Dissertação

{en_GB=Optimizing Energy Consumption in a Municipal Building} {} EVALUATED

{pt=Os sistemas AVAC (Aquecimento, Ventilação e Ar Condicionado) são sistemas críticos na sociedade moderna. A crescente necessidade aquecimento ou arrefecimento têm aumentado o numero de AVACs necessários. Estudos indicam que estes estão entre os sistemas estão entre os sistemas que mais energia consomem mundialmente. Um AVAC é um investimento a longo prazo, instalado com base num estudo efetuado sobre as necessidades do edifício. No entanto, é possível verificar que muitos destes sistemas presentes em edifícios comerciais consomem energia em excesso. Uma solução comum na literatura é usar controlo predictivo. No entanto é frequente que estas soluções sejam económicamente inviáveis. Aqui, é a apresentada uma estratégia de otimização baseada em controlo ótimo. O controlo é efectuado com base num conjunto de modelos de predição, que permitem avaliar o desempenho do AVAC em função do cenário de funcionamento. Esta dissertação apresenta um caso de estudo no Cascais Center, onde é aplicada a estratégia de controlo ótimo, com o objetivo de melhorar o custo energético e o conforto térmico. Neste caso, é encontrada uma melhor temperatura de comando para o chiller, recorrendo meta-heuristicas NSGA-III e PSO. A predição é efetuada com base em aprendizagem automática, utilizando NARX Neural Network e Takagi-Sugeno, recorrendo a PCA para extração de informação. Os resultados obtidos indicam a necessidade de trabalho futuro no sentido de melhorar a aquisição de dados, robustez de predição e a estimativa de conforto térmico., en=HVAC (Heating, Ventilation and Air Conditioning) systems are critical in modern human activity. The increasing demand for heating and cooling applications increases the number of HVACs. Based on many studies, these are some of the most energy consumer systems worldwide. An HVAC is, usually, a long term investment. It is installed having in account specific necessities of the building. However, one can find that often HVAC from commercial consume energy in excess. A common solution found on literature is to use model predictive control. However, these solutions maybe not be viable economically. Here, it is presented an optimal control framework for the optimization of HVACs. This framework uses data-driven models to predict the system dynamics in the chosen scenario. This dissertation shows a start to end case study on Cascais Center, where it is applied an optimal control framework, aiming to improve energy costs and thermal comfort. In this case, the optimized variable is the chiller temperature setpoint, using NSGA-III and PSO meta-heuristics. The models are base on data-driven predictors, the NARX Neural Network and Takagi-Sugeno, with improved feature extraction achieved by using PCA. Hence, it is presented a methodology for variable selection and feature extraction. The predictors performance is improved based on data analysis considerations. The results a need for further work on data acquisition, prediction robustness and thermal comfort estimation.}
{pt=AVAC, otimizaçãoo, controlo ótimo, meta-heurísticas, modelos orientados a dados, PCA, en=HVAC, optimization, optimal control, meta-heuristics, data-driven models, PCA}

Novembro 28, 2018, 17:0

Orientação

ORIENTADOR

João Filipe Pereira Fernandes

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar

ORIENTADOR

Paulo José da Costa Branco

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado