Methoden der Zeitreihenanalyse für die Bewertung von urbanen Gebäudesimulationen

Abstract

die Wurzel der mittleren quadratischen Abweichungen (RMSE) und eine relative Version, der Variationskoeffizient des RMSE (CV(RMSE)) in den Mittelpunkt gestellt. Trotz dieser umfangreichen Grundlagen zeigt eine Analyse des Konferenzbandes der Building Simulation Konferenz 2017 [6], dass 26 % der Veröffentlichungen den Empfehlungen der Richtlinie folgen, 20 % zusätzliche Methoden anwenden und 54 % auf einen rein visuellen Vergleich oder jährliche Integralwerte beschränkt sind. Dieser Beitrag zeigt daher die Möglichkeiten der Zeitreihenanalyse im Bereich der urbanen Gebäudesimulation auf und zeigt an einem Beispiel, wie sie angewendet werden.Im Folgenden werden verschiedene Methoden der Zeitreihenanalyse und deren spezifische Anwendungen diskutiert. Anschließend wird der Anwendungsfall einer Forschungsliegenschaft eingeführt, auf den die entsprechenden Methoden angewendet werden, um die Simulation bewerten und weiteres Verbesserungspotenzial hinsichtlich der Simulation herausarbeiten zu können. Methoden der ZeitreihenanalyseDas übergeordnete Ziel der Zeitreihenanalyse ist die mathematische Beschreibung der den Zeitreihen zugrundeliegen-Bei der Bewertung von energetischen Gebäudesimulationen, im Speziellen auf urbaner Ebene, können Methoden der Zeitreihenanalyse einen wichtigen Beitrag leisten. Besonders hinsichtlich des Vergleichs von Messungen und Simulationen zur Modellvalidierung bieten solche Methoden eine gute Hilfestellung, um Abweichungen sowohl zu bewerten als auch ihren Ursprung zu finden. Dieser Beitrag bewertet auf Basis relativer und absoluter Kennzahlen in Kombination mit Prognose-Realisations-Diagrammen die thermische Gebäudesimulation einer Forschungsliegenschaft. Auch wenn die Kennzahlen eine gute Übereinstimmung von Simulation und Messung belegen, lässt sich mithilfe des Prognose-Realisations-Diagramms sowie eines Chi 2 -Tests und eines Korrelogramms weiteres Optimierungspotenzial identifizieren. Dieses betrifft vornehmlich die dynamische Berücksichtigung von Wärmenetzen und die detaillierte Abbildung der Nutzerinteraktion, im Speziellen hinsichtlich nutzerinduzierter Lüftung. Stichworte: Zeitreihenanalyse; urbane Simulation; Wärmebedarfsrechnung; Modelica; Python Methods of time series analysis for simulation-based urban scale evaluations. Methods of time series analysis can support evaluating building performance simulations such as urbanscale simulations. In particular, for model verification, methods of time series analysis are crucial to evaluate deviations to measurement data and identify the deviation's origins. Based on performance indicators in combination with fore castrealization diagrams, this paper evaluates the thermal simu lation of a research campus. While all indicators proved the good accordance of hourly simulations and measurements, the fore castrealization diagram together with a Chi 2 test and autocorre lation plots revealed further optimization potential in dynamic heating grid simulations and detailed consideration of occupancy and userinduced ventilation.

Automated Generation of an Energy Simulation Model for an Existing Building from UAV Imagery

“…The implied glazing-to-frame area ratio of 1.5 results from observations on site. Variations 1 and 2 use an estimation for the interior component area (including walls, floors, and ceilings) that assumes rooms with a standard size of 6 m × 3 m. In the original implementation of TEASER, the floor area is separated into rooms and one wall per room is considered an exterior wall [36]. Although the estimation approach applies a modified formula that also considers the actual footprint and therefore does not overestimate thermal mass as much as the original one, the values are still higher than the reference values (see Section 2.1) of the building implemented in variations 3 to 6.…”

“…For these applications on urban scale, the modelling accuracy of individual buildings is reduced in favour of less computational effort, maintaining adequate accuracy on an aggregated level. The latter was confirmed for the combination of TEASER and AixLib by Remmen et al [33] and Lauster and Müller [36]. To increase individual building accuracy, promising calibration approaches exist [37]; however, they require substantial time series data to be collected in advance, which is again unsuitably laborious for small retrofit projects.…”