تاثیر سایبان‌های خارجی بر مصرف انرژی و آسایش ساختمان

تأثیر سایبان‌های خارجی بر عملکرد ساختمان

با کمک سایبان‌ ها به راحتی می‌توان میزان نفوذ تابش مستقیم را کنترل نمود و به ویژه اگر سایبان‌ ها به صورت بهینه طراحی شوند، می‌توان ضمن کاهش بار حرارتی و تامین استانداردهای نور روز، طول مدت دوره آسایش حرارتی در سال را نیز افزایش داد. به این ترتیب به نظر میرسد تامین سایه اندازی مناسب بر روی نمای ساختمان با کمک سیستم سایبان‌ها میتواند عملکردهای ساختمانی را به صورت کارآمدتری تامین نماید.

طراحی یک سایبان بهینه و کارامد بسیار حساس است زیرا تغییر اندکی در ابعاد آن میتواند تابش مستقیم بسیار زیادی وارد فضا کند و یا مانع از دریافت کافی تابش شود که در هر حال موجب میشود تا شرایط حرارتی بسیار گرم و یا بسیار سردی در داخل ساختمان ایجاد شود، فضا یا بسیار روشن و دارای مشکلات خیرگی شود و یا تاریک و ناکارامد شود، و در نهایت مصرف انرژی افزایش یابد. سایه اندازی بر روی ساختمان، از آنجا که باعث حذف تابش مستقیم و کاهش دمای تشعشعی در داخل فضا میشود، میتواند به طور مستقیم آسایش حرارتی را تحت تاثیر قرار دهد.
>محققین زیادی در مورد انواع سایبانها و تاثیر آنها بر عملکردهای گوناگون ساختمانی تحقیق نموده اند. بر اساس تحقیقاتی که ال-مسرانی (Al-masrani) و همکاران (passive systems – manually adjustment) در مورد انواع سایبان ها انجام داده اند، سیستم‌های سایبان را می‌توان در سه گروه دسته بندی نمود:

1. سیستم‌های سایبانی غیر فعال که هیچ نیازی به مصرف انرژی و دستگاه های مکانیکی ندارند و شامل دو گونه سایبان های قابل تنظیم و سایبان‌ های ثابت هستند.
2. سیستم‌های فعال که با کمک دستگاه های مکانیکی و مصرف برق قابل حرکت و تغییر هستند و درنتیجه می‌توانند به صورت نمای خورشیدی سازگار شونده عمل کنند
3. سیستم‌های ترکیبی که سایبانهایی با مواد و مصالح هوشمند هستند و نسبت به تغییرات محیطی با دریافت بسیار کم انرژی واکنش نشان میدهند.

این مرور کوتاه بر تحقیقات گذشته، بر سه موضوع اصلی تمرکز دارد. نخست اینکه در هر تحقیق چه متغیرهای مستقلی مربوط به سایبان در نظر گرفته شده است. ثانیا تاثیر این متغیرها بر کدام عملکردهای ساختمانی مورد بررسی قرار گرفته است. و در نهایت اینکه بررسی این تاثیرات با چه روشی انجام شده است.

جدای از اینکه نوع سایبان (افقی، عمودی، صفحه‌ای، پارامتریک، متحرک، ثابت و …) چه باشد، یک سری متغیرهای سایبانی ثابتی وجود دارند که تقریبا همه تحقیقات به آنها پرداخته‌اند. برای مثال مهمترین متغیرهای هندسی سایبان در سایبان‌ های تیغه‌ای لوور مانند عبارت از تعداد تیغه‌ها، عمق تیغه‌ها، زاویه چرخش هر تیغه به صورت مستقل و یا واحد، و فاصله تا نمای ساختمان هستند و یا مثلا در سایبان‌ های تیغه‌ای افقی و عمودی، عمق تیغه‌ها و تعداد آنها اهمیت پیدا می‌کند. حتی در سایبان‌ های پارامتریک و یا بدون شکل نیز متغیرهایی مانند تعداد، عرض، محل قرار گیری در راستای عمودی، زاویه چرخش در دو آکس افقی و عمودی، و جا به جایی گوشه‌های هر تیغه در محور افقی و عمودی به عنوان متغیرهای مستقل اصلی تحقیق محسوب میشوند. همچنین در سایبان‌ های خود سازگار شونده نیز که مهمترین متغیر مستقل آنها، مساحت بازشوی سایبان است، در واقع زاویه ورود تابش تعیین کننده میزان گشودگی سایبان می‌باشد.

