ترجمه فارسی عنوان مقاله

مدل‌های رگرسیون چندخطی برای پیش‌بینیِ مصرف انرژیِ سالانه‌ی یک ساختمانِ اداری با شکل‌های متفاوت

عنوان انگلیسی

Multi-linear Regression Models to Predict the Annual Energy Consumption of an Office Building with Different Shapes ☆

کد مقاله	سال انتشار	تعداد صفحات مقاله انگلیسی
46633	2015	8 صفحه PDF

منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Procedia Engineering, Volume 118, 2015, Pages 622–629

فهرست مطالب ترجمه فارسی

چکیده

کلماتِ کلیدی

1. مقدمه

شکل 1. متغیرهایی که بر عملکردِ انرژیِ ساختمان مؤثر هستند.

2. روش‌شناسی

3. نتایج و بحث

3-1. مدل‌ها و دقتِ ‌رگرسیون

جدول 1. ضرایبِ رگرسیون و دقتِ مدل در بیلینگز

جدول 2.ضرایبِ رگرسیون و دقتِ مدل در سن خوزه

شکل 2. نمونه نقاطِ باقی‌مانده

3-2. اعتبار سنجیِ مدل‌های رگرسیون

شکل 3. اعتبارسنجی مدل رگرسیون برای هفت شکل ساختمان های واقع در بیلینگز

شکل 4. اعتبارسنجی مدل رگرسیون برای هفت شکل ساختمان های واقع در سن خوزه

4. شبیه‌سازیِ پارامتریِ انرژیِ ساختمان و تحلیلِ حساسیت

شکل 5. تاثیرِ پارامتر‌های ساختمان بر مصرفِ‌انرژیِ سالانه برای بیلینگز

شکل 6. تاثیرِ پارامتر‌های ساختمان بر مصرفِ‌انرژیِ سالانه برای سن خوزه

شکل 7. مصرفِ‌انرژي بر اساسِ شکلِ ساختمان، بیلینگز

شکل 8. مصرفِ‌انرژي بر اساسِ شکلِ ساختمان، سن خوزه

5. نتیجه‌گیری

ترجمه کلمات کلیدی

شبیه سازی مونت کارلو - معادلات رگرسیون - عملکرد ساختمان انرژی

کلمات کلیدی انگلیسی

eQUEST simulation; DOE-2 simulation; Monte Carlo simulation; Regression equations; Building energy performance.

ترجمه چکیده

مطالعه‌ی حاضر توسعه‌ي مدل رگرسیونِ چندخطی برای پیش‌بینیِ تأثیر شکلِ ساختمان بر مصرفِ کلِ انرژیِ در دو منطقه‌ی اقلیمی متفاوت توصیف می‌کند (سرد و خشک و گرمِ دریایی). هفت شکلِ ساختمانی شاملِ H شکل، T شکل، مستطیل و غیره در این مطالعه در نظر گرفته‌شده‌اند. مدلِ ساده‌شده می‌تواند برای انجامِ یک مطالعه‌ي پارامتریک به‌منظور بررسیِ تأثیر پارامترهای ساختمان بر بارِ نهاییِ گرمایش و سرمایش استفاده شود. برنامه‌های نرم‌افزاریِ شبیه‌سازیِ ساختمان، شاملِ eQUEST و DOE-2 برای ساختن و شبیه‌سازیِ پیکربندیِ یک ساختمانِ منفرد که با استفاده از فنونِ شبیه‌سازیِ مونت‌کارلو ایجادشده‌انداستفاده ‌شده است. ده هزار شبیه‌سازی برای هفت شکلِ ساختمانی برای ایجادِ مجموعه داده‌های عمیق اجرا شد که محدوده‌ی کاملی از پارامترهای طراحی را پوشش می‌دهد پوشش می‌دهد. تحلیل‌های آماری با استفاده از برنامه‌ي تحلیل آماریِ R برای توسعه‌ی مجموعه‌ای از معادلاتِ رگرسیونِ خطی صورت گرفت که میزانِ مصرفِ انرژي در هر سناریوی طراحی را پیش‌بینی می‌کند. علاوه بر این، تأثیر چند پارامترِ طراحی بر مصرفِ انرژیِ ساختمان با استفاده از روشِ تحلیلِ حساسیت، موردبررسیِ بیشتری قرار گرفت. اختلاف میان مصرفِ انرژيِ سالانه‌ی ساختمان از طریق پیش‌بینیِ رگرسیون و شبیه‌سازی‌شده توسطِ DOE-2، زیاد وبه‌اندازه‌ی۵ ٪بود. این رؤیایی خواهد بود که مدل‌های توسعه‌یافته‌ي رگرسیون بتوانند برای تخمینِ کلِ مصرفِ انرژی در مراحل ابتداییِ طراحی استفاده شوند؛ زمانی که طرح‌های متفاوتِ ساختمان و ایده‌های طراحی درحال بررسی هستند.

