Stadtweite Wärmebedarfsprognose auf Basis von 3D-Stadtmodellen Prof. Dr. habil. Ursula Eicker Zentrum für angewandte Forschung nachhaltige Energietechnik Hochschule für Technik Stuttgart
Forschungsfelder zafh.net Stuttgart Erneuerbare Energietechnik (Photovoltaik, Geothermie, Biomasse, Solarthermie) Komponentenentwicklung solares Heizen und Kühlen Dynamische Simulationen Gebäude und erneuerbare Energiesysteme Messtechnik und Kommunikation Konzepte für energieeffiziente Gebäude und Stadtquartiere
Überblick Fragen Wie genau kann der Wärmebedarf von Städten modelliert werden? Welche Messdaten stehen zur Validierung zur Verfügung? Welcher Anteile erneuerbarer Energien kann lokal erzeugt werden? Fallbeispiele City quarter heat demand modeling LOD1: Ludwigsburg, g, Scharnhauser Park City quarter heat demand modeling LOD2: Karlsruhe Rientheim Potential ti studies for renewable energy integration ti (photovoltaics) Methoden Data management based on CityGml as 3D tool Simulation environments for dynamic building simulation and renewable energy systems (INSEL, Matlab/Simulink)
3D Stadtmodelle auf Basis von CITYGML CITYGML - Standardisiertes (OGC*) Datenmodell zur Speicherung und Übertragung von virtuellen 3D Stadtmodellen - Basiert auf dem ISO 19136 Standard GML (XML basiert) zur Modellierung von 3D Geodaten - Erweiterung des GML Standards um urbane Strukturen objektorientiert zu modellieren - Räumlich/Semantisches Modell: Verbindet Geometrie, Topologische Beziehungen, Semantik und Designeigenschaften Vorteile und Anwendungsbereiche - Weitverbreiteter t Standard d für 3D Stadtmodelle d - Validierbares Austauschformat und Datenmodell - Gemeinsame Modellierung von Semantik und Geometrie in unterschiedlichen Detailstufen - Umfangreiche räumliche Analysen möglich - Erweiterbarkeit um Sachdaten Datenmodellierung / Visualisierung - XML basiert und erweiterbar OGC = Open Geospatial Consortium Standardisierungkonsortium im Bereich Geoinformatik
3D Stadtmodelle auf Basis von CITYGML Level of Detail Konzept in CityGML (Auszug) LOD 0: Geländemodell mit Textur LOD 1: Stadtmodell, Klötzchenmodell ohne Dachstruktur LOD 2: Stadtmodell mit Dachstrukturen und Textur LOD 3: Geometrisch detaillierte t Architekturmodelle LOD 4: Geometrisch detaillierte Architekturmodelle (innen und aussen)
Gebäudemodellierung
Verfahren zur Wärmebilanzierung von Gebäuden auf Basis von 3D StadtmodellenVerfahren Nutzerfreundliche Bedienungs- oberfläche, Gebietsauswahl (GUI 2D) GUI 2D 3D Viewer Qualitätskontrolle und Analyse 3D Stadtmodell Input für Wärmebedarfssimulation und PV-Analyse CityEnergy3D (Controller) Analysetool 3D-Geodatenserver Qualitätstool INSEL Simulation Wärmebedarfssimulation auf Basis von DIN 18599 / Szenarienrechnung Sanierungsvorschläge Visualisierung der Ergebnisse im 3D Viewer Automatisierter Ablauf 3D Geodaten Sachdaten Datenmanagement auf Datenbankebene 2D GIS, 3D GIS, Fachdaten
Übersicht Verfahren Matlab / Insel Katasterdaten, Lärmkartierung Bestands- Aufnahme Cat3D 3D Modell- Generierung Analysierte Geometriedaten Thermische Merkmale Klimadaten Heizwärmebedarf Simulation * Gebäudekatalog pro Gebäudetypologiee Matlab / Ruby / Cat3D 1) Datensammlungng 2) Datenvorbereitung Ergebnis Auswertung 3) Heizwärmebedarf Simulation (statisches Einzonenmodell) 4) Analyse und Farben * nach DIN 4108-6, Monatsbilanzverfahren 2D/3D Visualisierung 8
Thermische Datenaufbereitung für die Heizwärmebedarf Simulation Sachdaten Gebäudetyp Baualter Statische U-Werte je Gebäudeklasse (1) EFH RH MFH GMH A B C D E Ursprüngliche U-Werte U-Wand U-Dach/OG Decke U-Kellerdecke U-Fenster U-Wärmebrücke Gebäudekatalog (IWU etc.) Sanierungsmaßnahmen Dämmung (d isol, λ isol, Ebene) Fenster Austausch Wärmebrücken Sanierung R + = d isol / λ isol U-Fenster neu U-Wärmebrücke Aktualisierter Gebäudezustand nach Vor-ort Begehung Aktualisierte U-Werte U-Wand (2) U-Dach/OG Decke (2) U-Kellerdecke (2) U-Fenster Gebäude Geometrie U-Wärmebrücke Außenwandfläche Fensteranteil Grundfläche Dachfläche, OG-Decke Fläche H T
