Stochastic Analysis of Building Energy Modelling Tools: Simple and advanced tool’s ability to provide useful guidance in the early stages of building design
Translated title
Stokastisk Analyse af Værktøjer til Beregning af Bygningers Energiforbug: Simpel og avancerede værktøjers evne til at yde tilstrækkelig vejledning i de tidlige design faser af bygningsprojektering
Authors
Silkjær, Morten Hjalf ; Hansen, Kasper Kingo
Term
4. term
Publication year
2017
Submitted on
2017-06-08
Pages
154
Abstract
I den tidlige designfase træffes mange beslutninger. Ud over form og funktion handler det også om at vælge det rette bygningssimuleringsværktøj. Hvis man vil undersøge hele designrummet ved hjælp af stokastiske simuleringer (mange kørsler med tilfældigt varierede input), kræves et værktøj, der kan håndtere tusindvis af simuleringer. Derudover skal man vælge mellem simple og avancerede værktøjer og beslutte, hvor mange zoner bygningen skal opdeles i (zoner er afgrænsede områder med ensartede indeklimaforhold). Formålet med specialet er at skabe overblik over mulighederne og dermed hjælpe designteams med at vælge det mest egnede værktøj i den tidlige fase. Vi sammenligner modeller opbygget i et simpelt og et avanceret værktøj med forskellige grader af zonering. To facadetyper vurderes: dynamiske facader med solafskærmning og lysstyring samt statiske facader uden disse funktioner. De avancerede modeller omfatter 1-, 2-, 6- og 15-zoners versioner (15 zoner betyder hvert rum som sin egen zone), i alt 10 forskellige modeller. For hver model køres 5000 simuleringer i skyen via Amazon Web Services. Vi analyserer energiforbrug til opvarmning og køling samt, for de dynamiske modeller, belysning. Modellerne sammenlignes på tre kriterier: præcision, inputtendenser (hvordan input påvirker resultater) og inputrangering (hvilke input der vejer tungest). Vi bruger Monte Carlo-filtrering, spredningsdiagrammer og følsomhedsanalyse. 15-zoners modellen fungerer som reference, som de øvrige sammenlignes med. Resultaterne viser, at det simple værktøj, Be15, ikke er egnet som designværktøj i den tidlige fase, fordi det ikke opfylder kravene til præcision og inputrangering. Det avancerede værktøj, OpenStudio, opfylder kriterierne for 1-, 2- og 6-zoners modeller, bortset fra den dynamiske 1-zone model, som vurderes uegnet, fordi den ikke forudsiger belysningsforbrug tilstrækkeligt. På den baggrund udarbejdes en guide, der viser, hvilke værktøjer og zoneniveauer der er velegnede i de tidlige faser, med fordele, ulemper og anbefalede anvendelser.
In the early design phase, teams make many choices. Beyond architectural form, a key decision is which building simulation tool to use. If the team wants to explore the full design space with stochastic simulations—running thousands of cases with randomly varied inputs—it needs software that can handle that scale. It also needs to choose between simple and advanced tools and decide how many zones to divide the building into (zones are areas grouped to have similar indoor conditions). This thesis clarifies these options to help teams select suitable tools for early-stage design. We compare models built with a simple tool and an advanced tool at different zoning levels. Two facade types are studied: dynamic facades with shading and lighting control, and static facades without these features. The advanced models include 1-, 2-, 6-, and 15-zone versions (15 zones means each space is its own zone), yielding 10 distinct models in total. Each model is run 5000 times using cloud computing via Amazon Web Services. We analyze energy use for heating and cooling and, for dynamic models, lighting. Models are evaluated on three criteria: precision, input tendencies (how inputs influence outputs), and input rankings (which inputs matter most). We use Monte Carlo filtering, scatter plots, and sensitivity analysis. The 15-zone model serves as the baseline reference. Findings show that the simple tool, Be15, is unsuitable for early design because it fails the precision and input ranking criteria. The advanced tool, OpenStudio, meets all criteria for the 1-, 2-, and 6-zone models, except for the dynamic single-zone model, which is unsuitable because it does not predict lighting consumption well enough. Based on these comparisons, we provide a practical guide indicating which tools and zoning levels fit early-stage design, along with pros, cons, and when to use them.
[This abstract was generated with the help of AI]
Keywords
Documents