Abstract The potential of daylight harvesting is related to the building location. However, climatic zonings adopted by energy efficiency programs focus only on the thermal performance, neglecting important variables of the buildings’ luminous performance. This paper aims to investigate the relationship between the angle of solar incidence, the annual occurrence of clear sky, and the annual lighting energy consumption when daylight harvesting is practiced. The lighting consumption of a square floor space, orientated in the cardinal directions, was simulated for 20 Brazilian cities. The frequency of the 15 CIE sky types was determined for each city using weather files and the angle of solar incidence was calculated for each hour of the year. The analysis comprised graphical exploration, Pearson's correlation, and multiple regression. The sensitivity of the consumption to the other two variables could be perceived in the hourly but not the annual analysis. The correlation between annual consumption and latitude was more robust for the intertropical range, with increased consumption moving south, and varied significantly for each orientation. It was concluded that, although relevant, the variables are not representative of variations in annual lighting consumption for application in climate zoning.

O aproveitamento da luz natural está relacionado à localização do edifício. Tadavia, os zoneamentos climáticos dos programas de eficiência energética focam no desempenho térmico, negligenciando importantes variáveis do desempenho luminoso das edificações. Este trabalho objetivou investigar a relação entre o ângulo de incidência solar, a ocorrência anual de céu claro e o consumo anual de iluminação, considerando o aproveitamento da luz natural. Simulou-se o consumo de iluminação de um ambiente quadrado, orientado aos pontos cardeais, para 20 cidades brasileiras. Determinou-se a frequência dos 15 tipos de céu CIE para cada cidade, usando-se arquivos climáticos, e calculou-se o ângulo de incidência solar para cada hora do ano. A análise compreendeu exploração gráfica, correlação de Pearson e regressão múltipla. A sensibilidade do consumo às outras duas variáveis pode ser percebida na análise horária, mas não na anual. A correlação entre consumo anual e latitude foi mais robusta para a faixa intertropical, com o consumo aumentando para o sul, e variando significativamente para cada orientação. Concluiu-se que, embora relevantes, as variáveis não são representativas das variações de consumo anual de iluminação para aplicação em zoneamentos climáticos.

Resumo Este trabalho teve por objetivo propor um método simplificado que integre a aplicação de redes neurais artificiais (RNA) com zoneamento de iluminação natural para a estimativa da redução do consumo energético de edifícios não residenciais em função do aproveitamento da luz natural. Utilizou-se metamodelagem, sendo as redes treinadas com base em resultados obtidos através de simulações computacionais energéticas integradas. Utilizou-se a técnica de amostragem Hipercubo Latino para gerar os dados de entrada, que foram parametrizados com o plug-in Grasshopper e simulados com o plug-in Diva, do programa Rhinoceros. Para a aplicação do método propôs-se uma RNA tendo como parâmetro de saída densidade de potência de iluminação em uso combinada, através de ponderação por área, com um zoneamento de iluminação natural que considera o dinamismo do clima. Discutiu-se a relação entre a sequência proposta, cujos erros foram inferiores a 5%, o RTQ-C e índices mínimos de iluminação natural. Como conclusão geral, pode-se dizer que o método simplificado tem potencial para ser replicado e utilizado dadas sua precisão, velocidade e facilidade de aplicação. Para a aplicação do método em instrumentos de regulação, é importante que os índices mínimos de desempenho luminoso sejam cuidadosamente avaliados devido a seu impacto significativo no consumo energético das edificações.

Abstract The objective of this study was to propose a simplified methodology, integrating the use of artificial neural networks (ANN) with daylighting zoning, with the aim of predicting potential energy savings resulting from the use of daylight in non-residential buildings. The approach used in this study was metamodeling, and the networks were trained based on results obtained through integrated computer energy simulation. The Latin Hypercube sampling technique was used to generate the input data that was parameterized trough the Grasshopper plug-in and simulated trough the DIVA plug-in for the Rhinoceros software. For the application of the method an ANN was used, where the output parameter was Lighting Power Density in Use, combined with dynamic daylighting zones that consider the weather dynamics, weighted by area. This paper discusses the relationship between the methodological sequence approach, which presented errors below 5, and the RTQ-C and daylighting reference index. The overall conclusion was that the simplified method has potential to be replicated and used because of its accuracy, speed and workability. With regard to the method's application in regulatory tools, it is important that minimum daylighting performance is carefully evaluated due to its significant impact on the energy consumption of buildings.

Muitos estudos já comprovaram a preferência dos usuários pela luz natural como fonte de luz em edificações. Além de benefícios à saúde atribuídos a sua influência no ritmo circadiano humano, a elevada qualidade na reprodução de cor, entre outros aspectos, a luz natural apresenta reconhecido potencial de economia de energia quando substitui ou complementa a iluminação artificial. Outro fator a ser considerado é que a maior disponibilidade de iluminação natural coincide com o horário comercial de funcionamento de edificações de escritório. Neste contexto, o objetivo deste trabalho é demonstrar um comparativo entre dois modelos de aproximação de funções utilizadas para representar o potencial de economia de energia través do uso da iluminação natural em escritórios. São eles: Regressão Linear Multivariada e Regressão Não Linear Multivariada, também conhecida como Rede Neural Artificial (RNA). Os resultados mostraram que as RNAs são mais adequadas para esse tipo de problema devido a sua grande habilidade de aprender, o que permite melhor capacidade de generalizar os dados em relação à Regressão Linear Multivariada.

Many studies have confirmed users' preference for daylight as a light source in buildings. In addition to the health benefits attributed to its influence on human circadian rhythms, high quality colour reproduction and other aspects, daylight has a known potential for energy savings when replacing or supplementing artificial lighting. Another factor to be considered is that the availability of daylight coincides with the working hours of commercial office buildings. In this context, the objective of this paper is to draw a comparison between two types of approximation methods used to estimate the potential energy savings through the use of daylight in office buildings. These approximation methods models are: Linear and Nonlinear Multivariate Regression, also known as Artificial Neural Network (ANN). The results show that ANNs are particularly suitable for this type of problem due to their learning aptitude, which allows significantly better extrapolation of the learning data than Multivariate Linear Regression.