Η ΕΠΙΔΡΑΣΗ ΤΟΥ ΑΣΤΙΚΟΥ ΚΛΙΜΑΤΟΣ ΣΤΗΝ ΑΠΟΔΟΣΗ ΗΛΙΑΚΩΝ ΣΥΛΛΕΚΤΩΝ. Η ΠΕΡΙΠΤΩΣΗ ΤΗΣ ΛΙΣΣΑΒΩΝΑΣ Σ. Οξυζίδης, Α. Ντούντεκ, Δ. Αναστασέλος, Α. Στυλιανού και Α. Μ. Παπαδόπουλος Εργαστήριο Μετάδοσης Θερμότητας και Περιβαλλοντικής Μηχανικής, Τμήμα Μηχανολόγων Μηχανικών, Πολυτεχνική Σχολή, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, 541 24 Θεσσαλονίκη, email: oxis@aix.meng.auth.gr ΠΕΡΙΛΗΨΗ Στην παρούσα εργασία με την υιοθέτηση μιας κάθετης (από μεσοκλίμακα σε μικροκλίμακα) υπολογιστικής εφαρμογής, προτείνεται μια διαδικασία για τη δημιουργία κλιματικών αρχείων για αστικές περιοχές προς χρήση σε ενεργειακούς υπολογισμούς. Από το μη υδροστατικό μοντέλο καιρού ΜΜ5 προσομοιώνεται το αστικό κλίμα της πόλης της Λισσαβώνας και μέσω του δημιουργητή καιρού (weather generator) ENER-WIN παράγονται κλιματικά αρχεία καιρού, τα οποία χρησιμοποιούνται στο προσομοιωτικό πρόγραμμα EnergyPlus για την εξαγωγή αποτελεσμάτων αναφορικά με την ενεργειακή συμπεριφορά κτιρίων και συστημάτων θέρμανσης και ψύξης. Τα αποτελέσματα από την απόδοση ενός συστήματος ηλιακών συλλεκτών για τη θέρμανση ζεστού νερού χρήσης σε διάφορα σημεία της πόλης παρουσιάζονται και αξιολογούνται. 1. ΕΙΣΑΓΩΓΗ Τα προγράμματα ενεργειακής προσομοίωσης κτιρίων βασίζονται σε κλιματολογικά δεδομένα που προέρχονται από μετρήσεις σε μετεωρολογικούς σταθμούς που κατά κανόνα δεν είναι εγκατεστημένοι πλησίον της περιοχής του προς προσομοίωση κτιρίου αλλά συνήθως στο κοντινότερο αεροδρόμιο. Τούτο έχει ως αποτέλεσμα να μην λαμβάνονται υπόψη οι αλλαγές που προκαλεί στο μικροκλίμα του κτιρίου το αστικό περιβάλλον αν και αυτές είναι γνώστες και συχνά ιδιαίτερα σημαντικές. Στο πλαίσιο του Ευρωπαϊκού ερευνητικού προγράμματος ATREUS [1] διαμορφώθηκε και προτείνεται μια μεθοδολογία, υιοθετώντας μια υπολογιστική διαδικασία, από την οποία είναι δυνατή μια εκτίμηση της επίδρασης του αστικού μικροκλίματος στην ενεργειακή συμπεριφορά των κτιρίων και των συστημάτων τους. Ειδικότερα, με τη χρήση του μη υδροστατικού μοντέλου πρόβλεψης καιρού ΜΜ5 λαμβάνονται κλιματικές πληροφορίες σε συγκεκριμένες περιοχές μιας πόλης. Ωστόσο, για να αποτελούν αυτές οι πληροφορίες αντιπροσωπευτικά κλιματολογικά δεδομένα θα χρειαζόταν η χρήση του προγράμματος για κάθε μέρα επί σειρά ετών. Αντ αυτού με τη χρήση του προγράμματος για 12 τυπικές ημέρες αντιπροσωπευτικές ως προς το κλιματικό προφίλ τους των 12 μηνών του χρόνου ένα τυπικό κλιματικό έτος μπορεί να δημιουργηθεί αν τα δεδομένα των 12 ημερών χρησιμοποιηθούν σε έναν weather generator. 