استفاده از الگوریتم ژنتیک در بهینه سازی چندهدفه لوورهای خارجی در ساختمان‌های اداری

نوع مقاله: مقاله علمی پژوهشی

نویسندگان

1 دانشیار، عضو هیات علمی گروه معماری دانشگاه تربیت مدرس

2 دانشجوی کارشناسی ارشد، دانشکده هنر و معماری، دانشگاه تربیت مدرس، تهران، ایران

3 دانشجوی کارشناسی ارشد معماری، دانشکده هنر و معماری، دانشگاه تربیت مدرس

چکیده

نور روز همواره یکی از عوامل مهم و تاثیرگذار در طراحی معماران و مهندسین بوده‌است. بهبود آسایش و راحتی فضای داخلی با بهینه‌سازی سطح نور طبیعی، امروزه یکی از موضوعات مهم در بازسازی و بهسازی فضا به ویژه در ساختمان‌های اداری است. کیفیت نور و آسایش بصری در فضاهای اداری رابطه مستفیم با میزان رضایت کارکنان دارد. از سوی دیگر با افزایش مصرف انرژی ضرورت بهینه‌سازی و تلاش برای کاهش مصرف به خصوص در کشورهای در حال توسعه رو به افزایش است و این امر طراحان را به سمت استفاده حداکثری از انرژی‌های تجدیدپذیر سوق داده‌است. انرژی خورشید در میان انرژی‌های تجدیدپذیر، نقش مهمی در تامین نیازهای روشنایی ساختمان‌ها داشته‌است، استفاده بهینه از انرژی و روشنایی خورشید در طول روز نه تنها محیط مطلوبی را برای کاربران فراهم می‌نماید بلکه که سبب کاهش مصرف انرژی به منظور سرمایش و گرمایش محیط می‌گردد. درنتیجه یکی از عوامل مهم برای بهبود بهره‌وری انرژی در ساختمان، کنترل میزان نور ورودی به فضا است و با توجه به این که تنها بخش از ساختمان که به طور مستقیم تابش خورشید را وارد فضا می‌کند پنجره است بنابراین استفاده از لوورها جهت کنترل میزان نفوذ تابش خورشید به داخل فضا امری ضروری است. استفاده از نور روز در گستره وسیعی از شهرهای ایران از جمله شهر تهران به علت موقعیت جغرافیایی مناسب و برخورداری از ساعات آفتابی زیاد در طول سال مورد توجه است. هدف از این پژوهش، کاربرد هوش مصنوعی و برنامه‌ریزی و برنامه‌دهی الگوریتمیک به منظور تخمین تناسبات و مشخصات فنی لوورهای خارجی و پیشنهاد الگویی جهت طراحی بازشوهای جنوبی فضای اداری در جهت بهره‌وری و مصرف هوشمندانه انرژی، و فراهم نمودن سطح نور موردنیاز فضای داخلی است. روش تحقیق در این پژوهش استدلال منطقی است، از این رو با استفاده از شبیه‌سازی فضایی اداری، طراحی پارامتریک لوورها و بهینه‌سازی پارامترها (میزان چرخش، طول، فاصله از پنجره، میزان انعکاس و تعداد لوورها) با استفاده از الگوریتم ژنتیکی به طراحی پنجره جداره جنوب منطبق با شرایط تابش خورشیدی در تهران مورد تحلیل و بررسی قرار گفته‌است. نتایج حاکی از آن است که استفاده از لوورهای خارجی جهت کنترل و ارتقا کیفیت روشنایی بسیار کارآمد است.

