Desenvolvimento de ferramenta de suporte a modelo de negócio inovador na área da eficiência energética em edifícios

Detalhes bibliográficos
Autor(a) principal: Silva, Filipe José Melo Neves da
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
Texto Completo: http://hdl.handle.net/10451/30852
Resumo: Tese de mestrado integrado em Engenharia da Energia e do Ambiente, apresentada à Universidade de Lisboa, através da Faculdade de Ciências, 2017
id RCAP_db793fb5dae7c4257e10ca7fa514504b
oai_identifier_str oai:repositorio.ulisboa.pt:10451/30852
network_acronym_str RCAP
network_name_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository_id_str https://opendoar.ac.uk/repository/7160
spelling Desenvolvimento de ferramenta de suporte a modelo de negócio inovador na área da eficiência energética em edifíciosPrevisão de consumosEficiência energéticaRegressãoRedes neuronaisEmpresas de serviços de energiaTeses de mestrado - 2017Domínio/Área Científica::Ciências Naturais::Ciências da Terra e do AmbienteTese de mestrado integrado em Engenharia da Energia e do Ambiente, apresentada à Universidade de Lisboa, através da Faculdade de Ciências, 2017A eficiência energética é uma área que tem vindo a crescer e a atrair muito investimento. Com a expansão do mercado as soluções de eficiência energética em edifícios têm vindo a crescer e a permitir às Empresas de Serviços de Energia (ESE) implementar novos contratos de desempenho energético. Apesar dos avanços na eficiência energética, hoje em dia ainda existem grandes lacunas entre o consumo previsto para um edifício durante a fase de projeto e o seu consumo real durante a utilização do edifício. Foi neste âmbito que surgiu o projeto MOEEBIUS (Modelling Optimization of Energy Efficiency in Buildings for Urban Sustainability). O projeto MOEEBIUS pretende reduzir essas lacunas, focando-se essencialmente na melhoria das atuais ferramentas de simulação de consumos, reduzindo o risco e potenciando desta forma a implementação de Contratos de Desempenho Energético (CDE). Neste enquadramento, foi criada uma ferramenta (designada por MVtool) associada a um modelo de negócio inovador para as ESE. Esta ferramenta utiliza linguagem de programação Python para caracterização de baselines de consumo, sendo baseada numa regressão multilinear. A MVtool tem como objetivo apoiar as ESE, não só com a caracterização das baselines de consumo, mas também através da comparação de consumos reais com consumos previstos de modo a identificar poupanças energéticas geradas pelos CDE’s. A baseline de consumo é uma referência criada através da correlação entre o consumo e variáveis que o influenciam. Esta referência permite comparar consumos reais com consumos previstos para as condições da baseline A MVtool tem algumas vantagens face a outras ferramentas semelhantes existentes no mercado, como por exemplo a exclusão automática de variáveis sem influência no consumo. A MVtool foi validada e complementada com alguns métodos adicionais para ajudar o utilizador a tomar decisões. Depois de ser testada para vários edifícios concluiu-se que a ferramenta é capaz de produzir baselines suficientemente fortes para suportar decisões de negócio. Porém, verificou-se que alguns parâmetros têm muita influência no consumo e são essenciais para que esta funcione corretamente (por exemplo, a ocupação do edifício). Também se verificou que é fundamental efetuar ajustes pontuais à baseline para efetuar previsões adequadas, pelo que é necessário conseguir, no futuro, validar os métodos criados para identificar possíveis ajustes. O edifício da Câmara Municipal de Mafra serviu de teste à ferramenta, assim como à comparação com outro tipo de modelo empírico: uma rede neuronal. A rede neuronal, baseada no método de regularização Bayesiana com uma camada de dez neurónios, permitiu obter resultados mais precisos que a MVtool, no entanto, sem a mesma capacidade de exclusão de variáveis cuja relação com o consumo é insuficiente para serem utilizadas e sem a mesma capacidade de identificação de possíveis ajustes à baseline. Adicionalmente foram realizados os mesmos testes para outros quatro edifícios: duas escolas e dois edifícios de escritórios. Nestes edifícios observou-se que os resultados obtidos dependem significativamente do tipo de edifício, pois as escolas não dispõem de soluções de climatização e como tal as variáveis meteorológicas utilizadas na regressão e na rede neuronal não conseguem justificar as variações de consumo verificadas. Nos dois edifícios de escritórios foi possível criar um modelo de previsão com erro baixo, com qualquer uma das ferramentas aplicadas, uma vez que estes edifícios são fortemente climatizados e, desse modo, as variáveis meteorológicas já conseguem justificar as variações de consumo.Energy efficiency is an area that has been growing and attracting a lot of investment. With market expansion, the energy efficiency solutions in buildings have been growing and enabling energy service companies to implement new energy performance contracts. Despite the advances in energy efficiency, there are still large gaps between the predicted consumption of a project during a design phase and its actual consumption during the use phase of the building. In a attempt to reduce that gap emerged the MOEEBIUS project (Modelling of Optimization of Energy Efficiency in Buildings for Urban Sustainability). The MOEEBIUS project will try to reduce these gaps by focusing mainly on improving the current energy simulation tools. In this sequence, and associated with an innovative business model for energy services companies, a tool was made, MVtool, based on a multilinear regression. MVtool was built with Python programming language and its main goal is to characterize the consumption baselines. The objective