Estudo da engenharia de atributos e qualidade de dados para desagregação de cargas
dc.contributor.advisor | Gonçalves, Flavio Alessandro Serrão [UNESP] | |
dc.contributor.advisor | Souza, Wesley Angelino de | |
dc.contributor.author | Bosco, Thais Berrettini [UNESP] | |
dc.contributor.institution | Universidade Estadual Paulista (Unesp) | |
dc.date.accessioned | 2023-03-03T17:29:15Z | |
dc.date.available | 2023-03-03T17:29:15Z | |
dc.date.issued | 2022-12-15 | |
dc.description.abstract | Devido à crescente necessidade de utilização otimizada de energia e caracterização detalhada dos perfis de consumo de eletricidade, o conceito de desagregação de cargas está ganhando atenção dentro da perspectiva de rede inteligente de energia (REI). Buscando melhorias relacionadas à conscientização do consumo de energia elétrica, este trabalho tem o intuito de contribuir com o estado do conhecimento do consumo individualizado por eletrodoméstico, apresentando estudos de aplicações e uma análise crítica sobre o uso de atributos de desagregação de cargas baseados em teorias de potência. A avaliação das estratégias propostas é efetuada considerando conjuntos de bancos de dados de referências da literatura (PLAID), que descreve comportamentos de cargas elétricas reais em funcionamento, e utilizando-se do software PSim, os mesmos são simulados, e a partir de índices de potência e de corrente calculados com base em teorias de potência, compõe-se o banco de dados teórico. As teorias de potência aplicadas são CPC, CPT e IEEE 1459-2010, que com seus conceitos modernos apresentados no decorrer do trabalho, auxiliam no estabelecimento dos atributos relevantes que são utilizados no processo de desagregação de cargas. Diferentes algoritmos de aprendizado de máquinas (k-enésimo vizinho mais próximo, Máquina de vetor de suporte e Floresta Aleatória) são aplicados nos processos de classificação e suas performances analisadas, tendo resultados com precisões maiores que 99 %. Uma otimização no banco de dados é proposta por meio dos estudos de correlação existente entre os atributos que constituem o banco de dados, possibilitando reduzir de 55 para 7 atributos mantendo a precisão de classificação de cargas em valores maiores que 99 %. Desta forma, além da contribuição relacionada à validação da criação de um banco de dados teórico a ser utilizado no conceito de desagregação de cargas elétricas, destaca-se que a otimização do mesmo traz o benefício de redução na demanda de processamento, tanto na questão dos cálculos de índices de potência e corrente, quanto na etapa de classificação das cargas. | pt |
dc.description.abstract | Due to the growing need for optimized energy utilization and detailed characterization of electricity consumption profiles, the concept of load unbundling is gaining attention within the smart energy grid (SG) perspective. Seeking improvements related to the awareness of electrical energy consumption, this work aims to contribute to the state of knowledge of individualized consumption per appliance, presenting application studies and critical analysis on the use of load breakdown attributes based on theories of potency. The evaluation of the proposed strategies is carried out considering sets of databases of literature references (PLAID), which describe behaviors of real electrical loads in operation and using the PSIM software they were simulated, and from indices of power and current calculated based on power theories, the theoretical database is composed. The applied power theories are CPC, CPT, and IEEE 1459-2010 with their modern concepts presented in the future in the course of the work, they help in the establishment of the relevant attributes that will be used in the load disaggregation process. Different machine learning algorithms (k-NN, SVM, and RF) are applied in the classification processes and their performances are analyzed, with results achieved with precision greater than 99 %. An optimization in the database is proposed through the existing correlation studies between the attributes that make up the database, which makes it possible to reduce from 55 to 7 attributes maintaining the load classification accuracy at values greater than 99%. Thus, in addition to the contribution related to the validation of the creation of a theoretical database to be used in the concept of electrical load disaggregation, it is highlighted that its optimization brings the benefit of reducing the processing demand, both in terms of calculations of power and current indices, as well as in the load classification step. | en |
dc.identifier.capes | 33004170002P2 | |
dc.identifier.uri | http://hdl.handle.net/11449/242299 | |
dc.language.iso | por | |
dc.publisher | Universidade Estadual Paulista (Unesp) | |
dc.rights.accessRights | Acesso aberto | |
dc.subject | circuitos elétricos | pt |
dc.subject | banco de dados | pt |
dc.subject | inteligência artificial | pt |
dc.subject | aprendizado de máquinas | pt |
dc.subject | algoritmos | pt |
dc.title | Estudo da engenharia de atributos e qualidade de dados para desagregação de cargas | pt |
dc.title.alternative | Study of attribute engineering and data quality for load disaggregation | en |
dc.type | Dissertação de mestrado | |
unesp.campus | Universidade Estadual Paulista (Unesp), Faculdade de Engenharia, São João da Boa Vista | pt |
unesp.embargo | Online | pt |
unesp.examinationboard.type | Banca pública | pt |
unesp.graduateProgram | Engenharia Elétrica - São João da Boa Vista | pt |
unesp.knowledgeArea | Outra | pt |
unesp.researchArea | Aprendizado de máquinas para análise de qualidade de energia elétrica | pt |
Arquivos
Pacote Original
1 - 1 de 1
Carregando...
- Nome:
- bosco_tb_me_soro.pdf
- Tamanho:
- 2.5 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 2.97 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: