Results and Analysis

A calibração (ou validação) de um modelo de SD (simulação dinâmica) desempenha um papel fulcral na atribuição de qualidade e segurança à simulação. (Hensen and Lamberts, 2011) A SD é encarada pela indústria dos edifícios como a ferramenta de melhores práticas para a análise de desempenho energético, porém existem “significantes discrepâncias entre os valores dela resultantes e os consumos reais dos edifícios”. (Raftery et al., 2011) Assim e como mais do que “a arte de realizar simulações de elevada fidelidade,” a SD deve ser “a arte de realizar o tipo certo de experiência virtual com o modelo correto”, o processo de calibração permite detetar as discrepâncias existentes e, através da reformulação do modelo, atribuir assertividade ao mesmo e assim garantir a solidez da SD. (Hensen and Lamberts, 2011)

64

Assim a calibração consiste na verificação dos valores resultantes da SD, comparativamente aos consumos reais do edifício em estudo. Para que tal seja possível é definido um critério de aceitação, de forma a garantir que o modelo construído no máximo se distancie da realidade na percentagem atribuída como aceitável - valor máximo de discrepância. A definição deste valor é da responsabilidade do analista, porém convém fundamentar a escolha feita por recurso à literatura existente, por exemplo. Portanto, o principal objetivo do processo de calibração é certificar que os valores resultantes da SD não ultrapassam o valor máximo de discrepância estabelecido. A principal vantagem deste processo é a significante melhoria da SD, uma vez que, ao se verificar que a discrepância é inferior à percentagem estabelecida, fica confirmada a qualidade do modelo construído e a coerência do mesmo com a realidade. (Raftery et al., 2011) Além disto, a calibração promove a fiabilidade da SD de edifícios, o que consequentemente contribui para o desenvolvimento do seu âmbito de aplicação e assim para a qualidade do futuro. (Raftery et al., 2011)

Contudo, o processo de calibração não é um processo simples e muitas vezes não se consegue validar facilmente os modelos criados. Muitas vezes os valores máximos de discrepâncias são ultrapassados e torna- se necessário reformular os modelos no sentido da validação dos mesmos. A reformulação dos modelos por vezes requer uma análise de sensibilidade, que permita perceber quais os parâmetros que mais contribuem para que determinado consumo seja muito superior ou inferior ao consumo real do edifício (discrepâncias superiores à discrepância máxima). A análise de sensibilidade pode ser um processo demorado, pois pode dar-se o caso de ser difícil identificar o parâmetro com maior peso no valor discrepante. Por outro lado, esta análise além de permitir validar o modelo (objetivo principal) permite também identificar quais os parâmetros que mais e menos afetam o consumo de energia do edifício, o que futuramente será vantajoso na aplicação de medidas de melhoria. (Raftery et al., 2011) Assim, uma das etapas fundamentais do processo de calibração é a verificação de erros, na qual essencialmente se verifica se a modelação foi realizada corretamente e se os resultados são satisfatórios. (Raftery et al., 2011) Esta verificação baseia-se no cumprimento do critério de aceitação, sendo fortemente depende do julgamento do analista. (Raftery et al., 2011) Conforme a Imagem 43 demonstra o processo de calibração é um processo iterativo, pois geralmente os resultados da primeira simulação não cumprem o critério de aceitação e é necessária investigação adicional ao longo de um processo que se repete até que o resultado pretendido seja obtido. (Raftery et al., 2011)

65

A Imagem 43 demonstra que uma vez obtido um modelo inicial do edifício com todos os dados introduzidos, pode-se proceder à comparação dos consumos de energia calculados com os consumos medidos – consumos obtidos da SD e consumos reais faturados, respetivamente. Mediante o resultado da comparação, o modelo pode ou não ser calibrado. Isto é, o modelo é ou não é validado caso a discrepância entre os consumos sujeitos a comparação seja inferior ou superior ao valor máximo estabelecido, respetivamente. O ponto de partida do processo iterativo referido na Imagem 43 consiste na identificação de possíveis fontes de discrepâncias. (Raftery et al., 2011) O processo iterativo muitas vezes consiste na análise parâmetro a parâmetro (análise de sensibilidades), da qual resulta a introdução de alterações no modelo inicial no sentido da sua calibração. Assim, este processo “deve ser repetido de forma iterativa a fim de melhorar o modelo até que seja atingido o nível desejado de precisão”. (Raftery et al., 2011)

