بهره برداری از پتانسیل داده های ساختمان های عمومی یکپارچه: ارزیابی عملکرد انرژی موجودی ساختمان در یک مطالعه موردی در شمال ایتالیا
خلاصه
مدیریت هوشمند محیط ساخته شده شهری بر در دسترس بودن داده ها تکیه دارد که از سیاست گذاری صحیح حمایت می کند و فرآیندهای نوسازی شهر را به سمت مدل های پایدارتر و عملکردی هدایت می کند. با این وجود، بعید است که مدیران دولتی اطلاعات جامعی در مورد ساختمان موجود داشته باشند. علاوه بر این، ابزارهایی که بینش مؤثری در مورد هزینهها و مزایای بالقوه استراتژیهای مقاومسازی در مقیاس شهر/منطقه ارائه میکنند، به سختی در دسترس هستند. این مقاله توضیح میدهد که چگونه دادههای مربوط به ساختمانهای موجود ممکن است به طور مؤثر با هم در یک سیستم اطلاعات ساختمانی ترکیب شوند و مزایا و کاستیهای مربوط به این فرآیند را مورد بحث قرار میدهد. همزمان، اجرای یک مطالعه موردی واقعی در شمال ایتالیا نشان میدهد که چگونه تلاشهای ناشی از هماهنگسازی و ادغام دادهها میتواند برنامههایی را برای حمایت از سیاستگذاران در مدیریت محیط ساختهشده و در تعریف استراتژیهای پایداری شهری تقویت کند. داده های ساختمان مطابق با الزامات استاندارد باز بین المللی CityGML هماهنگ شدند، بنابراین تبادل اطلاعات ساختمان را تسهیل می کند. کل پروژه با در نظر گرفتن ویژگیهای منابع دادهای که برای هر نهاد عمومی در ایتالیا در دسترس است انجام شد و در نتیجه ممکن است برای سایر شهرداریهای ایتالیا نیز تکرار شود. داده های ساختمان مطابق با الزامات استاندارد باز بین المللی CityGML هماهنگ شدند، بنابراین تبادل اطلاعات ساختمان را تسهیل می کند. کل پروژه با در نظر گرفتن ویژگیهای منابع دادهای که برای هر نهاد عمومی در ایتالیا در دسترس است انجام شد و در نتیجه ممکن است برای سایر شهرداریهای ایتالیا نیز تکرار شود. داده های ساختمان مطابق با الزامات استاندارد باز بین المللی CityGML هماهنگ شدند، بنابراین تبادل اطلاعات ساختمان را تسهیل می کند. کل پروژه با در نظر گرفتن ویژگیهای منابع دادهای که برای هر نهاد عمومی در ایتالیا در دسترس است انجام شد و در نتیجه ممکن است برای سایر شهرداریهای ایتالیا نیز تکرار شود.
کلید واژه ها:
مدل سازی داده های ساختمان ; مدل سازی سه بعدی شهر ; ارزیابی تقاضای انرژی ; پایگاه داده توپوگرافی
1. معرفی
توجه فزاینده ای که به تأثیرات انسانی بر محیط طبیعی می شود، آگاهی را در مورد موضوعات کارایی، پایداری و تاب آوری سکونتگاه های شهری افزایش داده است. انتظار میرود ساختمانهای معاصر از دیدگاههای مختلف بسیار کارآمد باشند، کیفیت بهتر و ردپای کربن کمتری را در محیط ساخته شده تضمین کنند [ 1 ]، حفاظت و انعطافپذیری بالاتر در برابر حوادث فاجعهبار [ 2 ]، و مدیریت هوشمندانهتر داراییها [1] 3]. اگر از یک طرف، امروزه به راحتی می توان اطلاعات کاملی در مورد ساختمان های جدید یا جدید به دست آورد، از سوی دیگر ممکن است بازیابی همان کیفیت و کمیت داده ها در مورد ساختمان های قدیمی تر، چندان آسان نباشد. با این حال، موجودی ساختمان فعلی بیشترین بخش شهرهای اروپایی و کل بخشهای سکونتگاهها را به خود اختصاص میدهد تا به استراتژیهای تغییر و نوسازی سیستمی نیاز داشته باشد تا نیازهای پایداری و کارایی بالاتری را برآورده کند. برعکس، در دسترس بودن ابزارهای اطلاعاتی مناسب در سطح شهر بر روی اشیاء شهری (مثلاً ساختمانها، پلها و غیره) برای هدایت چنین استراتژیهایی همیشه تضمین نمیشود.
کیفیت و کامل بودن اطلاعات ساختمان در ایتالیا با چندین نکته مهم مشخص می شود: داده های ساختمان اغلب ناقص و قدیمی هستند. محتویات اغلب در پایگاههای داده مختلف تکرار میشوند، اما اطلاعات ممکن است به دلیل نرخ متفاوتی که بهروزرسانی میشوند، متفاوت باشد. و داده ها همبستگی ندارند زیرا نه ارجاعات معنایی و نه مکانی در میان آرشیوهای موجود به اشتراک گذاشته شده است [ 4]]. به طور خلاصه، اطلاعات ساختمان در میان پایگاههای دادههای بخشی ناهمگن پخش میشود، که هر کدام برای هدف خاصی ایجاد شدهاند و از رویکردی کاربردی در مدلسازی، سازماندهی و مدیریت دادهها پیروی میکنند. در نتیجه، جمعآوری دادهها و وظایف هماهنگسازی همچنان مانعی برای اتخاذ ابزارهای مناسب برای حمایت از سیاستگذاران در تعریف استراتژیهای توسعه و نوسازی شهری است [ 5 ].
نیاز به اطلاعات سازمان یافته و قابل استفاده در مورد ساختمان ها موضوعی است که چندین دهه است که توسط چندین کشور اروپایی مورد توجه قرار گرفته است. به عنوان مثال، در هلند، ایجاد مجموعه ای یکپارچه از ثبت های عمومی کلیدی در آغاز دهه 90 آغاز شد [ 6 ، 7]]. این گونه ثبتها که برای بخش عمومی اهمیت اولیه دارند، هم شامل دادههای جغرافیایی (کاداستر، نقشههای پایه توپوگرافی کوچک و بزرگ، آدرسها، ساختمانها، شبکههای خدماتی زیرزمینی) و دادههای غیرجغرافیایی (ساکنان، شرکتها، وسایل نقلیه و غیره). دامنه این فرآیند هماهنگ سازی بهبود کارایی مدیریت، فرکانس به روز رسانی و قابلیت استفاده از آرشیوهای عمومی بود. در نتیجه، قابلیت اطمینان بهتری از میراث اطلاعات عمومی به دست آمد، به طوری که این خدمات واقعی توسط کاداستر به مشاغل محلی ارائه شد [ 8 ]. این امر همچنین ایجاد زیرساخت دادههای مکانی ملی (NSDI) را تسهیل کرد، که در سالهای اخیر امکان ایجاد مدلهای سهبعدی شهر در سراسر کشور را فراهم کرد [ 9]]. در آلمان، در آغاز دهه 2000، اطلاعات کاداستر و توپوگرافی به عنوان مهمترین اطلاعات پایه برای GIS شناخته شد. افزایش تقاضا از سوی بازار (آژانسهای املاک، بانکها، شرکتهای بیمه و غیره) مقامات دولتی را تشویق کرد تا یک مدل داده یکپارچه برای کاداستر و پایگاهداده توپوگرافی راهاندازی کنند: محتویات دو بایگانی به منظور جلوگیری از اضافهکاری و دادههای تکراری تعریف شد. اکتساب و فعال کردن تبادل داده ها [ 10]. در دسترس بودن داده های ساختمانی هماهنگ، ایجاد مدل های سه بعدی شهر را تسهیل می کند. در بریتانیا، آژانس ملی نقشه برداری (Ordnance Survey) مسئول به روز رسانی و نگهداری مداوم اطلاعات جغرافیایی اصلی (GI) است که ممکن است توسط نهادهای دولتی و شرکت های خصوصی به عنوان داده های معتبر و تایید شده استفاده شود. از جمله، اطلاعات مربوط به ساختمان را نیز شامل می شود. Ordnance Survey همچنین شریک یک پروژه آزمایشی است که توسط کنسرسیوم فضایی باز (OGC) و buildingSMART International، با تمرکز بر ادغام مدلهای شهر سه بعدی و مدلهای ساختمان، هماهنگ شده است. آژانس نقشه برداری همچنین در Digital Built Britain، یک ابتکار دولتی با هدف درخواست فرآیند دیجیتالی سازی در بخش ساخت و ساز درگیر است [ 11 ، 12]]. در اسپانیا، کاداستر ملی فراتر از هدف صرفاً مالی خود رفت و به نقشهبرداری سهبعدی ساختمانها، که شامل مدلسازی فضای داخلی ساختمان و تمایز طبقات و واحدهای ساختمانی است، رفت [13 ، 14 ] .
درس آموخته شده از این تجربیات را می توان به شرح زیر خلاصه کرد:
-
GI نقش مهمی در مدلسازی دادههای ساختمان ایفا میکند، بهویژه وقتی در نظر بگیریم که داراییهای ساختهشده تحت تأثیر بافتی هستند که در آن قرار دارند (به عنوان مثال، تعریف درآمد کاداستر تحت تأثیر مکان مرکزی یا پیرامونی در یک شهر است) و، به نوبه خود، آنها ممکن است بر آن زمینه تأثیر بگذارند (به عنوان مثال، ساخت یک ساختمان جدید که ساختمان های دیگر را سایه می اندازد و تقاضای انرژی گرمایشی را در طول فصل زمستان افزایش می دهد).
-
وجود آرشیو هماهنگ کلیدی برای ارائه اطلاعات کامل در مورد ساختمان ها، ادغام جزئیات ساختاری و ساختمانی (به عنوان مثال، تعداد طبقات و خانه ها، خواص فیزیکی مصالح ساختمانی)، و داده های اجتماعی-اقتصادی (به عنوان مثال، تعداد ساکنان) است. ، حضور شرکت ها و افراد مسن و غیره)؛ و
-
مکانیسمهای مدیریت دادههای مشترک و فدرال ممکن است کارایی در مدیریت دادههای عمومی را بهبود بخشد، از افزونگیها و ناهماهنگیها جلوگیری کند و نرخ بهروزرسانی دادهها را بهبود بخشد.
هدف از تحقیق ارائه شده در این مقاله، ایجاد یک سیستم یکپارچه اطلاعات ساختمان (BIS) با شروع اطلاعات موجود در مورد ساختمانها است که قرار است قابلیت همکاری بایگانی را ممکن کند و تصویر کاملی از انبار ساختمان در یک شهر ارائه دهد. هدف نشان دادن این است که چگونه چنین برنامهها و استراتژیهای کارآمدی ممکن است در مقیاس ناحیه و شهر اجرا شوند.
برای این منظور، مروری بر مجموعه دادههای ساختمانی موجود در بایگانیهای عمومی انجام شد و مزایا و معایب آنها را برجسته کرد و روشی امکانپذیر برای پیوند دادن آنها شناسایی کرد ( بخش 2.1 ). علاوه بر این، یک منطقه مورد مطالعه در ایتالیا انتخاب شد، که در آن کار هماهنگ سازی قابل توجهی به منظور ایجاد BIS و برای پر کردن شکاف بین کیفیت داده های مورد انتظار و واقعی انجام شد. سپس داده های یکپارچه با توجه به استاندارد بین المللی CityGML ( بخش 2.2) ترکیب و مدل سازی شدند). علاوه بر مدل دادههای «پایه»، دادههای ساختمان نیز به دنبال گسترش دامنه کاربرد انرژی (ADE)، که مدل پایه را گسترش میدهد و یک مرجع مشترک برای شبیهسازی انرژی ساختمان ارائه میدهد، ساختار یافته است. در نهایت، یک مطالعه موردی عملی در رابطه با تخمین تقاضای انرژی اولیه برای گرمایش زمستانی در مقیاس منطقه انجام شد ( بخش 2.3 ): مقادیر تخمینی سپس با گواهیهای عملکرد انرژی (EPC) و مقادیر مصرف اندازهگیری شده مقایسه شدند، که امکان ارزیابی دقت را فراهم میکند. تجزیه و تحلیل انرژی بر روی مجموعه ای از 154 ساختمان مسکونی ( بخش 3). باید تاکید کرد که دیدگاه فرض شده در این تحقیق دیدگاه یک نهاد عمومی است: همه مقامات دولتی در ایتالیا در واقع دسترسی ممتازی به دادههای ساختمان دارند و میتوانند از آنها برای اهداف عمومی و جمعی استفاده کنند.
این مقاله عمدتاً برگرفته از دوره Ph.D. پایان نامه یکی از نویسندگان [ 15 ] که به یکپارچه سازی داده های ساختمان می پردازد. با این حال، این مقاله عمداً بر موارد استفاده عملی مربوط به ساختمان و مدلسازی انرژی، و همچنین تجزیه و تحلیل ساختمانها در مقیاس ناحیه تمرکز میکند تا نشان دهد چگونه تلاش مورد نیاز برای تقویت قابلیت همکاری دادهها ممکن است به قابلیت استفاده مؤثر از دادههای عمومی در شهری منجر شود. تحلیل ها و کاربردها توضیح جامع در مورد تمام مسائل باز که به داده های ساختمان عمومی یا در مورد عملیات عملی برای اجرای قابلیت همکاری داده ها مربوط می شود، خارج از محدوده این مقاله است و در سند فوق الذکر یافت می شود.
2. مواد و روشها
2.1. ایجاد سیستم اطلاعات ساختمان
2.1.1. داده های ساختمان
حوزه اصلی این تحقیق شناسایی راهی مناسب برای ادارات محلی ایتالیا برای ایجاد یک BIS با شروع از داده های موجود بود. با در نظر گرفتن این هدف، منابع داده ساختمان با در نظر گرفتن آن دسته از پایگاههای اطلاعاتی که برای هر شهرداری در یک رویکرد استاندارد قابل دسترسی است، شناسایی شدند. در نتیجه، این مستلزم حذف برخی از مجموعه دادههای جالبی بود که در سطح منطقهای مدیریت میشدند (به عنوان مثال، پایگاههای اطلاعاتی گواهیهای عملکرد انرژی یا نیروگاههای حرارتی)، که ممکن است در دسترس بودن، محتویات اطلاعاتی و روش کسب آنها از یک منطقه به منطقه دیگر متفاوت باشد. بنابراین، بررسی منابع داده های موجود انجام شد و آرشیوهای زیر برای گنجاندن در BIS انتخاب شدند:
-
پایگاه داده توپوگرافی (TDB): به عنوان فرمت رسمی فعلی برای نقشه های توپوگرافی محلی و منطقه ای، TDB دارای یک ساختار داده 2.5 بعدی و شی گرا است که هدف آن ارائه یک توصیف هندسی و معنایی از اشیاء دنیای واقعی است [16 ] . سیستم مرجع مختصات مورد استفاده در TDB ایتالیا به سیستم مرجع زمینی اروپا ETRS 89 اشاره دارد که بر اساس UTM (مناطق 32 و 33 شمالی) پیش بینی شده است. مدل داده برای TDB با الزامات تعریف شده توسط دستورالعمل اروپایی 2007/2/EC INSPIRE مطابقت دارد [ 17]]. هر شی از طریق هندسه خودسازگار مرتبط با ویژگی هایی که ویژگی های اصلی آن را توصیف می کند، نشان داده می شود. اشیاء بر اساس محدودیت های توپولوژیکی و سازگاری به یکدیگر مربوط می شوند. تا آنجا که به دارایی های ساخته شده مربوط می شود، ساختمان ها در TDB ها به عنوان مجموعه ای از حجم ها (تقریباً مطابق با بخش های ساختمان CityGML) تعریف می شوند که یک شی ساخته شده منحصر به فرد را تشکیل می دهند: این ساختمان دارای یک نوع شناسی معماری خاص است (به عنوان مثال، ساختمان عمومی، آسمان خراش، کلیسا، انبار، و غیره)، یک کاربرد رایج (یکی از: مسکونی، خدمات عمومی، صنعتی)، و سطح نگهداری (یکی از موارد: در حال ساخت، در حال استفاده، استفاده نشده یا خراب). بنابراین، برای هر ساختمانی که در یک TDB نگاشت شده است، می توان هندسه سه بعدی آن را با پردازش داده های هندسی ذخیره شده به عنوان بخش های ساختمان محاسبه کرد و ویژگی های کلی کمی (مانند گونه شناسی و عملکرد اصلی) را دانست. بهعنوان محصولات صرفاً کارتوگرافی که از طریق نقشهبرداری استریو از تصاویر هوایی بهدست میآیند، محتویاتی که مربوط به قسمتهای غیرقابل مشاهده، مانند طبقات زیرزمینی، یا جزئیات مربوط به سطوح عمودی (مانند دهانهها) است، گزارش نمیشوند. سایر منابع داده (به عنوان مثال، کاداستر، مدلهای BIM) باید برای بازیابی این موارد اطلاعاتی گمشده جستجو شوند. با این حال، ادغام با دیگر منابع داده خارجی فاز توسط مشخصات فنی فعلی مورد نیاز نیست، بدون توجه به امکان راه اندازی یک جریان اطلاعاتی مداوم از رویه های اداری موجود (به عنوان مثال، داده های ورودی از رویه های مجوز ساخت و ساز). دهانه ها)، گزارش نشده است. سایر منابع داده (به عنوان مثال، کاداستر، مدلهای BIM) باید برای بازیابی این موارد اطلاعاتی گمشده جستجو شوند. با این حال، ادغام با دیگر منابع داده خارجی فاز توسط مشخصات فنی فعلی مورد نیاز نیست، بدون توجه به امکان راه اندازی یک جریان اطلاعاتی مداوم از رویه های اداری موجود (به عنوان مثال، داده های ورودی از رویه های مجوز ساخت و ساز). دهانه ها)، گزارش نشده است. سایر منابع داده (به عنوان مثال، کاداستر، مدلهای BIM) باید برای بازیابی این موارد اطلاعاتی گمشده جستجو شوند. با این حال، ادغام با دیگر منابع داده خارجی فاز توسط مشخصات فنی فعلی مورد نیاز نیست، بدون توجه به امکان راه اندازی یک جریان اطلاعاتی مداوم از رویه های اداری موجود (به عنوان مثال، داده های ورودی از رویه های مجوز ساخت و ساز).
-
کاداستر: سازمان ثبت اسناد و املاک تنها بانک اطلاعاتی ساختمان ها است که به طور رسمی در سراسر کشور در دسترس است. شناسه های کاداستر تنها مرجع رسمی برای شناسایی یک ساختمان در ایتالیا هستند که به طور منحصر به فرد هر دارایی را در سراسر کشور شناسایی می کنند. با این وجود، محتوای آن صرفاً ماهیت مالی دارد و بهروزرسانیها فقط برای ساختمانهای جدید یا بازسازیشده تولید میشوند. واحد اصلی که در دفتر ثبت اسناد رسمی ثبت می شود، واحد املاک (REU، به ایتالیایی: Unità Immobiliare Urbana ) است. طبق قوانین ملی، این بخشی از ساختمان (به عنوان مثال، یک خانه در یک بلوک آپارتمان)، یک ساختمان کامل (مثلاً یک خانه)، یا گروهی از ساختمان ها (ساختمان های پیچیده مانند بیمارستان ها یا شهرک های صنعتی) است که با توجه به وضعیت آن، ممکن است به طور مستقل درآمد ایجاد کند [18 ]. تا آنجا که به ویژگی های ساختمان مربوط می شود، با توجه به دامنه این کار، دو نوع اطلاعات مورد توجه است: (1) نقشه کاداستر که امکان مکان یابی فضایی قطعات، ساختمان ها، جاده ها و بدنه های آبی را فراهم می کند. و (2) اطلاعات توصیفی REU، ارائه داده های دقیق در مورد پارامترهای کمی و کیفی مربوط به هر ملک. به روز رسانی های کاداستر توسط متخصصان ساخت و ساز به نمایندگی از صاحبان املاک ارائه می شود. با این حال، با توجه به دشواری جمع آوری اطلاعات دقیق در مورد ساختمان های قدیمی، الزامات اختیاری اغلب نادیده گرفته می شوند. علاوه بر این، هیچ رویه خودکاری برای ارزیابی کامل بودن و سازگاری چنین بهروزرسانیهایی تنظیم نشده است.
-
ریزداده های ISTAT: هر ده سال یک بار موسسه ملی آمار ایتالیا (ISTAT) اطلاعات به روز را برای توصیف ثبات موجودی ساختمان ملی جمع آوری می کند. بخشی از این بررسی با داده های جمع آوری شده توسط رویه کاداستر در مورد ثبت ساختمان های جدید یا پس از بازسازی ساختمان های قدیمی همپوشانی دارد. متفاوت از به روز رسانی کاداستر، داده ها به طور گسترده برای تمام ساختمان های موجود جمع آوری می شود. بنابراین، کمبود اطلاعات کاداستر را می توان با اطلاعاتی که از داده های سرشماری به دست می آید برطرف کرد. با وجود این شانس، هیچ مرجع مشترکی به صراحت در دو پایگاه داده برای این منظور تعریف نشده است. مرجع اصلی آدرس است: بنابراین، این تنها بخشی از GI است که ممکن است رمزگذاری جغرافیایی داده های ساختمان را فعال کند. خوشبختانه، آدرسهایی که به ساختمانهایی که توسط ISTAT مورد تایید قرار گرفتهاند مرتبط هستند، به روشی ساختاریافته گزارش میشوند و با آرشیو ملی آدرسها همسو میشوند. این باید اتصال خودکار بین ریزدادههای ISTAT و آدرسهای ارجاعشده جغرافیایی را که معمولاً در ادارات محلی موجود است، تضمین کند. و
-
داده های مصرف انرژی: داده های مصرف برق و گاز برای هر نقطه تحویل (POD) ثبت شده در پایگاه های داده ارائه دهندگان انرژی گزارش می شود. یک POD منفرد ممکن است به یک خانوار یا چند خانوار اشاره داشته باشد: در حال حاضر نمی توان تعیین کرد که کدام املاک به یک POD خاص متصل هستند زیرا مراجع کاداستر از این پایگاه داده حذف می شوند. آنچه شناخته شده است این است که تمام POD های مرتبط با یک آدرس به ساختمان مرتبط با آن آدرس خدمات می دهند. همانطور که در مورد دادههای سرشماری، آدرس تنها مرجعی است که برای پیوند ساختمانها به PODها قابل استفاده است، اما برخلاف دادههای سرشماری، آدرسها به روشی بدون ساختار گزارش میشوند و گاهی اوقات ناقص هستند. در نتیجه، پیوند خودکار به آدرس های جغرافیایی ارجاع داده شده تضمین نمی شود و اغلب دشوار است که مقادیر مصرف را به ساختمان صحیح در دنیای واقعی مرتبط کنیم. داده های موجود برای هر اتصال برق عبارتند از: شماره POD، کد مالی ارائه دهنده انرژی، کد مالی مشتری، آدرس مربوط به اتصال، نوع اتصال (یعنی مسکونی یا غیرمسکونی)، مقدار انرژی مصرف شده (به صورت کیلووات ساعت بیان می شود. سال برق و به عنوان م3 / سال گاز) و قبوض مصرف (به یورو).
خلاصه ای از منابع داده ساختمان در جدول 1 گزارش شده است .
2.1.2. روش شناسی برای ایجاد یکپارچه سازی داده ها
یک مرحله مهم از این کار به شناسایی روابط احتمالی بین منابع داده می پردازد. به طور کلی، روابط بین داده های ساختمان را می توان با دنبال کردن دو مسیر ممکن تنظیم کرد:
-
موقعیت جغرافیایی: ساختمان ها دارایی های غیرقابل حرکتی هستند که دارای موقعیت خاصی در جهان هستند و روابط بین مجموعه داده های مکانی ممکن است با در نظر گرفتن موقعیت متقابل آنها (همپوشانی، مجاورت، محدودیت های توپولوژی و غیره) ایجاد شود. و
-
شناسه های کلیدی: در ساختمان ها، دو مرجع تکرار شونده، شناسه کاداستر و آدرس هستند.
امکان به دست آوردن و ذخیره منابع جغرافیایی برای هر ساختمان در یک شهرداری منجر به انتخاب TDB به عنوان هسته BIS شد. جالبترین جنبه این مجموعه داده، امکان پردازش هندسههای سهبعدی برای هر شی از یک شهر است که امکان تحلیل هر ساختمان را با در نظر گرفتن بافتی که در آن قرار دارد، میسازد. منابع داده بیشتر ممکن است به TDB مرتبط شوند و محتوای فعلی آن ممکن است با اطلاعاتی که از بایگانی های خارجی به دست می آید، گسترش یابد.
ارتباط بین TDB و کاداستر ممکن است با روی هم قرار دادن نقشه کاداستر و با شناسایی آن مطابقتها بین ساختمانهای همولوگ در دو مجموعه داده به دست آید. با این حال، تطبیق بین این دو نقشه با در نظر گرفتن تغییرات موقعیتی که ممکن است نقشه کاداستر ایتالیا را مشخص کند، به دور از یک کار خودکار [ 19 ] است. در حالی که در برخی از مناطق کشور این تغییر ناچیز است (مثلاً در دره پو در شمال ایتالیا)، در مناطق دیگر (مثلاً در منطقه پیش از آلپ لومباردی) تفاوتهای هندسی امکان تراز کردن نقشههای فنی و کاداستر را در یک راه خودکار تا حد امکان با انواع دیگر نقشه های دیجیتال [ 20]. موضوع ارائه راهحلی برای تغییر موقعیت نقشه کاداستر از حوصله این مقاله خارج است زیرا هم از نظر راهحلهای فنی و هم از نظر صلاحیتهای مسئول دستگاههای عمومی مختلف، موضوعی بسیار پیچیده را نشان میدهد. با این حال، باید بیان کرد که هم ترازی هندسی بین TDB و نقشه کاداستر در بحرانی ترین مناطق، پیش نیازی برای هماهنگی این دو نقشه است. علاوه بر این، ساختمان هایی که در TDB نقشه برداری شده اند ممکن است با ساختمان هایی که در کاداستر نقشه برداری شده اند سازگار نباشد. اگر از یک طرف، یک ساختمان در TDB از نظر نوع شناسی به عنوان یک ساختمان همگن گزارش شود (به عنوان مثال، یک بلوک آپارتمان یا یک خانه نیمه مستقل که به راحتی از طریق یک بازرسی بصری ساده قابل تشخیص است)، از سوی دیگر، ، نقشه کاداستر می تواند یک ساختمان را بر اساس حقوق مالکیت تقسیم کند (مثلاً با تشخیص دو ملک در یک خانه نیمه مستقل). در نتیجه، در برخی موارد، هندسههای ساختمانها در TDB باید با پیروی از مرزهای کاداستر تغییر شکل دهند تا هر ساختمان در TDB با شناسه کاداستر مرتبط مرتبط شود.شکل 1 ). این فرآیند به صورت دستی و طبق قوانین زیر انجام شد:
-
هندسه ساختمان ها به شرح زیر از مرزهای کاداستر موجود در نقشه کاداستر بازتعریف می شود: به منظور حفظ صحیح رابطه بین ساختمان ها و قطعات ساختمان در TDB، همچنین قطعات ساختمان در صورت لزوم اصلاح می شوند.
-
تغییرات نباید بر کیفیت اطلاعات اصلی TDB تأثیر بگذارد، به ویژه در مورد دقت موقعیت: رئوس و محیطهای موجود بیشترین توجه را دارند. در مورد رئوس جدید، زمانی که نمیتوان اطلاعات ارتفاعی را از سایر لایههای TDB دریافت کرد، مقادیر ارتفاع زمین برای ساختمانها و هندسههای بخش ساختمان از طریق یک درونیابی خطی به دست میآید که بر اساس مختصات موجود از نزدیکترین رئوس (قبلی و بعدی) محاسبه میشود. و
-
تمایز بین ساختمانهایی که کاربری اصلی متفاوتی دارند (در TDB) حفظ میشود، حتی اگر در یک ساختمان کاداستر قرار داشته باشند.
پیوند بین ساختمان ها و آدرس ها ممکن است با استفاده از موقعیت جغرافیایی نیز به دست آید. برای این منظور، بیان آدرس های جغرافیایی به صورت ساختاریافته، با توجه به نیازهای ملی، پیش نیاز تکمیل این کار بود. وقتی در نظر می گیریم که آدرس ها نقاط دسترسی مستقیم یا غیرمستقیم ساختمان را مشخص می کنند که با شماره خانه برچسب گذاری شده اند، دو جنبه منجر به ارتباط بین ساختمان ها و آدرس ها می شود:
-
نزدیکی هر نقطه دسترسی که اجازه ورود به یک ساختمان معین و فضاهای مربوطه را می دهد (به عنوان مثال، باغ، گاراژ، حیاط). و
-
وجود مرزهای فیزیکی مانع دسترسی بین املاک مجاور (به عنوان مثال، حصارها، دیوارها)، و همچنین وجود مرزهای قانونی (به عنوان مثال، قطعات کاداستر)، که مرزهای املاک را مشخص می کند.
هنگامی که ساختمان ها به وضوح در TDB شناسایی شدند (یا دوباره تعریف شدند) و به شناسه ها و آدرس های کاداستر مرتبط شدند، می توان به سایر منابع داده غیرجغرافیایی نیز ملحق شد. اگر از یک سو، ریزداده های ISTAT به آدرس های ساختاریافته ذخیره شده در آرشیو آدرس ملی مرتبط باشد، از سوی دیگر، آدرس هایی که با داده های مصرف انرژی مرتبط هستند، نیازمند یک کار فشرده استانداردسازی نحوی برای هماهنگ کردن رشته های آدرس با آنهایی هستند که در آدرس گزارش شده است. آدرس های جغرافیایی ارجاع داده شده
2.1.3. حوزه مطالعه موردی و اجرا
در پاراگراف های قبلی، یک فرآیند نظری برای به دست آوردن قابلیت همکاری بین منابع داده ساختمان توضیح داده شد. با این حال، در واقعیت، یکپارچه سازی داده ها ممکن است پیچیده تر و وقت گیرتر باشد. بنابراین، برای پر کردن شکاف بین چارچوب نظری و اجرای آن، یک BIS برای شهرداری گاواردو، در استان برشیا ایتالیا ایجاد شد ( شکل 2 ). گاواردو یک شهرداری متوسط با بیش از 10000 سکنه است که در ناحیه کوهستانی دره سابیا واقع شده است. میانگین ارتفاع تقریباً 199 متر از سطح زمین، با پایینترین نقطه در 188 متر و بالاترین آن در ارتفاع 877 متر از سطح دریا است.
این شهرداری به دلیل بلوغ خوب در زمینه GIS و مدیریت اطلاعات عمومی انتخاب شد. در سال 2006، قلمرو Sabbia Valley به منطقه نمونه اولیه برای تولید اولیه TDB های ایتالیایی تبدیل شد. در اینجا، TDB به منبع اصلی اطلاعات از نظر داده های جغرافیایی تبدیل شد که توسط ادارات محلی استفاده می شود، و برخی تلاش ها برای راه اندازی به روز رسانی های مداوم در گذشته اخیر انجام شد. همچنین از سال 1388 با توافق با سازمان ثبت اسناد و املاک، پروژه ای برای ترسیم مجدد و تراز کردن نقشه کاداستر بر اساس محدوده TDB در این منطقه انجام شده است. گاواردو بزرگترین شهر در میان شهرداریهایی است که نقشه کاداستر از قبل کاملاً با TDB هماهنگ شده است، که نشاندهنده یک دستاورد مهم برای شهرداریهای ایتالیا است.
در واقع، برای تقریباً 50 درصد ساختمانها، پیوند با شناسههای کاداستر به طور خودکار محاسبه شد، در حالی که برای بقیه، یک بازتعریف دستی هندسههای ساختمان در TDB برای تضمین سازگاری بین هر دو نقشه مورد نیاز بود. در نتیجه، سه نوع رابطه بین ساختمانها و شناسههای کاداستر تنظیم شد که سطوح مختلف اتوماسیون را در تبادل دادهها بین هر دو بایگانی تعیین میکرد:
-
یک ساختمان کاداستر منفرد مرتبط با یک ساختمان خاص در TDB (رابطه 1:1): این ساده ترین حالت است که در آن تبادل داده بین دو منبع داده ساده است.
-
یک ساختمان کاداستری منفرد مرتبط با دو یا چند ساختمان در TDB (رابطه 1:*): این مورد به دلیل وجود ساختمان هایی است که کاربردهای متفاوتی در TDB دارند اما در داخل یک دارایی در کاداستر قرار دارند. در چنین حالتی، مبادله دادهها را نمیتوان همیشه به روشی ساده محاسبه کرد: ارتباط دادههای REU صحیح با ساختمان مربوطه ممکن است با فرض تطبیق با دستههای کاداستر و کاربریهای ساختمان (مثلاً بین یک ساختمان فرعی طبقهبندی شده به عنوان) انجام شود. “گاراژ” و یک REU طبقه بندی شده به عنوان “جعبه ماشین”). با این حال، کاربردهای اصلی گزارش شده در TDB ممکن است به اشتباه در مرحله تولید اختصاص داده شود. و
-
ساختمانهای کاداستری بیشتری که دارای شناسه مشابه با ساختمانهای بیشتری در TDB هستند (رابطه*:*): این مشکل از آنجا به وجود میآید که در نقشه کاداستر، الزام تقسیم قطعات برای هر ساختمان نقشهبرداری شده در زمانهای نسبتاً اخیر و بدون عطف به ماسبق معرفی شده است. . در این مورد، هیچ راه حل یا فرضی خودکاری برای مبادله داده ها در سطح ساختمان ممکن نیست اتخاذ شود.
در مرحله دوم، ارتباط بین ساختمانها و آدرسها به روشی خودکار با استفاده از اتصالات فضایی بین ساختمانها و آدرسهای جغرافیایی محاسبه شد. در چنین حالتی، از قطعات کاداستری به عنوان مناطق مرجع برای شناسایی نقاط دسترسی واقع در داخل مرزهای املاک استفاده شد. همانطور که در جدول 2 گزارش شده است، تنها 1113 (تقریباً 19٪) از آدرس های جغرافیایی مرجع به طور خودکار به یک ساختمان مرتبط شد. برای اکثر آنها (تقریباً 65٪)، این ارتباط به طور غیرمستقیم با استفاده از قطعات کاداستر به عنوان هندسه محاسبه شد. این مستلزم سطوح مختلفی از قابلیت اطمینان است: در برخی موارد (تقریباً 35٪)، تنها یک ساختمان در داخل قطعه کاداستر قرار دارد و هیچ موضوع صحتی برای ارتباط بین ساختمانها و آدرسها مطرح نمیشود. در موارد دیگر (تقریباً 13٪)، دو ساختمان در داخل قطعه کاداستر قرار دارند، اما یکی به عنوان ساختمان فرعی طبقه بندی می شود: در چنین مواردی، بررسی در محل توصیه می شود، حتی اگر منطقی فرض شود که آدرس ها نقشه برداری شده اند. رجوع به ساختمان اصلی شود. در سایر موارد (تقریباً 9%)، بیش از یک ساختمان اصلی در داخل یک قطعه کاداستر قرار دارد. تعیین عدم امکان ارتباط صحیح آدرس ها با ساختارهای مربوطه. در موارد معدودی (تقریباً 9%)، آدرسها قطعههای کاداستر را قطع میکنند که در آن هیچ ساختمانی وجود ندارد. در نهایت، برای تعداد کمی از آدرسهای جغرافیایی ارجاعشده (تقریباً 16%)، هیچ ارتباطی، نه مستقیم و نه غیرمستقیم، به دست نمیآید.
در شهرداری گاواردو، یک منطقه متمرکز برای ادامه تجزیه و تحلیل دقیق تر شناسایی شد، به شکل 3 مراجعه کنید . این منطقه به گونه ای انتخاب شد که شامل تعداد معرف ساختمان هایی باشد که می توانند برای محاسبه ارزیابی تقاضای انرژی در مقیاس ناحیه مورد استفاده قرار گیرند (به بخش 2.3 مراجعه کنید )، آزمایش قابلیت استفاده BIS در یک مورد عملی. در این منطقه، شناسایی میدانی برای تکمیل ارتباط بین ساختمان ها و آدرس ها و همچنین ارزیابی کیفیت اطلاعات جمع آوری شده انجام شد. منطقه تمرکز شامل 227 ساختمان با کاربری های اصلی مختلف است که 154 مورد آن خانه های مسکونی است. این منطقه مسکونی حدود 250 واحد ملکی و بیش از 400 نفر ساکن دارد.
در منطقه مورد مطالعه، تطبیق با شناسه های کاداستر (ID) در مورد 212 ساختمان موفقیت آمیز بود، حتی اگر 100 مورد از آنها دارای شناسه مشترک هستند. در بیشتر موارد، این به دلیل چندین ساختمان است که دارای کاربری های مختلف اما مالکیت منحصر به فرد هستند (به عنوان مثال، یک خانه مسکونی و گاراژ آن). در نتیجه، برای 136 ساختمان مسکونی، امکان پیوند یک شناسه کاداستری منحصر به فرد وجود داشت، در حالی که تنها 18 ساختمان مسکونی، شناسه کاداستر را با یک یا چند ساختمان دیگر مشترک هستند. برای 15 ساختمان، هیچ ساختمان کاداستری مربوطه یافت نشد: این مورد در مورد ساختمان های فرعی است که ممکن است نیازی به ثبت در دفتر ثبت کاداستر نداشته باشند (مانند سوله ها، گلخانه ها، سایبان ها). علاوه بر این، 136 ساختمان با موفقیت به یک آدرس مرتبط شدند: 129 مورد از آنها محل مسکونی هستند. با توجه به کیفیت تطابق بین داده های مصرف انرژی و آدرس های جغرافیایی ارجاع شده، 123 مورد از این ساختمان های مسکونی با داده های مصرف برق و 116 با داده های مصرف گاز مرتبط بودند. علاوه بر این، برای 120 ساختمان، ارتباط با ریزداده های ISTAT نیز فعال شد. نتایج تطابق بین داده های ساختمان در ناحیه تمرکز در گزارش شده استجدول 3 .
علاوه بر منابع داده شرح داده شده در بخش 2.1.1 و به منظور برآورد نیاز انرژی برای گرمایش زمستانی برای تمام ساختمان های مسکونی در منطقه تمرکز، دو مجموعه داده موجود دیگر در شهرداری گاوردو نیز در نظر گرفته شد: آنها به گواهینامه های عملکرد انرژی (EPC) و تعداد ساکنان. اطلاعات اضافی برای هر ساختمان مربوط به:
-
دوره ساخت؛
-
تعداد طبقات؛
-
تعداد واحدهای ساختمانی در هر کاربری خاص؛
-
تعداد اتصالات برق و گاز؛
-
مقادیر و هزینه های مصرف برق (کیلووات ساعت در سال) و گاز (متر 3 در سال). و
-
تعداد ساکنین
به طور کلی، سطوح مختلف انسجام بین منابع داده شناسایی شد. به عنوان مثال، تا آنجا که به دوره ساخت ساختمان مربوط می شود، گاهی اوقات تفاوت های زیادی بین داده های کاداستر و ISTAT مشاهده می شود. علاوه بر این، تعداد طبقات و خانه های یک ساختمان همیشه در میان آرشیوها مطابقت نداشت. بنابراین، در برخی موارد، چند معیار برای تعریف اینکه کدام منبع داده باید ترجیح داده شود، تنظیم شد. از آنجایی که کیفیت این محتویات آموزنده بر تحلیل دقتی که روی آنها انجام خواهد شد تأثیر می گذارد، این معیارها در بخش 3.1 به همراه تمام فرضیات در نظر گرفته شده برای محاسبه ارزیابی تقاضای انرژی مورد بحث قرار می گیرند.
2.2. مدل سازی داده های ساختمان بر اساس CityGML و پسوندهای دامنه کاربرد انرژی
2.2.1. ایجاد یک مدل شهر مطابق با CityGML
فرآیند یکپارچه سازی داده ها که در شهرداری گاوردو انجام شد منجر به هماهنگی منابع داده ناهمگن شد. این منابع داده برای تولید یک مدل شهر بر اساس استاندارد باز CityGML، که نشان دهنده یک مرجع شناخته شده بین المللی در زمینه مدل سازی داده های شهری است، استفاده شد [ 21 ، 22 ]. در حقیقت، امروزه مدلهای دادههای معنایی و سه بعدی دیگری برای مجموعه دادههای ساختمان وجود دارد و در ابتدای پروژه به طور خلاصه مورد توجه قرار گرفت. برای مثال، آنهایی که بر اساس IFC [ 23 ] یا gbXML [ 24] هستند] معمولاً در جامعه BIM (مدل اطلاعات ساختمان) اتخاذ میشوند و بر خلاف مقیاس شهری که استانداردهای مرتبط با جامعه GIS بیشتر مورد استفاده قرار میگیرند، بر اساس مقیاس ساختمان تنظیم میشوند.
کار با BIM به طور کلی مستلزم سطح بسیار بالایی از جزئیات (هم معنایی و هم هندسی) از نظر توصیف ساختمان است. با این حال، جمعآوری و یکپارچهسازی چنین دادههایی برای همه ساختمانهای یک شهر در حال حاضر امکانپذیر نیست، زیرا مقدار اطلاعات مورد نیاز یا به سختی در دسترس است یا اصلاً در دسترس نیست، بهویژه وقتی صحبت از انبار ساختمانهای قدیمیتر میشود. در مقیاس شهری، CityGML، در حوزه GIS، بالغترین استاندارد در سطح بینالمللی است، همراه با مدل داده ساختمان INSPIRE در اتحادیه اروپا [ 25] .]. با این حال، CityGML یک مکانیسم توسعه قدرتمند را از طریق به اصطلاح پسوندهای دامنه کاربردی (ADEs) ارائه می دهد، که امکان گسترش و غنی سازی مدل داده فعلی را با تعریف ویژگی های جدید یا افزودن کلاس های خاص جدید فراهم می کند. به طور خاص، با توجه به مدلسازی انرژی شهری، انرژی ADE به طور خاص به منظور تسهیل، از یک سو، قابلیت همکاری دادهها، و از سوی دیگر، امکان مدلسازی انرژی چند مقیاسی از یک ساختمان تا کل منطقه یا شهر در نظر گرفته شده است. .
