Dissertação
Machine Learning applied to energy demand forecast in IST Alameda Campus EVALUATED
A previsão do consumo energético dos edifícios representa uma ferramenta essencial para o planea-mento e adopção de diferentes estratégias energéticas por parte dos gestores e fornecedores de ener-gia dos edifícios, a fim de reduzir o impacto ambiental existente no sector. Actualmente, a aplicação de sistemas de gestão energética em edifícios e o consequente aumento da quantidade de dados ge-rados, leva ao uso de modelos orientados por dados, maioritariamente de modelos de machine lear-ning, para obter a previsão do seu consumo. Neste estudo, quatro algoritmos de machine learning (MLP, SVM, RF e XGB) foram utilizados e comparados em três horizontes temporais diferentes (uma hora, um dia e uma semana) na previsão do consumo energético de quadro edifícios (Civil, Central, Torre sul e Torre norte) localizados no campus da Alameda do Instituto Superior Técnico, Lisboa, (4 algoritmos x 3 horizontes de previsão x 4 edifícios = 48 modelos). Entre todos os modelos utilizados, o modelo SVM desta-cou-se, apresentando os melhores resultados na maioria dos edifícios e horizontes de previsão. Num âmbito geral, em 93% dos dias previstos, os edifícios de Civil, de Central, da Torre Norte e da Torre Sul, obtiveram erros médios absolutos percentuais de 10.95%, 9.17%, 10.48% e 12.66% para um horizonte temporal de uma semana, respectivamente. Foi também observada uma tendência crescente do erro anual para previsões com um maior horizonte temporal.
novembro 25, 2019, 16:0
Publicação
Obra sujeita a Direitos de Autor