Autodesk Spacemaker lanceerde deze week een operationele energie analyse-tool. Deze makkelijk te gebruiken tool geeft de voorspelde operationele energie in realtime weer en helpt architecten en stedenbouwkundigen energie-efficiënt te ontwerpen.
Met de nieuwe analyse-mogelijkheid kunnen ontwerpers vroeg in de ontwerpfase beoordelen welk effect ontwerpbeslissingen hebben op de potentiële operationele energie van gebouwen. Het maakt deel uit van Spacemaker`s realtime analyses, waaronder ook analysetools voor microklimaat, zonnepanelen, daglicht, wind en geluid. Deze geven designteams de inzichten die nodig zijn om duurzamere resultaten te bereiken.
Gebouwen die in gebruik zijn hebben energie nodig voor verwarming, ventilatie, airconditioning, verlichting en vele apparaten: de operationele energie. Gebouwen vertegenwoordigen 40% van het wereldwijde energieverbruik en veroorzaken een derde van de wereldwijde uitstoot van broeikasgassen.
Håvard Haukeland, medeoprichter van Spacemaker en Senior Director bij Autodesk: “Duurzaamheid staat bovenaan ieders agenda, en het is daarom belangrijk om vroeg in het ontwerpproces een prioriteit te maken van energie-efficiëntie. In deze fase kan de grootste positieve impact gemaakt worden. Onze nieuwe operationele energie analyse-tool zorgt ervoor dat
architecten vanaf dag één gemakkelijk optimale oplossingen kunnen simuleren en zo de juiste strategieën toepassen om het energieverbruik te verminderen.”
De analyse tool is al getest door invloedrijke architectenbureau`s. Pablo La Roche, Principal & Performance-Driven Design Lead bij CallisonRTKL: “Bij CRTKL geloven we dat duurzaam ontwerpen een noodzaak is, geen optie. De nieuwe operationele energie analyse-tool van Spacemaker maakt dit gemakkelijker omdat het onze ontwerpers in staat stelt de gevolgen van hun ontwerpbeslissingen al bij de start van projecten beter te beoordelen. Dit soort tools maakt duurzaam ontwerpen toegankelijker en stelt ons in staat om CRTKL’s visie van People, Planet en Positive Design te versterken”.
Hoe werkt het?
In de analyse kunnen gebruikers een selectie van belangrijke ontwerpfactoren voor energieverbruik aanpassen – waaronder vorm, verhouding ramen/wanden en dak- en wandconstructies – terwijl ze hun gebouwmassa’s itereren, en vervolgens onmiddellijk zien hoe die onderling samenhangende factoren het voorspelde energieverbruik (kWh/m2/jaar) beïnvloeden. Dankzij deze directe feedback tijdens het ontwerpproces kunnen designers sneller iteraties uitvoeren en tegelijkertijd het effect van hun beslissingen op het energieverbruik zien. Na het opstellen van een eerste ontwerpstrategie in Spacemaker kunnen gebruikers hun ontwerp verder verfijnen in Autodesk Revit en Insight.
Invloed op energieverbruik
Normaliter worden tools voor de analyse van het energieverbruik van gebouwen gebruikt in de gedetailleerde ontwerpfase, wanneer fundamentele beslissingen, zoals massa, oriëntatie en ontwerp van de schil, al zijn genomen. Maar wanneer het ontwerp al gedetailleerd uitgewerkt is, kan het moeilijk en duur zijn om nog grote wijzigingen aan te brengen die de energie-efficiency verbeteren.
Daardoor gaat de aandacht dan voornamelijk uit naar secundaire maatregelen zoals isolatie-dikte, zonwering en efficiëntie van het ventilatie- en aircosysteem. Hoewel veel factoren van invloed zijn op het energieverbruik, kunnen deze vroege ontwerpbeslissingen, die vaak worden genomen voordat ingenieurs en energieadviseurs bij een project worden betrokken, de grootste factoren zijn die het energieverbruik bepalen. Met de nieuwe analysemethode van Spacemaker kunnen ontwerpers de operationele energieprestaties en gebouwefficiëntie optimaliseren in de fase dat dit het meest kosten- en tijdbesparend is.
Al bestaande energie analyse-tools kunnen complex en technisch zijn en gedetailleerde ontwerp- en operationele input vereisen evenals deskundig begrip van de data. Spacemaker maakt voor de analyse gebruik van dezelfde complexe analyse, maar dan
geïntegreerd in het massamodel in een intuïtieve interface. De analyse maakt gebruik van machine learning, waarbij eerst een enorme dataset van gebouwmodellen werd geanalyseerd met een complexe energiesimulatie-engine voor energiegebruik ten opzichte van diverse gebouwfactoren. Deze resultaten werden gebruikt om een machine learning model te trainen dat het energieverbruik voorspelt en met een snelle analyse vroege, snelle en nauwkeurige resultaten laat zien.
Håvard Haukeland concludeert: “Datagestuurde tools zoals deze operationele energie tool die snel analyses maakt, bieden de vooruitziende blik die ontwerpers nodig hebben om potentiële ontwerp- en bouwproblemen in latere fases te voorkomen, en daarmee tijd en kosten in het hele proces te besparen. Deze analyse is een belangrijke stap om ontwerpers te helpen
efficiënte en vooral duurzame gebouwen met een lange levensduur te realiseren.”
