Desenvolvimento de um método para estimar o consumo de energia de edificações comerciais através da aplicação de redes neurais
| Autor(a) principal: | |
|---|---|
| Data de Publicação: | 2012 |
| Tipo de documento: | Tese |
| Idioma: | eng |
| Título da fonte: | Repositório Institucional da UFSC |
| Texto Completo: | http://repositorio.ufsc.br/xmlui/handle/123456789/99427 |
Resumo: | Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Civil |
| id |
UFSC_50f6de00458f9f7ab99c696c28448bbf |
|---|---|
| oai_identifier_str |
oai:repositorio.ufsc.br:123456789/99427 |
| network_acronym_str |
UFSC |
| network_name_str |
Repositório Institucional da UFSC |
| repository_id_str |
2373 |
| spelling |
Universidade Federal de Santa CatarinaMelo, Ana PaulaLamberts, RobertoHensen, Jan2013-03-04T20:18:22Z2013-03-04T20:18:22Z20122012305085http://repositorio.ufsc.br/xmlui/handle/123456789/99427Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia CivilEm Fevereiro de 2009 foi aprovado sob a portaria de No 53 o Regulamento Técnico da Qualidade do Nível de Eficiência Energética de Edifícios Comerciais, de Serviços e Públicos (RTQ-C). Este regulamento visa a etiquetagem de edificações comerciais no Brasil, classificando pelo nível de eficiência energética e baseando-se em três requisitos principais: Eficiência e potência instalada do sistema de iluminação; Eficiência do sistema de condicionamento de ar e Desempenho térmico da envoltória da edificação, quando a mesma for condicionada. O RTQ-C apresenta dois métodos para a avaliação do nível final de eficiência da edificação: Método Prescritivo, através da utilização de um modelo simplificado; ou através do Método de Simulação. Durante o desenvolvimento do modelo simplificado para a avaliação da envoltória presente no RTQ-C, foram encontradas algumas limitações com relação à volumetria do edifício e do parâmetro transmitância térmicas das paredes. Após o desenvolvimento do modelo, foram também observadas diferenças entre os níveis de eficiência de edificações com grande volumetria quando avaliadas através do Método Prescritivo e Método de Simulação. Outra observação foi com relação aos resultados fornecido pelo modelo simplificado. Os resultados são representados por um Indicador de Consumo, não representando o consumo aproximado da edificação em estudo. Nota-se que a utilização do método estatístico adotado para o desenvolvimento do modelo simplificado presente no RTQ-C (regressão linear múltipla) apresentou limitações para representar a relação entre as edificações adotadas e suas características com os seus respectivos consumos de energia. Com base nestas observações, esta tese tem como objetivo adotar um método estatístico que melhor consiga representar a correlação entre os dados de entrada e saída, permitindo o desenvolvimento de um modelo simplificado com melhor precisão para estimar o consumo de energia de edificações comerciais. Inicialmente, avaliou-se a precisão do modelo simplificado para o cálculo da eficiência da envoltória presente no Método Prescritivo do RTQ-C. Para esta avaliação foram adotados diferentes casos BESTEST com base na ASHRAE Standard 140; e também foi realizada uma comparação entre os níveis de eficiência da envoltória alcançados para diferentes edificações com base nos dois métodos presentes no RTQ-C. Através dos resultados pode-se concluir que uma das grandes limitações encontradas do modelo simplificado do RTQ-C está relacionado com a geometria das tipologias adotadas para o seu desenvolvimento, como por exemplo, a área de cobertura e a área de fachada da edificação (nomeados como Fator de altura e Fator de Forma). Posteriormente, avaliou-se a utilização de outro método estatístico para o desenvolvimento de um novo modelo simplificado baseando-se nos dados de entrada e saída adotados para o modelo simplificado presente no RTQ-C: redes neurais artificiais. Com base nestes resultados, foi possível realizar uma comparação entre os resultados deste método e do método estatístico adotado anteriormente, regressão linear múltipla. Observou-se que o método estatístico adotado para o desenvolvimento do modelo simplificado do RTQ-C não foi capaz de representar a influência dos dados de entrada no dado de saída. Porém, a aplicação do método estatístico de redes neurais reduziu o erro médio calculado entre o consumo simulado e equacionado, melhorando a precisão e a eficiência do modelo simplificado. Para o desenvolvimento de um novo modelo simplificado, ampliou-se a base de dados adotada anteriormente considerando um total de 16 tipologias com diferentes características de área construída, área condicionada, área