Artículo Congreso / Congress Paper
Recibido: 10-12-2019, Aprobado tras revisión: 20-01-2020
Forma sugerida de citación: Giraldo, J..; Arango, J. (2020). “Proceso de optimización en el diseño de sistema de calefacción solar
pasivo”. Revista Técnica “energía”. No. 16, Issue II, Pp. 100-110
ISSN On-line: 2602-8492 - ISSN Impreso: 1390-5074
© 2020 Operador Nacional de Electricidad, CENACE
Optimization process in the design of passive solar heating system
Proceso de optimización en el diseño de sistema de calefacción solar pasivo
J.D. Giraldo
1
J.P. Arango
2
1
Universidad La Gran Colombia, Bogotá, Colombia
E-mail: judgiraldoga@gmail.com
2
Universidad Nacional de Colombia Medellín, Colombia
E-mail: juparangopl@unal.edu.co
Abstract
The present investigation will determine the optimal
design solution of a passive solar collection system
that adheres to existing constructions, in order to
improve the conditions of indoor hygrothermal
comfort, through a parametric work methodology,
with case studies in the climate of the
Cundiboyacense highlands in Bogota Colombia.
To find the optimal solution for the study area,
dynamic thermal simulations using EnergyPlus were
integrated with an automated black-box
optimization analysis process using the RBFOpt
algorithm, which uses advanced machine learning
techniques to find optimal solutions with a small
number of function evaluations.
The first conclusions of the investigation show the
most important variables for the optimal design of
the solar collection systems are mainly the width and
height of the solar collection system, but not so much
its depth, for which the Trombe wall is ideal for the
case study climate. In addition, it is possible to
improve the conditions of comfort inside the spaces
for night use regardless of their orientation, a
favorable factor for the purposes of the
investigation, which consider homes and
constructions in the work area that have all kinds of
orientations.
Resumen
La presente investigación plantea definir la solución
óptima de un sistema de captación solar pasiva
adherible a las construcciones existentes, con el fin
de mejorar las condiciones de confort higrotérmico
interior, mediante una metodología de trabajo
paramétrico, con estudios de caso en el clima del
altiplano cundiboyacense en Bogotá, Colombia.
Para encontrar la solución óptima para el área de
estudio, se integraron simulaciones térmicas
dinámicas empleando EnergyPlus, con un proceso
automatizado de análisis de optimización con
metamodelos usando el algoritmo RBFOpt, el cual
utiliza técnicas avanzadas de aprendizaje automático
“Machine Learning” para encontrar buenas
soluciones con un pequeño número de evaluaciones
de funciones.
Las primeras conclusiones de la investigación
evidencia las variables más importantes para el buen
diseño de los sistemas de captación solar, son
principalmente el ancho y alto del sistema de
captación solar, pero no tanto su profundidad, por lo
cual el Muro Trombe es ideal para el clima
trabajado. Además, es posible garantizar
condiciones de confort al interior de los espacios de
uso nocturno sin importar su orientación, un factor
favorable para los efectos de la investigación,
considerando que las viviendas ya construidas en la
zona de trabajo tienen todo tipo de orientaciones.
Index terms Adaptative Thermal Comfort, Passive
Solar Heating, Black-box Optimization, Parametric
Energy Simulation.
Palabras clave Confort Térmico Adaptativo,
Calefacción Solar Pasiva, Optimización De Caja
Negra, Simulación Térmica Paramétrica.
100
Edición No. 16, Issue II, Enero 2020
1. INTRODUCCIÓN
Los sistemas de calefacción solar pasiva han sido
utilizados en diferentes lugares del mundo para afrontar
las bajas temperaturas ocurridas durante las épocas frías
del año; pero en los climas tropicales, estos sistemas no
han sido ampliamente difundidos; las investigaciones se
han centrado en climas estacionales [1 - 3], poco se ha
investigado sobre su eficiencia en bajas latitudes, por
consiguiente, poco se ha implementado en el sector
constructivo en estos lugares.
Como estudio de caso, se propone la zona del
altiplano Cundiboyacense, la cual cuenta con clima
tropical de alta montaña, donde la temperatura media
anual se encuentra entre los 10ºC y 14ºC; en esta región
los diseñadores y constructores han focalizado sus
intereses fundamentalmente en temas estéticos o
económicos, dejando de lado las variables ambientales
en el ejercicio de proyección arquitectónica.
Esta manera de afrontar los procesos de diseño ha
traído consigo la construcción de un gran número de
proyectos con bajas condiciones de habitabilidad
térmica interior, fundamentalmente en los espacios de
uso nocturno, como habitaciones. Adicionalmente, en el
imaginario colectivo de las localidades frías en
Colombia no se plantea la posibilidad de comprar
equipos que mejoren las condiciones de temperatura
interior, la cultura de climatización en estas zonas ha
asimilado el frío de tal manera que no se utilizan
sistemas activos o pasivos de calefacción, lo cual ha
llevado a un déficit de confort a gran parte de los
habitantes.
