Algoritmo para simulação do comportamento do usuário em edifícios de escritório de modo-misto (2021)
- Authors:
- Autor USP: GRASSI, CAMILA CHAGAS ANCHIETA - IAU
- Unidade: IAU
- DOI: 10.11606/T.102.2021.tde-12052025-141448
- Subjects: CLIMATOLOGIA TROPICAL; EDIFÍCIOS DE ESCRITÓRIOS; ESTÁTICA
- Keywords: clima tropical; comportamento do usuário; mixed-mode ventilation; modelos estatístiticos; occupant behavior; office buildings; statistical modeling; tropical climate; ventilação de modo-misto
- Language: Português
- Abstract: A maneira como os edifícios são operados tem grande influência no consumo energético, e os ocupantes têm um papel importante. No entanto, o comportamento do usuário é de difícil predição, o também torna difícil a predição do consumo energético de edifícios. Consequentemente, estudos têm identificado uma discrepância entre os dados medidos e simulados, em grande parte atribuída a maneira como o comportamento do usuário é inserido em programas de simulação energética. Para contribuir para a diminuição desta discrepância, este trabalho é apresentado, com o objetivo de criar um algoritmo para predição do comportamento do usuário, em relação a operação de janelas e do ar-condicionado em escritórios de modo-misto em um clima tropical de altitude, especificamente na cidade de São Carlos, SP, Brasil. Os modelos preditivos gerados foram baseados em coleta de dados de uma campanha de monitoramento com duração de 18 meses. Fatores ambientais, como temperaturas internas e externas, e umidade relativa interna e externa, foram medidas, assim como as ações relacionadas às janelas e ao ar-condicionado, chamados também de controles. Dois métodos estatísticos foram aplicados aos dados coletados, modelos mistos lineares generalizados e cadeia markoviana. Os modelos resultantes foram implementados no EnergyPlus para avaliar a precisão dos mesmos em reproduzir o comportamento do usuário em simulações.Um cenário com os dados fixos sobre o comportamento do usuário, ou schedules fixos, comumente utilizados em simulações de edifícios de modo-misto, também foi simulado para propósito de comparação. Os resultados dos modelos mostraram altas probabilidades de uso de ambos os controles no momento da chegada e saída, especialmente as janelas. Com a temperatura interna aproximadamente a 20 oC, observou-se baixas probabilidades de uso de ambos os controles, ao passo que com temperaturas internas acima de 24 oC, as observou-se um aumento na probabilidades de uso do ar-condicionado e uma diminuição do uso das janelas. Quanto à temperatura externa, os modelos predizem um maior uso de janelas com temperaturas externas mais baixas, e maior probabilidade de uso do ar-condicionado com valores mais altos. Quando os modelos foram implementados no EnergyPlus, os resultados mostraram que o modelo que melhor representou o comportamento do usuário monitorado foi o modelo gerado com cadeia markoviana utilizando dados sintéticos com amostragem aleatória (Synthetic Data By Randomly Over Sampling Examples (ROSE)), também evidenciando que schedule fixos comumente utilizados não representam corretamente o comportamento do usuário em edifícios de modo-misto. Os dados medidos, assim como o modelo com melhores resultados, mostraram que os usuários alternam entre o uso dos controles em todas as faixas de temperatura, variando apenas a frequência com que operam cada controle em cada faixa de temperatura.Assim, tal comportamento não é retratado com schedules fixos que limitam o uso dos controles com base nas temperaturas. Os diferentes modelos estatísticos aplicados geraram modelos que apresentam aplicações diferentes. Os modelos mistos lineares generalizados têm uma melhor aplicação nos estágios iniciais de projeto, para uma verificação rápida do uso dos controles em um escritório, dado que suas limitações são sabidas e levadas em consideração quando analisando os resultados. Os modelos de cadeia markoviana são mais adequados para serem implementados em programas de simulação computacional, pois são capazes de capturar a alternação entre os controles conforme observado no comportamento medido em ambientes de modo-misto. Assim, os modelos de cadeia markoviana gerados neste estudo podem ser aplicados em escritórios de modo-misto similares inseridos em um mesmo clima. No entanto, ainda há limitações aos modelos, e é importante conduzir campanhas de medição mais extensas, para que dados sobre mais tipos de usuários possam ser coletados, permitindo que modelos mais completos sejam gerados
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
- Data da defesa: 28.04.2021
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
GRASSI, Camila C. A. Algoritmo para simulação do comportamento do usuário em edifícios de escritório de modo-misto. 2021. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/102/102131/tde-12052025-141448/. Acesso em: 03 mar. 2026. -
APA
Grassi, C. C. A. (2021). Algoritmo para simulação do comportamento do usuário em edifícios de escritório de modo-misto (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/102/102131/tde-12052025-141448/ -
NLM
Grassi CCA. Algoritmo para simulação do comportamento do usuário em edifícios de escritório de modo-misto [Internet]. 2021 ;[citado 2026 mar. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/102/102131/tde-12052025-141448/ -
Vancouver
Grassi CCA. Algoritmo para simulação do comportamento do usuário em edifícios de escritório de modo-misto [Internet]. 2021 ;[citado 2026 mar. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/102/102131/tde-12052025-141448/ - Regression models to assess the thermal performance of Brazilian low-cost houses: consideration of solar incidence and shading devices
- A global building occupant behavior database
- Cooling strategies to reduce classroom overheating in future climates
- Stochastic models for window opening and air-conditioning usage in mixed-mode offices for a humid subtropical climate in Brazil
Informações sobre o DOI: 10.11606/T.102.2021.tde-12052025-141448 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas