Desarrollo de herramienta simplificada para la evaluación de mejoras constructivas en viviendas combinando simulaciones BEM y redes neuronales.

Development of a simplified tool for the evaluation of construction improvements in houses combining BEM simulations and neural networks.

Galione, Pedro - Favre, Federico - Pena, Gabriel - Díaz-Cuadro, Christian - Vanzulli, Mauricio

Resumen:

Para el diseño de viviendas más eficientes térmicamente, se presenta la necesidad de contar con herramientas simplificadas (para usuarios no especialistas en modelado), de diagnóstico rápido, para analizar el impacto energético y económico de posibles modificaciones en el diseño de las viviendas. Aquí se desarrolla una herramienta de este tipo, a partir de correlacionar los resultados de simulación BEM (Building Energy Modeling) de múltiples casos con la variación de algunos parámetros constructivos relevantes. El trabajo se divide en varias etapas: inicialmente se definen los parámetros relevantes a modificar y su rango de variación; luego se simulan (en EnergyPlus) múltiples casos variando los parámetros elegidos y obteniendo la demanda energética para períodos de calefacción y refrigeración; luego se desarrolla y configura un modelo subrogado (red neuronal) a partir de los resultados de las simulaciones; y finalmente se elabora una herramienta de evaluación (hoja de cálculo) del consumo energético y de impacto económico de los cambios, a partir de una estimación de los costos y de los ahorros energéticos generados. Se realizaron más de 3000 simulaciones y se logró reproducir los resultados de manera muy satisfactoria.

For the design of more thermally efficient homes, there is a need for simplified tools (aimed at non-specialist users in modeling), for quick diagnosis, to analyze the energy and economic impact of potential modifications to the design of these homes. Here, a tool of this kind is developed by correlating the results of Building Energy Modeling (BEM) simulations from multiple cases with variations in relevant construction parameters. The work is divided into several stages: initially, the relevant parameters to be modified along with their range of variation are defined; then, multiple cases are simulated (using EnergyPlus) by varying the chosen parameters and obtaining energy demand data for heating and cooling periods; next, a surrogate model (neural network) is developed and configured based on the simulation results; and finally, an evaluation tool (spreadsheet) for energy consumption and economic impact of changes is created, based on an estimation of costs and the energy savings generated. Over 3000 simulations were conducted, and the results were successfully reproduced.

Detalles Bibliográficos
2023
Modelado Energético de Edificios
Redes neuronales artificiales
Evaluación técnico económica
Building Energy Modeling
Artificial neural networks
Techno-economic evaluation
Español
Universidad de la República
COLIBRI
https://hdl.handle.net/20.500.12008/41902
Acceso abierto
Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)
_version_ 1872865441205977088
author Galione, Pedro
author2 Favre, Federico
Pena, Gabriel
Díaz-Cuadro, Christian
Vanzulli, Mauricio
author2_role author
author
author
author
author_facet Galione, Pedro
Favre, Federico
Pena, Gabriel
Díaz-Cuadro, Christian
Vanzulli, Mauricio
author_role author
bitstream.checksum.fl_str_mv 6429389a7df7277b72b7924fdc7d47a9
a006180e3f5b2ad0b88185d14284c0e0
93118cfa1b9523c14db78dd2fb7a8105
489f03e71d39068f329bdec8798bce58
10eab0be8b1f74997b0ca33b18c17ba7
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
bitstream.url.fl_str_mv http://localhost:8080/xmlui/bitstream/20.500.12008/41902/5/license.txt
http://localhost:8080/xmlui/bitstream/20.500.12008/41902/2/license_url
http://localhost:8080/xmlui/bitstream/20.500.12008/41902/3/license_text
http://localhost:8080/xmlui/bitstream/20.500.12008/41902/4/license_rdf
http://localhost:8080/xmlui/bitstream/20.500.12008/41902/1/GFPDV23.pdf
collection COLIBRI
dc.contributor.filiacion.none.fl_str_mv Galione Pedro, Universidad de la República (Uruguay). Facultad de Ingeniería.
Favre Federico, Universidad de la República (Uruguay). Facultad de Ingeniería
Pena Gabriel, Universidad de la República (Uruguay). Facultad de Ingeniería.
Díaz-Cuadro Christian, Universidad de la República (Uruguay). Facultad de Ingeniería.
