ПРИМЕНЕНИЕ ПРОГРАММЫ «ЭНЕРГОАУДИТ ЗДАНИЙ» ПРИ МОДЕЛИРОВАНИИ ЭНЕРГОПОТРЕБЛЕНИЯ ЖИЛЫХ ДОМОВ

Аннотация

В статье рассмотрены вопросы моделирования и составления баланса энергопотребления жилого здания с учетом влияющих факторов. Для решения данной задачи используются ряд методов, а также программных средств, основанных на различных подходах и использующих различный объем исходной информации по зданию и внешним климатическим условиям. В качестве примера представлен процесс моделирования энергопотребления жилого дома с использованием программы «ЭНЕРГОАУДИТ ЗДАНИЙ», основанного на физических законах и учитывающий квазистационарное состояние в течение одного месяца. Результаты моделирования показали, что после реализации мероприятий по повышению энергоэффективности в системах отопления и горячего водоснабжения жилого дома имеется возможность сокращения энергопотребления до 219,05 кВт·ч ас /м² или около 15 % относительно текущего уровня, а также повышения класса энергоэффективности с текущего уровня D (нормальный) до уровня С (повышенный). Результаты моделирования с помощью данной программы могут использоваться в качестве исходных данных для энергетической сертификации, энергоаудита зданий, а также для оценки соответствия зданий строительным нормам.

Ключевые слова

Литература

1. Yu J., Chang W.-S., Dong Y. Building Energy Prediction Models and Related Uncertainties: A Review // Buildings. – 2022. – Vol. 12, No. 8. – Article 1284. – DOI: 10.3390/buildings12081284
2. Lam K. P., Zhao J., Ydstie E., Wirick J., Qi M., Park J. An EnergyPlus Whole Building Energy Model Calibration Method for Office Buildings Using Occupant Behavior Data Mining and Empirical Data // Proceedings of ASHRAE/IBPSA-USA Building Simulation Conference. – 2014. – P. 160 – 167.
3. Hou D., Zhan D., Wang L., Hassan I. G., Sezer N. Development and performance assessment of a new open-source Bayesian inference R platform for building energy model calibration // Discover Mechanical Engineering. – 2023. – Vol. 2. – Article 19. – DOI: 10.1007/s44245-023- 00027-2.
4. EnergyPlus ™ — программа для моделирования энергопотребления всего здания. https://energyplus. net /.
5. Графическая программная среда, для моделирования зданий (включая энергетическое моделирование по стандарту LEED). https://www.trnsys.com/.
6. Пакеты для оценки энергопотребления DesignBuilder. https://designbuilder.co.uk/.
7. Building Energy ST Formerly hosted by US Dept. of Energy. https://www.buildingenergysoftwaretools.com/. ОП Н П Ж П INNOVATSION TEXNOLOGIYALAR INNOVATIVE TECHNOLOGIES ИННОВАЦИОННЫЕ ТЕХНОЛОГИИ 2026 - yil 3 (63) - son 2026 volume 63, number 3 Том 63 No 3, 202 6 ISSN 2181 - 4732 E - ISSN 2181 - 4 015 114
8. IDA ICE (Indoor Climate and Energy) инструмент для моделирования зданий и его систем. https://w ww. equa. se / en / ida - ice / case - studies.
9. Amasyali K., El-Gohary N. M. A review of data-driven building energy consumption prediction studies // Renewable and Sustainable Energy Reviews. – 2018. – Vol. 81. – P. 1192 – 1205. – DOI: 10.1016/j.rser.2017.04.095.
10. Yesilyurt H., Dokuz Y., Dokuz A. S. Data-driven energy consumption prediction of a university office building using machine learning algorithms // Energy. – 2024. – Vol. 310. – Article 133242. – DOI: 10.1016/j.energy.2024.133242.
11. Wang S., Xu X. Simplified building model for transient thermal performance estimation using GA-based parameter identification // International Journal of Thermal Sciences. – 2006. – Vol. 45, No. 4. – P. 419 – 432. – DOI: 10.1016/j.ijthermalsci.2005.06.009.
12. Von Krannichfeldt L., Orehounig K., Fink O. Combining physics-based and data-driven modeling for building energy systems // Applied Energy. – 2025. – Vol. 391. – Article 125853. – DOI: 10.1016/j.apenergy.2025.125853.
13. Michalakopoulos V., Pelekis S., Kormpakis G., Karakolis V., Mouzakitis S., Askounis D. Data-driven building energy efficiency prediction using physics-informed neural networks // 2024 IEEE Conference on Technologies for Sustainability (SusTech). – 2024. – P. 84 – 91. – DOI: 10.1109/SusTech60925.2024.10553513.
14. Somu N., Gauthama Raman M. R., Ramamritham K. A deep learning framework for building energy consumption forecast // Renewable and Sustainable Energy Reviews. – 2021. – Vol. 137. – Article 110591. – DOI: 10.1016/j.rser.2020.110591.
15. Li, Y.; O’Neill, Z.; Zhang, L.; Chen, J.; Im, P.; DeGraw, J. Grey-box modeling and application for building energy simulations — A critical review.Renew.Sustain.Energy Rev. 2021, 146, 111174.
16. Lecocq E. M., Pascual J., Salom J. Development of physically coherent grey-box models for residential buildings using a simplified adjustment method // Energy and Buildings. – 2025. – Vol. 328. – Article 115215. – DOI: 10.1016/j.enbuild.2024.115215.
17. КМК 2.01.04 - 18 «Строительная теплотехника», Минстрой РУз, Ташкент, 2018 г., https://lex.uz/docs/6874131.
18. КМК 2.01.18 - 24 «Нормативы расхода энергии на отопление, вентиляцию и кондиционирование зданий и сооружений», Минстрой РУз, Ташкент, 2024 г., https://lex.uz/ru/docs/7340715.
19. КМК 2.01.01 – 22 «Климатические и физико - геологические данные для проектирования», Минстрой РУз, Ташкент, 2022 г., https://lex.uz/docs/6363141.