En el sector de estudio, de acuerdo al Censo
Nacional de Población y Vivienda (CNPV) 2018
realizado por el Departamento Administrativo Nacional
de Estadística (DANE) [4] y el informe “ACTIVIDAD
EDIFICADORA. Segmento residencial y no
residencial” de la Cámara Colombia de la Construcción
(CAMACOL) [5], el porcentaje de obras nuevas es bajo
respecto a la vivienda ya construida, factor que
determina el planteamiento de un elemento adicional
adaptable a los edificios de vivienda existentes,
respondiendo a la intención de generar un mayor
impacto sobre los habitantes de la zona de trabajo;
siguiendo esta idea, se plantea la posibilidad de definir
un dispositivo de calefacción solar tipo “prótesis
arquitectónica” que permita adherirse a las
construcciones existentes y basándose en las premisas
de arquitectura solar pasiva, mejorar las condiciones de
confort interior de las viviendas que así lo requieran.
Para desarrollar el sistema de calefacción solar se
utilizaron modelos paramétricos, los cuales permiten
modificar las diferentes variables que pueden afectar la
eficiencia del sistema, y mediante la implementación de
un proceso de automatizado de “Machine Learning”
para la selección del mejor caso posible, usando el
plugin Opossum para Grasshopper [6], el cual utiliza
técnicas avanzadas de aprendizaje automático para
encontrar buenas soluciones con un pequeño número de
evaluaciones de funciones, es decir, simulaciones [7].
Se corrieron un total de 320 simulaciones en dos
jornadas de análisis, para determinar cuál es la mejor
configuración del sistema de calefacción solar pasivo
para un clima tropical de alta montaña.
El presente trabajo pretende dar claridad del proceso
utilizado, los resultados y conclusiones obtenidas en el
proceso, mediante la siguiente estructura: i) estado del
arte de los sistemas de calefacción solar pasiva, ii)
metodología propuesta para la solución de diseño del
dispositivo planteado, iii) parámetros de cálculo, iv)
resultados obtenidos, y, v) conclusiones y discusión.
2. SISTEMAS DE CALEFACCIÓN SOLAR
PASIVA
La arquitectura solar es aquella que, a través del
entendimiento de la mecánica solar, aprovecha la
energía calórica de los rayos solares como sistemas de
calefacción en invierno y los evita en verano para
mantener los espacios más frescos, este tipo de
arquitectura plantea una mayor aplicabilidad de las
propiedades físicas de los materiales para realizar
procesos de selección acorde con las consideraciones
climáticas y a los requerimientos ambientales del
proyecto, ya sea aislación o acumulación térmica.
Para proyectar arquitectura solar, se debe tener un
claro entendimiento del sol y su incidencia en la tierra,
entender la radiación solar y las diferentes longitudes de
onda que inciden en nuestro planeta determina las
respuestas formales y materiales para poder aprovechar
esta energía.
La radiación solar incidente se clasifica por su
longitud de onda, el 49% de la radiación emitida por el
Sol, que se acusa en forma de calor, es una radiación de
onda más larga que el rojo del espectro visible (mayor
de 0.75 micras) [8], como se ve en la Fig. 1. Es esta
energía la que debemos entender y poder aprovechar en
los diseños arquitectónicos para el planteamiento de
sistemas solares de calefacción.
Figura 1: Energía en las diferentes longitudes de onda. El libro de
la energía solar pasiva. [8]
101
Giraldo et al. / Proceso de optimización en el diseño de sistema de calefacción solar pasivo
Uno de los principios que permite aprovechar la
energía proveniente del sol para la calefacción pasiva de
los espacios es el efecto invernadero. Este permite,
usando un espacio de captación cerrado con superficies
translúcidas, el ingreso de rayos solares directos que, al
entrar en contacto con la superficie colectora, son
convertidos en radiación infrarroja (energía térmica) la
cual no puede atravesar la superficie translúcida
nuevamente hacia el exterior, concentrando todo el calor
al interior del edificio.
Entender este principio ayuda a tomar buenas
decisiones de orientación, geometría y materiales
requeridos para mantener cierta cantidad de calor al
interior del proyecto, brindando mejores condiciones
interiores en lugares de clima predominantemente frío, o
en la época invernal en climas estacionales; pero puede
ser contraproducente en lugares cálidos, donde la no
consideración de este fenómeno puede llevar a los
edificios a una mayor dependencia de sistemas de
climatización mecánica, aumentando los consumos
energéticos innecesarios en los proyectos de
arquitectura.
En diferentes lugares del mundo se han proyectado
obras que, debido al entendimiento del clima por parte
del arquitecto, han logrado ser obras ejemplares, las
cuales son objeto de estudio en los procesos de
formación de arquitectos conscientes de su
responsabilidad ambiental. Las primeras propuestas de
arquitectura solar datan de los años 30, con el
arquitecto George Keck, considerado pionero en este
tipo de arquitectura, el cual diseñó la “Casa del mañana”
en 1933 y posteriormente la casa Sloan, en 1940, la cual
fue la primera en ser llamada casa solar.
Otros ejemplos de aplicación de proyectos con
sistemas de calefacción solar pasiva, respondiendo a las
necesidades del clima frío, son: Edificio para la Escuela
Secundaria de San Jorge, en Wallasey, Inglaterra;
Restaurante Maximillian’s de Albuquerque, Nuevo
México; Vivienda Schiff, en Wyoming; Casa Terry en
Santa Fe, Nuevo México; Vivienda Trombe en Odeillo,
Francia; Vivienda Kelbaugh en Princeton, New Jersey,
USA; Vivienda de Steve Baer, en Corrales, Nuevo
México; Vivienda Paul Davis, en Corrales, Nuevo
México [8].