2. ΕΠΙΛΟΓΗ ΤΩΝ 12 ΤΥΠΙΚΩΝ ΗΜΕΡΩΝ Λόγω αντικειμενικών δυσκολιών (έλλειψη απαιτούμενου χρόνου) δεν κατέστη δυνατή η εφαρμογή μιας στατιστικής διαδικασίας για την επιλογή 12 αντιπροσωπευτικών ημερών που τα κλιματικά τους χαρακτηριστικά να αναπαράγουν τις αντίστοιχες μακροχρόνιες μέσες τιμές των κλιματικών παραμέτρων των 12 μηνών του χρόνου. Ωστόσο, τούτο δεν αποτελεί σημαντικό πρόβλημα στην εκτέλεση της μεθοδολογίας αφού η τελική σύγκριση αφορά τα κλιματικά έτη που θα παραχθούν από τις ίδιες μέρες για διαφορετικές τοποθεσίες μέσα σε μια πόλη. Βέβαια, σε καμία περίπτωση αυτά τα κλιματικά έτη δεν μπορεί να θεωρηθούν τυπικά. Στον πίνακα 1 παρουσιάζονται οι 12 ημέρες που επιλέχθηκαν για κάθε μήνα του έτους κατά την εφαρμογή της μεθόδου στην πόλη της Λισσαβώνας.
Πίνακας 1: Μέρες που επιλέχθηκαν για να αναπαράγουν μακροχρόνιες μέσες μηνιαίες τιμές διάφορων κλιματικών παραμέτρων στη Λισσαβώνα Μήνας ΙΑΝ ΦΕΒ ΜΑΡ ΑΠΡ ΜΑΙ ΙΟΥΝ Ημέρα 16 23 6 18 14 16 Έτος 2000 2000 2000 2000 2000 2000 Μήνας ΙΟΥΛ ΑΥΓ ΣΕΠ ΟΚΤ ΝΟΕ ΔΕΚ Ημέρα 9 7 26 24 14 21 Έτος 2000 2000 2000 2001 2000 1991 Τα κλιματικά δεδομένα που εξήχθησαν από τη χρήση του ΜΜ5 για αυτές τις μέρες σε τέσσερις διαφορετικές περιοχές της Λισσαβώνας χρησιμοποιήθηκαν ως μακροχρόνιες μέσες μηνιαίες τιμές και εισάχθηκαν στο πρόγραμμα ENERWIN [2] ώστε να παραχθούν συνθετικά κλιματικά έτη προς χρήση σε προγράμματα ενεργειακής προσομοίωσης κτιρίων. Οι κλιματικές παράμετροι που αποτελούν δεδομένα εισόδου στο ENERWIN είναι: Το γεωγραφικό μήκος και πλάτος και το υψόμετρο της περιοχής Οι μέσες μηνιαίες θερμοκρασίες ξηρού θερμομέτρου Οι τυπικές αποκλίσεις των παραπάνω μέσων θερμοκρασιών Οι μέσες μηνιαίες μέγιστες θερμοκρασίες Οι τυπικές αποκλίσεις των παραπάνω μέγιστων θερμοκρασιών Οι μέσες μηνιαίες θερμοκρασίες δρόσου Οι τυπικές αποκλίσεις των παραπάνω μέσων θερμοκρασιών Η μέση ημερήσια οριζόντια ηλιακή ακτινοβολία ανά μήνα Οι μέσες μηνιαίες ταχύτητες ανέμου Λόγω της απουσίας εκτενών κλιματικών δεδομένων δεν ήταν δυνατός ο υπολογισμός των τυπικών αποκλίσεων. Οπότε, οι τυπικές αποκλίσεις που ήδη υπήρχαν διαθέσιμες στις κλιματικές βιβλιοθήκες του ENERWIN για τη Λισσαβώνα χρησιμοποιήθηκαν. 3. ΜΕΤΕΩΡΟΛΟΓΙΚΑ ΔΕΔΟΜΕΝΑ Στις παραγράφους που ακολουθούν τα διάφορα κλιματικά έτη που δημιουργήθηκαν συγκρίνονται. Συγκεκριμένα, στην παράγραφο 3.1 συγκρίνεται το συνθετικό έτος που δημιουργήθηκε για την τοποθεσία Cagoutinho με το τυπικό μετεωρολογικό έτος της αυτής περιοχής. Επιπρόσθετα, συγκρίνονται τέσσερα συνθετικά κλιματικά έτη για την περιοχή αυτή. Τα τρία προήλθαν από το weather generator ENERWIN (MM5_ENER, METEO_ENER και ENER_ENER), ενώ το τέταρτο από το weather generator METEONORM [3]. Το πρώτο συνθετικό της ονομασίας των συνθετικών ετών αφορά στην προέλευση των μηνιαίων μέσων ενώ το δεύτερο στο πρόγραμμα με το οποίο δημιουργήθηκε. Στις υπόλοιπες παραγράφους συγκρίνονται τα συνθετικά έτη που δημιουργήθηκαν από τις προσομοιώσεις του ΜΜ5 για τις 4 περιοχές της Λισσαβώνας. 