АНАЛІЗ СУЧАСНИХ ПІДХОДІВ ДО ЕНЕРГОЕФЕКТИВНОГО ПЛАНУВАННЯ ВИКОРИСТАННЯ ПРИМІЩЕНЬ БУДІВЕЛЬ

О. Бондаренко; А.В. Бубліков

doi:10.34185/1562-9945-5-166-2026-17

Автор(и)

О. Бондаренко
А.В. Бубліков

DOI:

https://doi.org/10.34185/1562-9945-5-166-2026-17

Ключові слова:

енергетична ефективність, використання приміщень, планування, зайнятість, електричне опалення, прогнозування енерговитрат, система підтримки прийняття рішень, енергетичний профіль приміщення, людино-година

Анотація

Підвищення енергетичної ефективності будівель потребує узгодження роботи систем опалення, вентиляції та кондиціювання з просторово-часовою організацією використання приміщень. Метою статті є систематизація сучасних підходів до врахування зайнятості, теплових режимів і характеристик приміщень та обґрунтування постановки задачі енергоефективного планування їх використання. Проаналізовано наукові публікації останніх років за напрямами визначення й прогнозування зайнятості приміщень, енергетичного моделювання, прогнозного керування мікрокліматом, оптимізації розкладів та гнучкого використання простору. Показано, що наявні рішення переважно вдосконалюють окремі функції: формують температурні уставки за заданим розкладом, оцінюють зайнятість або оптимізують розклад без індивідуалізованого прогнозу витрат на опалення. За результатами контент-аналізу статей встановлено високу представленість рішень щодо кількісної зайнятості приміщень і значно нижчу представленість щодо перехідних теплових режимів, індивідуальних енергетичних профілів та функціонального статусу приміщень; критерій питомих енерговитрат на людино-годину у вибірці взагалі не використано. Обґрунтовано доцільність інтегрованої системи підтримки прийняття рішень, яка поєднує прогноз енерговитрат, організаційні обмеження та координацію локальних систем керування. Сформульовано мету подальших досліджень, комплекс завдань, очікувані результати й напрями практичного застосування.

Посилання

1. Yuan, Y., Song, C., Gao, L., Zeng, K., & Chen, Y. (2024). A review of current research on occupant-centric control for improving comfort and energy efficiency. Building Simulation, 17(10), 1675–1692. https://doi.org/10.1007/s12273-024-1170-1

2. Khan, I., Zedadra, O., Guerrieri, A., & Spezzano, G. (2024). Occupancy prediction in IoT-enabled smart buildings: Technologies, methods, and future directions. Sensors, 24(11), 3276. https://doi.org/10.3390/s24113276

3. Billanes, J. D., Ma, Z. G., & Jørgensen, B. N. (2025). Data-driven technologies for energy optimization in smart buildings: A scoping review. Energies, 18(2), 290. https://doi.org/10.3390/en18020290

4. Chaer, I., Ozarisoy, B., Elnour Ismail, M. A., Salari, S., & Ye, Z. (2025). Energy efficiency in educational buildings: A systematic review of smart technology integration and occupant behaviour. Building and Environment, 280, 113132. https://doi.org/10.1016/j.buildenv.2025.113132

5. Motuzienė, V., Bielskus, J., Lapinskienė, V., Rynkun, G., & Bernatavičienė, J. (2022). Office buildings occupancy analysis and prediction associated with the impact of the COVID-19 pandemic. Sustainable Cities and Society, 77, 103557. https://doi.org/10.1016/j.scs.2021.103557

6. Zelený, O., Fryza, T., Bravenec, T., Azizi, S., & Nair, G. (2024). Detection of room occupancy in smart buildings. Radioengineering, 33(3), 432–441. https://doi.org/10.13164/re.2024.0432

7. Wietzke, T., Gall, J., & Graichen, K. (2024). Occupancy prediction for building energy systems with latent force models. Energy and Buildings, 307, 113968. https://doi.org/10.1016/j.enbuild.2024.113968

8. Kong, M., Dong, B., Zhang, R., & O’Neill, Z. (2022). HVAC energy savings, thermal comfort and air quality for occupant-centric control through a side-by-side experimental study. Applied Energy, 306, 117987. https://doi.org/10.1016/j.apenergy.2021.117987

9. Lin, G., Casillas, A., Sheng, M., & Granderson, J. (2023). Performance evaluation of an occupancy-based HVAC control system in an office building. Energies, 16(20), 7088. https://doi.org/10.3390/en16207088

