Adaptive optimization of ventilation in educational buildings using grey box models
Saved in:
| Title: | Adaptive optimization of ventilation in educational buildings using grey box models |
|---|---|
| Authors: | Tugores Garcias, Juan |
| Contributors: | University/Department: Universitat Politècnica de Catalunya. Departament d'Enginyeria Civil i Ambiental |
| Thesis Advisors: | Macarulla Martí, Marcel, Gangolells Solanellas, Marta |
| Source: | TDX (Tesis Doctorals en Xarxa) |
| Publisher Information: | Universitat Politècnica de Catalunya, 2025. |
| Publication Year: | 2025 |
| Physical Description: | 162 p. |
| Subject Terms: | Indoor air quality (IAQ), Natural ventilation, Educational buildings, CO₂ generation rate, Thermal dynamics, Grey box modelling, Model predictive control (MPC), Heating, ventilation and air conditioning (HVAC) systems, Airborne infection risk, Optimization, Calidad del aire interior (CAI), Ventilación natural, Edificios educativos, Tasa de generación de CO2, Riesgo de infección aérea, Dinámica térmica, Modelización de caja gris, Control predictivo basado en modelos (MPC), Sistemas de calefacción, ventilación y aire acondicionado (HVAC), Optimización, Qualitat de l’aire interior (QAI), Ventilació natural, Edificis educatius, Taxa de generació de CO2, Risc d’infecció aèria, Dinàmica tèrmica, Modelització de caixa grisa, Control predictiu basat en models (MPC), Sistemes de calefacció, ventilació i aire condicionat (HVAC), Optimització, Àrees temàtiques de la UPC::Enginyeria civil, Àrees temàtiques de la UPC::Edificació, 624 - Enginyeria civil i de la construcció en general, 69 - Materials de construcció. Pràctiques i procediments de construcció |
| Description: | Tesi en modalitat de compendi de publicacions |
| Description (Translated): | (English) Indoor air quality (IAQ) is a fundamental determinant of healthy and productive indoor environments, particularly in educational buildings where poor ventilation can impair cognitive performance, increase absenteeism and elevate the risk of airborne disease transmission. In Mediterranean regions, most schools still rely on natural ventilation owing to mild climates and historically low energy demands. However, its effectiveness is strongly influenced by occupant behaviour and weather variability, often leading to inconsistent airflow and thermal discomfort. Conversely, conventional heating, ventilation, and air conditioning (HVAC) systems ensure stable IAQ and thermal conditions but consume between 40 to 60% of total building energy, posing a persistent challenge in balancing health protection, comfort, and energy efficiency. This doctoral research addresses this challenge by developing an integrated methodology that combines long-term field monitoring, grey box modelling and adaptive model predictive control (MPC). The overarching goal is to optimize ventilation systems that maintain adequate IAQ and thermal comfort, minimise energy use and mitigate airborne infection risks in educational buildings. The research follows a structured four-stage approach: (i) empirical characterisation of IAQ dynamics, (ii) dynamic airborne infection risk assessment, (iii) coupled IAQ–thermal grey box modelling and (iv) implementation of an adaptive MPC algorithm for multi-objective optimisation. A large-scale monitoring campaign conducted in 32 classrooms across Catalonia provided the empirical foundation to estimate children’s CO₂ generation rates and natural ventilation airflows. Grey box models successfully reproduced indoor CO₂ dynamics in 72% of the studied classrooms, capturing behavioural variability in window operation and enabling realistic estimation of emission and airflow parameters. Embedding these models into a dynamic Wells–Riley formulation enabled time-resolved airborne infection risk assessment, revealing that transient ventilation absences could increase accumulative infection probability by up to 26% compared with steady-state assumptions, highlighting the need for dynamic, health-centred building management. Subsequently, a hybrid grey box model coupling IAQ and thermal dynamics was developed by explicitly incorporating ventilation-driven convective heat fluxes. This approach reduced indoor temperature and prediction CO₂ errors and stabilised thermal parameter estimation, providing a computationally efficient framework suitable for real-time HVAC control. Finally, an adaptive MPC algorithm integrating the coupled model was tested in a living-lab setting. Compared with conventional rule-based control, the MPC reduced HVAC energy demand by 38%, maintained IAQ and thermal comfort