Fundamentos de Sistemas EmbarcadosACERVO DE PROJETOS · UnB

Casa inteligente · 2026/1

Nest Learning Thermostat

Fundamentos de Sistemas Embarcados · UnBVer no GitLab ↗Markdown original ↓

Trabalho 2 - Termostato Inteligente Nest Learning Thermostat

  • Produto selecionado: Google Nest Learning Thermostat (3ª geração)
  • Categoria: termostato inteligente residencial para controle de HVAC
  • Pasta do produto: NestLearningThermostat
  • Data de entrega: 11/06/2026

Identificação do Grupo

Integrante Matrícula
Carlos Henrique de Souza Bispo 211061529
Erick Miranda Santos 211061672
Guilherme Coelho Mendonça 202016364
Caio Lucas Lelis Borges 211062900

Mapa de Requisitos do Enunciado

Requisito Onde foi atendido
Descrição geral do produto Seção 1
Foto do produto Seção 1, Figura 1
Componentes, sensores, comunicação e controle Seções 1.3, 1.4 e 2
Análise técnica do funcionamento Seção 2
Proposta de reprodução com ESP32 Seção 3
Diagrama conceitual Seção 3.4
Limitações e desafios Seção 3.8
4 artigos sobre tecnologias do produto Seção 4.1
4 artigos sobre aplicação/uso do produto Seção 4.2
Comparativo com pelo menos 5 produtos similares Seção 5
Referências bibliográficas Seção 6

1. Descrição do Produto Selecionado

O Google Nest Learning Thermostat (3ª geração) é um termostato inteligente residencial desenvolvido pela Nest Labs, atualmente parte do ecossistema Google Nest. O produto substitui termostatos convencionais de parede e controla sistemas de aquecimento, ventilação e ar-condicionado, conhecidos como HVAC. Seu diferencial está na combinação de sensores ambientais, conectividade sem fio, interface física simples e algoritmos de automação capazes de aprender padrões de uso.

Nest Learning Thermostat 3ª geração

Figura 1: Nest Learning Thermostat, com interface circular e indicação de temperatura.

1.1 Funções Principais

  • Controle automático de temperatura: aciona aquecimento, refrigeração e ventilação de acordo com a temperatura medida, o modo selecionado e a temperatura desejada pelo usuário.
  • Aprendizado de rotina: observa ajustes manuais feitos ao longo do tempo e cria uma programação automática, reduzindo a necessidade de configuração manual.
  • Home/Away Assist: usa sensores do termostato e informações do ecossistema Nest/Google Home para identificar ausência e ativar temperaturas econômicas.
  • Controle remoto: permite alteração de temperatura, modo e programação por aplicativo, dependendo de conexão Wi-Fi e conta configurada.
  • Interface local: usa uma tela circular colorida e um anel giratório com clique para navegação e seleção.
  • Economia de energia: reduz operação desnecessária do HVAC por programação, ausência, geofencing, relatórios e ajustes de conforto.

1.2 Público-Alvo e Contexto de Uso

O produto é voltado para residências e pequenos ambientes comerciais que possuem sistemas HVAC compatíveis com controle de baixa tensão. O público-alvo inclui usuários que desejam conforto térmico, automação residencial, economia de energia e integração com aplicativos de casa inteligente. O contexto de uso típico é a instalação em parede, substituindo um termostato convencional conectado aos fios de controle do HVAC.

1.3 Características Técnicas Referenciadas

Item Característica do Nest Learning Thermostat 3ª geração Referência
Tela LCD colorido de 24 bits, 480 x 480 pixels, 229 ppi e 2,08 pol. de diâmetro [R1], [R3]
Sensores Temperatura, umidade, proximidade, movimento, luz ambiente e sensor magnético para posição do anel [R1], [R2]
Memória 512 MB [R1]
Conectividade Wi-Fi 802.11 a/b/g/n em 2,4 GHz e 5 GHz, 802.15.4 em 2,4 GHz e Bluetooth Low Energy [R1], [R3]
Compatibilidade HVAC Sistemas 24 V com aquecimento, refrigeração, bomba de calor, ventilador, umidificador/desumidificador e estágios múltiplos, dependendo da instalação [R1]
Alimentação 20-30 V AC, bateria recarregável interna de íons de lítio [R1], [R3]
Consumo do dispositivo Menos de 1 kWh por mês [R1], [R3]
Certificação energética Produto certificado ENERGY STAR; recursos incluem geofencing, sensor de ocupação, umidade e temperatura externa [R4]
Disponibilidade de mercado O registro ENERGY STAR indica disponibilidade no mercado a partir de 1 de setembro de 2015 [R4]

