Mais informações

Souza, Léa; OLIVEIRA, Alinne. Electrical energy consumption as a function of urban variables. [].
Clique no nome do(s) autor(es) para ver o currículo Lattes:

Dados do autor na base InfoHab:
Número de Trabalhos: 1 (Nenhum com arquivo PDF disponível)
Citações: 4
Índice h: 2  
Co-autores: Nenhum co-autor encontrado

Dados do autor na base InfoHab:
Número de Trabalhos: 4 (Nenhum com arquivo PDF disponível)
Citações: Nenhuma citação encontrada
Índice h: Indice h não calculado  
Co-autores: 1

Resumo

Este artigo analisa o consumo de energia elétrica, em função dos domicílios urbanos variáveis, por modelação do ambiente urbano termal com Redes Neurais Artificiais (ANN). A área de estudo foi de um bairro residencial. Urbanos características dos pontos de referência foram determinada pelas seguintes características: ilha de calor urbano, ver fator céu, e os usuários' nível de rendimento. Para cada um destes pontos de referência, temperaturas do ar nas zonas urbanas, o pedestre Foram coletados dados com nível-madeireiros. Ao mesmo tempo, temperaturas rural disponibilizado pela cidade estação meteorológica local foram registrados. Além disso, o perfil do usuário foram identificadas por meio de um questionário aplicado às famílias. Sua energia elétrica consumo também foram coletados dados a partir da fonte de alimentação empresa. Aplicando modelos Redes Neurais Artificiais, em seguida, foram desenvolvidos para os períodos mais importantes da UHI intensidade. Os resultados mostram que baixos valores das céus e elevado fator visualizar ilhas de calor urbano, quando observado em zonas de alto rendimento, estão associadas com a maior energia eléctrica padrões de consumo.

Abstract

This paper analyzes the electrical energy consumption of households as a function of urban variables, by modelling the urban thermal environment with Artificial Neural Networks (ANN). The study area was a residential neighbourhood. Urban features of reference points were determined by the following characteristics: urban heat island, sky view factor, and users’ income level. For each of these reference points, urban air temperatures at the pedestrian level were collected with data-loggers. At the same time, rural temperatures made available by the city meteorological station site were registered. In addition, the user’s profiles were identified by means of a questionnaire applied to the households. Their electrical energy consumption data were also collected from the power supply company. Models applying Artificial Neural Networks were then developed for the most important periods of UHI intensity. The results show that low values of sky view factor and high urban heat islands, when observed in high income zones, are associated with the largest electrical energy consumption patterns.
-