within recommended thresholds, and kept infection-risk probability below 1% for extended periods during high-incidence scenarios. The results highlight the limitations of natural ventilation and support the transition toward hybrid or mechanically assisted systems. By combining cost-effective sensing with hybrid grey box modelling, buildings can establish digital twins for continuous monitoring and real-time adaptation, ensuring consistent IAQ, thermal comfort and occupant safety. Overall, this thesis provides methodological and operational advances in building performance modelling, establishing a validated framework for low-carbon, adaptive, and post-pandemic-ready educational environments that can inform both facility management and policymaking. (Català) La qualitat de l'aire interior (QAI) és un determinant fonamental dels ambients interiors saludables i productius, particularment en els edificis educatius on una ventilació deficient pot perjudicar el rendiment cognitiu, augmentar l'absentisme i elevar el risc de transmissió de malalties per via aèria. A les regions mediterrànies, la majoria de les escoles encara depenen de la ventilació natural a causa de climes temperats i demandes històricament baixes d'energia. No obstant això, la seva efectivitat està fortament influenciada pel comportament dels ocupants i la variabilitat climàtica, la qual cosa sovint condueix a un flux d'aire inconsistent i a incomoditat tèrmica. Per contra, els sistemes convencionals de calefacció, ventilació i aire condicionat (HVAC en anglés) asseguren una QAI i unes condicions tèrmiques estables, però consumeixen entre el 40 i el 60% de l'energia total de l'edifici, fet que planteja un desafiament persistent per equilibrar la protecció de la salut, el confort i l'eficiència energètica .Aquesta investigació doctoral aborda aquest desafiament mitjançant el desenvolupament d'una metodologia integrada que combina el monitoratge de camp a llarg termini, el modelatge de caixa grisa i el control predictiu de model adaptatiu (MPC). L'objectiu principal és optimitzar els sistemes de ventilació que mantenen una QAI i un confort tèrmic adequats, minimitzen l'ús d'energia i mitiguen els riscos d'infecció per via aèria en edificis educatius. L'enfocament té quatre etapes: (i) caracterització empírica de la dinàmica de la QAI, (ii) avaluació dinàmica del risc d'infecció aèria, (iii) modelatge acoblat de caixa grisa tèrmic-QAI, i (iv) implementació d'un algorisme MPC adaptatiu per a optimització multiobjectiu. Una campanya de monitoratge a gran escala realitzada en 32 aules a Catalunya va proporcionar la base empírica per estimar les taxes de generació de CO₂ dels infants i els fluxos d'aire de ventilació natural. Els models de caixa grisa van reproduir amb èxit la dinàmica interior de CO₂ en el 72% de les aules estudiades, capturant la variabilitat conductual en l'operació de finestres i permetent una estimació realista dels paràmetres d'emissió i flux d'aire. La incorporació d'aquests models en una formulació dinàmica de Wells-Riley va permetre una avaluació del risc d'infecció per via aèria resolta en el temps, revelant que les absències transitòries de ventilació podrien augmentar la probabilitat d'infecció acumulada fins a un 26% en comparació amb les suposicions d'estat estacionari, destacant la necessitat d'una gestió d'edificis dinàmica i centrada en la salut. Posteriorment, es va desenvolupar un model híbrid de caixa grisa que acobla la QAI i la dinàmica tèrmica al incloure explícitament els fluxos de calor convectiu impulsats per la ventilació. Això va reduir errors en la predicció de temperatura i del CO₂ i va estabilitzar l'estimació de paràmetres tèrmics, oferint un marc computacionalment eficient per al control HVAC en temps real. Finalment, un algorisme MPC adaptatiu amb el model acoblat es va provar en un laboratori vivent. En comparació amb el control convencional, l'MPC va reduir la demanda d'energia HVAC en un 38%, va mantenir QAI i confort tèrmic en llindars recomanats, i va mantenir la probabilitat de risc d'infecció per sota de l'1% en escenaris d'alta incidència. Els resultats destaquen les limitacions de la ventilació natural i recolzen la transició a sistemes híbrids o assistits mecànicament. Combinant detecció rendible amb el modelatge híbrid de caixa grisa, els edificis poden crear bessons digitals per a monitoratge continu i adaptació en temps real, assegurant QAI, confort i seguretat consistents. En resum, aquesta tesi ofereix avenços metodològics i operatius en el modelatge del rendiment d'edificis, establint un marc validat per a entorns educatius