چکیده تصویری

استفاده از الگوریتم ژنتیک در بهینه سازی چندهدفه لوورهای خارجی در ساختمان‌های اداری

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Genetic Algorithm for Multi-objective Optimization External Louvers in High-performance Office Buildings

نویسندگان [English]

  • Mohammadjavad Mahdavinejad 1
  • mojgan arbab 2
  • maryam arbab 3
1 # 305, Second Floor, Faculty of Art and Architecture, Tarbiat Modares University, Tehran, Iran
2 Department of Architecture, Tarbiat Modares University, Tehran, Iran.
3 Master Student, Department of Architecture, Tarbiat Modares University, Tehran, Iran.
چکیده [English]

Daylight has always been a major factor in the design of architects and engineers especially in daylightophil architecture. It is significant to concentrate on improving the comfort of the interior by optimizing the natural light level today is one of the important issues in the reconstruction and improvement of space, especially in office buildings. The quality of light and visual comfort in office spaces has a direct relationship with the level of employee satisfaction. On the other hand, with the increase in energy consumption, the need for optimization and efforts to reduce its consumption, especially in developing countries, has been increasing, which has led designers to use renewable energies. Solar energy among renewable energies plays an important role in providing lighting requirements. The optimal use of solar energy not only provides for users a favorable environment but also reduces energy consumption for cooling and heating of the environment. Combinations of external shading devices as facade shading systems are essential aspects of the optimization of daylighting in building design. There are different types of shading to create optimal conditions in the interior spaces. One of the effective ways of designing shading is to take into account the weather conditions and the state of the sun and the amount of light demand. As a result, one of the important factors in improving the energy efficiency of a building is controlling the amount of light entering the space, and the only part of the building that directly enters the sunlight is the window, so using the Louvers to control the amount of penetration of sun radiation is indispensable in space. A louver, which is one type of sunshade system, is mainly configured to acquire adequate solar radiation and control over lighting. There are many ways to analyze and design the exterior facade of the building and the window system, where the difference in design and design materials has a strong impact on the internal comfort and external beauty of the building. The use of daylight in a wide range of Iranian cities, including Tehran, is due to the geographic location and high sunny hours during the year. The main objective of this research is to optimize daylight through the use of external louvers and measure the amount of lighting in the interior. The purpose of this research is using artificial intelligence and algorithmic programming in order to estimate the proportions and specifications of external louvers and to propose a model for designing the southern openings of office space for smart energy consumption and providing the level of light required for the interior. The method of research is logical reasoning, hence, using administrative spatial simulation, parametric projection of louvers and optimization of parameters (rotation, length, distance from the window, reflection and number of louvers) using a genetic algorithm to design louvers of the window which is located in the south has been analyzed according to solar radiation conditions in Tehran. The results indicate that the use of external louvers is highly effective in controlling and improving the quality of lighting.

کلیدواژه‌ها [English]

  • Optimization
  • daylightophil architecture
  • artificial intelligence
  • light control system
  • high-performance architecture
  • Genetic algorithm
  • · حیدری، شــاهین، 1393، ســازگاری حرارتی در معماری نخستین قدم در صرفه‌جویی مصرف انرژی، تهران: انتشارات دانشگاه تهران.
  • · زارع, فائزه و شاهین حیدری، 1395، طراحی معماری با رویکرد بهره‌گیری از روشنایی ‌طبیعی رویکردی در طراحی کتابخانه برای شهر تهران، هویت شهر 9(24): 55–64.
  • · قنبران، عبدالحمید، رضا ابراهیم­پور و پگاه پایه‌دار اردکانی و مریم توحیدی مقدم، 1396، بررسی نقش نور طبیعی، دید و منظر بر کاهش استرس کارمندان در فضاهای اداری با استفاده از روش روان-فیزیک، سلامت کار ایران، 14(6): 135-147.
  • · کسمایی، مرتضی، 1382، اقلیم و معماری، تهران: نشر خاک.
  • · مهدوی نژاد، محمدجواد، بمانیان، محمدرضا و سها مطور، 1391، تخمین کارایی کانال‌های انتقال نور افقی در ساختمان‌های عمیق نمونه: بناهای اداری تهران، نشریه هنرهای زیبا معماری و شهرسازی 17(4): 1–15
  • · مهدوی نژاد، محمد‌جواد، منصوره طاهباز و مهناز دولت‌آبادی، 1395، بهینه‌سازی تناسبات و نحوه استفاده از رف نور در معماری کلاس‌های آموزشی، نشریه هنرهای زیبا- معماری و شهرسازی. 21(2): 81–92.
 

  • · ASHRAE, ASHRAE Handbook. 1997. “Fundamentals, American Society of Heating.” Refrigeration and Air-conditioning Engineers, Atlanta, GA, USA.
  • · Awwad, Ahmed, Mohamed H Mohamed, and Mohamed Fatouh. 2017. “Optimal Design of a Louver Face Ceiling Diffuser Using CFD to Improve Occupant’s Thermal Comfort.” Journal of Building Engineering 11: 134–57.
  • · Baek, Sanghoon, and Jin Chul Park. 2016. “Fundamental Study on the Optimal Design of a Folding Shading Device: Solar Radiation Model & Potential Cooling Load Saving.” Journal of Asian Architecture and Building Engineering 15(2): 335–41.
  • · Boubekri, Mohamed. 2008. Daylighting, Architecture and Health. Routledge.
  • · Boubekri, Mohamed, Robert B Hull, and Lester L Boyer. 1991. “Impact of Window Size and Sunlight Penetration on Office Workers’ Mood and Satisfaction: A Novel Way of Assessing Sunlight.” Environment and Behavior 23(4): 474 –93.
  • · Brandi, Ulrike. 2012. Lighting Design: Principles, Implementation, Case Studies. Walter de Gruyter. BOOK.
  • · Cellai, G, C Carletti, F Sciurpi, and S Secchi. 2014. “Transparent Building Envelope: Windows and Shading Devices Typologies for Energy Efficiency Refurbishments.” In Building Refurbishment for Energy Performance, Springer, 61–118.
  • · Choi, Jaepil, Taekyoung Lee, Euisoon Ahn, and Gensong Piao. 2014. “Parametric Louver Design System Based on Direct Solar Radiation Control Performance.” Journal of Asian Architecture and Building Engineering 13(1): 57–62.
  • · Crawley, Drury B et al. 2001. “EnergyPlus: Creating a New-Generation Building Energy Simulation Program.” Energy and buildings 33(4): 319–31.
  • · Datta, Gouri. 2001. “Effect of Fixed Horizontal Louver Shading Devices on Thermal Perfomance of Building by TRNSYS Simulation.” Renewable energy 23(3–4): 497–507.
  • · Fallahtafti, Reza, and Mohammadjavad Mahdavinejad. 2015. “Optimisation of Building Shape and Orientation for Better Energy Efficient Architecture.” International Journal of Energy sector management 9(4): 593–618.
  • · Freewan, Ahmed A, Li Shao, and Saffa Riffat. 2009. “Interactions between Louvers and Ceiling Geometry for Maximum Daylighting Performance.” Renewable energy 34(1): 223–32.
  • · Hernández, Francisco Fernández et al. 2017. “Effects of Louvers Shading Devices on Visual Comfort and Energy Demand of an Office Building. A Case of Study.” Energy Procedia 140: 207–16.
  • · Heschong, Lisa, Roger L Wright, and Stacia Okura. 2002. “Daylighting Impacts on Human Performance in School.” Journal of the Illuminating Engineering Society 31(2): 101–14.
  • · Hörner, Michael, Behrooz Bagherian, and Christoph Jedek. 2014. Teilenergiekennwerte von Nichtwohngebäuden:(TEK); Querschnittsanalyse Der Ergebnisse Der Feldphase. IWU. BOOK.
  • · Hu, Jia, and Svetlana Olbina. 2011. “Illuminance-Based Slat Angle Selection Model for Automated Control of Split Blinds.” Building and Environment 46(3): 786–96.
  • · Kim, Minseok, Seung-Bok Leigh, Taeyeon Kim, and Sooyoun Cho. 2015. “A Study on External Shading Devices for Reducing Cooling Loads and Improving Daylighting in Office Buildings.” Journal of Asian Architecture and Building Engineering 14(3): 687–94.
  • · Koo, So Young, Myoung Souk Yeo, and Kwang Woo Kim. 2010. “Automated Blind Control to Maximize the Benefits of Daylight in Buildings.” Building and Environment 45(6): 1508–20.
