Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/321211
Type: TESE DIGITAL
Title: Monitoramento não invasivo e identificação do consumo de energia individual de cargas residenciais
Title Alternative: Non-intrusive monitoring and identification of energy consumption of residential appliances
Author: Monzani, Rafael Cuerda, 1988-
Advisor: Freitas Filho, Walmir de, 1971-
Filho, Walmir de Freitas
Abstract: Resumo: O monitoramento de cargas residenciais fornece informações úteis para entidades específicas (e.g. governo, concessionárias de energia e consumidores). Entre essas informações, está o detalhamento do padrão de consumo de energia de cada residência, que tem como consequência possibilitar a estimação do consumo individual das cargas presentes a partir de técnicas de desagregação. Nesta tese, residências reais (no Brasil e exterior) foram monitoradas e desenvolveu-se uma ferramenta computacional capaz de estimar o consumo de energia das principais cargas residenciais, empregando diferentes metodologias de desagregação de carga e reconhecimento de padrão. O desempenho dos algoritmos propostos foi validado com o uso de dados sintéticos gerados a partir de um simulador de redes residenciais, o qual fornece os instantes de tempo de acionamento e desligamento dos equipamentos residenciais, auxiliando na comparação com a detecção e classificação dos eventos obtidos. A aquisição dos dados é realizada no ponto de entrada de energia da residência de modo não invasivo, os sinais de corrente e tensão são processados localmente e enviados para um servidor remoto. Algoritmos de detecção de eventos são executados, formando um vetor com dados selecionados e usados como entrada para o processo de desagregação de carga. Nesse processo, os eventos são identificados e associados a cargas específicas, e por fim, o consumo de energia é estimado de acordo com a assinatura elétrica de cada carga. A desagregação de carga proposta nesta tese é realizada de modo automático com base em um banco de dados generalista, evitando assim o treinamento inicial existente em outras metodologias, tais como o uso de redes neurais. Ainda, é proposto um método específico e adaptado para a estimação do consumo de energia elétrica do grupo de iluminação, usando simulação de Monte Carlo associada ao perfil da probabilidade de uso por tempo. Os resultados obtidos para a detecção, desagregação e estimação de energia das cargas de interesse para a residência analisada e para os dados gerados a partir do simulador residencial são coerentes e apresentam precisão satisfatória

Abstract: Residential load monitoring provides useful information to specific entities such as government, utilities and consumers. Among these is the bill breakdown of the energy consumption pattern of each residence, enabling the energy estimation of individual appliances through load disaggregation techniques. In this thesis, real houses (in Brazil and abroad) were monitored and a computational tool to estimate the energy consumption of their major appliances was developed. The performance of the proposed algorithms was evaluated through a comparison against synthetic data generated by a residential network simulator, providing the home appliances¿ ON and OFF instants. Such tool enabled a comparison between the detected and classified events with those obtained by the proposed techniques. The data is acquired at the service entrance panel of each residence using a nonintrusive methodology, current and voltage data are locally processed and remotely sent to a server. Event detection algorithms are then run, combining data into a vector used as input to the load disaggregation procedure. Through this procedure, the events are associated with their specific loads, and then, the energy consumption is estimated based on their electrical signatures. The load disaggregation proposed by this thesis is performed automatically based on a general database, thus avoiding the initial training typical of other methodologies, such as neural networks. Moreover, this thesis proposes a tailored method to estimate the energy consumption of lighting using Monte Carlo simulation associated with the lighting time of use curve. The obtained results from the bill breakdown framework (detection, load disaggregation and energy estimation) of the analyzed residence and of the generated data by the residential network simulator are consistent and accurate
Subject: Inteligência artificial
Mineração de Dados
Energia - Consumo
Energia - Medição
Automacao residencial
Editor: [s.n.]
Date Issue: 2016
Appears in Collections:FEEC - Tese e Dissertação

Files in This Item:
File SizeFormat 
Monzani_RafaelCuerda_D.pdf3.81 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.