baixos en carboni, adaptatius i postpandèmia, útil per a gestors d'instal·lacions i formuladors de polítiques. (Español) La calidad del aire interior (CAI) es un determinante fundamental de los ambientes interiores saludables y productivos, particularmente en los edificios educativos donde una ventilación deficiente puede perjudicar el rendimiento cognitivo, aumentar el absentismo y elevar el riesgo de transmisión de enfermedades por vía aérea. En las regiones mediterráneas, la mayoría de las escuelas aún dependen de la ventilación natural debido a climas templados y demandas históricamente bajas de energía. Sin embargo, su efectividad está fuertemente influenciada por el comportamiento de los ocupantes y la variabilidad climática, lo que a menudo conduce a un flujo de aire inconsistente e incomodidad térmica. Por el contrario, los sistemas convencionales de calefacción, ventilación y aire acondicionado (HVAC en inglés) aseguran una CAI y unas condiciones térmicas estables, pero consumen entre el 40 y el 60% de la energía total del edificio, lo que plantea un desafío persistente para equilibrar la protección de la salud, el confort y la eficiencia energética. Esta investigación doctoral aborda este desafío mediante el desarrollo de una metodología integrada que combina el monitoreo de campo a largo plazo, el modelado de caja y el control predictivo de modelo adaptativo (MPC). El objetivo principal es optimizar los sistemas de ventilación que mantienen una CAI y un confort térmico adecuados, minimizan el uso de energía y mitigan los riesgos de infección por vía aérea en edificios educativos. El enfoque tiene cuatro etapas: (i) caracterización empírica de la dinámica de la CAI, (ii) evaluación dinámica del riesgo de infección aérea, (iii) modelado acoplado de caja gris térmico-CAI, y (iv) implementación de un algoritmo MPC adaptativo para optimización multiobjetivo. Una campaña de monitoreo a gran escala realizada en 32 aulas en Cataluña proporcionó la base empírica para estimar las tasas de generación de CO₂ de los niños y los flujos de aire de ventilación natural. Los modelos de caja gris reprodujeron con éxito la dinámica interior de CO₂ en el 72% de las aulas estudiadas, capturando la variabilidad conductual en la operación de ventanas y permitiendo una estimación realista de los parámetros de emisión y flujo de aire. La incorporación de estos modelos en una formulación dinámica de Wells-Riley permitió una evaluación del riesgo de infección por vía aérea resuelta en el tiempo, revelando que las ausencias transitorias de ventilación podrían aumentar la probabilidad de infección acumulada hasta en un 26% en comparación con las suposiciones de estado estacionario, destacando la necesidad de una gestión de edificios dinámica y centrada en la salud. Posteriormente, se desarrolló un modelo híbrido de caja gris que acopla la CAI y la dinámica térmica al incluir flujos de calor convectivo por ventilación. Esto redujo errores en la predicción de temperatura y el CO₂ y estabilizó la estimación de parámetros térmicos, ofreciendo un marco eficiente para el control HVAC en tiempo real. Finalmente, un algoritmo MPC adaptativo con este modelo acoplado se probó en un laboratorio viviente. Comparado con el control convencional, el MPC redujo la demanda de energía HVAC en un 38%, mantuvo CAI y confort térmico en umbrales recomendados, y mantuvo la probabilidad de riesgo de infección por debajo del 1% en escenarios de alta incidencia. Los resultados destacan las limitaciones de la ventilación natural y apoyan la transición a sistemas híbridos o asistidos mecánicamente. Combinando detección rentable con el modelado híbrido de caja gris, los edificios pueden crear gemelos digitales para monitorización continua y adaptación en tiempo real, asegurando CAI, confort y seguridad consistentes. En resumen, esta tesis ofrece avances metodológicos y operativos en el modelado del rendimiento de edificios, estableciendo un marco validado para entornos educativos bajos en carbono, adaptativos y postpandemia, útil para gestores de instalaciones y formuladores de políticas. DOCTORAT EN ENGINYERIA DE LA CONSTRUCCIÓ (Pla 2012) |
| Document Type: | Dissertation/Thesis |
| File Description: | application/pdf |
| Language: | English |
| DOI: | 10.5821/dissertation-2117-449667 |
| Access URL: | http://hdl.handle.net/10803/696234 https://dx.doi.org/10.5821/dissertation-2117-449667 |
| Rights: | L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/4.0/ info:eu-repo/semantics/embargoedAccess |
| Accession Number: | edstdx.10803.696234 |
| Database: | TDX |
Be the first to leave a comment!