Mục tiêu nghiên cứu - Ứng dụng phương pháp năng lượng vòng đời của dự án LCE để tính toán năng lượng trong các giai đoạn ban đầu, bảo dưỡng định kỳ, vận hành và phá hủy của một công trì
PHƯƠNG PHÁP NGHIÊN CỨU
Quy trình nghiên cứu
❖ Nghiên cứu năng lượng dự án:
- Tìm hiểu các loại vật liệu của dự án;
- Tìm hiểu năng lượng vật liệu phát sinh trong quá trình thi công;
- Tìm hiểu đơn giá vật liệu;
- Tìm hiểu năng lượng trong quá trình vận hành tòa nhà
❖ Nghiên cứu cơ sở lý thuyết:
- Tìm hiểu nguyên lý các thuật toán Metaheuristics
- Tìm hiểu lý thuyết thuật toán Chuồn Chuồn (Dragonfly Algorithm)
- Tìm hiểu lý thuyết về mô hình
- Tìm hiểu lý thuyết năng lượng trong quá trình vận hành tòa nhà
❖ Ứng dụng – lập trình giải bài toán:
- Xây dựng mô hình năng lượng tòa nhà;
- Xây dựng hàm mục tiêu tối ưu;
- Kết hợp thuật toán tối ưu DA tìm kiếm lời giải toán thông qua phần mềm lập trình Matlab; Python…
- Lựa chọn kết quả tối ưu thông qua nhiều vòng lặp
- Phân tích kết quả tối ưu để đưa ra lựa chọn tốt nhất
Hình 3.1 Các công cụ sử dụng trong nghiên cứu
• Phát triển bền vững: Thông số để xây dựng mô hình; các chỉ tiêu đo lường.
• Sử dụng thuật toán Metaheuristic và tối ưu đa mục tiêu.
Sau khi xác định rõ vấn đề nghiên cứu, phương pháp nghiên cứu và các cơ sở lý luận khoa học, chúng ta tiến hành thiết lập quy trình nghiên cứu khoa học một cách hệ thống và logic.
NGHIÊN CỨU VỀ PHÁT TRIỂN BỀN VỮNG
THỰC TẾ NGHIÊN CỨU VIỆT NAM TÌNH TRẠNG NGHIÊN CỨU HIỆN NAY
NGHIÊN CỨU CƠ SỞ LÝ THUYẾT
THUẠT TOÁN BẦY ĐÀN (DA)
XÁC ĐỊNH MÔ HÌNH TỐI ƯU ÁP DỤNG NGHIÊN
TỪ LÝ THUYẾT VÀO THỰC TẾ
LẬP TRÌNH GIẢI BÀI TOÁN TỐI ƯU
Lập trình bài toàn bằng Python; Matlab
SO SÁNH ĐÁNH GIÁ KẾT QUẢ
LÝ GIẢI PHÙ HỢP THỰC TIỄN
Hình 3.2 Quy trình thực hiện nghiên cứu
Mô hình nghiên cứu
3.2.1 Đánh giá vòng đời (Life Cycle Assessment)
Phân tích đánh giá năng lượng vòng đời (LCEA) là phương pháp tổng thể để đánh giá năng lượng từ giai đoạn sơ khai đến giai đoạn vận hành và sử dụng tòa nhà Giai đoạn sơ khai bao gồm việc lựa chọn, sản xuất và vận chuyển vật liệu đến công trình, trong khi giai đoạn vận hành liên quan đến các hoạt động sử dụng, vận hành và duy trì tòa nhà trong suốt vòng đời dự án Cuối cùng, giai đoạn phá hủy tòa nhà sau khi kết thúc vòng đời dự án bao gồm các hoạt động phá hủy và vận chuyển phế thải đến nơi tập kết hoặc nhà máy tái chế.
Đánh giá vòng đời (LCA) là quy trình đánh giá và định lượng dòng vật chất và năng lượng trong một hệ thống Quá trình này thường được chia thành hai giai đoạn chính để thuận tiện cho việc hiểu và phân tích.
• Dòng chảy ngược dòng (Khai thác, sản xuất, vận chuyển và xây dựng dự án)
Đánh giá vòng đời giúp chúng ta phân tích tác động tổng thể của các quy trình và ảnh hưởng môi trường của dự án Qua đó, các nhà nghiên cứu có thể xác định rõ ràng các tác động thụ động của dự án đối với môi trường toàn cầu và khu vực, bao gồm sự nóng lên toàn cầu, suy giảm và thủng tầng ozone, cũng như phú dưỡng và axit hóa.
Các tổ chức tiêu chuẩn Quốc tế đã xác định rõ LCA bao gồm 4 giai đoạn:
+ Xác định mục tiêu đánh giá;
+ Xác định phạm vi đánh giá;
+ Kiểm kê vòng đời (LCI – Life Cycle Inventory);
+ Đánh giá tác động và giải thích cụ thể kết quả
Phân tích vòng đời (LCA) đang ngày càng được áp dụng để đánh giá tác động môi trường của sản phẩm trong nhiều ngành công nghiệp Tuy nhiên, trong ngành xây dựng, sự đa dạng của các vật liệu và quy trình liên quan đến xây dựng, vận hành và phá dỡ gây ra khó khăn trong việc áp dụng LCA Các tòa nhà hiện đại thường là các dự án lớn với nhiều loại vật liệu, dẫn đến tác động môi trường lớn đến nhiều lĩnh vực khác nhau Hơn nữa, quy trình sản xuất vật liệu xây dựng không được tiêu chuẩn hóa như các hàng hóa khác, và thông tin định lượng về tác động môi trường từ sản xuất, xây dựng và phá dỡ còn rất hạn chế Tất cả những yếu tố này khiến việc đánh giá môi trường trong ngành xây dựng trở thành một thách thức lớn.
3.2.2 Năng lượng vòng đời (Life cycle energy - LCE):
Việc tiết kiệm năng lượng thông qua tái chế hoặc tái sử dụng vật liệu xây dựng từ các tòa nhà bị phá hủy chưa được tính vào ước tính năng lượng vòng đời của các công trình Nguyên nhân chủ yếu là do thiếu sự thống nhất trong việc quy định năng lượng tiết kiệm được cho các tòa nhà này Tuy nhiên, việc tích hợp năng lượng từ tái chế và tái sử dụng vào ước tính năng lượng vòng đời sẽ mang lại cái nhìn tổng thể hơn về hiệu quả năng lượng.
Nghiên cứu về việc sử dụng năng lượng trong vòng đời tòa nhà là cần thiết để đánh giá chiến lược giảm nhu cầu năng lượng Phân tích năng lượng vòng đời giúp xác định các giai đoạn tiêu tốn năng lượng cao nhất nhằm cải tiến Định lượng năng lượng vòng đời dưới dạng năng lượng sơ cấp cung cấp chỉ số hữu ích về lượng phát thải khí nhà kính từ các tòa nhà, từ đó đánh giá tác động của chúng đối với môi trường.
Hình 3.4 Năng lượng vòng đời dự án (LCE)
Năng lượng vòng đời của tòa nhà bao gồm tổng hợp tất cả năng lượng tiêu thụ trong suốt quá trình tồn tại của nó Điều này có thể được biểu thị bằng công thức: i r.
LCE = EE + EE + OE + DE
Trong đó, cụ thể như sau:
3.2.2.1 Năng lượng thể hiện ban đầu (EE):
Năng lượng thể hiện ban đầu (EE) là tổng năng lượng trực tiếp và gián tiếp cần thiết để sản xuất một sản phẩm xây dựng, bao gồm các hoạt động từ khai thác nguyên liệu, sản xuất, chế tạo, vận chuyển cho đến quá trình thi công và hoàn thiện sản phẩm tại công trường.
Hình 3.5 Yếu tố cấu thành nên Năng lượng ban đầu [15]
Năng lượng ban đầu được thể hiện dưới công thức như sau: i i i c
EEi: Năng lượng thể hiện ban đầu của tòa nhà; mi : số lượng vật liệu xây dựng (i);
Mi: Hàm lượng năng lượng của vật liệu (i) trên một đơn vị Số lượng m;
Ec: Năng lượng sử dụng tại công trường để lắp dựng/xây dựng công trình
3.2.2.2 Năng lượng định kỳ của tòa nhà (Recurring embodied energy - EE r ):
Vật liệu xây dựng có thể có tuổi thọ ngắn hơn tuổi thọ của tòa nhà, do đó cần được thay thế để duy trì sự ổn định và công năng hoạt động Các tòa nhà cũng yêu cầu bảo trì định kỳ hàng năm, và năng lượng cần cho việc sửa chữa, thay thế hay phục hồi chức năng trong suốt vòng đời của công trình phải được tính toán Năng lượng này được gọi là năng lượng thể hiện định kỳ.
EEr: Năng lượng thể hiện định kỳ của tòa nhà;
Lb: Tuổi thọ công trình;
Lmi: Tuổi thọ của vật liệu (i)
Năng lượng định kỳ chủ yếu phụ thuộc vào loại vật liệu sử dụng, nguồn năng lượng ban đầu EE và hiệu quả của các quá trình chuyển đổi trong sản xuất vật liệu và sản phẩm xây dựng.
3.2.2.3 Năng lượng vận hành (OE)
Năng lượng cần thiết cho việc duy trì điều kiện thoải mái và bảo trì hàng ngày của các tòa nhà bao gồm năng lượng cho hệ thống HVAC (sưởi ấm, thông gió và điều hòa không khí), nước nóng sinh hoạt, chiếu sáng và các thiết bị hoạt động Mức độ năng lượng này phụ thuộc vào yêu cầu về sự thoải mái, điều kiện khí hậu và lịch trình hoạt động của từng tòa nhà Năng lượng vận hành trong suốt tuổi thọ của công trình có thể được đánh giá và phân tích để tối ưu hóa hiệu quả sử dụng.
OE: Năng lượng vận hành trong tuổi thọ của công trình;
EOA: Năng lượng vận hành hàng năm;
Lb: tuổi thọ của công trình
3.2.2.4 Năng lượng phá hủy (DE)
Khi tòa nhà đạt đến cuối tuổi thọ sử dụng, năng lượng cần thiết để phá hủy và vận chuyển chất thải đến bãi chôn lấp hoặc nhà máy tái chế được gọi là năng lượng phá hủy Năng lượng này được tính toán theo một công thức cụ thể.
DE: Năng lượng phá hủy;
ED: Năng lượng phát sinh do phá hủy công trình
ET: Năng lượng sử dụng để vận chuyển chất thải.
Xác định hàm mục tiêu nghiên cứu
Sau khi nghiên cứu các phương pháp, nghiên cứu sinh đã chọn đề tài nghiên cứu với hàm mục tiêu là năng lượng tòa nhà Để xác định chính xác các thông số tổng quan về năng lượng tòa nhà, chúng ta sẽ thực hiện các bước cần thiết nhằm làm rõ hàm mục tiêu của nghiên cứu.
❖ Phương pháp đánh giá vòng đời (Life Cycle Assessment):
• Xác định chính xác các giai đoạn của dự án/ tòa nhà lựa chọn để nghiên cứu;
• Xác định mục tiêu xem xét của từ giai đoạn;
• Xác định một cách toàn diện và chi tiết về các thành phần trong từ giai đoạn của dự án (Vật liệu; nhân lực; hệ thống …….)
• Đánh giá tác động và giải thích cụ thể kết quả
❖ Phương pháp Năng lượng vòng đời (Life cycle energy - LCE):
Sau khi áp dụng phương pháp LCE để xác định chi tiết các giai đoạn vòng đời của dự án, chúng ta tiến hành các bước nhằm tối ưu hóa hàm năng lượng.
• Xác định các loại năng lượng hình thành, phát sinh trong từng giai đoạn;
• Từng loại năng lượng hình thành ta sẽ tiến hành phân tích chi tiết để xây dựng mô hình thực tiễn:
+ Thời gian sử dụng từng loại vật liệu;
+ Năng lượng phát sinh của từng đơn vị vật liệu;
+ Các loại năng lượng phát sinh trong từ giai đoạn khác nhau;
+ Tuổi thọ tòa nhà; thời gian của từng giai đoạn
❖ Phân tích xác định hàm mục tiêu và nghiên cứu
Sau khi xác định các loại năng lượng lý thuyết của dự án hoặc tòa nhà, bước tiếp theo là xác định các loại năng lượng phát sinh và vật liệu thực tế được sử dụng.
• Từ đó ta tiến hành thu thập các dữ liệu; thông số vật liệu; năng lượng của dự án/ tòa nhà thực tế
• Xây dựng mô hình năng lượng dự án/ tòa nhà từng giai đoạn với các thông số; biến và công thức
• Lựa chọn thuật toán tối ưu để tìm kiếm lời giải vượt trội nhất
❖ Hàm mục tiêu của nghiên cứu
Sau khi thu thập đầy đủ dữ liệu, chúng ta xác định hàm mục tiêu của nghiên cứu là năng lượng tòa nhà Hàm mục tiêu này được phân chia thành bốn phần năng lượng khác nhau.
LCE = EE + EE + OE + DE
• EE: Năng lượng thể hiện ban đầu;
• OE: Năng lượng vận hành trong tuổi thọ của công trình;
• EEr: Năng lượng thể hiện định kỳ của tòa nhà;
• DE: Năng lượng phá hủy
Các loại năng lượng khác nhau sẽ tạo ra các dạng năng lượng vật liệu và thời gian phát sinh tương ứng Chúng ta sẽ tiến hành phân tích chi tiết từng loại năng lượng dựa trên đặc thù của dự án mà chúng ta lựa chọn để thử nghiệm.
