Multi-scale analysis of weather data for building performance assessment in Brazil

Abstract

The choice of weather data is fundamental for assessing building performance in an accurate and representative way. Typical weather files usually apply a statistical approach to select months representative of current climatic conditions, but they do not encompass site-specific characteristics for different locations worldwide. This work analyses the potential of a multi-scale analysis for building performance assessment from different resolutions of weather data, in a comprehensive geographical territory, given the size of Brazil. It presents an overview of weather data and its application on building performance analysis and a general procedure to retrieve and process weather data, and different approaches to compile weather files for building performance assessment. The study also provides an extensive analysis of the Brazilian territory, presenting a climatic profile and trends for the entire territory. The analysis focuses on a climatic and bioclimatic summary, and on building performance simulations for representative cities according to the Brazilian bioclimatic zoning. Then, it compares the records from ERA5-Land and INMET to quantify the differences and present the impact on building performance analysis. The study proposes a new weather file compilation method for Brazil and applies statistical tests to determine whether the new approach delivers better results than the existing TMY methods. The procedure encompasses correlation and sensitivity analysis based on machine learning models to propose a performance-based method. The initial analysis of the Brazilian territory showed predominantly a temperature increase based on the 2008-2022 records, with some locations reaching more than 1 °C. However, the bioclimatic approach based on Givoni’s chart showed that ventilation strategies are still the most effective approach instead of HVAC systems. Following the comparison between high resolution spatial data and weather stations from Brazil, some locations present insufficient years for a multi-year analysis and some municipalities show a significant variation not only of weather data, but also of the building performance results. Finally, the analysis of new weather files for Brazil allowed concluding that creating typical year weather files based on a performance approach delivers the best outcomes, since they are closer to the historical records. Keywords: climate analysis; building performance simulation; weather files; machine learningA escolha de dados meteorológicos é fundamental para avaliar o desempenho de edifícios de forma precisa e representativa. Arquivos climáticos típicos geralmente aplicam uma abordagem estatística para selecionar meses representativos das condições climáticas atuais, mas não abrangem características específicas do local para diferentes locais no mundo. Este trabalho analisa o potencial de uma análise multiescala para avaliação de desempenho de edifícios a partir de diferentes resoluções de dados meteorológicos, em um território geográfico abrangente, dado o tamanho do Brasil. O trabalho apresenta uma visão geral dos dados meteorológicos e sua aplicação na análise de desempenho de edifícios e um procedimento geral para coletar e processar dados meteorológicos, e diferentes abordagens para compilar arquivos climáticos para avaliação de desempenho de edifícios. O estudo também fornece uma análise extensa do território brasileiro, apresentando um perfil climático e tendências para todo o território. A análise se concentra em um resumo climático e bioclimático e em simulações de desempenho para cidades representativas de acordo com o zoneamento bioclimático brasileiro. Em seguida, o trabalho compara os registros da base de dados ERA5-Land e do INMET para quantificar as diferenças e apresentar o impacto na análise de desempenho de edifícios. O estudo propõe um novo método de compilação de arquivos climáticos para o Brasil e aplica testes estatísticos para determinar se a nova abordagem fornece melhores resultados do que os métodos TMY existentes. O procedimento abrange análise de correlação e sensibilidade com base em modelos de aprendizado de máquina para propor um método baseado em desempenho. A análise inicial do território brasileiro mostrou predominantemente um aumento de temperatura com base nos registros de 2008-2022, com alguns locais atingindo mais de 1 °C. No entanto, a abordagem bioclimática com base no diagrama de Givoni mostrou que as estratégias de ventilação ainda são a abordagem mais eficaz em vez dos sistemas HVAC. Após a comparação entre dados espaciais de alta resolução e estações meteorológicas do Brasil, alguns locais apresentam anos insuficientes para uma análise multianual e alguns municípios mostram uma variação significativa não apenas dos dados meteorológicos, mas também dos resultados de desempenho do edifício. Finalmente, a análise de novos arquivos climáticos para o Brasil permitiu concluir que a criação de arquivos climáticos típicos com base em uma abordagem de desempenho fornece os melhores resultados, uma vez que estão mais próximos dos registros históricos. Palavras-chave: análise climática; simulação de desempenho de edificações; arquivos climáticos; aprendizado de máquina