Maestría en Bioclimática · 2020
Propuesta de una metodología para la optimización multi-objetivo de estrategias bioclimáticas en edificaciones a través de modelos paramétricos
Confront scenarios in which it is required to satisfy multiple objectives simultaneously and in an antagonistic nature, is a common scenario in decision-making processes on the application of bioclimatic strategies to buildings. It is here where multi-objective optimization methodologies offer a way to manage these scenarios, increasing the rate of application and effectiveness of the implemented strategies, in favor of people's comfort and reduction of energy consumption. The present research proposes a methodology for the multiobjective optimization of bioclimatic strategies through parametric models. To achieve this, it uses computational simulations connected to a centralized model in Rhinoceros3D, parameterized through Grasshopper in connection with the Ladybug and Honeybee plugins, whose results were optimized using the Octopus plugin. 48 possible configurations were analyzed, in 3 different spaces of an educational building located in the city of Medellín, adopting as evaluation criteria the thermal performance, light, solar exposure, quality views and economic investment. The proposed methodology was compared with the traditional way in which a bioclimatic assessment is carried out, identifying differences, possibilities and challenges. It was found that it is possible to make decisions in a design process from a broader approach to the phenomena, with more diverse and detailed results. At the same time, the modeling and simulation times were shortened, increasing the effectiveness to apply bioclimatic strategies adjusted to the particularities of each project.
Texto completo 174 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- Resumenp. 16
- Abstractp. 17
- Introducciónp. 18
- Planteamiento del problemap. 20
- Justificaciónp. 23
- Objetivosp. 28
- Objetivo generalp. 28
- Objetivos específicosp. 28
- Marco teórico / Referencialp. 29
- Comodidad ambiental en edificacionesp. 29
- Comodidad visualp. 29
- Iluminanciap. 30
- Luminanciap. 30
- Daylight factor (DF)p. 31
- Deslumbramientop. 31
- Métricas dinámicasp. 31
- Spatial Daylight Autonomy (sDA)p. 32
- Annual Sunlight Exposure (ASE)p. 32
- Vistas de calidadp. 33
- Confort térmicop. 33
- Temperatura Efectiva Corregida (TEC)p. 35
- Carta bioclimática de Olgyayp. 35
- Carta Psicrométrica o diagrama de Givonip. 36
- Triángulos de confortp. 36
- PMV y PPDp. 38
- Modelo adaptativop. 38
- Modelos personales (PCS)p. 39
- Simulación de estrategias bioclimáticas a través de modelos paramétricosp. 39
- Ladybugp. 40
- Honeybeep. 42
- Optimización computacionalp. 45
- Algoritmos de optimizaciónp. 45
- Algoritmos evolutivos (GE)p. 46
- Algoritmos genéticos (GA)p. 46
- Optimización mono-objetivop. 47
- Optimización multi-objetivop. 48
- Método de Pareto o no dominadap. 50
- Función de costo, aptitud u objetivo (Fitness)p. 51
- Toma de decisiones multicriterio (MCDM)p. 51
- Sistemas gráficos de representaciónp. 52
- Hallazgos y conclusionesp. 55
- Sección 1.1 (Comodidad visual)p. 57
- Sección 1.2 (Confort higro-térmico)p. 57
- Sección 3 (Optimización computacional)p. 58
- Sección 4 (Marco referencial)p. 59
- Metodologíap. 61
- Etapa 1: Necesidades o limitaciones del proyectop. 62
- Etapa 2: Definición de los espacios a analizarp. 62
- Etapa 3: Definición de los parámetrosp. 63
- Etapa 4: Configuraciones arquitectónicasp. 64
- Etapa 5: Definición de los objetivosp. 67
- Etapas iniciales del proyectop. 69
- Objetivo 1 (Costo)p. 70
- Objetivo 2 (ASE)p. 72
- Objetivo 3 (Vistas de calidad)p. 73
- Etapas medias y finalesp. 76
- Objetivo 4 (sDA)p. 77
- Objetivo 5 (Confort térmico)p. 79
- Etapa 6: Generación y validación de los datosp. 81
- Etapa 7: Optimización multi-objetivop. 86
- Definición de la función objetivo (Fitness)p. 87
- Optimización genéticap. 88
- Filtro de datosp. 90
- Etapa 8: Representación y análisis de los resultadosp. 91
- Gráfico de desempeño globalp. 91
- Imágenes falso color delimitadasp. 94
- Caso de estudiop. 97