Thuật toán nghiên cứu
➢ Thuật toán Chuồn Chuồn (DA – Dragonfly Algorithm)
Trong thiên nhiên, hành vi và tập tính của các loài động vật đều hướng tới mục đích phát triển và tiến hóa Chẳng hạn, đàn kiến thể hiện tập tính bầy đàn bằng cách tiết ra pheromone, giúp các thành viên trong đàn tìm đường đến nguồn thức ăn Tương tự, sói sống theo bầy đàn với tổ chức xã hội rõ ràng để săn mồi, thực hiện các bước như theo đuổi, bao vây, và tấn công con mồi Nhờ vào những đặc điểm này, các nhà khoa học đã nghiên cứu và phát triển các thuật toán dựa trên tập tính của động vật nhằm giải quyết những bài toán phức tạp.
Thuật toán tối ưu hóa dòng hạt (PSO) là một mô hình hiệu quả, được phát triển dựa trên hành vi tìm kiếm thức ăn và định hướng của đàn chim Nguồn cảm hứng chính cho PSO đến từ các quy tắc tương tác đơn giản giữa các loài chim, như đã được đề xuất trong nghiên cứu [51].
+ Chim có xu hướng duy trì hướng bay của chúng theo hướng hiện tại của họ
+ Ghi nhớ vị trí tốt nhất của nguồn thực phẩm thu được cho đến nay
+ Ghi nhớ vị trí tốt nhất của thức ăn mà bầy tìm thấy cho đến nay
Thuật toán PSO hoạt động dựa trên ba quy tắc cơ bản, giúp các hạt tìm kiếm các giải pháp tối ưu tốt nhất cho cả cá nhân và bầy.
Thuật toán bầy ong nhân tạo (ABC) là một phương pháp tối ưu hóa mới, được phát triển gần đây, dựa trên nguyên tắc của thuật toán thông minh (SI) Thuật toán này mô phỏng hành vi xã hội của ong mật trong quá trình tìm kiếm mật hoa, tạo ra sự khác biệt so với thuật toán đàn kiến (ACO).
Thuật toán bầy ong nhân tạo (ABC) là một phương pháp tối ưu hóa mới, mô phỏng hành vi xã hội của ong mật trong việc tìm kiếm mật hoa Khác với các thuật toán như ACO và PSO, ABC phân chia vai trò của ong thành ba loại: ong trinh sát, ong quan sát và ong làm việc Trong đó, ong làm việc chịu trách nhiệm tìm kiếm nguồn thức ăn và thông báo cho các ong khác thông qua một điệu nhảy đặc biệt.
Có nhiều hành vi và tật tính khác nhau của các loài vật đang được nghiên cứu, và không có tập tính nào là tối ưu nhất Mỗi loài đều có điểm mạnh và hạn chế riêng, dẫn đến việc các thuật toán tối ưu vẫn đang được phát triển Năm 2016, một nghiên cứu về tập tính của bầy chuồn chuồn đã được công bố Trước tiên, chúng ta hãy tìm hiểu về tập tính và quá trình phát triển của loài chuồn chuồn.
Hình 3.6 Vòng đời của chuồn chuồn
Vòng đời của chuồn chuồn chủ yếu bao gồm hai giai đoạn chính: con nhộng và con trưởng thành Phần lớn thời gian sống của chuồn chuồn diễn ra ở giai đoạn nhộng trước khi tiến hóa thành chuồn chuồn trưởng thành.
Mặc dù kích thước của chuồn chuồn nhỏ, chúng vẫn là loài săn mồi đáng gờm, ăn thịt các côn trùng biển và cả cá nhỏ Đặc biệt, chuồn chuồn có tính bầy đàn độc đáo với hai tập tính chính: săn mồi và di cư, được các nhà khoa học định nghĩa là tĩnh (ăn) và động (di cư).
Trong bầy tĩnh, chuồn chuồn tạo thành các nhóm nhỏ và bay trong một khu vực hạn chế để săn mồi, với chuyển động cục bộ và thay đổi hướng đột ngột Ngược lại, trong bầy động, chuồn chuồn tập hợp thành bầy di cư, di chuyển theo một hướng trong quãng đường dài.
Từ những tập tính đặc biệt của loài chuồn chuồn, các nhà khoa học đã rút ra bài học và áp dụng vào các bài toán tối ưu Hai giai đoạn chính của tối ưu hóa, bao gồm thăm dò dữ liệu và khai phá dữ liệu, tương ứng với hành vi tĩnh và động của chuồn chuồn.
+ Chuồn chuồn tạo thành các nhóm nhỏ bay xung quanh các khu vực khác nhau tương ứng với giai đoạn khai thác; thăm dò dữ liệu
+ Trong các bầy động đó sẽ bay cùng một hướng trong giai đoàn khai thác dữ liệu
Hình 3.7 Quá trình tối ưu của thuật toán DA [14]
Theo thứ tự hình từ trái sang và từ trên xuống ta có các tập tính như sau:
A Khoảng cách giữa các cá thể
B Sự theo hướng của bầy
C Khoảng cách trung tâm của bầy
D Bị thu hút bởi con mồi
E Đánh lạc hướng kẻ thù
Tương ứng với 5 tập tính trên ta có các công thức sau:
➢ Khoảng cách giữa các cá thể:
Với X là vị trí hiện tại của một cá thể; Xj và vị trí của các cá thể xung quanh; N là số lượng các cá thể xung quanh
➢ Sự theo hướng của bầy đàn:
Với vj là tốc độ của các cá thể xung quanh
Với X là vị trí hiện tại của một cá thể; Xj và vị trí của các cá thể xung quanh; N là số lượng các cá thể xung quanh
➢ Sự thu hút bởi con mồi:
Với X là vị trí hiện tại của một cá thể; X + và vị trí của con mồi (nguồn thức ăn)
Với X là vị trí hiện tại của một cá thể; X - và vị trí của kè thù
Tập tính của chuồn chuồn bao gồm năm yếu tố chính, trong đó việc cập nhật vị trí chuồn chuồn mới (tối ưu hơn) được thực hiện thông qua sự dịch chuyển của ΔX và vị trí X Phương pháp tính toán để cập nhật ΔX đã được trình bày chi tiết trong thuật toán tối ưu hóa dòng hạt (PSO).
Và vecto vận chuyển của chuồn chuồn thể hiện được hướng di chuyển và được cập nhật như sau:[14]
S: Trọng số về khoảng cách
Si: Khoảng cách giữa các cá thể với cá thể thứ i;
: Trọng số về sự thẳng hàng:
Ai: Sự thẳng hàng của cá thể thứ i; c: Trọng số về trọng tâm của bầy đàn;
Ci: Trọng tâm của của cá thể thứ i với bầy; f: Hệ số về thức ăn;
Fi: Thức ăn của cá thể thứ i; e: Hệ số của kẻ thù;
Ei: Vị trí của kẻ thù với cá thể thứ i;
T: Tại thời điểm thứ t; (Vòng lặp thứ t);
Sau khi tính toán độ tăng của sự dịch chuyển X ; Vị trí mới được tính theo công thức:
Trong quá trình tối ưu, việc tìm kiếm và khai thác các hệ số trọng số là rất quan trọng, đồng thời vị trí của các cá thể trong bầy cũng đóng vai trò then chốt.
