Publication
Otimização do consumo de energia usando técnicas de inteligência artificial
| datacite.subject.fos | Engenharia e Tecnologia | pt_PT |
| dc.contributor.advisor | Martins, António Constantino Lopes | |
| dc.contributor.author | Pinho, Hugo Afonso da Costa | |
| dc.date.accessioned | 2024-07-30T12:13:26Z | |
| dc.date.embargo | 2027-07-30 | |
| dc.date.issued | 2024-07-11 | |
| dc.description.abstract | O conceito da energia representa hoje um dos maiores assuntos da nossa sociedade, principalmente devido aos problemas que destes advém, como as alterações climáticas. Contudo, atualmente encontramo-nos fortemente dependentes de recursos que, perspetivando a longo prazo, não são sustentáveis, como é o caso dos combustíveis fósseis, que até hoje, representam a maior fonte de energia do mundo, sendo para isso considerado imperativo a existência de um modelo mais sustentável. Porém, a realização de um modelo mais sustentável promove diversos desafios que dificultam a sua realização. Os recentes avanços tecnológicos, abriram as portas para o desenvolvimento de sistemas robustos capazes de assertivamente prever e otimizar a gestão de energia necessária para um determinado momento, promovendo assim um vasto conjunto de benefícios, tanto para os seus utilizadores, como para o meio ambiente. Como tal, o objetivo deste estudo centrou-se em averiguar os efeitos de diferentes técnicas de Inteligência Artificial, Machine Learning e Reinforcement Learning quando aplicadas em torno deste contexto. A realização deste estudo consistiu no desenvolvimento de dois algoritmos em Reinforcement Learning, postos em prática numa ótica de conseguir otimizar o consumo de energia e resolver os problemas em questão, avaliando assim a eficácia destas técnicas. Com a sua conclusão, foi possível perceber os efeitos destas tecnologias quando aplicadas em diferentes cenários e contextos, concluindo com a execução desta dissertação, que o uso de técnicas de Inteligência Artificial permite com eficácia otimizar o consumo de energia. Contudo e apesar dos bons resultados, o seu uso requer uma importante avaliação inicial, de forma a perceber se os resultados finais que serão obtidos compensam todo o processo trabalhoso que advém da sua implementação. | pt_PT |
| dc.description.abstract | The concept of energy is one of the biggest issues facing our society today, mainly because of the problems it causes, such as climate change. However, we are currently heavily dependent on resources that, from a long-term perspective, are not sustainable, as is the case with fossil fuels, which to this day represent the world's largest source of energy, and for this reason a more sustainable model is considered imperative. However, the realization of a more sustainable model poses a number of challenges that make it dificult. Recent advances in technology have opened the door to the development of robust systems capable of assertively predicting and optimizing the energy management required for a given moment, thus promoting a wide range of benfits for both users and the environment. As such, the aim of this study was to investigate the effects of different Artificial Intelligence, Machine Learning and Reinforcement Learning techniques when applied in this context. This study consisted in developing two Reinforcement Learning algorithms, which were put into practice with a view towards optimizing energy consumption and solving the problems in question, thus evaluating the effectiveness of these techniques. With its conclusion, it was possible to see the effects of these technologies when applied in different scenarios and contexts, concluding with the execution of this dissertation that the use of Artificial Intelligence techniques allows energy consumption to be optimized effectively. However, despite the good results, their use requires an important initial evaluation, in order to see if the final results that will be obtained are worth all the work involved in implementing them. | pt_PT |
| dc.identifier.tid | 203667034 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.22/25849 | |
| dc.language.iso | por | pt_PT |
| dc.subject | Inteligência artificial | pt_PT |
| dc.subject | Machine learning | pt_PT |
| dc.subject | Consumo de energia | pt_PT |
| dc.subject | Produção de energia | pt_PT |
| dc.subject | Reinforcement learning | pt_PT |
| dc.subject | Eficiência energética | pt_PT |
| dc.title | Otimização do consumo de energia usando técnicas de inteligência artificial | pt_PT |
| dc.title.alternative | Optimizing energy consumption using artificial intelligence techniques | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | embargoedAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Engenharia Informática | pt_PT |