de fachada externa, área de cobertura, entre outros. Foram também determinados limites mínimo e máximo de diferentes dados de entrada para melhor representar as diferentes combinações de características construtivas encontrada nas edificações comerciais do Brasil. As interações entre as diferentes tipologias adotadas e suas características foram realizadas através do método Hipercubo Latino, o qual permite que sejam realizadas diferentes combinações entre os parâmetros em um mesmo caso. Para as simulações destes novos casos utilizou-se o programa de simulação computacional EnergyPlus. Com base nos dados de entrada e nos dados de saída das simulações (consumo de energia elétrica), utilizou-se o método de modelagem estatística de redes neurais artificiais para o desenvolvimento de um novo modelo simplificado. Este método conseguiu descrever a correlação entre os dados de entrada e saída que não tem comportamento linear, permitindo o desenvolvimento de modelos simplificados com maior precisão. Como resultado final, os objetivos da tese foram alcançados permitindo o desenvolvimento de um modelo mais preciso para estimar o consumo de energia elétrica das edificações comerciais.The Regulation for Energy Efficiency Labelling of Commercial Buildings in Brazil (RTQ-C) was released in February 2009. This regulation aims to classify buildings according energy efficiency levels based on lighting system; air conditioning system and envelope. This classification can be based on: the result of hourly building energy simulation (BES) programs or by using a prescriptive method which is based on a simplified model. During the development of the RTQ-C simplified model to evaluate the building envelope some limitations related to the building geometry and the parameter wall thermal transmittance were found. Differences between energy efficiency labels of both methods were also noticed. The simplified model results are presented by a Consumption Indicator (IC) which do not corresponds to the final building energy consumption. Moreover, it can be noticed that the use of multi-linear regression involves large simplifications in the statistical modeling on the relation between building design and energy consumption Based on that, this research has the objective to evaluate the feasibility and relevance of more complex statistical modeling techniques, which can describe correlation between inputs and output that are non-linear, possibly leading to more accurate models. First, the primary intent of this study is to provide a preliminary assessment on the accuracy of the simplified model present in the RTQC (SMRTQ-C). The first step of the assessment consisted on evaluating the simplified model results using the BESTEST. The second step of the assessment consisted on applying the simplified model to evaluate different building typologies, and compare the results with those obtained using a state of the art building energy simulation (BES) program. The results showed that one of the clearest limitations of the SMRTQ-C is the range of building typologies used for its development, for example regarding building area, building geometry (namely the height factor (FA) and shape factor (FF)). Then, a new statistical modeling technique was adopted into those inputs and outputs used to develop the simplified model presented in the RQT-C: the artificial neural network (ANN). Based on those results, it was possible to compare the results from both statistical modeling techniques: multi linear regression and artificial neural network. The differences found in the case studies might indicate that the multi-linear regression adopted to develop the SMRTQC was unable to describe the relation between inputs parameter and energy consumption in the case of commercial buildings in Brazil. However, the ANN reduced the difference between the energy consumption based on the simplified model and the building energy simulation. The ANN improved the accuracy and the efficiency of the simplified model. Based on the results, new typologies and input parameters were considered to develop a new simplified model. A total of 16 typologies were taking into account, with different characteristics of building total area, external area, roof area, number of floors, etc). Maximum and minimum values of input data were determined to represent the different combinations among the Brazilian commercial buildings. The Hypercube Latin method sampling was applied to combine effects of several input parameters varying simultaneously. The simulations were carried out using the EnergyPlus program. The artificial neural network method was applied on those cases, considering the parameters as input data and the energy consumption as the output data. This method was able to describe the relation between inputs parameter and energy consumption in the case of commercial buildings in Brazil. As a result, the objectives of this research were achieved letting to develop a simplified model which can predict the commercial buildings energy consumption.189 p.