3.1 ΚΛΙΜΑΤΙΚΑ ΕΤΗ ΓΙΑ ΤΟ CAGO COUTINHO Στην εικόνα 1 παρουσιάζονται τα εποχιακά προφίλ της θερμοκρασίας (DBT_AVE), υγρασίας (DPT_AVE) και ηλιακή ακτινοβολίας (GHSR) για το συνθετικό έτος που προήλθε από τις προσομοιώσεις του ΜΜ5 και του ENERWIN διαδοχικά και του τυπικών μετεωρολογικών ετών που περιέχονται στις κλιματικές βιβλιοθήκες των προγραμμάτων METEONORM και ENERWIN.
30 25 DBT_AVE 16 14 DPT_AVE 35000 30000 GHSR 20 15 12 8 6 kj/sm 25000 20000 15000 000 5000 5 JAN MRT MEI JUL SEP NOV 4 JAN MRT MEI JUL SEP NOV 0 JAN MRT MEI JUL SEP NOV Εικόνα 1: Κλιματικά στοιχεία του Cagoutinho Όπως προκύπτει από τα διαγράμματα, υπάρχουν κάποια σημαντικά αν και αναμενόμενα προβλήματα. Και για τις τρεις παραμέτρους το συνθετικό κλιματικό έτος δεν ακολουθεί ένα φυσιολογικό εποχιακό προφίλ. Συγκεκριμένα: Ο Απρίλιος είναι ψυχρότερος από το Μάρτιο και εξίσου ψυχρός με το Φεβρουάριο Ο Ιούνιος είναι πολύ ζεστός και ο Ιούλιος σχετικά ψυχρός Ο Νοέμβριος είναι ψυχρότερος από το Δεκέμβριος Η ηλιακή ακτινοβολία κατά τον Απρίλιο είναι πολύ χαμηλή Η ηλιακή ακτινοβολία κατά το Νοέμβριο είναι πολύ χαμηλή Φυσικά, αυτά τα προβλήματα απορρέουν από το γεγονός ότι οι 12 τυπικές ημέρες επιλέχθηκαν εντελώς υποκειμενικά. 350 300 HDD (base 18 ) 4500 4000 3500 CDH (base 23 ) 250 3000 200 2500 2000 150 1500 0 00 500 50 0 Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep MM5_ENER ENER_ENER METEO_ENER METEO_METEO MM5_ENER ENER_ENER METEO_ENER METEO_METEO Εικόνα 2: Βαθμοημέρες θέρμανσης και βαθμοώρες ψύξης Αναφορικά με τα συνθετικά έτη για το Cagoutinho, ο αριθμός των βαθμοημερών θέρμανσης (θερμοκρασία βάσης 18 ο C) για την περίοδο θέρμανσης (από Οκτώβριο ως Απρίλιο) και των βαθμοωρών ψύξης (θερμοκρασία βάσης 23 ο C) για την περίοδο δροσιμού (από Μάιο ως Σεπτέμβριο) παρουσιάζονται στην εικόνα 2. Όπως ήταν αναμενόμενο ούτε ο αριθμός των βαθμοημερών των δεδομένων που προήλθαν από τις προσομοιώσεις του ΜΜ5 (MM5_ENER) ακολουθούν την φυσιολογική μηνιαία κατανομή που παρατηρείται στα υπόλοιπα τρία έτη. Ειδικότερα, σε αυτό το συνθετικό έτος διακρίνεται μια εξαιρετικά ψυχρή περίοδος θέρμανσης και μια εξαιρετικά ζεστή περίοδος δροσισμού όπως φαίνεται και στον πίνακα 2. Η σύγκριση μεταξύ των δύο weather generators (METEO_ENER και METEO_METEO), καταδεικνύει πως και οι παράγουν περίπου τον ίδιο αριθμό βαθμοημερών θέρμανσης με το ENERWIN να παράγει μια ελαφρά θερμότερη περίοδο δροσισμού όταν συγκρίνονται οι