Vanzulli Mauricio, Universidad de la República (Uruguay). Facultad de Ingeniería.
dc.creator.none.fl_str_mv Galione, Pedro
Favre, Federico
Pena, Gabriel
Díaz-Cuadro, Christian
Vanzulli, Mauricio
dc.date.accessioned.none.fl_str_mv 2023-12-19T13:25:21Z
dc.date.available.none.fl_str_mv 2023-12-19T13:25:21Z
dc.date.issued.none.fl_str_mv 2023
dc.description.abstract.none.fl_txt_mv Para el diseño de viviendas más eficientes térmicamente, se presenta la necesidad de contar con herramientas simplificadas (para usuarios no especialistas en modelado), de diagnóstico rápido, para analizar el impacto energético y económico de posibles modificaciones en el diseño de las viviendas. Aquí se desarrolla una herramienta de este tipo, a partir de correlacionar los resultados de simulación BEM (Building Energy Modeling) de múltiples casos con la variación de algunos parámetros constructivos relevantes. El trabajo se divide en varias etapas: inicialmente se definen los parámetros relevantes a modificar y su rango de variación; luego se simulan (en EnergyPlus) múltiples casos variando los parámetros elegidos y obteniendo la demanda energética para períodos de calefacción y refrigeración; luego se desarrolla y configura un modelo subrogado (red neuronal) a partir de los resultados de las simulaciones; y finalmente se elabora una herramienta de evaluación (hoja de cálculo) del consumo energético y de impacto económico de los cambios, a partir de una estimación de los costos y de los ahorros energéticos generados. Se realizaron más de 3000 simulaciones y se logró reproducir los resultados de manera muy satisfactoria.
For the design of more thermally efficient homes, there is a need for simplified tools (aimed at non-specialist users in modeling), for quick diagnosis, to analyze the energy and economic impact of potential modifications to the design of these homes. Here, a tool of this kind is developed by correlating the results of Building Energy Modeling (BEM) simulations from multiple cases with variations in relevant construction parameters. The work is divided into several stages: initially, the relevant parameters to be modified along with their range of variation are defined; then, multiple cases are simulated (using EnergyPlus) by varying the chosen parameters and obtaining energy demand data for heating and cooling periods; next, a surrogate model (neural network) is developed and configured based on the simulation results; and finally, an evaluation tool (spreadsheet) for energy consumption and economic impact of changes is created, based on an estimation of costs and the energy savings generated. Over 3000 simulations were conducted, and the results were successfully reproduced.
dc.format.extent.es.fl_str_mv 10 p.
dc.format.mimetype.es.fl_str_mv application/pdf
dc.identifier.citation.es.fl_str_mv Galione, P., Favre, F., Pena, G., y otros. Desarrollo de herramienta simplificada para la evaluación de mejoras constructivas en viviendas combinando simulaciones BEM y redes neuronales [en línea] EN: XXXIX Congreso Argentino de Mecánica Computacional - I Congreso Argentino Uruguayo de Mecánica Computacional. 6 -9 de noviembre de 2023. 10 p.
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12008/41902
dc.language.iso.none.fl_str_mv es
spa
dc.relation.none.fl_str_mv XXXIX Congreso Argentino de Mecánica Computacional - I Congreso Argentino Uruguayo de Mecánica Computacional. 6 -9 de noviembre de 2023.
dc.rights.license.none.fl_str_mv Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.source.none.fl_str_mv reponame:COLIBRI
instname:Universidad de la República
instacron:Universidad de la República
dc.subject.es.fl_str_mv Modelado Energético de Edificios
Redes neuronales artificiales
Evaluación técnico económica
Building Energy Modeling
Artificial neural networks
Techno-economic evaluation
dc.title.none.fl_str_mv Desarrollo de herramienta simplificada para la evaluación de mejoras constructivas en viviendas combinando simulaciones BEM y redes neuronales.
Development of a simplified tool for the evaluation of construction improvements in houses combining BEM simulations and neural networks.
dc.type.es.fl_str_mv Ponencia
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
dc.type.version.none.fl_str_mv info:eu-repo/semantics/publishedVersion
description Para el diseño de viviendas más eficientes térmicamente, se presenta la necesidad de contar con herramientas simplificadas (para usuarios no especialistas en modelado), de diagnóstico rápido, para analizar el impacto energético y económico de posibles modificaciones en el diseño de las viviendas. Aquí se desarrolla una herramienta de este tipo, a partir de correlacionar los resultados de simulación BEM (Building Energy Modeling) de múltiples casos con la variación de algunos parámetros constructivos relevantes. El trabajo se divide en varias etapas: inicialmente se definen los parámetros relevantes a modificar y su rango de variación; luego se simulan (en EnergyPlus) múltiples casos variando los parámetros elegidos y obteniendo la demanda energética para períodos de calefacción y refrigeración; luego se desarrolla y configura un modelo subrogado (red neuronal) a partir de los resultados de las simulaciones; y finalmente se elabora una herramienta de evaluación (hoja de cálculo) del consumo energético y de impacto económico de los cambios, a partir de una estimación de los costos y de los ahorros energéticos generados. Se realizaron más de 3000 simulaciones y se logró reproducir los resultados de manera muy satisfactoria.
