کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4915709 1428084 2017 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A simultaneous calibration and parameter ranking method for building energy models
ترجمه فارسی عنوان
یک روش ارزیابی کالیبراسیون و پارامتر برای ساخت مدل های انرژی
کلمات کلیدی
مدل انرژی ساختمان، بازسازی کالیبراسیون مدل، بیزی، رتبه بندی پارامتر، متامودل،
ترجمه چکیده
موجودی ساختمان ها یکی از مهمترین اهداف مربوط به انتشار کربن مربوط به انرژی است. صرفه جویی قابل توجهی در ساختن مصرف انرژی می تواند از طریق تکمیل شدن حاصل شود. مدرن سازی ساختمان به طور معمول توسط تجزیه و تحلیل ها از طریق ساخت مدل های شبیه سازی انرژی هدایت می شود. با توجه به پیچیدگی ویژگی های فیزیکی سیستم های ساختمانی و عدم اندازه گیری داده های میدان، مدلسازان اغلب با استفاده از پارامتر های ناشناخته یا غیر قابل اندازه گیری، از طریق تقریب یا با اشاره به مقادیر طراحی اولیه، کار می کنند. از آنجا که مقادیر این پارامترها معمولا به طور دقیق نمیتوانند وضعیت فعلی ساختمانهای موجود را دقیقا نشان دهند، مهم است قبل از اعمال آنها در یک مدل شبیه سازی انرژی ساختمان کالیبراسیون کنید. علاوه بر این، مهم است که پارامترهای ورودی را با توجه به تأثیر آنها بر عملکرد انرژی ساختمان در هنگام شناسایی اولویت ها برای تأسیسات تکمیلی، رتبه بندی کنید. در این مقاله، یک روش بیزی مبتنی بر متامدل پیشنهاد می شود تا به طور همزمان کالیبراسیون و رتبه بندی ورودی را برای ساخت مدل های شبیه سازی انرژی بسازد. این روش پیشنهادی هر دو روش کالیبراسیون مدل و پارامتر ارزیابی پارامتر را همزمان با انجام تحلیل انجام می دهد که بسیار کارآمدتر از استفاده از این دو روش به صورت جداگانه در اجرای مدل های جداگانه است. به عنوان یک مشارکت بیشتر، روش پیشنهادی را به یک فرد قادر به اداره مجموعه داده های بزرگ گسترش می دهیم. یک مطالعه موردی برای نشان دادن دقت و کارایی روش پیشنهادی توسعه داده شده است. یافته های مطالعه موردی نشان می دهد که پارامترهای کالیبراسیون معمولا با مقادیر در نظر گرفته شده متفاوت است. در چارچوب ساختمان موجود انتخاب شده در سنگاپور، بیشتر پارامترهای مورد بررسی عوامل کلیدی تأثیرگذار بر عملکرد انرژی ساختمان با کارخانه خنک کننده هستند که مهمترین عامل آن است و نرخ انفیلتراسیون طبیعی که عامل مهمترین عامل است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی مهندسی انرژی و فناوری های برق
چکیده انگلیسی
The existing stock of buildings is a major contributor to energy-related carbon emissions. Significant savings in building energy consumption can be derived through retrofit. Building retrofits are typically guided by analyses through building energy simulation models. Due to the complexity of the physical characteristics of building systems and the lack of field measured data, modellers very often have to work with unknown or unmeasurable parameters either through approximation or with reference to the original design values. Since the values of these parameters usually fail to accurately represent the current conditions of existing buildings, it is important to calibrate these parameters before applying them in a building energy simulation model. In addition, it is also important to rank the input parameters according to their influence on building energy performance when identifying priorities for building retrofit. In this paper, a metamodel-based Bayesian method is proposed to simultaneously calibrate and rank input parameters to building energy simulation models. This proposed method implements both a model calibration procedure and parameter ranking procedure simultaneously when performing an analysis, which is much more efficient than applying these two procedures individually in separate model runs. As a further contribution, we extend the proposed method to one capable of handling large datasets. A case study is developed to demonstrate the accuracy and efficiency of the proposed method. Findings from the case study show that the calibrated parameters are usually different from the initially assumed values. In the context of the chosen existing building in Singapore, most of the considered parameters are key factors influencing building energy performance with cooling plant COP being the most important factor and natural exfiltration rate being the least important factor.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Energy - Volume 206, 15 November 2017, Pages 657-666
نویسندگان
, , , ,