Volume 25, Issue 76 (3-2025)
jgs 2025, 25(76): 194-209 |
Back to browse issues page
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Zekavat M, Tahbaz M, Hafezi M R. (2025). Investigating the effect of neighboring buildings’ orientation and the passage on the amount of energy consumption (case example: common residential buildings in Tehran). jgs. 25(76), 194-209. doi:10.61186/jgs.25.76.17
URL: http://jgs.khu.ac.ir/article-1-4168-en.html
URL: http://jgs.khu.ac.ir/article-1-4168-en.html
1- Shahid Beheshti University, Faculty of Architecture and Urban Planning, Shahid Beheshti University, Tehran, Iran
2- Shahid Beheshti University, Faculty of Architecture and Urban Planning, Shahid Beheshti University, Tehran, Iran ,m-tahbaz@sbu.ac.ir
2- Shahid Beheshti University, Faculty of Architecture and Urban Planning, Shahid Beheshti University, Tehran, Iran ,
Abstract: (3842 Views)
Buildings are the primary consumers of energy in the country, accounting for approximately 30-50% of total energy consumption. In our country, around 33% of energy is allocated to residential, commercial, and public buildings. The objective of this study is to examine the impact of a building's orientation on its energy consumption. The research is focused on the common 4 and 5-story residential buildings in District 5 of Tehran, specifically on Ferdous Sharq Blvd. The research adopts a descriptive-analytical methodology based on both organizational and field data collection. Six similar residential blocks in different lighting positions were selected to gather data. These blocks share identical characteristics in terms of land area, infrastructure area, number of floors, heating and cooling systems, and other factors. The only distinction among them is their location within a passage. Subsequently, Design Builder software was employed to simulate and compare their energy consumption. The findings of the research reveal that the average energy consumption, with a precision of 98%, for the northern blocks is 7,261 kilowatt hours per square meter per year, while for the southern blocks it is 11,247 kilowatt hours per square meter per year, and for the overall blocks it is 5,254 kilowatt hours per square meter per year. This is approximately three times the ideal building's energy consumption. The northern blocks consume about 5% more energy than the southern blocks. A block that receives light from three sides (north, south, and west) consumes about 11% more energy than the average, whereas a block that receives light from two sides (north and south) consumes about 5% less energy than the average. The north blocks have an energy label of D, whereas the south blocks, except for the end block that receives light from three sides (north, south, and west), have an energy label of C. Consequently, the south blocks generally demonstrate better energy consumption performance.
Type of Study: Applicable |
Subject:
Geography and Urban Planning
References
1. ابراهیم پور، عبدالسلام؛ کریمی، یوسف.(1391). روش های مناسب بهینه سازی مصرف انرژی در ساختمان دانشگاهی در تبریز، نشریه علمی پژوهشی مهندسی مکانیک مدرس، 12(4): 91-104.
2. بیدلی، مرسا؛ می، حسین؛ سهیلی، جمال الدین؛ رهبری منش، کمال.(1399).ارزیابی تاثیر حفره میانی در عملکرد مصرف انرژی سرمایشی نمای دو پوسته گسترده در اقلیم گرم و مرطوب جزیره کیش، .نشریه معماری و شهرسازی آرمانشهر،13(30): 19-29.
3. ذوالفقاری، علیرضا؛ سعادتی نسب، مهران؛ نوروزی، الهه.(1393). میزان تاثیر نمای خارجی ساختمان بر مصرف انرژی سالانه در اقلیم های مختلف ایران، مجله انرژی ایران، 17(4): 69-80.
4. زمانی، زهرا؛ حیدری، شاهین؛ حناچی، پیروز.(1396). ایجاد حیاط های میانی در بلوک های شهری در راستای کاهش مصرف منابع انرژی نمونه موردی:آپارتمانهای مسکونی کوتاه مرتبه تهران، نشریه هنر های زیبا_معماری و شهرسازی،22(3): 5-14.
5. زهری، سارا؛ طاهباز، منصوره؛ اعتصام، ایرج.(1396). ارائه الگوی بهینه استقرار ساختمان ها در مجتمع های مسکونی ویلایی در شهر رشت با رویکرد بهره گیری بهینه از انرژی خورشید و باد، نشریه مدیریت شهری،16(47): 21-32.
6. سازمان بهره وری انرژی ایران.(1393). ترازنامه انرژی. تهران.
7. سرکرده یی، الهام؛ ثقفی، محمودرضا؛ نصراللهی، فرشاد.(1396). بررسی عملکرد گلخانه جبهه جنوبی بر میزان کاهش اتلاف حرارت در آپارتمانی در شهر شاهرود، نشریه معماری و شهرسازی ایران،9(15): 135-148.
