Previsão de Potência necessária para resfriamento e aquecimento de de ambientes residenciais

Abstract

Este trabalho analisou e modelou o problema da potência de resfriamento e aquecimento em estruturas prediais utilizando técnicas estatísticas e Aprendizado de Máquina. O objetivo foi analisar estatisticamente os relacionamentos entre variáveis estruturais dos ambientes prediais e a potência de aquecimento e resfriamento necessárias para cada formato de ambiente, além de construir modelos de Aprendizado de Máquina para fazer previsões acuradas destas variáveis. O trabalho de natureza quantitativa, utilizou método baseado na estrutura de um projeto de Ciência de Dados, onde é composto por coleta de dados, análise exploratória, pré-processamento, ajuste fino e modelagem. Os resultados evidenciaram que é possível modelar, com precisão elevada, as potências com base nas características físicas dos formatos prediais, além de indicar que a modelagem da potência de resfriamento ser mais difícil com relação ao aquecimento. Concluiu-se, portanto, que a utilização de algoritmos de Aprendizado de Máquina, juntamente com ferramentas estatísticas tem grande potencial para resolver problemas dentro da Engenharia Elétrica de maneira precisa e rápida.