Utilização do Controle Fuzzy nos Sistemas de ArCondicionado em Edificios Automatizados.

AJessandro La NeveHerbert R do N. Costa

Pós-Graduação - Departamento Engenharia Elétrica.Faculdade Engenharia Industrial - FEl

Av. Castelo Branco 3972 - S. B. Campo Cep: 09850-901e_mail: alaneve@cci .fei.br

Abstrat: Buildings automation allows the control of the main services that a building offers, like : display of light,electric systern, air conditioning system etc. We have studied the air conditioning system, in particular, describingits shaping and we've taken from this mathematic model some information in order to descrihe a more efficientcontrol of this procedure. Our main objective in this study is to build a Fuzzy Simulator for the study of thebehavior of electric energy consume in Air Conditioning Systems, in automated buildings.

Resumo: A automação de Edifícios possibilita o controle dos principais serviços oferecidos em um edifício comoIluminação. Elétrica. Ar Condicionado etc. Estudamos, em particular, o Ar Condicionado, descrevendo suamodelagem e retirando desse modelo matemático informações para descrever um controle mais eficaz desseprocesso . O principal objetivo foi a construção de um Simulador Fuzzy para o estudo do Comportamento doConsumo de Energia Elétrica em Sistemas de Ar Condicionado, em Edifícios Automatizados.

1. Introdução.Durante muito tempo houve correlações entre

os processos existentes na Automação de Edifícios e osprocessos industriais. Se compararmos a automaçãoexistente em alguns setores industriais (automação deprocessos) e a aplicada em CondicionamentoAmbientaL Iluminação e Automatismo na ÁreaElétrica, processos importantes dentro dos edifícios,verificamos que os requisitos de maior distribuição docontrole e o aumento da complexidade dos algoritmossão comuns. Porém. temos funções desempenhadaspelos Sistemas de Automação de Edificios que não têmparalelos na automação industrial. Tais funções estãorelacionadas, em sua grande maioria, à área desegurança. onde a preocupação é voltada para: CircuitoFechado de Televisão (C.F.T.V.), Controle de Acesso,Central de Detecção e Combate a Incêndio, Sistema deIdentificação Automática de Visitantes etc.

Analisando os principais processos daAutomação de Edifícios. foi estudado o ArCondicionado e os algoritmos de controle aplicados aesse processo, visando a redução do consumo deenergia e manter as condições de conforto. Paraobtenção de um controle eficaz do Ar Condicionado foiaplicado um algoritmo baseado na Lógica Fuzzy .

325

2. Lógica Fuzzy aplicada ao Controle de Edifícios.Os conceitos da Lógica Fuzzy tiveram sua

origem nos trabalhos do Prof. Lotfi A. Zadeh, em1965, na Universidade da Califórnia, Berkeley [DUB80aJ. Podemos dizer que a inteligência humana tem acaracterística de "nebulosidade", pois tem a capacidadede resumir os fatos observados e, mesmo tendo umagrande capacidade para informações adquiridas, podeselecionar as mais importantes.

Na teoria clássica de conjuntos, podemosafirmar que um elemento pertence a um conjunto ounão. ou seja, temos sempre a condição de falso ouverdadeiro (lógica bivalorizada).

O Professor Zadeh, como mencionado emDubois [DUB 80bJ, Gomide [GOM 92] e [MOT 91J,propôs uma caracterização mais ampla, na medida emque sugere que alguns elementos são mais membros deum conjunto do que outros. O fator de pertinência oufator de certeza pode, então, assumir qualquer valorentre Oe 1, sendo que o valor O indica uma completaexclusão e um valor 1 representa completa pertinência.Essa generalização aumenta o poder de expressão dafunção característica (lógica multi-valorizada). Paraexpressar a idéia de que uma temperatura tem seu

3. Construção do Simulador FuzzyA construção do Simulador Fuzzy é

constituída de duas partes: a primeira é o estudo e aimplementação do algoritmo de Controle utilizando aLógica Fuzzy: a segunda parte é a construção de umprograma que fornecerá as variáveis de entrada para oControlador Fuzzy e. também . receberá as vari áveis desaída do Controlador.