8. شرفی، طیبه ؛ نصرالهی، نازنین ؛ خداکرمی، جمال.(1390). تاثیر شرایط حرارتی موجود و مورد نیاز ساکنین ساختمانهای مسکونی بلند مرتبه بر میزان مصرف انرژی،اولین کنفرانس رویکردهای نوین در نگهداشت انرژی،تهران.
9. صادقی پور رودسری، مصطفی.(1387). بکارگیری نرم افزارهای شبیه ساز رایانه ای در طراحی معماری- گامی به سوی معماری همه جانبه نگر، رساله کارشناسی ارشد دانشکده هنر دانشگاه تهران، تهران.
10. صنایعیان، هانیه؛ غرابی، فاطمه.(1398). مروری بر پارامترهای فرمی بلوک های شهری تاثیرگذار بر مصرف انرژی و جذب انرژی خورشید، نشریه معماری و شهرسازی،7(2): 23-36.
11. عرب زاده، ساناز؛ کاظم زاده، سیامک.(1384). بررسی پارامترهای موثر در میزان مصرف انرژی در بخش مسکونی در ایران.، چهارمین همایش بهینه سازی مصرف سوخت در ساختمان ایران، تهران.
12. غفاری، شهیلا؛ غفاری، شیوا؛ صالح، الهام.(1392).راهکارهای طراحی مسکن در بهینه سازی مصرف انرژی شهر تهران، مجله پژوهش های برنامه ریزی و سیاستگذاری انرژی،، 1(1): 115-132.
13. غیایی، محمد مهدی؛ حسین پورحجار، علی.(1393). رابطه مصرف انرژی و نسبت بازشو در ساختمان های بلند مرتبه اداری، نشریه معماری و شهرسازی پایدار،2(1): 57-69.
14. غیایی، محمدمهدی؛ مهدوی نیا، مجتبی؛ طاهباز، منصوره؛ مفیدی،مجید.(1392).روش شناسی گزینش نرم افزارهای کاربردی شبیه ساز انرژی در حوزه معماری، نشریه هویت شهر،7(13): 45-54.
15. کریم پور، علیرضا؛ دیبا، داراب؛ اعتصام، ایرج.(1396). تحلیل تاثیر آفتابگیر های داخلی بر مصرف انرژی با استفاده از مدل های شبیه سازی، نشریه هویت شهر،11(30): 17-30.
16. کریم پور، علیرضا؛ دیبا، داراب؛ اعتصام، ایرج.(1398). تحلیل های اقتصادی و ارزیابی میزان مصرف انرژی بر اساس نوع و نسبت پنجره ها با استفاده از مدل های شبیه سازی,مطالعه موردی یک واحد مسکونی نمونه در شهر تهران، نشریه هویت شهر،13(39): 19-34.
17. مرتضایی، گلنار؛ محمدی، محمود؛ نصراللهی، فرشاد، قلعه نوعی، محمود.(1396).بررسی ریخت گونه شناسانه یافته های مسکونی جدید در راستای بهینه سازی مصرف انرژی اولیه مطالعه موردی سپاهان شهر، نشریه مطالعات شهری6(24): 41-54.
18. مرکز آمار ایران.(1395). اطلاعات پروانه های ساختمانی صادر شده توسط شهرداری های کشور، سازمان مدیریت و برنامه ریزی کشور،تهران.
19. مهدوی نژاد، محمدجواد؛ مسعودی، ساناز.(1397). خود سایه اندازی و بهره وری انرژی در الگوی معماری سرآمد،مورد مطالعاتی:فرم کلی ساختمان های میان مرتبه تهران، نشریه معماری و شهرسازی آرمانشهر،11(25): 201-208.
20. نصراللهی، نازینی؛ عبدالله زاده، صفورا؛ لیتکوهی، ساناز.(1394). بررسی تاثیر آتریوم بر شرایط محیط داخلی آسایش حرارتی ساکنان و میزان مصرف انرژی در ساختمان های اداری،نشریه معماری و شهرسازی آرمان شهر، 21(4): 125-138.
21. Abbood, A. W., Al-Obaidi, K. M., Awang, H., & Rahman, A. M. A. (2015). Achieving energy efficiency through industrialized building system for residential buildings in Iraq. International Journal of Sustainable Built Environment, 4(1), 78-90. [DOI:10.1016/j.ijsbe.2015.02.002]
22. Asif, M., Muneer, T., & Kelley, R. (2007). Life cycle assessment: A case study of a dwelling home in Scotland. Building and environment, 42(3), 1391-1394. [DOI:10.1016/j.buildenv.2005.11.023]
23. Attia, S. (2011). State of the art of existing early design simulation tools for net zero energy buildings: a comparison of ten tools.
24. Attia, S., Beltrán, L., De Herde, A., & Hensen, J. (2009). "Architect friendly": A comparison of ten different building performance simulation tools. In 11th international building performance simulation association conference and exhibition. International Building Performance Simulation Association (IBPSA), Glasgow, United Kingdom.
25. Baum, M., & Council, U. G. B. (2007). Green building research funding: an assessment of current activity in the United States. Washington, DC: US Green Building Council.
26. Crawley, D. B., Hand, J. W., Kummert, M., & Griffith, B. T. (2008). Contrasting the capabilities of building energy performance simulation programs. Building and environment, 43(4), 661-673. [DOI:10.1016/j.buildenv.2006.10.027]
27. Dias, D., Machado, J., Leal, V., & Mendes, A. (2014). Impact of using cool paints on energy demand and thermal comfort of a residential building. Applied Thermal Engineering, 65(1-2), 273-281. [DOI:10.1016/j.applthermaleng.2013.12.056]
28. Dodoo, A., Gustavsson, L., & Sathre, R. (2014). Lifecycle primary energy analysis of low-energy timber building systems for multi-storey residential buildings. Energy and Buildings, 81, 84-97. [DOI:10.1016/j.enbuild.2014.06.003]
29. DOE, "Building Energy Software Tools Directory-EnergyPlus. Retrieved from," http://apps1.eere.energy.gov/buildings/tools_directory/software.cfm/ID=287/pagename=a, 2008.
30. Ebrahimpour, A., & Maerefat, M. (2011). Application of advanced glazing and overhangs in residential buildings. Energy Conversion and Management, 52(1), 212-219. [DOI:10.1016/j.enconman.2010.06.061]
31. Ebrahimpour, A., & Vahed, Y. K. (2012). The best methods to optimize energy consumption for an educational building in Tabriz. Modares Mech. Eng, 12(4), 91-104.
32. Ecotect Tutorials," Http://wiki.naturalfrequency.com/wiki/Ecotect_Tutorials.
33. EIA,.(2004).EIA,Eurostat.and BRE 2004.
34. Eskin, N., & Türkmen, H. (2008). Analysis of annual heating and cooling energy requirements for office buildings in different climates in Turkey. Energy and buildings, 40(5), 763-773. [DOI:10.1016/j.enbuild.2007.05.008]
35. Farhanieh, B., & Sattari, S. (2006). Simulation of energy saving in Iranian buildings using integrative modelling for insulation. Renewable energy, 31(4), 417-425. [DOI:10.1016/j.renene.2005.04.004]
36. Friess, W. A., Rakhshan, K., Hendawi, T. A., & Tajerzadeh, S. (2012). Wall insulation measures for residential villas in Dubai: A case study in energy efficiency. Energy and Buildings, 44, 26-32. [DOI:10.1016/j.enbuild.2011.10.005]
37. Gaetani, I., Hoes, P. J., & Hensen, J. L. (2016). Occupant behavior in building energy simulation: Towards a fit-for-purpose modeling strategy. Energy and Buildings, 121, 188-204. [DOI:10.1016/j.enbuild.2016.03.038]
38. Ghafari Jabari, S., Ghafari Jabari, S., & Saleh, E. (2013). Review strategies for improving the design and construction of settlements in Tehran. Journal of Energy Planning And Policy Research, (1), 115-132.
39. Heijungs, R., & Frischknecht, R. (1998). A special view on the nature of the allocation problem. The international journal of life cycle assessment, 3(6), 321-332. [DOI:10.1007/BF02979343]
40. Hoes, P., Hensen, J. L., Loomans, M. G., de Vries, B., & Bourgeois, D. (2009). User behavior in whole building simulation. Energy and buildings, 41(3), 295-302. [DOI:10.1016/j.enbuild.2008.09.008]
41. Hong, J. (2011). Analysis of residential energy consumption characteristics: A comparative study between two cities in China and the US. The University of Texas at San Antonio.
42. Hopfe, C., Struck, C., Ulukavak Harputlugil, G., Hensen, J., & de Wilde, P. (2005). Exploration of the use of building performance simulation for conceptual design, in proceedings IBPSA NVL 2005. Delft, The Netherlands.