ترجمه مقدمه

مصرفِ انرژی در جهان در دو دهه‌ی آینده به میزانِ ۵۶ ٪ افزایش خواهد یافت و از ۵۲۴ کوادریلیونBtu به ۸۲۰ می‌رسد [1]. ازاین‌رو، پیش‌بینی عملکردِ‌ انرژیِ ساختمان برای طرح‌ریزی کردنِ مصرفِ انرژيِ ساختمان ضروری به نظر می‌رسد. ابزار و روش‌های بسیاری برای پیش‌بینیِ عملکردِ‌انرژیِ‌ساختمان‌ها در دسترس هستند و برای تمامِ ذینفعان مفید هستند. این امر به مالکان کمک می‌کند تا هزینه‌ي سالانه‌ي انرژیِ خود را محاسبه کنند، به طراحان کمک می‌کند تا در موردِ اقداماتِ ذخیره‌سازی انرژي و طراحی بر مبنای هدف پروژه‌ها برای ذخیره‌ی انرژي تصمیم‌گیری کنند و همچنین، تصمیم سازان را قادر می‌سازد تا در موردِ میزانِ ذخیره‌سازی انرژي در طول چرخه‌ی حیاتِ یک پروژه‌ی ساختمانی تصمیم‌گیری کنند. چند ابزار وجود دارد که مصرفِ انرژیِ یک ساختمان را پیش‌بینی می‌کند مانند Ecotect، eQUESTو غیره. با تمرکز بر جنبه‌های مختلفَ عملکردِ یک ساختمانِ، به‌طور مثال eQUEST می‌تواند شبیه‌سازی را مبنی بر اجزای ساختمان شاملِ دیوارها، پنجره‌ها، شیشه، به‌علاوه‌ی تعدادِ کاربران، بارهای الکتریکی و میزانِ تهویه فراهم کند، درحالی‌که اکو تک با یک مدل‌سازِ سه‌بعدی با طیف وسیعی از تحلیلِ عملکردِ‌ انرژي، شاملِ حرارتی، انرژی، روشنایی، سایه، صوتی و هزینه همراه می‌شود [2]. چند مطالعه بر رویعملکردِ انرژيِ ساختمان انجام شده است [3-5] حال‌آنکه تخمین میزانِ مصرفِ انرژيِ ساختمان، یک وظیفه‌ی ساده نیست؛ زیرا به چندین عامل بستگی دارد [5]. بنا به گفته‌ی حیدر نژاد [6]، چندین متغیر وجود دارد که عملکردِ انرژيِ ساختمان را تحت تأثیر قرار می‌دهد، شامل: (1) متغیرهای سیستم، (2) بارهای داخلی، (3) برنامه‌ی بارِداخلی، (4) برنامه‌ی سیستم، (5) هندسه‌ی ساختمان، (6) اطلاعات آب وهوایی در زمان واقعی، (7) ویژگی حرارتی پوششِ ساختمان، (8 ) تأثیر محیط اطراف (نشان داده شده درشکل 1). این مطالعه یک رویکردِ کاربردی و واقع‌گرایانه را برای پیش‌بینی عملکردِ انرژیِ ساختمان‌های اداریِ معمولی با تمرکزِ ویژه بر دو اقلیمِ متفاوتِ بیلینگز (سرد و خشک) و سن خوزه (گرم دریایی) فراهم می‌کند. هفت شکلِ ساختمانِ اداری شاملِ مستطیلی، H شکل، L شکل، مستطیلی به‌جز گوشه‌ها، مثلث، T شکل و U شکل در نظر گرفته شدند. eQUEST و DOE-2برای پیکربندیِ هر ساختمان موردِاستفاده قرار گرفتند. روش‌های شبیه‌سازیِ مونت‌کارلو برای ایجاد توزیعِ یکنواختِ احتمال به کار گرفته شدند. ده هزار شبیه‌سازی برای هر شکل ساختمانی در هر منطقه‌ی اقلیمی اجرا شد برای ارائه‌ی مجموعه‌ای جامع از اطلاعات که طیف گسترده‌ای از پارامترهای طراحی را پوشش می‌دهند. درنتیجه، برای پیش‌بینی عملکرد انرژی هر ساختمان، نتایج حاصل از فنونِ شبیه‌سازی، برای مجموعه‌ای از معادلات رگرسیون اجرا شد.

دانلود رایگان 2 صفحه اول مقاله لاتین (PDF)

پیش نمایش مقاله

چکیده انگلیسی

The present study describes the development of a multi-linear regression model to predict the effect of building shape on total energy consumption in two different climate regions (i.e. cold-dry and warm-marine). Seven building shapes including H-shape, T-shape, rectangle, etc. were considered in this study. The simplified model can be used to conduct a parametric study in order to investigate the effect of building parameters on total heating and cooling load. Building simulation software programs, including eQUEST and DOE-2 were used to build and simulate individual building configuration that were generated using Monte Carlo simulation techniques. Ten thousand simulations for seven building shapes were performed to create a comprehensive dataset covering the full ranges of design parameters. Statistical analysis was performed using R statistical analysis program to develop a set of linear regression equations predicting energy consumption of each design scenario. In addition, the influence of several design parameters on building energy consumption was further investigated using the sensitivity analysis procedure. The difference between regression-predicted and DOE-2 simulated annual building energy consumption were largely within 5%. It is envisioned that the developed regression models can be used to estimate the total energy consumption in the early stages of the design when different building schemes and design concepts are being considered.