10. Nweye, K., & Nagy, Z. (2022). MARTINI: Smart meter driven estimation of HVAC schedules and energy savings based on Wi-Fi sensing and clustering. Applied Energy, 316, 118980. https://doi.org/10.1016/j.apenergy.2022.118980

11. Wang, Z., Calautit, J., Wei, S., Tien, P. W., & Xia, L. (2022). Real-time building heat gains prediction and optimization of HVAC setpoint: An integrated framework. Journal of Building Engineering, 49, 104103. https://doi.org/10.1016/j.jobe.2022.104103

12. Cong, Y., Hou, L., Wu, Y., Ma, Y., & Leiviskä, K. (2022). Development of a coupled EnergyPlus–MATLAB simulation based on LSTM for predictive control of HVAC system. Mathematical Problems in Engineering, 2022, 5912967. https://doi.org/10.1155/2022/5912967

13. Sun, S., Wang, J., Li, R., & Sun, Q. (2022). Preheating time estimation in intermittent heating with hot-water radiators by considering model uncertainties. Building and Environment, 226, 109734. https://doi.org/10.1016/j.buildenv.2022.109734

14. Sood, D., Alhindawi, I., Ali, U., McGrath, J. A., Byrne, M. A., Finn, D., & O’Donnell, J. (2023). Simulation-based evaluation of occupancy on energy consumption of multi-scale residential building archetypes. Journal of Building Engineering, 75, 106872. https://doi.org/10.1016/j.jobe.2023.106872

15. Mosteiro-Romero, M., Miller, C., Chong, A., & Stouffs, R. (2023). Elastic buildings: Calibrated district-scale simulation of occupant-flexible campus operation for hybrid work optimization. Building and Environment, 237, 110318. https://doi.org/10.1016/j.buildenv.2023.110318

16. Uddin, M. N., Chi, H.-L., Wei, H.-H., Lee, M., & Ni, M. (2022). Influence of interior layouts on occupant energy-saving behaviour in buildings: An integrated approach using agent-based modelling, system dynamics and building information modelling. Renewable and Sustainable Energy Reviews, 161, 112382. https://doi.org/10.1016/j.rser.2022.112382

17. Ono, E., Chong, A., & Lam, K. P. (2025). Occupant-centric zoning design framework for flexible workplaces: Impact of occupancy modeling and building operation. Building and Environment, 267, 112294. https://doi.org/10.1016/j.buildenv.2024.112294

18. Lyu, H., Herring, D., Chen, H., Zhou, S., Zhang, J., Wang, L., Zuo, Z., Andrews, J., Kočvara, M., Spill, F., Ninic, J., & Wang, S. (2025). A data-driven multi-objective optimisation framework for energy efficiency and thermal comfort in flexible building spaces. Energy and Buildings, 346, 116100. https://doi.org/10.1016/j.enbuild.2025.116100

19. Luo, X., Sun, Y., Liu, X., Gao, Y., Sun, H., & Liu, Y. (2022). Course timetable optimization for a university teaching building considering the building energy efficiency and time-varying thermal perception of students. Building and Environment, 219, 109175. https://doi.org/10.1016/j.buildenv.2022.109175

20. Liu, Y., Ming, H., Luo, X., & Hu, L. (2023). Timetabling optimization of classrooms and self-study rooms in university teaching buildings based on the building controls virtual test bed platform considering energy efficiency. Building Simulation, 16(2), 263–277. https://doi.org/10.1007/s12273-022-0938-4

21. Fathi, A., Hajialigol, P., Ahmadloo, A., Yousefi, H., & Salehi, M. (2023). Energy-based university timetabling model as a function of class, climate, and building conditions subject to educational constraints. Journal of Energy Management and Technology, 7(4), 264–273. https://doi.org/10.22109/JEMT.2023.394931.1446

22. Jiang, Y., & Luo, X. (2025). Optimization of university timetables considering students’ thermal sensation in classrooms. Energy and Built Environment, 6(5), 834–846. https://doi.org/10.1016/j.enbenv.2024.03.007

23. Zhou, Y., Wang, Y., Li, C., Ding, L., & Yang, Z. (2024). Energy-efficiency oriented occupancy space optimization in buildings: A data-driven approach based on multi-sensor fusion considering behavior-environment integration. Energy, 299, 131396. https://doi.org/10.1016/j.energy.2024.131396

24. Alfalah, B., Shahrestani, M., & Shao, L. (2025). Measuring the impact of occupancy numbers on energy consumption in a high-density building. Buildings, 15(19), 3598. https://doi.org/10.3390/buildings15193598