Desarrollo de códigos Python para procesar datos de salida de simulaciones termoenergéticas
presentación de un experimento
DOI:
https://doi.org/10.46421/encacelacac.v18i1.7143Palabras clave:
Desempeño termoenergético, Simulación computacional, PythonResumen
La limitación del acceso a herramientas de simulación termoenergética en Brasil compromete las decisiones relacionadas con el confort térmico y la eficiencia energética. El software RESIDE busca suplir esta carencia mediante la aplicación del método multicriterio ELECTRE-III, fundamentado en simulaciones realizadas con EnergyPlus. El presente trabajo tiene como objetivo automatizar el tratamiento de los datos generados en las simulaciones, anteriormente realizado de forma manual, con el fin de reducir el tiempo de procesamiento y minimizar errores operativos. Se desarrollaron algoritmos en Python para escribir los códigos que ejecutan cada etapa del tratamiento y transfieren los datos procesados a una base compatible con RESIDE. La automatización permitió reducir el tiempo necesario por tipología y ciudad de cuatro semanas de trabajo manual a entre 8 y 10 horas de procesamiento computacional autónomo, aumentando la escalabilidad y la robustez del proceso, sin prescindir de la validación técnica por parte de profesionales capacitados.
Citas
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR12721: Avaliação de custos unitários de construção para incorporação imobiliária e outras disposições para condomínios edilícios - Procedimento, Rio de Janeiro, 2006. 91 p
___. NBR16401-2: Instalação de condicionamento de ar – Sistemas centrais e unitários. Parte 2: Parâmetros de conforto térmico. ABNT, Rio de Janeiro, 2008. 11 p
BRAATZ, Diandra Garcia. Simulação termoenergética em OpenModelica e EnergyPlus: caso de teste da norma VDI 2078. 2022. Trabalho de Conclusão de Curso (Graduação em Engenharia) – Universidade Federal do Rio Grande do Sul, Porto Alegre, 2022. Disponível em: https://lume.ufrgs.br/handle/10183/251699. Acesso em: 11/01/2025.
CAU-BR. Pesquisa CAU/BR - Datafolha 2022. 2022. Disponível em: <https://www.caubr.gov.br/pesquisa2022/> Acesso em: 15 abril. 2025.
DEBIAZI, Pedro Renan; MASIERO, Érico. A contribuição da inteligência artificial, Big Data e Internet das Coisas para o estudo do clima urbano em Smart Cities. In: ENCONTRO NACIONAL DE CONFORTO NO AMBIENTE CONSTRUÍDO, 17., 2023. Anais [...]. [S. l.], 2023. p. 1–9. DOI: 10.46421/encac.v17i1.4429. Disponível em: https://eventos.antac.org.br/index.php/encac/article/view/4429. Acesso em: 11 jan. 2025.
INMETRO. Portaria nº 309, de 6 de setembro de 2022. Brasília: INMETRO, 2022.
LAWRIE, L. K; Crawley, D. B. Development of Global Typical Meteorological Years (TMYx). 2022. Disponível em: < https://climate.onebuilding.org. > Acesso em: 28 mar. 2023.
LEITZKE, Rodrigo Karini; CUNHA, Eduardo Grala da; MACIEL, Thalita dos Santos; DEMBINSKI, Fernanda Maria Doors; PRESTES, Isabela Bulbolz. Algoritmo para análise evolutiva multiobjetivo em simulações termoenergéticas. Gestão & Tecnologia de Projetos, São Carlos, v. 16, n. 1, p. 24–42, 2020. DOI: 10.11606/gtp.v16i1.164048. Disponível em: https://www.revistas.usp.br/gestaodeprojetos/article/view/164048. Acesso em: 11 jan. 2025.
NATIONAL RENEWABLE ENERGY LABORATORY (NREL). Python opens up new applications for EnergyPlus building energy simulation. [S. l.]: NREL, 2022. Disponível em: https://www.nrel.gov/news/features/2022/python-opens-up-new-applications-for-energyplus-building-energy-simulation.html. Acesso em: 11 jan. 2025.
PEREIRA. I. M; ASSIS. E. S. Assis. Avaliação de modelos de índices adaptativos para uso no projeto arquitetônico bioclimático. Ambiente Construído. v.10, n1, 2010.
ROY, B. Electre-III, an algorithm for ranking based on a fuzzy representation of multiple criteria preferences. Sema, Research Report n.81, Paris, 1977.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 ENCONTRO NACIONAL DE CONFORTO NO AMBIENTE CONSTRUÍDO
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
