Un método directo y relativamente simple para reducir el tiempo de ejecución computacional en software de pronóstico...

Área de la Ciencia:

• Ingeniería computacional
• Simulación de energía en edificios
• Optimización de software

Sus antecedentes:

• El tiempo de ejecución del software es un desafío importante en industrias que requieren simulaciones complejas, particularmente para el pronóstico de HVAC.
• Las simulaciones repetidas para requisitos de entrada complejos en aplicaciones de HVAC, refrigeración y calefacción consumen mucho tiempo.

Objetivo del estudio:

• Presentar una suite de software Python que minimiza las operaciones matemáticas y optimiza las iteraciones para los perfiles de salida acumulados.
• Reducir significativamente el tiempo de ejecución de la simulación para el pronóstico del consumo de energía de HVAC.

Principales métodos:

• Se desarrolló una suite de software Python para optimizar los procesos de simulación.
• Se utilizó un "día representativo" de un año de referencia corto con archivos de entrada reducidos.
• Se empleó el método PATE para ajustar los errores entre los resultados simulados y los resultados reales generados por el software cuando las desviaciones eran significativas.

Principales resultados:

• Se logró una impresionante reducción en el tiempo de ejecución de la simulación, de hasta el 86 %.
• Se demostró la efectividad de un algoritmo específico del problema para el consumo de energía de HVAC.
• Se aplicó con éxito el método a diversos edificios en múltiples continentes.

Conclusiones:

• Los algoritmos simples y específicos del problema pueden generar mejoras significativas en el tiempo de ejecución de la simulación/CAD.
• El método desarrollado ofrece un enfoque eficiente para reducir la carga computacional en aplicaciones de pronóstico.
• La suite de software es aplicable a varios edificios y ubicaciones geográficas, lo que destaca su versatilidad.