Журнал «Светотехника» №3 2024
Дата публикации 13/06/2024
Страница 12-18
Купить PDF - ₽500
Эффективный расчёт годовых показателей естественного освещения помещений с использованием сетки Клемса «Светотехника», 2024, №3
Авторы статьи:
Волобой Алексей Геннадьевич, Ершов Сергей Валентинович, Денисов Евгений Юрьевич, Галактионов Владимир Александрович
Волобой Алексей Геннадьевич, доктор физ.-мат. наук. Окончил в 1988 г. механико-математический факультет Московского государственного университета им. М.В. Ломоносова. Ведущий научный сотрудник отдела компьютерной графики и вычислительной оптики ИПМ им. М.В. Келдыша РАН. Область научных интересов: компьютерная графика, вычислительная оптика, трассировка лучей, моделирование освещения
Ершов Сергей Валентинович, кандидат физ.-мат. наук. Окончил в 1988 г. физический факультет Московского государственного университета им. М.В. Ломоносова. Старший научный сотрудник отдела компьютерной графики и вычислительной оптики ИПМ им. М.В. Келдыша РАН. Область научных интересов: компьютерная графика, вычислительная оптика, численные методы математической физики, методы Монте Карло, трассировка лучей, задачи дифракции
окончил в 1995 г. Факультет вычислительной математики и кибернетики МГУ им. М.В. Ломоносова. Научный сотрудник Института прикладной математики им. М.В. Келдыша РАН
Галактионов Владимир Александрович, доктор физ.-мат. наук, профессор. Окончил в 1975 г. факультет управления и прикладной математики Московского физико-технического института. Главный научный сотрудник отдела компьютерной графики и вычислительной оптики ИПМ им. М.В. Келдыша РАН. Область научных интересов: компьютерная графика, вычислительная оптика, компьютерная лингвистика, научная визуализация
Аннотация
Современное проектирование зданий предполагает, помимо прочего, проведение компьютерного анализа естественного освещения помещений в соответствии с программой сертификации экологически чистых зданий, главные показатели которой – пространственная автономия естественного света (sDA) и годовое воздействие солнечного света (ASE). Расчёт этих показателей требует тысяч моделирований глобального освещения для различных моментов времени в течение года. Общеизвестные методы здесь неэффективны. В статье предложен оригинальный метод, использующий предварительно рассчитанные данные и их быструю интерполяцию на сетке Клемса, для многократного моделирования распределения естественной освещённости. Показано, что по эффективности вычислений он в разы (а иногда и на порядки) превосходит классический метод стохастической трассировки лучей и существующие подходы на основе метода излучательности при сохранении высокой точности результата. Возможность расчёта указанных показателей за десятки минут на обычном персональном компьютере, предоставляемая предложенным методом, позволяет постоянно проверять создаваемый архитектурный проект на соответствие программе по экологически чистым зданиям.
Список использованной литературы
1. U.S. Green Building Council (USGBC). «LEED» v4.1 Building Design + Construction Guide, EQ Credit: Daylight. URL: https://www.usgbc.org/»LEED»/v41 (дата обращения: 25.03.2024).
2. Ayoub M. 100 Years of daylighting: A chronological review of daylight prediction and calculation methods // Solar Energy. – 2019. – Vol. 194. – P. 360–390. DOI:10.1016/j.solener.2019.10.072.
3. DesignBuilder Daylighting. URL: https://designbuilder.co.uk/daylighting (дата обращения: 25.03.2024).
4. Climate Studio. URL: https://www.solemma.com/climatestudio (дата обращения: 25.03.2024).
5. Daylight Autonomy. URL: https://deluminaelab.com/dl-light/en/autonomy.html (дата обращения: 25.03.2024).
6. Ward G.J. The «RADIANCE» lighting simulation and rendering system / Proceedings of the 21st annual conference on Computer graphics and interactive techniques SIGGRAPH’94. – July 1994. – P. 459–472. DOI: 10.1145/192161.192286.
7. Reinhart C., Walkenhorst O. Dynamic «RADIANCE»-Based Daylight Simulations for a Full-Scale Test Office with Outer Venetian Blinds // Energy and Buildings. – 2001. – Vol. 33, No. 7. – P. 683–697.
8. Xinxin L., Jin H., Kang J., Wu H. A SimplifiedMethod Of Calculating Daylight Autonomy Through Spatial Parameters For Atriums In ShoPing Streets / Proceedings of the 16th IBPSA Conference. – 2019. – P. 417–424. DOI: 10.26868/25222708.2019.210910.
9. Lin C.-H., Tsay Y.-S. A metamodel based on intermediary features for daylight performance prediction of facade design // Buildings and Environment. – 2021. – Vol. 206. – 108371. DOI:10.1016/j.buildenv.2021.108371.
10. Han Y., Shen L., Sun C. Developing a parametric morphable annual daylight prediction model with improved generalization capability for the early stages of office building design // Buildings and Environment. – 2021. – Vol. 200. – 107932. DOI: 10.1016/j.buildenv.2021.107932.
11. Liu Y., Colburn A., Inanici M. Deep neural network aProach for annual luminance simulations // Journal of Buildings Performance Simulation. – 2020. – Vol. 13, Is. 5. – P. 532–554. DOI:10.1080/19401493.2020.1803404.
12. Lorenz C.L., Jabi W. Predicting daylight autonomy metrics using machine learning /Proceedings of the International Conference for Sustainable Design of the Built Environment (SDBE). – 2017. – P. 991–1002.
13. Kazanasmaz T., Günaydin M., Binol S. Artificial neural networks to predict daylight illuminance in office buildings // Buildings and Environment. – 2009. – Vol. 44, Is. 8. – P. 1751–1757. DOI:10.1016/j.buildenv.2008.11.012.
14. Ngarambe J., Irakoze A., Yun G.Y., Kim G. Comparative performance of machine learning algorithms in the prediction of indoor daylight illuminances // Sustainability. – 2020. – Vol. 12, Is. 11. – 4471. DOI:10.3390/su12114471.
15. Ayoub M. A review on machine learning algorithms to predict daylighting inside buildings // Solar Energy – 2020. – Vol. 202. – C. 249–275. DOI:10.1016/j.solener.2020.03.104.
Ключевые слова
Выберите вариант доступа к этой статье
Купить
Иллюстрации - 4
Таблицы и схемы - 4