Hình 3.8 Trạng thái động (trái) và tĩnh (phải) của chuồn chuồn [14]
➢ Trạng thái của chuồn chuồn ở động và tĩnh Chuồn chuồn có xu hướng duy trì khoảng cách và trọng tâm trong trạng thái động
+ Khi tấn công con mồi: Sự thẳng hàng giảm; Khoảng cách trọng tâm tăng
Khi tìm kiếm không gian, sự thẳng hàng tăng và khoảng cách trọng tâm giảm Để chuyển đổi giữa tìm kiếm không gian và khai phá dữ liệu, khoảng cách gia tăng tỷ lệ thuận với số lần lặp Để cân bằng giữa tìm kiếm và khai thác, có thể điều chỉnh các hệ số trong quá trình tối ưu như s, a, c, f, e và w.
Những con chuồn chuồn có khả năng điều chỉnh trọng lượng để chuyển từ khám phá sang khai thác không gian tìm kiếm Chúng có xu hướng nhận diện nhiều chuồn chuồn khác để tối ưu hóa đường bay bầy đàn, nhằm đạt được sự hội tụ đến mức tối ưu toàn cầu Nguồn thực phẩm và kẻ thù được lựa chọn từ những giải pháp tốt nhất và tồi tệ nhất mà cả bầy đàn đã phát hiện, dẫn đến sự hội tụ vào các khu vực hứa hẹn trong không gian tìm kiếm và phân kỳ khỏi những khu vực không hứa hẹn.
➢ Thuật toán Levy Flight distribution (LF)
Levy Flight là một cơ chế di chuyển ngẫu nhiên, được mô phỏng để tăng cường hiệu quả tìm kiếm tài nguyên trong môi trường không chắc chắn Nghiên cứu chỉ ra rằng phương pháp này có thể cải thiện đáng kể khả năng tìm kiếm.
XÂY DỰNG MÔ HÌNH VÀ TRƯỜNG HỢP NGHIÊN CỨU
Xây dựng mô hình
- Thiết kế giải pháp tối ưu năng lượng của công trình dựa trên thiết kế thi công ban đầu của dự án
Đưa ra các phương án lựa chọn vật liệu xanh và tiết kiệm năng lượng phù hợp trong toàn bộ vòng đời dự án, dựa trên các điều kiện thiết kế ban đầu của công trình.
- Góc nhìn tổng thể vai trò của các thành phần năng lượng chiếm tỷ lệ trong suốt vòng đời dự án
❖ Xác định yêu cầu kỹ thuật và công năng tòa nhà:
- Trước khi tìm ra phương án tối ưu của công trình, ta phải nghiên cứu các yêu cầu tiên quyết của dự án về mặt kỹ thuật:
+ Yêu cầu về cao độ công trình;
+ Yêu cầu chiều cao thông thủy căn hộ;
+ Số lượng căn hộ, người dân của công trình;
+ Vị trí địa lý của công trình từ đó xác định các yêu cầu đặc tính kỹ thuật về năng lượng
Hình 4.1 Mặt bằng bố trí tầng điển hình của công trình
Sau khi xác định các yêu cầu kỹ thuật bắt buộc của tòa nhà, chúng ta tiến hành phân loại các loại vật liệu có thể thay thế hoặc cố định cho dự án.
+ Loại vật liệu có thể thay thế;
+ Thông số kỹ thuật xây dựng (Chiều dày; tuổi thọ; khả năng chịu tải …);
+ Thông số cơ lý (Khối lượng riêng; dài; rộng cao….);
+ Thông số về năng lượng (Năng lượng trong từng quá trình vòng đời);
+ Thực tế ứng dụng các loại vật liệu trên thị trường xây dựng nước ta
❖ Xây dựng bài toán cụ thể:
Sau khi phân loại các vật liệu cố định và vật liệu thay thế, bước tiếp theo là xác định khối lượng từ bảng dự toán (Bills of Quantity - BOQ) của công trình.
Hình 4.2 Xác định và phân loại khối lượng tương ứng từng loại vật liệu
Sau khi xác định khối lượng của từng vật liệu, chúng ta tiến hành nghiên cứu năng lượng của các vật liệu trên thế giới và tại Việt Nam trong quá trình sản xuất vật liệu.
+ Quá trình vận hành và quản lý tòa nhà;
+ Quá trình phá hủy tòa nhà
❖ Phân tích hàm mục tiêu:
Chúng tôi áp dụng mô hình Đánh giá Vòng đời (LCA) để phân tích năng lượng của tòa nhà, dựa trên các loại vật liệu tương ứng với từng hạng mục xây dựng.
Mô hình xây dựng phân định hàm mục tiêu thành các thành phần như sau:
+ EE: Năng lượng thể hiện ban đầu;
+ OE: Năng lượng vận hành trong tuổi thọ của công trình;
+ EEr: Năng lượng thể hiện định kỳ của tòa nhà;
+ DE: Năng lượng phá hủy
Sau đó ta có thể bắt đầu xây dựng mô hình bài toán và hàm mục tiêu kết hợp các điều kiện ràng buộc ban đầu của công trình
Nhận thấy có quá nhiều trường hợp và biến số trong nghiên cứu, việc sử dụng phần mềm và thuật toán để tìm kiếm giải pháp tối ưu trở nên cần thiết.
- Xác định khối lượng từng hạng mục riêng lẻ của công trình;
- Xác định các loại vật liệu cố định và thay đổi;
- Xác định các thông số vật lý, năng lượng, cơ lý … Của từng loại vật liệu
- Xây dựng các điều kiện ràng buộc về thông số đầu vào, khối lượng vật liệu
Hình 4.3 Khai báo thông số đầu vào của bài toán
Bước 2: Xây dựng quần thể ban đầu
Hàm mục tiêu thường có nhiều lựa chọn và biến số thay đổi liên tục, vì vậy việc sử dụng thuật toán tối ưu để khởi tạo quần thể ban đầu là cách hiệu quả nhất Từ đó, chúng ta có thể tìm kiếm kết quả tối ưu thông qua tập tính tìm kiếm của thuật toán Mỗi quần thể khởi tạo có thể được coi là một phương án của bài toán, và tất cả các phương án này đều trải qua các quá trình khác nhau.
+ Kiểm tra các điều kiện ràng buộc;
+ Tính toán các số liệu theo yêu cầu thiết lập;
+ Tính toán theo hàm mục tiêu đã thiết lập ban đầu;
+ Lưu lại kết quả đã tính toán
Hình 4.4 Xây dựng các điều kiện ràng buộc ban đầu & khởi tạo quần thể
Bước 3: Cập nhật quần thể
Các lựa chọn ban đầu của quần thể không phải là tối ưu, vì vậy thuật toán cần cải tiến và cập nhật quần thể cùng vị trí liên tục để tìm kiếm kết quả tốt nhất.
