dc.creator |
TAVEIRA, Paulo Ricardo Zambelli |
|
dc.date.issued |
2020-04-14 |
|
dc.identifier.uri |
https://repositorio.unifei.edu.br/jspui/handle/123456789/2332 |
|
dc.description.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. |
pt_BR |
dc.description.sponsorship |
Agência 1 |
pt_BR |
dc.language |
por |
pt_BR |
dc.publisher |
Universidade Federal de Itajubá |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.subject |
NILM |
pt_BR |
dc.subject |
Monitoramento de cargas não intrusivo |
pt_BR |
dc.subject |
BLUED |
pt_BR |
dc.subject |
Otimização por fogos de artifício |
pt_BR |
dc.subject |
Floresta aleatória |
pt_BR |
dc.subject |
Detecção de eventos heurístico |
pt_BR |
dc.subject |
detecção de eventos heurístico |
pt_BR |
dc.subject |
Importância de variáveis |
pt_BR |
dc.title |
Identificação não intrusiva de cargas por floresta aleatória com otimização fogos de artifício |
pt_BR |
dc.type |
Dissertação |
pt_BR |
dc.date.available |
2021-03-15 |
|
dc.date.available |
2021-03-15T14:38:27Z |
|
dc.date.accessioned |
2021-03-15T14:38:27Z |
|
dc.creator.Lattes |
http://lattes.cnpq.br/2253069133672250 |
pt_BR |
dc.contributor.advisor1 |
MORAES, Carlos Henrique Valério de |
|
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/3460761031788198 |
pt_BR |
dc.contributor.advisor-co1 |
SOUZA, Adler Diniz de |
|
dc.contributor.advisor-co1Lattes |
http://lattes.cnpq.br/0659198149444462 |
pt_BR |
dc.description.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. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação |
pt_BR |
dc.publisher.program |
Programa de Pós-Graduação: Mestrado - Ciência e Tecnologia da Computação |
pt_BR |
dc.publisher.initials |
UNIFEI |
pt_BR |
dc.subject.cnpq |
CNPQ::CIÊNCIAS EXATAS E DA TERRA::CIÊNCIA DA COMPUTAÇÃO |
pt_BR |
dc.relation.references |
TAVEIRA, Paulo Ricardo Zambelli. Identificação não intrusiva de cargas por floresta aleatória com otimização fogos de artifício. 2020. 85 f. Dissertação (Mestrado em Ciência e Tecnologia da Computação.) – Universidade Federal de Itajubá, Itajubá, 2020. |
pt_BR |