- Descripción del proyectop. 97
- Desarrollo de la asesoría bioclimática tradicionalp. 98
- Aplicación de la metodología de optimización multi-objetivop. 100
- Etapa 1: Necesidades o limitaciones del proyectop. 62
- Etapa 2: Definición de los espacios a analizarp. 62
- Etapa 3: Definición de los parámetrosp. 63
- Etapa 4: Configuraciones arquitectónicasp. 64
- Etapa 5: Definición de los objetivosp. 67
- Resultadosp. 114
- Optimización multiobjetivop. 114
- Generación y validación de los datosp. 114
- Optimización genéticap. 88
- Filtro de datosp. 90
- Gráficos de desempeño globalp. 119
- Imágenes de falso color delimitadasp. 123
- Consolidado configuraciones arquitectónicas recomendadasp. 127
- Paralelo entre metodologíasp. 131
- Métricas evaluadasp. 132
- Softwarep. 132
- Iteracionesp. 134
- Espacios evaluadosp. 135
- Configuraciones arquitectónicas recomendadasp. 135
- Aportes de la metodologíap. 139
- Discusiónp. 141
- Conclusionesp. 146
- Limitaciones del trabajop. 148
- Sugerencias para trabajos futurosp. 149
- Referenciasp. 150
- Anexosp. 155
- Tabla 1. Resumen del marco teórico / referencialp. 56
- Tabla 2. Formato para diligenciar la tabla de operacionalización de variables independientesp. 64
- Tabla 3. Formato para diligenciar la tabla de operacionalización de variables dependientesp. 67
- Tabla 4. Formatos APUs para elementos arquitectónicos fijos y variablesp. 70
- Tabla 5. Tipo de análisis de vista para componente Ladybug_view analysisp. 74
- Tabla 6. Resolución del análisis de vista para componente Ladybug_view analysisp. 75
- Tabla 7. Representación gráfica del desarrollo de la simulaciónp. 75
- Tabla 8. Calidad de vista asociada al factor de vistap. 76
- Tabla 9. Conversión del objetivo de búsquedap. 87
- Tabla 10. Ejemplo de aplicación de filtros según límites de las métricasp. 91
- Tabla 11. Requerimientos iniciales del proyectop. 102
- Tabla 12. Dimensiones de las aulas a analizarp. 103
- Tabla 13. Operacionalización de variables independientesp. 104
- Tabla 14. Operacionalización de variables dependientesp. 107
- Tabla 15. APUs Aula Ap. 110
- Tabla 16. APUs Aula Bp. 111
- Tabla 17. APUs Aula Cp. 112
- Tabla 18. Análisis de la optimización genética para el Aula A según límites de las métricasp. 117
- Tabla 19. Resultados filtro de datos Aula Ap. 118
- Tabla 20. Matriz comparativa Aula A_WWR 90%p. 120
- Tabla 21. Matriz comparativa Aula A_WWR 60%p. 121
- Tabla 22. Paralelo métricas evaluadasp. 132
- Tabla 23. Paralelo software empleadosp. 133
- Tabla 24. Paralelo espacios evaluadosp. 135
- Tabla 25. Paralelo configuraciones arquitectónicas recomendadasp. 137
- Tabla 26. Identificación de máximos y clasificación de las métricasp. 141
- Tabla 27. Normalización de los datosp. 142
- Tabla 28. Matriz puntuación de rendimientop. 143
- Tabla 29. Escenarios de optimizaciónp. 144
- Tabla 30. Análisis de la optimización genética para el Aula B según límites de las métricasp. 157
- Tabla 31. Resultados filtro de datos aula Bp. 158
- Tabla 32. Matriz comparativa Aula B_WWR 90%p. 159
- Tabla 33. Matriz comparativa Aula B_WWR 60%p. 160
- Tabla 34. Análisis de la optimización genética para el Aula C según límites de las métricasp. 166
- Tabla 35. Resultados filtro de datos aula Cp. 167
- Tabla 36. Matriz comparativa Aula C_WWR 90%p. 168
- Tabla 37. Matriz comparativa Aula C_WWR 60%p. 169
- Figura 1. Diagrama resumen del contexto de la investigaciónp. 19
- Figura 2. Diagrama resumen el planteamiento del problema de la investigaciónp. 22
- Figura 3. Resultados obtenidos de las encuestasp. 24
- Figura 4. Causas por las que no se aplican las estrategias bioclimáticasp. 25
- Figura 5. Nomogramas modelos de confort higro-térmicop. 37
- Figura 6. Esquema de funcionamiento plugin for Grasshopper3D: Ladybugp. 41
- Figura 7. Herramientas plugin Ladybugp. 42
- Figura 8. Esquema de funcionamiento plugin for Grasshopper3D: Honeybeep. 43
- Figura 9. Herramientas plugin Honeybeep. 44
- Figura 10. Mapas de microclima interior basados en modelos paramétricosp. 45
- Figura 11. Ejemplo de Optimización genética en Desing builderp. 47
- Figura 12. Ejemplo de aplicación Galápagosp. 48
