و تطبیق رفتار آنها را تحت تاثیر قرار می دهد. برنامه های اشغال تخمینی برای ساخت مدل های انرژی برای اهداف انطباق و استفاده از داده های تجربی در دسترس نیستند. متادیتا، مانند داده های موقعیت مکانی شخصی، در حال جمع آوری و تجسم در مقیاس جهانی می باشد و می تواند برای ایجاد برنامه های شغلی واقع گرایانه برای امکانات غیر داخلی مثل فروشگاه های خرده فروشی بزرگ استفاده شود. این مقاله یک پروتکل برای استخراج و استفاده از ابرداده آزادانه موجود برای ایجاد برنامه های اشغال است که به عنوان ورودی ها برای مدل های شبیه سازی پویا مورد استفاده قرار می گیرد. مجموعه نمونه ای از 20 مدل ساختمان سوپرمارکت برای نشان دادن برنامه های متادیتای تاثیرگذاری در مقایسه با مدل های استفاده شده از برنامه های برآورد شده از الزامات قانونی استفاده می شود. متاداده می تواند برای ایجاد پروفایل های اشغال سفارشی برای ساختمان های خاص، گروه های ساختمان ها و معماری های ساختمان استفاده شود. این روش همچنین می تواند به کاهش فاصله بین عملکرد پیش بینی شده و واقعی کمک کند. در مدل های نمونه، کسانی که از برنامه های انطباق قانونی استفاده می کردند تقاضای حرارت را تقریبا 10 درصد و تقاضای خنک سازی بیش از حد را بیش از 50 درصد در مقایسه با مدل های استفاده شده از برنامه های فراداده پایین می برد. اگرچه این کار بر روی امکانات انگلستان متمرکز است، اما این روش دارای کاربردهای جهانی است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
پیش نمایش مقاله
یک روش برای ایجاد برنامه های ذخیره انرژی مدل ساختمان با استفاده از ابرداده موقعیت مکانی شخصی
چکیده انگلیسی
Occupants affect energy consumption in buildings by contributing internal heat gains, increasing internal carbon dioxide levels and adapting their behaviour. Estimated occupancy schedules are used in building energy models for regulatory compliance purposes and when empirical data are not available. Metadata, such as personal location data, is now collected and visualised on a global scale and can be used to create more realistic occupancy schedules for non-domestic facilities, such as large retail outlets. This paper describes a protocol for extracting and using freely available metadata to create occupancy schedules that are used as inputs for dynamic simulation models. A sample set of twenty supermarket building models are used to demonstrate the impact metadata schedules have when compared with models using the estimated schedules from regulatory compliance. Metadata can be used to create bespoke occupancy profiles for specific buildings, groups of buildings and building archetypes. This method could also help reduce the gap between predicted and actual performance. In the example models, those using the regulatory compliance schedules underestimated heating demand by approximately 10% and overestimated cooling demand by over 50% when compared to models using the metadata schedules. Although this work focuses on UK facilities, this methodology has scope for global application.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy and Buildings - Volume 150, 1 September 2017, Pages 211-223
نویسندگان
, , , ,