Tối ưu hóa tiện nghi nhiệt trong căn hộ chung cư được thông gió tự nhiên

Tạp chí Khoa học Kiến trúc & Xây dựng. Số: 17. Trang: 9-13. Năm 2015

TS.KTS. Nguyễn Anh Tuấn

Khoa Kiến trúc, Đại học Bách khoa thuộc Đại học Đà Nẵng

 

  1. Giới thiệu vấn đề nghiên cứu

Trong những năm gần đây, loại hình nhà ở chung cư đã phát triển mạnh mẽ trong các đô thị lớn ở nước ta, cho thấy những ưu việt của mô hình ở này trong việc giải quyết các bài toán quy hoạch, xây dựng, môi trường và nhu cầu nhà ở đô thị. Theo kết quả cuộc điều tra dân số và nhà ở năm 2009 [1], nhà ở dạng căn hộ hiện chiếm 16.64% và 6.13% lượng nhà ở ở Hà Nội và TP Hồ Chí Minh và các con số này vẫn đang tiếp tục tăng. Nhiệm vụ của các Kiến trúc sư (KTS) là làm sao tạo được các mô hình nhà ở chung cư bền vững, có công năng tốt, có giá trị thẩm mỹ và đáp ứng các yêu cầu kinh tế kỹ thuật. Xét trên khía cạnh công năng, ngoài việc đảm bảo tổ chức sắp xếp không gian hợp lý, người KTS còn phải lựa chọn các giải pháp thiết kế nhằm đảm bảo tiện môi trường bên trong căn hộ như: tiên nghi nhiệt, tiện nghi tiếng ồn, tiện nghi chiếu sáng, chất lượng không khí…

Trong điều kiện khí hậu nóng ẩm, căn hộ thông gió tự nhiên là một lựa chọn hợp lý và rất phổ biến ở nước ta, đặc biệt là các căn hộ dành cho người có thu nhập thấp. Đặc trưng của căn hộ thông gió tự nhiên là điều kiện môi trường trong nhà thường phụ thuộc nhiều vào điều kiện ngoài trời, vốn nóng và ẩm. Vì không có điều hòa không khí, nên vấn đề tiện nghi nhiệt luôn là mối quan tâm hàng đầu của người ở. Đó cũng là nhiệm vụ trọng tâm mà người thiết kế phải giải quyết trong căn hộ thông gió tự nhiên.

Khi thiết kế, bằng tri thức kinh nghiệm, các KTS thường vận dụng các chiến lược thiết kế thụ động giúp công trình đạt hiệu năng tốt hơn. Trên thực tế, điều này chỉ đạt hiệu quả vừa phải do các KTS thường phải đối mặt với những sự lựa chọn khó khăn. Ví dụ: diện tích cửa sổ kính bao nhiêu là vừa – khi mở lớn sẽ thông gió và chiếu sáng tốt hơn, nhưng lại nhận nhiều bức xạ mặt trời (BXMT) khiến công trình nóng bức; hay tường ngoài nên có cách nhiệt hay không – nếu không có thì công trình ấm hơn vào mùa lạnh và nóng hơn vào mùa hè, do nhiều BXMT được hấp thu qua tường vào nhà.

Bài báo này giới thiệu kết quả giai đoạn 1 trong một dự án nghiên cứu lớn hơn nhằm xây dựng một phương pháp thiết kế nhà ở dạng chung cư có giá thành tối ưu mà vẫn đảm bảo tiện nghi nghiệt trong nhà, một dạng bài toán tối ưu hóa đa mục tiêu. Mục tiêu giai đoạn 1 của dự án là đi tìm giải pháp nhằm giảm thiểu bất tiện nghi nhiệt trong căn hộ chỉ thông qua các giải pháp thiết kế thụ động và sự vận hành công trình một cách thông minh.

