Sequência metodológica para a estimativa da iluminação natural e suas implicações em sistemas de avaliação de desempenho de edificações

Abstract

Resumo Este trabalho teve por objetivo propor um método simplificado que integre a aplicação de redes neurais artificiais (RNA) com zoneamento de iluminação natural para a estimativa da redução do consumo energético de edifícios não residenciais em função do aproveitamento da luz natural. Utilizou-se metamodelagem, sendo as redes treinadas com base em resultados obtidos através de simulações computacionais energéticas integradas. Utilizou-se a técnica de amostragem Hipercubo Latino para gerar os dados de entrada, que foram parametrizados com o plug-in Grasshopper e simulados com o plug-in Diva, do programa Rhinoceros. Para a aplicação do método propôs-se uma RNA tendo como parâmetro de saída densidade de potência de iluminação em uso combinada, através de ponderação por área, com um zoneamento de iluminação natural que considera o dinamismo do clima. Discutiu-se a relação entre a sequência proposta, cujos erros foram inferiores a 5%, o RTQ-C e índices mínimos de iluminação natural. Como conclusão geral, pode-se dizer que o método simplificado tem potencial para ser replicado e utilizado dadas sua precisão, velocidade e facilidade de aplicação. Para a aplicação do método em instrumentos de regulação, é importante que os índices mínimos de desempenho luminoso sejam cuidadosamente avaliados devido a seu impacto significativo no consumo energético das edificações.Abstract The objective of this study was to propose a simplified methodology, integrating the use of artificial neural networks (ANN) with daylighting zoning, with the aim of predicting potential energy savings resulting from the use of daylight in non-residential buildings. The approach used in this study was metamodeling, and the networks were trained based on results obtained through integrated computer energy simulation. The Latin Hypercube sampling technique was used to generate the input data that was parameterized trough the Grasshopper plug-in and simulated trough the DIVA plug-in for the Rhinoceros software. For the application of the method an ANN was used, where the output parameter was Lighting Power Density in Use, combined with dynamic daylighting zones that consider the weather dynamics, weighted by area. This paper discusses the relationship between the methodological sequence approach, which presented errors below 5, and the RTQ-C and daylighting reference index. The overall conclusion was that the simplified method has potential to be replicated and used because of its accuracy, speed and workability. With regard to the method's application in regulatory tools, it is important that minimum daylighting performance is carefully evaluated due to its significant impact on the energy consumption of buildings.