Aplicação de diferentes métodos para previsão do desempenho energético de edifícios
a influência de escolha da ferramenta durante a etapa inicial de projeto
DOI:
https://doi.org/10.46421/encac.v17i1.4063Palavras-chave:
Eficiência energética em edificações, Simulação computacional, Metamodelo, Plataforma DEOResumo
O objetivo deste estudo é abordar o impacto da escolha da ferramenta de avaliação para previsão da carga térmica de edificações durante as fases iniciais do processo de projeto. Para isso, os modelos de referência foram definidos como 5 arquétipos desenvolvidos com base no método da INI-C com avaliação prevista para o contexto climático das zonas bioclimáticas 1, 3 e 8. A avaliação foi realizada por intermédio de três ferramentas de estimativa do consumo de energia: simulação computacional com software EnergyPlus, metamodelo e plataforma DEO. Os resultados demonstraram maior similaridade entre os dois primeiros métodos e maior disparidade nos resultados obtidos com o uso da plataforma DEO. Além disso, pode-se observar que existe a necessidade de aprofundamento de pesquisas sobre a viabilidade de uma inserção realista do processo de simulação ainda nas primeiras etapas do projeto e que a previsão do desempenho de uma edificação pode variar em função de inúmeros fatores, incluindo o método de avaliação e a representatividade dos dados de entrada utilizados para essa previsão.
Referências
ABNT – ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 15220-3: Desempenho térmico de edificações – Parte 3: Zoneamento bioclimático brasileiro e diretrizes construtivas para habitações unifamiliares de interesse social. Rio de Janeiro, 2005a.
ASCIONE et al. A real industrial building: Modeling, calibration and Pareto optimization of energy retrofit. Journal of Building Engineering, v. 29, 2020.
BRASIL. Instituto Nacional de Metrologia, Qualidade e Tecnologia (INMETRO). Portaria nº 42, de 24 de fevereiro de 2021. Aprova a Instrução Normativa Inmetro para a Classificação de Eficiência Energética de Edificações Comerciais, de Serviços e Públicas (INI-C) que aperfeiçoa os Requisitos Técnicos da Qualidade para o Nível de Eficiência Energética de Edifícios Comerciais, de Serviços e Públicos (RTQ-C), especificando os critérios e os métodos para a classificação de edificações comerciais, de serviços e públicas quanto à sua eficiência energética. Diário Oficial da União, Brasília, DF, 09 mar. 2021. Seção 1, p. 55.
BRE, F.; ROMAN, N.; FACHINOTTI, V. D. An efficient metamodel-based method to carry out multi-objective building performance optimizations. Energy and Buildings, v. 206, p. 109576, 2020.
CB3E. CENTRO BRASILEIRO DE EFICIÊNCIA ENERGÉTICA EM EDIFICAÇÕES. Relatório interno: desenvolvimento do metamodelo v.3, 2022.
CBCS. CONSELHO BRASILEIRO DE CONSTRUÇÃO SUSTENTÁVEL. DEO: Plataforma de Cálculos de Benchmarking de Energia. Disponível em: https://plataformadeo.cbcs.org.br/ Acesso em: 13 abr. 2023.
COAKLEY, D.; RAFTERY, P.; KEANE, M. A review of methods to match building energy simulation models to measured data. Renewable and sustainable energy reviews, v.37, p.123-141, 2014.
FERRARA, M. et al. EDeSSOpt – Energy Demand and Supply Simultaneous Optimization for cost-optimized design: Application to a multi-family building. Applied Energy, v. 236, p. 1231-1248, 2019.
GBC BRASIL. GREEN BUILDING COUNCIL BRASIL. Referencial GBC Brasil Casa e Condomínio. São Paulo: GBC Brasil, 2019.
GOU, S. et al. Passive design optimization of newly-built residential buildings in Shanghai for improving indoor thermal comfort while reducing building energy demand. Energy and Buildings, v. 169, p. 484-506, 2018.
HAMDY, M.; NGUYEN, A.; HENSEN, J. L. M. A performance comparison of multiobjective optimization algorithms for solving nearly-zero-energy-building design problems. Energy and Buildings, v. 121, p. 57-71, 2016.
IPCC - Intergovernmental Panel on Climate Change, 2018. Global Warming of 1.5°C. An IPCC Special Report on the impacts of global warming of 1.5°C above pre-industrial levels and related global greenhouse gas emission pathways, in the context of strengthening the global response to the threat of climate change, sustainable development, and efforts to eradicate poverty.
MME. MINISTÉRIO DE MINAS E ENERGIA. Guia Prático para Eficiência Energética em Edifícios. Brasília: Secretaria de Planejamento e Desenvolvimento Energético, 2019.
OLU-AJAYI, R. et al. Building energy consumption prediction for residential buildings using deep learning and other machine learning techniques, Journal of Building Engineering, v. 45, 2022.
UNITED STATES DEPARTMENT OF ENERGY – DOE. EnergyPlus Documentation: Input Output References. US Department of Energy, 2022.
WBCSD. World Business Council for Sustainable Development. Transforming the Built Environment. Disponível em: https://www.wbcsd.org/Programs/Cities-and-Mobility/Sustainable-Cities/Transforming-the-Built-Environment. Acesso em: 19 abr. 2023.
ZALUSKI, P. R. da S.; DANTAS, M. J. P. Application of simulation softwares in engineering education: a report of successful international experiences in modeling and system simulation courses. Brazilian Applied Science Review, v. 2, n. 1, p. 170-181, 2018.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 ENCONTRO NACIONAL DE CONFORTO NO AMBIENTE CONSTRUÍDO
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