O algoritmo de Controle utilizando LógicaFuzzy foi desenvolvido dentro de um ambiente dedesenvolvimento de aplicações Fuz7.Y (SDAF) IHI.91al O algoritmo de Controle Fuzzy foi obtido com adefinição das regras de controle das vari áveis deentrada e saída e as funções de pertinência. A Figura3.1 mostra um diagrama da arquitetura do Simulador.Neste diagrama exemplificamos as etapas deconstrução do Simulador. Primeiro. temos o ambientede desenvolvimento (SDAF) IHI 93b]. este software éconstituído de vários recursos para construção doControle Fuzzy. Dentre esses recursos. podemos citaros processos de fuzzificação e defuzzificação. bemcomo os Mecanismos de Inferência das Regras deControle .

Após a construção do algoritmo de ControleFlUZY no SDAF. o mesmo é codificado. compilado e égerado um código execut ável para o módulo MCI ouControlador Fuzzy. Este modelo recebe todas asinformações do "processo" e o controla. Para nós. o"processo" será o Consumo de Energia nos Sistemasde Ar Condicionado Central em EdificiosAutomatizados.

O nosso trabalho será a execução dasimulação deste "processo" e a geração do controlepara o Sistema do Ar Condicionado. Teremos umprograma que transmite. recebe e analisa os dadosgerados pelo Controlador Fuzzy que foi construído noSDAF.

valor por volta de 25 °C. o autor usa uma função depertinência triangular. como na Figura 2.1. com o picoem 25 0C. para sugerir a idéia de que quanto maisperto do número de 25 "C mais ele se identifica com oconceito representado.rA1

o25

Figura 2.1 - Função de Pertinência

A partir dos conceitos do prof. Zadeh. foramelaboradas técnicas para aplicação da lógica fuzzy emdiversas áreas da automação. como: Controle deMotores, Controle de Temperatura de Reatores,Controle de Temperatura em Sistema de ArCondicionado, Controle de Fornos Industriais etcICHA 90J. IBAR 93J. lEVA 89J. IMAM 811 e ITER91J. Dizemos que a elaboração do controle de diversosprocessos. utilizando a Lógica FULZY. é umaferramenta poderosa. visto que onde há dificuldade naelaboração de um modelo matemático consistente doprocesso a ser automatizado ou a aplicação de ummodelo matemático é inviável. seja pela complexidadeou pela dificuldade de resolução desse modelo em umtempo de processamento viável. podemos utilizaroutras técnicas para resolução da automação desseprocesso. uma dessas técnicas é a Lógica Fuzzy.

A maioria das aplicações do Controle Fuzzysegue os algoritmos propostos por Madani e KingIALM 931, IDUB 80cJ e [EVA 89J. A Figura 2.2.mostra o diagrama de um Controlador Fuzzy propostopor Madani [ALM 93]. Esse diagrama se tomougenérico [BAR 93]. [DUB 80dl e [MAR 911.Basicamente. podemos dizer que as partes de umControle Fuzzy são: a interface de Fuzzificação. a Basede conhecimento. o Mecanismo de Inferência e ainterface de Defuzzificação.

PC IAmbiente de

Desenvolvimento

Bibliotecade

Comumcaçâo

•MCI IControlador

Fuzzy

Biblio tecade

Co rnurucaç âo

Programa que processa os dadosruciars e os resultados da SImulação

SDAF

(USUARIO) •

Figura 3.1. Diagrama da Arquitetura do SimuladorFuzzy.

BASEDE

REGRAS

(SENSORES} ---BFigura 2.2 - Estrutura do Controle Fuzzy,

Figura Função de Pertinência - Erro-Consumo

Implementação do Controle FuzzyAnalisando os modelos adotados para estimar

o Consumo de Energia em sistema de ArCondicionado. foram escolhidas as variáveis deentrada do Simulador. Estas variáveis foram divididasem dois grupos: o primeiro grupo. onde as variáveissão colocadas como parâmetros de ajuste ou calibraçãodo sistema a ser simulado [PEI 90I e o segundo. emque as variáveis estão relacionadas à operação doedificio. sem alteração na configuração fisica dasinstalações de Ar Condicionado.

Variável relacionada ao Consumo de Energia.Para analisarmos o Comportamento

Energético dos Sistemas de Ar Condicionado atravésdos Sistemas de Controle. que monitoram e controlamos seus equipamentos. escolhemos a variável Consumode Energia no Sistema de Ar Condicionado.

