米国の人口の 3 分の 2 以上が都市部に住んでおり、資源の使用と温室効果ガス (GHG) の排出を削減し、自然と戦うための持続可能性の目標と回復力を達成するために、改造、拡張、運用効率に関連する大きな課題に直面しています。極端な出来事と緊急事態。米国の都市の建物は、一次エネルギー全体の最大 70% を消費します。
したがって、都市のエネルギーと気候の目標を達成するためには、エネルギーの節約と効率の改善を通じて、都市の建物でのエネルギー使用と GHG 排出量を削減することが重要な戦略となります。都市の建物のエネルギー モデリング (UBEM) は、都市とそのエネルギー計画コンサルタントが建物のストックを評価し、都市規模での建物の改修をガイドするための強力なツールです。
UBEM は、個々の建物のダイナミクスだけでなく、より重要なことに、都市のコンテキストにおける建物のグループ (都市ブロックから地区、都市全体まで) のパフォーマンスの計算モデリングとシミュレーションを指します。建物間の影響 (例:シェーディングや放射熱交換)、および建物と都市の微気候との間の相互影響を分析し、都市の建物とエネルギー政策決定に情報を提供するための定量的な洞察を提供します。都市の建物を都市システム (システムのシステム) の一部と見なすことで、建物のグループが個々の建物の単純な合計よりも優れたパフォーマンスを達成できるようになります。
UBEM の最初の重要なステップは、数十万の建物を含む都市の建物ストックのデジタル表現を開発することです。図 2 は、サンフランシスコの建物ストックのデータセットを作成するために使用されるワークフローを示しています。土地利用、評価者記録、およびエネルギー開示データベースは、建物データを保存するための区画識別子として評価者区画番号 (APN) を使用します。最初に区画関連のデータを統合し、それらを建物フットプリント データにマッピングして、各データセットのすべてのフィールドを含むマスター 建物データセットを作成しました。次に、マスター データセットを単純化および標準化して、サンフランシスコのすべての建物の 3D 都市モデルを CityGML で作成しました。 Building Energy Data Exchange Specification (BEDES) を使用して、建物データセットの用語を標準化しました。最終的なデータセット プロダクトは、CityGML、GeoJSON、および FileGDB 形式で提供され、さまざまな都市モデリングおよび分析ツールで使用できます。
CityGML は、3D 都市モデルの表現と交換のための国際的な Open Geospatial Consortium 標準です。 CityGML は、建物とそのコンポーネント、水域、都市の備品 (街灯、信号機)、交通インフラ (道路、道路、橋、トンネル)、および植生を含む都市オブジェクトの 3D ジオメトリ、トポロジ、セマンティクス、および外観を定義します。 . CityGML には、さまざまなレベルの詳細で都市オブジェクトを表現する柔軟性があります。たとえば、図 3 に示すように、建物には 5 つのレベルの表現があります。
これは重要な機能です。都市の一部の建物はより多くの情報を持っているため (例:都市のエネルギー ベンチマークおよび開示条例の対象となる建物)、他の建物は最小限の公開情報 (例:用途、建築年、総床面積) を持っています。その過程で、より多くの建物についてより多くの情報が利用可能になり、CityGML 表現を改善するために追加できます。
CityGML ファイルは、CityGML 2.0 スキーマ、特に建物と汎用パーツに基づいて生成されました。ほとんどの建物属性を標準化された CityGML 要素にマッピングしました。マッピングできない属性 (建物の年間エネルギー使用量など) については、CityGML ジェネリック型 (::_GenericsAttribute) として名前が付けられました。したがって、すべての建物属性が CityGML 表現に含まれます。すべての都市の建物を 1 つの CityGML ファイル (GB サイズ) に含めると、ファイルのサイズが大きくなるため、ファイルの管理と処理が難しくなります。サンフランシスコのケースでは、建物ストックを 15 の計画地区に分割し、それぞれを個別の CityGML ファイルで表します。
CityGML ベースの 3D 都市モデルは、CityBES (Hong et al. 2016) で使用され、エネルギーのモデリングと分析を構築します。 CityBES は、地区または都市規模の建物のエネルギー効率プログラムをサポートする、オープンな Web ベースのデータおよびコンピューティング プラットフォームです。 CityBES は、物理ベースの建物エネルギー モデリング エンジンの USDOE 旗艦である EnergyPlus を採用して、建物のエネルギー使用をシミュレートし、エネルギー改修による節約を計算します。図 4 は、CityBES の 3 層構造 (データ層、アルゴリズム/エンジン ソフトウェア層、およびアプリケーション層) を示しています。
