Parceiro: ENSMA y CNH2
Autores: Ladjel Bellatreche, Felix Garcia, Don Nguyen Pham, Pedro Quintero Jiménez
Link do documento aqui.
A redução das emissões de carbono na atmosfera tornou-se uma questão de saúde urgente. A energia nos edifícios e na sua construção representa mais de 1/3 do consumo global final de energia e contribui para cerca de 1/4 das emissões de gases com efeito de estufa a nível mundial. Os sistemas de aquecimento, ventilação e ar condicionado (HVAC) são os principais consumidores de energia e responsáveis por cerca de 18% de todo o uso de energia do edifício. Para reduzir essa enorme quantidade de energia, o conceito Net-Zero Energy Building (nZEB) foi imposto pelas autoridades de energia. Eles recomendam um uso massivo de tecnologia de energia renovável. Com a popularização do Smart Grid, dos dispositivos da Internet das Coisas e do Machine Learning (ML), algumas abordagens baseadas em dados surgiram para atingir esse objetivo crucial. Ao analisar essas abordagens, descobrimos que elas carecem de uma metodologia abrangente com um ciclo de vida bem identificado que favoreça a colaboração entre os atores nZEB. Neste artigo, compartilhamos nossa visão para o desenvolvimento de Sistemas de Gestão de Energia para nZEB como parte do programa IMPROVEMENT EU Interreg Sudoe. Primeiro, propomos uma metodologia abrangente (SONDER), associada a um ciclo de vida bem identificado para o desenvolvimento de soluções baseadas em dados. Em segundo lugar, uma instanciação desta metodologia é dada considerando um estudo de caso para prever o consumo de energia do sistema de água quente sanitária no Hospital Regional de La Axarquia, Espanha, que inclui seções de gás e eletricidade. Essa previsão é realizada usando quatro técnicas de ML: regressão multivariada, XGBoost, Random Forest e ANN. Nossos resultados obtidos mostram a eficácia do SONDER ao oferecer uma colaboração fluida entre os atores do projeto e a eficiência de previsão da ANN.