Analisando as curvas de consumo de energiadas edificações automatizadas em Marte [MAR 92].chegamos a algumas conclusões sobre os valores deconsumo e suas variações durante um dia . Essasvariações serão consideradas na elaboração da curva depertinência da variável relacionada ao consumo. Ospontos de operação dos valores de Consumo deEnergia por Área serão tratados como margens de Errosobre um Ponto de Operação definido pelo usuário doSimulador. Assim . teremos no Simulador a entrada deum Ponto de Operação ("Set-Point") e o Simulador vaitrabalhar para manter o Consumo o mais próximo do"Set-Point" definido pelo usuário. Mostramos naFigura -l.Ll as curvas de pertinência com relação aoErro-Consumo de Energia.

Foram utilizadas as formas' triangulares etrapezoidais para mostrar as funções de pertinência.Além disto . temos a possibilidade de trocar as curvas,pois o ambiente onde desenvolvemos o Simuladorpermite as alterações das curvas, bem como aconstrução de curvas mais apropriadas ao processocontrolado. Isto mostra a capacidade do algoritmo deControle Fuzzy de ser ajustado conforme o aumento doconhecimento que se tem do processo.

o&ro Agua Gelada

-1-2

-- 'c 0,8 - - - - - - - - - - - - i

:: 0,6 - - - - - - - - - - - - - H: 0,4 - - - - - - - - - - - - ::=

z 1::==1_____ A.

1 =-_-:---:--=-_=----::_-:----=:-----::::-:-::::'Figura 4.2.1.1 - Função de Pertinência - Erro TAG.

4.2 Variáveis relacionadas ao Sistema de ArCondicionado.

No processo do Ar Condicionado, há doisconjuntos de parâmetros: parâmetros de desempenho eparâmetros operacionais do modelo apresentado. Osparâmetros de desempenho são utilizados no modelopara os cálculos das variáveis e seus valores emdeterminado intervalo Esses parâmetros dependemmuito da configuração física dos Sistema de ArCondicionado. Já os parâmetros operacionais sãovariáveis que podem ser modificadas nos Sistemas deAr Condicionado, sem que haja necessidade demudanças físicas no sistema. Basicamente, osparâmetros operacionais são usados nas simulações daspropostas de Conservação de Energia e dentre essesparâmetros estão as variáveis nesse trabalho [FEl 90]e [ASH 85] .

4.2.1 Erro - Temperatura da Água Gelada (ErroTAG)'

Foi escolhida a variável Erro TAG pois ela,representa a variação existente entre a Temperatura daÁgua Gelada fixada no "Chiller" ("Set-Point") e atemperatura lida na saída do "Chiller" para oselementos secundários ("Fan-Coils") . A Temperaturada Água Gelada. que está sendo enviada pela UnidadeCentral de Refrigeração ("Chiller") para osequipamentos secundários "Fan-Coils", traz ainformação das necessidades de refrigeração do ar ,requeridas pelos ambientes. O fluxo de Água Geradaque passa pelas serpentinas dos "Fan-Coils", namaioria dos projetos, estão na faixa de 5 °C e 8°C.Esta baixa temperatura faz com que o Ar insufladopelos ventiladores dos "Fan-Coils" saiam no ambientea uma temperatura entre 12°C a 18°C. Então,podemos dizer que o controle da vazão na água geladaou o controle da temperatura desta água estádiretamente relacionado ao Consumo de Energia noSistema de Ar Condicionado, pois a variação datemperaturas nas "Zonas de Conforto" vão determinara redução ou o aumento do fluxo de água gelada quepassa pelos "Fan-Coils" . Temos na figura 4.2.1.1 afunção de pertinência da variável de entrada ErroTAG.I j

I'-+-NLII NS

1--.-.ZE II---im" -rs lL )< A- I

Erro-Consumo

CIl

c..

327

Figura 4.2.3.1- Função de Pertinência - Erro TAC.

Após a definição das variáveis de entrada esuas respectivas funções de pertinência. podemosintroduzi-las no ambiente de desenvolvimento de

aplicações Fuzzy, como já comentamos anteriormente.As funções de pertinência descritas anteriormentepodem ser alteradas no ambiente de desenvolvimentode aplicação Fuzzy. Podemos também testar outrascondições de controle.

4.2.5 Variáveis de Saída do Simulador FuzzyPara efetuarmos o controle do Consumo de

Energia Elétrica no Sistema de Ar Condicionado.escolhemos a variável de saída do Simulador Fuzzy,como sendo o ponto de operação dos controladores.que controlam a temperatura nos ambientescondicionados do edificio. Adotamos o ponto deoperação dos controladores como sendo igual nasdiversas áreas do edificio. Com relação às diferençasnas condições de conforto de cada "Zona de Conforto"do edificio. as mesmas serão tratadas peloscontroladores locais de cada ambiente.