بنابراین با توجه به ثابت بودن متغیرهای مستقل سایبانی، آنچه تحقیقات مختلف را اساسا از هم تفکیک می‌کند نوع عملکردها و یا متغیرهای وابسته‌ای هستند که به واسطه تغییر متغیرهای مستقل سایبانی مورد توجه قرار می‌گیرند. در مجموع، پژوهش‌های مورد مطالعه بر مبنای نوع عملکردی که مورد توجه قرار داده‌اند (متغیر وابسته)، در ۷ گروه جای می‌گیرند:

• مطالعاتی که تاثیر متغیرهای سایبانی را تنها بر عملکرد بار حرارتی و مصرف انرژی بررسی نموده‌اند.
• مطالعاتی که تاثیر متغیرهای سایبانی را تنها بر شاخص‌های نور روز بررسی نموده‌اند.
• مطالعاتی که تاثیر متغیرهای سایبانی را بر بار حرارتی و شاخص‌های نور روز بررسی نموده‌اند.
• مطالعاتی که تاثیر متغیرهای سایبانی را تنها بر آسایش حرارتی محیط داخل بررسی نموده‌اند.
• مطالعاتی که تاثیر متغیرهای سایبانی را بر آسایش حرارتی و شاخص‌های نور روز بررسی نموده‌اند.
• مطالعاتی که تاثیر متغیرهای سایبانی را بر آسایش حرارتی و بار حرارتی بررسی نموده‌اند.
• مطالعاتی که تاثیر متغیرهای سایبانی را بر بار حرارتی، شاخص‌های نور روز، و آسایش حرارتی بررسی نموده‌اند.

در ادامه بر اساس همین گروه‌بندی، تحقیقات مربوط به هر کدام از این گروه‌ها به تفکیک مورد بررسی قرار گرفته است.

تحقیقات متعددی که تاثیر متغیرهای سایبانی را فقط بر روی بار حرارتی و مصرف انرژی بررسی کرده‌اند عمدتا از روش‌های شبیه سازی و مقایسه‌ای و در برخی موارد نیز از شبکه عصبی مصنوعی استفاده نموده‌اند. جینکیون چو (Jinkyun Cho) و همکاران، ۲۰۱۴، سایبان های خارجی در ساختمان‌های بلند مرتبه را به لحاظ صرفه جویی در مصرف انرژی در دوره گرم سال و همچنین از جنبه اقتصادی از طریق شبیه سازی های نرم افزاری و نیز مدل آزمایشگاهی جهت بررسی امکانات اجرایی مورد ارزیابی قرار دادند. در این ارزیابی بیشترین کاهش بار سرمایشی سالانه به میزان ۱۹.۷% برای سایبان افقی و میزان ۱۷.۳% برای پانل عمودی گزارش شده است. جایاتیسا (Jayathissa) و همکاران نیز با تلفیق پانل‌های فتوولتائیک بر روی پانل‌های مربع شکل کوچک و با در نظر گرفتن چرخش مستقل هر پنل در دو محور افقی و عمودی، با شبیه سازی همه حالات ممکن توانسته‌اند بهترین مدل را از میان تمام مدل‌ها پیدا کنند و به این ترتیب صرفه‌جویی انرژی به میزان ۸۰% را گزارش نموده‌اند. یون (Yeon) و همکاران، با تولید یک مجموعه اطلاعاتی از متغیرهای کرکره‌های داخلی شامل عمق هر تیغه، فاصله بین تیغه‌ها، ضخامت، زاویه، فاصله تا پنجره و … و وارد کردن اطلاعات به یک شبکه عصبی مصنوعی، دریافتند که کنترل اتوماتیک کرکره داخلی نسبت به کرکره ثابت با زاویه ۵۰ درجه می‌تواند تا ۹.۱% در مصرف انرژی صرفه جویی ایجاد کند.

