Algoritmo para análise evolutiva multiobjetivo em simulações termoenergéticas

Autores

  • Rodrigo Karini Leitzke Universidade Federal de Pelotas https://orcid.org/0000-0002-6752-1025
  • Eduardo Grala da Cunha Universidade Federal de Pelotas
  • Thalita dos Santos Maciel Universidade Federal de Pelotas
  • Fernanda Maria Doors Dembinski Universidade Federal de Pelotas
  • Isabela Bulbolz Prestes Universidade Federal de Pelotas

DOI:

https://doi.org/10.11606/gtp.v16i1.164048

Palavras-chave:

Otimização, Simulação Computacional, Análise Multiobjetivo, Habitação

Resumo

O alto consumo de energia elétrica e o baixo conforto térmico nas habitações de interesse social (HIS) no Sul do Brasil estão diretamente relacionados com o baixo investimento para definição de materiais que constituem as envoltórias. Através da simulação computacional é possível avaliar diferentes configurações de uma HIS utilizando soluções algorítmicas, como o caso das evolutivas multiobjetivas, que testam diferentes combinações com o propósito de melhorar o desempenho de duas ou mais condições objetivo. Tendo como objetivos a redução da intensidade do uso de energia elétrica e do desconforto térmico, neste trabalho são apresentados dois algoritmos evolutivos multiobjetivo para alterar os valores a serem atribuídos para a transmitância térmica das paredes externas, do piso e da cobertura, além da orientação solar e das absortâncias solares das paredes externas e da cobertura, com diferentes limites de valores pré-estabelecidos. A partir da análise dos resultados obtidos na simulação de 10 gerações através do software EnergyPlus para cidade de Pelotas-RS para cada um dos algoritmos, observou-se que no melhor caso, um nível de conforto térmico para as horas ocupadas superior à 79% foi identificado, bem como uma intensidade de uso de energia elétrica (EUI) inferior à 32 kWh/(m².ano). Além desses resultados, a discussão apresenta alternativas para definir as estratégias de simulação termoenergética de grandes conjuntos de entrada.

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

  • Rodrigo Karini Leitzke, Universidade Federal de Pelotas

    Mestrando no Programa de Pós-graduação em Arquitetura e Urbanismo (PROGRAU/UFPel), é Bacharel em Ciência da Computação pela Universidade Federal de Pelotas, atuou durante três anos como bolsista de iniciação científica (CNPq) no Laboratório de Conforto e Eficiência Energética (LABCEE). Atualmente, colabora nos grupos de pesquisa Qualidade do Lugar e Paisagem da UFRJ e Tecnologia e gestão do ambiente construído da UFPel, em trabalhos com a temática do conforto térmico, eficiência energética e soluções computacionais para parametrizar e automatizar o processo de simulação termoenergética a partir do uso de ferramentas de Inteligência Artificia

  • Thalita dos Santos Maciel, Universidade Federal de Pelotas

    Arquiteta e Urbanista pela Universidade Federal de Pelotas (2018). Mestranda em Conforto e Sustentabilidade do Ambiente Construído pelo Programa de Pós Graduação em Arquitetura e Urbanismo (PROGRAU/UFPEL). Atuou durante dois anos como bolsista de iniciação científica pela Fundação de Amparo à Pesquisa do Estado do Rio Grande do Sul (FAPERGS) no Laboratório de Conforto e Eficiência Energética (LABCEE). Atualmente é colaboradora nos grupos de pesquisa Tecnologia e Gestão do Ambiente Construído (UFPEL) e Qualidade do Lugar e Paisagem (UFRJ). Possui experiência em Simulações Computacionais de Conforto e Eficiência Energética.

  • Fernanda Maria Doors Dembinski, Universidade Federal de Pelotas

    Graduada em Arquitetura e Urbanismo pela Universidade Federal da Fronteira Sul, Campus Erechim /RS. Mestranda no PROGRAU.

