Samenvatting

Deze scriptie is opgezet als ondersteuning voor de ontwikkeling van het Smart Indoor Climate Project. Het doel is om kunstmatige intelligentie in te zetten bij het voorverwarmen van een bedrijfspand en het energieverbruik te minimaliseren met behoud van comfort. Maar hoe kan dit worden gerealiseerd? Deze scriptie toont het onderzoek dat uitgevoerd is om te bepalen welke vorm van kunstmatige intelligentie geschikt is, welke data er beschikbaar en relevant zijn, en hoe kunstmatige intelligentie uiteindelijk kan bijdragen
aan deze bedrijfsdoelstelling. De belangrijkste conclusie van deze scriptie is dat de algoritmen KNearest Neighbors en Naive Bayes het meest geschikt en toepasbaar zijn voor het toepassen van kunstmatige intelligentie bij het voorverwarmen van het bedrijfspand en het behalen van de bedrijfsdoelstelling. Deze algoritmen kunnen door middel van Scikit-learn worden geïmplementeerd in het systeem en kunnen zo met data van eerder gedane metingen beslissingen nemen over de modus van de warmtepomp voor een nieuwe dag. Ook het vergelijken van de resultaten van beide algoritmen en het bepalen van de meest energiezuinige optie hieruit blijkt uit het onderzoek, de zogenaamde combi-functionaliteit. Voor een preciezere uitgebreidere
inhoudelijke samenvatting van de scriptie wordt verwezen naar de eindconclusie. Hier wordt men in een vogelvlucht meegenomen door het gehele onderzoek en worden de onderzoeksresultaten getoond.