چکیده:
در سطح جهانی» بخش ساختمان به ویژه بخش مسکونی» بیش از یک سوم کل انرژی اولیه را مصرف میکند.
نگرانیها در مورد انرژی در حال افزایش میباشد و بسیاری از کشورها سعی بر آن دارند که صنایع مصرفکننده انرژی
بهویژه ساختمانها و ساختوساز را تنظیم کنند. این تنظیم» نه تنها برای ساختمانهای موجود بلکه برای ساختمانهای
آینده نیز لازم است. مدیریت کارآمد انرژی و نوسازی هوشمندء میتواند عملکرد انرژی موجود را افزایش دهد.
بهاینترتیب» با ارزیابی مصرف انرژی ساختمانهای موجود در جهت مدیریت انرژی کارآمد. صرفهجویی و کاهش مصرف
ساختمانهای آینده گام موّئری برداشته خواهد شد. چندین شهر در ایالات متحده قوانینی تصویب کردهاند که طبق آن
صاحبان ساختمانهای بزرگ» موظف به رتبهبندی بهرهوری و در معرض شفافیت قرار دادن انرژی ساختمانهای خود در
بین عموم مردم با هدف تشویق بهرهوری بیشتر» میباشند. کمیسیون اروپا نیز با اتخاذ دو دستورالعمل اروپایی در مورد
عملکرد انرژی ساختمانهاء تلاشهایی در این زمینه کرده است. همه راهکارهای موجود. ء بر انجام ارزیابی مصرف انرژی
ساختمان تاکید دارند که در این راستاء پیشبینی دقیق انرژی» و رده بندی و رتبه بندی مصرف انرژی» مورد توجه میباشد.
هدف از این پژوهش» بررسی مصرف انرژی در ساختمان به ویژه ساختمان مسکونی و شناسایی اقدامات لازم برای بهینه
سازی عملکرد انرژی و کاهش مصرف آن میباشد.
خلاصه ماشینی:
از اين رو، بهبود بهره وري انرژي در ساختمان ها براي کاهش مصرف انرژي و انتشار گازهاي گلخانه اي يک راهکار کليدي ثابت شده است (٢٠١٧ Yoshino, Hong, and Nord).
براي تعيين ميزان مصرف انرژي پيش بيني شده ، شبيه سازي عملکرد انرژي ساختمان ، به طور قابل توجهي توسعه يافته است (٢٠١٩ .
(Papadopoulos and Kontokosta 2019; Scofield 2014 در اين راستا، تحقيقات پژوهشگران نشان داده که چندين شهر در ايالات متحده قوانيني تصويب کرده اند که طبق آن ، صاحبان ساختمان هاي بزرگ ، موظف به رتبه بندي بهره وري و در معرض شفافيت قرار دادن انرژي ساختمان هاي خود در بين عموم مردم با هدف تشويق به بهره وري بيشتر، مي باشند.
بررسي اثرات استفاده از سيستم هاي سايه انداز بر عملکرد حرارتي ساختمان در شهرهاي مختلف با عرض جغرافيايي و شرايط آب و هوايي مختلف نشان مي دهد که سيستم هاي سايه انداز، تاثير زيادي در صرفه جويي در مصرف انرژي دارند (٢٠١٤ Manzan).
با اين حال ، پيش بيني دقيق مصرف انرژي و بازده ساختمان چالشي است که ويژگي هاي مختلف تأثيرگذار مانند ويژگي هاي ساختاري ، شيشه ، نسبت پنجره به ديوار و جهت گيري ، اشغال ، لوازم خانگي ، تنوع بار، ساعات کار و غيره نيز بايد در نظر گرفته شود.
زيرا، اين مدل ها معمولا از الگوريتم هاي يادگيري ماشين استفاده مي کنند که مي توانند روابط پيچيده بين مصرف انرژي و ويژگي هاي ساختمان را حل کنند ( Xuchao, Priyadarsini, and ;٢٠١٩ Papadopoulos and Kontokosta ;٢٠١٢ Chung ٢٠١٠ Eang).