- Figura 13 Ejemplo de aplicación Octopusp. 49
- Figura 14. Métodos de representación de optimización por objetivo múltiplep. 53
- Figura 15 Métodos de representación gráfica de optimizaciónp. 55
- Figura 16. Esquema conceptual de la metodológicap. 61
- Figura 17. Ejemplificación de elección de parámetrosp. 63
- Figura 18. Ejemplo de un algoritmo para cargar una geometría en lenguaje paramétricop. 65
- Figura 19. Esquema conceptual de la generación de los datos objetivop. 68
- Figura 20. Componentes de Ladybug utilizados en los objetivos 2 y 3p. 69
- Figura 21. Herramientas de la barra “Maths” de Grasshopper for Rhino 3Dp. 70
- Figura 22. Componentes principales del algoritmo para el objetivo 1p. 71
- Figura 23. Componentes principales del algoritmo para la métrica ASEp. 72
- Figura 24. Componentes principales del algoritmo para la métrica Vistas de calidadp. 73
- Figura 25. Componentes para crear zonas térmicas de Honeybeep. 77
- Figura 26. Componentes principales del algoritmo para la métrica sDAp. 77
- Figura 27. Componentes principales para evaluar tiempo dentro de a la zona de confortp. 79
- Figura 28. Algoritmo para construcción del objetivo 5 a partir de la temperatura operativap. 81
- Figura 29. Esquema conceptualización multi-objetivop. 81
- Figura 30. Ejemplo gráficas de proyección multivariablesp. 83
- Figura 31. Proyección multivariable espacio hipotético Clase 1p. 84
- Figura 32. Proyección multivariable espacio hipotético Clase 2p. 85
- Figura 33. Ejemplo Gráfico de líneas paralelas Octopusp. 89
- Figura 34. Ejemplo Gráfico tridimensional Octopusp. 89
- Figura 35. Gráfico radial niveles de calificación de las métricasp. 92
- Figura 36. Escala gráfica de los niveles de calificación de las métricasp. 93
- Figura 37. Ejemplo fragmento de matriz de comparación gráficos radialesp. 93
- Figura 38. Escalas delimitadas de falso colorp. 94
- Figura 39. Ejemplo resultado imágenes falso color delimitadasp. 95
- Figura 40. Interfaz Grasshopper y visualización en Rhino 3Dp. 96
- Figura 41. Localización nuevo bloque Universidad CESp. 97
- Figura 42. Software utilizados durante la asesoría bioclimática del caso de estudiop. 98
- Figura 43. Senda proyectual desarrollo de la asesoría bioclimática tradicionalp. 99
- Figura 44. Esquema aplicación de la metodología al caso de estudiop. 101
- Figura 45. Elección de los espacios a ser analizadosp. 103
- Figura 46. Ejemplo de nomenclatura para nombrar las configuraciones arquitectónicasp. 105
- Figura 47. Gráfico de líneas paralelas Octopus_Aula Ap. 116
- Figura 48. Gráfico tridimensional Octopus_ Aula Ap. 116
- Figura 50. Simulación falso color delimitado configuración 0,9_V0_60_0ºp. 124
- Figura 51. Simulación falso color delimitado configuración 0,9_V0_60_45ºp. 124
- Figura 52. Simulación falso color delimitado configuración 0,9_V0_80_0ºp. 125
- Figura 53. Simulación falso color delimitado configuración 0,9_V3_80_0ºp. 125
- Figura 54. Configuración arquitectónica óptima Aula Ap. 127
- Figura 55. Configuración arquitectónica uso controlado Aula Ap. 128
- Figura 56. Configuración arquitectónica óptima Aula Bp. 129
- Figura 57. Configuración arquitectónica uso controlado Aula Bp. 129
- Figura 58. Configuración arquitectónica óptima Aula Cp. 130
- Figura 59. Configuración arquitectónica uso controlado Aula Cp. 131
- Figura 60. Paralelo entre asesoría tradicional y optimización multiobjetivop. 131
- Figura 61. Resultados asesoría tradicionalp. 136
- Figura 62. Puntuación de rendimiento para optimización 1, 2 y 3_Aula Ap. 145
- Figura 63. Puntuación de rendimiento para optimización 1, 2 y 3_Aula Bp. 145
- Figura 64. Puntuación de rendimiento para optimización 1, 2 y 3_Aula Cp. 145
- Figura 65. Escritura del algoritmo completo para el aula Ap. 155
- Figura 66. Gráfico de líneas paralelas Octopus_Aula Bp. 156
- Figura 67. Gráfico tridimensional Octopus_ Aula Bp. 156
- Figura 69. Simulación falso color delimitado configuración 0,9_V0_60_0ºp. 162
- Figura 70. Simulación falso color delimitado configuración 0,9_V0_80_45ºp. 163
- Figura 71. Gráfico de líneas paralelas Octopus_Aula Cp. 164
- Figura 72. Gráfico tridimensional Octopus_ Aula Cp. 165