از آنجا که کوچکترین تغییر در هر کدام از متغیرهای سایبان می‌تواند تاثیرات متفاوتی بر روی نور روز ایجاد کند، بنابراین تحقیقات بسیار زیادی در مورد تاثیر سایبان‌ های خارجی بر روی شاخص‌های روشنایی مانند UDI, sDA, ASE, DGI انجام شده است. در این تحقیقات از روش های متعددی بهره گرفته شده است. یکی از محبوب‌ترین روش‌ها استفاده از بهینه سازی‌های تک هدفه و یا چند هدفه است که با انواع الگوریتم‌های تکاملی قابل انجام است. یی (Yi) و همکاران یک سری تیغه های افقی را با کمک یک الگوریتم پارامتریک بر اساس عمق و زاویه و فاصله آنها به تیغه‌های مواج تبدیل نموده‌اند و سپس با استفاده از الگوریتم تکاملی چند هدفه برای دستیابی به بهترین sDA و ASE و بر اساس معیارهای زیبایی شناسی، میزان گشودگی میان تیغه‌های مواج را بهینه نموده‌اند. از دیگر روش‌های محبوب در ارزیابی شاخص‌های روشنایی استفاده از روش‌های هوش مصنوعی می‌باشد که در این حوزه ارباب و همکاران با به کارگیری هوش مصنوعی و مقایسه اعتبار و دقت چندین روش کاربردی یادگیری ماشینی و شبکه عصبی مصنوعی توانسته‌اند تاثیر متغیرهای سایبان های لوور (مانند: تعداد، عمق، زاویه، فاصله بین تیغه ها و انعکاس نور از تیغه ها) را بر روی شدت روشنایی فضای داخلی بررسی نموده و گزارش داده‌اند که نتایج مربوط به شبکه عصبی نسبت به سایر الگوریتم‌های یادگیری ماشینی دقیقتر و معتبرتر هستند.

از آنجا که متغیرهای سایبانی همزمان هم بر بار حرارتی و هم بر کیفیت نور روز تاثیر می‌گذارند بنابراین بررسی همزمان این دو هدف، موضوع تحقیقات بسیار زیادی قرار گرفته است. در این تحقیقات تلاش شده تا بهینه‌ترین مقادیر متغیرهای سایبانی را بر اساس حداقل مصرف انرژی و استانداردهای نور روز پیدا کنند. زمانی که بیش از یک هدف مورد توجه محققین قرار گیرد، استفاده از بهینه‌سازی چند هدفه اجتناب ناپذیر خواهد بود. مانزان (Manzan) و همکاران، تاثیر فاصله، عمق، و زاویه چرخش دو تیغه افقی سایبان خارجی بر عملکرد انرژی و نور روز (UDI) در یک اتاق اداری را با کمک بهینه‌سازی چند هدفه (NSGA-II) مورد بررسی قرار دادند و در بهینه‌ترین حالت به ۲۶% صرفه‌جویی انرژی دست یافتند. تاورس کاچات (Taveres-Cachat) و همکاران نیز با بهره گیری از روش بهینه‌سازی چند هدفه، مناسب‌ترین موقعیت قرارگیری لوورهای افقی (تعداد و زاویه چرخش هر تیغه) را به گونه‌ای به دست آورده‌اند که امکان ۶% کاهش مصرف انرژی سالانه و ۳% بهبود کیفیت نور روز فراهم شده است. کریمتات (Kirimtat) و همکاران با کمک الگوریتم بهینه سازی چند هدفه NSGA-II یک سایبان خارجی غیرهندسی را برای رسیدن به حداقل مصرف انرژی (حدود ۱۴% صرفه جویی) و حداکثر UDI (بیشتر از ۵۰%) بهینه نموده‌اند.

از سوی دیگر تاثیر متغیرهای سایبانی بر آسایش حرارتی را به طور قطع نمیتوان نادیده گرفت. امینی و همکاران با استفاده از آنالیز حساسیت، حساسیت میانگین دمای هوای داخل نسبت به تغییرات عمق و زاویه سایبان افقی خارجی را برابر با ۵۰% برآورد نموده است. بسودو (Bessoudo) و همکاران نیز تاثیر سایبان داخلی (رولی و کرکره‌ای) را بر آسایش حرارتی از طریق اندازه‌گیری دمای سطح داخلی شیشه، دمای عملکردی و دمای تشعشی داخل در زمستان مورد بررسی قرار دادند و متوجه شدند که بدون سایبان حتی در سردترین روزهای آفتابی زمستان نیز شرایط داخلی بیش از حد گرم است.

