Urbane Energiesimulationen basierend auf 3D-Stadtmodellen

Transkript

1 HFT Forschung Urbane Energiesimulationen basierend auf 3D-Stadtmodellen Geoinformatik Prof. Dr. Volker Coors Nachhaltige Energietechnik Prof. Dr. Ursula Eicker M. Eng. Romain Nouvel, 3D Model LoD2 Ludwigsburg 1 Heidelberg,

2 LoD1-Availability Standardisiertes (OGC) und offenes Datenmodell für virtuelle 3D-Stadtmodelle Räumlich-semantisches Modell mit 4 möglichen Levels of Details (LoD) Riesiges Potenzial an räumlichen Analysen und Simulationen Source: GeoNasis-DE, Viele Städte/ Regionen bereits in diesem Format modelliert (v. a. in Deutschland) Source: city Zürich Source: city Stuttgart Source: city Zürich Lärmkartierung Überflutungsanalysen Neubauplanung Source: city Zürich Funkwellenbelastung Solaratlas Source: city Berlin Source: HFT Stuttgart Wärmebedarfsermittlung 2

3 HFT Forschung SimStadt Entwicklung einer urbanen Energiesimulations-Plattform Ermittlung des aktuellen Wärmebedarfs Szenarien für klimaneutrale Stadtquartiere Solarenergiepotenzial Erstellung und Optimierung von urbanen Energieversorgungssystemen 3

4 HFT Forschung Generated with laser scanning or stereo air photo 3D city model Building Attributes from city, from on-site survey, from Crowd-sourcing 3D-Geodatenserver Quality check tool Building Libraries # Building Physics # Building usage # Refurbishment scenarii 3D city energy environment Analysetool Energy Simulation Monthly Energy Balance, dynamic simulation 2D GIS 3D Viewer Exportation Outputs Building Nr An[m2] A/V Ht' [W/m².K] Q[kWh/a] Building Nr Building Nr Non- An[m2] An[m2] Non- A/V A/V Non- Ht' [W/m².K] Ht' [W/m².K] Non- Q[kWh/a] Q[kWh/a] Non- Building Type Residential Mixed Residential Residential Mixed Residential Residential Mixed Residential Residential Mixed Residential Residential Mixed Residential TOTAL , , ,8 0,533 0,474 0,527 1,107 1,320 1, EFH_B ,608 0,901 1,431 1, EFH_C ,877 1, EFH_H ,883 0, EFH_I ,604 0, EFH_J ,818 0, GMH_B ,405 0,413 0,430 1,926 1,958 1, GMH_C ,376 0,467 1,780 1, GMH_D ,364 0,337 1,628 1, GMH_E ,350 1, MFH_B ,430 0,479 0,468 1,513 1,549 1, MFH_C ,404 0,470 0,420 1,549 1,536 1, MFH_D ,415 0,458 0,582 1,495 1,430 1, MFH_E ,449 1, MFH_F ,497 1, MFH_G ,429 0,499 0,975 0, MFH_H ,438 0,350 0,397 0,865 0,840 0, MFH_I ,395 0,403 0,554 0,495 0,492 0, MFH_J ,493 0,421 0,424 0, RH_B ,518 0,495 0,810 1,389 1,450 1, RH_D ,635 1, RH_H ,812 0,487 0,860 0, RH_I ,566 0, RH_J ,541 0, ,

5 HFT Forschung Ermittlung des aktuellen Wärmebedarfs mit unterschiedlicher Datenverfügbarkeit 5

6 Eingangsdaten CITYGML 3D Stadtmodellen Mindestens LoD1 (LoD2 ist auch für viele Städte und Länder verfügbar) Qualitätsprüfung und Heilung mit dem Modul CityDoctor Quelle: Modellierungshandbuch SIG3D Liegenschaftskatasterinformationssystem ALKIS Standardisierte Gebäudefunktion Landnutzung Information Gebäude- und Wohnungs-Sachdaten Europäischen Zensus Daten 2011 Baujahr und weitere Information von der Stadt Innovative Datensammlungsverfahren 6