1.4 Componentes e Sensores Utilizados no Produto Real

O termostato comercial pode ser dividido em duas partes: a unidade frontal, que concentra interface, sensores e processamento, e a base, que faz a conexão elétrica com os fios do sistema HVAC.

Unidade frontal:

  • Processador embarcado com memória local para execução do sistema, interface gráfica, rede e lógica de controle.
  • Tela LCD circular de alta resolução para exibir temperatura, modo, mensagens e menus.
  • Anel giratório com detecção magnética para entrada manual do usuário.
  • Sensor de temperatura para medição do ambiente.
  • Sensor de umidade relativa para conforto e controle de acessórios.
  • Sensores de proximidade e movimento para ativação da tela e estimativa de ocupação.
  • Sensor de luz ambiente para ajuste de brilho e melhoria da leitura térmica quando há incidência solar.
  • Bateria recarregável interna.

Base de conexão:

  • Terminais para fios de baixa tensão do HVAC.
  • Circuitos de interface e acionamento para comandos de aquecimento, refrigeração, ventilador e acessórios.
  • Fixação mecânica à parede e conexão elétrica com a unidade frontal.

1.5 Tecnologias de Comunicação e Controle

  • Wi-Fi: canal principal de controle remoto, sincronização com aplicativo e atualização de software.
  • Bluetooth Low Energy: usado em configuração, emparelhamento e comunicação de baixo consumo com acessórios compatíveis.
  • 802.15.4: rádio de baixa potência utilizado pelo ecossistema Nest para comunicação local entre dispositivos.
  • Controle embarcado: combina leituras de sensores, programação, preferências do usuário e estados do HVAC.
  • Automação baseada em presença: estima se o ambiente está ocupado para reduzir aquecimento ou refrigeração quando a casa está vazia.
  • Integração em nuvem: viabiliza acesso remoto, relatórios, comandos por aplicativo e participação em programas de eficiência energética.

2. Análise Técnica do Funcionamento

2.1 Visão Geral dos Módulos

Módulo Função no sistema
Sensoriamento ambiental Mede temperatura, umidade, luminosidade, proximidade e movimento.
Processamento e controle Executa lógica de HVAC, agenda, modos, histerese, predição e decisões de economia.
Interface homem-máquina Permite ajuste local por tela e anel giratório.
Conectividade Mantém comunicação com aplicativo, nuvem, acessórios e outros dispositivos inteligentes.
Atuação HVAC Aciona os terminais elétricos que comandam aquecimento, refrigeração, ventilador e acessórios.
Energia Gerencia alimentação de baixa tensão e bateria interna recarregável.

2.2 Fluxo de Funcionamento

  1. O sensor de temperatura mede continuamente o ambiente.
  2. O usuário define uma temperatura desejada localmente ou pelo aplicativo.
  3. O controlador compara temperatura real, setpoint, modo ativo, presença e agenda.
  4. A lógica decide se o HVAC deve aquecer, resfriar, ventilar ou permanecer desligado.
  5. A base aciona os circuitos correspondentes por terminais de baixa tensão.
  6. O estado do sistema é exibido na tela e pode ser enviado ao aplicativo.
  7. Ao longo do uso, o termostato ajusta programações e estratégias de economia com base em comportamento observado.

2.3 Tecnologias Críticas

Controle térmico com histerese e predição: o controle básico evita ligar e desligar o HVAC a cada pequena variação de temperatura. Em termostatos inteligentes, essa lógica pode ser combinada com modelos térmicos para antecipar o tempo necessário para atingir conforto.

