Побудова інтегрованого аналітичного простору для виявлення сукупного рівня енергоефективності будівлі

Заголовок (англійською): 
Development of an integrated analytical environment for determining the comprehensive level of building energy efficiency
Автор(и): 
Федорченко М. А.
Катін О. А.
Автор(и) (англ): 
Fedorchenko A.
Katin A.
Ключові слова (укр): 
енергоефективність; інтегрований аналітичний простір; енергетичне моделювання; великі дані; штучний інтелект; енергоспоживання; будівельні технології; оптимізація енергії
Ключові слова (англ): 
energy efficiency; integrated analytical space; energy modeling; big data; artificial intelligence; energy consumption; building technologies; energy optimization
Анотація (укр): 
Тема побудови інтегрованого аналітичного простору для виявлення сукупного рівня енергоефективності будівлі є надзвичайно актуальною в умовах підвищених вимог до енергозбереження в будівельній сфері. Зростання цін на енергоносії, екологічні виклики та нормативно-правові ініціативи стимулюють необхідність створення систем, які здатні точно аналізувати енергетичну ефективність об’єктів на всіх етапах їх життєвого циклу. Сучасні інформаційні технології дозволяють інтегрувати в єдине середовище величезні масиви даних – від конструктивних особливостей до поведінкових моделей споживання енергії. Розробка такого простору передбачає поєднання архітектурно-проєктної інформації з параметрами енергоспоживання, експлуатаційними даними, кліматичними умовами, сценаріями навантажень, а також інформацією про енергоефективні заходи. Використання інструментів аналізу великих даних (Big Data), машинного навчання, IoT, цифрових сенсорів та платформ типу Building Management Systems (BMS) забезпечує глибоку діджиталізацію процесу оцінювання. Ключовим у побудові такого аналітичного середовища є концепція цифрового двійника будівлі, що дозволяє в режимі реального часу моделювати енергетичні процеси, відслідковувати відхилення від нормативних показників та адаптувати стратегії енергоуправління. Інтеграція систем енергетичного моніторингу з архітектурною BIM-моделлю забезпечує створення повноцінної цифрової платформи управління ефективністю. Впровадження інтегрованого аналітичного простору дозволяє архітекторам, інженерам, девелоперам та експлуатуючим організаціям приймати обґрунтовані рішення щодо вибору матеріалів, технологій та систем. Це сприяє не лише зниженню енергоспоживання та витрат, а й скороченню викидів парникових газів, підтримуючи цілі сталого розвитку та екологічного будівництва. Метою побудови такого простору є розробка інтелектуальної системи, що автоматично обробляє та аналізує всі аспекти енергоспоживання, забезпечуючи досягнення оптимальних показників енергоефективності на всіх стадіях – від концепції до експлуатації.
Анотація (англ): 
The topic of building an integrated analytical space for determining the cumulative level of energy efficiency of a building is extremely relevant in the context of increased demands for energy saving in the construction sector. Rising energy prices, environmental challenges, and regulatory initiatives stimulate the need to create systems capable of accurately analyzing the energy efficiency of objects at all stages of their life cycle. Modern information technologies allow integrating vast amounts of data into a single environment – from structural features to behavioral models of energy consumption. The development of such a space involves combining architectural and design information with energy consumption parameters, operational data, climatic conditions, load scenarios, as well as information on energy-efficient measures. The use of Big Data analysis tools, machine learning, IoT, digital sensors, and platforms such as Building Management Systems (BMS) ensures deep digitalization of the evaluation process. Key to building such an analytical environment is the concept of a building's digital twin, which allows real-time modeling of energy processes, tracking deviations from normative indicators, and adapting energy management strategies. The integration of energy monitoring systems with the architectural BIM model ensures the creation of a full-fledged digital platform for efficiency management. The implementation of an integrated analytical space allows architects, engineers, developers, and operating organizations to make informed decisions regarding the choice of materials, technologies, and systems. This contributes not only to reducing energy consumption and costs, but also to reducing greenhouse gas emissions, supporting the goals of sustainable development and green building. The purpose of building such a space is to develop an intelligent system that automatically processes and analyzes all aspects of energy consumption, ensuring optimal energy efficiency indicators at all stages – from concept to operation.
Публікатор: 
Київський національний університет будівництва і архітектури
Назва журналу, номер, рік випуску (укр): 
Управління розвитком складних систем, номер 63, 2025
Назва журналу, номер, рік випуску (англ): 
Management of Development of Complex Systems, number 63, 2025
Мова статті: 
Українська
Формат документа: 
application/pdf
Документ: 
201-211.pdf
Дата публікації: 
24 Сентябрь 2025
Номер збірника: 
63
Розділ: 
ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ ПРОЄКТУВАННЯ
Університет автора: 
Київський національний університет будівництва і архітектури, Київ
Литература: 

1.     Пристинська І. В. Особливості атрибуції будівельних проектів в господарському портфелі девелоперської компанії: зміна парадигми та інноваційні рішення управління активами будівельної організації. Шляхи підвищення ефективності будівництва в умовах формування ринкових відносин: зб. наук. праць. 2017. Вип. 35. Ч. 3. С. 67–76.

2.     Solow R. On Theories of Unemployment. American Economic Review. 1980. 230 p.

3.     Бушуева Н. С. Модели и методы проактивного управления программами организационного развития. Київ: Наук. світ, 2007. 270 с.

4.     Гаффаріанхосейні А., Бернандес А., Матар П., Альвадор А. Оцінка енергетичної ефективності будівель: огляд методів, що базуються на аналізі даних. Energy and Buildings. 2017. Вип. 153. С. 86–103.

5.     Аль-Аджмі Ф., Ханбі В. І. Моделювання енергоспоживання для житлових будинків у Кувейті. Energy and Buildings. 2008. Вип. 40, № 6. С. 1101–1109.

6.     Roman A., Andrii S., Galyna R., Iurii C., Hаnna S. (2022). Integration of data flows of the construction project life cycle to create a digital enterprise based on building information modeling. International Journal of Emerging Technology and Advanced Engineering. 2022. 12(1). P. 40–50.

7.     Кроулі Д. Б., Лофтінг Л. К., Кноль В. Д., Педерсен Дж. В. EnergyPlus: створення програми нового покоління для моделювання енергетичної ефективності будівель. Energy and Buildings. 2001. Вип. 33, № 4. С. 319–331.

8.     Гонсалес П. А., Замаррено Дж. М. Прогноз енергоспоживання будівель за допомогою зворотної штучної нейронної мережі. Energy and Buildings. 2005. Вип. 37, № 6. С. 595–601.

9.     Chupryna G., Ryzhakova V., Pokolenko D., Prykhodko D., Faizullin A. Establishment of the rational economic and analytical basis for projects in different sectors for their integration into the targeted diversified program for sustainable energy development. 2021 IEEE International Conference on Smart Information Systems and Technologies (SIST). 2021. P. 1–9.

10.  Хонг Т., Чен Х., Чаблінський Д. Комерційний енергозберігач будівель: Інструмент аналізу енергоефективності реконструкції. Applied Energy. 2015. Вип. 159. С. 298–309.

11.  Веттер М. GenOpt® – Універсальна програма для оптимізації. Energy and Buildings. 2002. Вип. 34, № 9.
С. 999–1005.

12.  О'Доннелл Дж. Т., Деркач К. Т., Поллак Р. А. Роль BIM у зеленому проектуванні будівель. Automation in Construction. 2014. Вип. 40. С. 126–135.

13.  Санґвінетті П., Шен В. Інформаційне моделювання будівель та стійкість: зелене проектування в Autodesk Revit. Architectural Engineering and Design Management. 2012. Вип. 8, № 1. С. 28–39.

14.  Міністерство енергетики США. EnergyPlus Engineering Reference: Довідник по розрахунках EnergyPlus. 2016. 315 с.

15.  Зуо Дж., Чжао З. І. Дослідження зелених будівель: поточний стан і майбутні перспективи. Renewable and Sustainable Energy Reviews. 2014. Вип. 30. С. 271–281.

16.  Shpakova H., Chupryna I., Ivakhnenko I., Zinchenko M., Plys N. Tools For Assessing The Competitiveness Of A Construction Company As A Contractor In Public-Private Partnership Projects. SIST 2024 - 2024 IEEE 4th International Conference on Smart Information Systems and Technologies, Proceedings. 2024. P. 473–481.

17.  Рахмані М., Абдуллах Д., Шах С. Гібридний алгоритм багатокритеріальної оптимізації для підвищення енергоефективності будівель. Energy and Buildings. 2016. Вип. 127. С. 524–535.

18.  Chupryna I., Tormosov R., Aryn A., Horbach M., Prykhodko D., Polzikov M. The Updated Tool for Selecting Projects for the Target Programs of Sustainable Energy Development. SIST 2023 - 2023 IEEE International Conference on Smart Information Systems and Technologies, Proceedings. 2023. P. 457–467.

19.  Байнум П., Ісса Р. Р., Олбіна С. Інформаційне моделювання будівель на підтримку сталого проектування та будівництва. Journal of Construction Engineering and Management. 2013. Вип. 139, № 1. С. 24–34.