βαθμοώρες ψύξης. Ωστόσο, ο αριθμός των βαθμοημερών ψύξης είναι περίπου ο ίδιος και για τα δύο συνθετικά έτη. Πίνακας 2. Βαθμοημέρες θέρμανσης και ψύξης για τα τέσσερα συνθετικά έτη στο Cago Coutinho MM5_ENER ENER_ENER METEO_ENER METEO_METEO HDD 1 1286 923 1199 1176 CDH 2 11290 4433 2397 1784 1 : Από Οκτώβριο ως Απρίλιο, Θερμοκρασία βάσης: 18 2 : Από Μάιο ως Σεπτέμβριο, Θερμοκρασία βάσης: 23 3.2 ΣΥΝΘΕΤΙΚΑ ΕΤΗ ΑΠΟ ΤΙΣ ΠΡΟΣΟΜΟΙΩΣΕΙΣ ΤΟΥ ΜΜ5 Στην εικόνα 3 παρουσιάζεται ένα χάρτης της Λισσαβώνας όπου σημείωνονται (κίτρινες κουκίδες) οι τέσσερις περιοχές για τις οποίες αντλήθηκαν κλιματικά δεδομένα από τις προσομοιώσεις του ΜΜ5 και οι χρήσεις γης, όπως χρησιμοποιούνται στο ΜΜ5, για την ευρύτερη περιοχή γύρω από τη Λισσαβώνα. Σημειώνεται ότι οι χρήσεις γης αντιστοιχούν σε διάφορα φυσικά χαρακτηριστικά των αντίστοιχων περιοχών όπως ιδιότητες ακτινοβολίας, υγρασία, τραχύτητα εδάφους, θερμοχωρητικότητα. Τα χαρακτηριστικά αυτών των περιοχών καταγράφονται στον πίνακα 3. Πίνακας 3: Στοιχεία των 4 περιοχών της Λισσαβώνας CACEM GEOFISICO GAGO BAIXA Elevation 0m 77m 4m 4m Longitude 38.72 38.72 38.77 38.71 Latitude -9.25-9.15-9.13-9.13 Όπως φαίνεται από την εικόνα 3 οι περιοχές Gagoutinho, Geofisico και Baixa βρίσκονται μέσα στην πόλη της Λισσαβώνας ενώ η περιοχή Cacem έξω από αυτήν. Εικόνα 3: Οι τέσσερις περιοχές της Λισσαβώνας Στην εικόνα 4 παρουσιάζονται τα εποχιακά κλιματικά προφίλ των τεσσάρων περιοχών για 4 κλιματικές παραμέτρους (μέση θερμοκρασία ξηρού θερμομέτρου DBT_AVE, μέση θερμοκρασία δρόσου DPT_AVE, μέγιστη θερμοκρασία ξηρού θερμομέτρου DBT_MAX και ολική οριζόντια ακτινοβολία GHSR). Το Geofisico και το Gagoutinho αποτελούν τις θερμότερες περιοχές, γεγονός που αποτυπώνεται και στις βαθμοημέρες θέρμανσης και βαθμοώρες ψύξης (πίνακας 5). Το αναμενόμονενο ωστόσο θα ήταν η Baixa και το Geofisico να είναι οι θερμότερες περιοχές αφού αυτές βρίσκονται στο κέντρο της πόλης. Παραταύτα
κάτι τέτοιο δε συμβαίνει αφού όπως προκύπτει από τους δύο χάρτες η Baixa βρίσκεται δίπλα στον ποταμό με αποτέλεσμα να δέχεται μια ψυκτική επίδραση από αυτόν. Επίσης, οι τρεις περιοχές Geofisico, Baixa και Gagoutinho κατά τις προσομοιώσεις έχουν τα ίδια θερμικά χαρακτηριστικά και ιδιότητες ακτινοβολίας αφού και στις τρεις αποδίδεται η ίδια χρήση γης (αστική περιοχή). 