APLICAÇÃO DE RNA NA ÁREA DA SIMULAÇÃO ENERGÉTICA DE EDIFÍCIOS

Transcrição

1 APLICAÇÃO DE RNA NA ÁREA DA SIMULAÇÃO ENERGÉTICA DE EDIFÍCIOS RICARDO ALMEIDA (Departamento de Engenharia Civil do Instituto Politécnico de Viseu e CONSTRUCT-LFC, Faculdade de Engenharia da Universidade do Porto)

2 CONTEÚDOS 1. REDES NEURONAIS ARTIFICIAIS E DESEMPENHO ENERGÉTICO DE EDIFÍCIOS: EXEMPLOS DE APLICAÇÃO 2. CASO DE ESTUDO 2.1 ENQUADRAMENTO 2.2 APRESENTAÇÃO E METODOLOGIA 2.3 ANÁLISE DE SENSIBILIDADE 2.4 OTIMIZAÇÃO

3 1. Redes Neuronais Artiiciais e Desempenho Energético de Ediícios: Exemplos de Aplicação

4 Redes Neuronais Artiiciais e Desempenho Energético de Ediícios: Exemplos de Aplicação Ben-Nakhi and Mahmoud (2004) - Kuwait Objetivo: otimizar os sistemas de AVAC em ediícios públicos de escritórios Utilizaram dados reais da carga térmica para arreecimento no período para treinar RNA. Input: dados horários da temperatura exterior nas 24 horas anteriores Output: carga térmica de arreecimento no dia seguinte (dados horários). Ben-Nakhi, A. E.; Mahmoud, M. A Cooling load prediction or buildings using general regression neural networks, Energy Conversion and Management 45(13):

5 Redes Neuronais Artiiciais e Desempenho Energético de Ediícios: Exemplos de Aplicação Mechaqrane and Zouak (2004) - Marrocos Objetivo: prever a temperatura interior de um ediício residencial através de RNA otimizadas Foram 1872 observações para treinar as RNA. Input: temperatura exterior, radiação solar e energia consumida pelo sistema de aquecimento. Output: temperatura interior. Mechaqrane, A.; Zouak, M A comparison o linear and neural network ARX models applied to a prediction o the indoor temperature o a building, Neural Computing & Applications 13(1):

6 Redes Neuronais Artiiciais e Desempenho Energético de Ediícios: Exemplos de Aplicação Boithias, El Mankibi and Michel (2012) - França Objetivo: otimizar RNA para posterior utilização no controlo dos sistemas de AVAC Foram utilizados resultados de simulações computacionais para treinar as RNA. A arquitetura das RNA oi otimizada assumindo dois objetivos: Precisão da previsão do desconorto térmico Precisão da previsão do consumo de energia Boithias, F.; El Mankibi M.; Michel, P. 2012b. Genetic algorithms based optimization o artiicial neural network architecture or buildings indoor discomort and energy consumption prediction, Building Simulation 5(2):

7 Redes Neuronais Artiiciais e Desempenho Energético de Ediícios: Exemplos de Aplicação Gossard, Lartigue and Thellier (2013) - França Objetivo: propor uma metodologia de otimização das propriedades térmicas das paredes exteriores (coeiciente de transmissão térmica e calor especíico) Foram utilizadas RNA e algoritmos genéticos de otimização multi-objetivo. As RNA oram treinadas para aproximar as unções objetivo. Input: U e c p Output: Função energia e unção conorto Gossard, D.; Lartigue, B.; Thellier, F Multi-objective optimization o a building envelope or thermal perormance using genetic algorithms and artiicial neural network, Energy and Buildings 67(0):

8 2. Caso de Estudo

9 Caso de Estudo - Enquadramento Necessidade de aquecimento em escolas não-reabilitadas TEMPERATURA MÉDIA [ºC] Sala R/C Sala P1 Sala P1_A Sala P1_B 16,3 15,3 14,1 14,2 Problemas de sobreaquecimento nas escolas reabilitadas!

10 Caso de Estudo - Enquadramento A = 50 m 2 21 ocupantes Implicações construtivas (e económicas...) muito signiicativas!

