Method to evaluate the effects of neighbors' building morphology on solar irradiation
Méthode d'évaluation des effets de la morphologie des bâtiments voisins sur l'irradiation solaire
Résumé
Urbanization has led to increased energy consumption and greenhouse gas emissions, posing a challenge for designers and urban planners to reduce building carbon footprints. Building morphology plays a crucial role in mitigating building energy consumption. This paper explores the correlation between building morphology and solar irradiation intensity at an urban neighborhood scale. The study uses a BIM model of the city of Grenoble to extract morphological parameters and to run solar irradiation simulations. These data are extracted according to a fine resolution of a sensor point which is the fundamental measurement unit of ‘morpho-energetic’ correlation study. This data is then used to feed a Pearson correlation matrix. The findings reveal distinct patterns of relationship between morphological characteristics and solar irradiation for façades and roofs surfaces. The paper discusses the potential to incorporate sensor point level data to improve solar performance, as well as the opportunities associated with machine learning techniques for solar irradiation prediction.
L'urbanisation a entraîné une augmentation de la consommation d'énergie et des émissions de gaz à effet de serre, ce qui pose aux concepteurs et aux urbanistes le problème de la réduction de l'empreinte carbone des bâtiments. La morphologie des bâtiments joue un rôle crucial dans l'atténuation de la consommation d'énergie des bâtiments. Cet article étudie la corrélation entre la morphologie des bâtiments et l'intensité du rayonnement solaire à l'échelle d'un quartier urbain. L'étude utilise un modèle BIM de la ville de Grenoble pour extraire les paramètres morphologiques et effectuer des simulations d'irradiation solaire. Ces données sont extraites selon une résolution fine d'un point de capteur qui est l'unité de mesure fondamentale de l'étude de corrélation morpho-énergétique. Ces données sont ensuite utilisées pour alimenter une matrice de corrélation de Pearson. Les résultats révèlent des modèles distincts de relation entre les caractéristiques morphologiques et l'irradiation solaire pour les façades et les toits. L'article aborde le potentiel d'intégration des données des capteurs pour améliorer les performances solaires, ainsi que les opportunités associées aux techniques d'apprentissage automatique pour la prédiction de l'irradiation solaire.