اگرچه شرح دقیقتر تمام مدلهای دادههای موجود برای مدلسازی شهری، و همچنین برای موضوعات مرتبط با انرژی، خارج از محدوده این مقاله است. جزئیات بیشتر در مورد برنامه های کاربردی با استفاده از CityGML را می توان در [ 26 ] یا، برای مدل های داده های مرتبط با انرژی، در [ 27 ] یافت . این بررسی اولیه بر روی مدلهای دادههای موجود منجر به تصمیم گیری برای آزمایش ادغام و هماهنگی اطلاعات ساختمان موجود بر اساس CityGML شد.
دانش هر دو ساختار منابع داده ساختمان ایتالیایی و CityGML امکان تعریف یک گردش کاری را فراهم می کند که استخراج، مدیریت و ساختار داده ها را از منابع اصلی به CityGML می دهد. همانطور که در بخشهای فرعی قبلی توضیح داده شد، دادههای هندسی از TDB مشتق شدهاند که عموماً در مقیاس اسمی 1:2000 موجود است. اگرچه دقت موقعیتی ردپاها الزامات یک مدل LoD2 را برآورده می کند، کمبود اطلاعات در مورد سقف ها منجر به مدل سازی ساختمان ها با استفاده از LoD1 شد. هندسه ساختمانها به صورت جامد یا چند جامد در مواردی که چندین بخش ساختمانی داده شده بود، مدلسازی شد. هندسه های منشوری با اکسترود کردن ردپاهای مربوطه با توجه به اطلاعات ارتفاع عمودی هر ویژگی محاسبه شدند. علاوه بر این، ساختمانها نیز بهعنوان هندسههای چند سطحی مدلسازی شدند و این فرض سادهتر را اتخاذ کردند که تمام سقفها مسطح هستند. سطوح باقی مانده ساختمان به عنوان دیوار، سطح سقف، سطح زمین و سطح سقف خارجی طبقه بندی شدند. اگر بتوان این را نوعی نقص برای وادار کردن هندسههای LoD1 برای مطابقت با الزامات LoD2 در نظر گرفت، طبقهبندی انواع مختلف سطوح خارجی امکان محاسبه ویژگیهای مرتبط با انرژی را فراهم میکند. از نقطه نظر هندسی، هر ساختمان با استفاده از جامد (های) LoD1 یا LoD2 موضوعی چند سطحی مدلسازی شد. اگر بتوان این را نوعی نقص برای وادار کردن هندسههای LoD1 برای مطابقت با الزامات LoD2 در نظر گرفت، طبقهبندی انواع مختلف سطوح خارجی امکان محاسبه ویژگیهای مرتبط با انرژی را فراهم میکند. از نقطه نظر هندسی، هر ساختمان با استفاده از جامد (های) LoD1 یا LoD2 موضوعی چند سطحی مدلسازی شد. اگر بتوان این را نوعی نقص برای وادار کردن هندسههای LoD1 برای مطابقت با الزامات LoD2 در نظر گرفت، طبقهبندی انواع مختلف سطوح خارجی امکان محاسبه ویژگیهای مرتبط با انرژی را فراهم میکند. از نقطه نظر هندسی، هر ساختمان با استفاده از جامد (های) LoD1 یا LoD2 موضوعی چند سطحی مدلسازی شد.
از نقطه نظر معنایی، چندین ویژگی به مدل شهر اضافه شد که در جدول 4 آمده است . در واقع، با توجه به کیفیت داده های موجود، امکان پر کردن تمام ویژگی های تعریف شده توسط طرحواره CityGML فعلی وجود نداشت. با این وجود، CityGML اجازه داد تا برخی از ویژگیهای دیگر را بهعنوان ویژگیهای عمومی ذخیره کند که در جدول 4 به رنگ خاکستری مشخص شدهاند . به عنوان مثال، به جای درج سال دقیق ساخت و ساز (با استفاده از ویژگی خاص “year_of_building”)، یک دوره ساخت کلی تر به لطف یک ویژگی عمومی (به عنوان: “struction_period”) هر زمان که این اطلاعات در دسترس بود، ذخیره شد.
موتور دستکاری ویژگیهای Safe Software’s 2017 (FME) [ 28 ] برای تبدیل دادههای هندسی و معنایی فوقالذکر به یک فایل منحصر به فرد مطابق با CityGML و مبتنی بر XML «.gml» [ 21 ] استفاده شد. یک طرح نموداری که فرآیند نگاشت داده ها را خلاصه می کند در شکل 4 نشان داده شده است .
هنگامی که فایل CityGML ایجاد شد، به پایگاه داده شهر سه بعدی (یا به طور خلاصه 3DCityDB) وارد شد. 3DCityDB در حال حاضر مرجع پیاده سازی منبع باز CityGML برای سیستم مدیریت پایگاه داده فضایی است. این شامل یک طرح پایگاه داده برای Oracle Spatial و PostgreSQL/PostGIS، و همچنین مجموعه ای از ابزارهای نرم افزاری است که امکان واردات، مدیریت و صادرات مدل های شهر را فراهم می کند. در این کار از نسخه PostgreSQL/PostGIS 3DCityDB استفاده شد.
ابزار 3DCityDB Importer-Exporter اجازه می دهد تا فایل CityGML “.gml” را به پایگاه داده 3DCityDB وارد کنید. به این ترتیب، مدل شهر به طور کامل از طریق یک پلت فرم مدیریت PostgreSQL (به عنوان مثال، pgAdmin) در دسترس و قابل پرس و جو است. 3DCityDB Importer-Exporter همچنین امکان صادرات و انتشار مدل شهر را برای استفاده در مرورگر وب فراهم می کند. بنابراین، مدل شهر سهبعدی گاواردو به نمونهای از 3DCityDB وارد شد و سپس صادر شد تا از طریق Cesium [ 29 ]، یک کتابخانه مجازی رایگان که تجسم سهبعدی بدون پلاگین و مبتنی بر WebGL را از طریق وب، تجسم کرده و بهصورت آنلاین به آن دسترسی پیدا کرد ( شکل 5 ) .
2.2.2. مدل سازی داده های ساختمان بر اساس انرژی ADE
مدلسازی رفتار انرژی ساختمانها امروزه یک عمل رایج است که با در دسترس بودن راهحلهای نرمافزاری مختلف که به اطلاعات ساختاریافته به عنوان ورودی نیاز دارند پشتیبانی میشود [ 30 ، 31 ]. برای این منظور، یک برنامه افزودنی اختصاصی دامنه کاربردی (ADE)، یعنی CityGML Energy ADE، توسط یک کنسرسیوم بین المللی [ 27 ] توسعه یافت. CityGML Energy ADE با هدف ارائه یک مدل داده مشترک که در شبیهسازی انرژی ساختمان مفید است، توسعه استاندارد CityGML 2.0 با موجودیتها و ویژگیهای مرتبط با انرژی، همانطور که توسط رایجترین بستههای نرمافزاری که قادر به انجام تجزیه و تحلیل انرژی در شهر هستند، مورد نیاز است، است. مقیاس طبق نسخه 1.0، Energy ADE توسط ماژول های زیر تشکیل شده است:
-
ماژول Core شامل کلاسهای پایه انتزاعی و انواع دادهها، شمارشها و فهرستهای کد معمولاً مورد استفاده است که با ویژگیهای جدید کلاسهای ویژگی CityGML AbstractBuilding و CityObject را گسترش میدهد.
-
ماژول فیزیک ساختمان مراجعی را برای مدل سازی خواص حرارتی ساختمان ها (به عنوان مثال، فضاهای گرم، مرزهای حرارتی) ارائه می دهد.
-
ماژول رفتار ساکنین ساختمان را از نقطه نظر استفاده توسط افراد و امکانات مشخص می کند.
-
ماژول مصالح و ساخت و ساز ، پوشش ساختمانی یک ساختمان را بر حسب لایهها و مصالح آن توصیف میکند، که با ویژگیهای فیزیکی خاص (گسترش، بازتاب، انتقال حرارت و غیره) مشخص میشود.
-
ماژول سیستم انرژی شامل ویژگی هایی برای مدل سازی تقاضا و منبع انرژی و همچنین سیستم های تبدیل، توزیع و ذخیره سازی ساختمان می باشد. و
-
کلاسهای پشتیبانی اضافی ، برای مدلسازی متغیرهای وابسته به زمان (مانند برنامههای گرمایش، مقادیر مصرف) مفید است.
با بهره گیری از مدل شهر مبتنی بر CityGML (و با انرژی ADE غنی شده)، محاسبه ارزیابی انرژی در منطقه تمرکز شهرداری گاواردو انجام شد. بیشتر داده های ورودی مورد نیاز از مدل شهر گرفته شده است، در حالی که اطلاعات اضافی در مورد داده های آب و هوا و پارامترهای خاص از برخی کتابخانه های خاص (به عنوان مثال، TABULA [ 32 ]) به دست آمده است. خلاصه ای از کلاس های انرژی ADE که در این کار استفاده شده است، در جدول 5 آورده شده است : آنها با نسخه 0.8 مطابقت دارند، آخرین نسخه موجود در زمان انجام این کار.
با توجه به کیفیت و کمیت داده های هندسی موجود، هر ساختمان به عنوان یک منطقه حرارتی منحصر به فرد مدل سازی شد. برای هر منطقه حرارتی، مقادیر ناخالص و خالص برای سطوح طبقه گزارش شد. مساحت طبقه ناخالص با شروع لایه Building Parts ذخیره شده در DBT محاسبه شد، زیرا مجموع ردپای هر قسمت ساختمان برای تعداد طبقات ضرب می شود و به صورت زیر محاسبه می شود:
∑بپ=1، nساعتبپ3∗آبپ
جایی که:
bp = تمام اجزای ساختمان تشکیل دهنده هر ساختمان.
h bp = ارتفاع عمودی هر قسمت ساختمان. و
bp = مساحت کف هر بخش ساختمان .
سطح خالص کف با کم کردن ضخامت دیوار استاندارد مربوط به 15٪ از سطح ناخالص کف محاسبه شد. علاوه بر این، مرزهای حرارتی مدلسازی شدند. سقف ها، دیوارها و زمین و همچنین طبقات سطوح خارجی سقف موجود در مدل پایه CityGML برای تولید اشیاء مرزی حرارتی (به ترتیب سقف، دیوار بیرونی، دال زمین و دیوار بیرونی) استفاده شد که در جدول 6 خلاصه شده است . .
برای هر ساختمان، مناطق کاربری مختلف، همانطور که در لیست استفاده از ویژگی ذکر شده است، مدلسازی شدند. مناطق کاربری مسکونی از مناطق استفاده فرعی (عمدتاً گاراژها)، مناطق کاربری خدمات عمومی و مناطق کاربری تجاری متمایز شدند. مناطق استفاده فقط از نظر معنایی مدلسازی شدند، زیرا هیچ اطلاعات هندسی در دسترس نبود. علاوه بر این، تنها برای مناطق کاربری مسکونی، تعداد ساکنان نشان داده شده و ذخیره شده است. به لطف کلاس Construction در Energy ADE، مقادیر انتقال حرارتی مورد نیاز برای تعادل انرژی گزارش شده و به هر شیء ThermalBoundary مربوط می شود. مقادیر انتقال حرارتی به دوره ساخت بستگی دارد. هر ساختمان مجهز به یک یا چند سیستم حرارتی است: این داده ها از تعداد صورتحساب های خطاب به همان ساختمان به دست آمده است. برای هر شیء Energy ADE EnergyConversionSystem، تعداد مبدلهای انرژی نصب شده و همچنین یک مقدار بازده اسمی، همانطور که در تراز انرژی در نظر گرفته شده است، ارائه میشود. همه سیستمهای حرارتی در ناحیه فوکوس بهعنوان اجسام دیگ بخار انرژی ADE مدلسازی شدند، به عنوان معمولترین راهحل اتخاذ شده در این بخش از ایتالیا. مقادیر عملکرد انرژی برای گرمایش (EPH) که به عنوان خروجی تراز انرژی بهدست آمد، و همچنین مقادیر تقاضای انرژی برآورد شده ذخیره شدند. داده های مصرف به عنوان سری های زمانی مرتبط با کلاس Energy ADE EnergyDemand گنجانده شد. به عنوان معمولی ترین راه حل اتخاذ شده در این بخش از ایتالیا. مقادیر عملکرد انرژی برای گرمایش (EPH) که به عنوان خروجی تراز انرژی بهدست آمد، و همچنین مقادیر تقاضای انرژی برآورد شده ذخیره شدند. داده های مصرف به عنوان سری های زمانی مرتبط با کلاس Energy ADE EnergyDemand گنجانده شد. به عنوان معمولی ترین راه حل اتخاذ شده در این بخش از ایتالیا. مقادیر عملکرد انرژی برای گرمایش (EPH) که به عنوان خروجی تراز انرژی بهدست آمد، و همچنین مقادیر تقاضای انرژی برآورد شده ذخیره شدند. داده های مصرف به عنوان سری های زمانی مرتبط با کلاس Energy ADE EnergyDemand گنجانده شد.
یک میز کار برای استخراج، تبدیل و بارگذاری داده ها مطابق با Energy ADE با استفاده از FME ایجاد شد. خروجی میز کار FME به نمونه 3DCityDB حاوی مدل شهر گاواردو هدایت شد. این راه حل ضروری بود زیرا در زمان نگارش، 3DCityDB هنوز نمی تواند محتویات ADE را از یک فایل CityGML بخواند. به منظور مقابله با دادههای Energy ADE، 3DCityDB قبلاً با استفاده از پسوند Energy ADE برای 3DCityDB گسترش یافته بود. جزئیات پیاده سازی بیشتر، و همچنین نرم افزار رایگان و منبع باز برای گسترش 3DCityDB و اسناد را می توان به صورت آنلاین یافت [ 33 ].