Nghiên cứu này chọn một căn hộ chung cư thu nhập thấp điển hình làm đối tượng nghiên cứu. Căn hộ này có 2 phòng ngủ – 53 m2 – thuộc một tòa chung cư 7 tầng dành cho người tái định cư ở quận Sơn Trà, thành phố Đà Nẵng (xem chi tiết căn hộ trong Hình 1). Mục tiêu cụ thể của nghiên cứu là: (i) đánh giá điều kiện tiện nghi trong căn hộ đã có; và (ii) đi tìm các giải pháp thiết kế – vận hành nhằm tối ưu hóa tiện nghi nhiệt (một dạng của bài toán tối ưu hóa 1 mục tiêu).

h1

Hình 1: Chi tiết căn hộ được chọn làm đối tượng nghiên cứu

  1. Phương pháp nghiên cứu

Để giải quyết các mục tiêu đặt ra, nghiên cứu này phải sử dụng các phương pháp định lượng nhằm tính toán chính xác điều kiện tiện nghi trong căn hộ. Hai phương pháp cơ bản (tương ứng với 2 bước) được giới thiệu trong bài báo này là:

  • Bước 1: Phương pháp quan trắc đo đạc thực tế;
  • Bước 2: Phương pháp tối ưu hóa dựa trên mô phỏng hiệu năng công trình.

Trong bước 1, phương pháp quan trắc đo đạc được áp dụng để quan trắc điều kiện môi trường thực tế trong căn hộ. Máy đo được sử dụng là máy ghi nhiệt độ, độ ẩm không khí và độ rọi HOBO-U12 của hãng Onset. Máy có khả năng tự động ghi các thông số nói trên từng giờ và ghi liên tục trong khoảng 2 năm. Chúng tôi quan trắc nhiệt độ và độ ẩm không khí từng giờ trong phòng ngủ 1 của căn hộ trong toàn bộ tháng 5 năm 2012. Máy đo đặt trên tường phòng ngủ 1 ở độ cao 1.5 m để tránh trẻ em (điểm tròn màu đỏ trong Hình 1). Bức tường đặt máy đo không tiếp xúc với ngoài trời, do đó ít chịu bức xạ nhiệt làm ảnh hưởng kết quả đo.  Trong căn hộ khảo sát, phòng ngủ 1 có hai mặt tường tiếp xúc với bên ngoài, nên khi thời tiết thay đổi điều kiện môi trường trong phòng có biến động nhiều nhất so với các phòng còn lại. Do đó, nếu dữ liệu mô phỏng trên máy tính thống nhất với dữ liệu quan trắc trong phòng ngủ 1 thì sự đồng nhất ở các phòng còn lại cũng sẽ dễ dàng đạt được.

Căn hộ nghiên cứu được mô hình hóa trên chương trình mô phỏng hiệu năng công trình EnergyPlus của Bộ Năng lượng Mỹ. Mô hình EnergyPlus của căn hộ cho phép chúng ta đánh giá toàn diện tiện nghi nhiệt của căn hộ trong suốt 1 năm bằng cách thực hiện mô phỏng trên máy tính. Kết quả quan trắc và đo đạc nói trên được dùng để so sánh với kết quả mô phỏng của EnergyPlus, cho phép chúng ta hiệu chỉnh và đánh giá độ tin cậy của mô hình mô căn hộ trong EnergyPlus.

Trong bước 2, mô hình căn hộ trong EnergyPlus – sau khi đã được kiểm nghiệm độ tin cậy – được tối ưu hóa với mục tiêu là giảm thiểu bất tiện nghi nhiệt trong căn hộ trong suốt 1 năm bằng cách điều chỉnh các tham số của mô hình. Quá trình điều chỉnh này được tự động hóa hoàn toàn bằng một vòng lặp liên tục, trong đó chương trình EnergyPlus được kết nối với một thuật toán tối ưu hóa thông qua một giao diện có tên là GenOpt như sau (xem thêm trong Hình 2):

  • EnergyPlus sẽ thực hiện mô phỏng đối với mô hình căn hộ đầu tiên và cho ra kết quả tiện nghi nhiệt tương ứng;
  • Thuật toán tối ưu hóa có nhiệm vụ đánh giá kết quả thu được, phán đoán và đưa ra một mô hình căn hộ mới theo hướng cải thiện tiện nghi nhiệt;
  • EnergyPlus được tái khởi động (bằng tập tin EnergyPlus.bat trong GenOpt) để mô phỏng căn hộ mới do thuật toán tối ưu hóa đưa ra;
  • Quá trình này lặp đi lặp lại một cách tự động cho đến khi tiện nghi nhiệt không còn được cải thiện, mô hình căn hộ thu được khi đó là mô hình tối ưu.h2

