بهینه‌سازی فضاهای نیمه باز خانه‌های آپارتمانی جهت تبدیل به گلخانه خورشیدی با استفاده از الگوریتم ذوب فلزات

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری معماری، دانشکده معماری و شهرسازی، دانشگاه هنر، تهران، ایران

2 دانشیار، دانشکده معماری و شهرسازی، دانشگاه هنر، تهران، ایران

10.29252/ahdc.2020.1986

چکیده

بهبود آسایش حرارتی، از جمله مسائل مهمی است که در ساختمان­های امروزی مورد تأکید است. با توجه به روند رو به رشد مصرف انرژی،  تلاش برای صرفه‌جویی در ساختمان­های کشور یک ضرورت انکار­ناپذیر است. از طرفی استفاده بهینه از انرژی رایگان خورشیدی، محیطی مطلوب را برای ساکنین ساختمان فراهم می­آورد و از سوی دیگر، سبب کاهش میزان انرژی مصرفی ساختمان در فصول سرد سال خواهد شد. از آنجا که روند کلی ساخت و ساز­های مسکونی در کشور به­سمت توسعه واحدهای آپارتمانی سوق پیدا کرده­است؛ استفاده از راهکارهای اقلیمی که بتواند در چنین بناهایی به عنوان واقعیت موجود شهرسازی کشور مورد استفاده قرار گیرد، نیاز مهمی است که کمتر مورد توجه قرار گرفته­است. استفاده از فضاهای نیمه باز همچون بالکن، مهتابی و ایوان تحت عنوان «فضای نیمه باز» در واحدهای آپارتمانی مورد تأکید مقررات ملی ساختمان ایران است و در اکثر ساختمان­های امروزی وجود دارد. درصورت طراحی هوشمندانه، این دسته از فضاها قابلیت تبدیل به یک گلخانه خورشیدی به عنوان یک سامانه ایستا برای جذب و بهره­برداری از انرژی خورشیدی را فراهم می­کنند.  هدف از این پژوهش، استفاده از هوش مصنوعی و بهینه­سازی الگوریتمی به منظور یافتن ابعاد، فرم مشخصات فنی بهینه فضاهای نیمه باز آپارتمانی در اقلیم گرم و خشک، در جهت تبدیل آن­ها به یک گلخانه خورشیدی برای استفاده در مواقع سرد سال است. روش تحقیق در این پژوهش شبیه­سازی و استدلال منطقی است. از­این­رو با به خدمت گرفتن روش شبیه­سازی فضایی مسکونی در شهر شیراز، پارامترهای فضای نیمه­باز ساختمان (ابعاد فضای نیمه‌باز، ابعاد پنجره متصل به فضای داخل، نوع فضای نیمه باز، جنس شیشه و تهویه) به منظور ایجاد قابلیت تبدیل به گلخانه خورشیدی مورد بررسی قرار گرفت  و شرایط بهینه هریک از این پارامترها برای شهر شیراز تعیین شد. نتایج حاکی از آن است که چنین فضایی در حالت بهینه می­تواند تا 54 درصد از مصرف انرژی گرمایشی ساختمان را کاهش دهد. در این میان بهترین پاسخ را فضای نیمه باز مهتابی  با استفاده از پوشش شیشه دوجداره، از خود نشان داد.

کلیدواژه‌ها


عنوان مقاله [English]

Optimization of semi-open spaces of apartment houses to become a sunspace using simulated annealing algorithm

نویسندگان [English]

  • Vahid Bakhtyari 1
  • Rima Fayaz 2
1 PhD Student, Faculty of Architecture and Urbanism, University of Art, Tehran, Iran
2 Associate Professor, Faculty of Architecture and Urbanism, University of Art, Tehran, Iran
چکیده [English]

