Zur Seitenansicht
 

Titelaufnahme

Titel
A GIS-based method of predicting hourly domestic energy need for space conditioning and water heating of districts and municipalities / submitted by Ramirez Camargo, Luis Eduardo
VerfasserRamirez Camargo, Luis Eduardo
Betreuer / BetreuerinSchmid, Erwin ; Schmidt, Johannes ; Dorner, Wolfgang
Erschienen2012
UmfangIX, 86 Bl. : Ill., graph. Darst.
HochschulschriftWien, Univ. für Bodenkultur, Masterarb., 2012
Anmerkung
Zsfassung in dt. Sprache
SpracheEnglisch
DokumenttypMasterarbeit
Schlagwörter (DE)Wohngebäude, Nutzenergiebedarf, GIS, Modell, Sensitivitätsanalyse, Raumklimatisierung, Verwaltungseinheiten
Schlagwörter (EN)domestic buildings, energy need, GIS, model, sensitivity analysis, space conditioning, sub-regional administrative units
Schlagwörter (GND)Gebäude / Energiebedarf / Warmwasserbereitung / Raumkühlung / Modellierung
URNurn:nbn:at:at-ubbw:1-8660 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
A GIS-based method of predicting hourly domestic energy need for space conditioning and water heating of districts and municipalities [2.65 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Das Ziel dieser Arbeit ist die Entwicklung eines Verfahrens für die Schätzung des Nutzenergiebedarfs für Raumklimatisierung und Warmwasser von Wohngebäude in Verwaltungseinheiten in Deutschland. Kernkomponente des Verfahrens ist ein RC-Modell, welches mit wenigen Inputdaten und geringem rechnerischen Aufwand den stündlichen Energiebedarfskennwert von einzelnen Gebäuden liefert. Die notwendigen Daten über die physikalischen Merkmale der Gebäude werden aus Gebäudetypologien entnommen. Die Energiebedarfsunterschiede, welche von der Wohndauer und dem individuellen Verhalten abhängig sind, werden mit Hilfe eines stochastischen Wohndauermodells dargestellt. GIS-Daten werden verwendet, um jedes Gebäude des gewählten Standortes in die verschiedenen Typologien einzuordnen. Die Ergebnisse des Verfahrens zeigen eine Verbesserung bei der Schätzung von Wärme-/Kühlbedarf bei Grund und Hochlasten für Verwaltungseinheiten. Außerdem stellt der georeferenzierte Output eine solide Informationsbasis für Energienutzungspläne und Klimaschutzkonzepte dar und kann in der Frühphase der Planung von Fernwärme/-kältenetzen und/oder kommunalen Kraft-(Kälte-) Wärme-Kopplung Initiativen verwendet werden. Zuverlässigkeit und Robustheit des Verfahrens wurden statistisch getestet. Eine Fallstudie für eine bayerische Gemeinde unterstreicht die Eignung des Verfahrens, den stündlichen Nutzenergiebedarf für Raumklimatisierung und Warmwasser eines großen Gebäudebestands schätzen zu können. Eine Sensitivitätsanalyse wurde durchgeführt, um Konsistenz und Robustheit des Verfahrens zu testen sowie den relativen Effekt von Eingangsgrößen auf das Ergebnis zu bestimmen. Die Ergebnisse der Analyse zeigen, dass (i) das Verfahren typische Muster reproduzieren kann und (ii) eine hohe Flexibilität mit geringem Genauigkeitsverlust aufweist sowie (iii) die Eingangsgrößen einen beträchtlichen explanativen Wert besitzen.

Zusammenfassung (Englisch)

This thesis presents a method to predict the hourly domestic energy need for space conditioning (SC) and water heating of the domestic buildings (DHW) of German administrative units on the sub-regional level (districts and municipalities). The core of the method is a Resistance-Capacitance model, which is able to predict the hourly domestic energy need for SC of individual buildings based on limited input data and with low computational demands. The required data concerning the physical characteristics of the buildings are obtained from buildings typologies. The differences in energy need of every single building due to human occupancy patterns are considered by using a stochastic occupancy model. Geographic Information Systems (GIS) data is used in order to classify the individual buildings into the different typologies. The results show an improvement in the way that ground and peak loads of heating/cooling are predicted for administrative units on the sub-national level. Furthermore, the geo-referenced results provide a solid information basis for energy use plans, climate protection plans or in the early planning stages of district heating/cooling networks or Combined Cooling/Heat and Power (CHP or CCHP ) communal investment initiatives. Reliability and robustness of the method are tested. A case study analysis with a Bavarian municipality shows the ability of the method to predict the hourly domestic energy need for SC and DHW of a large building stock. A sensitivity analysis based in a regression technique has been used to test the logic and robustness of the method, and to corroborate the importance of the input variables. The results of the analysis show that the method is able to reproduce typically observed patterns, that the input variables pose considerable explicatory value, and that the method is able to handle a variety of situations with a limited loss of accuracy.