  • Isabela Bulbolz Prestes, Universidade Federal de Pelotas

    Arquiteta e Urbanista graduada pela Universidade Federal de Pelotas. De 2014 a 2015, atuou como bolsista no LABCEE (Laboratório de Conforto e Eficiência Energética - UFPEL). Entre setembro de 2015 a julho de 2016 foi bolsista no exterior pelo programa Ciências sem Fronteiras/ CAPES, no Politécnico de Milão, na Itália. Em 2017 participou da pesquisa Place-Making with Older People: Towards Age Friendly Communities

Referências

ASHRAE. Standard 55-2013: Thermal environmental conditions for human occupancy. Atlanta, 2013.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS (ABNT). NBR 15.220: Desempenho Térmico de Edificações – Parte 2: Métodos de cálculos da transmitância térmica, da capacidade térmica, do atraso térmico e do fator solar de elementos e componentes de edificações. Rio de Janeiro, 2005.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS (ABNT). NBR 15.575: Edificações Habitacionais – Desempenho. Rio de Janeiro, 2013.
BRASIL. Lei nº 11.977, de 07 de julho de 2009. Dispõe sobre o Programa Minha Casa, Minha Vida – PMCMV e a regularização fundiária de assentamentos localizados em áreas urbanas. Brasília, DF.
BRE, F.; FACHINOTTI, V. D. A computational multi-objective optimization method to improve energy efficiency and thermal comfort in dwellings. Energy and Buildings, v. 154, p. 283-294, Ago. 2017. DOI: https://doi.org/10.1016/j.enbuild.2017.08.002. Disponível em: <https://www.sciencedirect.com/science/article/abs/pii/S0378778817318042>. Acesso em: 15 jun. 2019.
CALAFIORE, G. et al. APSEplus: a MATLAB toolbox for parametric energy simulation of reference buildings. In: 6th INTERNATIONAL CONFERENCE ON SOFTWARE AND COMPUTER APPLICATIONS, Bangkok, 2017. Proceedings [...]. ACM Digital Library, 2017. p. 267-271.
CARVALHO, M. T. M.; SPOSTO, R. M. Metodologia para avaliação da sustentabilidade de habitações de interesse social com foco no projeto. Ambiente Construído, v. 12, n. 1, p. 207-225, Mar. 2012. DOI: https://doi.org/10.1590/S1678-86212012000100014. Disponível em: <http://www.scielo.br/scielo.php?pid=S1678-86212012000100014&script=sci_arttext>. Acesso em: 15 jun. 2019.
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, Mai. 2014. DOI: https://doi.org/10.1016/j.rser.2014.05.007. Disponível em: <https://www.sciencedirect.com/science/article/abs/pii/S1364032114003232>. Acesso em: 21 jun. 2019.
COELLO, C. A.; LAMONT, G. B.; VAN VELDHUIZEN, D. A. Evolutionary algorithms for solving multi-objective problems. 5 ed. New York: Springer, 2007.
CORREIA, L. A.; ROMERO, ROMERO, M. A. B. Conforto Ambiental e suas relações subjetivas: análise ambiental integrada na Habitação de Interesse Social. In: 1° SIMPÓSIO BRASILEIRO DE QUALIDADE DO PROJETO NO AMBIENTE CONSTRUÍDO, Rio de Janeiro, 2011. Anais [...]. Programa de Pós-Graduação em Arquitetura da UFRJ, PROARQ, 2011. p. 265-276.
DAHLAN, N. Y.; ARIS, A. A. M. Optimizing Energy Baseline for Medium Size Office Using Hybrid EnergyPlus-Evolutionary Programming (EP). Journal of Telecommunication, Electronic and Computer Engineering, v. 10, n. 1-4, p. 59-65, 2018. Disponível em: <https://journal.utem.edu.my/index.php/jtec/article/view/3576>. Acesso em: 27. jun. 2019.
DALBEM, R.; CUNHA, E. G. ; RHEINGANTZ, P. A. ; VICENTE, R. ; SILVA, A. C. S. B. . Atender às normas de desempenho é indicativo de conforto térmico na edificação de uso habitacional?. Arquitextos, São Paulo, v. 211, n. 03, Dez. 2017. Disponível em: <https://www.vitruvius.com.br/revistas/read/arquitextos/18.211/6828>. Acesso em: 14 ago. 2019.
