Otimização termoenergética de uma edificação escolar: discussão sobre o desempenho de quatro algoritmos evolutivos multiobjetivo

Abstract

Resumo Obaixo desempenho termoenergético das edificações resultou em uma progressão no consumo final de energia elétrica pelos setores da construção civil. A demanda por climatização artificial contribui significativamente para esse crescimento e pode estar diretamente relacionada a um inadequado planejamento arquitetônico. Através de uma estratégia de otimização multiobjetivo é possível identificar parâmetros de melhoria do desempenho desses edifícios mediante dois ou mais objetivos. Este estudo discute o desempenho de quatro algoritmos de otimização multiobjetivo aplicados a um projeto-padrão Proinfância tipo 2, implantado na zona bioclimática 2. Foram definidas como funções-objetivo a intensidade do uso de energia elétrica (IUE) para aquecimento e resfriamento e foram alteradas cinco variáveis: a espessura do isolamento térmico das paredes externas e do piso, a absortância solar das paredes externas e da cobertura, e a orientação solar. O algoritmo SPEA2 apresentou o melhor desempenho, alcançando uma solução capaz de reduzir aproximadamente 92% de IUE por aquecimento e 52% por resfriamento, em relação ao consumo do caso base.

Multi-objective optimization of school building envelope for two distinct geometric designs in southern Brazil

“…52 In addition, during the simulation execution, these individuals were assessed in 30, 50 and 100 generations, according to the algorithm’s evolutionary proposal. 52…”

“…The author used En-ergyPlus software along with jEPlus and jEPlus+EA parametrization/optimization tools. Maciel et al 52 assessed the NSGA-II and SPEA2 GA for multi-objective performance of a school building. The study presented a new elitist multi-objective evolutionary method that uses normal distribution as a possible innovation to assess the behaviour of design variables in the GA.…”

“…The SPEA2 algorithm was chosen because of its robust performance. 52 The SPEA2 is an evolutionary approach that uses two populations during its execution. One population is generated through evolutionary operation (P) and the other one is called external population (Q).…”

“…This value considers a margin of error (e) of 10% and a z-score (z) of 1.65, which corresponds to a 90% level of trust. 52 In addition, during the simulation execution, these individuals were assessed in 30, 50 and 100 generations, according to the algorithm's evolutionary proposal. 52 Criteria for results analysis.…”

“…52 In addition, during the simulation execution, these individuals were assessed in 30, 50 and 100 generations, according to the algorithm's evolutionary proposal. 52 Criteria for results analysis. Some necessary criteria were defined to carry out the evaluation of the results: 1) the decisions regarding the solar orientation interpretation, 2) the method used to determine the set of solutions and 3) the selection criterion of the best solutions, and are presented as follows.…”