Towards a generative simulation-based tool for creating diverse building layouts optimized for energy efficiency
Abstract
Byggeindustrien står for 17,5 % av globale utslipp hvert år. Derfor er behovet for å redusere disse utslippene av stor betydning for industrien. Forskning har vist at endring av ulike designelementer i en bygning kan påvirke det totale energiforbruket. Ved å parametrisere disse elementene kan optimaliseringsmodeller, slik som Multi-objektive genetiske algoritmer (MOGA), brukes til å optimalisere bygningene for et antall med evalueringsfunksjoner. Ved grønne bygg bør evalueringsfunksjonen for optimaliseringsmodellen være energiforbruk. Denne oppgaven foreslår et generativt simuleringsbasert verktøy som manipulerer parameterisert geometri for å lage forskjellige bygningsoppsett optimalisert for energieffektivitet. Tre forskjellige designtilnærminger ble laget for denne studien. Den første er en planløsning som optimaliserer interiør- og eksteriørfaktorer. De to siste tilnærmingene tester vanlige bygningsformer for å finne den mest optimale formen. Honeybee-applikasjonen brukes til å transformere geometri til BIM-elementer. EnergyPlus brukes for energi simulering for å beregne energiforbruket til bygget. Til slutt bruker denne oppgaven MOGA hyper-volum estimering (HypE) som optimaliseringsmodell. Evalueringsfunksjonene som ble brukt i studien var maksimering av soleksponering og minimering av energiforbruket. Ett optimalisert resultat ble valgt fra hver designtilnærming og sammenlignet med en foreslått arkitektur fra HAV eindom på samme tomt. Alle utvalgte resultater fra denne oppgaven skåret bedre enn den foreslåtte arkitekturen på soleksponering og energiforbruk. Det har ikke vært tilstrekkelig forskning på å optimalisere parametriserte eksteriør- og interiørfaktorer, med fokus på bygningens utforming. Denne studien kombinerer disse faktorene og skaper et grunnlag for generative simuleringsbaserte verktøy som fokuserer på bærekraftige bygninger. The construction industry is accountable for 17.5% of global emissions each year. Therefore the need to reduce these emissions is of great significance to the industry. Research has shown that changing different design elements of a building can influence the overall energy consumption. By parameterizing these elements, optimization models, such as Multi-objective genetic algorithms (MOGAs), can be used to optimize the buildings to a set of evaluation functions. In the case of green buildings, the evaluation function for the optimization model should be energy consumption. This thesis proposes a generative simulation-based tool that manipulates parameterized geometry in order to create diverse building layouts optimized for energy efficiency.
Three different design approaches were created for this study. The first is a floor plan approach optimizing interior and exterior factors. The last two approaches test different common building shapes to find the most optimal shape. The Honeybee application is used for transforming geometry into BIM elements. EnergyPlus is used as the environmental simulation for calculating the energy consumption of the building. Lastly, this thesis uses the MOGA hypervolume Estimation (HypE) as the optimization model.
The evaluation functions used in the study were to maximize sun exposure and minimize energy consumption. One optimized result was selected from each design approach and compared with a proposed architecture by HAV eindom on the same plot. All selected results from this thesis scored better than the proposed architecture on sun exposure and energy consumption.
There has not been sufficient research on optimizing parameterized exterior and interior factors, focusing on the building layout. This study combines these factors and creates a foundation for generative simulation-based tools opting for sustainable buildings.