Dissertação
Building heat disaggregation with deep learning EVALUATED
Este estudo aborda projetos de modernização energética em edifícios existentes, visando melhorar custos de aquisição e eficiência energética. A tomada de decisões informadas requer dados detalhados, muitas vezes indisponíveis, exigindo a construção de modelos de simulação demorados. Neste contexto, desenvolveu-se um modelo baseado em dados para a desagregação de calor em edifícios, utilizando algoritmos de aprendizado de máquina, especialmente redes neurais. Um conjunto de dados foi criado a partir de simulações da ferramenta IDA ICE e utilizado para treinar diversas arquiteturas de redes neurais. O modelo mais eficaz foi uma rede feedforward com quatro camadas ocultas e 127.004 parâmetros treináveis, alcançando MAE de 0,0814, RMSE de 0,1388 e pontuação r2 de 0,704. A avaliação considerou metodologias da indústria de energia e o caso de uso final do modelo, destacando sua competência na desagregação de energia térmica, embora com erros máximos elevados e pontuação r2 relativamente baixa. Esses resultados são cruciais para considerações antes da implementação em tarefas além da avaliação preliminar.
outubro 30, 2023, 14:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Mecânica (DEM)
Professor Associado