Dissertação

{pt_PT=Model Based Predictive Control for Thermal Comfort Maximization in Classrooms} {} EVALUATED

{pt=Este trabalho teve como objetivo modelar o comportamento térmico de uma sala de aula. Vários sensores instalados na sala foram utilizados para obter dados relevantes. Foram também utilizados dados meteorológicos da estação presente na universidade. Estes dados foram tratados e utilizados para a criação de 2 modelos de sala de aula. O primeiro modelo baseou-se em equações diferenciais que modelam a transferência de calor entre a sala e o ambiente envolvente. Utilizou a analogia entre componentes térmicos e elétricos para a criação das equações diferenciais. O segundo modelo baseou-se no uso de redes neuronais. A estrutura foi testada com dados passados existentes e foi feita validação dos resultados. Foram abordadas várias particularidades do uso de redes neuronais neste contexto, bem como a influência no resultado final. Obtiveram-se bons resultados na previsão de temperatura. O Modelo Teórico obteve um erro médio de $0.057ºC$. O Modelo de Redes Neuronais obteve um erro médio de $0.049ºC$. Futuros trabalhos podem utilizar este modelos como base para melhoramentos e para o controlo da temperatura da sala., en=The purpose of this work is to model the thermal behavior of a classroom. It will use various sensors installed in the classroom to gather relevant data. It will also use meteorological data gathered from the station that is present on the university campus. It will preprocess this data and use it to develop thermal models of the classroom. The First type of models were based on differential equations that model heat transfer between the room and the envelope. It used the analogy between thermal and electrical components to derive the differential equations. The Second type of models were based on Neural Networks. The structure was based on past data and validate with a different set of data. Certain particularities of the workings of neural networks are discussed and it is considered how they affect the final result. Good results were obtained in terms of temperature forecasting. The Theoretical models obtained a Root Mean Squared Error of $0.057ºC$. The Neural Network models obtained a Room Mean Squared Error of $0.049ºC$. Future work can use these models as a basis for future improvement and control of the room temperature.}
{pt=Redes Neuronais, Previsão Temperatura, Transmissão de Calor, en=Thermal Modelling, Neural Networks, Temperature Forecasting}

Dezembro 6, 2019, 11:0

Orientação

ORIENTADOR

Susana Margarida da Silva Vieira

Departamento de Engenharia Mecânica (DEM)

Professor Auxiliar

ORIENTADOR

Carlos Augusto Santos Silva

Departamento de Engenharia Mecânica (DEM)

Professor Auxiliar