23862

طراحي مجموعه آموزشي در شهر شيراز با رويكرد استفاده بهينه از روشنايي روز جهت بهبود آسايش بصري و كاهش مصرف انرژي

كارشناسي ارشد

مهندسي معماري - معماري پايدار

1399

آبان 1399

محمدعلي خانمحمدي - مهدي خاكزند

مهندسي معماري و شهرسازي

در فضاهاي آموزشي كه فرايند يادگيري رخ مي دهد، استفاده از نور طبيعي تاثير بسياري بر روي سلامت و خلاقيت كاربران آن دارد. كيفيت نور طبيعي دريافت شده توسط كاربران به دليل تاثير گذاري آن بر سلامت رواني و جسماني دانش آموزان و همچنين تاثير آن بر كاهش مصرف انرژي در كلاس هاي درس كه دانش آموزان و معلم ها زمان بسياري را در آن ها مي گذرانند، اهميت زيادي دارد. دانش-آموزان در كلاس هاي درس معمولا در مكان هاي مشخصي نشسته اند و قابليت تطابق خود را با محيط ندارند، به اين معنا كه اگر در محل نشستن دانش آموز در كلاس درس، نور به ميزان كافي نباشد يا تابش شديد خورشيد باعث ناراحتي چشم او شود، قابليت كمي براي جابجايي و انتخاب محلي مناسبتر را دارد. در اين حالت كاربر با تغيير دادن محيط اطراف خود، براي مثال با استفاده از روشنايي مصنوعي يا استفاده از سايبان هاي پويا، شرايط آسايش را براي خود فراهم مي كند؛ كه اين عمل معمولا با افزايش مصرف انرژي همراه است. به اين دليل در هنگام طراحي يك كلاس درس، در كنار بررسي ميزان توزيع نور روز در فضا، آسايش كاربران نيز بايد مورد بررسي قرار گيرد. با بيشينه كردن آسايش كاربران مي توان مصرف انرژي را به حداقل رساند و محيطي سالم را براي دانش آموزان فراهم آورد. با بيشتر شدن اهميت استفاده از نور روز و پيشرفت روزانه علم در اين حوزه، شاخص¬هاي متعددي براي بررسي و ارزيابي يك فضا از نظر توزيع نور روز و آسايش بصري كاربران معرفي شده اند. اين شاخص ها كه در ابتدا فضا را به صورت لحظه اي و ايستا ارزيابي مي نمودند، با پيشرفت رايانه ها و سرعت آن ها در پردازش و محاسبه، جاي خود را به شاخص هاي پويا كه فضا را در طول ساعات اشغال در تمامي سال ارزيابي مي كنند، دادند. امروزه بررسي كيفيت نور در فضا، از شبيه سازي هاي رايانه اي با استفاده از موتورهاي شبيه سازي كه وضعيت فضا را با دقت بسيار بالايي تخمين مي زنند صورت مي گيرد. اما اين شبيه سازي ها حتي با استفاده از رايانه هاي امروزي براي بررسي تمامي گزينه هاي طراحي امري زمانبر و پيچيده است. به همين دليل در بسياري از دفترهاي معماري، از ارزيابي فضا در مراحل اوليه طراحي چشم پوشي مي شود. الگوريتم هاي يادگيري ماشيني در بسياري از علوم براي تخمين و پيشبيني استفاده مي شوند. اين الگوريتم ها به صورت گسترده در تخمين ميزان مصرف انرژي در ساختمان ها استفاده شده اند، اما كاربري آن ها در تخمين كيفيت فضا از نظر توزيع نور و آسايش بصري به ميزان بسيار محدودي مورد ارزيابي قرار گرفته است. با استفاده از مدل هاي به دست آمده از الگوريتم هاي يادگيري ماشيني، مي توان با صرف زمان بسيار كم و به سادگي به تخمين كيفيت بصري فضا پرداخت و از اين مدل ها به عنوان جايگزيني براي شبيه سازي هاي طولاني استفاده كرد. در پژوهش حاضر، در مرحله اول به بررسي كارايي رگرسيون خطي چندگانه براي تخمين 4 شاخص sDA، UDI-a، ASE و SVD مي پردازيم. در مرحله بعد تاثير متغيرهاي مستقل را بر اين شاخص ها مطالعه نموده، سپس با استفاده از داده هاي به دست آمده از شبيه سازي به ارزيابي تغيير ميزان شاخص ها نسبت به متغيرهاي مستقل پرداخته، و در مرحله آخر گزينه هاي بهينه را مي¬يابيم. با استناد به نتايج به دست آمده، مدل هاي رياضي به دست آمده از رگرسيون خطي چندگانه، مقادير شاخص ها را با دقت بسيار خوبي تخمين مي زند. در تمامي شاخص ها، ابعاد پنجره تاثير گذارترين متغير از ميان متغيرهاي مستقل در نظر گرفته شده است. داده ها نشان مي دهند كه شاخص ASE تغييرات بسيار كمي را زماني كه ابعاد پنجره يكسان است و جنس شيشه تغيير مي كند نشان مي دهد در صورتي كه شاخص SVD، با تغيير جنس شيشه، تغيير مي كند. همچنين داده هاي به دست آمده نشان مي دهند كه به صورت كلي، كلاس هاي درس با پنجره هاي رو به شمال، كارايي بسيار بيشتري از نظر آسايش بصري كاربران و مصرف انرژي، نسبت به جهت گيري جنوبي دارند و در هنگام طراحي پيشنهاد مي شود كه كلاس هاي درس در جهت گيري شمالي قرار داده شوند.

