Effect of the uncertainty in outdoor boundary conditions on building performance simulation

The term “performance gap” is attributed to the mismatch between actual and estimated building performance. Building simulation tools deal with several inputs which are known as one of the most important sources of the performance gap. Among the uncertain input parameters, assumptions of climatic properties – which are typically implemented through the weather data – are of great importance. Re-scaling the climatic parameters from the mesoscale to the microscale is one of the proposed solutions to reduce the climate-related uncertainty. Among the weather parameters, the incident solar radiation on building facades is associated with uncertainty from two main perspectives, i.e., the accuracy of calculation models as well as the inputs fed into the models. The inadequacy of measurements and lack of interoperability between simulations tools are the main barriers for these kinds of studies. Therefore, there is a necessity for a holistic framework which describes proper quantification, propagation, and post-processing of uncertainty in an urban canyon. This Ph.D. study is an attempt to tackle the raised challenges while rendering the effects of opting for a suitable uncertainty treatment framework. To simulate the building performance with the proper climatic resolution, measured or modelled climatic parameters at the microscale are necessary. While microscale data are seldom available, to develop a robust estimation the quality and integrity of a dataset is of primary importance. In fact, measured climate data series often are affected by missing values due to either instrument error or data maintenance error. Machine learning methods including neural networks are suggested as a reliable tool for predicting missing values. The presented study, as a first step, introduces a method to estimate long-term (two weeks) missing values using a neural network for parameters of temperature and relative humidity. The method is developed based on measured values form a network of weather stations locating in the north of Italy. Re-scaling the solar radiation to a specific microclimate context by only relying on the measured climatic parameters from a network of stations within a city, is not adequate. In fact, projecting the measured global horizontal radiation on the vertical plane does not take into account the influence of shadowing or reflectance from the surroundings. The incident solar radiation on building surfaces is subject to multiple reflections within the urban canopy and is affected by shadowing and masking by different obstructions including adjacent buildings and vegetations. All these factors add uncertainties to the estimation of the incident solar radiation. The shadowing effects, reflectance and transmittance of trees on the buildings are among the main parameters which embed the uncertainty to estimations of incident solar radiation on building facades. Also, the accuracy of models to compute the diffuse fraction of solar radiation and to compute the incident irradiance on a titled surface is subjected to debate in the literature, which mainly refers to the uncertainties in the sky and solar position information. The accuracy of a solar radiation calculation model (Perez sky diffuse model as one of the most popular models in building energy simulation tools) is evaluated by calibrating the model based on measurements performed in Eindhoven, Netherlands. The method uses the subset simulation approach which significantly reduces the computational time. Also, the calibrated Perez model is implemented in EnergyPlus. Applying the calibrated Perez model in EnergyPlus revealed how under/over-estimation of incident solar radiation by the default model can affect the reliability of estimations in building energy loads and photovoltaic performance. In the context of uncertainty quantification, the choice of uncertainty representation can significantly affect the final range of variations. Introducing possibilistic and hybrid approaches for uncertainty propagation aside from the conventional probabilistic approach is discussed in this study. It is shown that based on the nature of the uncertainty and availability of data, choosing the correct approach for representing and propagating uncertainty within the model can affect the knowledge for decision support. In this study, the complexity of modeling urban canyons as the basic module of cities is challenged and compared with the current simplifications concerning building surroundings. It is observed that details of urban canyon such as variation in height of adjacent buildings and reflectivity or transparency of surroundings can drastically affect the thermal and visual comfort, as well as lighting energy consumption. It is also shown that the effects of complexity in urban canyons are sensitive to the target height and vary on different floors. The annual electricity is highly sensitive to uncertainties in the canyon. Also, the experience of the indoor comfort for different floors may vary noticeably, due to the uncertainty in the urban canyon parameters. It is found that treatment of uncertainty according to the theory of possibility, can noticeably affect the range of variation when compared to that of the theory of probability. Detailed modeling of trees is also deeply discussed and the suitable representation of trees for uncertainty analysis is proposed. The proposed model is a balance between complexity and simplification. Also, the importance of considering the uncertainty in building surroundings during the design phase of windows are investigated. The results reveal how building surroundings can affect the potential of the glare based on the different window to wall ratios. This PhD study is an attempt to show how re-scaling building’s boundary conditions from mesoscale to microscale can provide further insight into the building performance assessment. It is shown that the initial requirements of this kind of studies are locally measured data and a meta-heuristic attitude towards the inputs of building performance estimations. The main outputs of this study can be used as supporting information for designers and decision makers including architects, building engineers, urban designer/planners and policymakers.

