Em uma época de infraestrutura envelhecida e controle cada vez mais inteligente de edifícios, a capacidade de prever como os edifícios usam energia - e quanta energia eles usam - permaneceu indefinida, até agora.

Pesquisadores da Arábia Saudita, China e Estados Unidos colaboraram para desenvolver uma maneira mais inteligente de prever o uso de energia por meio de um método que envolveu sistemas artificiais, experimentos computacionais e computação paralela. Eles publicaram seus resultados em IEEE / CAA Journal of Automatica Sinica .

"Geralmente, é um desafio prever o consumo de energia em edifícios precisamente devido a muitos fatores ambientais influentes correlacionados ao consumo de energia, como temperatura externa, umidade, o dia da semana, e eventos especiais, "disse Abdulaziz Almalaq, autor do artigo e professor assistente do Departamento de Engenharia Elétrica da Faculdade de Engenharia da University of Hail na Arábia Saudita.

"Embora os parâmetros ambientais sejam recursos úteis para a previsão do consumo de energia, previsão usando um grande número de parâmetros operacionais de um edifício, como a temperatura ambiente, principais aparelhos e aquecimento, ventilação, e parâmetros do sistema de ar condicionado (HVAC), é um problema bastante complicado, em comparação com a previsão usando apenas dados históricos. "

De acordo com Almalaq, os parâmetros ambientais são úteis, mas limitados. Por exemplo, dois edifícios idênticos em ambientes idênticos podem ter consumos de energia muito diferentes com base em como os edifícios são usados. Mesmo que ambos os edifícios sejam mantidos na mesma temperatura, o sistema HVAC de um prédio precisará usar mais energia se esse prédio estiver realizando um evento com algumas centenas de pessoas.

"A previsão precisa do consumo de energia em um momento específico sob muitas condições externas e internas torna-se uma etapa essencial para melhorar a eficiência e o gerenciamento de energia em um edifício inteligente, "Almalaq disse.

Almalaq e sua equipe usaram algoritmos híbridos de aprendizagem profunda, juntamente com sistemas artificiais, experimentos computacionais e teoria de computação paralela baseada em mas genérico, sistemas. Quando testado usando um edifício real na Universidade de Colorado Denver, o método ajudou significativamente a melhorar o gerenciamento de energia.

"A análise realizada neste artigo mostrou que o modelo híbrido de aprendizado profundo é uma ferramenta de inteligência artificial poderosa para modelar sistemas complexos multivariáveis, "Almalaq disse." Tem potencial para ser aplicado em diferentes áreas, como o escritório inteligente, a casa inteligente e a cidade inteligente. "