1400/03/22

Optimizing the Use of Daylight by Assessing Visual Comfort and Energy Consumption in Designing an Educational Center in Shiraz City

11/21/2021 12:00:00 AM

In educational spaces where the learning process takes place, the use of natural light has a great impact on the health and creativity of its users. The quality of natural light received by users, due to its effect on the mental and physical health of students and also its effect on reducing energy consumption in classrooms where students and teachers spend a lot of time, is very important. Students in the classroom usually sit in certain places and are not able to adapt to the environment, which means that if a student is sitting in a not suitable place in the classroom, where there is not enough light or strong sunlight causes discomfort to his eyes, Has little ability to move and select a more suitable location. In this case, the user provides comfort by changing the environment, for example, using artificial lighting or using dynamic shades; this is usually accompanied by an increase in energy consumption. For this reason, when designing a classroom, in addition to examining the distribution of daylight in the space, the comfort of users should also be considered. By maximizing user comfort, energy consumption can be minimized and a healthy environment can be provided for students. With the increasing importance of daylight use and the daily progress of science in this field, several metrics have been introduced to evaluate a space in terms of daylight distribution and visual comfort of users. These metrics, which initially evaluated space as instantaneous and static, with the advancement of computers and their speed in processing and calculation, gave way to dynamic metrics that measure space during all occupied hours throughout the year. Today, the study of the quality of light in space is done by computer simulations using simulation engines that estimate the state of space with very high accuracy. But these simulations are time-consuming and complex, even with the use of modern computers to examine all design options. For this reason, in many architectural offices, the assessment of space in the early stages of design is ignored. Machine learning algorithms are used in many sciences for estimation and prediction. These algorithms have been widely used in estimating energy consumption in buildings, but their use in estimating the quality of space in terms of light distribution and visual comfort has been evaluated to a very limited extent. Using models obtained from machine learning algorithms, it is possible to estimate the visual quality of space in a very short time and use these models as an alternative to time-consuming simulations. In this study, in the first step, we evaluate the efficiency of multiple linear regression to estimate the four metrics: sDA, UDI-a, ASE and SVD. In the next step, the effect of independent variables on these metrics is studied, and using the data obtained from the simulation, the change in the amount of metrics relative to the independent variables is evaluated, and in the last step the optimal design option is found. Based on the results, mathematical models obtained from multiple linear regression estimate the values of the metrics with great accuracy. In all metrics, the window size is considered the most influential variable among the independent variables. The data show that ASE shows very little change when the window dimensions are the same and the glass material changes, while SVD changes as the glass material changes. The data also show that, in general, classrooms with north-facing windows are much more efficient in terms of visual comfort and energy consumption than south-facing classrooms.

نور روز , آسايش بصري , مصرف انرژي , رگرسيون خطي چندگانه , شاخص هاي نورسنجي

ِDaylight , Visual Comfort , Energy Consumption , Multiple Linear Regression , Daylight Metrics