Modelowanie zużycia energii na cele c.o. i c.w. w budynkach wielorodzinnych na tle sytuacji meteorologicznej we Wrocławiu

• Autorzy: Kajewska-Szkudlarek, Joanna , Stańczyk, Justyna , Domańska, Magdalena

Warianty tytułu

EN

Modelling of heating energy demand in multi-family buildings depending on meteorological conditions in Wrocław

• Języki publikacji: PL

Abstrakty

PL

Rosnące ceny za energię, a także przepisy związane z efektywnością energetyczną budynków powodują, że temat analiz zużycia energii na cele ogrzewnictwa i przygotowania ciepłej wody jest chętnie podejmowany przez zarządców budynków, a także środowisko naukowe. Dodatkowo, postępująca zmiana klimatu, coraz cieplejsze zimy, a bardziej upalne lata, wymagają wdrożenia głębszych analiz pobieranej energii w stosunku do zmieniających się warunków meteorologicznych. W niniejszym artykule przedstawiono wyniki badań modelowania zużycia energii przeznaczonej na c.o. i c.w. prowadzonych przy współpracy z jedną z wrocławskich spółdzielni mieszkaniowych. Wykazano, iż za pomocą prostej struktury regresyjnych drzew decyzyjnych istnieje możliwość utworzenia modelu miesięcznego zużycia ciepła dla mieszkalnictwa wielorodzinnego, przy jednoczesnym poznaniu reguł wpływu na ten aspekt stanu pogody. Współczynniki determinacji R2 uzyskanych modeli oscylowały, w zależności od budynku, w zakresie od 0,93 do 0,96.

EN

Rising energy prices, as well as regulations related to the energy efficiency of buildings, make the issue of energy consumption for heating and hot water preparation analysis a subject of interest for building managers and the scientific community. Furthermore, progressive climate change, with increasingly warmer winters and hotter summers, requires the implementation of deeper analyses of energy intake in relation to the changing meteorological situation. This article presents the modelling results of the energy consumption for heating and hot water preparation, conducted in cooperation with one of Wroclaw’s housing cooperatives. It was shown that with the use of a simple structure of regression decision trees, it is possible to create a model of the heat consumption for multifamily housing, while learning the rules of the impact of weather conditions on this aspect. The determination coefficients R2 of the models oscillated, depending on the building, in the range of 0.93 to 0.96.

Słowa kluczowe

PL

regresyjne drzewa decyzyjne; model zużycia; dobór predyktorów; ciepła woda; ogrzewanie; parametry meteorologiczne

EN

regressive decision trees; model of consumption; input variable selection; domestic hot water; heating; meteorological parameters

• Czasopismo: Instal
• Rocznik: 2024
• Tom: nr 5
• Strony: 10--16
• Opis fizyczny: Bibliogr. 26 poz., fot., rys., tab.

Twórcy

autor

Kajewska-Szkudlarek, Joanna

• Uniwersytet Przyrodniczy we Wrocławiu, Instytut Inżynierii Środowiska, Wrocław,

