تحقیقات کاربردی علوم جغرافیایی

تحقیقات کاربردی علوم جغرافیایی

تاثیر عوامل اقلیم خرد با رویکرد بهینه سازی مصرف انرژی در ساختمان های شهری تهران

نویسندگان
پاریز امیری آده 1
سعید تیزقلم زنوزی 2
مهرداد جاویدی نژاد 2
1 دانشجو دکتری،گروه معماری، واحد تهران مرکزی، دانشگاه آزاد اسلامی،تهران، ایران
2 استادیار،گروه معماری، واحد تهران مرکزی، دانشگاه آزاد اسلامی،تهران، ایران
10.52547/jgs.22.65.265
چکیده
این پژوهش باهدف بررسی تاثیر عوامل اقلیمی خرد در بهینه سازی مصرف انرژی در ساختمان­های شهری تهران تدوین شده است. پژوهش حاضر از نظر هدف کاربردی و از نظر روش تحلیلی است. به منظوری جمع آوری داده­های مورد نیاز از روش کتابخانه­ای و اسنادی استفاده شده است و در جهت دستیابی به هدف پژوهش از نرم افزار Design Builder استفاده شد اطلاعات داده شده به نرم افزار عبارت است ازضخامت دیوارها: خارجی 20 سانتی متر- داخلی 15 سانتی متر،پنجره های جنوبی (بالکن دو پوسته با شیشه 40 %)، پنجره های شمالی 30 درصد، دیوارهای خارجی آجری و دارای تهویه طبیعی استفاده شد. نتایج حاصل از این پژوهش نشان داد که جهت گیری ساختمان در سایت با توجه به اقلیم تهران و نتایج به دست آمده از نرم افزار اکوتکت، حدودا 25 درجه به سمت جنوب غربی چرخش ایجاد شد تا از تابش مستقیم آفتاب شرقی و غربی جلوگیری به عمل آید و از بارهای حرارتی وارده به ساختمان کاسته شود.حجم ساختمان به صورت پله ای طراحی شد و این حجم ضمن اینکه می تواند از نظر زیبایی شناسی معماری مقاومت و صلابت خود را به رخ بکشد، می تواند از بار باد در طبقات بالاتر بکاهد. همچنین در بام طبقاتی که در معرض هوای بیرون بودند، بام سبز طراحی شد و طبق نتایج به دست آمده از تحلیل­ها، بام سبز می­تواند در کاهش بارهای گرمایشی و سرمایشی بسیار موثر عمل نماید. همچنین جبهه ­های شرقی و غربی فاقد بازشو در نظر گرفته شد زیرا با توجه به نتایج به دست آمده در نرم افزار دیزاین بیلدر برای نور روز ممکن است خیرگی در فضاهای کاری مانند آشپرخانه در بعضی اوقات روز در سال به وجود آید.
کلیدواژه‌ها
اقلیم
بهینه سازی
انرژی
معماری

عنوان مقاله English

The effect of micro climate factors on energy consumption optimization approach in Tehran urban buildings

نویسندگان English

pariz Amiri Ade 1
Saeed Tizghalam zenozi 2
Mehrdad Javidi Nejad 2
1 PhD student, Department of Architecture, Central Tehran Branch, Islamic Azad University, Tehran, Iran
2 Assistant Professor, Department of Architecture, Central Tehran Branch, Islamic Azad University, Tehran, Iran
چکیده English

this study is designed to investigate the impact of micro climatic factors on optimizing energy consumption in Tehran urban buildings. The present study is of applied purpose and analytical method. Libraries and documents were used to collect the required data. Design Builder software was used to achieve the purpose of the research. The information given to the software is the thickness of the walls: exterior 20 cm - internal 15 cm, south windows (double shell balcony with 40% glass), northern windows 30%, brick exterior walls with natural ventilation were used. The results of this study showed that the orientation of the building on the site due to Tehran climate and the results obtained from Ecotect software was rotated about 25 degrees to the southwest to prevent direct sunlight from the east and west. And reduce the heat loads on the building. The volume of the building was designed in a stepped fashion, and while it could aesthetically enhance its strength, it could reduce the wind load on the upper floors. Green roofs were also designed on the exposed roofs, and according to the results of the analysis, the green roof can be very effective in reducing heating and cooling loads. The eastern and western fronts were also considered to be non-popping because of the results obtained in Design Builder software for daylight, which may result in dazzling workspaces such as kitchens sometimes day in the year.

کلیدواژه‌ها English

climate
Optimization
Energy
Architecture
Amasyali, K., & El-Gohary, N. M. (2018). A review of data-driven building energy consumption prediction studies. Renewable and Sustainable Energy Reviews, 81, 1192-1205.
Ascione, F., Bianco, N., Mauro, G. M., & Napolitano, D. F. (2019). Building envelope design: Multi-objective optimization to minimize energy consumption, global cost and thermal discomfort. Application to different Italian climatic zones. Energy, 174, 359-374.
Atkinson B W, The Urban Atmosphere, Cambridge University Press, Cambridge, 1985.
Bonan G, Ecological Climatology,Cambridge University Press, 2002
CIENE/University of Athens, LASH/ENTPE Lyon, ITW/University of Stuttgart, LBCP/University of Thessaloniki, Polistudies: A multimedia tool for buildings in urban environment, James & James, London, 2001.
Givoni B, Climate considerations in building and urban design, Van Nostrand Reinhold, New York, 1997.
Goudarzi, S., Anisi, M. H., Kama, N., Doctor, F., Soleymani, S. A., & Sangaiah, A. K. (2019). Predictive modelling of building energy consumption based on a hybrid nature-inspired optimization algorithm. Energy and Buildings, 196, 83-93.
Kidder S Q, Essenwanger 0 M, The effect of clouds and wind on the difference in nocturnal cooling rates between urban and rural areas, Journal of Applied Meteorology 34, 1995.
Krech S, McNeill J.R, Merchant C, Encyclopedia of World Environmental History, Routledge, 2003.
Landsberg H. E, The Urban Climate, Academic Press, New York, 1981.
Moore, Charles (1974), The Place of House, USA, University of California Press, California.
Oke TR, The energetic basis of the urban heat island, Quarterly Journal of the Royal Meteorological Society 108, 1982
Purves, D. & G.J. Augustine & D. Fitzpatrick & W.C. Hall & A.S. LaMantia & J.O. J.O. McNamara & L.E. White. “Neuroscience”. 3th Sunderland, MA: Sinauer Associates, 1998.
Romero, R., Gayà, M., & Doswell III, C. A. (2007). European climatology of severe convective storm environmental parameters: A test for significant tornado events. Atmospheric Research, 83(2-4), 389-404
Ruiz, L. G. B., Rueda, R., Cuéllar, M. P., & Pegalajar, M. C. (2018). Energy consumption forecasting based on Elman neural networks with evolutive optimization. Expert Systems with Applications, 92, 380-389.
Santamouris M, Energy and Climate in the Urban Built Environment, James & James, London ,2001
Satrio, P., Mahlia, T. M. I., Giannetti, N., & Saito, K. (2019). Optimization of HVAC system energy consumption in a building using artificial neural network and multi-objective genetic algorithm. Sustainable Energy Technologies and Assessments, 35, 48-57.
Sembroiz, D., Careglio, D., Ricciardi, S., & Fiore, U. (2019). Planning and operational energy optimization solutions for smart buildings. Information Sciences, 476, 439-452.
Tiwari GN. 2002. Solar energy. Narosa House. 525 p.
Tushar, Q., Bhuiyan, M., Sandanayake, M., & Zhang, G. (2019). Optimizing the energy consumption in a residential building at different climate zones: Towards sustainable decision making. Journal of Cleaner Production.
Wei, Y., Zhang, X., Shi, Y., Xia, L., Pan, S., Wu, J., ... & Zhao, X. (2018). A review of data-driven approaches for prediction and classification of building energy consumption. Renewable and Sustainable Energy Reviews, 82, 1027-1047.