eu_rights_str_mv openAccess
format conferenceObject
id COLIBRI_71c4cae66fe949c60e0cda7cfcb82a3f
identifier_str_mv Galione, P., Favre, F., Pena, G., y otros. Desarrollo de herramienta simplificada para la evaluación de mejoras constructivas en viviendas combinando simulaciones BEM y redes neuronales [en línea] EN: XXXIX Congreso Argentino de Mecánica Computacional - I Congreso Argentino Uruguayo de Mecánica Computacional. 6 -9 de noviembre de 2023. 10 p.
instacron_str Universidad de la República
institution Universidad de la República
instname_str Universidad de la República
language spa
language_invalid_str_mv es
network_acronym_str COLIBRI
network_name_str COLIBRI
oai_identifier_str oai:colibri.udelar.edu.uy:20.500.12008/41902
publishDate 2023
reponame_str COLIBRI
repository.mail.fl_str_mv karina.camps@seciu.edu.uy
repository.name.fl_str_mv COLIBRI - Universidad de la República
repository_id_str 4771
rights_invalid_str_mv Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)
spelling Galione Pedro, Universidad de la República (Uruguay). Facultad de Ingeniería.Favre Federico, Universidad de la República (Uruguay). Facultad de IngenieríaPena Gabriel, Universidad de la República (Uruguay). Facultad de Ingeniería.Díaz-Cuadro Christian, Universidad de la República (Uruguay). Facultad de Ingeniería.Vanzulli Mauricio, Universidad de la República (Uruguay). Facultad de Ingeniería.2023-12-19T13:25:21Z2023-12-19T13:25:21Z2023Galione, P., Favre, F., Pena, G., y otros. Desarrollo de herramienta simplificada para la evaluación de mejoras constructivas en viviendas combinando simulaciones BEM y redes neuronales [en línea] EN: XXXIX Congreso Argentino de Mecánica Computacional - I Congreso Argentino Uruguayo de Mecánica Computacional. 6 -9 de noviembre de 2023. 10 p.https://hdl.handle.net/20.500.12008/41902Para el diseño de viviendas más eficientes térmicamente, se presenta la necesidad de contar con herramientas simplificadas (para usuarios no especialistas en modelado), de diagnóstico rápido, para analizar el impacto energético y económico de posibles modificaciones en el diseño de las viviendas. Aquí se desarrolla una herramienta de este tipo, a partir de correlacionar los resultados de simulación BEM (Building Energy Modeling) de múltiples casos con la variación de algunos parámetros constructivos relevantes. El trabajo se divide en varias etapas: inicialmente se definen los parámetros relevantes a modificar y su rango de variación; luego se simulan (en EnergyPlus) múltiples casos variando los parámetros elegidos y obteniendo la demanda energética para períodos de calefacción y refrigeración; luego se desarrolla y configura un modelo subrogado (red neuronal) a partir de los resultados de las simulaciones; y finalmente se elabora una herramienta de evaluación (hoja de cálculo) del consumo energético y de impacto económico de los cambios, a partir de una estimación de los costos y de los ahorros energéticos generados. Se realizaron más de 3000 simulaciones y se logró reproducir los resultados de manera muy satisfactoria.For the design of more thermally efficient homes, there is a need for simplified tools (aimed at non-specialist users in modeling), for quick diagnosis, to analyze the energy and economic impact of potential modifications to the design of these homes. Here, a tool of this kind is developed by correlating the results of Building Energy Modeling (BEM) simulations from multiple cases with variations in relevant construction parameters. The work is divided into several stages: initially, the relevant parameters to be modified along with their range of variation are defined; then, multiple cases are simulated (using EnergyPlus) by varying the chosen parameters and obtaining energy demand data for heating and cooling periods; next, a surrogate model (neural network) is developed and configured based on the simulation results; and finally, an evaluation tool (spreadsheet) for energy consumption and economic impact of changes is created, based on an estimation of costs and the energy savings generated. Over 3000 simulations were conducted, and the results were successfully reproduced.Submitted by Machado Jimena (jmachado@fing.edu.uy) on 2023-12-13T19:08:52Z No. of bitstreams: 2 license_rdf: 25790 bytes, checksum: 489f03e71d39068f329bdec8798bce58 (MD5) GFPDV23.pdf: 