30 26 22 18 14 6 16 14 12 8 6 4 DBT_AVE DPT_AVE JAN FEB JAN FEB MRT APR MEI JUN JUL AUG SEP OKT NOV DEC MRT APR MEI JUN JUL AUG SEP OKT NOV DEC kj/sm CACEM GEOFISICO GAGO COUTINH BAIXA 38 34 30 26 22 18 14 JAN 35000 30000 25000 20000 15000 000 5000 0 DBT_MAX GHSR JAN FEB FEB MRT APR MEI JUN Εικόνα 4: Τα εποχιακά κλιματικά προφίλ των τεσσάρων περιοχών JUL AUG SEP OKT NOV DEC MRT APR MEI JUN JUL AUG SEP OKT NOV DEC Στον πίνακα 5 καταγράφονται οι βαθμοημέρες θέρμανσης και οι βαθμοώρες ψύξης για τις τέσσερις περιοχές. Από τα στοιχεία του πίνακα το Cacem εμφανίζει τις περισσότερες βαθμοημέρες θέρμανσης και ακολουθούν στη σειρά το Cagoutinho, η Baixa και το Geofisico. Αντίθετα, περισσότερες βαθμοώρες ψύξης εμφανίζονται στο Geofisico και ακολουθούν το Gagoutinho, η Baixa και το Cacem. Πίνακας 5: Βαθμοημέρες θέρμανσης και βαθμοώρες ψύξης για τις τέσσερις περιοχές της Λισσαβώνας CACEM GEOFISICO GAGO BAIXA HDD 1 1325 1243 1286 1253 CDH 2 8425 11186 11290 8837 1 : Από Οκτώβριο ως Απρίλιο, θερμοκρασία βάσης: 18 2 : Από Μάιο ως Σεπτέμβριο, θερμοκρασία βάσης: 23 4. ΣΥΝΘΗΚΕΣ ΠΡΟΣΟΜΟΙΩΣΗΣ ΤΩΝ ΗΛΙΑΚΩΝ ΣΥΛΛΕΚΤΩΝ Θεωρήθηκε μια διάταξη τριών επίπεδων ηλιακών συλλεκτών για τη θέρμανση ζεστού νερού χρήσης. Η επιφάνεια κάθε συλλέκτη είναι 3 m 2, με κλίση 40 ο και το εργαζόμενο ρευστό είναι νερό. Τα χαρακτηριστικά των ηλιακών συλλεκτών για τις εξισώσεις [4]
n = c o ( Tin Tair ) ( Tin T + c1 + c2 I I solar air solar 1 1 Kτα = 1+ bo 1 + b1 1 cosθ cosθ είναι: c o = 0,691 c 1 = -3,396 c 2 = -0,00193 b o = -0,1939 b 1 = -0,0055 ) 2 2 Οι συλλέκτες είναι συνδεδεμένοι με μια δεξαμενή 250 lit με εσωτερική ηλεκτρική αντίσταση (βοηθητική θέρμανση) 4 kw κατά την εικόνα 5. Εικόνα 5: Η διάταξη θέρμανσης του ζεστού νερού με ηλιακούς συλλέκτες στο EnergyPlus Για τον υπολογισμό της θερμοκρασίας νερού στο δίκτυο χρησιμοποιήθηκε η σχέση των Cristensen και Burch [5] που συσχετίζει τη θερμοκρασία του νερού με τη μέση ετήσια εξωτερική θερμοκρασία και τη μέγιστη διαφορά των μηνιαίων μέσων τιμών της εξωτερικής θερμοκρασίας. Οι υπολογισμοί για τις τέσσερις περιοχές πραγματοποιήθηκαν με το προσομοιωτικό πρόγραμμα EnergyPlus [6]. 5. ΑΠΟΤΕΛΕΣΜΑΤΑ Στον πίνακα 6 παρουσιάζονται οι θερμοκρασίες του δικτύου ύδρευσης για τις τέσσερις περιοχές. Πίνακας 6: Θερμοκρασία νερού στο δίκτυο ύδρευσης για τις τέσσερις περιοχές CACEM GEOFISICO GAGO BAIXA 19,6 ο C 20,3 ο C 20,1 ο C 20,0 ο C Από τα στοιχεία του πίνακα φαίνεται πως οι αστικές περιοχές εμφανίζουν μεγαλύτερες θερμοκρασίες νερού στο δίκτυό τους από την περιαστική (Cacem). Στον πίνακα 7 αποτυπώνονται η μηνιαία απόδοση και παραγωγή ενέργειας από τους ηλιακούς συλλέκτες για τις τέσσερις περιοχές. Και σε αυτήν την περίπτωση παρατηρείται μια διαφοροποίηση των αστικών περιοχών από την περιαστική. Η απόδοση και η παραχθείσα ενέργεια είναι μεγαλύτερες στο κέντρο της πόλης. Τούτο ωστόσο οφείλεται κύρια στην υψηλότερη ατμοσφαιρική θερμοκρασία που