Detecção de ocupação: sensores de movimento/proximidade e dados do ecossistema móvel reduzem o uso de energia quando não há pessoas no ambiente. Essa função é essencial porque HVAC costuma representar uma parcela significativa do consumo residencial.

Aprendizado de preferências: a automação não depende apenas de uma agenda fixa. O produto aprende padrões de ajuste e tenta reduzir o atrito de configuração.

Conectividade IoT: Wi-Fi, BLE e rádio de baixa potência tornam possível configurar, monitorar e controlar o produto remotamente. Também permitem integração com assistentes, plataformas de casa inteligente e programas de resposta à demanda.

Segurança e confiabilidade: como o dispositivo controla HVAC real, o firmware precisa evitar ciclos curtos, respeitar limites de operação, lidar com falhas de sensor e manter comportamento previsível em perda de rede.

3. Proposta de Reprodução com ESP32

3.1 Objetivo da Reprodução

A proposta é construir um protótipo conceitual de termostato inteligente com ESP32, reproduzindo as funcionalidades centrais do Nest em escala acadêmica:

  • medição de temperatura ambiente;
  • ajuste local de setpoint por encoder rotativo;
  • tela local com temperatura, modo e estado;
  • detecção de presença para modo econômico;
  • acionamento simulado de aquecimento/refrigeração por relé;
  • conectividade Wi-Fi para telemetria e controle remoto;
  • lógica segura de histerese para evitar acionamentos rápidos.

O protótipo não deve ser ligado diretamente a um HVAC residencial real durante a etapa acadêmica. A atuação será validada em bancada com LED, buzzer, lâmpada de baixa tensão ou outra carga segura.

3.2 Componentes Selecionados da Lista de Sensores

Função do Nest Componente proposto com ESP32 Interface Justificativa
Medição de temperatura Sensor de Temperatura Digital DS18B20 1-Wire/GPIO Mede a variável principal do controle térmico com leitura digital.
Temperatura auxiliar e pressão BMP280 I2C Permite redundância de temperatura e registro ambiental complementar.
Detecção de presença Sensor de Movimento GPIO Reproduz a lógica de presença/ausência para modo econômico.
Luz ambiente LDR ADC Simula ajuste de brilho e detecção de incidência luminosa no painel.
Interface giratória Encoder Rotativo + Botão GPIO/interrupção Replica a experiência do anel giratório do Nest.
Tela local Tela OLED 0.98" I2C I2C Exibe temperatura atual, setpoint, modo, Wi-Fi e estado dos relés.
Acionamento HVAC Relé de 2 Canais GPIO Um canal simula aquecimento e outro simula refrigeração.
Feedback visual LED RGB GPIO/PWM Indica aquecimento, refrigeração, eco, falha ou Wi-Fi.
Alerta local Buzzer Ativo ou Passivo GPIO/PWM Indica erro de sensor, configuração ou mudança de modo.

3.3 Funcionalidades Implementáveis

Funcionalidade Produto real Protótipo com ESP32
Controle de temperatura Controle HVAC real Controle por relé de carga simulada
Ajuste local Anel giratório e tela colorida Encoder rotativo, botão e OLED
Detecção de ausência Sensores e dados do ecossistema PIR com temporizador de ausência
Economia de energia Eco Temperatures, geofencing e aprendizado Modo Eco por ausência e agenda configurável
Controle remoto App Nest/Google Home Dashboard local, MQTT ou servidor HTTP no ESP32
Relatórios Histórico na nuvem Log MQTT/CSV em dashboard Node-RED ou similar
Aprendizado automático Algoritmos proprietários Versão simplificada: agenda + adaptação estatística opcional

3.4 Diagrama Conceitual

----------------------+            Wi-Fi             +----------------------+
| Dashboard / MQTT    | <---------------------------> |        ESP32         |
| App local / Node-RED|                              | controle e telemetria|
+----------------------+                              +----------+-----------+
                                                               |
                 +---------------------+-----------------------+-------------------+
                 |                     |                       |                   |
              I2C|                  1-Wire                   GPIO                ADC
                 |                     |                       |                   |
       +---------v---------+   +-------v-------+       +-------v------+   +-------v------+
       | OLED 0.98"       |   | DS18B20       |       | Sensor PIR   |   | LDR          |
       | BMP280           |   | temperatura   |       | presença     |   | luz ambiente |
       +-------------------+   +---------------+       +--------------+   +--------------+
                                                               |
                                      +------------------------+-------------------+
                                      |                                            |
                                  GPIO|                                        GPIO|
                                      |                                            |
                         +------------v------------+                 +-------------v-----+
                         | Encoder rotativo + botão|                 | Relé de 2 canais |
                         | ajuste de setpoint      |                 | calor / frio     |
                         +-------------------------+                 +-------------+-----+
                                                                                   |
                                                                    +--------------v------+
                                                                    | LED RGB / Buzzer    |
                                                                    | feedback de estado  |
                                                                    +---------------------+

3.5 Pinagem Conceitual

Componente Pinos sugeridos no ESP32 Observação
OLED 0.98" I2C GPIO 21 (SDA), GPIO 22 (SCL) Pode compartilhar barramento com BMP280.
BMP280 GPIO 21 (SDA), GPIO 22 (SCL) Endereço I2C deve ser verificado no módulo.
DS18B20 GPIO 4 Requer resistor pull-up no barramento 1-Wire.
Sensor PIR GPIO 27 Entrada digital com tratamento de debounce/tempo mínimo.
LDR GPIO 34 Entrada analógica apenas leitura.
Encoder A/B GPIO 32, GPIO 33 Usar interrupção ou leitura periódica.
Botão do encoder GPIO 25 Entrada com pull-up e debounce.
Relé aquecimento GPIO 16 Acionamento simulado; considerar isolamento do módulo.
Relé refrigeração GPIO 17 Nunca acionar simultaneamente sem regra de segurança.
LED RGB GPIO 18, GPIO 19, GPIO 23 PWM para cores de estado.
Buzzer GPIO 26 Alertas curtos; evitar uso contínuo.

3.6 Lógica de Controle Proposta

A lógica principal usa histerese, modo manual e modo econômico:

temperatura_atual = leitura_filtrada(DS18B20)
presenca = leitura(PIR) ou tempo_desde_ultimo_movimento < limite

se presenca == falso por mais de 30 minutos:
    modo = ECO
    setpoint_ativo = setpoint_eco
senão:
    modo = CONFORTO
    setpoint_ativo = setpoint_usuario_ou_agenda

se modo_hvac == AQUECER:
    ligar_rele_aquecimento quando temperatura_atual < setpoint_ativo - 0,5 C
    desligar_rele_aquecimento quando temperatura_atual > setpoint_ativo + 0,5 C

se modo_hvac == RESFRIAR:
    ligar_rele_refrigeracao quando temperatura_atual > setpoint_ativo + 0,5 C
    desligar_rele_refrigeracao quando temperatura_atual < setpoint_ativo - 0,5 C

registrar temperatura, presença, modo, setpoint e estado dos relés
atualizar OLED e publicar telemetria via Wi-Fi

Regras de segurança:

  • impedir acionamento simultâneo de aquecimento e refrigeração;
  • aplicar tempo mínimo entre mudanças de estado para evitar ciclos curtos;
  • desligar relés em falha de sensor;
  • manter controle local funcionando mesmo sem Wi-Fi;
  • salvar último setpoint válido em memória não volátil.

3.7 Conectividade e Software

A implementação pode usar ESP-IDF com FreeRTOS, separando o sistema em tarefas:

Tarefa Responsabilidade
task_sensores Ler DS18B20, BMP280, PIR e LDR; filtrar leituras.
task_controle Executar histerese, modo Eco, agenda e regras de segurança.
task_interface Atualizar OLED e processar encoder/botão.
task_rede Conectar Wi-Fi, publicar MQTT ou servir API HTTP local.
task_persistencia Salvar setpoint, modo e parâmetros em NVS.

Para a etapa de demonstração, recomenda-se MQTT com tópicos simples:

Tópico Direção Conteúdo
nest32/telemetry ESP32 -> dashboard Temperatura, presença, setpoint, modo, relés.
nest32/setpoint dashboard -> ESP32 Novo setpoint desejado.
nest32/mode dashboard -> ESP32 off, heat, cool, auto ou eco.
nest32/status ESP32 -> dashboard Estado de conexão, falhas e uptime.

3.8 Limitações e Desafios Esperados

Limitação/desafio Impacto Mitigação proposta
Aprendizado proprietário do Nest Não é possível reproduzir integralmente em ESP32 no escopo do trabalho. Implementar agenda configurável, modo Eco e estatística simples de horários preferidos.
Umidade relativa A lista de sensores fornecida não inclui um sensor dedicado de umidade. Registrar como limitação e permitir expansão futura com BME280/DHT caso disponível.
Segurança elétrica HVAC real envolve instalação e normas técnicas. Demonstrar com carga segura em bancada e relé isolado.
Precisão térmica Sensores próximos ao ESP32 podem sofrer aquecimento interno. Posicionar sensor afastado da placa e usar média móvel.
Detecção de presença PIR não identifica pessoas imóveis por longos períodos. Usar temporizador conservador e botão/manual override.
Conectividade Perda de Wi-Fi não pode interromper controle térmico local. Controle local independente da nuvem; rede apenas para telemetria.
Interface reduzida OLED monocromático é limitado frente ao LCD circular do Nest. Priorizar telas simples: temperatura, setpoint, modo e alerta.

3.9 Plano de Validação em Bancada

Teste Procedimento Resultado esperado
Leitura térmica Comparar DS18B20 com termômetro de referência. Erro dentro de faixa aceitável para protótipo.
Histerese Alterar temperatura medida simulando frio/calor. Relé liga/desliga sem oscilação rápida.
Interface Girar encoder e pressionar botão. Setpoint muda, modo alterna e OLED atualiza.
Ausência Deixar PIR sem movimento por tempo configurado. Sistema entra em modo Eco.
Retorno de presença Acionar PIR após modo Eco. Sistema retorna ao modo conforto.
Falha de sensor Desconectar sensor de temperatura. Relés desligam e alerta aparece.
Rede Derrubar Wi-Fi durante operação. Controle local continua funcionando.

4. Pesquisa Bibliográfica e Tecnológica

4.1 Artigos sobre Tecnologias que Viabilizam o Produto

Artigo T1 - Modelagem substituta para termostatos inteligentes

  • Referência: Zouloumis, L.; Ploskas, N.; Taousanidis, N.; Panaras, G. (2025). Smart Thermostat Development and Validation on an Environmental Chamber Using Surrogate Modelling. Energies, 18(13), 3433.
  • DOI: https://doi.org/10.3390/en18133433
  • PDF: https://www.mdpi.com/1996-1073/18/13/3433/pdf
  • Resumo e relação com o produto: o artigo desenvolve e valida um termostato inteligente usando modelagem substituta em câmara ambiental. A contribuição central é mostrar como modelos térmicos leves podem antecipar o comportamento de um ambiente, permitindo pré-aquecimento e maior conforto. Essa tecnologia se relaciona diretamente ao Nest porque produtos inteligentes precisam estimar a inércia térmica da residência sem depender de modelos físicos pesados.

Artigo T2 - Controle HVAC consciente de ocupação

  • Referência: Turley, C.; Jacoby, M.; Pavlak, G.; Henze, G. (2020). Development and Evaluation of Occupancy-Aware HVAC Control for Residential Building Energy Efficiency and Occupant Comfort. Energies, 13(20), 5396.
  • DOI: https://doi.org/10.3390/en13205396
  • PDF: https://www.mdpi.com/1996-1073/13/20/5396/pdf
  • Resumo e relação com o produto: o artigo avalia estratégias de controle HVAC residencial que incorporam ocupação para reduzir energia sem prejudicar conforto. Essa abordagem é a base conceitual de funções como Home/Away Assist, em que a climatização é reduzida quando o ambiente está vazio.