A partir da análise do "processo" ArCondicionado e a interferência dos Sistemas deAutomação no controle e monitoração do mesmo. foiescolhida a variável TSC como a principal variável desaída do Simulador Fuzzy. A variável TSC represent aa Temperatura de "Set-Point" normalizada para oscontroladores responsáveis pela manutenção dascondições de conforto nos ambientes. Trabalharemoscom as partições da variável TSC dividida em faixasde temperatura. representando os parâmetros que serãoenviados aos controladores dos "Fan-Coils" Oscontroladores recebem estes parâmetros e será escopodeles ajustar a vazão de água gelada para atender àstemperaturas estipuladas para o conforto dosambientes. através do Sistema de Automação deEdificios que estará implementando o algoritmo deControle Fuzzy. Os intervalos e as faixas detemperatura dos "Set-Point" dos controladores foramdefinidos a partir dos estudos para Avaliação de umAmbiente Térmico desenvolvidos pela ASHRAE(American Society of Heating Refrigerating andAir-Conditioning Engineers) e Fanger [IPT 89J . Ométodo de Fanger estabelece uma escala de sensaçãotérmica envolvendo vários níveis . Esses níveisrepresentam uma medida da variação das condições deconforto no ambiente e para medir o afastamento dascondições de conforto no ambiente é usado um índicedenominado Índice de Atividade Térmica (l.A. T).

Os valores adotados para as faixas deTemperatura da variável TSC são dados de projeto dasinstalações dos Sistemas de Ar Condicionado eanálises da equação de Fanger. descrita acima . Essesdados são usados nos algoritmos dos Sistemas deAutomação de Edificios e podem ser trocados deacordo com as necessidades dos usuários finais [ASH851. [1FT 881 e ISAU 89J , A Figura ·U.-U ilustra afunção de pertinência da variável TSC.

iI I !'---flRl i; ---.- AL I·-- - -.1 1

'I'-'-NL]_NS i

l--Á-zE!, I

l4E- ps I4 I_ PL i2o-2

iFunção de Pertinência Erro CargaTérmica.

Erro agua de Condensação

-4

B'ro carga Térmica

°1>.====/ ====- - - -0,2 - - - / - . - - - - - - _ .o . ..u .. . . _

-30 -20 -10 o 10 20 30

Figura 4.2,4.1.

4.2.3 Erro - Temperatura da Água de Condensação(Erro TAC>.

Esta variável mede o Erro existente entre o"Set-Point" da Água de Condensação fixado nas Torresde Arrefecimento e a Temperatura da Água deCondensação na saída das Torres. A escolha destavariável foi devida a sua estreita relação com aTemperatura de Água Gelada e o Coeficiente deEficiência das Unidades Centrais de Refrigeração. poisa água que passa pelos condensadores transporta ocalor retirado do ambiente através da água gelada. Atroca do calor (cargas térmicas) entre o ambiente e o arrefrigerado no interior do edificio é repassado para aágua gelada. Esta troca do calor. entre ar refrigerado eágua gelada, acaba sendo enviada ao ar externo atravésda Torre de Arrefecimento [CRE 90]. A Figura ·U.3.1mostra a função de pertinência adotada para a variávelde entrada Erro TAC.

4.2,4 Erro na Carga TérmicaEsta variável foi escolhida. pois a mesma traz

a totalidade do ganho de calor absorvido pelo edificio .bem como o calor produzido dentro do próprio edificio .

É grande o número de variáveis queinterferem no comportamento de um edificio. Istotoma dificil um equacionamento preciso para adeterminação do Consumo de Energia. bem como oconforto térmico , mas para os Sistemas de Controle. adeterminação da Carga térmica é muito importante.pois a mesma é um resumo de todas as variáveisenvolvidas no Comportamento Termodinâmico doedificio fAKU 89] .A figura 4.2.4.1 mostra as funções de pertinênciaadotadas para a variável de entrada Erro na CargaTérmica.

32X

4.2.6 Regras de ControleA partir da escolha das variáveis de entrada e

saída do Controlador Fuzzy, foram definidas as regrasde controle do Controlador, Este Conjunto de Regras ébaseado na experiência obtida com as implantações dosSistemas de Automação de Edificios e noconhecimento das pessoas que operam osequipamentos dos Sistemas de AI Condicionado.Podemos dizer que são nestas regras que misturamos oconhecimento experimental dos -operadores aoequacionamento matemático do AI Condicionado.Trabalhamos com 5 (cinco) conjuntos de meta-regrasque representam um resumo de todas as regras usadasno algoritmo de Controle Fuzzy. Através dessas meta-regras foi gerada uma combinação de regras, quecolocamos no algoritmo de controle construído noSDAF. A Figura 4.2.6.1. mostra um esboço da Tabeladas Regras de Controle, onde é mostrado como foiconstruída essa tabela das regras .

CorgoT_C PS I

TAG

TAG

NSZEPS

CorgoTínricaC PS I

NSZEPS

,-TAG

TAG

ZEP5

ZEPS

TAG

Liga-Desliga e Controle com PID.Na Figura 4.2.7.1temos o gráfico do Comportamento do Consumo de.Energia para os Controles tipo Liga-Desliga, Controletipo PIO e a Simulação Fuzzy.

Figura 4.2.6.1 - Esboço da Tabela das Regras deControle

.... NSTN:. ZE

(NL1i .....J

I CorgoTínricaC MSI

IL.

iI,

TN:.i .... NSi ZE

(PLl jI L:.. J

-.-FS

-'Jf-LV--ar-+--f'vO

Figura 4.2.4;1 - Função de Pertinência - TSC.

- - --,- --c 08 - - - - - - - - - -:: o:ô . - - - - - - - - - -.,0,4 -- - - - - - - --o.. 0,2 - - - - - - - - - -°. •

-3 -2 -1 ° 1 2 3Fator- TSC

III, I

II!i

4.2.7 Simulação do Controle Fuzzy.Esta simulação apresenta os resultados do

primeiro modelo de controle adotado pelo SimuladorFuzzy e mostra a comparação entre o Controle tipo

Comportamento do Consumo com Controle Tipo Liga-Desliga, PIO eFuzzy

25_000,00

c 10.000 ,00O '

\oi 20.000,00

E:= 15_000,00l/l TipoAD

-+- C. Tipo Uga-[Ãlsl.

-A- C. Fuzzy -Sirrufação 01

Das(") LO

,1

.- :." ]- - - - - - - - - - - - - - - - - - - - - - -, ....- -:- 1

.... • :. j5_000,00o

Figura 4.2.7.1 - Resultado da Simulação Fuzzy e comparação com controle Liga-Desliga e PID.

5. Conclusões.Podemos concluir neste estudo que a

utilização do Controle baseado em Lógica Fuzzy é umaferramenta importante na construção de Sistemas de

Controle onde as definições matemáticas das variáveissejam de trabalhosa resolução por técnicas clássicas decontrole.

Nos trabalhos desenvolvidos para a execução-de um projeto de controle utilizando a Lógica Fuzzy,

329

chegamos a um tempo de desenvolvimento menor .Além de levarmos em conta que o Controle é baseadono conhecimento das pessoas que trabalham com ossistema de ar condicionado e refrigeração, osprojetistas, os engenheiros de aplicação, tomando oprojeto de controle mais fácil de ser implementado.

Para os Sistema de Ar Condicionado podemos ..dizer que a resposta do sistema obtida pelo controleatravés ' da Lógica Fuzzy, permite convergir masrapidamente e com maior precisão para o ponto deestabilidade desejado . Com isso são melhoradas ascondições de conforto, havendo uma redução noconsumo de energia e aumento na vida útil dosequipamentos.

