Forskargrupp Ett Intelligent Human-Buildings Interaction Lab (IHBI) etableras vid Institutionen för tillämpad fysik och elektronik, Umeå universitet. Syftet är att experimentellt undersöka samband mellan energieffektiviserande åtgärder och boendes beteenden. Det kommer att utgöra en ny forskningsdomän inom vilken IHBI kommer att bedriva spjutspetsforskning om immersive virtuell miljö, datadriven modellering och intelligent styrning av inomhusmiljö för evidensbaserat beslutsfattande.
I Europeiska unionen (EU) så är byggsektorn den största användaren av energi med så mycket som 40 % av den totala energianvändningen. Ungefär 75 % av EU:s byggnadsbestånd bedöms vara energiineffektivt. Byggnadssektorns energibesparingspotential är således betydande. Att förbättra energieffektiviteten i byggnader utgör en nyckelroll för att uppnå det ambitiösa målet om koldioxidneutralitet i EU år 2050, som ingår i det europeiska gröna avtalet. Av denna anledning uppmuntras implementering av energieffektiva åtgärder, såsom effektivare isolering av byggnaders klimatskal, mer energieffektivare fönster och införande av mer energieffektiva installationssystem (HVAC).
I fallstudier har dock en betydande skillnad observerats mellan den faktiska energianvändningen och de förväntade målen för förbättrad energieffektivitet. Huvudslutsatsen från tidigare studier är att enbart energieffektiviserande åtgärder inte är en garanti för effektiv energianvändning i byggnader. Faktum är att energirelaterade boendebeteenden, inklusive justering av termostatinställningar, öppning/stängning av fönster, dämpning/släckning av belysning, upp-/neddragning av persienner, på- och avstängning av värme och ventilationssystem har en betydande inverkan på byggnadens energiprestanda.
Hur boendes beteenden förändras under påverkan av införandet av olika energieffektiviserande åtgärder är fortfarande en ej besvarad frågeställning. IHBI inkluderar en strukturerad förståelse för hur dessa åtgärder kommer att påverka de boendes beteende.
I en serie experiment, som genomförs på IHBI-labbet undersöks interaktionen mellan energieffektiviserande åtgärder och de boendes beteenden. Experimenten genomförs genom att använda en immersive byggd miljö, intelligent inomhusmiljö och Big-data driven modellering och maskininlärning, för att skapa en hybrid virtuell-fysisk experimentell miljö, se Fig.
Publikationer
2023
Data-driven Quantitative analysis of an integrated Open digital ecosystems platform for User-centric energy retrofits: A case study in Northern Sweden
Technology in Society, accepted
Liu, Bokai; Penaka, Santhan Reddy; Lu, Weizhuo; Feng, Kailun;Rebbling, Anders; Olofsson, Thomas
2023
Automated machine learning-based framework of heating and cooling load prediction for quick residential building design
Energy, Elsevier 2023, Vol. 274
Lu, Chujie; Li, Sihui; Penaka, Santhan Reddy; et al.
2023
Al-DeMat: A web-based expert system platform for computationally expensive models in materials design
Advances in Engineering Software, Elsevier 2023, Vol. 176
Liu, Bokai; Vu-Bac, Nam; Zhuang, Xiaoying; et al.
2023
An improved attention-based deep learning approach for robust cooling load prediction: public building cases under diverse occupancy schedules
Sustainable cities and society, Elsevier 2023, Vol. 96
Lu, Chujie; Gu, Junhua; Lu, Weizhuo
2023
Ontology for experimentation of human-building interactions using virtual reality
Advanced Engineering Informatics, Elsevier 2023, Vol. 55
Chokwitthaya, Chanachok; Zhu, Yimin; Lu, Weizhuo
2022
Energy-efficient retrofitting with incomplete building information: a data-driven approach
E3S web of conferences
Feng, Kailun; Lu, Weizhuo; Penaka, Santhan Reddy; et al.
2022
Surrogate models in machine learning for computational stochastic multi-scale modelling in composite materials design
International Journal of Hydromechatronics, InderScience Publishers 2022, Vol. 5
Liu, Bokai; Lu, Weizhuo
Miljövänliga ljuskällor och klimatsmarta byggnader uppmärksammas av kunglig akademi.