Dissertação

{pt_PT=Methodology to aid in the decision-making of retrofit solutions in the residential sector using calibrated building energy simulation models} {} EVALUATED

{pt=Este trabalho envolve numa primeira fase, a calibração de um modelo de simulação energética de edifícios de uma fração autónoma de habitação Portuguesa, localizada em Lisboa, em que são conhecidas as más condições de conforto térmico. Após os parâmetros em que há incerteza terem sido calibrados através de uma otimização mono-objectivo com o algoritmo genético, as previsões de temperatura do ar interior poderão ser realizadas com um maior grau de exatidão, o que contribui para uma maior confiança ao estimar o conforto térmico da casa. Numa segunda etapa, é realizada uma análise de medidas de melhoria, utilizando uma rede neuronal artificial como modelo substituto do EnergyPlus® (programa de simulação energética de edifícios utilizado neste trabalho) para otimizar o modelo calibrado da casa, recorrendo-se para tal a um algoritmo genético multiobjectivo. Serão tidos em conta vários objetivos, como o custo de investimento, o custo energético e ainda o conforto térmico. É também realizada uma análise que procurará identificar possíveis diferenças das soluções ótimas entre o modelo calibrado e dois outros modelos da mesma casa com diferente grau de incerteza nos parâmetros que os definem. Os processos de otimização multiobjectivo aplicados ao modelo calibrado conseguiram identificar uma vasta gama de soluções ótimas, garantindo condições aceitáveis de conforto térmico durante todo o ano. Concluiu-se ainda que estas soluções podem variar consideravelmente consoante o grau de exatidão do modelo, facto este que poderá afetar a tomada de decisão da solução. , en=This work involves firstly, the calibration of the Building Energy Simulation model of one Portuguese residential household, located in Lisbon, which is known by the occupants as having poor thermal conditions (i.e. thermal comfort). After the uncertain parameters of the model are calibrated with a single-objective optimization using the genetic algorithm, more accurate predictions of the indoor air temperature can be performed, increasing the confidence on the thermal comfort. In a second phase, a retrofit analysis is performed by using an artificial neural network as a surrogate model to replace the EnergyPlus® (building energy simulation program used in this dissertation) and to optimize the calibrated model of the household using a multi-objective genetic algorithm. Several objectives will be considered in this optimization, such as the investment cost, the energy cost and also the thermal comfort. Another analysis is also performed, which intends to find possible differences on the optimal retrofit solutions between the calibrated model and two other models with different uncertainty on their parameters. The multi-objective optimizations performed on the calibrated model succeeded to identify a wide range of optimal retrofit solutions that guarantee the minimum thermal comfort conditions during the whole year. It was concluded that these solutions can vary considerably, depending on the accuracy of the model, which may affect the decision-making process to identify the optimal solution.}
{pt=calibração de modelos, conforto térmico, medidas de melhoria, análise de sensibilidade, algoritmo genético, rede neuronal artificial, en=calibration of models, thermal comfort, retrofit measures, sensitivity analysis, genetic algorithm, artificial neural network}

Junho 19, 2018, 16:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Carlos Augusto Santos Silva

Departamento de Engenharia Mecânica (DEM)

Professor Auxiliar