در نهایت، شاخصهای انرژی با استفاده از کره مجازی سزیوم به منظور ارائه تصویری سهبعدی از عملکرد انرژی برآورد شده و مصرف گاز اندازهگیری شده برای هر ساختمان در ناحیه تمرکز بر روی وب منتشر شد ( شکل 6 ).
2.3. محاسبه تقاضای انرژی اولیه
محاسبات ممیزی انرژی بر در دسترس بودن دادههای متریک مربوط به مؤلفههای مختلف مؤثر بر بهرهوری انرژی ساختمانها (مانند حجم گرم، سطوح در معرض، پلهای حرارتی) و اطلاعات مربوط به مواد و سیستمهای حرارتی متکی است. هنگامی که داده های ورودی کافی در سطح شهر در دسترس باشد، تجزیه و تحلیل انرژی ممکن است از یک ساختمان منفرد به کل منطقه شهری با رویکرد پایین به بالا گسترش یابد. تا این حد، چندین پروژه تحقیقاتی قبلاً انجام شده و در ادبیات مستند شده است. از جمله مهمترین درسهای آموخته شده این است که در دسترس بودن منابع اطلاعاتی قابل همکاری، محاسبه ممیزی انرژی را آسان می کند [ 34 , 35 , 36]، در حالی که بازیابی و تجمیع اطلاعات به عنوان یک کار وقت گیر در زمینه هایی ارائه می شود که هیچ داده ساختاری برای ساخت اطلاعات وجود ندارد [ 37 ، 38 ، 39 ]. جمعآوری و ادغام دادههای ساختمان در BIS ممکن است مبانی اطلاعاتی را نشان دهد که در حال حاضر وجود ندارد.
همانطور که در بخشهای فرعی قبلی توضیح داده شد، برای شهرداری گاواردو، مجموعهای از اطلاعات یکپارچه اکنون در دسترس است: قابلیت استفاده آن برای محاسبه تقاضای انرژی اولیه برای گرمایش زمستانی در مقیاس منطقه آزمایش شد. به طور خاص، به منظور درک بهتر مزایای مربوط به این کار از پیش پردازش و ساختار داده، محاسبه تقاضای انرژی اولیه با استفاده از روش تراز انرژی با استفاده از دو بسته داده مختلف اعمال شد:
-
بسته داده 1 (DP1): تنها دادههای TDB را در نظر میگیرد، که تقریباً با نقشههای کاربری زمین موجود که برای استخراج دوره ساخت ساختمانها استفاده میشود، غنی شده است. و
-
بسته داده 2 (DP2): در نظر گرفتن داده های TBD با اطلاعاتی که از سایر مجموعه های داده عمومی در ساختمان ها (کاداستر، ریزداده های ISTAT، داده های مصرف و غیره) یکپارچه شده است.
محاسبه مضاعف تقاضای انرژی برای اندازهگیری پیشرفتها در دقت ارزیابی انرژی به دلیل غنیسازی تدریجی دادهها و در همان زمان، ارزیابی هزینهها و تلاشهای مورد نیاز برای اجرای چنین پالایشی بود. تقاضای انرژی برای 154 ساختمان مسکونی در منطقه تمرکز محاسبه شد. تقاضای انرژی با پیروی از استاندارد ایتالیایی در عملکرد انرژی ساختمان [ 40 ] به دست آمد. مقادیر انتقال حرارتی و عملکرد دیگ از بروشور نوع شناسی ساختمان ایتالیایی که در پروژه TABULA توسعه یافته است [ 32 ] مشتق شده است. مقادیر راندمان دیگ بخار برای هر دوره ساخت و ساز که از منابع داده های مختلف استفاده شده در بسته های داده DP1 و DP2 به دست آمده است، تعریف شد.
3. نتایج و بحث
3.1. پارامترها و مفروضات برای محاسبه تقاضای انرژی
از آنجایی که دقت ارزیابی تقاضای انرژی به شدت با کیفیت داده های ورودی، اطلاعات و مفروضات مورد استفاده برای این کار مرتبط است در پاراگراف های زیر مورد بحث قرار می گیرد.
3.1.1. دوره ساخت و ساز ساختمان
دانش مربوط به دوره ساخت و ساز ساختمان برای در نظر گرفتن عملکرد مصالح و اجزای ساختمان (به عنوان مثال، انتقال حرارت، کارایی نیروگاه گرمایش، و غیره) اساسی است. در سناریوی DP1، دوره ساخت و ساز ساختمان ها از نقشه های کاربری تاریخی زمین استخراج شده است و این اطلاعات از طریق عملیات همپوشانی به هر ساختمان مرتبط می شود. به این ترتیب برای هر ساختمان یک دوره ساخت تقریبی در نظر گرفته شد. در سناریوی DP2، از منابع داده های مختلف برای استخراج دوره ساخت صحیح هر ساختمان استفاده شد: یعنی داده های خرد ISTAT، داده های کاداستر، و گواهی های عملکرد انرژی (EPCs). وقتی همه این دادهها در دسترس هستند، ممکن است بین منابع دادههای مختلف ناهماهنگی ظاهر شود. وقتی این اتفاق افتاد، نقشه کاداستر به عنوان منبع داده رایج انتخاب شد. به عنوان داده های کاداستر توسط متخصصان حرفه ای در مورد ساخت و سازهای جدید یا نوسازی ساختمان های موجود به ثبت ملی ارائه می شود. در واقع، مسئول حرفه ای ساخت و ساز ساختمان نیز مسئول مستقیم به روز رسانی نقشه کاداستر است. سطح دقت داده های موجود در دو منبع داده دیگر بسیار مهم تر بود. از یک طرف، در ریزداده های ISTAT، دوره ساخت و ساز ممکن است به سادگی از طریق یک بازرسی بصری انجام شده توسط نقشه برداران غیر فنی بدون نیاز به جمع آوری اسناد و مدارک مناسب یا مصاحبه از مالکان تعیین شود. از سوی دیگر، بررسی دقیق برای جمعآوری دادهها برای محاسبه EPCها اجباری نیست و ممکن است دوره ساخت ساختمان تقریباً تخمین زده شود. به این دلایل، زمانی که چندین منبع داده در دسترس بود،
3.1.2. تعداد طبقات
تعداد طبقات برای تخمین سطح کف گرم هر ساختمان و تلفات سیستم توزیع گرمایش مورد نیاز است. در سناریوی DP1، تعداد طبقات با فرض ارتفاع طبقاتی ثابت 3 متر به دست آمد. در نتیجه، تعداد طبقات محاسبه شده ممکن است با تعداد واقعی متفاوت باشد. در سناریوی DP2، این اطلاعات از داده های سرشماری ISTAT، که در آن تعداد طبقات گزارش شده است، همانطور که توسط اپراتور سرشماری بررسی می شود، یا از داده های کاداستر، با تجزیه و تحلیل موقعیت REUs در طبقات مختلف، به دست آمد. حتی در این مورد، اطلاعات بهدستآمده از هر دو منبع ممکن است ناهمسو باشد: دادههای ISTAT ممکن است شامل طبقات اتاق زیر شیروانی نباشد، در حالی که دادههای کاداستر ممکن است بهدرستی بهروزرسانی نشده باشند. به این دلایل، تعداد طبقات منتسب به هر ساختمان ابتدا از داده های ISTAT استخراج شد و سپس،
3.1.3. عملکرد نیروگاه های حرارتی
با توجه به [ 32]، راندمان نیروگاه های حرارتی با استفاده از رویکردی متفاوت در مورد ساختمان هایی که دارای نیروگاه های حرارتی متمرکز و غیرمتمرکز هستند، محاسبه شد. علاوه بر این، پراکندگی انرژی ناشی از سیستم توزیع برای ساختمانهای دارای بیش از سه طبقه متفاوت تخمین زده شد، در حالی که نرخ بازده کمتری در نظر گرفته شد. در سناریوی DP1، از آنجایی که هیچ اطلاعات مفیدی برای تمایز بین نیروگاه های گرمایش متمرکز و مستقل وجود ندارد، مقادیر میانگین عملکرد بر اساس دوره ساخت ساختمان در نظر گرفته شد. درجه پراکندگی متفاوتی برای ساختمانهایی که بیش از سه طبقه بالاتر از سطح زمین دارند در نظر گرفته شد. در سناریوی DP2، شناسایی نیروگاه های متمرکز و غیرمتمرکز از طریق مقایسه بین تعداد خانه ها و تعداد اتصالات تاسیساتی هر ساختمان امکان پذیر بود. در این مورد، مقادیر عملکرد متمایز به نیروگاههای مرکزی و خودمختار اختصاص داده شد، در حالی که همیشه درجات پراکندگی مختلف برای ساختمانهایی که بیش از سه طبقه بالاتر از سطح زمین دارند در نظر گرفته شد. مقادیر عملکرد نیروگاه های حرارتی در نهایت با استفاده از ضرایب راندمان تولید، توزیع و انتشار پیشنهاد شده توسط TABULA بر اساس دوره ساخت ساختمان محاسبه شد.
3.1.4. انتقال حرارتی و خورشیدی
برای سطوح مات و لعاب پوشش حرارتی ساختمان، مقادیر U (انتقال حرارتی) و g (انتقال خورشیدی) مربوطه از موارد پیشنهادی توسط پروژه TABULA بر اساس دوره ساخت ساختمان گرفته شد. لطفاً توجه داشته باشید که پل های حرارتی به عنوان کسری افزایشی از تلفات انتقال حرارت در نظر گرفته می شوند.
3.1.5. گواهی های عملکرد انرژی و داده های مصرف انرژی
EPCها و مقادیر واقعی مصرف انرژی برای اعتبارسنجی، تا آنجا که ممکن است، برآورد تقاضای انرژی مورد استفاده قرار گرفتند. داده های مصرف انرژی برای هر نقطه تحویل (POD) ثبت شده در پایگاه داده های ارائه دهندگان انرژی گزارش می شود. به منظور ارتباط اتصالات تاسیسات و ساختمان ها، اطلاعاتی که به هر POD مربوط می شود بر اساس آدرس جمع آوری شد. همانطور که قبلاً ذکر شد، آدرسها در این مجموعه دادهها ساختاری ندارند و گاهی اوقات ناقص هستند (مثلاً شماره خانه وجود ندارد). بنابراین، همیشه نمیتوان دادههای مصرف را به ساختمان صحیح مرتبط کرد. در نتیجه، داده های مصرف گاز تنها برای 77 ساختمان از 154 ساختمان در منطقه مورد مطالعه در دسترس بود. آب گرم خانگی (DHW) و مصرف پخت و پز از کل مقدار گاز مصرفی کسر شد. به منظور استخراج بخشی از گاز مورد استفاده فقط برای گرمایش. مقدار معادل انرژی مورد نیاز برای به دست آوردن 50 لیتر / نفر / روز DHW و 150 کیلووات ساعت / سال / نفر برای پخت و پز از کل گاز مصرفی به دست آمد.
3.2. پارامترها و مفروضات برای محاسبه تقاضای انرژی
نتایج دو تخمین مختلف در شکل 7 و شکل 8 نشان داده شده است : زمانی که آنالیز انرژی با DP2 محاسبه می شود، کاهش کلی در مقادیر EPH مشهود است.
به منظور بررسی اینکه آیا این کاهش واقعاً با ارزیابی دقیقتری مطابقت دارد، مقایسه با سایر منابع داده (یعنی مقادیر EPC و مقادیر مصرف واقعی) انجام شد.
برای 18 ساختمان در منطقه مورد مطالعه که EPC ها در دسترس بودند، مقادیر انرژی به دست آمده از هر دو بسته داده DP1 و DP2 با مقادیر EPC مقایسه شد. EPCها معمولاً نتیجه یک بازرسی دقیق و در محل هستند که توسط یک متخصص متخصص انجام می شود. انتظار می رود مقادیر عملکردی که در این گواهینامه ها گزارش شده اند دقیق باشند و با پیروی از روشی مشابه روش مورد استفاده در این مقاله به دست می آیند.
این 18 ساختمان میزبان 63 واحد مسکونی و 13 واحد غیر مسکونی هستند. در مجموع 135 نفر از ساکنان آن بر اساس ثبت احوال زندگی می کنند. اندازه کوچک نمونه به دلیل در دسترس بودن کمیاب EPC است که کل ساختمان ها را در زمان انجام این کار پوشش می دهد.
با این وجود، نتایج مقایسه بین مقادیر EPC و مقادیر برآورد شده از بستههای DP1 و DP2 در شکل 9 ترسیم شده و در جدول 7 خلاصه شده است . برای هر EPC موجود (مقدار آن در محور x نشان داده شده است)، مقادیر مربوطه محاسبه شده از DP1 و DP2 به ترتیب در محور y به رنگ آبی و نارنجی نشان داده می شوند. خط چین در نمودار نشان دهنده شرایط (ایده آل) تصادف کامل است. اول از همه، این نمودار نشان می دهد که مقادیر DP1 به طور کلی بالاتر از مقادیر DP2 مربوطه است. هر دو مجموعه مقادیر نسبتاً پراکنده هستند و با توجه به مقادیر EPC، ریشه میانگین مربعات خطا (RMSE) مقادیر تقریباً مشابهی را به دست میدهد (121.0 kWh·m -2 ·year -1 و 136.6 kWh·m).-2 ·سال -1 به ترتیب)، اما میانگین انحرافات 40.5٪ برای DP1 و -26.6٪ برای DP2 است. به عبارت دیگر، دادههای DP1 منجر به نتایجی میشوند که عموماً EPCها را بیش از حد برآورد میکنند، بهویژه برای ساختمانهای کارآمد (مقادیر EPC پایین)، در حالی که دادههای DP2 منجر به نتایجی میشوند که معمولاً مقادیر EPC را دستکم میگیرند.
با این حال، از آنجایی که مقادیر مصرف برای 18 ساختمان در دسترس بود، این موارد نیز با توجه به مقادیر EPC، همانطور که در جدول 7 گزارش شده است، تجزیه و تحلیل شدند . برای ایجاد چنین مقایسه ای، مقدار گاز مصرفی هر ساختمان با اعمال ارزش حرارتی کمتر (9.6 MJ/kg) به مصرف انرژی ویژه تبدیل شد. در این مورد، RMSE 128.2 kWh·m −2 ·year −1 (مقدار مشابه دو مورد قبلی) و میانگین انحراف 11.1- درصد را به دست میدهد. با توجه به اندازه کوچک نمونه، این نتایج باید با احتیاط انجام شود، زیرا چنین تنوع بالایی از نظر تک ساختمان در ادبیات و سایر تجربیات مشابه به خوبی شناخته شده است [ 41 ، 42 ].
به منظور (تا حدی) غلبه بر کمبود EPC های اضافی برای اعتبارسنجی قوی تر مدل، مقایسه ای بین مقادیر به دست آمده از بسته های DP1 و DP2 و مصرف انرژی ویژه (به دست آمده از مصرف سالانه گاز، همانطور که قبلا توضیح داده شد) انجام شد. در نمونه بزرگتری از 77 ساختمان از 154 ساختمان، که این دادهها در دسترس بودند. این ساختمان ها میزبان ۱۶۳ واحد مسکونی، ۴۰ واحد غیرمسکونی و ۳۴۴ نفر ساکن ثبت شده در سازمان ثبت احوال هستند. تفاوت بین تقاضای انرژی برآورد شده (از هر دو بسته DP1 و DP2) و مصرف گاز برای این نمونه جدید محاسبه شد.
شکل 10 نمودار پراکندگی را نشان می دهد و ضمیمه A حاوی یک رکورد اطلاعات جزئی برای هر ساختمان است. در سطح جهانی، RMSE DP1 و DP2 233.8 kWh·m -2 ·year -1 و 142.5 kWh·m -2 ·year -1 است ، در حالی که میانگین انحرافات به ترتیب 311.3٪ و 85.5٪ است. در این مورد، DP2 به طور کلی منجر به نتایج بهتر با توجه به DP1 می شود.
تحلیل سوم با محاسبه ابتدا مصرف انرژی سالانه برای گرمایش در هر ساختمان (بر حسب مگاوات ساعت در سال) با استفاده از بستههای DP1 و DP2 به ترتیب انجام شد. متعاقباً، مقادیر کل منطقه مورد مطالعه جمعآوری و در نهایت با دادههای مربوطه بهدستآمده از مصرف واقعی گاز مقایسه شد ( پیوست A را ببینید.برای جزئیات). دلیل این مرحله تجمیع کاهش (یا هموار کردن) تغییرپذیری محلی ذکر شده در سطح ساختمان به دلیل رفتارهای خاص کاربران از نظر مصرف واقعی است. در چنین حالتی، DP1 و DP2 به ترتیب به 8668.2 مگاوات ساعت در سال و 4729.8 مگاوات ساعت در سال منجر شدند. در مقایسه با 4786.9 مگاوات ساعت واقعی در سال، تفاوت ها 81.1٪ برای DP1 و فقط -1.2٪ برای DP2 است. این تایید دیگری بر مناسب بودن بهتر DP2 با توجه به سناریوی DP1 است.
جدول ضمیمه Aنشان می دهد که چگونه، در سطح ساختمان، انحرافات برآوردها از بسته های DP1/DP2 و مصرف واقعی ممکن است گاهی قابل توجه باشد: به طور کلی، مقایسه با مقادیر مصرف واقعی و مقادیری که از بسته DP2 به دست آمد، مطابقت بهتری را نسبت به مورد بسته DP1. این نتیجه نشان میدهد که افزایش دقت دادههای ساختمان نیز در کاربرد مؤثرتر چنین دادههایی در کاربردهای عملی منعکس میشود. وجود برخی انحرافات قابل توجه در سطح ساختمان احتمالاً به دلیل ساختمانهایی با کاربری مختلط یا عمدتاً غیر مسکونی است. در واقع، این توابع دیگر ممکن است بر اساس مدل اتخاذ شده فعلی از عملکرد مسکونی متمایز نشوند. در مقیاس منطقه، برآوردها با مصرف واقعی تنها حدود 1.2٪ (در مورد DP2) متفاوت است.
3.3. سناریوهای مقاوم سازی
استراتژی های مقاوم سازی مختلف برای بهبود بهره وری انرژی در سطح منطقه در نظر گرفته شد. ایده این است که پتانسیل نوسازی و صرفه جویی در انرژی را در مقیاس کلان برجسته کنیم که می تواند به ایجاد یک مداخله سیستمیک در مقیاس منطقه/شهر کمک کند. این فرصت را ایجاد می کند تا از مزایای صرفه جویی در مقیاس استفاده کنید و امکان نصب نیروگاه های تولید انرژی محلی را با طراحی مجدد فضاهای عمومی مانند جاده ها و مناطق سبز در نظر بگیرید.
چندین سناریو مقاوم سازی مطابق با الزامات انرژی ملی فعلی برای نوسازی مورد ارزیابی قرار گرفت. از آنجایی که جایگزینی دیگ بخار گزینه ای است که معمولاً توسط مالکان خصوصی به دلیل هزینه کمتر و زمان بازپرداخت کوتاه اتخاذ می شود، سناریوهای مقاوم سازی در مقیاس منطقه ای بهبود دیگ بخار را به خودی خود حذف کردند. گزینههای مقاومسازی برای سه اقدام جایگزین و مرتبطتر محاسبه شد که گرانتر نیز هستند:
-
سناریوی “عایق دیوار” (U دیوار = 0.3 W/(m2 K ))؛
-
سناریوی “عایق بندی سقف” ( سقف U = 0.22 W/(m 2 K))؛ و
-
سناریوی “بهبود ویندوز” (U باد = 1.9 W/(m2 K )).
مقادیر در براکت ها انتقال حرارتی مربوطه را نشان می دهد.
علاوه بر این، سناریوی “بهسازی کامل” با ادغام تمام اقدامات ذکر شده در بالا و از جمله نصب دیگ های چگالشی با ضریب بازده تولید 0.95 محاسبه شد. در چنین حالتی، بهبود راندمان دیگ نیز در نظر گرفته شد، در حالی که نصب دیگ های چگالشی به جای دیگ های استاندارد در نظر گرفته شد.
بهبودهای انرژی در هر یک از چهار سناریو در شکل 11 نمایش داده شده و در شکل 12 ، شکل 13 ، شکل 14 و شکل 15 ترسیم شده است.. هر سناریو تا حدی وضعیت موجود را بهبود می بخشد. با این حال، “بهسازی کامل” بهترین گزینه از نظر صرفه جویی در انرژی است. هنگام در نظر گرفتن مفروضات و سادهسازیها در ناحیه فوکوس گاواردو (به عنوان مثال، عدم ارزیابی سایه، نسبت پنجره به دیوار یکسان برای همه جهتها، ارزیابی از دست رفتن پلهای حرارتی، و غیره) کارآمدترین سناریو شامل «دیوار» است. عایق»، زیرا سطوح لعاب پهنی وجود ندارد و پوششهای مات رایج هستند. سناریوی “تعویض پنجره” به دلیل نوع شناسی مسکونی کم ارتفاع خانه ها که با سطوح لعاب کمی مشخص می شود، کمترین تاثیر را دارد.
هزینه های سناریوهای مقاوم سازی پیشنهادی برای هر ساختمان بر اساس معیارهای زیر برآورد شد:
-
مقادیر انتقال حرارت برای سناریوهای “عایق دیوار”، “عایق سقف” و “بهبود پنجره” مطابق با الزامات فعلی تعریف شده برای پذیرش در مشوق های عمومی انتخاب شدند (دیوار U = 0.3؛ سقف U = 0.22 ؛ U باد = 1.9 ). ، تمام مقادیر در W m -2 K -1 )؛
-
با توجه به نکته قبلی، شانس دریافت مشوق های عمومی که 65 درصد از هزینه های مداخله را پوشش می دهد.
-
برای سناریوی “عایق دیوار”، با در نظر گرفتن کارهای جانبی در چیدمان و تکمیل ساختمان، هزینه ها 20٪ اضافی دریافت شد. و
-
متوسط هزینه ناخالص گاز (با در نظر گرفتن مالیات): 0.71 €/m 3 .
تمام هزینههای محاسبهشده برای هر ساختمان در منطقه تمرکز جمعآوری شد و هزینه کل مداخله در سطح منطقه برای سناریوهای مختلف مقاومسازی به دست آمد. زمان بازپرداخت و هزینه های هر سناریو در جدول 8 خلاصه شده است در حالی که صرفه جویی های بالقوه در جدول 9 گزارش شده است . همانطور که انتظار می رود، گزینه ای که بالاترین انرژی، پول و CO2 سالانه را ارائه می دهدپس انداز، سناریوی «بهسازی کل» است، اما سرمایه گذاری مورد نیاز به ترتیب تقریباً سه برابر سناریوی «عایق دیوار» و پنج برابر بیشتر از سناریوی «عایق کاری سقف» است. سناریوهای “عایق دیوار” و “عایق بندی سقف” دو گزینه با کوتاه ترین زمان بازپرداخت هستند، اما دومی هزینه های بسیار کمتری را به همراه دارد. سناریوی “بهبود پنجره” به خودی خود با توجه به اهمیت سرمایه گذاری و زمان بازپرداخت طولانی در مقایسه با پس انداز بالقوه، گزینه ای عملی نیست.
4. نتیجه گیری
تحقیق توصیف شده در این مقاله نشان داده است که چگونه پیاده سازی یک سیستم اطلاعات ساختمان (BIS) در یک اداره محلی ایتالیایی می تواند به طور سودآور برای پیگیری منافع جمعی مورد استفاده قرار گیرد. منابع داده ساختمانی که در سطح عمومی موجود است، با توجه به محتوا و ساختار آنها به طور کامل تجزیه و تحلیل شدند. یک مسیر نظری برای مرتبط کردن پایگاههای داده موجود و غیرپیوندی مشخص شد. به منظور آزمایش قابلیت واقعی ادغام داده ها در شرایط واقعی، ایجاد یک BIS در یک منطقه مورد مطالعه آزمایش شد. این آزمایش امکان تشخیص کاستیهای فعلی مربوط به کیفیت اطلاعات ساختمان را فراهم میکند و نشان میدهد که چگونه یکپارچهسازی کامل دادههای ساختمان همیشه به صورت خودکار قابل دستیابی نیست.
اگرچه می توان آن را به عنوان یک کار وقت گیر در نظر گرفت، اما کار انجام شده در مورد شهرداری گاواردو نشان می دهد که چگونه ایجاد یک BIS ممکن است یک بسته اطلاعاتی آماده برای استفاده را برای استفاده توسط برنامه های مختلف ارائه دهد. در دسترس بودن دادههای ساختمانی یکپارچه امکان انجام محاسبه خودکار تقاضای انرژی اولیه برای گرمایش را در منطقهای با بیش از 150 ساختمان فراهم میکند. حوزه اصلی این کاربرد برجسته کردن پتانسیل مقاوم سازی در مقیاس کلان بود که می تواند به ایجاد یک مداخله نوسازی سیستمیک در مقیاس ناحیه/شهر کمک کند. دقت برآوردهای انرژی بهدستآمده را میتوان در مقیاس ناحیه کافی در نظر گرفت، با این حال، همانطور که نتایج فعلی نشان میدهد، به وضوح نیاز به بررسی و اصلاح بیشتر در سطح ساختمان دارد. با این اوصاف،
علاوه بر این، دادههای ساختمان بر اساس CityGML مدلسازی شدند تا بررسی شود که چگونه بایگانیهای موجود ممکن است به طور مؤثر با این مدل داده استاندارد نگاشت شوند، و همچنین برای ارزیابی شانس پذیرش سودآور یک استاندارد بینالمللی و به طور گسترده شناخته شده. ابتدا، یک مدل شهر پایه از BIS از طریق استخراج، تبدیل، و گردش کار بار ایجاد شد. به لطف پایگاه داده شهر سه بعدی (رایگان و منبع باز) از قبل موجود، همه داده ها می توانند در یک پایگاه داده رابطه ای و مطابق با CityGML ذخیره شوند. در راستای تجزیه و تحلیل انرژی، اجرای انرژی ADE نیز مورد آزمایش قرار گرفت و پارامترهای مرتبط با انرژی برای همه ساختمانها در منطقه تمرکز مدلسازی شدند. این تجربه نشان می دهد که چگونه ایجاد یک مدل شهری منطبق با استاندارد قابل دستیابی است. مدل شهر گاواردو یکی از معدود نمونههای دادههای ساختمانی یکپارچه و هماهنگ در ایتالیا است که بر اساس یک استاندارد باز و شناخته شده بینالمللی مدلسازی شده است و اولین نمونه در ایتالیا است که انرژی ADE را آزمایش کرده و از مزایای آن بهره میبرد. با توجه به پذیرش داده های در دسترس عموم، این تجربه ممکن است در سایر ادارات محلی ایتالیا نیز تکرار شود.
هدف توسعه بیشتر این تحقیق بهبود درجه اتوماسیون، تسهیل یکپارچه سازی داده های ساختمان و بهبود مکانیسم به روز رسانی یکپارچه برای تضمین کیفیت خوب داده ها خواهد بود. از این منظر، یک رویکرد مبتنی بر هستیشناسی برای یکپارچهسازی دادهها باید امکان غلبه بر مشکلات ناشی از تحقق دادههای یکپارچه را فراهم کند و بازیابی اطلاعات بهروز را تسهیل کند. همچنین، در دسترس بودن آهسته اما پیوسته رو به افزایش مدل های BIM (مدل سازی اطلاعات ساختمان) فرصتی برای گسترش دامنه منابع استاندارد داده ساختمان خواهد بود.
با این وجود، ایجاد BIS نباید به عنوان یک خط پایان تفسیر شود، بلکه باید به عنوان نقطه شروعی برای سازماندهی مجدد و بهبود کیفی اطلاعات عمومی در مورد ساختمان ها تفسیر شود. ادغام و هماهنگی منابع داده ناهمگن فرصت خوبی برای آزمایش انسجام داده ها، حل ناسازگاری های احتمالی از طریق مقایسه با دنیای واقعی است. هدف نهایی از ایجاد چنین مرکز اطلاعات یکپارچه، تطبیق واقعی بین داده ها و واقعیت است. بنابراین، ایجاد یک BIS فرصتی برای شروع تعریف استراتژیهای کارایی در مدیریت دادههای عمومی است.
پیوست اول

جدول A1. مقایسه بین مقادیر EPC، مقادیر تخمینی EPH و دادههای مصرف.

جدول A2. مقایسه بین مقادیر برآورد شده و داده های مصرف.
منابع
- Tagliabue, LC; مانفرن، ام. Ciribini، ALC؛ دی آنجلیس، ای. تنظیم شبیهسازی عملکرد انرژی بر روی تغییرپذیری رفتاری با مدلسازی معکوس: مورد ساختمان پردیس هوشمند. در مجموعه مقالات کنفرانس منطقه ای محیط ساخته شده پایدار (SBE)، گسترش مرزها: تفکر سیستمی برای محیط ساخته شده، زوریخ، سوئیس، 13 تا 17 ژوئن 2016. صص 142-147. [ Google Scholar ]
- Bignami، DF Towards a Territorial Multi-Disaster Buildings’ Resistance Certification ; Springer Science & Business: برلین، آلمان، 2014. [ Google Scholar ]
- پسینی، د. ماسترولمبو ونتورا، اس. رینالدی، اس. بلاژنت، پی. فلامینی، ا. Ciribini، ALC بهرهبرداری از اینترنت اشیا و چارچوب مدلسازی اطلاعات ساختمان برای مدیریت ساختمانهای شناختی. در مجموعه مقالات دومین کنفرانس بین المللی شهرهای هوشمند IEEE (ISC2 2016) “بهبود کیفیت زندگی شهروندان”، ترنتو، ایتالیا، 12 تا 15 سپتامبر 2016. ص 12-15. [ Google Scholar ]
- پاسکوینلی، آ. گوزتی، اف. دانش برای هوش: بحث در مورد وضعیت و نقش داده های ساختمانی در ایتالیا. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2016 ، 11-18. [ Google Scholar ] [ CrossRef ]
- کاپوتو، پ. پاستی، جی. غلبه بر اینرسی بهسازی انرژی ساختمان در سطح شهرداری: چالش ایتالیایی. حفظ کنید. جامعه شهرها 2015 ، 15 ، 120-134. [ Google Scholar ] [ CrossRef ]
- Van Eekelen، H. نقشه پایه در مقیاس بزرگ به عنوان یک ثبت معتبر؟ GIM Int. 2001 ، 15 ، 53-55. [ Google Scholar ]
- Van der Molen، P. مشارکت برای خدمات بهتر مشارکت عمومی-خصوصی و عمومی-عمومی برای دستیابی به خدمات بهتر به مشتریان در هلند. در کمیسیون اقتصادی سازمان ملل متحد برای اروپا، کارگروه اداره زمین ؛ UNECE: وین، اتریش، 2002. [ Google Scholar ]
- بیکر، نیوجرسی؛ Van der Vegt، HH; Bruns, B. Dutch NMCA داده های باز را راه اندازی می کند. در مجموعه مقالات بیست و ششمین کنفرانس بین المللی کارتوگرافی، درسدن، آلمان، 25 تا 30 اوت 2013. [ Google Scholar ]
- ون دن برینک، ال. استوتر، جی. Zlatanova، S. ایجاد یک استاندارد ملی برای داده های توپوگرافی سه بعدی مطابق با CityGML. بین المللی جی. جئوگر. Inf. علمی 2012 ، 27 ، 92-113. [ Google Scholar ] [ CrossRef ]
- Hawerk, W. ALKIS – راه آلمان به کاداستر قرن بیست و یکم. در مجموعه مقالات هفته کاری FIG 2001، سئول، کره، 6 تا 11 مه 2001. [ Google Scholar ]
- چستر، اس. De Lathouwer، B. شهرهای هوشمند، ادغام BIM و فضای مکانی. مجله دنیای جغرافیایی ، 5 جولای 2016. موجود به صورت آنلاین: https://www.geospatialworld.net/article/building-greater-britain-integration-bim-gi/ (دسترسی در 10 ژانویه 2019).
- بررسی مهمات. ادغام BIM و GIS در انگلستان. مجله دنیای جغرافیایی ، 8 ژوئیه 2016. موجود به صورت آنلاین: https://www.geospatialworld.net/article/building-greater-britain-integration-bim-gi/ (دسترسی در 10 ژانویه 2019).
- Conejo Fernandez، C. سیستم اطلاعات کاداستر اسپانیا. وضعیت فعلی و استراتژی نوسازی فناوری اطلاعات. Catastro 2016 , 48 , 233-243. [ Google Scholar ]
- اولیوارس گارسیا، جی.ام. Virgós Soriano، LI; Velasco، MV مدلسازی سه بعدی و نمایش نقشه کاداستر اسپانیا. در مجموعه مقالات دومین کارگاه بین المللی کاداسترهای سه بعدی، دلفت، هلند، 16 تا 18 نوامبر 2011. [ Google Scholar ]
- Pasquinelli، A. ایجاد یک سیستم اطلاعات ساختمان در سطح شهر: انتقادات و پتانسیل های اطلاعات عمومی در مورد ساختمان ها. Ph.D. پایان نامه، Politecnico Milano، میلان، ایتالیا، 2017. [ Google Scholar ]
- اسکایونی، م. گواستاماکیا، ای. Crimella، E. Db توپوگرافی به عنوان ابزاری برای مدیریت زمین و دولت: “پروژه استان دی لکو”. در بازنمایی اطلاعات جغرافیایی برای برنامه ریزی ; Caglioni, M., Scarlatti, F., Eds. Esculapio: بولونیا، ایتالیا، 2009; ص 29-38. [ Google Scholar ]
- پارلمان اروپا. دستورالعمل 2007/2/EC برای ایجاد زیرساخت برای اطلاعات مکانی در جامعه اروپا (INSPIRE) . پارلمان اروپا: بروکسل، بلژیک، 2007. [ Google Scholar ]
- وزیرو دل فایننزه Decreto Ministryiale N. 28 (2 Gennaio 1998)—Regolamento Recante Norme in Tema di Costituzione del Catasto dei Fabbricati e Modalità di Produzione ed Adeguamento della Nuova Cartografia Catastale ; Ministrio Delle Finanze: رم، ایتالیا، 1998.
- تونلی، ای. گوزتی، اف. باراژتی، ای. کلمبو، پی اف. کاسپانی، پ. ویسکانیچ، پ. Scaioni, M. Un percorso per l’integrazione dei database Topografici con le informazioni del Catasto dei Terreni nelle zone ‘a perimetro aperto’. در مجموعه مقالات بیستمین کنفرانس ملی ASITA، کالیاری، ایتالیا، 8 تا 10 نوامبر 2016. صص 623-630. [ Google Scholar ]
- بروولی، MA; Zamboni، G. قابلیت استفاده از برداری و یک روش تطبیق نقطه جدید به عنوان اولین گام در ترکیب نقشه های شطرنجی و برداری. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2006 ، 36 ، 85-91. [ Google Scholar ]
- کنسرسیوم فضایی باز استاندارد رمزگذاری زبان جغرافیایی شهر OGC (CityGML) . OGC 12-019—نسخه 2.0.0؛ کنسرسیوم فضایی باز: Wayland، MA، ایالات متحده آمریکا، 2012. [ Google Scholar ]
- Kolbe، TH در حال ارائه و مبادله مدل های سه بعدی شهر با CityGML. در علوم ژئو اطلاعات سه بعدی ; Lee, J., Zlatanova, S., Eds. Springer: برلین، آلمان، 2009. [ Google Scholar ]
- وب سایت buildingSMART. در دسترس آنلاین: www.buildingsmart-tech.org (در 24 نوامبر 2018 قابل دسترسی است).
- وب سایت gbXML. در دسترس آنلاین: www.gbxml.org (در 24 نوامبر 2018 قابل دسترسی است).
- INSPIRE – زیرساخت برای اطلاعات فضایی در اروپا. مشخصات داده ها در مورد ساختمان ها ; دستورالعمل های فنی (D2.8.III.2_v3.0)؛ INSPIRE: بروکسل، بلژیک، 2013. [ Google Scholar ]
- بیلجکی، اف. استوتر، جی. لدوکس، اچ. زلاتانوا، اس. Çöltekin، A. کاربردهای مدل های سه بعدی شهر: بررسی وضعیت هنر. ISPRS Int. J. Geo-Inf. 2015 ، 4 ، 2842-2889. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- آگوجارو، جی. بنر، جی. سیپریانو، پی. Nouvel, R. گسترش دامنه کاربرد انرژی برای CityGML: افزایش قابلیت همکاری برای شبیه سازی انرژی شهری. Geospat را باز کنید. نرم افزار داده ایستادن. 2018 ، 3 ، 2. [ Google Scholar ] [ CrossRef ]
- وب سایت نرم افزار ایمن در دسترس آنلاین: www.safe.com (در 31 اکتبر 2018 قابل دسترسی است).
- وب سایت سزیوم در دسترس آنلاین: https://cesiumjs.org/ (در 24 نوامبر 2018 قابل دسترسی است).
- Agugiaro، G. فعال کردن “آگاهی انرژی” در مدل شهر سه بعدی معنایی وین. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2018 ، 4 ، 81-88. [ Google Scholar ] [ CrossRef ]
- بنر، جی. گایگر، ا. Häfele، KH مدل شهر سه بعدی مجازی پشتیبانی از شبیهسازی تقاضای انرژی در سطح شهر – توسعه انرژی CityGML. در مجموعه مقالات کنفرانس REAL CORP، هامبورگ، آلمان، 22 تا 24 ژوئن 2016؛ صص 777-786. [ Google Scholar ]
- کورادو، وی. بالارینی، آی. بروشور Corgnati، SP Building Typology – ایتالیا. Fascicolo Sulla Tipologia Edilizia Italiana (Nuova Edizione) ; Politecnico di Torino: تورین، ایتالیا، 2014. [ Google Scholar ]
- مستندات انرژی ADE. در دسترس آنلاین: https://github.com/cstb/citygmlenergy (در 24 نوامبر 2018 قابل دسترسی است).
- استرزالکا، ا. بوگدان، ج. ایکر، مدلسازی سه بعدی شهر U. برای پیش بینی تقاضای انرژی گرمایش در مقیاس شهری. HVACR Res. 2010 ، 17 ، 526-539. [ Google Scholar ]
- کادن، آر. Kolbe, T. برآورد تقاضای انرژی کل ساختمانها در سطح شهر با استفاده از مدلهای شهری سه بعدی معنایی و داده های آماری. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2013 ، 2 ، 27-29. [ Google Scholar ] [ CrossRef ]
- نوول، آر. زیرک، م. دستگیری، ح. کورز، وی. ایکر، تحلیل انرژی شهری U. بر اساس مدل شهر سه بعدی برای کاربردهای مقیاس ملی. در مجموعه مقالات پنجمین کنفرانس آلمان و اتریش IBPSA، آخن، آلمان، 22 تا 24 سپتامبر 2014. صص 83-90. [ Google Scholar ]
- دال او، جی. گالانته، آ. پاستی، جی. روشی برای ارزیابی صرفه جویی انرژی بالقوه در مقاوم سازی سهام ساختمان های مسکونی. حفظ کنید. جامعه شهرها 2012 ، 4 ، 12-21. [ Google Scholar ] [ CrossRef ]
- کاپوتو، پ. کاستا، جی. فراری، S. یک روش پشتیبانی برای تعریف استراتژی های انرژی در بخش ساختمان در مقیاس شهری. سیاست انرژی 2013 ، 55 ، 261-270. [ Google Scholar ] [ CrossRef ]
- دی توری، س. Stefanizzi، P. تجزیه و تحلیل انرژی و پیشنهادات نوسازی برای مسکن عمومی در شهر باری. ایتالیا سیاست انرژی 2015 ، 79 ، 58-71. [ Google Scholar ] [ CrossRef ]
- Ente Nazionale Italiano di Unificazione UNI/TS 11300-1:2014: عملکرد انرژی ساختمانها — قسمت 1: ارزیابی نیاز انرژی برای گرمایش و سرمایش فضا. در دسترس آنلاین: https://store.uni.com/catalogo/index.php/uni-ts-11300-1-2014.html?josso_back_to=https://store.uni.com/josso-security-check.php&josso_cmd =login_optional&josso_partnerapp_host=store.uni.com. (دسترسی در 10 ژانویه 2019).
- نوول، آر. زیرک، م. کورز، وی. ایکر، U. تأثیر کیفیت داده بر مدلسازی تقاضای گرمایش شهری با استفاده از مدلهای شهر سه بعدی. محاسبه کنید. محیط زیست سیستم شهری 2017 ، 64 ، 68-80. [ Google Scholar ] [ CrossRef ]
- Fonseca، AJ; Schlueter, A. مدل تلفیقی برای توصیف الگوهای مصرف انرژی ساختمان های مکانی-زمانی در محله ها و نواحی شهر. Appl. انرژی 2015 ، 142 ، 247-265. [ Google Scholar ] [ CrossRef ]

شکل 1. نمونه ای از یک ساختمان واحد در پایگاه داده توپوگرافی (TDB) (در سمت چپ )، که به چهار ملک در کاداستر (در سمت راست ) تقسیم شده است. منبع تصویر: نویسندگان

شکل 2. موقعیت استان برشا در ایتالیا (در سمت چپ ). شهرداری گاواردو در دره سابیا (در سمت راست )، که به عنوان منطقه مورد مطالعه انتخاب شد. منبع تصویر: نویسندگان

شکل 3. منطقه مورد مطالعه در شهرداری گاوردو. منبع تصویر: نویسندگان

شکل 4. نمای شماتیک فرآیند دستکاری داده پیاده سازی شده در Feature Manipulation Engine 2017 (FME). منبع تصویر: نویسندگان

شکل 5. نمای سه بعدی (3 بعدی) مدل شهر گاواردو که در وب با استفاده از کتابخانه کره مجازی رایگان سزیوم منتشر شده است. منبع تصویر: نویسندگان

شکل 6. ساختمانهایی که بر اساس مصرف گاز اندازهگیری شده طبقهبندی شده و در کتابخانه کره مجازی رایگان سزیوم منتشر شده است. منبع تصویر: نویسندگان

شکل 7. تقاضای انرژی گرمایشی با بسته داده DP1 محاسبه شده است. منبع تصویر: نویسندگان

شکل 8. تقاضای انرژی گرمایشی با بسته داده DP2 محاسبه شده است. منبع تصویر: نویسندگان

شکل 9. مقایسه نتایج بهدستآمده از بستههای DP1 و DP2 با توجه به گواهیهای عملکرد انرژی (EPC) 18 ساختمان در منطقه مورد مطالعه. منبع تصویر: نویسندگان

شکل 10. مقایسه نتایج به دست آمده از بسته های DP1 و DP2 با توجه به مصرف 77 ساختمان در منطقه مورد مطالعه. منبع تصویر: نویسندگان

شکل 11. مقایسه سناریوهای مقاوم سازی. لطفاً توجه داشته باشید که استفاده از نمودار خطی فقط برای تسهیل مقایسه در نظر گرفته شده است، اما مقادیر ساختمان با یکدیگر مرتبط نیستند. منبع تصویر: نویسندگان

شکل 12. مصرف انرژی برآورد شده برای سناریوی مقاوم سازی “عایق دیوار”. منبع تصویر: نویسندگان

شکل 13. مصرف انرژی برآورد شده برای سناریوی مقاوم سازی “عایق سقف”. منبع تصویر: نویسندگان

شکل 14. مصرف انرژی برآورد شده برای سناریوی مقاوم سازی “بهبود ویندوز”. منبع تصویر: نویسندگان

شکل 15. مصرف انرژی برآورد شده برای سناریوی مقاوم سازی “بهسازی کل”. منبع تصویر: نویسندگان
بدون دیدگاه