La gran mayoría de proyectos e investigaciones
relacionadas con sistemas de calefacción solar se
centran en climas estacionales, siendo inexistente la
información específica de su funcionamiento bajo
condiciones de climas tropicales, en los cuales la latitud
determina un recorrido solar específico, donde la
orientación del dispositivo de captación solar no se
determina de manera tan evidente como en un clima
estacional; al norte en hemisferio sur, al sur en
hemisferio norte.
El estudio de los diferentes proyectos y artículos
encontrados sobre sistemas de solares pasivos como
respuesta a condiciones climáticas particulares [1 - 3 y
9 - 14], orientó la definición de las pautas principales a
considerar en el diseño de un sistema solar pasivo, que
nos sirven de referencia para estudiar dichos sistemas en
el clima tropical de alta montaña.
2.1. Pautas para el diseño de sistema de calefacción
solar pasivo
2.1.1 Ubicación del proyecto
El recorrido solar es único en cada localidad, es
importante considerar la dirección de incidencia de los
rayos solares y la sombra arrojada por edificaciones,
geomorfología o vegetación cercana al proyecto, para de
esta manera, poder proyectar y dimensionar los sistemas
de calefacción solar pasiva.
2.1.2 Disponibilidad del recurso solar
La radiación solar incidente en cada lugar varía en
relación con la latitud, altitud y niveles de nubosidad
presente. La búsqueda de datos meteorológicos precisos
garantiza un mejor cálculo y cuantificación de los
sistemas de captación y acumulación de ganancia
energética solar. En la Fig. 2, se proporcionan los datos
de kcal/m2 hora para planos en las 8 orientaciones base,
con inclinaciones del horizontal al vertical cada 15º,
para los equinoccios [15].
Figura 2: Radiaciones solares en kcal/m2 día – Equinoccios. [15]
Las radiaciones presentadas son a nivel del mar,
pero es un estimativo claro para entender la variabilidad
de la misma en las diferentes orientaciones y
hemisferios.
Para el cálculo de localidades a mayor altura sobre el
nivel del mar se recomienda, a partir de los 200 msnm,
los niveles de radiación aumentan 1% cada 200 m de
altura [15], es importante entender que estos datos son
referencia, pero pueden variar en relación con los
niveles de nubosidad del lugar de trabajo, por lo cual es
recomendable buscar datos climáticos precisos y
realizar cálculos y simulaciones específicas para cada
proyecto.
2.1.3 Orientación
La orientación del edificio y del sistema de
captación solar garantiza o no la eficiencia de este,
debido al recorrido aparente del sol en nuestra
102
Edición No. 16, Issue II, Enero 2020
atmósfera. Para los proyectos ubicados en el hemisferio
norte es imprescindible buscar una orientación sur con
sus aperturas y sistemas de calefacción solar, dejando la
fachada norte los más hermética posible para reducir las
pérdidas térmicas. En el hemisferio sur se debe trabajar
bajo la misma lógica, pero invirtiendo las fachadas,
fachada norte para ganancia solar y fachada sur reducir
pérdidas térmicas. En latitudes cercanas al ecuador no
se ha investigado sobre la orientación óptima del
sistema de captación solar.
2.1.4 Materialidad
Elemento de captación
El vidrio, que prácticamente deja pasar toda la
radiación solar visible que sobre él incide, absorbe en
cambio la mayor parte de la infrarroja de larga longitud
de onda que intercepta [8], esto hace que el vidrio sea el
material idóneo para los elementos de captación solar en
climas fríos. Al generarse el efecto invernadero en los
espacios arquitectónicos que disponen superficies
acristaladas hacia las fachadas con mayor incidencia
solar, se garantiza el ingreso de energía solar en horas
del día, el porcentaje de transmisión está relacionado al
ángulo de incidencia de los rayos solares.
Es fundamental conocer el recorrido solar del lugar
de trabajo, para poder conocer el ángulo de incidencia,
ya que este determinará la cantidad de energía que
ingresa a través de la superficie acristalada. En la Fig. 3,
se presenta el factor de transmisión con relación al
ángulo de incidencia solar.
Figura 3: Factor de transmisión con relación al ángulo de
incidencia solar. [8]
Además del sistema de captación, es necesario
plantear un buen elemento de acumulación térmica para
garantizar el buen aprovechamiento de esta energía
calórica en los momentos más fríos del día.
Elemento de acumulación
En un sistema solar pasivo es necesario contar con
sistema de acumulación térmica, ya que normalmente el
calor generado por el sol es requerido, en mayor
medida, en horas de no sol.
Este desacoplamiento entre disponibilidad y
demanda del recurso solar hace necesario estudiar las
propiedades térmicas de los materiales en el proyecto
arquitectónico y de esta manera poder garantizar confort
interior reduciendo al máximo la dependencia de
sistemas mecánicos de climatización artificial.
Las propiedades que deben considerarse para la
elección del material de acumulación solar para un
sistema de calefacción solar pasivo son: el calor
específico, la densidad y la conductividad térmica del
material.