Il termine di "gap di prestazioni" è attribuito alla mancata corrispondenza tra le prestazioni effettive e stimate dell'edificio. Gli strumenti di simulazione degli edifici si occupano di diversi input che sono conosciuti come una delle fonti più importanti del gap di prestazioni. Tra i parametri di input incerti, le ipotesi di proprietà climatiche-che sono tipicamente implementate attraverso i dati meteorologici-sono di grande importanza. Ridimensionare i parametri climatici dalla mesoscala alla microscala è una delle soluzioni proposte per ridurre l'incertezza legata al clima. Tra i parametri meteorologici, le stime della radiazione solare incidente sulle facciate degli edifici sono associate all'incertezza da due prospettive principali, cioè l'accuratezza dei modelli di calcolo e gli input inseriti nei modelli. L'inadeguatezza delle misurazioni e la mancanza di interoperabilità tra gli strumenti di simulazione sono le principali barriere per questi tipi di studi. Pertanto, vi è la necessità di un quadro olistico che descriva la corretta quantificazione, propagazione e post-elaborazione dell'incertezza in un canyon urbano. Questo studio di dottorato è un tentativo di affrontare le sfide sollevate, rendendo gli effetti di optare per un adeguato quadro di trattamento dell'incertezza. Per simulare le prestazioni di costruzione in una corretta risoluzione climatica, è necessaria la disponibilità di parametri climatici misurati in microbilance. Le misurazioni effettive dei dati climatici spesso si occupano di valori mancanti che possono provenire da uno strumento di errore o errore di manutenzione dei dati. I metodi di apprendimento automatico, incluse le reti neurali, sono suggeriti come strumento affidabile per stimare i valori mancanti. Lo studio presentato introduce un metodo per stimare i valori mancanti a lungo termine (due settimane) utilizzando la rete neurale per i parametri di temperatura e umidità relativa. Il metodo è sviluppato sulla base di valori misurati formano una rete di stazioni meteorologiche che si trovano nel nord Italia. Ridimensionare la radiazione solare al microclima basandosi solo sui parametri climatici misurati dalla rete di stazioni all'interno di una città, non è adeguata. Considerando che la radiazione solare nelle stazioni meteorologiche è spesso raccolta da tetti e superfici orizzontali, mentre gli strumenti di misura non incontrano ombre o riflettanza dall'ambiente circostante. Nel frattempo, le superfici di costruzione sperimentano effetti più complessi dall'ambiente circostante. La radiazione solare incidente sulle superfici di costruzione è influenzata da diverse ostruzioni, tra cui edifici adiacenti e vegetazioni che possono aggiungere incertezze alle stime della radiazione solare incidente. Gli effetti di shadowing, riflettanza e trasparenza degli alberi sugli edifici sono tra i principali parametri che incorporano l'incertezza alle stime della radiazione solare incidente sulla costruzione di facciate. Inoltre, la precisione dei modelli di calcolo della radiazione solare è sottoposta a dibattito in letteratura, che si riferiscono principalmente alle incertezze nelle informazioni sul cielo e sulla posizione solare. La precisione del modello di calcolo della radiazione solare (modello di diffusione del cielo di Perez come uno dei modelli più popolari negli strumenti di simulazione energetica degli edifici) viene valutata calibrando il modello in base alle misurazioni effettive da Eindhoven, Paesi Bassi. Il metodo utilizza l'approccio di simulazione sottoinsieme che riduce significativamente il tempo computazionale. Inoltre, il modello Perez calibrato è implementato in EnergyPlus. L'applicazione del modello Perez calibrato in EnergyPlus ha rivelato come la sottovalutazione della radiazione solare incidente da parte del modello predefinito possa influire sull'affidabilità delle stime nei carichi energetici edilizi e nelle prestazioni fotovoltaiche. Nel contesto della quantificazione dell'incertezza, la scelta della rappresentazione dell'incertezza può influire significativamente sulla gamma finale delle variazioni. In questo studio viene discusso l'introduzione di approcci possibilistici e ibridi per la propagazione dell'incertezza a parte l'approccio probabilistico convenzionale. Si è dimostrato che, sulla base della natura dell'incertezza e della disponibilità dei dati, la scelta dell'approccio corretto per rappresentare e diffondere l'incertezza all'interno del modello può influire sulle conoscenze per il supporto decisionale. In questo studio, la complessità della modellazione dei canyon urbani come modulo di base delle città, è contestata e confrontata con le attuali semplificazioni relative all'ambiente edilizio. Si osserva che i dettagli del canyon urbano come la variazione in altezza degli edifici adiacenti e la riflettività o la trasparenza dell'ambiente circostante possono influenzare drasticamente il comfort termico e visivo, nonché il consumo energetico dell'illuminazione. È anche dimostrato che gli effetti della complessità nel canyon urbano sono sensibili all'altezza bersaglio e variano su piani diversi. L'elettricità annua è molto sensibile alle incertezze nel Canyon. Inoltre, l'esperienza del comfort indoor per i diversi piani può variare notevolmente, a causa dell'incertezza nei parametri del canyon urbano. Si è constatato che il trattamento dell'incertezza secondo la teoria della possibilità, può influenzare sensibilmente la gamma di variazione quando si confronta con quello della teoria della probabilità. La modellazione dettagliata degli alberi è anche profondamente discussa e viene proposta la rappresentazione adeguata degli alberi per l'analisi dell'incertezza. Il modello proposto è un equilibrio tra la complessità e la semplificazione. Inoltre, l'importanza di considerare l'incertezza nella costruzione di ambienti durante la fase di progettazione delle finestre sono indagati. I risultati rivelano come l'ambiente di costruzione può influenzare il potenziale del bagliore basato su diversi rapporti tra finestra e muro. Questo studio di dottorato è un tentativo di mostrare come le condizioni limite di ridimensionamento dell'edificio da meso a micro scala possono influenzare gli aspetti delle sue prestazioni. Si è dimostrato che i requisiti iniziali di questo tipo di studi sono dati misurati localmente e un atteggiamento meta-euristico verso gli input delle stime delle prestazioni edilizie. Le principali realizzazioni di questo studio possono essere utilizzate come informazioni di supporto per progettisti e decisori, tra cui architetti, ingegneri edili, progettisti urbani/pianificatori e responsabili delle politiche.