Hình 2: Vòng lặp tự động tối ưu hóa bởi GenOpt và EnergyPlus

 

t1

Các thuật toán được phát triển để giải quyết các bài toán tối ưu hóa. Cùng với những tiến bộ nhanh chóng của khoa học máy tính, các thuật toán tối ưu hóa cũng phát triển nở rộ. Theo một nghiên cứu của tác giả [2], hiện đã có rất nhiều loại thuật toán tối ưu hóa như: nhóm thuật toán tìm kiếm trực tiếp (direct search family), nhóm toán rời rạc, nhóm dựa trên đạo hàm của hàm số, nhóm tìm kiếm ngẫu nhiên, nhóm kết hợp các thuật toán (nhóm lai)… Trong nghiên cứu này, tác giả chọn và sử dụng một thuật toán lai – là sự kết hợp của thuật Tối ưu hóa bầy đàn và thuật toán Hooke-Jeeves. Thuật tối ưu hóa bầy đàn, được đề xuất lần đầu bởi Eberhart R. C. và Kennedy J. [3], bắt chước quá trình tìm kiếm thức ăn của một đàn chim hay một đàn cá, giúp chúng nhanh chóng tìm được địa điểm có nhiều thức ăn nhất trong không gian rộng lớn. Thuật toán Hooke-Jeeves [4] (thuộc nhóm thuật toán tìm kiếm trực tiếp) giúp tìm kiếm trong phạm vi hẹp hiệu quả, hỗ trợ cho thuật toán bầy đàn trong việc tìm giải pháp tốt nhất. Kết hợp 2 thuật toán này tạo ra thuật toán lai (về bản chất là tối ưu hóa 2 lần riêng rẽ). Trong một nghiên cứu so sánh hiệu quả của 8 thuật toán tối ưu khác nhau, Wetter và Wright [5] phát hiện rằng thuật toán lai nói trên là phương pháp hiệu quả nhất (tìm được giải pháp tối ưu tốt nhất và nhanh).

Các thuật toán tối ưu hóa được lập trình sẵn trên GenOpt, sau đó được tác giả kết nối với EnergyPlus thông qua các file lệnh (*.bat, *.ini, *.txt) để tạo thành vòng lặp tối ưu hóa và các thiết lập tối ưu hóa.

Tiêu chuẩn dùng để đánh giá tiện nghi nhiệt trong công trình là mô hình tiện nghi nhiệt thích ứng dành cho công trình thông gió tự nhiên ở vùng khí hậu nóng ẩm (xem [6]) có dạng sau:

t2

Trong đó:  là nhiệt độ trung bình ngoài trời hàng tháng và  là nhiệt độ tiện nghi trong căn hộ của tháng tương ứng.

  1. Các kết quả đạt được

Kết quả bước 1:

Mô hình căn hộ trong EnergyPlus sau nhiều lần hiệu chỉnh đã cho ra kết quả mô phỏng rất gần với kết quả quan trắc thực tế (xem Hình 3). Điều này chứng minh rằng kết quả mô phỏng là rất tin cậy và mô hình căn hộ trong EnergyPlus là gần như hoàn chỉnh.

h3

Hình 3: So sánh kết quả quan trắc thực tế phòng ngủ 1 và kết quả mô phỏng của mô hình căn hộ trong EnergyPlus

Chúng tôi thực hiện mô phỏng trong suốt 1 năm cho 3 địa phương đại diện cho 3 miền khí hậu ở Việt Nam là Hà Nội ở miền Bắc, Đà Nẵng ở miền Trung, và TP Hồ Chí Minh ở miền Nam. Bảng 1 cho thấy kết quả điều kiện tiện nghi nhiệt trong căn hộ thực tế khi đặt tại 3 địa phương. Có thể thấy tại Hà Nội, thời gian bất tiện nghi nhiệt trong căn hộ là lớn nhất, do đặc trưng khí hậu cận nhiệt đới ẩm của Hà Nội (có mùa Đông lạnh).

Bảng 1: Tiện nghi nhiệt trong các căn hộ trong suốt 1 năm

  Bất tiện nghi – 1 năm (giờ)
  Hà Nội Đà Nẵng TP HCM
Phòng ngủ 1 2304 940 1293
Phòng ngủ 2 2262 955 1354
Phòng khách 2269 965 1207
Trung bình 2278 953 1285
% bất tiện nghi 26.0% 10.9% 14.7%

 

Kết quả bước 2:

Các thông số thiết kế tham gia vào quá trình tối ưu hóa được nêu trong Bảng 2 và 3. Mỗi thông số thiết kế được hiểu là một biến số với miền xác định (min, max) và các khoảng chia (Bảng 2) hoặc các giá trị rời rạc (Bảng 3). Mỗi thông số sẽ có một số lựa chọn cho người thiết kế. Kết hợp các thông số sẽ cho ra  mô hình căn hộ khác nhau. Nếu từng mô hình căn hộ được mô phỏng lần lượt để biết mức tiện nghi nhiệt, và mỗi mô phỏng mất khoảng 2 phút để hoàn tất, cần phải có 1492 năm để hoàn tất mô phỏng. Dĩ nhiên, phương pháp tối ưu hóa thực hiện công việc trên theo cách thông minh hơn.

