Benchmark de consumo de energia em instituições federais de ensino baseado em aprendizado de máquina

Abstract

As universidades apresentam um papel significativo no desenvolvimento de políticas sustentáveis, bem como na disseminação do conhecimento para a sociedade. Entretanto, as edificações universitárias apresentam potencial de redução do consumo de energia, influenciado principalmente pela ocupação, uso do espaço e pelo clima. Desta forma, é fundamental o desenvolvimento de estudos que auxiliem na identificação das edificações universitárias eficientes e quais as estratégias adotadas por essas universidades a fim de replicar para outras edificações, bem como quais os pontos críticos nas edificações ineficientes e como evitá-los, como o desenvolvimento de benchmarking. Porém, o desenvolvimento de benchmarks para universidades é complexo, uma vez que há múltiplas edificações dentro de um campus universitário com diferentes usos e ocupações e devido à dificuldade de acesso à informação de consumo de energia, bem como de ocupação e utilização dos espaços. Portanto, este trabalho tem como objetivo o desenvolvimento de um modelo de benchmarking energético de edificações universitárias que seja capaz de representar a realidade brasileira, baseando-se em características de uso, ocupação e histórico de consumo de energia, obtidos do estoque real de universidades brasileiras. Esse trabalho foi dividido em três principais etapas, a primeira desenvolveu um benchmark de consumo de energia de edificações universitárias utilizando uma base de dados criada por meio de simulação computacional e usando Máquinas de Vetores de Suporte para treino do modelo preditivo, utilizando o Energy Use Index (EUI ? kWh/m²) como dado de saída. Por utilizar uma base de dados de simulação, o modelo permitiu identificar melhores práticas adotadas por edificações eficientes, uma vez que é possível avaliar a envoltória e os sistemas, como iluminação e ar-condicionado. Na segunda etapa, foi desenvolvido um modelo preditivo considerando os dados de ocupação, eixos tecnológicos e o consumo real de edificações universitárias públicas. Com o objetivo de contornar as limitações dos modelos anteriores, um terceiro modelo de base de simulação foi desenvolvido, considerando os dados de ocupação levantados com dados medidos, um novo arquétipo e o uso de ventilação natural. Os resultados demonstram que considerar a ocupação, o uso do espaço e a ventilação natural é fundamental para entender o real consumo de energia de edificações de ensino superior no Brasil.

Abstract: Universities play a significant role in developing sustainable policies and disseminating knowledge to society. However, university buildings exhibit substantial energy consumption, primarily influenced by occupancy, space usage, and climate, while also presenting a high potential for consumption reduction. Therefore, it is essential to conduct studies that identify efficient university buildings, the strategies adopted by these institutions, critical shortcomings in inefficient ones and how to avoid them, such as through benchmarking development. However, developing benchmarks for universities is complex, given the multiple buildings within a campus with diverse uses and occupancies, coupled with challenges in accessing energy consumption data as well as occupancy and space utilization information. Thus, this study aims to develop an energy consumption benchmarking framework for university buildings in Brazil. The work is divided into two main stages. The first stage developed an energy consumption benchmark for university buildings using a database generated through computational simulation and trained a predictive model with Support Vector Machines, employing the Energy Use Intensity (EUI ? kWh/m²) as the output variable. By relying on a simulation-based database, the model enabled the identification of best practices in efficient buildings, as it allowed evaluation of the building envelope and systems such as lighting and air conditioning. The second stage developed a predictive model incorporating occupancy data, technological axes, and actual energy consumption from public university buildings. To address limitations of prior models, a third simulation-based model was created, integrating real occupancy data, a new archetype, and natural ventilation. The results demonstrate that accounting for occupancy, space usage, and natural ventilation is fundament