Utilize este link para identificar ou citar este item:
https://bdm.unb.br/handle/10483/36250
Título: | Identificação de cargas domésticas em medições elétricas com inteligência artificial |
Autor(es): | Souza, Allan Gabriel de |
Orientador(es): | Camargo, Ivan Marques de Toledo |
Assunto: | Eficiência energética Inteligência artificial Aprendizado de máquina |
Data de apresentação: | 18-Nov-2020 |
Data de publicação: | 3-Out-2023 |
Referência: | SOUZA, Allan Gabriel de. Identificação de cargas domésticas em medições elétricas com inteligência artificial. 2020. 92 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia Elétrica) — Universidade de Brasília, Brasília, 2020. |
Resumo: | A energia elétrica que utilizamos hoje possui muita informação agregada e muito dessa
informação não é aproveitada. Nesse trabalho buscou-se trazer uso à grande variedade
de grandezas aferidas em medidores de energia para serem aplicadas no âmbito de eficiência energética. Foram utilizadas redes neurais e árvores de decisões com o objetivo
de extrair a assinatura elétrica de eletrodomésticos de medições que agregam a operação
de diversos dispositivos, e assim, classificar se esses equipamentos estão ligados ou desligados. Ratificou-se a importância da utilização das grandezas como fator de potência e
harmônicos de corrente para realizar a tarefa proposta, foram obtidos resultados favoráveis à aplicação do método em ambientes os quais todos dispositivos são conhecidos e foi
colocado o panorama da extensão para cenários mais caóticos. Também foi observada a
relevância do entendimento temporal que a medição possui e as vantagens de utilizar redes
neurais recorrentes assim como a necessidade de uma amostragem rápida para usufruir
dos benefícios dessa ferramenta. |
Abstract: | The electrical energy we use in presents-days has a lot of aggregated information and much
of that information is not used, in this work we sought to bring use to the great variety
of quantities measured in energy meters to be applied in the scope of energy efficiency.
Neural networks and decision trees were used in order to extract the electrical signature of
household appliances from measurements that aggregate the operation of various devices
and thus classify whether these devices are on or off. The importance of using quantities
as a power factor and current harmonics was confirmed to accomplish the proposed task,
results were obtained favorable to the application of the method in environments where all
devices are known and were put the prospect of the extension for more chaotic scenarios.
It was also observed the relevance of the temporal understanding that the measurement
has and the advantages of using recurrent neural networks, as well as the need for a quick
sampling metod to enjoy the benefits of this tool. |
Informações adicionais: | Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade de Tecnologia, 2020. |
Licença: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. |
Aparece na Coleção: | Engenharia Elétrica
|
Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.