Nghiên cứu chỉ ra rằng không gian bài toán rất lớn, do đó, thuật toán chuồn chuồn (Dragonfly Algorithm) đã được lựa chọn để tìm kiếm kết quả Để tăng cường tính tối ưu và cải thiện tốc độ giải quyết bài toán, nghiên cứu đã kết hợp thuật toán Levy Flight nhằm nâng cao khả năng tìm kiếm.
S: Trọng số về khoảng cách
Si: Khoảng cách giữa các cá thể với cá thể thứ i;
: Trọng số về sự thẳng hàng:
Ai: Sự thẳng hàng của cá thể thứ i; c: Trọng số về trọng tâm của bầy đàn;
Ci: Trọng tâm của của cá thể thứ i với bầy; f: Hệ số về thức ăn;
Fi: Thức ăn của cá thể thứ i; e: Hệ số của kẻ thù;
Ei: Vị trí của kẻ thù với cá thể thứ i;
T: Tại thời điểm thứ t; (Vòng lặp thứ t);
Sau khi tính toán độ tăng của sự dịch chuyển X ; Vị trí mới được tính theo công thức:
Trong quá trình tối ưu, các hệ số trọng số được tìm kiếm và khai thác liên tục Đặc biệt, vị trí của các cá thể trong một bầy đóng vai trò quan trọng trong việc đạt được hiệu quả tối ưu hóa.
Hình 4.5 Xây dựng thuật toán DA kết hợp Levy Flight phù hợp với mô hình tính toán Độ dài bước dịch chuyển Levyfilght:
Trong đó, 𝛽 là chỉ số phân phối Lévy được giới hạn bởi 0 < 𝛽 < 2, với 𝑈 và 𝑉 là: Độ lệch chuẩn 𝜎 và 𝜎 được xác định bởi:
Bước 4: Lưu trữ kết quả tìm kiếm
Sau khi xây dựng và cập nhật liên tục quần thể, mô hình sẽ tiến hành tìm kiếm và ghi lại các lời giải tối ưu nhằm giảm thiểu hàm mục tiêu về năng lượng Toàn bộ kết quả liên quan đến năng lượng sẽ được ghi nhận đầy đủ.
+ Ghi nhận lại các phương án lựa chọn tương ứng từng kết quả năng lượng;
+ Trình bày kết quả tối ưu nhất tương ứng với các phương án lựa chọn vật liệu và thông số kỹ thuật tương ứng đã thiết lập ban đầu
Nhập thông số đầu vào
Khởi tạo quần thể ban đầu
Kết quả tối ưu Đánh giá hàm mục tiêu
Cải tạo quần thể Bằng thuật toán DA
Xác định vật liệu; hạng mục công trình
Hình 4.6 Quy trình mô phỏng mô hình
Case study - Mô hình nghiên cứu
Hình 4.7 Phối cảnh dự án nghiên cứu - Thủ Thiêm Dragon
➢ Dự án CHUNG CƯ CAO TẦNG
▪ Quy mô: 1 Hầm và 22 tầng nổi;
▪ Vị trí: Thành phố Thủ Đức, Thành phố Hồ Chí Minh;
▪ Vấn đề nghiên cứu: Năng lượng tòa nhà;
▪ Vật liệu lựa chọn áp dụng: Vật liệu trong suốt quá trình thi công dự án
Dự án Thủ Thiêm Dragon là một chung cư cao tầng tại Thành phố Thủ Đức, Thành phố Hồ Chí Minh, bao gồm 1 hầm và 22 tầng nổi Dưới đây là bảng tổng hợp các số liệu và đặc điểm chính của tòa nhà.
Bảng 4.1 Vật liệu theo phương án kiến trúc ban đầu của Dự án
STT Hạng mục Chủng loại cụ thể Đơn vị Khối lượng
3 Tường xây trong nhà Tường gạch nung dày
4 Tường xây ngoài nhà Tường gạch nung dày
5 Lát nền Ván sàn gỗ dày 9mm m2 29,996.6
6 Trần thạch cao Tấm trần thạch cao dày
8 Cửa Sổ Kính cường lực dày
9 Cửa đi Cửa nhôm cái 2,100
4.2.2 Năng lượng vòng đời của tòa nhà:
Nghiên cứu này sẽ xem xét các nguồn vật liệu thay thế nhằm tối ưu hóa năng lượng cho tòa nhà, dựa trên các vật liệu theo phương án kiến trúc và kết cấu mặc định tại Mục 3.5.1 Các nghiên cứu trước đây [4, 16, 17, 59, 60] đã được tham khảo để tổng hợp năng lượng ban đầu của các vật liệu, được trình bày trong bảng dưới đây.
Bảng 4.2 Tổng hợp năng lượng của vật liệu
Năng lượng sản xuất Khối lượng riêng Đơn vị Năng lượng Đơn vị Khối lượng riêng
1 Bê tông B35 MJ/Kg 0.82 Tấn/m3 1.8
2 Thép xây dựng MJ/Kg 17.40 kg/m3 7,850
3.1 Tường gạch ko nung MJ/kg 0.17 kg/m3 1,400.00
3.2 Tường gạch nung MJ/kg 3.00 kg/m3 1,800.00
Nghiên cứu này không chỉ tập trung vào việc tối ưu hóa chủng loại vật liệu mà còn xem xét sự thay đổi về bề dày và tiết diện của vật liệu trong quá trình tối ưu hóa.
Bảng 4.3 Sự thay đổi bề dày của vật liệu
STT Loại vật liệu Chiều dày vật liệu
1.1 Tường gạch ko nung 1.2 Tường gạch nung
Năng lượng sản xuất Khối lượng riêng Đơn vị Năng lượng Đơn vị Khối lượng riêng
3.3 Tường hollow bê tông MJ/kg 1.47 kg/m3 2,000.00
3.4 Tường gạch block bê tông MJ/kg 0.67 kg/m3 1,900.00
3.5 Tấm tường AAC MJ/kg 3.5 kg/m3 800.00
4.1 Vữa xây tỷ lệ 1:3 MJ/Kg 1.33
4.2 Vữa xây tỷ lệ 1:4 MJ/Kg 1.11
4.3 Vữa xây tỷ lệ 1:5 MJ/Kg 0.97
4.4 Vữa xây tỷ lệ 1:6 MJ/Kg 0.85
5 Ván sàn gỗ MJ/Kg 9.50 kg/m3 600.0
6 Trần thạch cao MJ/Kg 1.80 kg/m3 1,000.00
8.1 Cửa gỗ MJ/kg 360 kg/m3 600.00
8.3 Cửa kính MJ/kg 23.50 kg/m3 2,500.00
STT Loại vật liệu Chiều dày vật liệu
1.4 Tường gạch block bê tông 1.5 Tấm tường AAC
Giả sử tòa nhà có tuổi thọ 75 năm, các loại vật liệu và bộ phận xây dựng sẽ được phân tích và ước tính thời gian sử dụng dựa trên nghiên cứu từ các nguồn như [6, 8, 15] Dưới đây là bảng tổng hợp các thông tin liên quan.
Bảng 4.4 Tuổi thọ trung bình của vật liệu
STT Loại vật liệu Tuổi thọ vật liệu
3.4 Tường gạch block bê tông 65
STT Loại vật liệu Tuổi thọ vật liệu
Năng lượng vận hành hàng năm của tòa nhà được ước tính dựa trên chỉ số sử dụng điện 2.511 kWh/người do Tổ chức Dữ liệu Thế giới công bố Với công năng kiến trúc và diện tích sàn của tòa nhà, ước tính có khoảng 814 người sử dụng trong tòa nhà.
Hình 4.8 Năng lượng điện tiêu thụ bình quân đầu người tại Việt Nam theo công bố của Tổ chức dữ liệu thế giới [61]
Sự tiêu thụ năng lượng điện của tòa nhà phụ thuộc vào nhiều yếu tố như khí hậu, thói quen sử dụng, và cách nhiệt, thông gió Các thiết bị như máy lạnh, thông gió và lò sưởi cần hoạt động với công suất và thời gian nhất định để duy trì sự cân bằng nhiệt độ giữa bên trong và bên ngoài Sự khác biệt nhiệt độ giữa các vật liệu dẫn đến hiện tượng dẫn truyền nhiệt, diễn ra qua ba hình thức: dẫn nhiệt, đối lưu nhiệt và bức xạ nhiệt Để đảm bảo độ tin cậy trong tiêu thụ năng lượng, nghiên cứu cần xem xét sự dẫn truyền nhiệt qua chênh lệch nhiệt độ giữa bên ngoài và bên trong tòa nhà trong suốt 12 tháng, theo công thức cụ thể.
Dẫn nhiệt là quá trình trao đổi năng lượng giữa các phân tử, diễn ra từ vùng có nhiệt độ cao đến vùng có nhiệt độ thấp.
Q: nhiệt lượng (J) A: diện tích (m 2 ) t: thời gian (s) ΔT: sự chênh lệch nhiệt độ bên trong và bên ngoài ( o K) Δx: bề dày của vật liệu λ: hệ số dẫn truyền nhiệt (W/m.K)
Nhiệt độ phòng lý tưởng được xác định ở mức 24°C, trong khi nhiệt độ bên ngoài được tính dựa trên nhiệt độ bình quân hàng tháng tại Việt Nam.
Bảng 4.5 Nhiệt độ theo từng tháng thống kê tại Việt Nam
Hệ số dẫn truyền nhiệt λ của vật liệu được xác định theo Phụ lục về thông số vật lý của vật liệu, cũng như cấu tạo và tính toán nhiệt trở của kết cấu bao che, theo Thông tư 15/2013/TT-BXD ngày 26/09/2013 của Bộ Xây dựng về Quy chuẩn kỹ thuật quốc gia.
"Các công trình xây dựng sử dụng năng lượng hiệu quả", cụ thể như sau:
Bảng 4.6 Thông số dẫn truyền nhiệt cho vật liệu
Hệ số dẫn truyền nhiệt W/(m.K)
Hệ số dẫn truyền nhiệt W/(m.K)
2 Thép xây dựng 50 4 Ván sàn gỗ 20
3 Tường xây 5 Trần thạch cao 0.21
3.1 Tường gạch ko nung 0.58 6 Cửa
3.2 Tường gạch nung 0.81 6.1 Cửa gỗ 50
3.3 Tường hollow bê tông 0.51 6.2 Cửa nhôm 220
3.4 Tường gạch block bê tông 0.39 6.3 Cửa kính 1-1.2
Do thiếu dữ liệu về mức tiêu thụ năng lượng trong hoạt động phá dỡ tại Việt Nam, việc tính toán năng lượng này trở nên khó khăn Nghiên cứu cho thấy lượng năng lượng cần cho việc phá dỡ chỉ chiếm dưới 1% tổng năng lượng vòng đời của dự án Để cung cấp một phân tích toàn diện về năng lượng vòng đời (LCE) của công trình, nghiên cứu này ước tính tỷ lệ năng lượng phá dỡ bằng 1% tổng năng lượng ban đầu và năng lượng vận hành.
4.2.3.1 Kết quả năng lượng theo phương án kiến trúc, kết cấu ban đầu (mặc định) của tòa nhà:
Tổng năng lượng tiêu hao trong suốt vòng đời của tòa nhà đạt 540.419.682 MJ Trong đó, năng lượng ban đầu chiếm 42,98% với 232.889.976 MJ, năng lượng định kỳ chiếm 12,00% với 64.858.034 MJ, năng lượng vận hành chiếm 44,47% với 240.300.192 MJ, và năng lượng phá hủy chỉ chiếm 0,55% với 2.971.480 MJ.
Hình 4.9 Tỷ trọng thành phần các năng lượng (chưa tối ưu) Bảng 4.7 Tổng hợp năng lượng vòng đời của Dự án (chưa tối ưu)
Năng lượng ban đầu đóng góp 42,98% tổng năng lượng trong vòng đời của Dự án, với cửa sổ, tường xây, cốt thép và bê tông là những vật liệu chiếm tỷ trọng lớn nhất.
PHÂN BỔ NĂNG LƯỢNG TÒA NHÀ
Năng lượng ban đầu, năng lượng định kỳ, năng lượng vận hành và năng lượng phá hủy chiếm tỷ lệ lần lượt là 43%, 16%, 15% và 8% trong tổng năng lượng của tòa nhà Những vật liệu này không chỉ đóng vai trò quan trọng mà còn có khối lượng lớn, dẫn đến năng lượng ban đầu của chúng rất cao Hình dưới đây thể hiện mức độ ảnh hưởng của các loại vật liệu đối với năng lượng ban đầu.
Hình 4.10 Tỷ trọng năng lượng từng vật liệu trong năng lượng ban đầu (chưa tối ưu)
Năng lượng vận hành của tòa nhà chiếm 46,12% tổng năng lượng vòng đời của Dự án, cho thấy mức tiêu thụ điện năng để vận hành dự án là rất lớn Trong khi đó, năng lượng định kỳ và năng lượng phá hủy chỉ chiếm lần lượt 10,59% và 0,85% trong tổng năng lượng vòng đời của Dự án.
Năng lượng ban đầu và năng lượng vận hành đóng vai trò quan trọng trong tổng năng lượng vòng đời của tòa nhà, chiếm lần lượt 42,98% và 44,47%.