Aislamiento térmico en envolvente del proyecto
El aislamiento térmico de la envolvente es necesario
para garantizar el buen funcionamiento de los sistemas
de calefacción solar pasiva; plantear aislamientos
térmicos en muros y techo, reduce las pérdidas térmicas
en las noches frías, y de esta manera el calor acumulado
brindará las condiciones adecuadas para la comodidad
de los ocupantes al mantener las temperaturas interiores
dentro del rango de confort térmico.
2.1.5 Autonomía de funcionamiento
Los planteamientos de arquitectura pasiva, en
muchas ocasiones, requieren de una buena operación
por parte del usuario final del proyecto para su buen
funcionamiento, esto ha llevado en reiteradas ocasiones
a la frase “un edificio pasivo, requiere usuarios activos”,
generando una primera barrera para que las personas
piensen en optar por sistemas pasivos en sus viviendas.
Es importante que el sistema que se genere como
resultado de esta investigación entienda esta
problemática y funcione de manera autónoma, sin
necesidad de una operación manual por parte de los
habitantes de la vivienda; para esto se considera que lo
más conveniente pueden ser un sistema de invernadero
o Muro Trombe sin ventanillas, para que el sistema
funcione únicamente por medio de la transferencia
térmica del material de la envolvente, eliminando la
necesidad manipulación manual.
3. METODOLOGÍA
Se plantea el uso en conjunto del software de
análisis térmico paramétrico con algoritmos de
optimización de metamodelos para encontrar el mejor
caso del diseño del dispositivo arquitectónico de
calefacción solar pasiva, como se muestra en la Fig. 4.
Se implementó como plataforma de simulación y
optimización el software CAD 3D "Rhinoceros3D"
(Rhino) y su plataforma de programación visual
"Grasshopper" [6] con el uso de múltiples plugins
disponible para el último. Grasshopper es una
plataforma de programación visual intuitiva, donde los
103
Giraldo et al. / Proceso de optimización en el diseño de sistema de calefacción solar pasivo
componentes individuales (cada uno que ejecuta un
script, función o incluso un programa de simulación
completo) se pueden conectar a través de simples
relaciones de entrada-salida, como se ve en la Fig. 5.
Para la simulación energética fue empleado el Plugin
de código abierto Honeybee [16], el cual permite
traducir la geometría paramétrica a formato de
OpenStudio para posteriormente ser simulada con el
motor de cálculo EnergyPlus [17]. Para integrar el
algoritmo de optimización RBFOpt en la plataforma de
Grasshopper, fue empleado el plugin Opossum [18], que
permite emplear algoritmos de alta complejidad de
forma eficaz y veloz.
Figura 4: Metodología general de integración de motores térmicos con software de análisis de optimización.
La definición de Grasshopper se muestra en la
Fig. 5. Los controles deslizantes en el apartado de
Variables controlan la definición de parámetros
geométricos y de propiedades térmicas de los materiales
del dispositivo de colección solar. Estas variables a su
vez están conectadas al componente de optimización
(parte superior derecha), a la definición del modelo de
geometría y materiales, y al componente de simulación
térmica del espacio (EnergyPlus). El componente de
optimización establece los controles deslizantes de
variables de geometría durante el proceso de
optimización. Los valores se transfieren al componente
EnergyPlus y al modelo de geometría para construir las
geometrías de los diferentes dispositivos de colección
solar para simular el desempeño térmico y mejoría de
confort en la noche para el espacio analizado.
Finalmente, los resultados de EnergyPlus en términos de
porcentaje del tiempo de confort funcionan como una
función objetivo para el algoritmo de optimización,
cerrando así el ciclo de optimización iterativo.
En la Tabla 1 se muestran las métricas de salida que
cuantifican el rendimiento térmico del dispositivo
propuesto.
Tabla 1: Datos de salida utilizados en la simulación térmica
Datos de salida
Und
Porcentaje Tiempo dentro del rango de confort *
%
Temperatura operativa mínima *
°C
Temperatura operativa máxima *
°C
Temperatura operativa promedio *
°C
* Se define el rango de análisis para las horas nocturnas entre las 6
pm y 8 am.
Figura 5: Algoritmo de análisis en la plataforma Rhino / Grasshopper. Líneas entre componentes representan el flujo de los datos.
104
Edición No. 16, Issue II, Enero 2020
3.1. Propiedades del modelo computacional
Para el modelo paramétrico se utilizó un modelo
base de una habitación típica de la zona de estudio, con
una planta de 3m x 3m y con una altura de 2.5 m; en
una de sus fachadas se dispone una ventana de 1m x 1m,
como se ilustra en la Fig. 6.
Para efectos de la simulación se definen las
superficies de piso, y dos de las paredes del recinto
trabajado como superficies adiabáticas, entendiendo que
estas paredes estarán en contacto con otros espacios de
la vivienda, por lo cual no tendrá afectaciones directas
de las variaciones climáticas exteriores.
Figura 6: Modelo 3d habitación típica con invernadero adosado
En la Tabla 2 se presentan las propiedades físicas de
los materiales que se consideraron constantes en análisis
de optimización.
Tabla 2: Características físicas de los componentes de la
envolvente de la edificación
Material
Espesor
[mm]
Conductividad
térmica
[W/m·K.]
Densidad
[kg/m3]
Calor
Específico
[J/kg °C]
Techo
200
0.600
1000
800
Muros
120
0.320
770
1000
Aislante
Techo
var*
0.032
30
837
Material
Espesor
[mm]
Valor U
[U]
SHGC
[k]
Transmisión
[vT]
Vidrio
Ventana
4
5.8
0.9
0.9
Vidrio
Invernadero
4
var*
0.9
0.9
*Materiales que consideran alguna variación en alguna de sus
propiedades físicas son indicados con var.