μειώνει τις απώλειες των συλλεκτών. Με την παρούσα μεθοδολογία δεν είναι δυνατό να διαφοροποιηθεί το πόσο της ηλιακής ακτινοβολίας λόγω ατμοσφαιρικής ρύπανσης (που διαφέρει σημαντικά μεταξύ αστικών και περιαστικών περιοχών), ενώ και ο υπολογισμός της απόδοσης των ηλιακών συλλεκτών δε λαμβάνει υπόψη την ταχύτητα ανέμου (απώλειες λόγω συναγωγής) για την οποία τα κλιματικά δεδομένα ήταν περισσότερο ακριβή. Πίνακας 7: Απόδοση και παραχθείσα ενέργεια των ηλιακών συλλεκτών Περιοχή Cacem Geof. Gago Baixa Cacem Geof. Gago Baixa Μήνας Απόδοση Παραχθείσα ενέργεια [kwh] ΙΑΝ 6% 9% % 9% 170 238 272 264 ΦΕΒ 20% 21% 20% 21% 753 793 781 897 ΜΑΡ 21% 21% 21% 22% 839 847 848 941 ΑΠΡ 8% 7% 11% 9% 119 98 219 154 ΜΑΙ 22% 22% 23% 23% 885 869 909 935 ΙΟΥΝ 23% 24% 24% 24% 934 934 937 989 ΙΟΥΛ 22% 22% 22% 22% 947 946 949 03 ΑΥΓ 22% 22% 22% 23% 998 999 13 76 ΣΕΠ 15% 15% 16% 16% 496 551 563 571 ΟΚΤ 15% 15% 15% 16% 587 565 512 604 ΝΟΕ 6% 6% 4% 5% 166 199 126 146 ΔΕΚ 14% 14% 14% 15% 556 563 552 643 Μέση 16% 17% 17% 17% 7451 7602 7680 8224 6. ΣΥΜΠΕΡΑΣΜΑΤΑ Από τα αποτελέσματα που παρουσιάστηκαν παραπάνω προκύπτουν διάφορα θέματα που αφορούν τη μεθοδολογία που υιοθετήθηκε για να εκτιμηθεί η επίδραση του αστικού μικροκλίματος στην απόδοση των ηλιακών συλλεκτών. Αυτά τα προβλήματα διαχέονται σε όλη τη διαδικασία του downscaling από τα μοντέλα προσομοίωσης καιρού στα μοντέλα προσομοίωσης κτιρίων και συστημάτων HVAC, καθώς και σε κάποιες επιλογές και αποφάσεις που ελήφθησαν κατά την εκτέλεση της μεθοδολογίας. Ειδικότερα, τα προβλήματα αφορούν: Την επιλογή της πόλης o Δεν υπήρχε διαθεσιμότητα πραγματικών κλιματικών δεδομένων για να συγκριθούν με αυτά που προήλθαν από τις προσομοιώσεις o Συγκεκριμένα χαρακτηριστικά της Λισσαβώνας όπως η παρουσία του ποταμού στο κέντρο της πόλης δυσκόλεψαν την ανίχνευση της αστικής νησίδας θερμότητας στα κλιματικά δεδομένα Προβλήματα με το ΜΜ5 o Το κύριο πρόβλημα με το ΜΜ5 αφορούσε στην απουσία μιας σωστής στατιστικής διαδικασίας για την επιλογή 12 τυπικών ημερών που το κλιματολογικό τους προφίλ να ήταν κοντά στις μακροχρόνιες μέσες τιμές των 12 μηνών του χρόνου. o Το δεύτερο πρόβλημα σχετίζεται με τις χρήσεις γης. Η περιοχή Cagoutinho αν και βρίσκεται έξω από την πόλη διέθετε ίδια χρήση γης (αστική) με τις άλλες δύο περιοχές (Geofisico και Baixa) που βρισκόταν στο κέντρο της πόλης. o Διάφορες παράμετροι του αστικού μικροκλίματος που τροποποιούν τα κλιματικά χαρακτηριστικά μιας περιοχής δεν ήταν δυνατό να συνυπολογιστούν όπως η αυξημένη ανθρωπογενής θερμότητα ή η αυξημένη ατμοσφαιρική ρύπανση. Προβλήματα με τους weather generators
o Τα μηνιαία και ημερήσια προφίλ των διαφόρων κλιματικών παραμέτρων παρήχθησαν με τη χρήση στατιστικών ή θερμοδυναμικών σχέσεων που έχουν αναδειχθεί από τη μελέτη κλιματικών δεδομένων μη αστικών περιοχών. Οι σχέσεις αυτές μπορεί κάλλιστα να χρειάζονται τροποποίηση όταν χρησιμοποιούνται σε αστικές περιοχές o Ο συγκεκριμένος weather generator (ENERWIN) που χρησιμοποιήθηκε χρειαζόταν τις τυπικές αποκλίσεις των θερμοκρασιών για να παράγει ωριαία δεδομένα. Ωστόσο, λόγω των περιορισμένων κλιματικών δεδομένων (12 ημέρες) τυπικές αποκλίσεις δεν ήταν δυνατό να υπολογιστούν. Συνεπώς, χρησιμοποιήθηκαν οι ίδιες τυπικές αποκλίσεις και για τις τέσσερις περιοχές. o Οι weather generators δεν είναι δυνατό να παράγουν σωστά αποτελέσματα για την ωριαία ταχύτητα και διεύθυνση ανέμου αφού η τελευταία επηρεάζεται έντονα από τοπικά χαρακτηριστικά. Από τα παραπάνω καθίσταται προφανές πως η εκτέλεση της μεθοδολογίας δεν ήταν η καλύτερη δυνατή. Ωστόσο, αυτό δεν υπονομεύει τη λειτουργικότητά της αφού με αυτήν καθίσταται δυνατή η παραγωγή κλιματικών δεδομένων που μπορούν να χρησιμοποιηθούν ενεργειακή προσομοίωση κτιρίων και συστημάτων που διαφορετικά θα απαιτούνταν κοστοβόρες και μακροχρόνιες μετρήσεις για να αποκτηθούν. ΕΥΧΑΡΙΣΤΙΕΣ Οι συγγραφείς επιθυμούν να ευχαριστήσουν την Ευρωπαϊκή Επιτροπή για τη χρηματοδότηση του ερευνητικού προγράμματος ATREUS. ΒΙΒΛΙΟΓΡΑΦΙΑ 1. Papadopoulos A.M., Moussiopoulos N., (2004) Towards a holistic approach for the urban environment and its impact on energy utilisation in buildings: the ATREUS project, Journal of Environmental Monitoring, 6, 841-848 2. Degelman L.O. 1991. A statistically-based hourly weather data generator for driving energy simulation and equipment design software for buildings, In Proc. 2nd International IBPSA Conference Building Simulation 91 in Nice, Sophia-Antipolis 3. http://www.meteotest.ch 4. Duffie, J. A., Beckman, W. A. Solar Engineering of Thermal Processes. 2nd ed. New York: John Wiley & Sons. 1991. 5. Hendron, R., Anderson, R., Christensen, C., Eastment, M., and Reeves, P. 2004. "Development of an Energy Savings Benchmark for All Residential End-Uses", Proceedings of SimBuild 2004, IBPSA-USA National Conference, Boulder, CO, August 4-6, 2004. 6. http://www.energyplus.gov