Predição de conforto térmico em escritórios ventilados naturalmente por meio de redes neurais artificiais

Detalhes bibliográficos
Autor(a) principal: Olinger, Marcelo Salles
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/215263
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Civil, Florianópolis, 2019.
id UFSC_1ae9de6288fc820428b5b8e72574b13b
oai_identifier_str oai:repositorio.ufsc.br:123456789/215263
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Universidade Federal de Santa CatarinaOlinger, Marcelo SallesMelo, Ana PaulaLamberts, Roberto2020-10-21T21:14:43Z2020-10-21T21:14:43Z2019369095https://repositorio.ufsc.br/handle/123456789/215263Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Civil, Florianópolis, 2019.O condicionamento de ar para resfriamento de edificações é responsável por parcela significativa do consumo energético no mundo, e isso tende a aumentar nas próximas décadas. Uma solução para a mitigação do aumento no consumo de energia para resfriamento de ar é uso de ventilação natural (VN). A VN é uma técnica de resfiramento passivo com um potencial significativo de aplicação em países de clima quente. Apesar de seu pontencial de aplicabilidade, o uso de VN em edifícios de escritórios vem diminuindo gradualmente no Brasil, pois edificações de escritórios recentes vêm sendo projetadas exclusivamente com sistemas de condicionamento de ar. Para que seja aplicada de forma efetiva, é importante que a VN seja concebida desde a fase inicial de projeto. Durante a fase inicial de projeto, há pouco detalhamento relacionado ao projeto arquitetônico, e há necessidade de agilidade nas tomadas de decisão. Diante deste cenário, uma ferramenta capaz de estimar o conforto térmico em edificações de forma simples e rápida pode ser de grande utilidade. O objetivo deste estudo é desenvolver um metamodelo de rede neural artificial capaz de estimar o conforto térmico em edificações de escritórios ventilados naturalmente. O indicador de conforto térmico utilizado é a fração de horas do ano em que há desconforto térmico por calor no ambiente (EHF), de acordo com o método adaptativo da ASHRAE Standard 55 (2017), para 80% de aceitabilidade entre os ocupantes. O metamodelo é desenvolvido a partir de uma base de dados de simulações termoenergéticas obtidas através do programa computacional EnergyPlus. Os modelos que compõem a base de dados foram definidos a partir das características comumente encontradas em edificações de escritórios da cidade de São Paulo. A definição dos parâmetros variados no desenvolvimento dos modelos é estabelecida através da análise de sensibilidade global de Sobol. O treinamento da rede neural artificial é realizado com uma base de dados de 100.000 simulações termoenergéticas, amostradas pelo método de amostragem do hipercubo latino. O desempenho do metamodelo foi avaliado para uma amostra de validação com 20.000 casos, e obteve resultados de EHF com um erro absoluto médio igual a 0,009, e um erro absoluto do 95o percentil igual a 0,024. O metamodelo desenvolvido foi capaz de estimar o conforto térmico em edificações de escritórios ventilados naturalmente para a cidade de São Paulo com resultados próximos aos obtidos pelo programa de simulação computacional EnergyPlus. Esse metamodelo pode ser utilizado por projetistas como uma ferramenta de fácil aplicação no suporte à tomada de decisão em fases iniciais de projeto.Abstract: Energy demand in the world for air cooling in buildings is significant, and it is expected to increase in the next decades. Natural ventilation (NV) could be a solution to mitigate energy use for air cooling, since it is a passive cooling strategy with significant potential for hot climates. Despite its potential, the use of NV has been decreasing in recent years for office buildings in Brazil, since the design of buildings with air conditioning prevails. It is important to conceive the use of NV since early-design phases of the building to guarantee its effectiveness. During early-design phases, there are uncertainties related to the many construction parameters, and the decision process has to occur fast. Given the current scenario, the development of a surrogate model capable of estimate thermal comfort in buildings in a simple and fast way could be of great use. The aim of this study is to develop an artificial neural network model to estimate thermal comfort in naturally ventilated office buildings. The annual fraction of occupied hours within the thermal zone with operative temperatures above the upper limit of ASHRAE?s Standards 55 (2017) adaptive model, for 80% of acceptability, is used as a thermal comfort index. The surrogate model is developed from a data set of building performance simulations, using the software EnergyPlus. Simulation models were defined based on a database of naturally ventilated office buildings in the city of São Paulo. The variables used as inputs in the surrogate model are defined by Sobol?s sensitivity analysis. From data of 100,000 simulations, sampled by Latin hypercube sampling method, the neural network was trained. The performance of the surrogate model was measured with a validation data set of 20,000 cases. The mean absolute error for the fraction of hours outside ASHRAE?s Standards 55 (2017) adaptive model limits for the validation data set was 0,009, and the absolute error of the 95th percentile was 0,024. The final surrogate model achieved estimates for thermal comfort in naturally ventilated office buildings in the city of São Paulo with results close to the simulations developed on the software EnergyPlus. This surrogate model can be used by building designers as a simple tool to support decision making in early-design phases.84 p.| il., gráfs.porEngenharia civilVentilaçãoConforto térmicoRedes neurais (Computação)Predição de conforto térmico em escritórios ventilados naturalmente por meio de redes neurais artificiaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPECV1190-D.pdfPECV1190-D.pdfapplication/pdf4917781https://repositorio.ufsc.br/bitstream/123456789/215263/-1/PECV1190-D.pdfa4cfeaca8499e7e3451b5b43799ab38dMD5-1123456789/2152632020-10-21 18:14:43.458oai:repositorio.ufsc.br:123456789/215263Repositório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732020-10-21T21:14:43Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Predição de conforto térmico em escritórios ventilados naturalmente por meio de redes neurais artificiais
title Predição de conforto térmico em escritórios ventilados naturalmente por meio de redes neurais artificiais
spellingShingle Predição de conforto térmico em escritórios ventilados naturalmente por meio de redes neurais artificiais
Olinger, Marcelo Salles
Engenharia civil
Ventilação
Conforto térmico
Redes neurais (Computação)
title_short Predição de conforto térmico em escritórios ventilados naturalmente por meio de redes neurais artificiais
title_full Predição de conforto térmico em escritórios ventilados naturalmente por meio de redes neurais artificiais
title_fullStr Predição de conforto térmico em escritórios ventilados naturalmente por meio de redes neurais artificiais
title_full_unstemmed Predição de conforto térmico em escritórios ventilados naturalmente por meio de redes neurais artificiais
title_sort Predição de conforto térmico em escritórios ventilados naturalmente por meio de redes neurais artificiais
author Olinger, Marcelo Salles
author_facet Olinger, Marcelo Salles
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Olinger, Marcelo Salles
dc.contributor.advisor1.fl_str_mv Melo, Ana Paula
dc.contributor.advisor-co1.fl_str_mv Lamberts, Roberto
contributor_str_mv Melo, Ana Paula
Lamberts, Roberto
dc.subject.classification.none.fl_str_mv Engenharia civil
Ventilação
Conforto térmico
Redes neurais (Computação)
topic Engenharia civil
Ventilação
Conforto térmico
Redes neurais (Computação)
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Civil, Florianópolis, 2019.
publishDate 2019
dc.date.issued.fl_str_mv 2019
dc.date.accessioned.fl_str_mv 2020-10-21T21:14:43Z
dc.date.available.fl_str_mv 2020-10-21T21:14:43Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/215263
dc.identifier.other.none.fl_str_mv 369095
identifier_str_mv 369095
url https://repositorio.ufsc.br/handle/123456789/215263
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 84 p.| il., gráfs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/215263/-1/PECV1190-D.pdf
bitstream.checksum.fl_str_mv a4cfeaca8499e7e3451b5b43799ab38d
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1766804991453954048

Registros relacionados