Analysis of the Building Energy Simulation Process
From input parametrization to results evaluation comparing different BES tools and modelling approaches
Bearbeiter: Mara Magni
Betreuer: Wolfgang Streicher
Co-Betreuer: Fabian Ochs
Kurzfassung
Um die für 2050 gesetzten Klimaziele zu erreichen, müssen nicht nur alle neuen Gebäude nach
den höchsten Qualitätsstandards geplant werden, sondern es ist auch wichtig die
Renovierungsraten zu erhöhen. In diesem Szenario können energetische Gebäudesimulationen
eine wichtige Rolle spielen, da sie den Planungsprozess beschleunigen und unter geringem
Kosteneinsatz die Gebäudeleistung optimieren können. Aufgrund unzureichender
Glaubwürdigkeit der Ergebnisse, die mit solchen Tools erzielt werden, und der daraus
abgeleiteten Entscheidungen, wird die Verbreitung dynamischer Simulationstools in der Praxis
gebremst.
Diese Arbeit bietet Einblicke in alle wichtigen Schritte des Simulationszyklus mit dem Ziel
zukünftige Nutzer und Nutzerinnen von Gebäudesimulationstools in den Phasen der
Modellierung, Parametrisierung, Verifizierung und Validierung zu unterstützen.
Ein Modell der Referenz-Bürozelle, welche im Rahmen der IEA SHC Task 56 definiert wurde,
wurde mit verschiedenen Simulationswerkzeugen implementiert (d.h. EnergyPlus v.9.3,
TRNSYS 18, Simulink/CarnotUIBK, Simulink/ALMABuild, IDA ICE v.4.8, Modelica
Buildings library v.5.0.1 zusammen mit Dymola v. 2020x, DALEC und PHPP). Während
dieses Prozesses wurde die Komplexität einer Übersetzung der realen Welt oder ihrer
Beschreibung in ein Modell hervorgehoben. Viele Iterationen waren notwendig, um eine gute
Übereinstimmung zwischen den Ergebnissen der verschiedenen Tools zu erreichen. In der
Anfangsphase wurden hohe Abweichungen in Bezug auf den Energiebedarf festgestellt. Es war
notwendig Benutzerfehler zu identifizieren und die Eingaben der Werkzeuge mit einem
höheren oder niedrigeren Abstraktionsgrad im Vergleich zur Gebäudebeschreibung zu
parametrisieren, um die Übereinstimmung zwischen den Ergebnissen der verschiedenen Tools
zu verbessern. Um die Ergebnisse der verschiedenen Tools miteinander zu vergleichen, wurden
Schwierigkeiten, wie die Definition der Referenzergebnisse, die Anwendung der statistischen
Indizes, ihre Normalisierung und Festlegung von Grenzwerten, behandelt.
Die verschiedenen Modellierungsmethoden, die von den verschiedenen Tools angeboten
werden, wurden in Simulink implementiert, um ihren Einfluss auf die Genauigkeit der
Ergebnisse, die Rechenzeit und die erforderliche Modellparametrisierung zu bewerten. Auf
diese Weise wurde ein Überblick gegeben, der das empfindliche Gleichgewicht zwischen
Rechenzeit, Modellparametrisierung und Genauigkeit der Ergebnisse darstellt und somit
zukünftigen Nutzern und Nutzerinnen bei der Wahl des besten Tools, Modells oder sub-Teil
des Modells für den jeweiligen Zweck helfen kann. Dabei wurde die Aufmerksamkeit auch auf
Aspekte gelenkt, die oft übersehen werden, aber für die Genauigkeit der Ergebnisse eine Rolle
spielen (z.B. Modell der adiabatischen Struktur, Kapazität des Luftknotens, Konvektions- und
Strahlungsaustauschkoeffizienten, Himmelsmodell und Verteilung der solaren und internen
Gewinne über die Hüllflächen).
Es wurde ein neuer Modellierungsansatz entwickelt und mit TRNSYS 18 verglichen, um die
Simulation des Strahlungstemperaturfelds mit einer günstigen Rechenzeit (im Vergleich zur
CFD-Simulation) zu ermöglichen. Dieser Modellierungsansatz wurde mit anderen Ansätzen
zur Modellierung der thermischen Zone verglichen, um die Abweichungen in Bezug auf den
Energiebedarf und die vorhergesagte Temperatur an verschiedenen Punkten des Raums
aufzuzeigen.
Schließlich wurde das Simulink-Modell für eine technisch-wirtschaftliche Analyse verwendet,
um die Energie- und Kosteneinsparungen zu bewerten, die mit verschiedenen
Technologiekombinationen (wie z.B. Wärmepumpentypen, PV, LED, Batterien) ermöglicht
werden können.
Abstract
To achieve the climate targets set for 2050, it is not only necessary to design all new buildings
to the highest quality standards, but it is also essential to boost the renovation rate. In this
scenario, building energy simulation tools can play a key role as they can speed up the design
process and optimise building performance at a low cost. Unfortunately, the lack of credibility
of the results obtained with such tools and the decisions derived from them holds back the
spread of the use of dynamic simulation tools in practice.
This work provides insights into all the main steps of the simulation cycle with the aim to
support future users of building simulation tools in the modelling, parametrization, verification,
and validation phases.
A model of the reference office cell, defined within the IEA SHC Task 56, has been
implemented using different simulation tools (i.e., EnergyPlus v.9.3, TRNSYS 18,
Simulink/CarnotUIBK, Simulink/ALMABuild, IDA ICE v.4.8, Modelica Buildings library
v.5.0.1 together with Dymola v. 2020x, DALEC and PHPP). During this process, the
complexities related to the translation of the real world or a description of it into a model were
highlighted. Many iterations were necessary to reach a good agreement between the results of
the different tools. In the initial phase, high deviations were detected in terms of energy demand.
To enhance the agreement between the results of the different tools it was necessary to identify
user errors and to parametrize the inputs of the tools with a higher or lower level of abstraction
compared to the building description.
To cross-compare the results of the different tools difficulties were addressed such as the
definition of the reference results, the application of the statistical indices, their normalization,
and thresholds.
The different modelling approaches proposed by the different tools were implemented in
Simulink to assess their influence on the results accuracy, computational time and required
model parametrization. In this way, a picture representing the delicate balance between
computational time, model parametrization and results accuracy was depicted that can guide
future users in the choice of the best tool, model, or sub-part of the model for the specific
purpose. This was done by focusing also the attention on aspects that are generally overlooked,
but that play a role in the accuracy of the results (e.g., model of the adiabatic structure, capacity
of the air node, convective and radiative exchange coefficients, sky model and distribution of
the solar and internal gains over the surfaces of the enclosure).
A new modelling approach was developed and cross-compared against TRNSYS 18 to enable
the simulation of the radiative temperature field with an affordable computational time
(compared to CFD simulation). This modelling approach was compared against other
approaches for modelling the thermal zone highlighting the deviations in terms of energy
demand and predicted temperature at different points of the room.
Finally, the cross-compared Simulink model was used to perform a techno-economic analysis
assessing the energy and cost savings that can be achieved with different technology
combinations (i.e., different heat pumps typologies, PV, LED, batteries).