11 Caso de Estudo - Enquadramento 1000ppm 1250ppm As questões da ventilação/qualidade do ar interior não icaram resolvidas com as intervenções de reabilitação!

12 Caso de Estudo - Apresentação e Metodologia U das paredes U das coberturas U e g dos envidraçados RPH Energia para aquecimento Sobreaquecimento Ventilação

13 Caso de Estudo - Apresentação e Metodologia ESCOLA TIPO A Sem isolamento Vidro simples Sem sistema de aquecimento Ventilação natural (abertura de janelas)

14 Caso de Estudo - Apresentação e Metodologia ESCOLA TIPO B Sem isolamento Vidro simples Sem sistema de aquecimento Ventilação natural (abertura de janelas)

15 Caso de Estudo - Apresentação e Metodologia GANHOS INTERNOS VARIÁVEIS Espaço Metabolismo [W/ocupante] Densidade [ocupantes/m 2 ] Peril diário de ocupação (2ª a 6ª eira) U par [W/(m 2.ºC)] U cob [W/(m 2.ºC)] U vidro [W/(m 2.ºC)] g [-] RPH [h -1 ] Sala de aula 94 0,40 ATUAL Escola A 0,96 2,51 6,20 0,82 0,25 Escola B 0,96 1,50 6,20 0,82 0,25 Máximo 1,80 3,00 6,20 0,90 5,00 Mínimo 0,25 0,25 1,0 0,20 0,10 Corredores 112 0,60 Arrumos 112 0,10 Simulações anuais Outputs horários Validação com as medições Instalação Sanitária 112 0,60

16 Caso de Estudo - Apresentação e Metodologia LOCALIZAÇÕES FUNÇÕES DE AVALIAÇÃO DO DESEMPENHO Q S aq U, U, U, g, RPH T 20 C 1 par cob vidro a º Ta 25 U par, U cob, U vidro, g, RPH se Ta 25º C S 2 Q aq Carga térmica de aquecimento [kwh] T a Temperatura do ar [ºC] S Área [m 2 ]

17 Caso de Estudo - Apresentação e Metodologia SOLUÇÃO CONSTRUCTIVA SIMULAÇÃO COMPUTACIONAL OPTIMIZAÇÃO

18 Caso de Estudo - Apresentação e Metodologia REDES NEURONAIS ARTIFICIAIS SOLUÇÃO CONSTRUCTIVA OPTIMIZAÇÃO

19 Variável B Caso de Estudo - Apresentação e Metodologia COMBINAÇÕES PARA CADA ESCOLA TIPO LOCALIZAÇÃO ORIENTAÇÃO PISO FUNÇÃO PORTO LISBOA BRAGANÇA NORTE ESTE SUL OESTE RÉS DO CHÃO 1º PISO 1 2 FORAM CRIADAS 96 RNA 3840 SIMULAÇÕES ANUAIS 160 PARA CADA REDE NEURONAL 150 para treino 10 para validação LATIN HYPERCUBE SAMPLING Variável A

20 Caso de Estudo - Apresentação e Metodologia ARQUITETURA Multilayer eedorward com backpropagation 20 neurónios, 5 inputs, 1 output Algoritmo de treino: Levenberg-Marquardt com Bayesian regulation BIAS Upar I1 Ucob I2 BIAS Uvidro I3 g I4 RPH I5 Out 1 ou 2

21 Caso de Estudo - Apresentação e Metodologia PROCESSO AUTOMATIZADO Criar os 160 icheiros de input do E+ Correr o E+ consecutivamente Extrair do output a inormação necessária para o cálculo das unções 1 e 2 Criar as RNA e validar