| il., grafs., tabs.engFlorianópolisEngenharia civilRedes neurais (Computação)Energia -ConsumoEdificios comerciaisDesenvolvimento de um método para estimar o consumo de energia de edificações comerciais através da aplicação de redes neuraisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINAL305085.pdfapplication/pdf2726848https://repositorio.ufsc.br/bitstream/123456789/99427/1/305085.pdf7b26036d95584eb0a4c629c3f21cb571MD51TEXT305085.pdf.txt305085.pdf.txtExtracted Texttext/plain316041https://repositorio.ufsc.br/bitstream/123456789/99427/2/305085.pdf.txt715b12a0ba7093234b0425e6010b3d03MD52THUMBNAIL305085.pdf.jpg305085.pdf.jpgGenerated Thumbnailimage/jpeg1536https://repositorio.ufsc.br/bitstream/123456789/99427/3/305085.pdf.jpgdb1d2a513a0c68cfbb4ec643c8847968MD53123456789/994272013-05-05 22:06:44.546oai:repositorio.ufsc.br:123456789/99427Repositório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732013-05-06T01:06:44Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false |
| dc.title.pt_BR.fl_str_mv |
Desenvolvimento de um método para estimar o consumo de energia de edificações comerciais através da aplicação de redes neurais |
| title |
Desenvolvimento de um método para estimar o consumo de energia de edificações comerciais através da aplicação de redes neurais |
| spellingShingle |
Desenvolvimento de um método para estimar o consumo de energia de edificações comerciais através da aplicação de redes neurais Melo, Ana Paula Engenharia civil Redes neurais (Computação) Energia - Consumo Edificios comerciais |
| title_short |
Desenvolvimento de um método para estimar o consumo de energia de edificações comerciais através da aplicação de redes neurais |
| title_full |
Desenvolvimento de um método para estimar o consumo de energia de edificações comerciais através da aplicação de redes neurais |
| title_fullStr |
Desenvolvimento de um método para estimar o consumo de energia de edificações comerciais através da aplicação de redes neurais |
| title_full_unstemmed |
Desenvolvimento de um método para estimar o consumo de energia de edificações comerciais através da aplicação de redes neurais |
| title_sort |
Desenvolvimento de um método para estimar o consumo de energia de edificações comerciais através da aplicação de redes neurais |
| author |
Melo, Ana Paula |
| author_facet |
Melo, Ana Paula |
| author_role |
author |
| dc.contributor.pt_BR.fl_str_mv |
Universidade Federal de Santa Catarina |
| dc.contributor.author.fl_str_mv |
Melo, Ana Paula |
| dc.contributor.advisor1.fl_str_mv |
Lamberts, Roberto |
| dc.contributor.advisor-co1.fl_str_mv |
Hensen, Jan |
| contributor_str_mv |
Lamberts, Roberto Hensen, Jan |
| dc.subject.classification.pt_BR.fl_str_mv |
Engenharia civil Redes neurais (Computação) Energia - Consumo Edificios comerciais |
| topic |
Engenharia civil Redes neurais (Computação) Energia - Consumo Edificios comerciais |
| description |
Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Civil |
| publishDate |
2012 |
| dc.date.submitted.pt_BR.fl_str_mv |
2012 |
| dc.date.issued.fl_str_mv |
2012 |
| dc.date.accessioned.fl_str_mv |
2013-03-04T20:18:22Z |
| dc.date.available.fl_str_mv |
2013-03-04T20:18:22Z |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
| format |
doctoralThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
http://repositorio.ufsc.br/xmlui/handle/123456789/99427 |
| dc.identifier.other.pt_BR.fl_str_mv |
305085 |
| identifier_str_mv |
305085 |
| url |
http://repositorio.ufsc.br/xmlui/handle/123456789/99427 |
| dc.language.iso.fl_str_mv |
eng |
| language |
eng |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
189 p.| il., grafs., tabs. |
| dc.publisher.none.fl_str_mv |
Florianópolis |
| publisher.none.fl_str_mv |
Florianópolis |
| 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/123456789/99427/1/305085.pdf https://repositorio.ufsc.br/bitstream/123456789/99427/2/305085.pdf.txt https://repositorio.ufsc.br/bitstream/123456789/99427/3/305085.pdf.jpg |
| bitstream.checksum.fl_str_mv |
7b26036d95584eb0a4c629c3f21cb571 715b12a0ba7093234b0425e6010b3d03 db1d2a513a0c68cfbb4ec643c8847968 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC) |
| repository.mail.fl_str_mv |
|
| _version_ |
1766805360763469824 |