Um estudo da Universidade de Maryland sugere que o deep learning, uma forma sofisticada de inteligência artificial (IA), poderia reduzir significativamente o consumo de energia em futuros sistemas de aquecimento, ventilação e ar condicionado (HVAC). A pesquisa, realizada no Centro de Engenharia de Energia Ambiental (CEEE) da UMD, concentrou-se no impacto da IA na previsão do uso de energia em um sistema de fluxo de refrigerante variável (VRF). Esta tecnologia HVAC, que possui uma unidade externa e várias internas, foi testada no Glenn L. Martin Hall. Suas descobertas serão publicadas online na edição de janeiro de 2025 do International Journal of Refrigeration. Os sistemas HVAC representam cerca de metade do uso de eletricidade de um edifício, e otimizar o controle de um sistema VRF depende de previsões precisas de consumo de energia. Os pesquisadores da UMD avaliaram dois modelos de IA: a tradicional Rede Neural Artificial (ANN) e o mais recente modelo Longo-Curto Prazo de Memória (LSTM), que é mais intensivo em dados.

Ambos analisam dados para reconhecer padrões e fazer previsões, mas o LSTM requer mais dados. Surpreendentemente, o modelo LSTM não só previu o consumo de energia com mais precisão, mas também exigiu menos potência de computação e memória do que a ANN. Segundo Po-Ching Hsu, estudante de pós-graduação em engenharia mecânica e autor principal, o modelo ANN tenta aumentar a precisão construindo um modelo mais complexo durante o processo de otimização, mas ainda fica aquém em comparação ao LSTM. Os co-autores incluem Lei Gao, Ph. D. ’22, agora no Oak Ridge National Laboratory, e Yunho Hwang, professor de pesquisa em engenharia mecânica e co-diretor do CEEE. Embora a aplicação do modelo LSTM na tecnologia HVAC ainda esteja sendo explorada, este estudo indica que ele pode melhorar significativamente a eficiência energética. O modelo LSTM foi desenvolvido usando dados de um ano. Hsu acrescentou: “O desafio agora é determinar se podemos alcançar a mesma precisão com apenas alguns dias ou semanas de dados. ”