Geometrische Datenaufbereitung Heizwärmebedarf Simulation Bruttovolumen, Wand-/Kellerwand-/Fenster-/Dachfensterfläche müssen zwischen dem 3D Modell und Thermischem Modell korrigiert werden, wenn: Kellertyp = Unbeheizter/Beheizter Keller Dachtyp = Unbeheiztes Dach Nutzung ALK = Wohngeschäftshaus
EnEff Stadt Projekt Ludwigsburg Grünbühl Datenbasis für die 3D Modellgenerierung (CityGML LOD1): Gebäudegrundrisse aus dem Kataster mittlere Gebäudehöhe aus der Lärmkartierung 2002 Automatische Analyse des 3D Stadtmodells für die Heizwärmebedarf Simulation GEBTEIL_ID FK_GEB_ID VOLUMEN DACH_FLAECHE GRUND_FLAECHE HOEHE_INKLUSIV_DACH HOEHE_EXKLUSIV_DACH FASSADETEIL_ID FK_FASSADE_ID FK_GEBTEIL_ID TYP AZIMUTH NEIGUNG WAND_FLAECHE AUSWAND_FLAECHE 1 1
Datenbasis - Sachdaten Datenerfassung Sachdaten: Bestandsaufnahme (Gebäude- und Fassadenaufnahme, 3 Personen 2 Tage) In begrenztem Maße stehen weitere Gebäudeinformation zur Verfügung (Ackermann Gemeinde und WBL) GEB_ID STRASSE_NAME STRASSE_NR NUTZ_ALK nach ALK Definition (Whs; Wghs; Schule ) WOHNTYP nach IWU Definition (EFH; RH; MFH; GMH ) GEBALTKLASSE nach IWU Definition (A; B; ; J ) VOLLGESCHOSSE Integer DACHGESCHOSS_TYP Kein / Unbeheizter/ Beheizter Dachgeschoss KELLER_TYP SANIERUNGSJAHR FASSADE_ID WRICHTUNG WDAEMD Keine / Unbeheizte / Beheizte Keller Azimuth Dicke der Isolierstoff WDAEMLAMBDA Wärmeleitfähigkeit der Isolierstoff WUWERT Wand U-Werte wenn bekannt FANTEIL Fenster Anteil (%) FTYP (1 5) FUWERT Fenster U-Wert wenn bekannt FSCHATTEN Fenster Schatten Faktor WSCHAD Wand Schädigung (1-5)
Analyse des äußeren Gebäudezustand Memelstr. 6 Süd Adalbert Stifter Str. 38-42 str. 30-36 Ost Adalbert Stifter Str. 38-42 Memelstr. 6 Süd 1 4 Außenfassade
Ergebnis der Heizwärmebedarf Simulation Visualisierung im 3D Modell Nachkriegs- Bauten BIMA Sanierungen 2005-2006 Wärmbilanzberechnung auf Basis von 3D Gebäudemodell LOD1 (ausschließlich Wohngebäude)
Verteilung Jahresheizwärmebedarf Elefant HH + Ackermann MFH Sanierungen 2005-2006 BIMA Gebäude 1
Vergleich Gasablesung / Simulation
Case study 1: New built (conversion) low energy city quarter with renewable energy supply 80% renewable energy supply with Ostfildern Area 150 ha biomass cogeneration plant and Gross floor area 178.000 m2 photovoltaics Total investment 267 Mill. Euro Population 10.000 buildings: 30% less consumption than national standard School Residential Sport Center Town hall PV systems Biomass power plant
Monitoring data heat and electricity available Annual average electricity consumption per building type, hourly values for some buildings
Energy flows within the city quarter and energy balance models Heating energy consumed Total heating energy delivered (2007): Total heating energy consumed (2007): 23227 MWh 19380 MWh
Step 1: create a topologically consistent 3D model Building heights from laser scanning data 3D data management framework CAT3D from HFT Building foot prints from ALK-map
Topologically consistent 3D model LOD 1
Combine geometry with building thermal parameters: here constant values sufficiently detailed Monitoring -Annual heating energy consumption values for all buildings -Hourly heating energy consumption data for one case study multi-family house INSEL Models - Calculation of the heating energy demand for each building - Validation of the calculated values against measured one Weather station - Ambient temperature - Solar irradiance Thermal parameters - Average U-values from building specification certificates of some buildings R OW HOUSES Building category Building element Outer wall Roof Floor Window Avg U-Value [W/m²K] 0.22 0.165 0.21 1.3 Building category MULTI-FAMILY HOUSES Building element Outer wall Roof Floor Window Avg U-Value [W/m²K] 0.241 0.214 0.556 1.2
Comparing simulation and monitoring results for all residential buildings rgy nd in MW Wh Hea ating ene con nsumptio on/dema 10000 8000 6000 4000 2000 0 Row houses Multi-family houses Building group Measurement Model 1 Model2
Comparing demand and simulation individual multi-family houses Average error between energy balance model and consumption data 26% nsumption/d demand in kwh Heating co 240000 200000 160000 120000 80000 40000 0 1 11 21 31 41 51 61 71 81 91 1 01 1 11 1 21 1 31 1 41 1 51 1 61 1 71 1 81 1 91 201 211 221 Building ID Measurement Model 2 Deviation 100 50 0-50 -100-150 -200-250 -300-350 -400 Deviation in %
Comparing demand and simulation for individual id small row houses Frequency distribution 100 35000 50 0 30000 50 25000 100 150 20000 200 250 15000 300 10000 Internal temperature in C 350 400 5000 450 With user influence 500 0 262 253 244 235 226 217 208 199 190 181 172 163 154 145 136 127 118 109 100 91 82 73 64 55 46 37 28 19 10 1 12000 10000 8000 6000 4000 2000 0 Heating energy consumption/demand in kwh/a Measurement Model2 Dev Heating energy demand/consumption in kwh Centre of applied research Qb_var Qh Qb_standard sustainable energy technologies 68 73 63 18 99 76 55 106 54 98 69 75 59 70 61 105 65 147
Accuracy of city modeling Nr Calculation procedure Deviation Model 1 Deviation Model 2 [%] [%] 1 Geometries from laser scanning and average U-values 25 25 2 Geometries from laser scanning and real U-values 17 18 3 Real geometries and average U-values 14 16 4 Real geometries (south-north window orientation) and 4 8 real U-values 5 Real geometries (incl. real window orientation) and real U-values - 6 80 ing energy consum mption in kwh/m²a Heat 70 60 50 40 30 20 10 0 2006 2007 2008 2009 Year Annual heating energy consumption BEST_value
Case study 2: Existing detailed information Karlsruhe - Rintheim i Monthly energy balances based on LOD2 models source: VOLKSWOHNUNG GmbH source: Stadt Karlsruhe Topologically consistent extrusion of ground surfaces Roof areas from laser scanning data
Available data for 30 buildings with 981 apartments Total living area: 64.716 m2 2/3 of the building have not been rehabilitated (or only partially) 1. Attribute data of the VOLKSWOHNUNG GmbH Type of use Building typology Year of construction / rehabilitation Number of floors 2. Geometry data from 3D model Building volume Outer surface areas with orientation Internal surfaces with orientation Roof area Building height
Assign thermal properties (U-values) Building Class Type 1 Type 2 Type 3 Type 4 Type 5 Type 6.1 Type 6.2 Building Type Multi family High rise Large multi family Multi family Multi family High rise Multi family Year of construction ti / Full refurbishment 1954-19561956 1974 1975 1998 2000 2007 2008 U-value wall 1,40 0,80 0,40 0,30 0,20 0,10 0,10 U-value roof / top level 1,17 0,35 0,20 0,35 0,35 0,10 0,20 U-value basement ceiling 1,65 0,71 0,85 0,47 0,47 0,25 0,38 U-value window 3,20 2,70 2,70 1,70 1,40 1,30 1,30 g-value window 0,80 0,76 0,76 0,63 0,62 0,60 0,60 ΔU thermal bridge 0,10 0,10 0,10 0,05 0,05 0,03 0,03 air exchange rate 070 0,70 070 0,70 070 0,70 060 0,60 060 0,60 060 0,60 060 0,60 Values in Black: Data from the building owner Volkswohnung Values in Grey: Data from the IWU classification (Building Type / Year of construction)
Validation of 3D model here surface area calculation Type II Type I Type III Type IV Type V Type VI
Individidual building comparison
Comparing monitoring results with simulation
