Publicação
Métodos de Machine Learning para Eficiência Energética
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | pt_PT |
| dc.contributor.advisor | Oliveira, José | |
| dc.contributor.author | Pereira, João Pedro Martins | |
| dc.date.accessioned | 2019-01-29T16:48:53Z | |
| dc.date.available | 2019-01-29T16:48:53Z | |
| dc.date.issued | 2018-07 | |
| dc.date.submitted | 2018 | |
| dc.description.abstract | Os centros de processamento de dados (Data Centers) são locais onde existe uma quantidade significativa de armazenamento de dados e vários equipamentos para os processar. Devido à grande evolução do volume global de dados (Big Data) e à tendência de processar quantidades de dados cada vez maiores, a gestão dos Data Centers torna-se mais complexa. São o núcleo dos negócios modernos das grandes empresas nos tempos de hoje, onde a utilização da cloud aumenta exponencialmente tornando o acesso e armazenamento de dados mais rápido e eficaz, e que combina com um conceito que vai ganhando cada vez mais credibilidade- Internet das coisas (Internet of Things). Com estes fatores que provocam o rápido crescimento do Big Data, os equipamentos num Data Center consequentemente aumentam a carga da sua utilização. O aumento da sua utilização provoca um maior aquecimento nesses equipamentos, que gera aumentos de temperatura nos Data Centers. Um dos maiores custos para a organização que controla um Data Center é a energia, principalmente a energia utilizada na refrigeração. Devido às evoluções apresentadas, a energia utilizada para a refrigeração aumenta drasticamente. No entanto, este aumento não é controlado, tornando o uso da energia bastante ineficiente, constituindo um custo excessivo para as organizações possuidoras de Data Centers. Neste projeto são apresentadas soluções para combater o uso ineficiente da energia nos chillers, equipamentos que realizam a refrigeração dos Data Centers. Estas soluções incluem implementações de algoritmos machine learning que oferecem inteligência artificial a estes equipamentos de refrigeração, com o intuito de tornar o seu funcionamento mais adequado para a situação apresentada. Este tipo de algoritmos tem a possibilidade de aprender continuamente, sendo possível prever situações futuras e descobrir padrões interessantes de modo a que sejam tratados da forma mais adequada. Foram realizados vários testes para validar os algoritmos implementados, sendo o objetivo principal, na prática, o aumento da eficiência energética por parte dos chillers e consequentemente a diminuição dos custos para os proprietários dos Data Centers. | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10362/58920 | |
| dc.language.iso | por | pt_PT |
| dc.subject | Data Center | pt_PT |
| dc.subject | Big Data | pt_PT |
| dc.subject | Eficiência Energética | pt_PT |
| dc.subject | Chillers | pt_PT |
| dc.subject | Machine Learning | pt_PT |
| dc.title | Métodos de Machine Learning para Eficiência Energética | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestre em Engenharia Eletrotécnica e Computadores | pt_PT |