20.  Рижакова Г. М., Чуприна Ю. А. Формування будівельного кластеру у форматі державних інвестиційних цільових програм. Шляхи підвищення ефективності будівництва в умовах формування ринкових відносин. 2019. Вип. 40. С. 19–24. URL: http://ways.knuba.edu.ua/issue/view/11913.

References: 

1.     Prystynska, I. V. (2017). Peculiarities of attribution of construction projects in the economic portfolio of a development company: Changing the paradigm and innovative asset management solutions for a construction organization. In Ways to increase the efficiency of construction in the conditions of market relations: Coll. Sci. Works (Vol. 35, Part 3, pp. 67–76). Kyiv: KNUBA.

2.     Solow, R. (1980). On Theories of Unemployment. American Economic Review, 230.

3.     Bushuyeva, N. S. (2007). Models and methods of proactive management of organizational development programs. Kyiv: Nauk. svit (Scientific World).

4.     Ghaffarianhoseini, A., Beranadez, A., Matar, P., & Alvador, A. (2017). Evaluation of building energy efficiency: A review of data-driven methods. Energy and Buildings, 153, 86–103.

5.     Al-Ajmi, F., & Hanby, V. I. (2008). Energy consumption modeling for residential buildings in Kuwait. Energy and Buildings, 40 (6), 1101–1109.

6.     Roman, A., Andrii, S., Galyna, R., Iurii, C., & Hanna, S. (2022). Integration of data flows of the construction project life cycle to create a digital enterprise based on building information modeling. International Journal of Emerging Technology and Advanced Engineering, 12 (1), 40–50.

7.     Crowley, D. B., Lofting, L. C., Knoll, W. D., & Pedersen, J. W. (2001). EnergyPlus: Creating a new generation program for building energy efficiency modeling. Energy and Buildings, 33 (4), 319–331.

8.     Gonzales, P. A., & Zamarreño, J. M. (2005). Prediction of building energy consumption using a back-propagation artificial neural network. Energy and Buildings, 37 (6), 595–601.

9.     Chupryna, G., Ryzhakova, V., Pokolenko, D., Prykhodko, D., & Faizullin, A. (2021). Establishment of the rational economic and analytical basis for projects in different sectors for their integration into the targeted diversified program for sustainable energy development. 2021 IEEE International Conference on Smart Information Systems and Technologies (SIST), 1–9.

10.  Hong, T., Chen, H., & Chablinksy, D. (2015). Commercial building energy saver: A tool for energy efficiency analysis of renovations. Applied Energy, 159, 298–309.

11.  Wetter, M. (2002). GenOpt® – A universal optimization program. Energy and Buildings, 34 (9), 999–1005.

12.  O'Donnell, J. T., Derkach, K. T., & Pollak, R. A. (2014). The role of BIM in green building design. Automation in Construction, 40, 126–135.

13.  Sanguinetti, P., & Shen, W. (2012). Building information modeling and sustainability: Green design in Autodesk Revit. Architectural Engineering and Design Management, 8 (1), 28–39.

14.  U.S. Department of Energy. (2016). EnergyPlus engineering reference: A guide to EnergyPlus calculations.

15.  Zuo, J., & Zhao, Z. I. (2014). Green building research: Current status and future prospects. Renewable and Sustainable Energy Reviews, 30, 271–281.

16.  Shpakova, H., Chupryna, I., Ivakhnenko, I., Zinchenko, M., & Plys, N. (2024). Tools for assessing the competitiveness of a construction company as a contractor in public-private partnership projects. SIST 2024 – 2024 IEEE 4th International Conference on Smart Information Systems and Technologies, Proceedings, 473–481.

17.  Rahmani, M., Abdullah, D., & Shah, S. (2016). A hybrid multi-objective optimization algorithm for improving building energy efficiency. Energy and Buildings, 127, 524–535.

18.  Chupryna, I., Tormosov, R., Aryn, A., Horbach, M., Prykhodko, D., & Polzikov, M. (2023). The updated tool for selecting projects for the target programs of sustainable energy development. SIST 2023 - 2023 IEEE International Conference on Smart Information Systems and Technologies, Proceedings, 457–467.

19.  Bynum, P., Issa, R. R., & Olbina, S. (2013). Building information modeling in support of sustainable design and construction. Journal of Construction Engineering and Management, 139 (1), 24–34.

20.  Ryzhakova, H. M., & Chupryna, Yu. A. (2019). Formation of a construction cluster in the format of state investment target programs. Ways to increase the efficiency of construction in the conditions of market relations, 40, 19–24. http://ways.knuba.edu.ua/issue/view/11913.