DALBEM, R. ; CUNHA, E. G. da ; VICENTE, R. ; FIGUEIREDO, A. ; OLIVEIRA, R. ; SILVA, A. C. S. B. . Optimization of a social housing for south of Brazil: From basic performance standard to passive house concept. ENERGY, v. 167, p. 1278-1296, Jan. 2019. DOI: https://doi.org/10.1016/j.energy.2018.11.053. Disponível em: <https://www.sciencedirect.com/science/article/abs/pii/S0360544218322576>. Acesso em: 14 ago. 2019.
DEB, K. Multi-objective optimization using evolutionary algorithms. New York: John Wiley & Sons, 2001.
DEB, K.; et. al. A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE transactions on evolutionary computation, v. 6, n. 2, p. 182-197, Ago. 2002. DOI: 10.1109/4235.996017. Disponível em: <https://ieeexplore.ieee.org/document/996017>. Acesso em: 15 jun. 2019
DELGARM, N. et al. Multi-objective optimization of the building energy performance: A simulation-based approach by means of particle swarm optimization (PSO). Applied energy, v. 170, p. 293-303, Mai. 2016. DOI: https://doi.org/10.1016/j.apenergy.2016.02.141. Disponível em: <https://www.sciencedirect.com/science/article/abs/pii/S030626191630304X>. Acesso em: 23 ago. 2019.
FADAEE, M.; RADZI M. A. M. Multi-objective optimization of a stand-alone hybrid renewable energy system by using evolutionary algorithms: A review. Renewable and Sustainable Energy Reviews. v. 16, n. 5, p. 3364-3369. Jun. 2012. DOI: https://doi.org/10.1016/j.rser.2012.02.071. Disponível em: <https://www.sciencedirect.com/science/article/abs/pii/S1364032112001669>. Acesso em: 19 jun. 2020.
FIGUEIREDO, A.; KÄMPF, J.; VICENTE, R. Passive house optimization for Portugal: Overheating evaluation and energy performance. Energy and Buildings, v. 118, p. 181-196, Abr. 2016. DOI: https://doi.org/10.1016/j.enbuild.2016.02.034. Disponível em: <https://www.sciencedirect.com/science/article/abs/pii/S0378778816300925>. Acesso em: 23 ago. 2019.
FONSECA, L. P. G. et al. Otimização multiobjetivo das dimensões dos ambientes de uma residência unifamiliar baseada em simulação energética e estrutural. Ambiente Construído, v. 17, n. 1, p. 267-288, Mar. 2017. DOI: http://dx.doi.org/10.1590/s1678-86212017000100135. Disponível em: <http://www.scielo.br/scielo.php?pid=S1678-86212017000100267&script=sci_abstract&tlng=pt>. Acesso em: 15 jun. 2019.
INMETRO. Regulamento Técnico da Qualidade para o Nível de Eficiência Energética Edificações Residenciais. Portaria n.º 18, de 16 de janeiro de 2012. Disponível em: <http://www.inmetro.gov.br/legislacao/rtac/pdf/RTAC001788.pdf>. Acesso em: 20 abr. 2019.
LEITZKE, R. K. Abordagem utilizando algoritmos genéticos multi-objetivo para avaliar uma edificação de habitação de interesse social (HIS). Abr. 2019, Disponível em: <https://github.com/rodrigokl/AGMO_HIS>. Acesso em: 26 ago. 2019.
LEITZKE, R. K. et al. Optimization of the Traditional Method for Creating a Weather Simulation File: The Pelotas.epw Case. Journal of Civil Engineering and Architecture, v. 12, p. 741-756, 2018. DOI: 10.17265/1934-7359/2018.10.006. Disponível em: <http://www.davidpublisher.org/index.php/Home/Article/index?id=37849.html>. Acesso em: 10 ago. 2019.
MIETTINEN, K. Nonlinear multiobjective optimization. Berlim: Springer Science & Business Media, 2012.
OHTA, Y.; SATO, H. Evolutionary multi-objective air-conditioning schedule optimization for office buildings. In: GENETIC AND EVOLUTIONARY COMPUTATION CONFERENCE COMPANION, 2018, Japão. Proceedings [...]. New York: Association for Computing Machinery, p. 296-297.
OLIVEIRA, Liader Silva. Avaliação dos limites das propriedades térmicas dos fechamentos opacos da NBR 15220-3, para habitações de interesse social, da Zona Bioclimática 2. 2012. 168f. Dissertação (Mestrado em Arquitetura) – Faculdade de Arquitetura e Urbanismo, Universidade Federal de Pelotas, 2012. Disponível em: <https://wp.ufpel.edu.br/prograu/dissertacoes-conforto-e-sustentabilidade-do-ambiente-construido/>. Acesso em: 31 mar. 2020.