Kết luận
Nghiên cứu về năng lượng tòa nhà đã thu hút sự chú ý tại Việt Nam trong những năm gần đây, đặc biệt là tối ưu hóa năng lượng vòng đời (LCE) của Dự án bằng thuật toán chuồn chuồn (DA) Kết quả cho thấy tổng năng lượng tiêu hao trong vòng đời tòa nhà trước tối ưu là 540.419.682 MJ, với năng lượng ban đầu chiếm 42,98% và năng lượng vận hành chiếm 44,47% Sau khi tối ưu, tổng năng lượng giảm xuống còn 266.038.156 MJ, trong đó năng lượng ban đầu chiếm 51,73% và năng lượng vận hành giảm xuống 35,48% Việc tối ưu hóa vật liệu đầu vào, như loại, bề dày và khối lượng, đã góp phần giảm năng lượng tiêu thụ điện Mặc dù chưa hoàn toàn đạt tiêu chí công trình xanh, nghiên cứu này đang góp phần nâng cao nhận thức của Chủ đầu tư về tầm quan trọng của công trình xanh tại Việt Nam.
Hướng nghiên cứu có thể mở rộng
Nghiên cứu tối ưu năng lượng vòng đời của dự án nhằm giảm thiểu lượng carbon thải ra từ các tòa nhà, góp phần quan trọng vào việc đạt tiêu chuẩn Net-zero Carbon cho công trình tại Việt Nam.
Nghiên cứu tối ưu năng lượng vòng đời của dự án kết hợp tối ưu chi phí đầu tư, quản lý dự án
TÀI LIỆU THAM KHẢO VÀ TRÍCH DẪN
Các nhà hoạt động môi trường đang tiếp tục chỉ trích ngành xây dựng vì những tác động tiêu cực đến môi trường Họ nhấn mạnh rằng ngành này cần phải cải thiện các biện pháp bảo vệ môi trường và áp dụng các công nghệ xanh để giảm thiểu ô nhiễm Việc thúc đẩy sự phát triển bền vững trong xây dựng là điều cấp thiết nhằm bảo vệ tài nguyên thiên nhiên và đảm bảo sức khỏe cộng đồng.
[2] L Pérez-Lombard, et al "A review on buildings energy consumption information," Energy and Buildings, vol 40, no 3, pp 394-398, 2008
[3] Z Ma, P Cooper, et al "Existing building retrofits: Methodology and state-of- the-art," Energy and Buildings, vol 55, pp 889-902, 2012
[4] D Le et al "Life cycle energy analysis of a green building in Vietnam," in IOP
Conference Series: Materials Science and Engineering, Oct 2020
[5] N D Luong, "A critical review on energy efficiency and conservation policies and programs in Vietnam," Renewable and Sustainable Energy Reviews, vol
[6] L Guan et al "Life cycle energy analysis of eight residential houses in
Brisbane, Australia," Procedia Engineering, vol 121, pp 653-661, 2015
[7] L Pinky Devi et al "Life cycle energy analysis of a low-cost house in India,"
International Journal of Construction Education and Research, vol 15, no 4, pp 256-275, 2019
[8] R Talakonukula et al "Life cycle energy analysis of a multifamily residential house: a case study in Indian context," Open Journal of Energy Efficiency, vol
[9] A Atmaca et al "Life cycle energy (LCEA) and carbon dioxide emissions
(LCCO2A) assessment of two residential buildings in Gaziantep, Turkey,"
Energy Buildings, vol 102, pp 417-431, Sep 2015
[10] T Chen et al "Analysis of embodied energy use in the residential building of Hong Kong," Energy, vol 26, no 4, pp 323-340, Apr 2001
[11] M Asif et al "Life cycle assessment: A case study of a dwelling home in
Scotland," Building and Environment, vol 42, no 3, pp 1391-1394, Mar 2007
[12] F Shadram et al "Exploring the trade-off in life cycle energy of building retrofit through optimization," Applied Energy, vol 269, p 115083, Jul 2020
[13] T W Liao et al "Metaheuristics for project and construction management–A state-of-the-art review," Automation in Construction, vol 20, no 5, pp 491-
[14] S Mirjalili, "Dragonfly algorithm: a new meta-heuristic optimization technique for solving single-objective, discrete, and multi-objective problems," Neural Computing and Applications, vol 27, no 4, pp 1053-1073, 2016
[15] T Ramesh et al "Life cycle energy analysis of buildings: An overview," Energy
Buildings, vol 42, no 10, pp 1592-1600, Oct 2010
[16] G Hammond et al Inventory of Carbon & Energy: ICE University of Bath,
[17] G Hammond et al Embodied carbon University of Bath, UK, 2011
[18] P Penna et al "Multi-objectives optimization of Energy Efficiency Measures in existing buildings," Energy Buildings, vol 95, pp 57-69, May 2015
[19] S A Sharif and A Hammad, "Simulation-Based Multi-Objective Optimization of institutional building renovation considering energy consumption, Life- Cycle Cost and Life-Cycle Assessment," Journal of Building Engineering, vol
[20] M Najjar et al "Integrated optimization with building information modeling and life cycle assessment for generating energy efficient buildings," Applied Energy, vol 250, pp 1366-1382, Sep 2019
[21] C She et al "Life cycle cost and life cycle energy in zero-energy building by multi-objective optimization," Energy Reports, vol 7, pp 5612-5626, Nov
[22] B Chegari et al "Multi-objective optimization of building energy performance and indoor thermal comfort by combining artificial neural networks and metaheuristic algorithms," Energy and Buildings, vol 239, p 110839, May
[23] R Crawford, "An as-occupied life cycle energy assessment of a residential building," in Proceedings of the 46th Annual Conference of the Architectural
Science Association, Gold Coast, Australia, 2012, pp 14-16
[24] F Shadram and J Mukkavaara, "Improving life cycle sustainability and profitability of buildings through optimization: A case study," Buildings 2022, vol 12, no 4, p 497, Apr 2022
In a recent study, Gao et al (2023) focus on the multi-objective optimization of energy-saving measures and operational parameters for a retrofitted office building in Chengdu, addressing future climate conditions The research, published in Energy Reports, highlights the importance of adapting building strategies to enhance energy efficiency and sustainability By analyzing various optimization techniques, the study provides valuable insights into improving energy performance in urban environments.
Trần Đức Học và Lê Tấn Tài đã nghiên cứu và tối ưu hóa ước tính mức tiêu thụ năng lượng trong các tòa nhà bằng cách áp dụng các thuật toán trí tuệ nhân tạo Nghiên cứu này được công bố trong Tạp chí Khoa Học Công Nghệ Xây dựng NUCE, số 14, số 1V, trang 35-45, vào tháng 2 năm 2020 Việc sử dụng trí tuệ nhân tạo trong ước tính tiêu thụ năng lượng không chỉ nâng cao độ chính xác mà còn giúp quản lý năng lượng hiệu quả hơn trong các công trình xây dựng.
Hồ Ngọc Khoa và các cộng sự đã đề xuất một thuật toán đa mục tiêu cho nhóm xã hội, kết hợp với phương pháp ra quyết định đa tiêu chí nhằm giải quyết các vấn đề liên quan đến thời gian, chi phí và rủi ro trong tiến độ dự án Nghiên cứu này được công bố trong Tạp chí Khoa học Công nghệ Xây dựng NUCE, số 14, tháng 10 năm 2020.
