Metaheuristic optimization of external shading devices and glazing properties for energy saving and indoor environmental comfort in office rooms

The use of external shading devices can be one of the easiest and most economically-efficient solutions to summer overheating and thermal/visual discomfort of users in office spaces. The present work assesses the advantages carried by the use of external shadings for an office room both in terms of electric consumption and indoor comfort conditions. After showing the advantages given by this passive solution to the baseline model and choosing the most suitable shading type, different approaches have been compared in the optimization of the geometrical properties of the chosen shading device: a full search optimization and a nature-inspired metaheuristic search have been studied, in order to understand the scale of reliability and eventual time-saving of an algorithmic approach to such kind of problems, which is the main aim of the thesis. A final cost analysis will convert into economical terms, in a long-term evaluation, the benefits of the optimized shading device compared to the baseline model and to a more common but expensive solution, characterized by mechanically controlled venetian blinds. GHG emissions are also included in this study as well as theoretical yearly productivity losses due to workers’ visual discomfort. Finally, the analysis has been extended to the optimization of glazing properties (simultaneously with the shading geometrical properties) in order to find out the real time advantage of this process when the number of variables increases, i.e. when a full search would not be realistically possible; the metaheuristic approach will show how the simulation time is drastically decreased without affecting the accuracy of the final solution. Also, an additional algorithm developed for the particular case study has been compared to the standard accelerated particle swarm optimization to understand the advantages and drawbacks of each algorithm and how to improve it according to the boundary conditions of the problem. A final analysis on the starting population size for the particle swarm optimization has been carried out in the final paragraph, meanwhile comparing a classic random starting generation with a statistical distribution, characterized by a Latin hypercube sampling (LHS) of the variables.

L'uso di schermature esterne può essere una delle soluzioni più semplici ed economicamente efficienti per ovviare al surriscaldamento estivo ed al disagio termico/visivo degli utenti negli spazi ad uso ufficio. Il presente lavoro valuta i vantaggi offerti dall'utilizzo di ombreggiature esterne per un ufficio, sia in termini di consumo elettrico che di condizioni di comfort interno. Dopo aver mostrato i vantaggi offerti da questa soluzione passiva applicata al modello di partenza, privo di schermature, ed aver scelto il tipo di schermatura più adeguato, sono stati confrontati diversi approcci nell'ottimizzazione delle proprietà geometriche del dispositivo di ombreggiatura scelto: è stata studiata in primis un’ottimizzazione full-search, poi comparata ad una ricerca meta-euristica, al fine di comprenderne l'affidabilità e l'eventuale risparmio di tempo in questo tipo di problemi, che è l'obiettivo principale della tesi. Un'analisi dei costi converte in termini economici, in una valutazione a lungo termine, i vantaggi del dispositivo di ombreggiatura ottimizzato rispetto al modello di partenza e ad una soluzione più comune ma costosa, caratterizzata da veneziane orizzontali esterne a controllo meccanico. Infine, l'analisi è stata estesa all'ottimizzazione delle proprietà del vetro (contemporaneamente alle proprietà geometriche delle schermature) al fine di scoprire il vantaggio, in termini di tempo, di questo processo quando il numero di variabili aumenta, vale a dire quando una ricerca completa non sarebbe realisticamente possibile, includendo anche lo sviluppo di un algoritmo aggiuntivo che è stato confrontato al PSO (Particle swarm optimization) standard per comprendere i vantaggi e gli svantaggi di ciascun algoritmo e come migliorarlo in base alle condizioni al contorno del problema.