Artigo T3 - Modelos de ocupação para redução de refrigeração

  • Referência: Nazemi, S. D.; Zaidan, E.; Jafari, A. (2021). The Impact of Occupancy-Driven Models on Cooling Systems in Commercial Buildings. Energies, 14(6), 1722.
  • DOI: https://doi.org/10.3390/en14061722
  • PDF: https://www.mdpi.com/1996-1073/14/6/1722/pdf
  • Resumo e relação com o produto: o estudo compara modelos de ocupação e estratégias de controle para reduzir consumo em sistemas de refrigeração. Mesmo focado em edifícios comerciais, o princípio é aplicável ao termostato residencial: presença e agenda são variáveis críticas para decidir quando vale a pena climatizar.

Artigo T4 - Aprendizado por reforço em gerenciamento energético residencial

4.2 Artigos sobre Aplicação e Uso do Produto

Artigo A1 - Economia real com termostatos responsivos à ocupação

  • Referência: Pritoni, M.; Woolley, J. M.; Modera, M. P. (2016). Do Occupancy-Responsive Learning Thermostats Save Energy? A Field Study in University Residence Halls. Energy and Buildings, 127, 469-478.
  • DOI: https://doi.org/10.1016/j.enbuild.2016.05.024
  • PDF: https://wcec.ucdavis.edu/wp-content/uploads/2016/07/Occupancy-Sensing-Thermostats.pdf
  • Resumo e relação com o produto: o artigo apresenta um estudo de campo com termostatos de aprendizado sensíveis à ocupação. A aplicação é importante porque mede desempenho em uso real, não apenas em simulação. Para o projeto, reforça que o modo de ausência deve ser validado com cuidado, pois economia depende de comportamento dos ocupantes e configuração correta.

Artigo A2 - Uso de dados de termostatos inteligentes em saúde pública

  • Referência: Jalali, N.; Sahu, K. S.; Oetomo, A.; Morita, P. P. (2022). Usability of Smart Home Thermostat to Evaluate the Impact of Weekdays and Seasons on Sleep Patterns and Indoor Stay: Observational Study. JMIR mHealth and uHealth, 10(4), e28811.
  • DOI: https://doi.org/10.2196/28811
  • PDF: https://mhealth.jmir.org/2022/4/e28811/PDF
  • Resumo e relação com o produto: o artigo usa dados de termostatos inteligentes para analisar padrões de sono e permanência em casa. Essa aplicação mostra que sensores de presença e temperatura não servem apenas para controle HVAC; eles também geram dados ambientais úteis, levantando questões de privacidade e governança de dados.

Artigo A3 - Percepção dos usuários sobre termostatos inteligentes

Artigo A4 - Necessidades de usuários em termostatos residenciais inteligentes

  • Referência: Rau, P.-L. P.; Gong, Y.; Huang, H.-J.; Wen, J. (2016). A Systematic Study for Smart Residential Thermostats: User Needs for the Input, Output, and Intelligence Level. Buildings, 6(2), 19.
  • DOI: https://doi.org/10.3390/buildings6020019
  • PDF: https://www.mdpi.com/2075-5309/6/2/19/pdf
  • Resumo e relação com o produto: o artigo investiga expectativas de usuários para entrada, saída e nível de inteligência em termostatos inteligentes. Ele justifica a escolha de uma interface local simples no protótipo, com encoder e OLED, pois o usuário precisa entender rapidamente o estado do sistema e ajustar a temperatura sem depender sempre do aplicativo.

