Construção de modelos matemáticos simples para calcular os requisitos de energia de edificações

Autores

DOI:

https://doi.org/10.22320/07190700.2023.13.02.04

Palavras-chave:

modelo matemático, simulações, arquitetura sustentável

Resumo

O objetivo deste trabalho é desenvolver um modelo matemático preditivo que possibilite uma primeira abordagem do valor dos requisitos de energia (ER) de um edifício em um clima continental temperado, de forma a contribuir para o conhecimento teórico das ferramentas de avaliação energética. As simulações paramétricas foram realizadas e processadas com os softwares EnergyPlus 9.5 e JePlus. Os resultados foram utilizados como Dataset para a construção de diferentes modelos matemáticos, para os quais foi utilizado o programa SageMath para desenvolver equações que preveem o ER de cada cenário. Trabalhamos com modelos que escalonam sua complexidade em termos de métodos utilizados e número de parâmetros. Foi selecionado um modelo com baixo nível de erro (0,08) e 15 parâmetros. Observou-se que, embora o aumento do número de parâmetros tenha aproximado os modelos ao erro de 0,02, havia o risco de sobreajuste. O modelo selecionado busca incorporar a precisão e a validade das simulações dinâmicas em uma ferramenta de previsão simples que pode ser aplicada por profissionais da construção.

Downloads

Não há dados estatísticos.

Biografias Autor

María Victoria Mercado, Instituto de Ambiente, Hábitat y Energía (INAHE) CONICET, Mendoza, Argentina.

Doutor em Ciências
Pesquisador Associado

Gustavo Javier Barea-Paci, Instituto de Ambiente, Hábitat y Energía (INAHE) CONICET, Mendoza, Argentina.

Doutor em Ciências
Pesquisador Associado

Andrés Esteban Aceña, Instituto Interdisciplinario de Ciencias Básicas CONICET-Universidad Nacional de Cuyo, Mendoza, Argentina.

Doutor Rerum Naturalium
Pesquisador Assistente, Faculdade de Ciências Exatas e Naturais

Referências

AZAR, E., ALAIFAN, B., LIN, M., TREPCI, E., & ASMAR, M. E. (2021). Drivers of energy consumption in Kuwaiti buildings: insights from a hybrid statistical and building performance simulation approach. Energy Policy, 150, 112154. https://doi.org/10.1016/j.enpol.2021.112154

CĂTĂLINA, T., IORDACHE, V., & CARACALEANU, B. (2013). Multiple regression model for fast prediction of the heating energy demand. Energy and Buildings, 57, 302–312. https://doi.org/10.1016/j.enbuild.2012.11.010

CHANG, C. C., SHI, W., MEHTA, P., & DAUWELS, J. (2019). Life cycle energy assessment of university buildings in tropical climate. Journal of Cleaner Production, 239, 117930. https://doi.org/10.1016/j.jclepro.2019.117930

CHOU, J., & NGO, N. (2016). Time series analytics using sliding window metaheuristic optimization-based machine learning system for identifying building energy consumption patterns. Applied Energy, 177, 751–770. https://doi.org/10.1016/j.apenergy.2016.05.074

GONZÁLEZ-VIDAL, A., RAMALLO-GONZÁLEZ, A. P., TERROSO-SÁENZ, F., & SKARMETA, A. F. (2017). Data driven modeling for energy consumption prediction in smart buildings. 2017 IEEE International Conference on Big Data (Big Data). https://doi.org/10.1109/bigdata.2017.8258499

HUANG, S., LIN, Y., CHINDE, V., MA, X., & LIAN, J. (2021). Simulation-based performance evaluation of model predictive control for building energy systems. Applied Energy, 281, 116027. https://doi.org/10.1016/j.apenergy.2020.116027

INTERNATIONAL ENERGY AGENCY (2022). Tracking Buildings 2022. Paris: International Energy Agency. https://www.iea.org/ energy-system/buildings

KWAK, Y. H., SEO, D., JANG, C., & HUH, J. (2013). Feasibility study on a novel methodology for short-term real-time energy demand prediction using weather forecasting data. Energy and Buildings, 57, 250–260. https://doi.org/10.1016/j.enbuild.2012.10.041

MALKAWI, A., & AUGENBROE, G. (2004). Advanced Building Simulation. Routledge. https://doi.org/10.4324/9780203073674

PAPADOPOULOS, S., AZAR, E., WOON, W. L., & KONTOKOSTA, C. E. (2017). Evaluation of tree-based ensemble learning algorithms for building energy performance estimation Journal of Building Performance Simulation, 11(3), 322–332. https://doi.org/10.1080/19401493.2017.1354919

RAJ, B. P., MEENA, C. S., AGARWAL, N., SAINI, L., KHAHRO, S. H., SUBRAMANIAM, U., & GHOSH, A. (2021). A Review on Numerical Approach to Achieve Building Energy Efficiency for Energy, Economy and Environment (3E) benefit. Energies, 14(15), 4487. https://doi.org/10.3390/en14154487

SCHWARTZ, Y., & RASLAN, R. (2013). Variations in results of building energy simulation tools, and their impact on BREEAM and LEED ratings: A case study. Energy and Buildings, 62, 350–359. https://doi.org/10.1016/j.enbuild.2013.03.022

SEYEDZADEH, S., RAHIMIAN, F. P., RASTOGI, P., & GLESK, I. (2019). Tuning machine learning models for prediction of building energy loads. Sustainable Cities and Society, 47, 101484. https://doi.org/10.1016/j.scs.2019.101484

HARPUTLUGIL, T., & DE WILDE, P. (2021). The interaction between humans and buildings for energy efficiency: A critical review. Energy Research & Social Science, 71, 101828. https://doi.org/10.1016/j.erss.2020.101828

UNITED NATIONS ENVIRONMENT PROGRAMME (2022). 2022 Global Status Report for Buildings and Construction: Towards a Zero emission, Efficient and Resilient Buildings and Construction Sector. https://www.unep.org/resources/publication/2022-global-status-report-buildings-and-construction

FANG, Y., & CHO, S. (2019). Design optimization of building geometry and fenestration for daylighting and energy performance. Solar Energy, 191, 7–18. https://doi.org/10.1016/j.solener.2019.08.039

YE, Y., HINKELMAN, K., ZHANG, J., ZUO, W., & WANG, G. (2019). A methodology to create prototypical building energy models for existing buildings: A case study on U.S. religious worship buildings. Energy and Buildings, 194, 351–365. https://doi.org/10.1016/j.enbuild.2019.04.037

ZHAO, H., & MAGOULÈS, F. (2012). A review on the prediction of building energy consumption. Renewable & Sustainable Energy Reviews, 16(6), 3586–3592. https://doi.org/10.1016/j. rser.2012.02.049

Publicado

2023-12-31

Como Citar

Mercado, M. V., Barea-Paci, G. J., & Aceña, A. E. (2023). Construção de modelos matemáticos simples para calcular os requisitos de energia de edificações. Hábitat Sustentable, 13(2), 50–61. https://doi.org/10.22320/07190700.2023.13.02.04

Edição

Secção

Artículos

Artigos mais lidos do(s) mesmo(s) autor(es)