실적격차

Performance gap

성능 격차는 건물의 설계 단계에서 예측된 에너지 사용량과 탄소 배출량 사이에 나타나는 차이와 운용 중인 건물의 에너지 사용량 사이에서 발견된다.영국의 연구에 따르면 새 주택에서 발생하는 실제 탄소 배출량은 평균적으로 설계 추정치의 2.5배가 될 수 있다고 한다.[1]국내가 아닌 건물의 경우 실제 탄소 배출량이 설계 추정치의 평균 3.8배에 달할 정도로 격차가 더 크다.[2]

프로젝트 목표, 개요 및 상세 설계도, 설계 계산, 현장 설계 구현, 거주 후 평가 등을 검토하여 성능 격차를 줄이기 위한 툴이 확립되어 있다.NEF의 보증된 성과 프로세스(APP)는 환경 성과와 건강 모두에 대한 높은 야망을 가지고 영국 내 최대 재생 프로젝트 중 하나인 이스트햄프셔의 화이트힐과 보든 뉴타운 개발의 일부를 구성하는 여러 사이트에서 광범위하게 사용되고 있는 그러한 도구 중 하나이다.

성과격차에 기여하는 요인의 분류

실적 격차가 주로 불확실성 탓이다.어떤 '실제' 시스템에서도 불확실성이 발견되며 건물도 예외는 아니다.일찍이 제로와 더드닉은 1978년 불확실한 수요에 시달리는 서브시스템(HVAC) 설계 문제를 해결하기 위한 방법론을 제시하는 논문을 썼다.그 후, 다른 저자들은 건물 설계에 존재하는 불확실성에 관심을 보였다. 라말로-곤잘레스는 건물 설계/구축의 불확실성을 다음과 같은 세 가지 그룹으로 분류했다.[3]

  1. 환경적인.기후변화에 따른 기상예측 불확실성, 그리고 합성기상데이터 파일 이용에 따른 불확실한 기상정보 : (1) 실제 연도를 나타내지 않는 합성년도의 사용, (2) 프로젝트의 정확한 위치 및 가장 가까운 날씨에 기록된 데이터에서 생성되지 않은 합성년도의 사용역을 맡다
  2. 건축 요소의 기술 및 품질.설계와 실제 건축물의 차이 : 열교량의 전도도, 단열 전도도, 침투 값 또는 벽과 창문의 U-Value설계자에 의한 낙관주의적 편견이 있을 수 있는데, 이 경우 현장에서 가능한 것에 대한 기대가 비현실적이거나 설계 중에 구축 가능성이 적절한 주의를 받지 못한다.
  3. 행동의.문과 창문 개방, 난방 방식,[4] 가전제품 사용, 점유 패턴 또는 조리 습관과 같은 인간의 행동과 관련된 다른 모든 변수.

유형 1: 환경 불확실성

이 그룹의 유형 1은 기후 변화에 따른 불확실성과 합성 기상 데이터 파일 사용에 따른 불확실성의 두 가지 주요 그룹으로 나뉜다.기후변화로 인한 불확실성에 대해, 예를 들어, 잉글랜드와 웨일스의 경우, 2004년에 존재하는 사무용 블록의 약 40%가 1940년 이전에 지어졌다([5]연면적 기준으로 볼 때 30%)그리고, 2007년 영국 주거지의 38.9%가 1944년 이전에 지어졌다.[6]이 긴 수명은 건물들이 지구 온난화로 인해 변할 수 있는 기후와 함께 작동하게 한다.드 와일드와 콜리는 기후 변화를 고려하고 미래의 날씨에서 좋은 성능을 발휘할 수 있는 건물을 설계하는 것이 얼마나 중요한지를 보여주었다.[7]합성 기상 데이터 파일 사용으로 인한 불확실성 관련:왕 외 연구진은 기상 데이터의 불확실성이 에너지 수요 계산에서 야기할 수 있는 영향을 보여주었다.[8]기상 데이터의 변동성에 따른 계산된 에너지 사용의 편차는 샌프란시스코의 (-0.5%~3%), 워싱턴 D.C의 (-4%~6%) 범위와 위치마다 다른 것으로 나타났다.범위는 TMY를 기준으로 계산되었다.요구 시 이러한 편차는 운영 매개변수로 인한 편차보다 작았다.이들의 경우 샌프란시스코(-29% – 79%)와 워싱턴 D.C.(-28% – 57%) 등이었다.작동 매개변수는 탑승자의 행동과 관련된 매개변수였다.이 논문의 결론은 탑승자가 종합적으로 생성된 날씨 데이터 파일 사이의 변동성보다 에너지 계산에 더 큰 영향을 미칠 것이라는 것이다.날씨 데이터 파일의 공간적 해결은 Eames 등이 다룬 관심사였다.[9]Eames는 어떻게 날씨 데이터 파일의 낮은 공간 해상도가 난방 수요에서 최대 40%의 불균형의 원인이 될 수 있는지를 보여주었다.