7 HFT Forschung Baujahr (aus Zensudaten) Gebäudefunktion (aus ALKIS Databasis) Gebäudehöhe (aus 3D Stadtmodell) Wohnungsanzahl (aus Zensusdaten) Außen/Angrenzende Wandfläche (aus 3D Stadtmodell) Gebäudetyp Deutsche Gebäudetypologie (aus IWU Klassifizierung) 7

8 Deutsche Gebäudetypologie (2005) Vorhandene Konstruktionsdetails für jede Gebäudetypologie Empfohlene Bausanierungsmaßnahmen je nach Gebäudetypologie 8

9 Heizwärmebedarfsberechnung : Standard EnEV 2014 Methode Monatliche Energiebilanz (DIN 18599) Bester Konpromiss zwischen vernünftigen Eingangsdatenanforderungen, Berechnungszeit und Ergebnissgenauigkeit 9

10 Einwohner Gebäude 5,7 Millionen m² Geschossfläche Fallbeispiel Stadt Ludwigsburg Not simulated = unbeheizte Gebäude (40%) + Gebäude ohne Zensusdaten (10%) Not simulated 10

11 Vergleich Wärmebedarf / Wärmeverbrauch Grünbühl Gebäude 11

12 Rotterdam Bospolder CityGML Stadtmodell LoD2 900 Gebäude 12

13 HFT Forschung Planung von langfristigen urbanen Energieszenarien... um die klimaneutrale Kommune zu erreichen 13

14 Vergleich von Bausanierungszenarien Grünbühl LoD2 State 2013 Qh = 96,9 kwh/m².a Grünbühl LoD2 State 2050 Qh = 44,2 kwh/m².a 14

15 Szenarienberechnung Wärmebedarf Planung des zeitlichen Sanierungsprozesses nach Sanierungsprioritäten o Heiz-Einsparpotenzial o CO 2 -Einsparpotenzial o Ökonomische Kriterien Sanierungsrate: 2% / Jahr Grünbühl LoD2 Gesamteinsparung: - 55,8% 15

16 HFT Forschung Ermittlung des Solarenergiepotenzials mit Betrachtung der urbanen Verschattungen 16

17 Solarpotenzialanalyse: Globalstrahlung Globalstrahlung auf geneigte Fläche in Stuttgart

18 Solarpotenzialanalyse: Verschattung 200 Gebäude in 2 Sekunden LoD2-Modell Ludwigsburg mit 2200 Gebäuden Auflösung 5 m 2, ca Dreiecke 10 Minuten Rechenzeit Auflösung 0.75 m 2, ca Dreiecke, 40 Minuten Rechenzeit Grafikkarte NVIDIA, 3072 CUDA Kerne mit 4 GB RAM 18

19 Solarpotenzialanalyse: Verschattung Energetische Optimierung einer Rahmenplanung Cluster 13 in Freiham - München B1 C1 B2 C2 19

20 HFT Forschung Unterstützung bei der Planung von Fern-/Nahwärmenetze mit Optimierungsalgorithmus 20

21 Ausblick Netzsimulation 1 Wärmebedarf und Geokoordinaten aus dem 3D-Stadtmodell 2 Straßennetz aus OpenStreetMap 3 Netzdimensionierung und -simulation mit der Software Stanet 21 21

22 Ausblick Netzsimulation Minimal spanning tree with Prim s Algorithm um die Investitionskosten/ Wärmeverluste zu optimieren 22 22

23 Ausblick Netzsimulation 23 23

24 Fazit Geodaten und 3D-Stadtmodelle bilden eine unverzichtbare Grundlage zur Planung der Energiewende auf kommunaler Ebene. Vielfältige Energieanalysen für Stadtquartiere, ganzer Städte und sogar Regionen Von der Diagnose des Heizwärmebedarfs durch die Solarenergie-Potenzialstudien bis hin zur Simulation von Gebäudesanierungs- und Energieversorgungsszenarien Innovative Datensammlungsmethoden mit hoher Datenqualität sind die nächste Herausforderungen, um den Entscheidungsträger genaue Simulationsergebnisse zu liefern.

25 Danke für Ihre Aufmerksamkeit! Kontakte Prof. Dr. Volker Coors Dipl-Ing. Romain Nouvel Weitere Details bezüglich SimStadt 25