PHILIP, S.; TRAN, T.; TANJUATCO, L. eppy: scripting language for EnergyPlus. v.0.5.52, Out. 2019, Disponível em: <https://pypi.org/project/eppy/>. Acesso em: 04 jun. 2019.
ROLNIK, R. et. al. O Programa Minha Casa Minha Vida nas regiões metropolitanas de São Paulo e Campinas: aspectos socioespaciais e segregação. Cadernos Metrópole, v. 17, n.33, p. 127-154, Mai. 2015. DOI: https://doi.org/10.1590/2236-9996.2015-3306. Disponível em: <https://revistas.pucsp.br/metropole/article/view/18863/16807>. Acesso em: 20. jun. 2019.
SILVA, A. S.; GHISI, E. Análise de sensibilidade global dos parâmetros termofísicos de uma edificação residencial de acordo com o método de simulação do RTQ-R. Ambiente Construído, v. 13, n. 4, p. 135-148, Set. 2013. DOI: https://doi.org/10.1590/S1678-86212013000400010. Disponível em: <http://www.scielo.br/scielo.php?script=sci_abstract&pid=S1678-86212013000400010&lng=en&nrm=iso&tlng=pt>. Acesso em: 10 ago. 2019.
SOBRINHO, Paulo de Souza. Algoritmos genéticos canônico e elitista: uma abordagem comparativa. 2014. 59f. Dissertação (Mestrado em Probabilidade e Estatística) – Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte. Disponível em: <http://bdtd.ibict.br/vufind/Record/UFRN_abe57dc2e59120928aa408d8c6399d86>. Acesso em: 31 mar. 2020.
SOUSA, J. Energy simulation software for buildings: review and comparison. In: INTERNATIONAL WORKSHOP ON INFORMATION TECHNOLOGY FOR ENERGY APPLICATIONS, Lisboa, 2012. Proceedings [...]. Lisboa: Ordem dos Engenheiros, 2012.
U.S. Department of Energy. EnergyPlus™ Version 8.7.0 Documentation - Input Output Reference. EUA, 2018. Disponível em: <https://energyplus.net/sites/default/files/pdfs/pdfs_v8.3.0/InputOutputReference.pdf>. Acesso em: 27 ago. 2019.
VAN VELDHUIZEN, D. A.; LAMONT, G. B. Evolutionary computation and convergence to a pareto front. In: LATE BREAKING PAPERS AT THE GENETIC PROGRAMMING CONFERENCE, 1998. Proceedings [...] Madison: University of Wisconsin,1998. p.221-228.
VIKHAR, P. A. Evolutionary algorithms: A critical review and its future prospects. In: INTERNATIONAL CONFERENCE ON GLOBAL TRENDS IN SIGNAL PROCESSING, INFORMATION, COMPUTING AND COMMUNICATION, 2016, Jalgaon. Proceedings [...]. SSBT's College of Engineering and Technology, Bambhori, 2016. p. 261-265.
YU, W. et al. Application of multi-objective genetic algorithm to optimize energy efficiency and thermal comfort in building design. Energy and Buildings, v. 88, p. 135-143, Fev. 2015. DOI: https://doi.org/10.1016/j.enbuild.2014.11.063. Disponível em: <https://www.sciencedirect.com/science/article/abs/pii/S0378778814010305>. Acesso: 15 jun. 2019.
WIJESURIYA, S.; BRANDT, M.; TABARES-VELASCO, P. C. Parametric analysis of a residential building with phase change material (PCM)-enhanced drywall, precooling, and variable electric rates in a hot and dry climate. Applied energy, v. 222, p. 497-514, Jul. 2018. DOI: https://doi.org/10.1016/j.apenergy.2018.03.119. Disponível em: <https://www.sciencedirect.com/science/article/abs/pii/S0306261918304574>. Acesso em: 27 ago. 2019.
ZITZLER, E.; LAUMANNS, M.; THIELE, L. SPEA2: Improving the strength Pareto evolutionary algorithm. TIK-report, v. 103, 2001. DOI: https://doi.org/10.3929/ethz-a-004284029. Disponível em: <https://www.research-collection.ethz.ch/handle/20.500.11850/145755>. Acesso em: 21 jun. 2019.
ZHANG, Y.; KOROLIJA, I. Performing complex parametric simulations with jEPlus. In: INTERNATIONAL CONFERENCE ON SUSTAINABLE ENERGY TECHNOLOGIES, 2010, Kandy. Anais [...]. Oxford: Elsevier, 2011. p. 24-27.

Downloads

Publicado

2020-12-28

Como Citar

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: 24 jul. 2024.