6. Referências Bibliográficas.

[AKU 89J - Akutsu, M. "Recursos para previsão dodesempenho térmico de uma edificação ", pág. 111 -119 - Epusp - Simpósio Nacional de Conservação deEnergia nas Edificações -São Paulo - Brasil - 1989.[ALM 93] - Almeida, Paulo E. M; Figueiredo, Luizc.; Braga, Anisio R ; Jota, Fábio G. e AraujoEvandro O. " Ambiente Integrado para Análise ' eDesenvolvimento de Controladores Difusos " -D.F.M.G - Escola de Engenharia - Laboratório deControle de Processos Industriais ' - Centro dePesquisas e Desenv . em Engenharia Elétrica, pág. 455- 459, Belo Horizonte - M.G - Brasil- 1990.[ASB 85] - ASHRAE Transactions, "Simposium onWhat lnputs Are Important For Building EnergySimulations ASHRAE ( American Society ofHeating, Refrigerating and Air-ConditioningEngineers ), pág. 589-663 -Átlanta - EUA - 1985.[BAR 93] - Barczak, Czeeslau L.; Rosa, Leonardoc.; Krambeak, Cleverson P.; artin, Carlos A. "Controlador de lógica nebulosa para posicionadores em. máquina-ferramenta "; Universidade Federal de SantaCatarina - Depto de.Engenharia Mecânica, pág. 270 -282, Florianópolis S.C - Brasil - 1994.[CHA 90] - Chang, T.C.; Ibbs, C. Willian; "PriorityRanking - A fuzzy Expert System for Priority DecisionMaking . in Building Construction ResourceScheduking" - Building andEnviromment - pp. 253 -267 - VoI. 25 - N° 3 - 1990.[CRE 90] . - Creder, Hélio "Instalações de ArCondicionado ", Editora Livros Técnicos e Científicos ,pág. 176-197 - Rio de janeiro R.J - Brasil - 1980.[DUB 80aJ - Dubois, Didser; Prade Henri ; "FuzzySets and Sytems Theory and Applications " -AcademiacPress, pág. 11-33. New York - EUA -1980.[DUB 80b] - op. cit. pág. 53-66.[DUB 80cJ - op. cit. pág. 357-362.[DUB 80dJ - op. cit. pág . 81-92.[EVA 89J - Evans, Gerald W. ; Karwowski ;Wilhelm, Mickey R " Aplications Of Fuzzy Set

330

I '

Methodologies in Industrial Engineering " . pág . 29-41 ;Eksevier Science Publishers B. V. - 1989.[GOM 92J - Gomide, F;A.C. "Um ambiente para oDesenvolvimento de Sistema de Controle utilizandoLógica Nebulosa .", pág. 621-626; Congresso Brasil de 'Automática 9, - SBA - Engenharia de Softwaré AnaisS T, 2, 7 - Vitória - ES - 1992.[BIT 93aJ - RI Tecnologia, "SDAF - Sistema deDesenvolvimento de' Aplicações Fuzzy " Manual deOperação, pág. 5-7 - Versão 3.0 - Doc. N: SDF03 .43-ROO. Campinas - S.P - Brasil - Fev. 1993.[BIT 93bJ - op. cit. pág. 18-32.[IPT 88J - IPT " Tecnologia de Edificações " EditoraPINI, pág . 463-523 - IPT - Divisão de Edificações doInstituto de Pesquisas tecnológicas - São Paulo - S.P -Brasil.[IPT 89J - lPT - "Relatório : Conforto térmico ", pág.03-15 -1PT -Tnstituto de Pesquisas Tecnológicas - SãoPaulo - S.P - Brasil - 1989.[MAM 81J - Mamdani. E. H.: Gaines. B. R. " FuzzyReasoning and lts Applications " - Academic Press.pág. 133-148 - Londres- Inglaterra - 1981.[MAR91J - Maruyama, Newton "Projeto eAnálise deControladores Fuzzy" Dissertação Mestrado emEngenharia - Escola Politécnica da USP. pág. 18-34 -São Paulo - S.P - Brasil - 1991.[MAR 92J - Marte , Cláudio L/Costa, Herbert R N."A Influência de Sistemas de Automação noComportamento Energético das Edificações", pág. 37-46: 5° Congresso Nacional de Automação Industrial -1992.[MOT 91J - Mota. Aluizio Saiter: " Sistemas deRaciocínio Aproximado e sua utilização emControladores Industriais: Um Estudo sobre osControladores Baseados em Regras Nebulosas" - Tesede Mestrado - Universidade Estadual de Campinas -Faculdade de Engenharia. Elétrica. pág. 48-53 -Campinas - S.P - Brasil - 1991.[PEI 90J - Peixoto, Roberto de Aguiar: Paiva, MarcoA. S. de; Chia. Chen Chanj " Modelagem e SimulaçãoMatemática de Sistemas Centrais de Ar CondicionadoVisando a Análise do Consumo de Energia ". pág.853-858 ; III ENCIT - Instituto ' da Pesquisas.Tecnológicas do Estado de São Paulo - IPT - Itapema- S.C - Dez - 1990.[SAU 89J - Sauer, Harry J.Jr: Howell. Ronald H. "PrincipIes of Heating Ventilating and AirConditioning " - ASHRAE ( American SocietyofHeating, Refrigerating and Air-ConditioningEngineers ), pág. 8.1-8 .8 - Atlanta - EUA[TER 91] - Terano, Toshiro: Asai. K.iyoji ; Suzano ,Michio ; " Fuzzy Systems Theory and Its Aplications ",pág. 87-94 ; Editora Academic Press - New York -EUA - 1991.