3.2. Algoritmo de optimización
Para generar el mejor sistema de captación solar
posible en las condiciones de un clima de alta montaña
en la zona ecuatorial se realiza la implementación de un
proceso de análisis automatizado de “Machine
Learning” aplicado a modelos computacionales de
simulación térmica, mediante el uso de algoritmos de
optimización, el cual se puede considerar una vertiente
de la inteligencia artificial, como lo planteaba Michi
[19] “Sería útil si las computadoras pudieran aprender
de la experiencia y así mejorar automáticamente la
eficiencia de sus propios programas durante la
ejecución”.
Con base en los hallazgos de un amplio análisis del
rendimiento de diferentes algoritmos de optimización
aplicados a la simulación de diversos modelos
energéticos de edificaciones [20], podemos identificar
RBFOpt [21] como el mejor algoritmo de optimización
para presupuestos de evaluación muy limitados.
RBFOpt significa "Optimización de la función de base
radial" y se basa en los métodos propuestos en Gutmann
[22] y Regis y Shoemaker [23]. Al muestrear la función
de costo desconocida (caja negra), el algoritmo
construye y refina iterativamente un modelo de
aproximación. Al medir la "irregularidad" del modelo,
se elige una nueva muestra donde minimizaría esta
medida, ya que se supone que es un candidato probable
para el óptimo. Además, se muestrean puntos distantes
en partes desconocidas del dominio de búsqueda para
mejorar la fidelidad del modelo.
Debido al alto costo computacional de la
metodología de simulación en este estudio (hasta 5
minutos en un Intel i5-5700 HQ de 4 núcleos 3.30 GHz
con 16 GB de RAM para ejecutar una iteración),
limitamos el presupuesto de evaluación a un máximo de
40 iteraciones sin encontrar una solución superior,
haciendo de RBFOpt la opción ideal para un
presupuesto computacional limitado. Los algoritmos de
búsqueda heurísticos clásicos, como los algoritmos
evolutivos, generalmente requieren un presupuesto de
evaluación significativamente mayor para converger en
buenas soluciones [20]. RBFOpt está vinculado a
Grasshopper a través del complemento Opossum [18],
utilizando los mismos parámetros que se describen en
Waibel et al [24].
El objetivo (output) seleccionado para el proceso de
optimización fue la maximización del porcentaje de
tiempo dentro del rango de confort adaptativo en horas
de la noche.
4. PARÁMETROS DE ESTUDIO
De acuerdo con los análisis realizados en el apartado
2.1, se realiza un planteamiento de las principales
variables involucradas en el diseño del sistema de
captación solar pasivo.
Las variables definidas para el análisis fueron: i)
tamaño del invernadero en sus 3 ejes (x, y, z),
entendiendo que es fundamental conocer el
comportamiento de diferentes configuraciones formales,
en largo, ancho y alto del elemento de captación solar,
ii) tamaño del muro acumulador adosado al muro
existente, ya que después de captar la energía solar, la
debemos acumular en algún material para
posteriormente entregarla al espacio de manera
105
Giraldo et al. / Proceso de optimización en el diseño de sistema de calefacción solar pasivo
progresiva por transferencia térmica, definir el tamaño
de este material nos demostrará si es necesario agregar
este muro adicional de acumulación o el sistema
funcionaría únicamente con el cerramiento ya existente
en las viviendas construidas, iii) orientación del sistema
de captación solar, con el fin de determinar la
orientación óptima para los sistemas solares pasivos en
bajas latitudes, iv) número de personas al interior, ya
que la carga energética interna aporta al calentamiento
del espacio, v) coeficiente de U del vidrio utilizado en el
invernadero, para determinar si es necesario reducir las
pérdidas térmicas del invernadero por transferencia
térmica en horario nocturno, o podría funcionar con un
vidrio simple, reduciendo costos en el sistema propuesto
vi) material acumulador utilizado, en el cual se evalúan
tres materiales para determinar cuál puede ser el más
eficiente en las condiciones de clima ecuatorial de alta
montaña, vii) espesor del material acumulador, el cual,
junto al tamaño del muro acumulador nos permitirá
definir la necesidad de este muro adicional de
acumulación térmica, viii) espesor de aislamiento
térmico en techo, con el objetivo de determinar la
importancia de tener aislamiento térmico en la
envolvente del espacio analizado; se plantea aislamiento
únicamente en la cubierta por ser el elemento que
mayores pérdidas genera en horario nocturno, además
considerando la variable presupuestal no se considera
aislar térmicamente los muros exteriores, ya que se
busca no aumentar significativamente los costos
requeridos para el acondicionamiento del espacio.
En la Tabla 3, se presentan los parámetros, unidad y
rangos definidos para cada una de las variables.
