Modelos de predição da redução do consumo energético em edifícios que utilizam a iluminação natural através de regressão linear multivariada e redes neurais artificiais

Fonseca, Raphaela Walger da; Didoné, Evelise Leite; Pereira, Fernando Oscar Ruttkay

doi:10.1590/s1678-86212012000100011

Cited by 4 publications

(1 citation statement)

References 5 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Segundo Vianna e Gonçalves (2001 apud Fonseca et al, 2012) projetos desenvolvidos considerando a busca da luz natural chegam a alcançar a iluminância requisitada nos interiores de 80% a 90% das horas diurnas do ano economizando consideráveis quantidades de energia elétrica.…”

Section: Introductionunclassified

Análise do potencial de economia de energia elétrica nos pavimentos de garagem de uma edificação etiquetada, considerando o pré-requisito de contribuição da luz natural do RTQ-C

Brandão¹,

Souza²

2014

Encontro Nacional De Tecnologia Do Ambiente Construído

View full text Add to dashboard Cite

RESUMOOs métodos de avaliação fornecidos pelo RTQ-C para a determinação da eficiência do sistema de iluminação artificial determinam que avaliação de classificação seja feita pela densidade de potência instalada por atividade ou uso da edificação (W/m²), o que permite a determinação de limites para carga instalada de acordo com a atividade para cada classificação que varia de A e E. São exigidos pré-requisitos específicos como a Divisão de Circuitos, Desligamento Automático e Contribuição da Luz Natural. O pré-requisito de contribuição de luz natural implica em mudanças na concepção dos projetos luminotécnico, elétrico e de automação das edificações. Assim, este trabalho, parte de uma dissertação de mestrado em andamento, tem como objetivo analisar o potencial de redução de consumo de energia elétrica em pavimentos de garagem de edificações comerciais, a partir da aplicação do pré-requisito de Contribuição de Luz Natural. O método deste trabalho baseia-se no estudo de caso de uma edificação com área etiquetada para iluminação de 19.680m², e que atende a todos os pré-requisitos de avaliação de eficiência do sistema de iluminação do RTQ-C. Os resultados mostraram uma redução potencial de 8,85% do consumo total de energia elétrica das garagens, valor considerável se analisarmos o consumo mensal de 14.777 kWh/mês apenas nestes ambientes. Desta forma, observou-se que a separação do acionamento das fileiras de luminárias próximas às aberturas, em conjunto com rotinas de automação possibilitam a redução considerada significativa do consumo de energia elétrica em edificações comerciais. Palavras-chave:

show abstract

Section: Introductionunclassified

Análise do potencial de economia de energia elétrica nos pavimentos de garagem de uma edificação etiquetada, considerando o pré-requisito de contribuição da luz natural do RTQ-C

Brandão¹,

Souza²

2014

Encontro Nacional De Tecnologia Do Ambiente Construído

View full text Add to dashboard Cite

show abstract

Lighting retrofit using LED technology — Efficiency analysis and environmental impacts

Oliveira

Salles

Fragoso

et al. 2018

2018 Simposio Brasileiro De Sistemas Eletricos (SBSE)

View full text Add to dashboard Cite

Uma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios

Duarte

Goliatt

et al. 2017

Ambient. constr.

View full text Add to dashboard Cite

Abstractachine learning methods can be used to help design energy-efficient buildings reducing energy loads while maintaining the desired internal temperature. They work by estimating a response from a set of inputs such as building geometry, material properties, project costs, local weather conditions, as well as environmental impacts. These methods require a training phase which considers a dataset drawn from selected variables in the problem domain. This paper evaluates the performance of four machine learning methods to predict cooling and heating loads of residential buildings. The dataset consists of 768 samples with eight input variables and two output variables derived from building designs. The methods were selected based on exhaustive research with cross validation. Four statistical measures and one synthesis index were used for the performance assessment and comparison. The proposed framework resulted in accurate prediction models with optimized parameters that can potentially avoid modeling and testing various designs, helping to economize in the initial phase of the project. Keywords: Energy efficiency. Heating and cooling loads. Machine learning. Resumo

show abstract

Modelos de predição da redução do consumo energético em edifícios que utilizam a iluminação natural através de regressão linear multivariada e redes neurais artificiais

Cited by 4 publications

References 5 publications

Análise do potencial de economia de energia elétrica nos pavimentos de garagem de uma edificação etiquetada, considerando o pré-requisito de contribuição da luz natural do RTQ-C

Análise do potencial de economia de energia elétrica nos pavimentos de garagem de uma edificação etiquetada, considerando o pré-requisito de contribuição da luz natural do RTQ-C

Lighting retrofit using LED technology — Efficiency analysis and environmental impacts

Uma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios

Contact Info

Product

Resources

About