Modelos de predição da redução do consumo energético em edifícios que utilizam a iluminação natural através de regressão linear multivariada e redes neurais artificiais
Abstract:Muitos estudos já comprovaram a preferência dos usuários pela luz natural como fonte de luz em edificações. Além de benefícios à saúde atribuídos a sua influência no ritmo circadiano humano, a elevada qualidade na reprodução de cor, entre outros aspectos, a luz natural apresenta reconhecido potencial de economia de energia quando substitui ou complementa a iluminação artificial. Outro fator a ser considerado é que a maior disponibilidade de iluminação natural coincide com o horário comercial de funcionamento d… Show more
“…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.…”
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:
“…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.…”
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:
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
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.