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

BaU-SaN

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 einen Datensatz von 183 Berliner 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. Das Open Source verfügbare Framework wird so konzipiert, dass es anpassungsfähig ist und die unkomplizierte Integration neuer Gebäude ermöglicht, und die Kalibrierung verschiedener Gebäudeenergiemodelle erleichtert. Anhand einer weiteren Fallstudie wird die Fähigkeit des Frameworks, mit Daten unterschiedlicher zeitlicher Granularität zu arbeiten, analysiert.