  • · Krigger, John, and Chris Dorsi. 2004. “Residential Energy: Cost Savings and Comfort for Existing Buildings. Helena, MT: Saturn Resource Management.”
  • · Kuhn, Tilmann E, Christopher Bühler, and Werner J Platzer. 2001. “Evaluation of Overheating Protection with Sun-Shading Systems.” Solar Energy 69: 59–74.
  • · Lam, Joseph C, and Danny H W Li. 1999. “An Analysis of Daylighting and Solar Heat for Cooling-Dominated Office Buildings.” Solar Energy 65(4): 251–62.
  • · Lee, Jae-Wook et al. 2013. “Optimization of Building Window System in Asian Regions by Analyzing Solar Heat Gain and Daylighting Elements.” Renewable energy 50: 522–31.
  • · Lee, Ji-Hyun, Jin Woo Moon, and Sooyoung Kim. 2014. “Analysis of Occupants’ Visual Perception to Refine Indoor Lighting Environment for Office Tasks.” Energies 7(7): 4116–39.
  • · Lee, Kyung, Ki Han, and Jae Lee. 2017. “The Impact of Shading Type and Azimuth Orientation on the Daylighting in a Classroom–Focusing on Effectiveness of Façade Shading, Comparing the Results of DA and UDI.” Energies 10(5): 635.
  • · Leslie, Russ P, L C Radetsky, and A M Smith. 2012. “Conceptual Design Metrics for Daylighting.” Lighting Research & Technology 44(3): 277–90.
  • · Mahdavinejad, Mohamadjavad, and nasim Eslamirad. 2018. “External Shadings Effect on Operating Energy Based on LCEA, Case Study: A Residential Building in Tehran.” In Building Performance Analysis Conference and SimBuild Co-Organized by ASHRAE and IBPSA-USA, 495–501.
  • · Mahdavinejad, Mohammadjavad et al. 2014. “Dilemma of Green and Pseudo Green Architecture Based on LEED Norms in Case of Developing Countries.” International journal of sustainable built environment 3(2): 235–46.
  • · Mahdavinejad, Mohammadjavad, Soha Matoor, Neda Feyzmand, and Amene Doroodgar. 2012. “Horizontal Distribution of Illuminance with Reference to Window Wall Ratio (Wwr) in Office Buildings in Hot and Dry Climate, Case of Iran, Tehran.” In Applied Mechanics and Materials, Trans Tech Publ, 72–76.
  • · Palmero-Marrero, Ana I, and Armando C Oliveira. 2010. “Effect of Louver Shading Devices on Building Energy Requirements.” Applied Energy 87(6): 2040–49.
  • · Park, Cheol-Soo, Godfried Augenbroe, and Tahar Messadi. 2003. “Daylighting Optimization in Smart Facade Systems.” In Proceedings of the Eighth International IBPSA Conference,.
  • · Raimondi, Alberto, Daniele Santucci, Simone Bevilacqua, and Alessandro Corso. 2016. “Daylight Autonomy as a Driver for Office Building Retrofitting.” Energy Procedia 96: 180–89.
  • · Rungta, Shaily, and V Singh. 2011. “Design Guide: Horizontal Shading Devices and Light Shelves.” Vipul Singh, Assignment 3.
  • · Ryu, Kijung, Se-Jin Yook, and Kwan-Soo Lee. 2014. “Optimal Design of a Corrugated Louvered Fin.” Applied thermal engineering 68(1–2): 76–79.
  • · Shen, Eric, Jia Hu, and Maulin Patel. 2014. “Energy and Visual Comfort Analysis of Lighting and Daylight Control Strategies.” Building and Environment 78: 155–70.
  • · Sullivan, R, E S Lee, and S E Selkowitz. 1992. “A Method of Optimizing Solar Control and Daylighting Performance in Commercial Office Buildings.”
  • · Tzempelikos, Athanassios, and Andreas K Athienitis. 2007. “The Impact of Shading Design and Control on Building Cooling and Lighting Demand.” Solar energy 81(3): 369–82.
  • · Wong, Nyuk Hien, and Agustinus Djoko Istiadji. 2004. “Effect of External Shading Devices on Daylighting Penetration in Residential Buildings.” Lighting Research & Technology 36(4): 317–30.