Ingenieurwissenschaftliche reduzierte Modellierung von Quartieren im Kontext der heuristischen Ökobilanzierung
Coordinator
Professor Dr.-Ing. Christoph van Treeck
Grant period
2023 -
Funding body
Deutsche Forschungsgemeinschaft
DFG
Identifier
G:(GEPRIS)531801923
Note: Die Methodik der Ökobilanzierung gewinnt aktuell aufgrund ambitionierter globaler sowie nationaler Klimaschutzziele an hoher Bedeutung. Im Gebäudesektor ist die Abschätzung von Treibhausgasemissionen im Quartiersmaßstab erforderlich für die breit angelegte Bestimmung von Dekarbonisierungsmaßnahmen. Jedoch impliziert die Betrachtung aller Phasen des Quartierslebenszyklus eine hohe Granularität und Sensitivität der Eingangs- und Ergebniswerte. Dies wird verschärft durch einen Mangel an Lebenszyklus-Inventardaten sowie hohen Rechenaufwand in der hochskalierten Bestimmung von Gebäudenergiebedarfen. Diesen Problemstellungen wird mit der Bildung von Archetypen und der reduzierten Gebäudemodellierung begegnet. Erstere dient der Gruppierung gleichartiger Gebäude, während letztere den generellen Bedarf an Eingangswerten reduzieren soll. Allerdings verdeutlichen die statische Natur von Archetypen sowie die inhärente Volatilität von Eingangswerten entlang aller Lebenszyklusphasen die Notwendigkeit eines Modells, das kontinuierlich angepasst werden kann. Weiterhin bedarf es für die breit angelegte Bestimmung von Umweltwirkungen im Quartiersmaßstab eines generischen Ansatzes, der Wohn- sowie Nichtwohngebäude in Neubau und Bestand berücksichtigt. Dieser Ansatz sollte es ermöglichen, Emissionen mithilfe einer kleinen Auswahl von Eingangswerten zu bestimmen, um Rechenaufwand zu sparen. Folglich soll in diesem Projekt ein generischer top-down Modellierungsansatz für Quartiere zur heuristischen Abschätzung von Umweltindikatoren entwickelt werden. Eine Bandbreite endogener und exogener Daten wird verwendet, um bislang unbekannte statistische Korrelationen zwischen Modellierungs- bzw. Simulationsinput und Wirkungsabschätzung zu entdecken. Für Dateninterpolation und -anreicherung finden Synthetisierungsprogramme Anwendung. Datenaufbereitung und Data Mining werden verwendet für die Vorbereitung der gesammelten Daten als Trainings- und Testdatensets für verschiedene Methoden des maschinellen Lernens. Diese Methoden werden hinsichtlich Präzision, Laufzeit und Datenbedarf zur Identifikation des performantesten Algorithmus evaluiert. Um die generelle Verfügbarkeit hochdetaillierter Gebäudemodelle mit Ökobilanzierungszweck zu erhöhen, werden vorhandene Synthetisierungsprogramme für die Interpolation, Transformation und Anreichung von Gebäudemodellen im CityGML-Format mithilfe der gesammelten Daten erweitert. Die entwickelten Modelle des maschinellen Lernens werden der Öffentlichkeit zur Verfügung gestellt. Dies dient der kontinuierlichen Modellanpassung und akkurateren Ökobilanzierungsergebnissen im Vergleich zu statischen Archetypansätzen.
guest ::
Files
BibTeX |
EndNote:
XML,
Text |
RIS