22 Caso de Estudo - Apresentação e Metodologia VALIDAÇÃO R 2 i i1 y i y i p y 2 i 2

23 Caso de Estudo - Apresentação e Metodologia VALIDAÇÃO ESCOLA TIPO A ESCOLA TIPO B PORTO LISBOA BRAGANÇA MÉDIAS PORTO LISBOA BRAGANÇA MÉDIAS NORTE r/c 0,9990 0,9727 0,9989 0,9800 0,9990 0,9252 0,9791 1º piso 0,9978 0,9952 0,9969 0,9832 0,9983 0,9865 0,9929 0,9860 NORTE r/c 0,9953 0,9618 0,9939 0,9756 0,9973 0,9839 0,9846 1º piso 0,9959 0,9876 0,9953 0,9839 0,9961 0,9912 0,9916 0,9881 ESTE SUL r/c 0,9990 0,9766 0,9989 0,9784 0,9990 0,9045 0,9761 1º piso 0,9979 0,9840 0,9969 0,9864 0,9979 0,9899 0,9922 r/c 0,9990 0,9323 0,9988 0,9711 0,9990 0,9480 0,9580 1º piso 0,9980 0,9871 0,9963 0,9865 0,9978 0,9872 0,9921 0,9841 0,9751 0,9818 ESTE SUL r/c 0,9956 0,9444 0,9949 0,9854 0,9971 0,9864 0,9840 1º piso 0,9961 0,9767 0,9960 0,9955 0,9964 0,9892 0,9917 r/c 0,9956 0,9790 0,9952 0,9907 0,9936 0,9899 0,9907 1º piso 0,9960 0,9955 0,9943 0,9873 0,9968 0,9937 0,9939 0,9878 0,9923 0,9892 OESTE r/c 0,9990 0,9751 0,9988 0,9719 0,9989 0,9130 0,9761 1º piso 0,9980 0,9886 0,9966 0,9670 0,9983 0,9796 0,9880 0,9821 OESTE r/c 0,9955 0,9772 0,9951 0,9823 0,9971 0,9759 0,9872 1º piso 0,9954 0,9779 0,9949 0,9822 0,9967 0,9904 0,9896 0,9884 0,9984 0,9764 0,9978 0,9781 0,9985 0,9417 0,9957 0,9750 0,9949 0,9854 0,9964 0,9876 MÉDIAS 0,9874 0,9879 0,9701 MÉDIAS 0,9853 0,9902 0,9920 0,9818 0,9892

24 Caso de Estudo Análise de Sensibilidade CARACTERIZAÇÃO DO ESTADO ATUAL DOS EDIFÍCIOS 1 Energia (escola tipo A) Carga térmica para aquecimento superior no 1º piso Perdas térmicas pela cobertura são signiicativas

25 Caso de Estudo Análise de Sensibilidade CARACTERIZAÇÃO DO ESTADO ATUAL DOS EDIFÍCIOS 2 Sobreaquecimento (escola tipo A) Sobreaquecimento é um problema exclusivo das salas do 1º piso As salas de aula mais quentes são as orientadas a Sul e a Este

26 Caso de Estudo Análise de Sensibilidade ANÁLISE DE SENSIBILIDADE COEFICIENTE DE TRANSMISSÃO TÉRMICA DAS PAREDES ESCOLA TIPO A Orientação Sul Isolamento das paredes exteriores permite uma redução de até 40% na energia para aquecimento No entanto, implica um agravamento do sobreaquecimento das salas de aula

27 Caso de Estudo Análise de Sensibilidade ANÁLISE DE SENSIBILIDADE COEFICIENTE DE TRANSMISSÃO TÉRMICA DA COBERTURA ESCOLA TIPO A Orientação Sul Isolamento da cobertura permite uma redução de até 70% na energia para aquecimento Em relação ao sobreaquecimento o seu eeito não é tão claro

28 Caso de Estudo Análise de Sensibilidade ANÁLISE DE SENSIBILIDADE COEFICIENTE DE TRANSMISSÃO TÉRMICA E FATOR SOLAR DOS ENVIDRAÇADOS ESCOLA TIPO A Orientação Sul Eeito semelhante ao das paredes exteriores Fator solar sem grande signiicado, uma vez que no modelo considerou-se que as proteções solares atuam sempre que a radiação solar total incidente ultrapassa os 120 W/m 2