5. Comparativo com Produtos Similares

Produto Sensores principais Conectividade Diferencial Comparação com o Nest em estudo
Nest Learning Thermostat 3ª geração Temperatura, umidade, proximidade, movimento, luz ambiente, anel magnético Wi-Fi, BLE, 802.15.4 Aprendizado automático, anel físico e integração Google Nest Produto base do estudo; forte em UX e aprendizado de rotina.
ecobee Smart Thermostat Premium Temperatura, umidade, ocupação/proximidade por radar, sensor remoto e qualidade do ar Wi-Fi e integrações smart home Sensor remoto incluso, monitor de qualidade do ar e assistente de voz Mais forte em múltiplos cômodos e qualidade do ar; menos centrado no anel físico.
Honeywell Home T9 Temperatura, umidade e sensores remotos com ocupação Wi-Fi 2,4/5 GHz Foco em sensores de ambiente e priorização de cômodos Alternativa forte para casas com diferença térmica entre cômodos.
Sensi Touch ST75 Temperatura, umidade e recursos de geofencing Wi-Fi Interface touchscreen, privacidade e simplicidade de instalação Menos "learning", mas boa opção de controle remoto e programação.
Mysa Smart Thermostat para baseboard Temperatura, umidade, luz, proximidade, corrente e tensão Wi-Fi 2,4 GHz e BLE Controle de aquecimento elétrico de alta tensão e medição de energia Atende um nicho que o Nest tradicional não cobre diretamente.
Amazon Smart Thermostat Temperatura/umidade e recursos baseados em Alexa Wi-Fi, Bluetooth/outros conforme ENERGY STAR Baixo custo e automação via Alexa Mais simples e barato; depende mais do ecossistema Alexa e tem menos interface avançada.

Análise Comparativa

O Nest Learning Thermostat 3ª geração se destaca pela combinação de design físico, aprendizado de preferências e integração com o ecossistema Google Nest. Em comparação, o ecobee e o Honeywell T9 apostam mais fortemente em sensores remotos para equilibrar a temperatura em múltiplos cômodos. O Sensi Touch prioriza simplicidade, privacidade e controle remoto. O Mysa atende aplicações de alta tensão em aquecimento elétrico, enquanto o Amazon Smart Thermostat compete em custo e integração com Alexa.

Para o protótipo ESP32, o Nest é uma escolha adequada porque suas funções centrais podem ser reduzidas a blocos bem claros: sensor de temperatura, sensor de presença, interface local, conectividade e relé de atuação.

6. Referências Bibliográficas

6.1 Documentação Técnica do Produto Estudado

[R1] Google Nest Help. Nest thermostat technical specifications. Disponível em: https://support.google.com/googlenest/answer/9230098. Acesso em: 10 jun. 2026.

[R2] Google Nest Help. Sensors in Google Nest devices. Disponível em: https://support.google.com/googlenest/answer/9330256. Acesso em: 10 jun. 2026.

[R3] Google Nest. Nest Learning Thermostat 3rd Generation Spec Sheet. Disponível em: https://www.unicosystem.co.uk/wp-content/uploads/2020/01/NLT3_SpecSheet_US-25.pdf. Acesso em: 10 jun. 2026.

[R4] ENERGY STAR. Certified Smart Thermostats - Google Nest Learning Thermostat. Disponível em: https://www.energystar.gov/productfinder/product/certified-connected-thermostats/details/2350650. Acesso em: 10 jun. 2026.

[R5] SparkFun. Nest Thermostat Teardown. Disponível em: https://learn.sparkfun.com/tutorials/nest-thermostat-teardown-/all. Acesso em: 10 jun. 2026.

6.2 Referências dos Produtos Similares

[P1] ecobee. Smart Thermostat Premium. Disponível em: https://www.ecobee.com/en-us/smart-thermostats/smart-thermostat-premium/. Acesso em: 10 jun. 2026.

[P2] Honeywell Home. T9 Smart Home Thermostat with Remote Room Sensor. Disponível em: https://www.honeywellhome.com/products/t9-smart-thermostat. Acesso em: 10 jun. 2026.

[P3] Resideo. T9 Smart Thermostat with Smart Room Sensor - User Guide. Disponível em: https://customer.resideo.com/resources/techlit/TechLitDocuments/33-00000s/33-00478.pdf. Acesso em: 10 jun. 2026.

[P4] ENERGY STAR. Certified Smart Thermostats - Sensi ST75. Disponível em: https://www.energystar.gov/productfinder/product/certified-connected-thermostats/details/2340775. Acesso em: 10 jun. 2026.

