Recherche sur l'apprentissage automatique et l'IA pour la prévision de la consommation d'énergie, la classification et l'analyse des potentiels de conservation d'énergie dans les bâtiments

Recherche sur la modélisation prévisionnelle d'ensemble de la consommation énergétique et l'analyse comparative dynamique dans différents secteurs du bâtiment. Grâce à une vaste collecte de données sur plus de 100 bâtiments, à une analyse documentaire, à des analyses statistiques et à une collaboration avec diverses parties prenantes, un modèle de prévision robuste et précis a été développé grâce à cette recherche. Le modèle de prévision et l'analyse comparative qui en résultent ont un immense potentiel pour susciter des changements positifs dans le secteur du bâtiment, facilitant l'efficacité énergétique, la durabilité et la conservation de l'énergie.
L'analyse comparative utilisant des techniques d'apprentissage automatique permet de classer le bâtiment comme Excellent, Bon, Moyen et Mauvais en fonction de la consommation énergétique spécifique et est modélisée avec plusieurs facteurs dynamiques. De nombreuses recherches ont été menées sur l'analyse comparative à l'aide de modèles de régression et d'apprentissage automatique. Mais la plupart du temps, on constate que celle-ci se limite à la consommation d'énergie par mètre carré. Cependant, ce document de recherche met l'accent sur une approche différente prenant en compte de nombreuses variables telles que la météo et l'occupation. La plupart du temps, ces variables sont négligées et, par souci de simplicité, seule la densité énergétique est prise en compte pour les paramètres d'analyse comparative tels que le kWh/m² en tant que pratiques industrielles