29 Caso de Estudo Análise de Sensibilidade ANÁLISE DE SENSIBILIDADE RENOVAÇÕES HORÁRIAS ESCOLA TIPO A Orientação Sul A variável RPH é a mais importante para o desempenho do ediício Considerando os requisitos regulamentares de ar novo para as salas de aula atualmente em vigor, a sua implementação nestes ediícios de uma orma isolada, sem melhoria da envolvente exterior, traduzir-se-ia num aumento das necessidades energéticas entre 300 e 700% Obviamente que o seu impacto no problema do sobreaquecimento das salas de aula seria positivo

30 Caso de Estudo Otimização OPTIMIZAÇÃO MULTI-OBJECTIVO DO DESEMPENHO FRENTE DE PARETO MÉTODO DOS PESOS ANÁLISE TÉCNICO-ECONÓMICA DE SOLUÇÕES CONSTRUCTIVAS OTIMIZAÇÃO MULTI-OBJECTIVO ANÁLISE DE CUSTOS DE CICLO DE VIDA

31 Caso de Estudo Otimização OTIMIZAÇÃO MULTI-OBJECTIVO FRENTE DE PARETO Minimizar 1 2 U U par par, U, U cob cob, U, U vidro vidro, g, RPH, g, RPH Q S T aq a S 25 T a se 20º C T a 25º C 2 escolas x 3 localizações x 4 orientações = 24 optimizações ESCOLA TIPO A Orientação Este Nas três localizações existe um grande potencial de melhoria do desempenho A potencialidade de melhoria no desempenho destes ediícios está muito condicionada pela sua localização devido às dierenças existentes no respectivo clima exterior

32 Caso de Estudo Otimização REPRESENTAÇÃO DA ANÁLISE PARAMÉTRICA NA FRENTE DE PARETO ESCOLA TIPO A Orientação Este Bragança Grande parte das soluções óptimas correspondem a cenários construtivos irrealistas, principalmente no que se reere às renovações horárias, com valores muito baixos que não conduziriam a adequadas condições de QAI.

33 Caso de Estudo Otimização FRENTE DE PARETO COM RPH 1,50 ESCOLA TIPO A Orientação Este A solução de reabilitação a adoptar vai sempre conduzir a um aumento das necessidades de energia para aquecimento!!!

34 Caso de Estudo Otimização MÉTODO DOS PESOS Minimizar FX 0,5 0, ESCOLA TIPO A Orientação Este PORTO ESCOLA TIPO A Orientação Este LISBOA ESCOLA TIPO A Orientação Este BRAGANÇA A solução é ortemente condicionada pela escolha dos pesos.

35 Caso de Estudo Otimização ANÁLISE TÉCNICO-ECONÓMICA: Otimização Multi-Objectivo / 3 Funções Dierencial de Investimento 3 U par, U cob Ciso iso 1 U par 1 U ini par A par 1 U cob 1 U ini cob A cob

36 Caso de Estudo Otimização ANÁLISE DE CUSTOS DE CICLO DE VIDA CCV C C C C i inv i en i man i sub 1 1 CCV C S TAc N N i iso iso U U ini i e en enini i RNA (1) FERRAMENTA DE CÁLCULO Permite optimizar, do ponto de vista da análise custo/beneício, a espessura de isolamento térmico a aplicar na parede exterior e na cobertura, a partir da deinição do cenário económico.

37 Caso de Estudo Otimização DADOS DE ENTRADA RESULTADOS CENÁRIO ECONÓMICO: Período de análise [anos] Custo do kwh [ /kwh] Taxa de juro nominal [%] Taxa de inlação [%] Variação do custo da energia [%]

38 Caso de Estudo Otimização O RESULTADO FINAL É ALTAMENTE DEPENDENTE DO CENÁRIO ECONÓMICO!

39 APLICAÇÃO DE RNA NA ÁREA DA SIMULAÇÃO ENERGÉTICA DE EDIFÍCIOS RICARDO ALMEIDA (Departamento de Engenharia Civil do Instituto Politécnico de Viseu e CONSTRUCT-LFC, Faculdade de Engenharia da Universidade do Porto)