Key points are not available for this paper at this time.
Resumo O uso de energia em edifícios, que inclui tanto estruturas residenciais quanto comerciais, representa cerca de quarenta por cento do total do consumo de energia nos Estados Unidos, e dados comparáveis estão sendo relatados de país para país em todo o mundo. Os residentes são proporcionados com um ambiente agradável, seguro e produtivo que é mantido pela grande quantidade de energia utilizada. Portanto, é de suma importância que a gestão do consumo de energia em edifícios seja maximizada, garantindo ao mesmo tempo que os ocupantes continuem a experimentar níveis adequados de conforto, saúde e segurança. Durante o processo de extração de informações valiosas a partir de dados e melhoria de uma variedade de sistemas, o Aprendizado de Máquina (ML) tem se mostrado uma técnica muito útil. Com o objetivo de melhorar a economia de energia em sensores e dispositivos da Internet das Coisas, este estudo utiliza a abordagem de ML que é Random Forest (RF). Os resultados demonstram que a implementação do modelo sugerido leva a uma diminuição notável de mais de 18% no consumo geral de energia do sistema de edifícios inteligentes em comparação com seu estado pré-otimização. Isso ressalta a eficácia do modelo de controle de otimização adaptativa para sistemas de edifícios inteligentes em refinar os parâmetros operacionais dos sistemas de economia de energia, garantindo ao mesmo tempo a segurança dos dispositivos IoT. Os resultados abrangentes revelam uma otimização total de energia de 360,42 kWh observada no horário de amostragem de 9:20.
Kunwar et al. (Sat,) estudaram essa questão.