Bảng 2: Các tham số thiết kế tham gia vào quá trình tối ưu hóa (ở dạng biến liên tục)

Thông số thiết kế Tên biến Min Max Bước chia Số lựa chọn
Hệ số hấp thu bức xạ mặt trời (màu sơn) x1 0.25 0.75 0.1 6
Độ rò khí – cửa sổ [kg/s-m] x2 0.004 0.012 0.002 5
Độ rò khí – cửa đi ra balcony [kg/s-m] x3 0.004 0.012 0.002 5
Chiều rộng cửa sổ P. Ngủ 1 (cao = 1.42m) [m] x4 1.2 2.2 0.2 6
Chiều rộng cửa sổ P. Ngủ 2 (cao = 1.42m) [m] x5 1.2 2.2 0.2 6
Độ rộng ô văng cửa sổ 1 [m] x6 0 0.8 0.2 5
Độ rộng ô văng cửa sổ 2 [m] x7 0 0.8 0.2 5
Tấm che nắng ngang hướng Đông bổ sung [m] x8 0 0.6 0.2 4
Tấm che nắng ngang hướng Tây bổ sung [m] x9 0 0.6 0.2 4

Bảng 3: Các lựa chọn thiết kế tham gia vào quá trình tối ưu hóa (ở dạng biến rời rạc)

Yếu tố Các lựa chọn khi thiết kế Tên biến Giá trị được gán Số lựa chọn
Tường ngoài Tường gạch 110 x10

 

100 7
Tường gạch 220 101
Tường gạch 2 lớp 220 – cách nhau 20 102
Tường gạch 2 lớp 220 – xốp cách nhiệt 10 103
Tường gạch 2 lớp 220 – xốp cách nhiệt 20 104
Tường gạch 2 lớp 220 – xốp cách nhiệt 30 105
Tường gạch 2 lớp 220 – xốp cách nhiệt 40 106
Kiểu cửa sổ Kính trong suốt 5 mm x11

 

200 5
Kính dán film cách nhiệt màu đồng 6 mm 201
Kính trong 2 lớp có không khí ở giữa 202
Kính 2 lớp có film cách nhiệt 203
Kính phản quang 2 lớp – có Argon ở giữa 204
Chiến lược thông gió 9 chiến lược thông gió khác nhau (thông gió theo mùa, theo  ngày hoặc đêm) x12 400 đến 409 10
Khối nhiệt trong nhà Tường dày 100 x13 600 4
Tường dày 170 601
Tường dày 240 602
Tường dày 310 603

Hình 4 cho thấy diễn biến của quá trình tối ưu hóa tự động cho căn hộ ở Hà Nội và mức độ bất tiện nghi trong căn hộ giảm dần. Tại lần mô phỏng thứ 2584, kết quả tối ưu đạt được là 514 giờ bất tiện nghi và quá trình kết thúc thành công. Tổng thời gian cần thiết cho quá trình khoảng 22 giờ trên hệ thống CPU 4×2.53 GHz, 4 Gb RAM.

h4

Hình 4: Sự cải thiện tiện nghi nhiệt trong các phương án căn hộ trong quá trình tối ưu hóa

Hình 5 giới thiệu kết quả tối ưu hóa căn hộ tại cả 3 địa phương. So với căn hộ nguyên bản, các phương án tối ưu đã giảm thời gian bất tiện nghi rất nhiều. Đặc biệt trong trường hợp của Đà Nẵng, căn hộ gần như tiện nghi quanh năm. Ở TP Hồ Chí Minh, số giờ bất tiện nghi chỉ còn 128 giờ. Riêng Hà Nội, số giờ bất tiện nghi tối thiểu là 514 giờ, và Hà Nội cần thêm môt số biện pháp kiểm soát môi trường chủ động (sưởi hoặc điều hòa) để căn hộ đảm bảo tiện nghi quanh năm. Qua kết quả này, chúng ta thấy rằng phương pháp thiết kế có tối ưu hóa đem lại hiệu quả cao mà một thiết kế thông thường khó lòng đạt được.