Improving thermal comfort in buildings is one of the important issues that is emphasized in today's buildings. Given the growth in energy consumption, saving resources in buildings is an indispensable necessity. Optimal use of free solar energy on the one hand provides a favourable environment for the occupants of the building and on the other hand reduces the building energy consumption in cold months of the year. Since the overall trend of residential construction in Iran has led to the development of apartment units, Applying climate solutions that can be used in such buildings is an important need that is getting less attention these days. The use of semi-open spaces such as balconies, terraces and porchs in apartment units is emphasized by the National Building Regulations of Iran and is widely used in contemporary buildings.  When cleverly designed, these spaces can be converted to a sunspace to be used as a passive system for the absorption and utilization of solar energy. The purpose of this study is to use artificial intelligence and algorithmic optimization to find the optimal dimensions, from and properties of semi-open spaces in warm and dry climates in Iran, to transform them into a sunspace to be used in cold months of the year. The research method in this study is simulation and logical reasoning. To reach this goal, a residential space in Shiraz was simulated, and then the parameters of the semi-open space (dimensions, indoor window area, semi-open space type, glass type and ventilation) were investigated in order to convert it into a sunspace. Then the optimal conditions of each of these parameters for the city of Shiraz were determined. The results show that such an space can optimally reduce up to 54% of the building's heating energy consumption and the best results came from terraces using double glazing cover.

کلیدواژه‌ها [English]

  • Multi-objective Optimization
  • sustainable architecture
  • simulated annealing algorithm
  • Energy Saving
  • sunspace
  • Semi-open Space
-  دفتر مقررات ملی ساختمان. (1392). مقررات ملی ساختمان ایران مبحث چهارم الزامات عمومی ساختمان (ویراست دوم). تهران: توسعه ایران.
-  گیلانی, ارا و محمد کاری, هروز. (1390). بررسی عملکرد گرمایشی گلخانه های خورشیدی در ساختمان های مسکونی اقلیم سرد نمونه موردی: شهر اردبیل. مهندسی مکانیک مدرس (فنی و مهندسی مدرس).
-  کسمایی, رتضی. (1371). پهنه بندی اقلیمی ایران، مسکن و محیط های مسکونی. تهران: مرکز تحقیقات ساختمان و مسکن.ـمقدسی حمدمهدی؛ حیدری, شاهین؛ شاهچراغی, آزاده و دانشجو, خسرو. (1396). ارزیابی مدل بهینه گلخانه خورشیدی در ساختمان های مسکونی اقلیم معتدل و سرد کشور (نمونه موردی: شهر کرمانشاه). مدیریت شهری, 45, 489–506.ـمهدوی‌نژاد, محمدجواد؛, طاهباز, منصوره و دولت‌آبادی, مهناز. (2016). بهینه‌سازی تناسبات و نحوه استفاده از رف نور در معماری کلاس‌های آموزشی. نشریه هنرهای زیبا- معماری و شهرسازی, 21(2), 81–92
 