[28] Nguyễn Trí Duy, "Nghiên cứu xây dựng chỉ số tổng hợp phát triển bền vững cấp tỉnh ở Việt Nam," Thông tin khoa học Thống kê, vol 2, no 6.21, Dec 2021
Nghiên cứu của N Đ Lượng và N C Thịnh (2023) tập trung vào việc giảm thiểu phát thải carbon trong lĩnh vực tòa nhà, phân tích các chính sách và công cụ hiệu quả từ một số quốc gia phát triển Bài viết cũng đưa ra những khuyến nghị cụ thể cho Việt Nam nhằm cải thiện quản lý và giảm thiểu tác động môi trường trong ngành xây dựng.
[30] W Menesi and T Hegazy, "Multimode resource-constrained scheduling and leveling for practical-size projects," Journal of Management in Engineering, vol 31, no 6, Sep.2014
[31] J Zhou et al "A review of methods and algorithms for optimizing construction scheduling," Journal of the Operational Research Society, vol 64, pp 1091-
[32] D X M Zheng et al "Applying a genetic algorithm-based multiobjective approach for time-cost optimization," Journal of Construction Engineering and
Management, vol 130, no 2, pp 168-176, Mar 2004
[33] H Zhang et al "Particle swarm optimization for resource-constrained project scheduling," International Journal of Project Management, vol 24, no 1, pp 83-92, Jan 2006
[34] Q Jia and Y Guo, "Hybridization of ABC and PSO algorithms for improved solutions of RCPSP," Journal of the Chinese Institute of Engineers, vol 39, no
Phạm Hồng Luân and Lê Thanh Trí explored the integration of a hybrid algorithm combining artificial bee colony and particle swarm optimization to enhance construction project scheduling Their research addresses resource constraints while considering the critical trade-offs between time, cost, and quality, as well as the importance of resource leveling This study, published in the Vietnam Construction Journal, highlights innovative approaches to optimize project management in the construction industry.
Phạm Hồng Luân and Lê Thanh Trí explore the application of a hybrid algorithm combining artificial bee colony and particle swarm optimization to enhance construction project scheduling under resource constraints Their research, published in Tạp Chí Xây Dựng Việt, focuses on optimizing resource leveling to improve project efficiency and effectiveness.
[37] A Reza et al " Artificial Bee colony for resource constrained project scheduling problem" International Journal of Industrial Engineering Computations, vol 2, pp 45-60, 2011
[38] S Mirjalili et al "Grey wolf optimizer," Advances in Engineering Software, vol 69, pp 46-61, Mar 2014
[39] H Zawbaa et al "A hybrid dragonfly algorithm with extreme learning machine for prediction," in 2016 International Symposium on Innovations in Intelligent
[40] S R KS and S Murugan, "Memory based hybrid dragonfly algorithm for numerical optimization problems," Expert Systems with Applications, vol 83, pp 63-78, Oct 2017
[41] A Tharwat et al "Parameter optimization of support vector machine using dragonfly algorithm," in Proceedings of the International Conference on Advanced Intelligent Systems and Informatics 2017, pp 309-319, Aug 2017
[42] C M Rahman et al "Dragonfly algorithm and its applications in applied science survey," Computational Intelligence and Neuroscience, vol 2019,
[43] A Boukaroura et al "Optimal Placement and Sizing of Multiple Renewable
Distributed Generation Units Considering Load Variations Via Dragonfly Optimization Algorithm," Iranian Journal of Electrical and Electronic Engineering, vol 16, pp 353-362, Sep 2020
[44] D Hendardi et al., "Dragonfly algorithm in 2020: Review," Communications in
Mathematical Biology and Neuroscience, vol 2021, p 47, Jan 2021
[45] A I Hammouri et al "An improved dragonfly algorithm for feature selection,"
Knowledge-Based Systems, vol 203, p 106131, Sep 2020
[46] B A S Emambocus et al "Dragonfly Algorithm and Its Hybrids: A Survey on Performance, Objectives and Applications," Sensors, vol 21, Nov 2021
[47] H Parmaksiz et al "Mutation based improved dragonfly optimization algorithm for a neuro-fuzzy system in short term wind speed forecasting," Knowledge- Based Systems, vol 268, p 110472, May 2023
[48] T Ramesh et al "Life cycle energy analysis of buildings: An overview," Energy and Buildings, vol 42, no 10, pp 1592-1600, Oct 2010
[49] A Martínez-Rocamora et al "LCA databases focused on construction materials: A review," Renewable and Sustainable Energy Reviews, vol 58, pp 565-573, May 2016
[50] L F Cabeza et al "Life cycle assessment (LCA) and life cycle energy analysis (LCEA) of buildings and the building sector: A review," Renewable and Sustainable Energy Reviews, vol 29, pp 394-416, Jan 2014
[51] J Kennedy and R Eberhart, "Particle swarm optimization," in Proceedings of
ICNN'95 - International Conference on Neural Networks, 1995, vol 4, pp
[52] H Zhang et al "Particle swarm optimization for resource-constrained project scheduling," International Journal of Project Management, vol 24, no 1, pp 83-92, Jan 2006
[53] D Karaboga et al "A comprehensive survey: artificial bee colony (ABC) algorithm and applications," Artificial Intelligence Review, vol 42, pp 21-57, Mar 2014
[54] B C Mohan and R Baskaran, "A survey: Ant Colony Optimization based recent research and implementation on several engineering domain," Expert Systems with Applications, vol 39, no 4, pp 4618-4627, Mar 2012
[55] D Karaboga, "An idea based on honey bee swarm for numerical optimization,"
Technical Report-tr06, Erciyes university, Engineering faculty, Computer Engineering Department, Oct 2005
[56] E H Houssein et al "Lévy flight distribution: A new metaheuristic algorithm for solving engineering optimization problems," Engineering Apllications of Artificial Intelligence, vol 94, p 103731, Sep 2020
[57] X.-S Yang and S Deb, "Cuckoo Search via Levy Flights," in 2009 World Congress on Nature and Biologically Inspired Computing, Jan 2010
[58] X S Yang et al Swarm intelligence and bio-inspired computation: theory and applications Newnes, 2013
[59] G P Hammond and C I Jones, "Embodied energy and carbon in construction materials," Energy, vol 161, no 2, pp 87-98, May 2008
[60] E Christoforou et al "Cradle to site Life Cycle Assessment (LCA) of adobe bricks," Journal of Cleaner Production, vol 112, pp 443-452, Jan 2016
[61] G C D Lab, "Total electricity generation per person," Internet: https://ourworldindata.org/grapher/per-capita-electricity-generation, 2023
[62] R H Crawford, "Post-occupancy life cycle energy assessment of a residential building in Australia," Architectural Science Review, vol 57, no 2, pp 114-