Methodological approach for calibration of building energy performance simulation models applied to a common “measurement and verification” process

Abstract

A big challenge for energy savings performance contracting projects is the transparent and reliable determination of the energy consumption before and after retrofitting. This process, the so called “measurement and verification” (M&V) process, can be performed by means of calibrating simulation models with measured data, e.g. the energy bill data. There are guidelines for reporting and conducting this procedure. According to reports from case studies, it seems that they are carried out using several different approaches. The main goal of this work is to develop a consistent, practical approach for the M&V process. The approach supports visual inspection methods, parametric studies, and optimization methods. The visual inspection method can help to understand characteristics of a specific building depending on an input parameter change via graphs. However, the visual inspection method requires an extensive effort for this trial and error process and it is strongly dependent upon the users’ experience. The automated parametric study can be applied both for calibration and sensitivity analysis of uncertain parameters. The big challenge for the practical use is the need for automating the process due to an enormous number of simulation cases and the required skills in applied statistics. Optimization algorithms quickly provide the user with a quantitatively best solution. However, they do not analyze the actual problems and therefore do not contribute to an understanding of the system under consideration. Furthermore, results should be examined carefully because the optimization may produce mathematically correct but physically meaningless results. Due to the present advantages and disadvantages of these methods, a calibration tool including all three methods would be desirable in order to predict the impact of energy efficient retrofitting projects.Methodologische Herangehensweise für die Kalibrierung von Gebäudesimulationsmodellen im “Measurement M&V Verification“‐Prozess. Eine große Herausforderung bei Energiespar‐Contracting‐Projekten ist die transparente und zuverlässige Bestimmung der Energieeinsparung vor und nach der Sanierung. Der sogenannte “Measurement & Verification“ (M&V)‐Prozess kann mittels der Kalibrierung von Simulationsmodellen mit gemessenen Daten, z. B. den Berechnungsdaten von Energieversorgern, durchgeführt werden. Es gibt mehrere Leitfäden für die Vorgehensweise bei solchen M&V‐Prozessen, Projektberichten von Fallstudien zufolge wird die Kalibrierung der Gebäudesimulationsmodelle jedoch mit recht unterschiedlichen Ansätzen bewerkstelligt. Ziel dieser Arbeit ist es, einen einheitlichen, praxistauglichen methodischen Ansatz für den M&V‐Prozess zu entwickeln. In dem hier vorgestellten neuen Ansatz können sowohl Methoden der visuellen Untersuchung, parametrische Studien als auch Optimierungsverfahren angewendet werden. Die Methoden der visuellen Untersuchung können in erster Linie dazu beitragen, Eigenschaften eines bestimmten Gebäudes zu verstehen. Der große Nachteil dabei ist, dass sie auf einer “Trial and Error“‐Vorgehensweise beruht. Somit ist sie mit hohem Zeitaufwand verbunden und die Qualität des Ergebnisses hängt stark von der durchführenden Person ab. Automatisierte parametrische Studien werden bislang in erster Linie für Sensitivitätsanalysen durchgeführt. Eine Übertragung dieser Methode auf die Modellkalibrierung erscheint jedoch im genannten Kontext vielversprechend. Die große Herausforderung für eine praktische Anwendung ist hierbei, einen hohen Automatisierungsgrad zu erreichen, da eine sehr große Anzahl von Simulationsfällen ausgewertet werden muss. Darüber hinaus erfordert sie vom Anwender vertiefte Fachkompetenzen im Bereich Statistik. Optimierungsverfahren erlauben es, schnell zu quantitativ besseren Lösungen zu gelangen. Deren Nachteil ist jedoch, dass sie keine Analyse des Systems vornehmen und dadurch kaum zu einem besseren Systemverständnis beitragen. Zudem sollten die Ergebnisse eines Optimierungsprozesses sorgfältig geprüft werden, da daraus zwar mathematisch korrekte, aber unter Umständen physikalisch bedeutungslose Systemvarianten resultieren können. Aufgrund der bekannten Vor‐ und Nachteile dieser Methoden wäre ein Kalibrierungswerkzeug wünschenswert, welches alle drei Verfahren in der Praxis nutzbar macht, um die Wirkung energieeffizienter Sanierungsprojekte besser vorhersagen zu können.

Suspended timber ground floors: measured heat loss compared with models

“…Where possible, input data from the case study site survey were used to inform model inputs to increase the accuracy of the model, as recommended by Park, Norrefeldt, Stratbuecker, Jang, and Grun (2013) and Lee, Lam, Yik, and Chan (2013). Estimates of inputs that could not be obtained from a survey were based on typical assumptions (listed in Table 1).…”

Risk Mitigation in Energy Efficiency Retrofit Projects Using Automated Performance Control

“…Parametric evaluation of the building models was conducted using jEPlus software (version 1.7.2), an open-source parametric analysis tool specifically designed for Energy Plus [71] that provides flexible and structural analysis opportunities and smooth operations [81]. The tool has been used in similar investigations to determine sensitivity or optimize energy systems [82,83].…”

Cloud Platform Real-time Measurement and Verification Procedure for Energy Efficiency of Washing Machines

“…When the PSO algorithm determines that the convergence condition has been satisfied, the calculations will be determined. The convergence condition in this study is the relative error of dependent variable in (6).…”

“…In this study, a cloud computing platform for real-time measurement and verification of energy saving performance is created based on the M&V methodology and integrating of PSO algorithm, java programming language, and cloud computing techniques. While baseline models are applied automatically for pre-installation and real-time energy saving performance is calculated automatically after postinstallation, the cloud computing platform reduces the time Baseline data should be established because energy consumption in the pre-installation period (i.e., baseline period) cannot be measured by instruments after energy conservation measures (ECM) have been implemented [6]. Therefore, adjustments (A) to the baseline data are required to determine the energy consumption of the equipment and systems during the baseline period (BP) and the energy consumption during the post-installation period (reporting period (RP)) under the same operating conditions [7] The amount of savings (S) can be calculated as shown in (1).…”