Efektywne energetycznie projektowanie okien w budynku jednorodzinnym

• Autorzy: Grygierek K. , Ferdyn-Grygierek J.

Identyfikatory

DOI

10.15199/9.2017.10.5

Warianty tytułu

EN

Energy-efficient windows design for detached house

• Języki publikacji: PL

Abstrakty

PL

Okna, a szczególnie rodzaj zastosowanego oszklenia, są głównym czynnikiem wpływającym na skuteczne wykorzystanie zysków ciepła od nasłonecznienia. Maksymalne wykorzystanie tych zysków pozwala na obniżenie kosztów energii zużywanej do ogrzewania. Jednak większe zyski od słońca generują potrzebę chłodzenia pomieszczeń w okresie letnim. Celem badań zaprezentowanych w artykule jest przeanalizowanie wpływu orientacji i wielkości okien na roczne zapotrzebowanie na ciepło i chłód odniesionych do kosztów energii. Do optymalizacji wykorzystano algorytmy genetyczne, a do symulacji zapotrzebowania na ciepło i chłód zastosowano program TRNSYS. Przedmiotem analizy był przykładowy budynek jednorodzinny. Samoadaptacyjna metoda algorytmów genetycznych w połączeniu z energetyczną symulacją budynku skutecznie identyfikuje najmniejsze koszty energii. Optymalny dobór wielkości okien i ich rozmieszczenie względem stron świata ogranicza koszty zużywanej energii. Opracowane pełne środowisko symulacyjne może być również wykorzystane do optymalizacji innych parametrów budynku.

EN

Windows, especially the type of glazing, are a determining factor in the successful use of solar gains. The maximum utilization of these heat gains reduces the heating cost, but on the other hand – higher solar gains generate the need for cooling rooms during the summer season. The aim of the research presented in the paper is to analyse the effects of windows’ orientation and windows’ size on annual heating and cooling energy demand considering the energy costs. Genetic algorithms are used for the optimization, while TRNSYS program is used for energy analysis. The analyses are performed on an exemplary single family building. Self-adaptive genetic algorithm connected with energy building simulation successfully identifies the lowest energy costs. Optimal windows’ size design and windows’ orientation reduce energy costs. The developed comprehensive energy simulation environment can also be used to optimize other building parameters.

Słowa kluczowe

PL

algorytmy genetyczne; optymalizacja; zużycie energii; symulacja budynku; wielkość okien

EN

genetic algorithms; optimization; energy consumption; building simulation; windows’ size

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Ciepłownictwo, Ogrzewnictwo, Wentylacja
• Rocznik: 2017
• Tom: T. 48, nr 10
• Strony: 412--417
• Opis fizyczny: bibliogr. 33 poz., rys., tab.

Twórcy

autor

Grygierek K.

• Wydział Budownictwa, Katedra Mechaniki i Mostów, Politechnika Śląska, Gliwice, Polska

autor

Ferdyn-Grygierek J.

• Wydział Inżynierii Środowiska i Energetyki, Katedra Ogrzewnictwa, Wentylacji i Techniki Odpylania, Politechnika Śląska, Gliwice, Polska

