Método não intrusivo para desagregação de cargas baseadas em inversores: o caso dos condicionadores de ar

Abstract

Este trabalho apresenta técnicas de desagregação para monitoramento não intrusivo de cargas (sigla em inglês NILM) para dispositivos baseados em inversores. Embora cargas baseadas em inversores sejam mais eficientes em termos de consumo energético, elas adicionam uma camada extra de complexidade para algoritmos baseados em NILM, devido ao seu consumo de energia variável e complexo. Existem poucos estudos sobre esses tipos de cargas e as metodologias existentes demandam alto custo computacional. Este trabalho inclui um conjunto de dados de cargas com inversores e convencionais, uma proposta de algoritmo de detecção de eventos que é capaz de detectar cargas com variações de curta e longa duração; que levam de segundos a minutos a acontecer, com a possibilidade de desagregar eventos de longa duração simultâneos. A proposta faz o uso da Teoria da Potência Conservativa (sigla em inglês CPT) e da análise harmônica da corrente para extrair características elétricas para a identificação de cargas, além do uso de algoritmos de Inteligência Artificial que necessitam de relativo baixo custo computacional para classificação, tais como o KNN, o MLP e o SVM. É apresentada uma versão em C++ do algoritmo com informações de desempenho para sistemas embarcados e computador doméstico. Os resultados indicam que é viável utilizar os algoritmos e teorias citados em sistemas computacionais modernos com precisão semelhante a algoritmos mais modernos, mas que usam mais poder computacional.

This work presents disaggregation techniques for non-intrusive load monitoring (NILM) for inverter-based devices. Although inverter-based loads are more energy efficient, they add an extra layer of complexity to NILM-based algorithms due to their variable and complex power consumption. There are few studies on these types of loads, and existing methodologies require high computational costs. This work includes a dataset of inverter and conventional loads, as well as a proposal for an event detection algorithm capable of detecting loads with short and long duration variations, which occur over seconds to minutes, with the possibility of disaggregating simultaneous long-term events. The proposal makes use of the Conservative Power Theory (CPT) and current harmonic analysis to extract electrical characteristics for the identification of loads, in addition to the use of Artificial Intelligence algorithms that require relatively low computational cost for classification, such as KNN, MLP, and SVM. A C++ version of the algorithm is presented with performance information for embedded systems and home PCs. The results indicate that it is feasible to use the aforementioned algorithms and theories in modern computing systems with similar precision to more modern algorithms, but which use more computational power.