43. Huovila, P., Ala-Juusela, M., Melchert, L., Pouffary, S., Cheng, C. C., Ürge-Vorsatz, D., ... & Graham, P. (2009). Buildings and climate change: Summary for decision-makers, United Nations Env ironmental Programme, Sustainable Buildings and Climate Initiative, Paris, pp. 1-62, 2009.
44. Kossecka, E., & Kosny, J. (2002). Influence of insulation configuration on heating and cooling loads in a continuously used building. Energy and buildings, 34(4), 321-331. [DOI:10.1016/S0378-7788(01)00121-9]
45. Naji, S., Çelik, O. C., Alengaram, U. J., Jumaat, M. Z., & Shamshirband, S. (2014). Structure, energy and cost efficiency evaluation of three different lightweight construction systems used in low-rise residential buildings. Energy and buildings, 84, 727-739. [DOI:10.1016/j.enbuild.2014.08.009]
46. Neto, A. H., & Fiorelli, F. A. S. (2008). Comparison between detailed model simulation and artificial neural network for forecasting building energy consumption. Energy and buildings, 40(12), 2169-2176. [DOI:10.1016/j.enbuild.2008.06.013]
47. OWP/P.(2006). Overview of Simulation, IBPSA-USA Presentation for Engineers," in International Building performance Simulation ± USA Conference, MIT, USA.
48. Pérez-Lombard, L., Ortiz, J., & Pout, C. (2008). A review on buildings energy consumption information. Energy and buildings, 40(3), 394-398. [DOI:10.1016/j.enbuild.2007.03.007]
49. Prazeres, L. M. R. (2006). An exploratory study about the benefits of targeted data perceptualisation techniques and rules in Building Simulation (Doctoral dissertation, University of Strathclyde).
50. Raji, B., Tenpierik, M. J., & Van Den Dobbelsteen, A. (2016). An assessment of energy-saving solutions for the envelope design of high-rise buildings in temperate climates: A case study in the Netherlands. Energy and Buildings, 124, 210-221. [DOI:10.1016/j.enbuild.2015.10.049]
51. Ramesh, T., Prakash, R., & Shukla, K. K. (2010). Life cycle energy analysis of buildings: An overview. Energy and buildings, 42(10), 1592-1600. [DOI:10.1016/j.enbuild.2010.05.007]
52. Sage-Lauck, J. S., & Sailor, D. J. (2014). Evaluation of phase change materials for improving thermal comfort in a super-insulated residential building. Energy and Buildings, 79, 32-40. [DOI:10.1016/j.enbuild.2014.04.028]
53. Stoykova, E. (2010). Low resource consumption buildings and construction by use of life-cycle assessment in design and decision making-the project lore-lca. International Multidisciplinary Scientific GeoConference: SGEM, 2, 985.
54. Tan, X. (2007). A parametric building energy cost optimization tool based on a genetic algorithm (Doctoral dissertation, Texas A&M University).
55. The Quick energy simulation tool," U.S. The Department of Energy, www.doe2.com/equest, 03.19.2010
56. Winther, B. N., & Hestnes, A. G. (1999). Solar versus green: the analysis of a Norwegian row house. Solar energy ,66(6).387-393. [DOI:10.1016/S0038-092X(99)00037-7]
57. Xing, H. Y. H. (2004). Building load control and optimization (Doctoral dissertation, Massachusetts Institute of Technology).
58. Yan, D., O'Brien, W., Hong, T., Feng, X., Gunay, H. B., Tahmasebi, F., & Mahdavi, A. (2015). Occupant behavior modeling for building performance simulation: Current state and future challenges. Energy and buildings, 107, 264-278. [DOI:10.1016/j.enbuild.2015.08.032]
59. Yıldız, Y., & Arsan, Z. D. (2011). Identification of the building parameters that influence heating and cooling energy loads for apartment buildings in hot-humid climates. Energy, 36(7), 4287-4296. [DOI:10.1016/j.energy.2011.04.013]
60. Yousefi, F., Gholipour, Y., & Yan, W. (2017). A study of the impact of occupant behaviors on energy performance of building envelopes using occupants' data. Energy and Buildings, 148, 182-198. [DOI:10.1016/j.enbuild.2017.04.085]
61. Zhao, M., Künzel, H. M., & Antretter, F. (2015). Parameters influencing the energy performance of residential buildings in different Chinese climate zones. Energy and Buildings, 96, 64-75. [DOI:10.1016/j.enbuild.2015.03.007]
Send email to the article author
| Rights and permissions | |
 |
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License. |
This work is licensed under a Creative Commons — Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)