Tabla 3 Lista de parámetros de estudio
Parámetros de diseño
Und
Rango
Tamaño invernadero en
eje x
%
0 a 95
Tamaño invernadero en
eje y
%
0 a 95
Tamaño invernadero en
eje z
%
0 a 95
Tamaño del muro
acumulador en ejes x – z
%
0 a 95
Orientación del
dispositivo de captación
solar
°
0 a 345
Coeficiente U del vidrio
del invernadero
W/m²·K
2.8 a 5.6
Material acumulador
utilizado
-
Agua (MA), ladrillo
macizo (LM), concreto
(MC)
Espesor del material
acumulador
mm
100 a 300
Espesor de aislamiento
térmico en techo
mm
0 a 50
Número de personas
un
0 a 2
Las variables de tamaño en el invernadero y en el
muro acumulador se analizan de manera porcentual con
el objetivo de generar un estudio representativo para
espacios de diversas dimensiones y, además, para no
generar error en la simulación. Esto último debido a que
si no se relacionan estas variables al muro en el que se
adosa el invernadero podría crearse un invernadero más
grande que la pared donde se ubicaría, o un muro
acumulador más grande que el invernadero, generando
errores en el modelado y simulación.
5. RESULTADOS
Los resultados se presentan en gráficos de columnas
paralelas disponibles en la plataforma de visualización
de resultados “Envolventes inteligentes”
1
,
la cual
permite filtrar y analizar los datos del análisis de
optimización de forma rápida y sencilla.
En la Fig. 7 los valores en el eje “x”, de color negro,
son las variables de entrada para el diseño del
dispositivo de captación solar, inputs, y de color azul,
los datos de salida, outputs; en el eje “y” todos los
valores individuales de casos simulados. Cada línea
representa un escenario simulado, las zonas con mayor
densidad de líneas demuestran la tendencia de
aprendizaje del software aplicando el algoritmo de
optimización.
En la Fig. 7 es claro que el proceso inicial se centró
diferentes simulaciones con tamaño de invernadero en
el eje “x” (ancho), al aprender que esta variable es de
gran importancia en el resultado final de confort, centra
las futuras simulaciones en el valor más alto en esta
variable; realiza el mismo proceso en las siguientes
variables, en el eje “z” (altura) los resultados son
similares a lo visto en “x”. En la variable “y” del
invernadero (profundidad), al realizar el proceso de
simulación el software aprende que se logran mejores
resultados con un valor bajo en esta variable, definiendo
que las futuras simulaciones se realizarán con valores
bajos (sistemas similares al muro trombe). En la
variable XZ del colector el algoritmo aprende que lo
mejor para garantizar altos niveles de confort térmico
interior es manteniendo el mayor tamaño en la
superficie acumuladora. En la variable de orientación el
algoritmo realiza simulaciones en casi todas las
orientaciones, considerando que por la latitud de la zona
de estudio la radiación solar es relativamente uniforme
en todas las fachadas, factor que comprueba la no
obviedad en la orientación de los sistemas de
calefacción solar pasivos en bajas latitudes.
1
https://monsieurpablo.github.io/EnvolventesInteligentes/
106
Edición No. 16, Issue II, Enero 2020
Figura 7: Resultados optimización del sistema solar pasivo
En cuanto a la ocupación del espacio, es claro que a
mayor ocupación mayor carga energética, lo que nos
lleva a mayores posibilidades de elevar la temperatura
interior a niveles de confort, por lo cual el algoritmo
centra las simulaciones en la ocupación máxima, 2
personas. Este resultado hace necesario cambiar esta
variable en el algoritmo a un máximo de 1 persona en el
espacio, para poder ver la optimización del sistema de
captación solar en la condición que más se repite por el
territorio, una persona en una habitación. En la Fig. 8
vemos los nuevos resultados al aplicar el cambio de
ocupación.
Figura 8: Resultados optimización del sistema solar pasivo - Ocupación máxima 1 persona
En la variable de valor U del vidrio del invernadero
el algoritmo realiza simulaciones en diferentes valores,
las simulaciones se centran en el valor máximo y
mínimo, y no en los valores promedio; se percibe una
tendencia mayor hacia los valores bajos, los cuales
reducen las pérdidas térmicas, pero al tener datos tan
dispersos, evidencian que esta variable no afecta
drásticamente el resultado final de confort interior.
En el espesor del material acumulador vemos el
mismo número de simulaciones en casi todos los valores
de la variable, demostrando que este no es un valor
fundamental para generar confort en la vivienda
construida; esto se puede deber a que el proyecto
(vivienda construida) ya cuenta con un muro en la
fachada de ladrillo hueco, el cual ayuda en el proceso de
acumulación térmica, por lo cual el algoritmo no
considera necesario aumentar el espesor del muro
acumulador.
Las simulaciones mediante el proceso de
optimización demuestran que, para un edificio
construido en las condiciones de clima ecuatorial frío,
se comporta mejor el ladrillo macizo como material de
acumulación térmica de los sistemas de captación solar
pasiva. (El número 1 en esta variable es concreto, el
número 2 ladrillo macizo, y el número 3 muro de agua)
El espesor del material de aislamiento del techo
evidencia una clara tendencia en el algoritmo de
optimización hacia los valores más altos, demostrando
lo importante de esta variable para garantizar niveles de
confort interior, no basta con un buen dispositivo de
calefacción solar, si la cubierta de la habitación no tiene
aislamiento térmico.
El uso de la plataforma de visualización no se limita
a la determinación del mejor escenario simulado para el
sistema de captación solar en clima ecuatorial frío, sino
que, ofrece también la posibilidad de filtrar resultados,
lo que permite aprovechar el análisis de optimización
realizado para determinar las características del sistema
de captación solar en una condición particular; por
ejemplo, considerando que en el clima trabajado no hay
una tipología clara de vivienda, y que las orientaciones
de los espacios son tan variables como las mismas
tipologías construidas, es posible filtrar todas las
alternativas del sistema con una orientación
determinada, y buscar la alternativa con mayor
porcentaje de horas de confort, para posteriormente
definir las variables requeridas y realizar la intervención
al edificio construido.
En la Fig. 9 se visualizan los resultados al aplicar el
filtro de datos para orientación sur; al aplicar el filtro de
orientación en la plataforma de visualización, se
muestran todas las variables simuladas en esta
orientación, y de esta manera verificar el mejor
comportamiento en confort interior logrado y cuáles
fueron los parámetros para conseguirlo; y basados en
esta información se puede realizar la intervención en la
vivienda construida.
107
Giraldo et al. / Proceso de optimización en el diseño de sistema de calefacción solar pasivo
Figura 9: Visualización de resultados de optimización con selección específica de espacios con orientación sur.
Posterior al aplicar el filtro, en la plataforma de
visualización vemos las diferentes simulaciones
realizadas con esta orientación, abriendo la posibilidad a
realizar un análisis específico de cada una de ellas y
posteriormente tomar la decisión de intervenir el
proyecto trabajado. Podemos seleccionar uno de los
casos de interés y ver en detalle los parámetros de
simulación y los resultados obtenidos en las diferentes
métricas de salida (outputs). Ver Fig. 10.
Figura 10: Detalle de parámetros y resultados de un caso
particular
6. CONCLUSIONES Y DISCUSIÓN
La presente investigación permitió evaluar el
comportamiento de los sistemas solares pasivos en
climas de alta montaña en bajas latitudes, evidenciando
que, debido al recorrido solar y a la cantidad de
variables que puede modificarse en el diseño del sistema
de calefacción solar, la orientación del dispositivo juega
un papel secundario, existiendo otros parámetros de
diseño que, en casos particulares, pueden ser más
importantes para el buen funcionamiento del sistema;
factor opuesto a lo evidenciado en los diferentes
sistemas implementados en el mundo en climas
estacionales, donde la orientación del sistema de
captación solar es primordial, ya que determina el éxito
o fracaso del mismo.
Adicionalmente la plataforma de visualización se
convierte en una “herramienta” de diseño, la cual puede
apoyar los procesos de diseño de sistemas de
calefacción solar pasiva en climas similares al trabajado,
viendo resultados preliminares de diferentes
orientaciones que pueden orientar la toma de decisiones
en etapas iniciales del diseño arquitectónico.
La metodología paramétrica propuesta permitió
simular un número mayor de escenarios a los
normalmente trabajados en los procesos de verificación
energética de proyectos arquitectónicos. Además, se
demostró que la implementación de herramientas de
Machine Learning, a través del uso de algoritmos de
optimización es de gran utilidad en la definición de
alternativas de diseño que lleven a edificaciones de un
alto desempeño térmico y energético, en procura del
cumplimiento de los Objetivos de Desarrollo Sostenible.
El presente trabajo abre un camino adicional en el
análisis de edificios en climas de bajas latitudes,
particularmente en Colombia, pueden generarse
herramientas paramétricas que apoyen la toma de
decisiones en procura del cumplimiento de la normativa
ambiental edilicia, Resolución 0549 de 2015, la cual, a
pesar de ya llevar 4 años desde su emisión, tiene un
porcentaje de su cumplimiento en el territorio nacional
limitado.
Aprovechar la velocidad de procesamiento de los
computadores puede favorecer la toma de decisiones en
etapas tempranas de diseño y de esta manera poder
concebir edificios cada vez más sustentables.
Desarrollar herramientas que posibiliten una mejor
toma de decisiones a los profesionales que no tienen
108
Edición No. 16, Issue II, Enero 2020
amplios conocimientos en temas ambientales, podría ser
el camino para masificar la construcción sustentable en
el mundo.
AGRADECIMIENTOS
Este artículo presenta resultados preliminares de la
investigación “SISTEMAS DE CAPTACIÓN SOLAR
EN LAS TIPOLOGÍAS DE VIVIENDAS EN CLIMA
ECUATORIAL FRÍO”, desarrollado en la Maestría en
Arquitectura y Hábitat Sustentable de la Universidad
Nacional de La Plata, Argentina, entre 2017 y 2019.
REFERENCIAS BIBLIOGRÁFICAS
[1] A. Hernández and G. Lesino, “Diseño y simulación
computacional de sistemas pasivos y activos de
calentamiento de aire para el nuevo hospital
materno infantil de la localidad de Susques,
provincia de Jujuy”, Avances en Energías
Renovables y Medio Ambiente, vol. 11, no. 5, pp.
81-88, 2007.
[2] J. I. Jodra, G. M. Viegas, G. A. San Juan and C. A.
Discoli, “Tecnologías modulares de climatización
solar pasiva para el hábitat residencial y el de la
producción”. En X Congreso Regional de
Tecnología en Arquitectura, La Plata, 2018, pp.
577-587
[3] M. V. Mercado, A. Esteves and C. Filippín,
“Sistema de Climatización Solar Pasivo: su
integración en viviendas de bajo costo”, Avances
en Energías Renovables y Medio Ambiente, vol.