유형 2: 작업 기술

페테르센의 연구에서는, 이전 그룹의 그룹 2(작품과 품질)와 그룹 3(행동)의 불확실성을 고려하였다(페테르센, 1994).이 작업은 건물의 에너지 수요 계산에 있어 입주자의 행동이 얼마나 중요한지를 보여준다.Pettersen은 총 에너지 사용량이 거주자로 인한 불확실성을 고려할 때 약 7.6%, 건물 요소의 특성에 의해 생성된 불확실성을 고려할 때 약 4.0%의 표준 편차를 갖는 정규 분포를 따른다는 것을 보여주었다.리즈 메트로폴리탄은 스탬포드 브룩에서 대규모 연구를 수행했다.이 프로젝트에서는 700개의 주택이 고효율 표준으로 건설되었다.[10]이 프로젝트의 결과는 공사 전 예상되는 에너지와 주택 입주 후 실제 에너지 사용량 사이의 상당한 차이를 보여준다.이 작품에서는 솜씨를 분석한다.저자는 계산에 고려되지 않은 열교량의 중요성과 주거지를 분리하는 내부 칸막이가 최종 에너지 사용에 가장 큰 영향을 미치는 방법을 강조한다.본 연구에서 사용 중인 주거지를 모니터링한 결과 실제 에너지 사용량과 SAP를 사용하여 추정된 주거지의 차이가 큰 것으로 나타났으며, 그 중 하나는 사용 시 기대치의 +176%를 제공한다.

홉프는 건축 설계의 불확실성에 관한 논문을 여러 편 발표했는데, 이 논문은 제작에 관한 것이다.집필 당시의 보다 최근 간행물은 그룹 2와 그룹 3의 불확실성을 조사한다.이 연구에서 불확실성은 정규 분포로 정의된다.무작위 파라미터는 시뮬레이터(VA114)로 전송되는 200개의 테스트를 생성하기 위해 샘플링되며, 그 결과는 에너지 계산에 가장 큰 영향을 미치는 불확실성을 확인하기 위해 분석될 것이다.이번 연구는 침투에 사용되는 가치의 불확실성이 냉난방 수요에 가장 큰 영향을 미칠 가능성이 있는 요인임을 보여주었다.De Wilde와 Wei Tian에 의해 수행된 또 다른 연구는 기후 변화를 고려한 건물 에너지 계산에 영향을 미치는 대부분의 불확실성의 영향을 비교했다.[12]데 와일드와 톈은 건물 시뮬레이터 7280회 런으로 얻은 데이터베이스를 생성하기 위해 2차원 몬테카를로 분석법을 사용했다.에너지 수요 계산의 변동성에 대한 가장 중요한 요인을 얻기 위해 민감도 분석을 이 데이터베이스에 적용했다.표준화된 회귀 계수와 표준화된 순위 회귀 계수는 불확실성의 영향을 비교하는 데 사용되었다.

De Wilde와 Tiano는 에너지 계산에 대한 침투의 불확실성의 영향에 대해서는 Hopfe와 동의했지만, 날씨, 창문의 U-Value 및 기타 탑승자의 행동과 관련된 변수(장비 및 조명) 등 다른 요소도 소개했다.그들의 논문은 많은 불확실성들을 적절한 크기의 데이터베이스와 비교함으로써 불확실성의 표본 추출 범위에 대한 현실적인 비교를 제공한다.슈니더스와 헤르멜링크의 작업은 동일한 규격(Passivhaus)에 따라 설계된 저에너지 건물의 에너지 수요에 상당한 변동성을 보였다.

유형 3: 승객

슈니더스와 헤르멜링크의 작업은 동일한 규격(Passivhaus)에 따라 설계된 저에너지 건물의 에너지 수요에 상당한 변동성을 보였다.passivhaus 표준은 매우 통제되고 높은 품질의 기술을 가지고 있지만, 집마다 에너지 수요에서 큰 차이가 나타났다.

Blight와 Coley는 탑승자 행동의 분산으로 인해 가변성이 발생할 수 있다는 것을 보여주었다(이 작업에는 창문과 문 사용이 포함되었다).Blight와 Coley의 작업은 두 가지를 증명한다. (1) 점유자는 에너지 사용에 상당한 영향을 미친다. 그리고 (2) 점유자의 행동을 발생시키기 위해 그들이 사용한 모델은 거주자의 행동 패턴 조성에 정확하다.

이전 논문에서 거주자의 행동에 대한 정확한 프로필을 생성하기 위해 사용한 방법은 Richardson 외 연구진에 의해 개발된 방법이었다.[17]이 방법은 영국의 TUS(Time-Use Survey)를 이용하여 개발한 것으로, 24시간 다이어리에 6000명 이상의 입주자의 활동을 10분 분해능으로 기록한 후, 이 데이터베이스를 상세히 기술했다.리차드슨의 논문은 도구가 어떻게 같은 행동 패턴을 만들어 낼 수 있는지를 보여준다.TUS에서 얻은 실제 데이터와 관련된다.이 도구의 가용성은 실제 탑승자의 행동과 상관관계가 있는 것으로 입증된 일련의 행동 패턴으로 탑승자의 행동의 불확실성을 모델링할 수 있게 한다.소위 강력한 최적화를 이용한 최적화의 점유율을 고려하기 위해 출판된 저작이 있다.

외부 링크

참조

  1. ^ 파머, J; 고도이 시미즈, D; 틸슨, A; 마위딧, I. 2016.건물 성능 평가 프로그램:국내 프로젝트에서 발견한 사항 - 현실과 디자인이 일치하도록 만들기런던:영국을 혁신하십시오.18페이지
  2. ^ 팔머, J; 테리, N; 아미티지, P. 2016.건물 성능 평가 프로그램:국내 프로젝트 이외의 프로젝트에서 얻은 결과 - 건물에서 최상의 결과를 얻으십시오.런던:영국을 혁신하십시오.12페이지
  3. ^ 2013년 라말로 곤잘레스저에너지 건물의 모델링 시뮬레이션 및 최적화엑세터 대학교 박사학위.
  4. ^ 휴즈, M; 파머, J; 교황, P; 아미티지, P. 2016.SAP를 사용하는 영국 주택 재고 모델:난방 시스템 변화 사례.공학 학술지 4(2) 12-22.
  5. ^ 2005년 ODPM.상업 및 산업 주식의 시대: 지방 당국 수준 2004.런던: 부총리의 사무실.
  6. ^ CLG, 2007.영국 주택 상태 조사 2007, 연차 보고서.지역사회와 지방정부
  7. ^ 드 와일드, P. & Coley, D., 2012.건물 기후의 변화로 인한 영향.건물 및 환경, 55, 페이지 1-7
  8. ^ 왕, L, 매튜, P. & Pang, X, 2012.중형 오피스 빌딩의 건물 운영과 날씨로 인한 에너지 소비의 불확실성.에너지 및 건물, 53, 페이지 152-158
  9. ^ Eames, M, Kershaw, T. & Coley, D., 2011.건물 시뮬레이션을 위한 미래 날씨 파일의 적절한 공간 해상도.[논문초록] 건축성능 시뮬레이션 5, pp.1-12
  10. ^ Wingfield, J, Bell, M, Miles-Senton, D, South, T. & Lowe, B., 2011.강화된 에너지 성능 표준이 내하력 조적조 국내 건설에 미치는 영향 평가, 설계 및 실제 성능 간의 차이 이해:스탬포드 브룩의 교훈.런던:지역사회 및 지방정부 부서
  11. ^ 홉페, C.J. & 헨슨, J.L.M., 2011.설계 지원을 위한 건물 성능 시뮬레이션의 불확실성 분석에너지 및 건물, 43, 페이지 2798-2805
  12. ^ 2009년 드 와일드, P. & Tian, W.기후변화에 따른 사무소 건물의 열성능 예측의 불확실성에 대한 핵심요인 파악건축 시뮬레이션, 2, 페이지 157-174
  13. ^ 슈나이더스, J. & Hermelink, A., 2006. CEPHEUS 결과: 측정과 거주자의 만족도는 Passive House가 지속가능한 건축의 선택사항이라는 증거를 제공한다.에너지 정책, 34, 페이지 151-171
  14. ^ 슈나이더스, J. & Hermelink, A., 2006. CEPHEUS 결과: 측정과 거주자의 만족도는 Passive House가 지속가능한 건축의 선택사항이라는 증거를 제공한다.에너지 정책, 34, 페이지 151-171
  15. ^ 블라이트, T.S. 콜리 D.A, 2012년 저에너지 주거지의 에너지 소비량에 대한 거주자 행동의 영향, 제2차 건축 에너지 및 환경에 관한 회의.볼더, 미국
  16. ^ 블라이트, T.S. 콜리 D.A, 2012년 저에너지 주거지의 에너지 소비량에 대한 거주자 행동의 영향, 제2차 건축 에너지 및 환경에 관한 회의.볼더, 미국
  17. ^ 리처드슨, 나, 톰슨, M. & 내야, D. 2008.에너지 수요 시뮬레이션을 위한 고해상도 국내 건물 점유 모델.에너지 및 건물, 40, 페이지 1560-1566
  18. ^ Ramallo-Gonzalez, A. P., Blight, T, Coley, D. A. 2015, 새로운 최적화 방법론: 점유자 행동이나 기타 미지의 사항을 설명하는 강력한 저에너지 설계를 발견하기 위한 새로운 최적화 방법론, Journal of Building Engineering. 2 페이지 59-68, doi:10.1016/j.001