[P5] Mysa. Smart Thermostat for Electric Baseboard Heaters. Disponível em: https://getmysa.com/products/mysa-baseboard. Acesso em: 10 jun. 2026.

[P6] ENERGY STAR. Certified Smart Thermostats - Amazon Smart Thermostat. Disponível em: https://www.energystar.gov/productfinder/product/certified-connected-thermostats/details/2515784. Acesso em: 10 jun. 2026.

6.3 Artigos Científicos - Tecnologias

[T1] Zouloumis, L.; Ploskas, N.; Taousanidis, N.; Panaras, G. (2025). Smart Thermostat Development and Validation on an Environmental Chamber Using Surrogate Modelling. Energies, 18(13), 3433. DOI: https://doi.org/10.3390/en18133433. PDF: https://www.mdpi.com/1996-1073/18/13/3433/pdf.

[T2] Turley, C.; Jacoby, M.; Pavlak, G.; Henze, G. (2020). Development and Evaluation of Occupancy-Aware HVAC Control for Residential Building Energy Efficiency and Occupant Comfort. Energies, 13(20), 5396. DOI: https://doi.org/10.3390/en13205396. PDF: https://www.mdpi.com/1996-1073/13/20/5396/pdf.

[T3] Nazemi, S. D.; Zaidan, E.; Jafari, A. (2021). The Impact of Occupancy-Driven Models on Cooling Systems in Commercial Buildings. Energies, 14(6), 1722. DOI: https://doi.org/10.3390/en14061722. PDF: https://www.mdpi.com/1996-1073/14/6/1722/pdf.

[T4] Lissa, P.; Deane, C.; Schukat, M.; Seri, F.; Keane, M.; Barrett, E. (2021). Deep Reinforcement Learning for Home Energy Management System Control. Energy and AI, 3, 100043. DOI: https://doi.org/10.1016/j.egyai.2020.100043. PDF: https://researchrepository.universityofgalway.ie/bitstreams/f5ee253e-12d8-45ea-95c8-44a6de1e4604/download.

6.4 Artigos Científicos - Aplicação e Uso

[A1] Pritoni, M.; Woolley, J. M.; Modera, M. P. (2016). Do Occupancy-Responsive Learning Thermostats Save Energy? A Field Study in University Residence Halls. Energy and Buildings, 127, 469-478. DOI: https://doi.org/10.1016/j.enbuild.2016.05.024. PDF: https://wcec.ucdavis.edu/wp-content/uploads/2016/07/Occupancy-Sensing-Thermostats.pdf.

[A2] Jalali, N.; Sahu, K. S.; Oetomo, A.; Morita, P. P. (2022). Usability of Smart Home Thermostat to Evaluate the Impact of Weekdays and Seasons on Sleep Patterns and Indoor Stay: Observational Study. JMIR mHealth and uHealth, 10(4), e28811. DOI: https://doi.org/10.2196/28811. PDF: https://mhealth.jmir.org/2022/4/e28811/PDF.

[A3] Malekpour Koupaei, D.; Song, T.; Cetin, K. S.; Im, J. (2020). An Assessment of Opinions and Perceptions of Smart Thermostats Using Aspect-Based Sentiment Analysis of Online Reviews. Building and Environment, 170, 106603. DOI: https://doi.org/10.1016/j.buildenv.2019.106603. PDF: https://innovationcenter.msu.edu/wp-content/uploads/2021/06/An-assessment-of-opinions-and-perceptions-of-smart-thermostats-using-aspect-based-sentiment-analysis-of-online-reviews..pdf.

[A4] Rau, P.-L. P.; Gong, Y.; Huang, H.-J.; Wen, J. (2016). A Systematic Study for Smart Residential Thermostats: User Needs for the Input, Output, and Intelligence Level. Buildings, 6(2), 19. DOI: https://doi.org/10.3390/buildings6020019. PDF: https://www.mdpi.com/2075-5309/6/2/19/pdf.

Continue sua descoberta.Explorar outros projetos ↗