-  Allesina, G., Ferrari, C., Muscio, A., & Pedrazzi, S. (2019). Easy to implement ventilated sunspace for energy retrofit of condominium buildings with balconies. Renewable Energy, 141, 541–548. https://doi.org/10.1016/j.renene.2019.04.037
-  Asa’d, O., Ugursal, V. I., & Ben-Abdallah, N. (2019, December 1). Investigation of the energetic performance of an attached solar greenhouse through monitoring and simulation. Energy for Sustainable Development, Vol. 53, pp. 15–29. https://doi.org/10.1016/j.esd.2019.09.001
-  ASHRAE. (2010). Standard 55-2010: Thermal environmental conditions for human occupancy. Athlanta: Ashrae.
-  ASHRAE. (2014). Guideline 14-2014. In Measurement of energy, demand, and water savings.
-  Baker, C., Goel, S., Wang, N., Rosenberg, M., Wolf, D., & Henderson,  and P. (2018). A SIMPLIFIED ENERGY MODELING APPROACH FOR BUILDINGS. Building Performance Analysis Conference and SimBuild. Chicago, IL.
-  Deshpande, J. (2019). Improving Building Technologies With a Sustainable Strategy. In Reference Module in Materials Science and Materials Engineering. https://doi.org/10.1016/b978-0-12-803581-8.11310-4
-  ـEvola, G., Margani, G., & Marletta, L. (2011). Energy and cost evaluation of thermal bridge correction in Mediterranean climate. Energy and Buildings, 43(9), 2385–2393. https://doi.org/10.1016/j.enbuild.2011.05.028
-  Huang, Y., & Niu, J. L. (2016). Optimal building envelope design based on simulated performance: History, current status and new potentials. Energy and Buildings, 117, 387–398. https://doi.org/10.1016/j.enbuild.2015.09.025
-  Judkoff, R. D., & Neymark, J. (2004). Standard method of test for the evaluation of building energy analysis computer programs. American Society of Heating, Refrigerating and Air-Conditioning Engineers, Inc.
-  Lu, S., Tong, H., & Pang, B. (2018). Study on the coupling heating system of floor radiation and sunspace based on energy storage technology. Energy and Buildings, 159, 441–453. https://doi.org/10.1016/j.enbuild.2017.11.027
-  Meroni, I., Scamoni, F., Tirloni, P., Pollastro, C., & Lacci, R. (1991). Experimental analysis of the energy performance of a passive attached sunspace. Solar Energy, 47(5), 329–332. https://doi.org/10.1016/0038-092X(91)90025-R
-  Mihalakakou, G., & Ferrante, A. (2000). Energy conservation and potential of a sunspace: Sensitivity analysis. Energy Conversion and Management, 41(12), 1247–1264. https://doi.org/10.1016/S0196-8904(99)00178-8
-  Sansaniwal, S. K., Sharma, V., & Mathur, J. (2018, February 1). Energy and exergy analyses of various typical solar energy applications: A comprehensive review. Renewable and Sustainable Energy Reviews, Vol. 82, pp. 1576–1601. https://doi.org/10.1016/j.rser.2017.07.003
-  Sargent, R. G. (2013). Verification and validation of simulation models. Journal of Simulation, 7(1), 12–24. https://doi.org/10.1057/jos.2012.20
-  Suárez López, M. J., Castro, S. S., Manso, A. N., & Marigorta, E. B. (2020). Heat collection in an attached sunspace. Renewable Energy, 145, 2144–2150. https://doi.org/10.1016/j.renene.2019.07.137
-  Talaei, M., Mahdavinejad, M., Zarkesh, A., & Motevali Haghighi, H. (2017). A Review on Interaction of Innovative Building Envelope Technologies and Solar Energy Gain. Energy Procedia, 141, 24–28. https://doi.org/10.1016/j.egypro.2017.11.006
-  Ulpiani, G., Summa, S., & di Perna, C. (2019). Sunspace coupling with hyper-insulated buildings: Investigation of the benefits of heat recovery via controlled mechanical ventilation. Solar Energy, 181, 17–26. https://doi.org/10.1016/j.solener.2019.01.084
-  ـWaibel, C., Wortmann, T., Evins, R., & Carmeliet, J. (2019). Building energy optimization: An extensive benchmark of global search algorithms. Energy and Buildings, 187, 218–240. https://doi.org/10.1016/j.enbuild.2019.01.048
-  Wang, W., Yuan, M., Li, Y. Z., & Li, C. (2019). Numerical investigation on the impact of an on-top sunspace passive heating approach for typical rural buildings in northern China. Solar Energy, 186, 300–310. https://doi.org/10.1016/j.solener.2019.05.013
-  Wortmann, T., Waibel, C., Nannicini, G., Evins, R., Schroepfer, T., & Carmeliet, J. (2017). Are genetic algorithms really the best choice for building energy optimization? Simulation Series, 49(11), 41–48. https://doi.org/10.22360/simaud.2017.simaud.006