UNIFEI - Campus 1: Itajubá PPG - Programas de Pós Graduação Dissertações
Use este identificador para citar ou linkar para este item: https://repositorio.unifei.edu.br/jspui/handle/123456789/2332
Tipo: Dissertação
Título: Identificação não intrusiva de cargas por floresta aleatória com otimização fogos de artifício
Autor(es): TAVEIRA, Paulo Ricardo Zambelli
Primeiro Orientador: MORAES, Carlos Henrique Valério de
metadata.dc.contributor.advisor-co1: SOUZA, Adler Diniz de
Resumo: O controle de gastos relacionado à energia elétrica vem apresentando um grande crescimento, principalmente em ambientes residenciais. O monitoramento das cargas elétricas acionadas e removidas de uma residência é realizado frequentemente através de smartplugs, fornecendo aos consumidores o intervalo de funcionamento e a potência consumida por cada equipamento. Apesar de uma solução prática de controle e redução de gastos de energia elétrica, possui um custo elevado devido à quantidade de medidores necessários. O problema do custo elevado pode ser contornado utilizando uma proposta de monitoramento de cargas não intrusivo (NILM), onde as medições de tensão e corrente são realizadas na entrada da residência, em contra partida demanda uma etapa extra de processamento. Nessa etapa extra, é necessário calcular a potência, identificar a ocorrência dos eventos e por fim, a identificar qual equipamento foi ligado ou desligado. As propostas desse trabalho foram utilizar um novo padrão de cálculo de potência proposto pela IEEE (1459-2010), a elaboração de um detector de evento do tipo heurístico utilizando janelas de análise flutuante para localização de zonas de estabilidade nos sinais de potência após indicação de uma variação de potência acima de um valor pré-determinado, testes da melhor forma de disposição dos dados do identificador de eventos para a identificação de qual carga foi adicionada ou removida do circuito monitorado, e otimização dos parâmetros do classificador Floresta Aleatória (RF-Random Forest) utilizando o algoritmo de otimização fogos de artifício (Fireworks Algorithm- FA). Os testes do identificador de eventos proposto e do classificador utilizado foram realizados no dataset BLUED, que contém dados coletados em uma residência norte-americana em um período de uma semana. Para os testes do classificador foram utilizados quatro formas diferentes de entrada de dados inicialmente, e posteriormente as duas formas que obtiveram melhores desempenhos foram utilizadas no processo de otimização do classificador. O desempenho do identificador de evento proposto foi comparado com outras publicação que utilizaram abordagens diferentes e obtiveram resultados satisfatórios. E os resultados das classificações foram comparadas entre si, por utilizarem formas de entrada de dados diferentes, e como também um classificador ideal, onde também foram observados uma melhora dos resultados quando comparados com os resultados de um classificador com parâmetros normalmente utilizados, um número maior de árvores foi utilizada em cada RF, mas com limitação na profundidade de cada árvore. E a importância das variáveis envolvidas no processo de classificação também foi calculada, destacando a importância da utilização do novo padrão de potência proposto pela IEEE.
Abstract: The control of expenses related to electricity has been showing a great growth, especially in residential environments. Monitoring of electrical loads that are turning on and off from a home are often performed using smart-plugs, providing to the consumers information about operation intervals and power consumed by each device. Despite a practical solution to control and reduce electricity costs, it has a high cost due to the amount of meters required. The high cost problem can be worked around by using a non-intrusive load monitoring proposal (NILM), where voltage and current measurements are taken at the home entrance, in counterpart demand a extra processing step. In this extra step, it is necessary to calculate the powers, identification of the occurrence of events and finally, the identification of which equipment was turned on or off. The proposals of this work were to use a new power calculation standard proposed by the IEEE (1459-2010), the elaboration of a heuristic event detector using floating analysis windows to locate stability zones in the power signals after indicating a power variation above a predetermined value, testing the best way to dispose of event identifier data to identify which load has been added or removed from the monitored circuit, and optimization of the parameters of the Random Forest classifier using the fireworks optimization algorithm (FA). The proposed event identifier and classifier tests were performed on the dataset BLUED, which contains data collected at a north american residence over a period of one week. For the classifier tests, four different forms of data entry were used, and subsequently the two forms that obtained the best performances were used in the classifier optimization process. The event identifier results were compared with other publications that used different approaches and obtained satisfactory results. And the results of the classifications were compared to each other, for using different data entry forms, and also as an ideal classifier, where an improvement in the results was also observed when compared with the results of a classifier with commonly used parameters, presenting a larger number of trees used in each RF, but with a limited depth of each tree. And the importance of the variables involved in the classification process were calculated.
Palavras-chave: NILM
Monitoramento de cargas não intrusivo
BLUED
Otimização por fogos de artifício
Floresta aleatória
Detecção de eventos heurístico
detecção de eventos heurístico
Importância de variáveis
CNPq: CNPQ::CIÊNCIAS EXATAS E DA TERRA::CIÊNCIA DA COMPUTAÇÃO
Idioma: por
País: Brasil
Editor: Universidade Federal de Itajubá
Sigla da Instituição: UNIFEI
metadata.dc.publisher.department: IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação
metadata.dc.publisher.program: Programa de Pós-Graduação: Mestrado - Ciência e Tecnologia da Computação
Tipo de Acesso: Acesso Aberto
URI: https://repositorio.unifei.edu.br/jspui/handle/123456789/2332
Data do documento: 14-Abr-2020
Aparece nas coleções:Dissertações

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertação_2021058.pdf2.34 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.