هنگامی که به دلیل نفوذ زیاد تابش، دمای هوای داخل بسیار گرم می‌شود و خارج از محدوده آسایش قرار می‌گیرد، احتمال عدم آسایش بصری نیز وجود دارد. کارلتی (Carletti) و همکارن، با انداه گیری دمای تشعشعی و اندازه گیری شدت روشنایی در محیط داخل و خارج، تاثیر. زوایای مختلف تیغه های سایبان کرکره ای خارجی را بر کیفیت روشنایی و دمای تشعشعی محیط داخلی یک اتاق مسکونی بررسی نموده‌اند و به بهترین استراتژی کنترلی برای این نوع سایبان دست یافته‌اند و به این ترتیب شرایط آسایش حرارتی داخل اتاق را ارزیابی نموده‌اند.

از سوی دیگر به نظر می‌رسد زمانی که با کنترل نفوذ تابش، بار سرمایشی  و گرمایشی کاهش می‌یابند، مدت زمان آسایش حرارتی نیز افزایش می‌یابد. اسکوری (Sghiouri) و همکاران با کمک الگوریتم بهینه‌سازی NSGA-II مناسبترین عمق سایبان افقی بر بالای پنجره را به گونه‌ای به دست آورده‌اند که به ۴.۱% کاهش بار سرمایشی و ۲% کاهش نارضایتی حرارتی دست یافته‌اند. هرچند که به کار گیری سایبان بهینه می‌تواند درصد رضایت حرارتی در زمستان و تابستان را افزایش دهد اما لزوما موجب کاهش نیاز انرژی نمی‌شود به ویژه اگر تامین نور روز در کنار توابع بار حرارتی و آسایش حرارتی جزء توابع هدف در نظر گرفته نشده باشد زیرا در این صورت ممکن است با وجود کاهش بار حرارتی و بهبود نسبی آسایش حرارتی، فضا بیش از حد روشن و یا بیشتر اوقات تاریک باشد و در نتیجه مصرف انرژی افزایش یابد. برای مثال خوروشیلتسوا (Khoroshiltseva) و همکاران، با نصب تیغه‌های افقی و عمودی در اطراف پنجره یک ساختمان (که ابعاد بهینه تیغه‌ها را از طریق بهینه‌سازی با الگوریتم هارمونی به دست آورده بودند) با اینکه موفق شدند به میزان ۲۰.۱۹% از گرم بودن فضا را کاهش دهند و همچنین میزان رضایت حرارتی در تابستان را به میزان ۵۲.۲% و میزان رضایت زمستانی را حدود ۳.۴% افزایش دهند، اما مصرف انرژی ۱۵.۹۳% افزایش پیدا کرد. با توجه به اینکه افزایش رضایت زمستانی زیاد نبوده است به نظر می‌آید در زمستان سایه‌اندازی زیاد باشد و فضا از نور روز کافی و مفید برخوردار نباشد و به همین دلیل مصرف برق افزایش می‌یابد. نتایج تحقیقات خوروشیلتسوا به خوبی لزوم بررسی همزمان بار حرارتی، نور روز و آسایش حرارتی با توجه به تغییر پارامترهای سایبانی را نشان می‌دهد.