autor

Stańczyk, Justyna

• Uniwersytet Przyrodniczy we Wrocławiu, Instytut Inżynierii Środowiska, Wrocław

autor

Domańska, Magdalena

• Uniwersytet Przyrodniczy we Wrocławiu, Instytut Inżynierii Środowiska, Wrocław

Bibliografia

• [1] Ling J., Dai N., Xing J., Tong H. An Improved Input Variable Selection Method of the Data-Driven Model for Building Heating Load Prediction. Journal of Building Engineering 44 (2021), 103255; doi: 10.1016/j.jobe.2021.103255
• [2] Salata F., Falasca S., Ciancio V., Curci G., Grignaffini S., de Wilde P. Estimating Building Cooling Energy Demand through the Cooling Degree Hours in a Changing Climate: A Modeling Study. Sustainable Cities and Society 76 (2022), 103518; doi: 10.1016/j.scs.2021.103518
• [3] Imhoff M. L., Bounoua L., Ricketts T., Loucks C., Harriss R., Lawrence W. T. Global Patterns in Human Consumption of Net Primary Production. Nature 429(6994) (2004), 870-73; doi: 10.1038/nature02619
• [4] Dz.U. 2023 poz. 697, Rozporządzenie Ministra Rozwoju i Technologii z dnia 28 marca 2023 r. zmieniające rozporządzenie w sprawie metodologii wyznaczania charakterystyki energetycznej budynku lub części budynku oraz świadectw charakterystyki energetycznej
• [5] Kwiatkowski J., Narowski P. Energia dostarczona - czy potrzebny nam jeszcze jeden rodzaj w klasyfikacji energii w charakterystyce energetycznej budynków?. Ciepłownictwo, Ogrzewnictwo, Wentylacja 54/10 (2023), 13-16; doi: 10.15199/9.2023.10.2
• [6] Ciancio V., Salata F., Falasca S., Curci G., Golasi I., de Wilde P. Energy Demands of Buildings in the Framework of Climate Change: An Investigation across Europe. Sustainable Cities and Society 60 (2020), 102213; doi: 10.1016/j.scs.2020.102213
• [7] Pagliaro F., Cellucci L., Burattini C., Bisegna F., Gugliermetti F., de Lieto Vollaro A., Salata F., Golasi I. A Methodological Comparison between Energy and Environmental Performance Evaluation. Sustainability 7(8) (2015), 10324-42; doi:10.3390/su70810324
• [8] Wang J., Hou J., Chen J., Fu Q., Huang G. Data Mining Approach for Improving the Optimal Control of HVAC Systems: An Event-Driven Strategy. Journal of Building Engineering 39 (2021), 102246; doi: 10.1016/j.jobe.2021.102246
• [9] Eurostat. Heating and Cooling Degree Days - Statistics. Https://Ec.Europa.Eu/Eurostat/Statistics-Explained/Index.Php?Oldid=510067#Heating_and_cooling_degree_days_at_EU_level (2023)
• [10] Główny Urząd Statystyczny. Zużycie energii w gospodarstwach domowych w 2021 r., dostęp: https://stat.gov.pl/files/gfx/portalin-formacyjny/pl/defaultaktualnosci/5485/12/2/1/zuzycie_energii_w_gospodarstwach_domowych_w_2021_r.pdf
• [11] Abdou N., el Mghouchi Y., Jraida K. S., Hajou A., Mouqallid M. Prediction and Optimization of Heating and Cooling Loads for Low Energy Buildings in Morocco: An Application of Hybrid Machine Learning Methods. Journal of Building Engineering 61(2022), 105332
• [12] Turski M. Magazynowanie ciepła w miejskich systemach ciepłowniczych. Instal 10 (2023), 4-8; doi: 10.36119/15.2023.10.1
• [13] Frayssinet L., Merlier L., Kuznik F., Hubert J.-L., Milliez M., Roux J.-J. Modeling the Heating and Cooling Energy Demand of Urban Buildings at City Scale. Renewable and Sustainable Energy Reviews 81 (2018), 2318-27; doi: 10.1016/j.rser.2017.06.040
• [14] Jing Z., Liu X. A Hybrid Method of Dynamic Cooling and Heating Load Forecasting for Office Buildings Based on Artificial Intelligence and Regression Analysis. Energy and Buildings 174 (2018), 293-308; doi: 10.1016/j.enbuild.2018.06.050
• [15] Zhao J., Duan Y., Liu X. Uncertainty Analysis of Weather Forecast Data for Cooling Load Forecasting Based on the Monte Carlo Method. Energies 11(7) (2018), 1900; doi: 10.3390/en11071900
• [16] Lin B., Ling C. Heating Price Control and Air Pollution in China: Evidence from Heating Daily Data in Autumn and Winter. Energy and Buildings 250 (2021), 111262; doi: 10.1016/j.enbuild.2021.111262
• [17] Bartnicki G., Nowak B. Predykcja zużycia ciepła w lokalu mieszkalnym na podstawie danych historycznych z ciepłomierzy mieszkaniowych. Instal 12 (2020), 15-20; doi: 10.36119/15.2020.12.2
• [18] Hosseini M., Javanroodi K., Nik V. M. High-Resolution Impact Assessment of Climate Change on Building Energy Performance Considering Extreme Weather Events and Microclimate - Investigating Variations in Indoor Thermal Comfort and Degree-Days. Sustainable Cities and Society 78 (2022), 103634; doi: 10.1016/j.scs.2021.103634
• [19] Bartnicki G., Nowak B. Możliwości predykcji zużycia ciepła w lokalu mieszkalnym za pomocą modeli autoregresji. Instal 5 (2021), 8-14; doi: 10.36119/15.2021.5.1
• [20] Urząd Statystyczny we Wrocławiu, Warunki życia - mieszkania i infrastruktura 2023, dostęp: https://wroclaw.stat.gov.pl/files/gfx/wroclaw/pl/defaultstronaopisowa/1602/1/2/dz_8_mieszkania_infrastruktura_2023.pdf
• [21] Urząd Statystyczny we Wrocławiu, Rocznik Statystyczny Wrocławia 2023, dostęp: https://wroclaw.stat.gov.pl/publikacje-i-foldery/roczniki-statystyczne/rocznik-statystyczny-wroclawia-2023,3,18.html
• [22] Centrum Analiz i Badań, Unia Metropolii Polskich, Miejska gościnność: wielki wzrost, wyzwania i szanse - Raport o uchodźcach z Ukrainy w największych polskich miastach (2022), dostęp: https://metropolie.pl/artykul/34-mln-ukraincow-w-polsce-nowy-raport-unii-metropolii-polskich
• [23] PN-EN 12831-1:2017-08 (wersja angielska) Instalacje ogrzewcze w budynkach Metoda obliczania projektowego obciążenia cieplnego
• [24] Weiler V., Eicker U. Individual Domestic Hot Water Profiles for Building Simulation at Urban Scale. Proceedings of the 16th IBPSA Conference Rome, Italy, (2019), doi:10.26868/25222708.2019.210467.
• [25] Horkai A. A statistical analysis of the relationship between domestic hot water consumption and mean outdoor temperature in Budapest. IDŐJÁRÁS/QUARTERLY JOURNAL OF THE HUNGARIAN METEOROLOGICAL SERVICE 125.1 (2021), 53-82
• [26] PN-EN 1991-1-4 Eurokod 1: Oddziaływania na konstrukcje - Część 1-4: Oddziaływania ogólne - Oddziaływania wiatru, Warszawa, Polski Komitet Normalizacyjny, 2018

Identyfikatory

DOI

10.36119/15.2024.5.2