Machine Learning and Energy Consumption Evaluating Four Models in the Brazilian Scenario

Dieses Kapitel befasst sich mit der Anwendung von Modellen des maschinellen Lernens zur Vorhersage des Energieverbrauchs in Brasilien und konzentriert sich dabei auf die Leistung von vier Modellen: Lineare Regression, Random Forest, XGBoost und K-Nearest Neighbors. Die Studie stützt sich auf einen umfassenden Datensatz, der sich von 2004 bis 2024 erstreckt und eine detaillierte Analyse der Trends beim Energieverbrauch in verschiedenen Sektoren, einschließlich Wohnen, Gewerbe, Industrie und ländlichem Raum, liefert. Die Forschungsergebnisse werten die Modelle anhand von Schlüsselmetriken wie MAE, RMSE und R ² aus und zeigen, dass Random Forest und XGBoost die genauesten Vorhersagen liefern. Das Kapitel untersucht auch die Herausforderungen und Grenzen des Einsatzes von maschinellem Lernen im Energiemanagement und betont die Notwendigkeit präziser Daten und die Bedeutung der Modellauswahl. Darüber hinaus wird das Potenzial dieser Modelle bei der Unterstützung der Modernisierung der Energieinfrastruktur und der Formulierung wirksamer Strategien für das Energiemanagement diskutiert. Die Ergebnisse unterstreichen die Bedeutung maschinellen Lernens für die Steigerung der Energieeffizienz und Nachhaltigkeit in der gebauten Umwelt.