CityBES の主な機能は次のとおりです。(1) さまざまな指標セットを使用した建物性能の 3D-GIS 統合視覚化、(2) さまざまな都市の建物ストックの建物エネルギー性能ベンチマーク、(3) エネルギー改修の評価と優先順位付け、(4) 屋上太陽光発電の可能性評価、(5) 建物群を分断する典型的なタイプの地域エネルギー システムの評価。 CityBES は、都市計画者と開発者、都市のエネルギー管理者、建物の所有者、公益事業、エネルギー コンサルタント、研究者を対象としています。
CityBES を使用してケース スタディが実施され、建物のエネルギー モデルの自動生成と、サンフランシスコ北東部の 6 つの地区にある 940 の小規模および中規模のオフィスおよび小売ビルのエネルギー レトロフィット分析のワークフローが実証されました。図 5 に示すように、CityBES を使用して、5 つの個別の省エネ対策 (ECM) と 2 つの ECM パッケージのエネルギー使用量とエネルギー コストの潜在的な節約量を推定しました。
また、結果は次のことも示しています。(1) 5 つの対策をすべて組み合わせると、建物ごとにサイトのエネルギーを 23% ～ 38% 節約できます。 (2) 照明を発光ダイオード ランプに交換し、既存の暖房、換気、および空調 (HVAC) システムにエア エコノマイザを追加することは、それぞれ平均 2.0 年および 4.3 年で費用効果が高くなります。 (3) サンフランシスコの温暖な気候と最小限の冷暖房負荷のため、HVAC システムのアップグレードや窓の交換は経済的ではありません。
UBEM における重要な課題は、シミュレーション結果の精度とモデルの複雑さのバランスを取ることです。これは、計算リソースに大きな影響を与えます。 CityBES を使用して、3 つの気候ゾーンにある 940 のオフィスおよび小売ビルのシミュレートされたエネルギー使用に対する 3 つのゾーニング方法とフロア乗数の使用の影響を評価するために、別の調査を実施しました。
最初のゾーニング方法である OneZone は、対象の建物のフットプリントに基づいて、フロアごとに 1 つのサーマル ゾーンを作成します。 2 番目のゾーニング方法である AutoZone は、建物のフットプリントを周辺ゾーンとコア ゾーンに分割します。 AutoZone メソッド用に、新しいピクセルベースの自動ゾーニング アルゴリズムが開発されました。 3 番目のゾーニング方法であるプロトタイプは、米国エネルギー省のリファレンス ビルディング プロトタイプ形状を使用します。結果は、フロア乗数を使用してシミュレートされた建物のソース エネルギー使用が、各フロアを明示的にモデル化したものよりも最大 2.6% わずかに高く、実行に 2 ～ 3 倍の時間がかかることを示しています。
AutoZone方式と比較して、OneZone方式は熱負荷が減少し、機器の容量が少なくなります。ファン容量は15.2%、冷却能力は11.1%、暖房能力は11.0%、暖房負荷は16.9%、冷房負荷は7.5%減少します。ソース エネルギー使用の違いは、-7.6% から 5.1% の範囲です。 Prototype 方式と AutoZone 方式を比較すると、ソース エネルギー使用の差は -12.1% から 19.0% の範囲であり、熱負荷と設備容量の差の範囲がより大きくなっています。この調査では、ゾーニング手法が UBEM のシミュレートされたエネルギー使用に大きな影響を与えることが実証されました。この調査から得られた推奨事項の 1 つは、AutoZone メソッドとフロア乗数を使用して、UBEM のシミュレーション実行時間のバランスを取りながら正確な結果を取得することです。
これらの調査結果は、都市規模の建物の改修分析のための都市データセットに基づく都市の建物のエネルギー モデルの自動生成とシミュレーションと、都市の建物のエネルギー モデルのシミュレーション結果に対する建物のジオメトリ モデリング手法の影響というタイトルの 2 つの記事で説明されています。ジャーナル 応用エネルギー . UBEM の研究は、ローレンス バークレー国立研究所の建築技術および都市システム部門の Tianzhen Hong 博士、Yixing Chen 博士、および Mary Ann Piette 夫人によって実施されました。
参考文献
- Chen, Y., Hong, T., Piette, M.A. 都市規模の建物改修分析のための都市データセットに基づく都市建物エネルギー モデルの自動生成とシミュレーション。応用エネルギー、2017 年。
- Hong, T., Chen, Y., Lee, S.H., Piette, M.A. CityBES:A Web-based Platform to Support City-Scale Building Energy Efficiency、Urban Computing 2016、サンフランシスコ。
- Gröger, G.、Plümer、L. CityGML – 相互運用可能なセマンティック 3D 都市モデル、ISPRS Journal of Photogrammetry and Remote Sensing、71:12–33、2012.