11, no. 5, pp. 121-126, 2007.
[4] Departamento Administrativo Nacional de
Estadística. (2018). Censo Nacional de Población y
Vivienda. [En línea]. Disponible en:
https://sitios.dane.gov.co/cnpv/#!/como_vivimos
[5] Cámara Colombiana de la Construcción (2019).
ACTIVIDAD EDIFICADORA. Segmento
residencial y no residencial. [En línea]. Disponible
en:
https://ww2.camacolcundinamarca.co/documentos/i
nformes/Coyuntura/Septiembre-2019.pdf
[6] S. Davidson, «Grasshopper - algorithmic modeling
for Rhino». [En línea]. Disponible en:
https://www.grasshopper3d.com/. [Accedido: 06-
ago-2018].
[7] W. Thomas and N. Giacomo, “Introduction to
architectural design optimization” En City
Networks. Cham: Springer, 2017. pp. 259-278.
[8] E. Mazria, The passive solar energy book. Emmaus,
Pa.: Rodale Press, 1979.
[9] M. De Gastines, E. Correa, and A. Pattini,
"Evaluación del balance energético de ventanas en
mendoza. Impacto de su tecnología y orientación”,
Avances en Energías Renovables y Medio
Ambiente, vol. 19, no. 5, pp. 01-12, 2015.
[10] A. J. Guzmán, J. L. Pilatti, S. Angulo, J. Piumetti,
M. Salinas, F. Pereyra and A. Olarte, “Situación
clima/energética en localidades de la prov. de
Córdoba, evaluación de vivienda tipo; simulaciones
con diferentes envolventes y orientaciones, y
propuesta de adecuación térmica, utilizando Muros
Trombe u otras formas de energía solar pasiva.”
En X Congreso Regional de Tecnología en
Arquitectura, La Plata, 2018, pp. 567-576
[11] M. V. Mercado, A. Esteves and C. Filippín,
“Sistema de calefacción solar radiante Mediciones
experimentales de invierno y evaluación con
software de simulación térmica SIMEDIF”. En
Encontro Nacional de Conforto no Ambiente
Construído, Natal, 2007, pp. 334-344.
[12] M. V. Mercado, A. Esteves, C. Filippín and S. F.
Larsen, “SISTEMA DE CALEFACCIÓN
RADIANTE SOLAR PASIVO DISEÑO,
CONSTRUCCIÓN DE UN PROTOTIPO Y
OBTENCIÓN DE RESULTADOS”, Energías
Renovables y Medio Ambiente, vol. 23, pp.53 -61,
2009.
[13] L. Velasco Roldan, “Estrategias de captación solar
mediante colectores solares de aire en climas
fríos”, Estudios del Hábitat, vol. 14, pp. 15-27,
2016.
[14] E. Zalamea-León and F. Quesada, "Criterios de
integración de energía solar activa en arquitectura.
Potencial tecnológico y consideraciones
proyectuales", Revista de Arquitectura, vol. 19, no.
1, pp. 65-79, 2017.
[15] Puppo, G. Puppo and G. Puppo, Sol y diseño.
México: Alfaomega, 1999.
[16] M. M. C. Roudsari Sadeghipour, “Ladybug Tools”,
2009. [En línea]. Disponible en:
https://www.ladybug.tools/about.html#team.
[Consultado: 03-ago-2018].
[17] NREL, EnergyPlus.
[18] Wortmann T. Opossum: OPtimizatiOn Solver with
SUrrogate Models; 2017.
[19] D. Michie, "“Memo” Functions and Machine
Learning", Nature, vol. 218, no. 5138, pp. 306-306,
1968.
[20] C. Waibel, T. Wortmann, R. Evins, y J. Carmeliet,
“Building energy optimization: An extensive
benchmark of global search algorithms”, Energy
Build., 2019.
109
Giraldo et al. / Proceso de optimización en el diseño de sistema de calefacción solar pasivo
[21] A. Costa y G. Nannicini, “RBFOpt: an open-source
library for black-box optimization with costly
function evaluations”, Math. Program. Comput.,
2018.
[22] H. M. Gutmann, “A Radial Basis Function Method
for Global Optimization”, J. Glob. Optim., 2001.
[23] R. G. Regis y C. A. Shoemaker, “Improved
strategies for radial basis function methods for
global optimization”, J. Glob. Optim., 2007.
[24] T. Wortmann, “Opossum,” in CAADRIA 2017 -
22nd International Conference on Computer-Aided
Architectural Design Research in Asia: Protocols,
Flows and Glitches, 2017.
Juan David Giraldo.- Nació en
Herveo, Colombia en 1993.
Recibió su título de Arquitecto de
la Universidad Nacional de
Colombia sede Manizales en 2015.
Es docente investigador de la
Facultad de Arquitectura de la
Universidad La Gran Colombia en
Bogotá, Colombia. Sus campos de investigación están
relacionados con el diseño ambientalmente correcto, la
arquitectura bioclimática y eficiencia energética.
Juan Pablo Arango.- Nació en
Medellín, Colombia en 1997.
Arquitecto Summa Cum Laude de
la Universidad Nacional de
Colombia en 2019. Actualmente
se encuentra como practicante en
Transsolar, Alemania, aplicando
sus conocimientos en el ambiente
construido.
110
