FenixEdu™

Dissertação

{pt_PT=Optimizing Energy Consumption in the Civil Engineering Building} {} EVALUATED

Detalhes: {pt=Esta tese foca-se no edifício de Engenharia Civil que pertence ao campus do IST), no centro de Lisboa, Alameda, e tem o principal objectivo de estudar a sua eficiência energética. Uma vez que 40% da energia a nível mundial é gasta em edifícios, têm sido estudadas técnicas para aumentar a eficiência, que se baseiam na utilização de abordagens de controlo predictivo. Estas medidas concentram-se sobretudo em reduzir apenas os gastos monetários a nível energético e não integram aspectos como a ocupação dos espaços ou as necessidades térmicas dos mesmos. Assim, esta tese sugere uma abordagem que permite reduzir o consumo energético mantendo o conforto térmico dos espaços. Para isso, foram desenvolvidos dois modelos capazes de prever a temperatura das salas. Um é baseado num modelo grey-box, onde a dinâmica dos espaços é modelada termodinamicamente, através de um circuito equivalente RC e das suas respectivas equações. O outro é um modelo tipo black-box, que usa Redes Neuronais Artificiais de modo a prever a temperatura dos espaços usando variáveis relevantes para o comportamento térmico da sala. Posteriormente, um modelo MPC que leva em conta o preço da energia e a ocupação dos espaços (EMPCO) foi desenvolvido, para reduzir o consumo energético e manter o conforto térmico. Este método testado em simulação e no sistema real, obteve uma poupança energética na ordem dos 17%, mantendo a temperatura das salas nos setpoints desejados. Além disso, os testes foram realizados sem perturbar o horário normal de funcionamento do edifício, que era também um dos objectivos. , en=This thesis focuses on the Civil Engineering building which is part of the Instituto Superior Técnico (IST) campus, in centre Lisbon, Alameda, and has the main goal of studying its energy efficiency. Predictive control techniques have been applied in the later years to energy efficiency and climate control in buildings, once buildings represent about 40% of the world's energy consumption. Most of those approaches take into account only the economic part, disregarding occupancy information. This thesis presents two methods that are able to predict room temperature. One of them is based on a grey-box type model, where the rooms' thermal dynamics are modelled in a thermodynamic way with RC-equivalent circuits and its respective equations. The other is a black-box approach, and Artificial Neural Networks were developed, in order to predict room temperature from data from variables like climatization temperature, AHU's functioning, weather conditions and occupancy measurements. An Economic Model Predictive Control with Occupancy (EMPCO) was also developed, where the main goal was to reduce energy consumption while maintaining occupant's thermal comfort. This method was tested both in simulation and in the real system, and it was shown that energy savings of about 17% can be obtained while maintaining room temperature between the desired setpoints, without disrupting the building's normal functioning schedule, which was also one of the objectives, since the case study was an educational building. }
Keywords: {pt=Previsões de Ocupação, Modelos Grey-Box, Redes Neuronais Artificiais, EMPCO, Poupança Energética, en=Occupancy Predictions, Grey-Box Modelling, Artificial Neural Networks, EMPCO, Energy Savings}

Discussão: junho 6, 2017, 11:30