نتایج تحقیقاتی که تا اینجا بررسی شد، وابستگی همزمان عملکردهای انرژی ساختمان مانند بار حرارتی، نور روز، و آسایش حرارتی را نسبت به تغییرات عناصر سایبان کاملا آشکار می‌سازد و بنابراین چنانچه در بررسی‌های کارایی یک سایبان، تنها یک یا دو تا از این عملکردها در نظر گرفته شود، نمی‌توان به نتایج معتبری دست یافت. تحقیقاتی که در سال‌های اخیر در مورد سایبان‌ها انجام شده است به درستی وابستگی هر سه عملکرد را نسبت به تغییرات سایبان ارزیابی نموده‌اند. نادری و همکارن، تاثیر متغیرهای سایبان از نوع لوور (محل قرارگیری تیغه ها، عمق تیغه ها، زاویه تیغه ها و فاصله تا پنجره) را به همراه هفت متغیر دیگر بر روی مصرف انرژی سالانه، شاخص خیرگی و درصد آسایش حرارتی سالانه با کمک الگوریتم بهینه سازی NSGA_II بررسی نموده‌اند. رزمی و همکاران نیز تاثیر تغییر عمق و ارتفاع سایبان افقی و عمودی را به همراه نه متغیر طراحی دیگر بر روی مصرف انرژی، UDI و PTC بررسی نموده‌اند و از ترکیب روش‌های هوش مصنوعی مانند شبکه عصبی مصنوعی و الگوریتم‌های بهینه‌سازی برای این پژوهش کمک گرفته‌اند. از آنجا که روش‌های بهینه‌سازی و هوش مصنوعی امکان بررسی همزمان چندین متغیر را فراهم می‌کند، در این تحقیقات علاوه بر تاثیر سایبان، تاثیر متغیرهای دیگر نیز مورد ارزیابی قرار گرفته‌اند و بنابراین چون نتایج حاصل، ناشی از تغییرات عناصر سایبان به تنهایی نیست، این احتمال وجود دارد که همه پتانسیل‌های سایبان استخراج نشده باشند. هرچند که روش‌های نوین شبکه عصبی مصنوعی در ارزیابی‌های انرژی ساختمان به طور گسترده‌ای در حال استفاده هستند اما هنوز در سال‌های اولیه خود به سر می‌برد و به همین دلیل اکثر محققان با شگفتی فراوان در پی ارزیابی همزمان متغیرهای متعددی هستند. در این میان کمتر تحقیقی دیده می‌شود که با به کارگیری اصولی تکنولوژی و روش‌های جدید، عناصر طراحی اقلیمی را به صورت تفکیک شده و تخصصی مورد بررسی قرار داده باشد.

خلاصه این مرور کوتاه بر پژوهش‌های گذشته به خوبی نشان می‌دهد که متغیرهای سایبان مربوط به هر نوع سایبان، محدود به پارامترهای کلی مشخصی مانند ابعاد، زاویه، محل قرار گیری، و مصالح می‌باشند. از سوی دیگر مرور جامعی که بر پژوهش‌های از سال ۱۹۹۶ تا ۲۰۱۵ در مورد مدل‌های شبیه‌سازی برای سیستم‌های سایبانی انجام داده است تایید می‌کند که مهمترین عملکردهای ساختمانی متاثر از متغیرهای سایبانی شامل عملکرد حرارتی، نور روز و آسایش حرارتی می‌باشد. از سوی دیگر با مروری بر روش‌های مورد استفاده در اکثر پژوهش‌ها، مشخص شد که چهار روش کلی شامل روش‌های شبیه سازی و مقایسه‌ای، برداشت‌های میدانی، بهینه سازی، و هوش مصنوعی، معتبرترین و برجسته‌ترین روش‌های به کار گرفته شده می‌باشند و در هر پژوهش یکی و یا ترکیبی از چند روش مورد استفاده قرار گرفته است. از میان این روش‌ها، روش‌های هوش مصنوعی (الگوریتم‌های یادگیری ماشینی و به ویژه شبکه عصبی مصنوعی) با شتاب روزافزونی مورد استقبال محققین در حوزه معماری و انرژی قرار گرفته است). برخلاف گذشته که داده‌ها اغلب ساختار یافته بودند و در حجم بسیار کم وجود داشتند، در سال‌های اخیر با رشد تکنولوژی‌های دیجیتال و توسعه دسترسی به اینترنت، با انبوهی از داده روبرو هستیم. داده‌هایی که در صورت مدیریت صحیح، کاربردهای فراوانی خواهند داشت. روش‌های هوش مصنوعی به دلیل قابلیت‌هایی که در آنالیز اطلاعات ساختمانی و کشف الگو از میان داده‌های خام دارند، بسیار پرقدرت و پیشرو محسوب می‌شوند و پیش‌بینی می‌شود که در آینده نزدیک، همه محققین در حوزه ساختمان ناگزیر به فراگیری تئوری و عملی روشهای هوش مصنوعی باشند.