DIV Deutscher Industrieverlag GmbH / Vulkan-Verlag GmbH
https://www.di-verlag.de/de/Zeitschriften/GI-GebaeudeTechnik-InnenraumKlima/2017/04

Zeitschrift GI - Gebäudetechnik in Wissenschaft & Praxis - Ausgabe 04/2017

categorie_listing_magazines_issue.html


GI - Gebäudetechnik in Wissenschaft & Praxis - Ausgabe 04 2017

GI - Gebäudetechnik in Wissenschaft & Praxis - Ausgabe 04 2017


Realizing openBIM – Development of a BIM Model View Definition for Advanced Building Energy Performance Simulation
FACHBEITRAG

Realizing openBIM – Development of a BIM Model View Definition for Advanced Building Energy Performance Simulation

Autoren: Reinhard Wimmer / Sergio Pinheiro / James O‘Donnell / Tobias Maile / Sergej Muhic / Jérôme Frisch / Vladimir Bazjanac / Christoph van Treeck

OpenBIM, by definition, uses open data models to allow collaborative work practices. Industry Foundation Classes (IFC) is an open source data model for sharing planning, design, construction, and facility management data across various applications used in the AECOO industry. IFC is therefore suitable for storing significant volumes of data required for advanced Building Energy Performance Simulation (BEPS). This comprehensive nature of the data model makes IFC the key technology for storage and distribution of data but requires extensive infrastructure for data management. The use of Model View Definition (MVD) methodology refines data management by enabling lean data management through process specific subsets of the IFC data model. This paper describes the development of an MVD for advanced BEPS.

>> mehr Informationen

Monitoring und Betriebsoptimierung – Vergleich der Prognose des Energieverbrauchs mit neuronalen Netzen und linearen Modellen

Monitoring und Betriebsoptimierung – Vergleich der Prognose des Energieverbrauchs mit neuronalen Netzen und linearen Modellen

Autoren: Markus Tritschler / Moritz Tritschler

Für die Überwachung des Strom- und Heizenergieverbrauchs der Kreissparkasse Göppingen werden zwei verschiedene Arten von Prognosemodellen verglichen: künstliche neuronale Netze und lineare Regressionsmodelle. Die Untersuchungen zeigen, dass mit neuronalen Netzen die Prognosen genauer sind. Der Aufwand zur Modellbildung ist allerdings größer, da der Netzaufbau, d.h. die Anzahl der Neuronen pro Schicht, jeweils fallabhängig ermittelt werden muss. Beide Prognosemodelle erleichtern die Verbrauchsüberwachung im Rahmen von technischem Monitoring oder Energiemanagement.

>> mehr Informationen

 
 

DIV Deutscher Industrieverlag GmbH / Vulkan-Verlag GmbH

DIV Deutscher Industrieverlag GmbH
Friedrich-Ebert-Straße 55
45127 Essen
Tel.: +49 (0)201 82002-0
Fax: +49 (0)201 82002-40
Sitz München, HRB: 128031, Geschäftsführer: Carsten Augsburger, Jürgen Franke

Vulkan-Verlag GmbH
Friedrich-Ebert-Straße 55
45127 Essen
Tel.: +49 (0)201 82002-0
Fax: +49 (0)201 82002-40
Sitz Essen, HRB: 986, Geschäftsführer: Carsten Augsburger, Jürgen Franke

E-Mail: info@di-verlag.de
Internet: www.di-verlag.de