436930 bytes, checksum: 10eab0be8b1f74997b0ca33b18c17ba7 (MD5)Approved for entry into archive by Machado Jimena (jmachado@fing.edu.uy) on 2023-12-18T18:42:15Z (GMT) No. of bitstreams: 2 license_rdf: 25790 bytes, checksum: 489f03e71d39068f329bdec8798bce58 (MD5) GFPDV23.pdf: 436930 bytes, checksum: 10eab0be8b1f74997b0ca33b18c17ba7 (MD5)Made available in DSpace by Luna Fabiana (fabiana.luna@seciu.edu.uy) on 2023-12-19T13:25:21Z (GMT). No. of bitstreams: 2 license_rdf: 25790 bytes, checksum: 489f03e71d39068f329bdec8798bce58 (MD5) GFPDV23.pdf: 436930 bytes, checksum: 10eab0be8b1f74997b0ca33b18c17ba7 (MD5) Previous issue date: 202310 p.application/pdfesspaXXXIX Congreso Argentino de Mecánica Computacional - I Congreso Argentino Uruguayo de Mecánica Computacional. 6 -9 de noviembre de 2023.Las obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)info:eu-repo/semantics/openAccessLicencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)Modelado Energético de EdificiosRedes neuronales artificialesEvaluación técnico económicaBuilding Energy ModelingArtificial neural networksTechno-economic evaluationDesarrollo de herramienta simplificada para la evaluación de mejoras constructivas en viviendas combinando simulaciones BEM y redes neuronales.Development of a simplified tool for the evaluation of construction improvements in houses combining BEM simulations and neural networks.Ponenciainfo:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionreponame:COLIBRIinstname:Universidad de la Repúblicainstacron:Universidad de la RepúblicaGalione, PedroFavre, FedericoPena, GabrielDíaz-Cuadro, ChristianVanzulli, MauricioLICENSElicense.txtlicense.txttext/plain; charset=utf-84267http://localhost:8080/xmlui/bitstream/20.500.12008/41902/5/license.txt6429389a7df7277b72b7924fdc7d47a9MD55CC-LICENSElicense_urllicense_urltext/plain; charset=utf-850http://localhost:8080/xmlui/bitstream/20.500.12008/41902/2/license_urla006180e3f5b2ad0b88185d14284c0e0MD52license_textlicense_texttext/html; charset=utf-822536http://localhost:8080/xmlui/bitstream/20.500.12008/41902/3/license_text93118cfa1b9523c14db78dd2fb7a8105MD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-825790http://localhost:8080/xmlui/bitstream/20.500.12008/41902/4/license_rdf489f03e71d39068f329bdec8798bce58MD54ORIGINALGFPDV23.pdfGFPDV23.pdfapplication/pdf436930http://localhost:8080/xmlui/bitstream/20.500.12008/41902/1/GFPDV23.pdf10eab0be8b1f74997b0ca33b18c17ba7MD5120.500.12008/419022023-12-19 10:25:21.967oai:colibri.udelar.edu.uy:20.500.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Institucionalhttps://www.colibri.udelar.edu.uyUniversidad públicahttps://udelar.edu.uy/https://www.colibri.udelar.edu.uy/oai/requestkarina.camps@seciu.edu.uyUruguayopendoar:47712023-12-19T13:25:21COLIBRI - Universidad de la Repúblicafalse
spellingShingle Desarrollo de herramienta simplificada para la evaluación de mejoras constructivas en viviendas combinando simulaciones BEM y redes neuronales.
Galione, Pedro
Modelado Energético de Edificios
Redes neuronales artificiales
Evaluación técnico económica
Building Energy Modeling
Artificial neural networks
Techno-economic evaluation
status_str publishedVersion
title Desarrollo de herramienta simplificada para la evaluación de mejoras constructivas en viviendas combinando simulaciones BEM y redes neuronales.
title_full Desarrollo de herramienta simplificada para la evaluación de mejoras constructivas en viviendas combinando simulaciones BEM y redes neuronales.
title_fullStr Desarrollo de herramienta simplificada para la evaluación de mejoras constructivas en viviendas combinando simulaciones BEM y redes neuronales.
title_full_unstemmed Desarrollo de herramienta simplificada para la evaluación de mejoras constructivas en viviendas combinando simulaciones BEM y redes neuronales.
title_short Desarrollo de herramienta simplificada para la evaluación de mejoras constructivas en viviendas combinando simulaciones BEM y redes neuronales.
title_sort Desarrollo de herramienta simplificada para la evaluación de mejoras constructivas en viviendas combinando simulaciones BEM y redes neuronales.
topic Modelado Energético de Edificios
Redes neuronales artificiales
Evaluación técnico económica
Building Energy Modeling
Artificial neural networks
Techno-economic evaluation
url https://hdl.handle.net/20.500.12008/41902