Automated calibration of non-residential urban building energy modeling

• Automatisierte Kalibrierung von Simulationsmodellen für Nichtwohngebäude im städtischen Maßstab

Remmen, Peter; Müller, Dirk (Thesis advisor); van Treeck, Christoph Alban (Thesis advisor)

1. Auflage. - Aachen : E.ON Energy Research Center, RWTH Aachen University (2022)
Buch, Doktorarbeit

In: E.ON Energy Research Center ; EBC, Energy efficient buildings and indoor climate 105
Seite(n)/Artikel-Nr.: 1 Online-Ressource : Illustrationen, Diagramme

Dissertation, RWTH Aachen University, 2021

Kurzfassung

Gebäudesimulation unterstützt die Konzeptionierung, die Planung und den Betrieb von innovativen und ökonomischen Energieversorgungsoptionen für Gebäude und Städte. Typische Anwendungsfelder von urbanen Gebäudesimulationsmodellen (engl. Urban Building Energy Modelling) sind die Quantifizierung des Einflusses von Sanierungen oder die Optimierung der Wärmeübergabe an Fernwärmenetze. Die für eine physikalische Gebäudesimulation notwendigen Eingangsdaten sind für bestehende Gebäude oft nicht verfügbar. Archetyp-Gebäude werden genutzt, um die fehlenden Informationen zu vervollständigen und so eine dynamische Simulation einer großen Anzahl von Bestandsgebäuden zu ermöglichen. Die Simulationsergebnisse von Archetypen weisen durch statistische und diskrete Annahmen Differenzen zu zeitlich aufgelösten Messdaten individueller Gebäude auf. Um die Beschreibung und Vorhersage einzelner Gebäude zu verbessern, ist die Kalibrierung von Simulationsmodellen von zentraler Bedeutung. Die vorliegende Arbeit beschreibt eine Methode zur automatisierten Kalibrierung von individuellen urbanen Gebäudesimulationsmodellen unter Verwendung stündlicher Messdaten. Das vorgeschlagene Framework automatisiert alle notwendigen Schritte von der Modellerstellung, der Auswahl von sensitiven Parametern, der Kalibrierung, sowie der Bewertung mit Hilfe statistischer Kennzahlen. Die Modellerstellung nutzt das standardisierte Informationsmodell CityGML und dessen Erweiterung EnergyADE und nutzt alle zur Verfügung stehende Gebäudedaten. Zusätzlich werden mit Hilfe der Auswertung vorhandener Messdaten weitere Gebäudeparameter identifiziert. Die Auswahl der sensitiven Parameter wird für jedes Gebäude individuell durchgeführt und berücksichtigt somit spezifische Gebäudeeigenschaften. Als Kalibrierungsverfahren wird die Bayessche Kalibrierung verwendet, welche sich besonders durch die Ermittlung von Häufigkeitsverteilungen auszeichnet. Stündliche Messwerte werden in der Kalibrierung und der Bewertung der Simulationsergebnisse mit einer Kombination aus mehreren statistischen Kennzahlen berücksichtigt. Die Anwendung des Frameworks auf emulierte und reale Gebäude verhilft zu einem besseren Verständnis der Stärken und Schwächen automatisierter Kalibrierungen für Gebäudemodelle. Es wurde gezeigt, dass die Zuverlässigkeit von automatisierten Kalibrierungsprozessen nicht allein anhand von Simulationsergebnissen bewertet werden kann, sondern die kalibrierten Parameterwerte berücksichtigt werden müssen. In diesem Zusammenhang wurde Kompensationseffekte detailliert beschrieben. Es konnte gezeigt werden, dass je mehr Informationen für die Parametrierung des initialen Gebäudemodells genutzt werden und je mehr Messdaten in stündlicher Auflösung vorliegen, desto besser ist die Kalibrierung der Modelle in Bezug auf die Simulationsergebnisse und desto geringer sind Kompensationseffekte.

Einrichtungen

• E.ON Energy Research Center [080052]
• Lehrstuhl für Gebäude- und Raumklimatechnik [419510]