Anwendung von Bayes’scher Statistik zur Modellkalibrierung und Unsicherheitsanalyse von energetischer Sanierungsplanung in Nicht-Wohngebäude-Portfolios

Bei der energetischen Gebäudesimulation von Nicht-Wohngebäuden sind die simulierten Werte häufig wegen einer begrenzten Verfügbarkeit von Gebäudeinformationen im Vergleich zu gemessenen Werten abweichend. Die Abweichung lässt sich durch die konventionellen deterministischen Simulations- und Kalibrierungsmethoden schwer quantifizieren. Die darauf basierte Sanierungsplanung und Entscheidung ist deswegen risikobehaftet. Ziel des Forschungsvorhabens ist die Entwicklung, Validierung und Optimierung von einer Bayes’sche-Theorie-basierten Kalibrierungsmethodik, die es ermöglicht, die Unsicherheit bei der energetischen Gebäudesimulation und Sanierungsplanung von Nicht-Wohngebäude-Portfolios automatisiert zu quantifizieren und die unbekannten/nicht-feststellbaren Gebäudeinformationen zu identifizieren. Die entwickelte Methodik wird auf mehr als 900 Nicht-Wohngebäude, die in einem vorangegangenen Projekt mittels konventioneller Methodik simuliert wurden, angewandt und validiert. Für die Gebäude und Liegenschaften des Datensatzes werden Sanierungsfahrpläne mit Angabe von Unsicherheiten erstellt. Durch die Validierung gegen Verbrauchsdaten und Vergleich mit deterministischen Methoden wird die neue Methodik angesichts der Anwendbarkeit und Optimierungsmöglichkeit für die Analyse der energetischen Sanierung von einzelnen Gebäuden bis hin zur Aggregation von Gebäuden auf Quartiersebene untersucht.