Estudo apresentado na conferência E-Energy ’25 aplica aprendizado de máquina diretamente ao processo de controle para reduzir erros de custo e aumentar a precisão operacional em edifícios.

Pesquisadores da Universidade de Mons e da Johns Hopkins University desenvolveram um modelo de inteligência artificial baseado em Decision-Focused Learning (DFL) para a gestão antecipada de sistemas de aquecimento, ventilação e ar-condicionado (HVAC). O método integra, em um único processo, a identificação dos parâmetros do sistema e a otimização do controle, dispensando a separação tradicional entre modelagem e operação.

O estudo, assinado por Pietro Favaro, Jean-François Toubeau, François Vallée e Yury Dvorkin, foi apresentado na 16ª ACM International Conference on Future and Sustainable Energy Systems (E-Energy ’25), realizada em Roterdã. A pesquisa utiliza o agendamento diário de HVAC em edifícios como caso de aplicação, considerando tarifas elétricas dinâmicas e limites de conforto térmico.

A abordagem proposta substitui o modelo convencional “Identify-Then-Optimize”, no qual a identificação do sistema ocorre antes da otimização. No modelo DFL, os parâmetros do sistema térmico do edifício são ajustados diretamente com base no impacto das decisões de controle, permitindo que o aprendizado seja orientado para os objetivos operacionais reais.

Os testes foram realizados em um edifício comercial simulado de 15 zonas, localizado em Denver, nos Estados Unidos. Segundo os resultados apresentados, o método reduziu significativamente o erro entre o custo estimado e o custo real de operação do HVAC, inclusive em cenários de variação extrema de temperatura, quando comparado ao modelo tradicional.

De acordo com os autores, a aplicação de aprendizado orientado à decisão pode contribuir para maior precisão no planejamento energético de edifícios, especialmente em contextos de tarifas variáveis e crescente necessidade de flexibilidade no consumo elétrico.

Resumen (Español)

Investigadores de la Universidad de Mons y de la Johns Hopkins University presentaron en la conferencia E-Energy ’25 un modelo de inteligencia artificial aplicado a la gestión de sistemas HVAC. El enfoque utiliza Decision-Focused Learning para integrar la identificación del sistema y la optimización del control en un solo proceso. Las pruebas en un edificio comercial simulado mostraron una reducción del error entre los costos previstos y los costos reales de operación, incluso bajo condiciones de temperatura extrema.

Summary (English)

Researchers from the University of Mons and Johns Hopkins University presented at E-Energy ’25 an artificial intelligence approach for HVAC management based on Decision-Focused Learning. The method combines system identification and control optimization into a single framework. Tests conducted on a simulated commercial building demonstrated improved accuracy in estimating operational costs compared to traditional modeling approaches, including under extreme temperature conditions.