brecha de rendimiento

El tipo 1 de esta agrupación se ha dividido aquí en dos grupos principales: uno relativo a la incertidumbre debida al cambio climático; y el otro relativo a las incertidumbres debidas al uso de archivos de datos meteorológicos sintéticos. En cuanto a las incertidumbres debidas al cambio climático: los edificios tienen largos periodos de vida, por ejemplo, en Inglaterra y Gales , alrededor del 40% de los bloques de oficinas existentes en 2004 se construyeron antes de 1940 (30% si se considera por superficie). ^{[ 5 ]} y, el 38,9% de las viviendas inglesas en 2007 se construyeron antes de 1944. ^{[ 6 ]} Este largo periodo de vida hace que los edificios sean propensos a operar con climas que podrían cambiar debido al calentamiento global. De Wilde y Coley demostraron la importancia de diseñar edificios que tengan en cuenta el cambio climático y que sean capaces de funcionar bien en climas futuros. ^{[ 7 ]} En cuanto a las incertidumbres debidas al uso de archivos de datos meteorológicos sintéticos: Wang et al. demostraron el impacto que las incertidumbres en los datos meteorológicos (entre otros) pueden causar en los cálculos de la demanda de energía. ^{[ 8 ]} Se encontró que la desviación en el uso de energía calculado debido a la variabilidad en los datos meteorológicos era diferente en diferentes ubicaciones desde un rango de (-0,5% – 3%) en San Francisco a un rango de (-4% a 6%) en Washington DC Los rangos se calcularon usando TMY como referencia. Estas desviaciones en la demanda fueron menores que las debidas a parámetros operativos. Para esos, los rangos fueron (-29% – 79%) para San Francisco y (-28% – 57%) para Washington DC Los parámetros operativos fueron aquellos vinculados con el comportamiento de los ocupantes. La conclusión de este artículo es que los ocupantes tendrán un mayor impacto en los cálculos de energía que la variabilidad entre archivos de datos meteorológicos generados sintéticamente. La resolución espacial de los archivos de datos meteorológicos fue la preocupación cubierta por Eames et al. ^{[ 9 ]} Eames mostró cómo una baja resolución espacial de los archivos de datos meteorológicos puede ser la causa de disparidades de hasta 40% en la demanda de calefacción.

En el trabajo de Pettersen, se consideraron las incertidumbres del grupo 2 (mano de obra y calidad de los elementos) y del grupo 3 (comportamiento) de la agrupación anterior (Pettersen, 1994). Este trabajo muestra la importancia del comportamiento de los ocupantes en el cálculo de la demanda energética de un edificio. Pettersen demostró que el consumo energético total sigue una distribución normal con una desviación estándar de alrededor del 7,6% cuando se consideran las incertidumbres debidas a los ocupantes, y de alrededor del 4,0% cuando se consideran las generadas por las propiedades de los elementos del edificio. Leeds Metropolitan llevó a cabo un estudio a gran escala en Stamford Brook. Este proyecto vio 700 viviendas construidas con altos estándares de eficiencia. ^{[ 10 ]} Los resultados de este proyecto muestran una brecha significativa entre la energía utilizada prevista antes de la construcción y el consumo energético real una vez ocupada la casa. La mano de obra se analiza en este trabajo. Los autores destacan la importancia de los puentes térmicos que no se consideraron en los cálculos, y cómo los originados por las particiones internas que separan las viviendas tienen el mayor impacto en el consumo energético final. Las viviendas monitorizadas en uso en este estudio muestran una gran diferencia entre el consumo energético real y el estimado mediante SAP, llegando una de ellas a superar en un 176 % el valor esperado durante su uso.

Hopfe ha publicado varios artículos sobre incertidumbres en el diseño de edificios que abarcan la mano de obra. Una publicación más reciente al momento de escribir este texto ^{[ 11 ]} analiza las incertidumbres de los grupos 2 y 3. En este trabajo, las incertidumbres se definen como distribuciones normales. Los parámetros aleatorios se muestrean para generar 200 pruebas que se envían al simulador (VA114), cuyos resultados se analizarán para verificar las incertidumbres con mayor impacto en los cálculos de energía. Este trabajo demostró que la incertidumbre en el valor utilizado para la infiltración es el factor que probablemente tenga la mayor influencia en las demandas de refrigeración y calefacción. Otro estudio realizado por de Wilde y Wei Tian ^{[ 12 ]} comparó el impacto de la mayoría de las incertidumbres que afectan los cálculos de energía de los edificios teniendo en cuenta el cambio climático. De Wilde y Tian utilizaron un análisis de Monte Carlo bidimensional para generar una base de datos obtenida con 7280 ejecuciones de un simulador de edificios. Se aplicó un análisis de sensibilidad a esta base de datos para obtener los factores más significativos en la variabilidad de los cálculos de la demanda de energía. Se utilizaron coeficientes de regresión estandarizados y coeficientes de regresión de rango estandarizados para comparar el impacto de las incertidumbres.

De Wilde y Tian coincidieron con Hopfe en el impacto de las incertidumbres en la infiltración sobre los cálculos energéticos, pero también introdujeron otros factores, incluyendo incertidumbres en: el clima, el valor U de las ventanas y otras variables relacionadas con el comportamiento de los ocupantes (equipamiento e iluminación). Su artículo compara muchas de las incertidumbres con una base de datos de buen tamaño, proporcionando una comparación realista para el alcance del muestreo de las incertidumbres. El trabajo de Schnieders y Hermelink ^{[ 13 ]} mostró una variabilidad sustancial en las demandas energéticas de edificios de bajo consumo energético diseñados bajo la misma especificación (Passivhaus).

El trabajo de Schnieders y Hermelink ^{[ 14 ]} mostró una variabilidad sustancial en las demandas energéticas de edificios de bajo consumo diseñados bajo la misma especificación (Passivhaus). Si bien el estándar Passivhaus cuenta con una mano de obra de alta calidad y un control riguroso, se han observado grandes diferencias en la demanda energética entre distintas viviendas.

Blight y Coley ^{[ 15 ]} demostraron que la variabilidad puede deberse a la variación en el comportamiento de los ocupantes (el uso de ventanas y puertas se incluyó en este trabajo). El trabajo de Blight y Coley demuestra dos cosas: (1) Los ocupantes tienen una influencia sustancial en el consumo de energía; y (2) El modelo que utilizaron para generar el comportamiento de los ocupantes es preciso para la creación de patrones de comportamiento de los habitantes.

El método utilizado en el artículo anterior ^{[ 16 ]} para generar perfiles precisos del comportamiento de los ocupantes fue el desarrollado por Richardson et al. ^{[ 17 ].} El método se desarrolló utilizando la Encuesta de Uso del Tiempo (TUS) del Reino Unido como referencia del comportamiento real de los ocupantes. Esta base de datos se elaboró ​​después de registrar la actividad de más de 6000 ocupantes en diarios de 24 horas con una resolución de 10 minutos. El artículo de Richardson muestra cómo la herramienta es capaz de generar patrones de comportamiento que se correlacionan con los datos reales obtenidos de la TUS. La disponibilidad de esta herramienta permite a los científicos modelar la incertidumbre del comportamiento de los ocupantes como un conjunto de patrones de comportamiento que han demostrado correlacionarse con el comportamiento real de los ocupantes. Se han publicado trabajos para tener en cuenta la ocupación en la optimización utilizando la llamada optimización robusta ^{[ 18 ].}