TU Darmstadt / ULB / TUbiblio

Optimierungsverfahren zur Kalibrierung Typologie-basierter energetischer Gebäudemodelle

Hoffmann, André (2017):
Optimierungsverfahren zur Kalibrierung Typologie-basierter energetischer Gebäudemodelle.
TU Darmstadt, [Master Thesis]

Abstract

Um den Energieverbrauch eines Gebäudes zu simulieren, muss zuvor eine Vielzahl an Daten erhoben werden. Bei der Erfassung und Verarbeitung der Geometrie des Gebäudes, Wetterdaten, Materialeigenschaften, Heizverhalten des Nutzers und vielen weiteren Informationen kann es häufig zu Fehlern kommen. Diese können mit der Hilfe von statistisch fundierten Annahmen ersetzt werden. Allerdings ist fraglich, ob mit diesen noch Simulationen ausgeführt werden können, welche die Realität nah genug abbilden. Ziel dieser Masterarbeit ist es daher, ein Softwaremodul zur Parameteroptimierung der Eingangsgrößen einer energetischen Simulation (Software: Energy Plus) zu entwickeln. Dies soll anhand von Smart Meter Daten geschehen. Konkret sollen die Eingangsgrößen so verändert werden, dass der durch das Modell beschriebene Verlauf möglichst mit denen des Smart Meters übereinstimmt. Dabei bietet es sich an ähnlich wie bei der Methode der kleinsten Quadrate die Summe der quadratischen Abweichungen zu minimieren. Da keine einfach mathematisch beschreibbare Zielfunktion optimiert wird, sondern der Zielwert durch die Eingabe in ein Modell ermittelt wird, bieten sich heuristische Suchverfahren an. Simuliertes Abkühlen und evolutionäre Algorithmen werden ausführlich dargestellt. Beim simulierten Abkühlen werden die Eingangsparameter durch einen Zufallswert schrittweise verändert, so dass eine Kette von Parameterkonfigurationen entsteht. Verbessert sich die Zielfunktion werden diese in die Kette übernommen. Mit einer bestimmten Wahrscheinlichkeit werden auch Parameterkombinationen mit schlechterer Zielfunktionsauswertung übernommen. Diese ist abhängig von der Zielfunktionsauswertung selbst und einen Kontrollparameter, der nach einem bestimmten Zeitplan abgesenkt wird. Senkt sich der Kontrollparameter, senkt sich auch die Wahrscheinlichkeit, dass schlechtere Werte angenommen werden. Durch langsames Senken des Kontollparameters (Abkühlen), kann man also den Suchraum im größeren Ausmaß erforschen. Evolutionäre Algorithmen setzen auf Selektion, Rekombination und Mutation verschiedener Parameterkombinationen (Individuen), um so einen evolutionären Prozess zu imitieren. Die Angepasstheit der Individuen an die Umwelt wird in Abhängigkeit der Zielfunktion bewertet. Besser angepasste Individuen überleben, schlechtere werden aussortiert. Über mehrere Iterationen gleicht dieser Anpassungsvorgang einer schrittweisen Optimierung. Auf Grundlage dieser Algorithmen wird ein Konzept für zwei Softwaremodule entwickelt, die eine Kalibrierung der Parameter eines Gebäudemodells vornehmen können und anschließend in Python und C# umgesetzt. Zusätzlich wird eine Reihe von Skripten zur Analyse und Veranschaulichung der Algorithmen entwickelt. Bei der Analyse zeigt sich, dass simuliertes Abkühlen vor allem effizient ist, wenn die Startschätzung der zu kalibrierenden Parameter nur wenige Fehler aufweisen, wohingegen der evolutionäre Algorithmus aufgrund seines populationsbasierten Ansatzes eine geringere Abhängigkeit von der Startschätzung aufweist und in der Lage ist, auch bei groben Fehlern in der Startschätzung gute Ergebnisse zu liefern.

Item Type: Master Thesis
Erschienen: 2017
Creators: Hoffmann, André
Title: Optimierungsverfahren zur Kalibrierung Typologie-basierter energetischer Gebäudemodelle
Language: German
Abstract:

Um den Energieverbrauch eines Gebäudes zu simulieren, muss zuvor eine Vielzahl an Daten erhoben werden. Bei der Erfassung und Verarbeitung der Geometrie des Gebäudes, Wetterdaten, Materialeigenschaften, Heizverhalten des Nutzers und vielen weiteren Informationen kann es häufig zu Fehlern kommen. Diese können mit der Hilfe von statistisch fundierten Annahmen ersetzt werden. Allerdings ist fraglich, ob mit diesen noch Simulationen ausgeführt werden können, welche die Realität nah genug abbilden. Ziel dieser Masterarbeit ist es daher, ein Softwaremodul zur Parameteroptimierung der Eingangsgrößen einer energetischen Simulation (Software: Energy Plus) zu entwickeln. Dies soll anhand von Smart Meter Daten geschehen. Konkret sollen die Eingangsgrößen so verändert werden, dass der durch das Modell beschriebene Verlauf möglichst mit denen des Smart Meters übereinstimmt. Dabei bietet es sich an ähnlich wie bei der Methode der kleinsten Quadrate die Summe der quadratischen Abweichungen zu minimieren. Da keine einfach mathematisch beschreibbare Zielfunktion optimiert wird, sondern der Zielwert durch die Eingabe in ein Modell ermittelt wird, bieten sich heuristische Suchverfahren an. Simuliertes Abkühlen und evolutionäre Algorithmen werden ausführlich dargestellt. Beim simulierten Abkühlen werden die Eingangsparameter durch einen Zufallswert schrittweise verändert, so dass eine Kette von Parameterkonfigurationen entsteht. Verbessert sich die Zielfunktion werden diese in die Kette übernommen. Mit einer bestimmten Wahrscheinlichkeit werden auch Parameterkombinationen mit schlechterer Zielfunktionsauswertung übernommen. Diese ist abhängig von der Zielfunktionsauswertung selbst und einen Kontrollparameter, der nach einem bestimmten Zeitplan abgesenkt wird. Senkt sich der Kontrollparameter, senkt sich auch die Wahrscheinlichkeit, dass schlechtere Werte angenommen werden. Durch langsames Senken des Kontollparameters (Abkühlen), kann man also den Suchraum im größeren Ausmaß erforschen. Evolutionäre Algorithmen setzen auf Selektion, Rekombination und Mutation verschiedener Parameterkombinationen (Individuen), um so einen evolutionären Prozess zu imitieren. Die Angepasstheit der Individuen an die Umwelt wird in Abhängigkeit der Zielfunktion bewertet. Besser angepasste Individuen überleben, schlechtere werden aussortiert. Über mehrere Iterationen gleicht dieser Anpassungsvorgang einer schrittweisen Optimierung. Auf Grundlage dieser Algorithmen wird ein Konzept für zwei Softwaremodule entwickelt, die eine Kalibrierung der Parameter eines Gebäudemodells vornehmen können und anschließend in Python und C# umgesetzt. Zusätzlich wird eine Reihe von Skripten zur Analyse und Veranschaulichung der Algorithmen entwickelt. Bei der Analyse zeigt sich, dass simuliertes Abkühlen vor allem effizient ist, wenn die Startschätzung der zu kalibrierenden Parameter nur wenige Fehler aufweisen, wohingegen der evolutionäre Algorithmus aufgrund seines populationsbasierten Ansatzes eine geringere Abhängigkeit von der Startschätzung aufweist und in der Lage ist, auch bei groben Fehlern in der Startschätzung gute Ergebnisse zu liefern.

Uncontrolled Keywords: Evolutionäre Algorithmen, energetische Gebäudemodelle, Optimierungsverfahren, simuliertes Abkühlen, Smart Meter Daten, Typologie
Divisions: 13 Department of Civil and Environmental Engineering Sciences
13 Department of Civil and Environmental Engineering Sciences > Institute of Numerical Methods and Informatics in Civil Engineering
Date Deposited: 27 Sep 2017 15:44
Additional Information:

Betreuer: Robert Irmler

Alternative keywords:
Alternative keywordsLanguage
simulated annealing, Evolutionary algorithms, Smart Meter Data, Optimization, energetic building modelsEnglish
Alternative Abstract:
Alternative abstract Language
To simulate the energetic consumption of a building it is necessary to gather a lot of data. The collection and processing of the geometry, weather data, material properties, heating habits and many other informations is error-prone. The erroneous data can be replaced by statistically sound estimations. But it is doubious, if the simulation based on that data is representing the reality sufficiently. The purpose of this thesis is it to develop a software modul, which optimizes the parameters of an energetic simulation (Energy Plus). This should happen with data of a smart meter. The parameters shall be changed in a way, that the behaviour, which is simulated by the model, fits with the data of the smart meter. Similar to the least square method the sum of the quadratic differences shall be minimized. The objective function isn’t a simpel mathematical term, but must be evaluated by simulation. So heuristic search procedures are the methods of choice: Simulated Annealing and evolutionary algorithms are described. In Simulated Annealing an initial parameter configuration is randomly changed, so that a chain of parameter configurations is formed. If the objective function is improved, a configuration is accepted as part of the chain. A configuration, which is worsening the objective function, can also be accepted, but only by a certain propability. The propability depends on the value of the objective function and a control parameter, which is decreased according to a schedule. If the control parameter is decreasing the propability to accept worse values is decreasing, too. So in decreasing the control parameter slowly a larger part of the search space is explored. Evolutionary algorithms use selection, recombination and mutation of different parameter configurations (individuals) to emulate a evolutionary process. The fitness of the individuals to the environment is evaluated in dependency of the objective function. Individuals, which are well fitted, survive, poorly fitted will be sorted out. This iterative fitness adjustement equals a step by step optimazation. Based on these algorithms a concept for two software moduls, which can calibrate the parameters of a building model, is developed and afterwards implemented in python and c#. Additionally a series of scripts for visualizing and analyzing the algorithms is developed. The basic result of the analysis is that simulated annealing is efficient, if the initial esistimation of the parameters has only few errors. The evolutionary algorithms is less dependent on the initial esistimation because of its population based approach. It is capable to provide good results, even then the initial esistimation contains severe errors.English
Export:
Suche nach Titel in: TUfind oder in Google
Send an inquiry Send an inquiry

Options (only for editors)

View Item View Item