Para que o processo de calibração seja facilitado e a qualidade dos resultados da SD seja garantida, a precisão, rigor e exatidão do modelo físico criado é fundamental. (Hensen and Lamberts, 2011) Isto é, a qualidade do modelo é diretamente proporcional ao nível de pormenor do processo de calibração, que por sua vez depende do nível de detalhe dos dados introduzidos na construção e caracterização do modelo. (Raftery et al., 2011) Contudo, a literatura defende que “não é possível validar um modelo e seus resultados, mas somente aumentar o nível de confiança que é colocado nos mesmos”. (Hensen and Lamberts, 2011) Esta impossibilidade justifica-se tendo em conta o elevado número de parâmetros envolvidos na modelação e a comum carência de informação suficiente sobre os edifícios. (Raftery et al., 2011) Por exemplo, o comportamento dos ocupantes dos edifícios é um fator que afeta largamente o consumo de energia nos edifícios e é também um fator difícil de ser estimado; ao não se ultrapassar a incerteza associada a este parâmetro o modelo não será preciso, ou seja, tem ele também uma incerteza associada. (Hensen and Lamberts, 2011) O nível ao qual é realizada a calibração é também ele importante, isto é, a utilização de dados reais mensais em alternativa a dados reais diários e/ou horários ou a análise ao nível do edifício ao invés do nível da utilização final ou do equipamento pode ditar a imprecisão do processo e assim introduzir erros significantes na validação de modelos. Porém, existe também carência deste tipo de dados, sendo vulgar a utilização de valores reais mensais e a análise ao nível do edifício. Esta lacuna de informação aliada à ausência de uma metodologia a seguir no processo de calibração fazem com que o analista influencie de forma significativa este processo, o que pode resultar em elevadas discrepâncias. (Raftery et al., 2011) A utilização de dados medidos, em detrimento de dados constantes em documentação relativa ao projeto do edifício, promove também a precisão do modelo criado, dada a maior fiabilidade destes. (Raftery et al., 2011) Ou seja, dados fruto de observação e/ou medições no local devem ter prioridade sobre as restantes fontes de informação. (Raftery et al., 2011) Porém, nem sempre se encontram reunidas as condições e os meios para que se possa proceder a medições, optando-se muitas vezes pela informação de projeto do edifício. A informação de projeto do edifício deve ser tida em conta, mas também deve estar sempre presente a consciência de que muitas vezes essa informação não é a mais correta dadas as adaptações e atualizações comuns nas primeiras etapas da conceção de um edifício, o que por norma é predominante no edificado já existente. Assim, as incertezas associadas à modelação de edifícios levam à criação de modelos inconsistentes, que podem até coincidir com a realidade devido à compensação das incertezas umas nas outras, mas na verdade não são mais do que uma “representação pobre da realidade”. (Raftery et al., 2011) Contudo e tal como já foi referido, todos os modelos representam suposições quando representam edifícios reais mesmo quando o processo de calibração é realizado de forma detalhada. (Raftery et al., 2011) Apesar disto, deve-se sempre realizar a calibração mais detalhada possível, porque modelos mais pormenorizados representam de forma mais próxima o desempenho de edifícios reais. (Raftery et al., 2011) Para tal, devem ser evitadas simplificações e aproximações. (Raftery et al., 2011) A ação do analista também pode afetar bastante o processo de calibração, sendo fundamental ter em conta o importante papel do mesmo em todo o processo, desde a definição do critério de aceitação até às opções realizadas ao longo do

66

processo de modelação do edifício. Também a interação entre o analista e todas a entidades conhecedoras do edifício (serviços técnicos, utilizadores, entre outras) é um fator importante para a calibração de modelos, sendo favorável o fácil diálogo, a interajuda e proatividade entre estes.

Além da dificuldade inerente à criação de um modelo rigoroso e preciso, a sua obtenção acresce complexidade ao processo de calibração, simulação e ao próprio manuseamento do modelo. (Hensen and Lamberts, 2011) Tal como a Imagem 44 demonstra, quanto maior for o nível de detalhe do modelo (fator que eleva a complexidade) menor é o possível erro associado à previsão do desempenho.

Imagem 44 ʹ Possível Erro na Previsão do Desempenho versus Complexidade do Modelo

Uma vez que a complexidade não é uma característica desejada em nenhum tipo de processos, existe literatura que defende que: dado “todos os modelos de simulação serem simplificações da realidade”, o desafio da modelação consiste em obter-se um correto modelo simplificado da realidade; assim deve ter-se por objetivo manter o modelo o mais simples possível mantendo os objetivos do estudo de simulação. (Hensen and Lamberts, 2011) No entanto, as simplificações devem resultar de uma cuidada e prudente tomada de decisão. Simplificações em demasia podem tornar duvidável todo o modelo.

Quando anteriormente se referiu a palavra “assertividade”, foi com o propósito de enaltecer o verdadeiro significado da mesma. Ou seja, com a calibração não se garante que o modelo desenvolvido seja “o modelo” correto ou errado, simplesmente é possível perceber-se o nível de disparidade do mesmo com a realidade. Tendo em conta esse distanciamento da realidade, obtém-se segurança para se confiar ou não no modelo.

67

Dans le document D-TERMINE : data-driven term extraction methodologies investigated (Page 77-82)