of this tool is to support energy services companies’ business, not only by characterizing baselines, but also to compare future energy consumptions with predicted energy consumptions so it is possible to identify energy savings generated by energy performance contracts. The consumption baseline it a way to not integrate the influence of external factors into an energy prediction, allowing the tool user to create a model that depends on variables that influence consumption. MVtool also has some advantages towards other similar tools in the market, like the automatic exclusion of variable with low correlation with consumption or the fact that MVtool has no cost. MVtool was validated and complemented with some additional methods to help decision making. After being tested with several buildings it was concluded that the tool is capable of producing strong enough baselines to support business decisions, but there are some variables that have a big influence in the buildings consumption and therefore the presence of this variables in the model is essential for this tool to work, such as building occupation. It was also verified that it is fundamental to make non-routine adjustments to the baseline for energy service companies business being successful, so it is necessary to validate the methods that identify possible adjustments, in the future. Mafra Town Hall was the building in which the tool was tested and compared against the neural network. The neural network created used a Bayesian regulation method and had one layer with ten neurons. This network provided results with less error than MVtool’s results, however, the neural network does not have the same capacity of exclusion of variables with low relation with consumption and it does not have the capacity of identifying possible baseline adjustments. Additionally, the same tests were performed for another four buildings, two schools and to office buildings, in which it was observed that the quality of results depends heavily on the type of buildings being tested. In the schools, with low or non-existent climatization, the meteorological variables used in the regression and the neural network, are not able to justify the changes in the consumption. In the office buildings, it was possible to create a low error model with any of the tools, since office buildings are highly climatized.Rato, RicardoSilva, Carla Alexandra Monteiro daRepositório da Universidade de LisboaSilva, Filipe José Melo Neves da2018-01-23T13:19:40Z201720172017-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/30852TID:201855828porinfo:eu-repo/semantics/openAccessreponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiainstacron:RCAAP2025-03-17T13:47:40Zoai:repositorio.ulisboa.pt:10451/30852Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireinfo@rcaap.ptopendoar:https://opendoar.ac.uk/repository/71602025-05-29T02:53:54.774354Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiafalse
dc.title.none.fl_str_mv Desenvolvimento de ferramenta de suporte a modelo de negócio inovador na área da eficiência energética em edifícios
title Desenvolvimento de ferramenta de suporte a modelo de negócio inovador na área da eficiência energética em edifícios
spellingShingle Desenvolvimento de ferramenta de suporte a modelo de negócio inovador na área da eficiência energética em edifícios
Silva, Filipe José Melo Neves da
Previsão de consumos
Eficiência energética
Regressão
Redes neuronais
Empresas de serviços de energia
Teses de mestrado - 2017
Domínio/Área Científica::Ciências Naturais::Ciências da Terra e do Ambiente
title_short Desenvolvimento de ferramenta de suporte a modelo de negócio inovador na área da eficiência energética em edifícios
title_full Desenvolvimento de ferramenta de suporte a modelo de negócio inovador na área da eficiência energética em edifícios
title_fullStr Desenvolvimento de ferramenta de suporte a modelo de negócio inovador na área da eficiência energética em edifícios
title_full_unstemmed Desenvolvimento de ferramenta de suporte a modelo de negócio inovador na área da eficiência energética em edifícios
title_sort Desenvolvimento de ferramenta de suporte a modelo de negócio inovador na área da eficiência energética em edifícios
author Silva, Filipe José Melo Neves da
author_facet Silva, Filipe José Melo Neves da
author_role author
dc.contributor.none.fl_str_mv Rato, Ricardo
Silva, Carla Alexandra Monteiro da
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Silva, Filipe José Melo Neves da
dc.subject.por.fl_str_mv Previsão de consumos
Eficiência energética
Regressão
Redes neuronais
Empresas de serviços de energia
Teses de mestrado - 2017
Domínio/Área Científica::Ciências Naturais::Ciências da Terra e do Ambiente
topic Previsão de consumos
Eficiência energética
Regressão
Redes neuronais
Empresas de serviços de energia
Teses de mestrado - 2017
Domínio/Área Científica::Ciências Naturais::Ciências da Terra e do Ambiente
description Tese de mestrado integrado em Engenharia da Energia e do Ambiente, apresentada à Universidade de Lisboa, através da Faculdade de Ciências, 2017
publishDate 2017
dc.date.none.fl_str_mv 2017
2017
2017-01-01T00:00:00Z
2018-01-23T13:19:40Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10451/30852
TID:201855828
url http://hdl.handle.net/10451/30852
identifier_str_mv TID:201855828
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron:RCAAP
instname_str FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron_str RCAAP
institution RCAAP
reponame_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
collection Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository.name.fl_str_mv Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
repository.mail.fl_str_mv info@rcaap.pt
_version_ 1833601525343059968

Registros relacionados