h5

Hình 5: Tiện nghi nhiệt trong căn hộ tối ưu, so với căn hộ ban đầu và giải pháp tối ưu

Hình 5 cũng cho thấy giải pháp tối ưu tương ứng với 3 địa phương. Ở Hà Nội, giải pháp thiết kế tối ưu là: sơn tường ngoài màu sáng, các cửa phải kín gió, các cửa sổ có độ rộng vừa phải (tránh nhận nhiều BXMT), mở rộng tối đa ô văng cửa và các tấm che nắng, tường ngoài 200mm và có cách nhiệt dày, cửa sổ kính 2 lớp có phim cách nhiệt (hạn chế BXMT), tổ chức thông gió đêm vào mùa hè (các mùa còn lại nên đóng mở cửa tùy theo thời tiết), trong nhà có khối xây lớn để ổn định nhiệt. Đối với địa phương Đà Nẵng, giải pháp tối ưu về cơ bản giống ở Hà Nội, nhưng các tấm che nắng kích thước vừa phải (không cần quá lớn). Ở TP Hồ Chí Minh, giải pháp tối ưu gần giống ở Hà Nội, nhưng chiến lược thông gió cho căn hộ là nên thông gió vào ban đêm quanh năm (vì ban đêm, nhiệt độ không khí thường hạ thấp so với ban ngày, giúp “làm nguội” công trình cho ngày tiếp theo). Những kết quả này giúp người thiết kế xác định được các chiến lược thiết kế thụ động phù hợp cho từng địa phương nhằm đảm bảo tốt tiện nghi nhiệt bên trong công trình và có thể mở rộng cho các loại hình công trình khác.

  1. Kết luận

Bài báo này giới thiệu một phương pháp thiết kế mới nhằm kiểm soát và nâng cao hiệu năng của công trình. Phương pháp này dựa trên mô phỏng hiệu năng công trình bằng máy tính và tối ưu hóa bằng thuật toán. Mục tiêu thiết kế được tối ưu hóa thông qua các giải pháp thiết kế và vận hành công trình hợp lý. Kết quả tối ưu hóa cho thấy sự cải thiện rõ rệt hiệu năng của công trình (tiện nghi nhiệt) so với công trình nguyên bản. Kết quả của phương pháp cũng gợi mở các giải pháp thiết kế có lợi cho công trình mà có thể xem xét vận dụng cho công trình khác. Nghiên cứu này cũng đang được mở rộng nhằm tối ưu hóa đồng thời cả tiện nghi nhiệt và giá thành xây dựng, nhằm đáp ứng nhu cầu nhà ở của người dân có thu nhập trung bình trong xã hội.

Phương pháp sử dụng trong nghiên cứu này cũng phù hợp để áp dụng thiết kế công trình xanh, công trình hiệu quả năng lượng… vì khả năng đáp ứng các yêu cầu nghiêm ngặt của các loại hình công trình này.

Tài liệu tham khảo

[1]   CPHSC, The 2009 Vietnam population and housing census: completed results. Hà Nội, Nhà xuất bản thống kê, 2010.

[2]   Nguyễn, A. T., Reiter, S. và Rigo, P. A review on simulation-based optimization methods applied to building performance analysis. Applied Energy, Elsevier, 2014, Tập 113, trang 1043-1058.

[3]   Eberhart, R. C. và Kennedy, J., A new optimizer using particle swarm theory. Nagoya, IEEE, Proceedings of the Sixth International Symposium on Micro Machine and Human Science, 1995, Tập 43, trang 39-43.

[4]   Hooke, R. và Jeeves, J., ‘Direct Search’ Solution of Numerical and Statistical Problems, Journal of the Association for Computing Machinery, 1961, tập 8(2), trang 212-229.

[5]   Wetter, M. và Wright, J. A., A comparison of deterministic and probabilistic optimization algorithms for nonsmooth simulation-based optimization, Building and Environment, Elsevier, 2004, tập 39, trang 989 – 999.

[6]   Nguyễn, A. T., Singh, M. K. và Reiter, S., An adaptive thermal comfort model for hot humid South-East Asia, Building and Environment,  Elsevier, 2012, tập 56, trang 291-300.

Advertisements

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s