Visualisation of results Qh (heating energy consumption): < 30 kwh/m²a: dark green 30-60 kwh/m²a: light green 60-90 kwh/m²a: yellow 90-120 kwh/m²a: yellow orange 120-150 kwh/m²a orange >150 kwh/m²a red
Case study 3: existing quarter little information Munich Neuaubing Legende: Spezifischer Wärmebedarf [kwh/m²a]
Forschungsprojekt Bundesbauministerium - Neuaubing Abschätzung des Wärmebedarfs im Bestand Methodenübersicht 1. Genaueres Verfahren: Kurzverfahren Energieprofil (IWU) (Vereinfache Berechnung nach EnEV) Anwendung: größere Geschosswohnungsbauten Datenbasis: Gebäudedatenbank (HAIII) 2. Einfaches Verfahren: Basierend auf Gebäudetypologien und Baualtersklassen (IWU) Das Projektgebiet in Neuaubing enthält insgesamt 1.168 verschiede Gebäudeadressen Anwendung: Gesamtgebiet Datenbasis: GIS Datenbank (MGS)
Vergleich Bedarf Typologieverfahren Messung Gasverbrauch
2. Verfahren mit höherer Genauigkeit für größere Geschosswohnungsbauten Berechnung für ausgewählte Gebiete mit hohem Wärmebedarf Kartierung der Sanierungsstände Vereinfachte Berechnung basierend auf der EnEV mit IWU Kurzprofil Bessere Genauigkeit der Ergebnisse Legende: Spezifischer Wärmebedarf [kwh/m²a]
Methodik zur Ermittlung des Energiebedarfs im IST-Zustand Genaueres Verfahren Kurzverfahren Energieprofil IWU Kurzverfahren zur energetischen Bewertung von Wohngebäuden Sieben leicht zu erhebende Eingabegrößen g Grobe Bestimmung des Energiebedarfes in 10 15 Minuten
3D Modellierung Neuaubing Teilgebiet 80er Mehrfamilienhausgebiet 3
Gemessener Verbrauch (aus Gasablesung) Heizwärmebedarf : 83,7 kwh/m².a Thermische h Simulation Heizwärmebedarf : 78 kwh/m².a (zwischen 70 und 96 kwh/m².a) 4
Renewable energy modeling
Roof area and orientation from laser scanning z y x Height points (*.veg - Vegetation) Ground points (*.grd Ground) Section Tilted roof Flat roof
Shadow calculations CityGML files for geometry input Shadows are calculated for small areas, percentage of shading is calculated for the surface considered
Example Shading simulations at 5:00 am in the morning Only roofs are considered here Red: non shaded area Green: shaded area day time building/faceset id 1 2 3 4 5 6 7 percentage of surface recieving direct sunlight 00:00 0 0 0 0 0 0 0 00:01 0 0 0 0 0 0 0 01.01.2011................ 12:00 100 100 100 100 100 90 80 23:59 0 0 0 0 0 0 0 02.01.2011. 31.12.2011
Suitable roof areas including shading analysis 3% 43% 54% suitable roof areas not suitable roof areas roof areas with existing PV-systems PV systems and solar panels
Photovoltaic system real time simulation Elec ctrical powe er [kw] 30 measurement simulation 900 25 750 Solar irradiation 20 600 PV-System on the Roof 15 10 PV-System on the south facade 5 450 300 150 Solar irradiation [W/m²] 0 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Time in h 0
Simulating production and own consumption
Result of photovoltaic potential analysis Total measured electricity consumption: 10700 MWh Buildings with Buildings considered Whole district suitable roof areas Nr Method/calculation of the PV production PV coverage [%] PV coverage [%] 1 PV energy production (total) 35 54 2 PV own consumption 17 26
Zusammenfassung Wärmebedarf von Stadtquartieren kann mit guter Genauigkeit mit 3D Modellen berechnet werden Grundinformationen über Gebäudealter (Bauteileigenschaften) und Nutzung sind erforderlich Bei Einzelgebäuden führt variables Nutzerverhalten zu größeren Abweichungen zwischen gemessenem Verbrauch und berechnetem Bedarf (10-30%) Bei detaillierteren Gebäudekennwerten kann auch bei individuellen Gebäuden der Fehler auf 10% reduziert werden. Erneuerbare Energiepotentiale können ermittelt und Szenarien für erneuerbare Eigenversorgung analysiert werden 3D Datenmodell Grundlage für Smart City Konzepte der Zukunft (Anpassung Verbrauch Erzeugung, Lastmanagement, Visualisierung der Energieströme)