Bibliografia

• [1] Baranowski Andrzej, Joanna Ferdyn-Grygierek. 2003. "Zintegrowana symulacja numeryczna nakładów ciepła i wymiany powietrza w mieszkaniu budynku wielorodzinnego". Ciepłownictwo, Ogrzewnictwo, Wentylacja .34 (9): 11-14. Ciepłownictwo, Ogrzewnictwo, Wentylacja 48/10 (2017) 417
• [2] Baranowski Andrzej, Joanna Ferdyn-Grygierek. 2009. "Heat demand and air exchange in a multifamily building - simulation with elements of validation". Build. Serv. Res. Technol. 30 (3): 227-240.
• [3] Baranowski Andrzej, Joanna Ferdyn-Grygierek. 2011. "Numerical analysis of the energy consumption in the office Building". Rynek Energii. (2): 171-175.
• [4] Bichiou Youssef, Moncef Krarti. 2011. "Optimization of envelope and HVAC systems selection for residential buildings". Energy and Buildings. 43 (12): 3373-3382.
• [5] Cheung C.K., R.J. Fuller, M.B. Luther. 2005. "Energy-efficient envelope design for high-rise apartments". Energy and Buildings. (37) : 37-48.
• [6] Čongradac Velimir, Filip Kulić. 2012. "Recognition of the importance of using artificial neural networks and genetic algorithms to optimize chiller operation". Energy and Buildings. 47: 651-658
• [7] De Boeck, L., S. Verbeke, A. Audenaert, L. De Mesmaeker. 2013. "Improving the energy performance of residential buildings: a literature review". Renewable and Sustainable Energy Reviews. (52): 960-975.
• [8] ESRU Manual U02/1. 2002. "The ESP-r system for building energy simulation". User Guide Version 10 Series. University of Strathclyde Energy Systems Research Unit. Glasgow.
• [9] Ferdyn-Grygierek Joanna. 2005. "Zintegrowana symulacja zapotrzebowania na ciepło, wymiany powietrza i emisji zanieczyszczeń w budynku". Ciepłownictwo, Ogrzewnictwo, Wentylacja. 36 (9): 26-29.
• [10] Filippın Celina, Silvana Flores Larsen, E. Lopez Gay. 2008. “Energy improvement of a conventional dwelling in Argentina through thermal simulation". Renewable Energy. (33): 2246-2257.
• [11] Gasparella Andrea, Giovanni Pernigotto, Francesca Cappelletti- ,Piercarlo Romagnoni, Paolo Baggio. 2011. “Analysis and modelling of window and glazing systems energy performance for a well insulated residential building". Energy and Buildings. (43): 1030-1037.
• [12] Goldberg David E. 1995. "Algorytmy genetyczne i ich zastosowania". Wydawnictwo Naukowo-Techniczne. Warszawa.
• [13] Grygierek Krzysztof. 2014. "Samoadaptacyjna metoda algorytmów genetycznych w optymalizacji przestrzennych kratownic". Modelowanie Inżynierskie. 21 (52): 80-86.
• [14] Grygierek Krzysztof. 2016. “Optimization of trusses with self-adaptive approach in genetic algorithms". ACEE Archit. Civ. Eng. Environ. 9 (4): 67-78.
• [15] Ihm Pyeongchan, Moncef Krarti. 2012. “Design optimization of energy efficient residential buildings in Tunisia". Building and Environment (58): 81-90.
• [16] Jaber Samar, Salman Ajib. 2011. “Thermal and economic windows design for different climate zones". Energy and Buildings. (43): 3208-3215.
• [17] Kapsalaki M.,V. Leal, M. Santamouris. 2012. “A methodology for economic efficient design of Net Zero Energy Buildings". Energy and Buildings. (55): 765-778.
• [18] Klein, S. A., W. A. Beckman, J. W. Mitchell, J. A. Duffie, N. A. Duffie, T. L. Freeman, J. C. Mitchell, et al. 2010. TRNSYS 17 A transient system simulation program. U. of W.-M. Solar Energy Laboratory, Ed.
• [19] Liu Ying, Haibo Dong, Niels Lohse, Sanja Petrovic. 2016. "A multi- -objective genetic algorithm for optimisation of energy consumption and shop floor production performance." International Journal of Production Economics, (179): 259-272.
• [20] Magnier Laurent, Fariborz Haghighat. 2010. “Multiobjective optimization of building design using TRNSYS simulations, genetic algorithm and Artificial Neural Network". Building and Environment, (45): 739-746.
• [21] Menzies G.F., J.R. Wherrett. 2005. "Windows in the workplace: examining issues of environmental sustainability and occupant comfort in the selection of multi-glazed windows". Energy and Buildings. 37 (6): 623-630.
• [22] Mossolly M., K. Ghali, N. Ghaddar. 2009. "Optimal control strategy for a multi-zone air conditioning system using a genetic algorithm". Energy. (34): 58-66.
• [23] Pełech Aleksander. 2008. "Wentylacja i klimatyzacja - podstawy". Oficyna Politechniki Wrocławskiej. Wrocław.
• [24] Popiołek Zbigniew, Dorota Bartosz. 2010. "Prognozowanie zużycia ciepła na cele grzewcze i wentylacyjne w budynku mieszkalnym". Rynek Energii. 5 (90): 11-15.
• [25] Recknagel Hermann, Ernst-Rudolf Schramek. 2008. "Kompendium wiedzy. Ogrzewnictwo, klimatyzacja, ciepła woda, chłodnictwo". Omni Scala. Wrocław. ISBN 978-83-926833-6-0.
• [26] Rozporządzenie Ministra Infrastruktury z dnia 12 kwietnia 2002 r. w sprawie warunków technicznych, jakim powinny odpowiadać budynki i ich usytuowanie (Dz.U. 2002 nr 75 poz. 690 ze zm.).
• [27] Ruiz M.C., E. Romero. 2011. “Energy saving in the conventional design of a Spanish house using thermal simulation". Energy and Buildings. (43): 3226-3235.
• [28] Tuhus-Dubrow Daniel, Moncef Krarti. 2010. "Genetic-algorithm based approach to optimize building envelope design for residential buildings". Building and Environment. 45: 1574-1581.
• [29] Yang Chunfeng, Haijiang Li, Yacine Rezgui, Ioan Petri, Baris Yuce, Biaosong Chen, Bejay Jayan. 2014. "High throughput computing based distributed genetic algorithm for building energy consumption optimization". Energy and Buildings (76): 92-101.
• [30] Yi Yun Kyu, Ali M. Malkawi. 2009. "Optimizing building form for energy performance based on hierarchical geometry relation". Automation in Construction 18 (6): 825-833.
• [31] Yu Jinghua, Changzhi Yang, Liwei Tian. 2008. "Low-energy envelope design of residential building in hot summer and cold winter zone in China". Energy and Buildings, 40: 1536-1546.
• [32] Yuehong Lu, Wang Shengwei, Zhao Yang, Yan Chengchu. 2015. "Renewable energy system optimization of low/zero energy buildings using single-objective and multi-objective optimization methods". Energy and Buildings (89): 61-75.
• [33] Znouda Essia, Nadia Ghrab-Morcos, Atidel Hadj-Alouane. 2007. "Optimization of Mediterranean building design using genetic algorithms". Energy and Buildings. (39): 148-153.