Mineração de dados aplicado à eficiência energética
Autor(a) principal: | |
---|---|
Data de Publicação: | 2012 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10773/9876 |
Resumo: | Nesta dissertação pretende-se fazer uso de métodos matemáticos de data mining, para trazer um novo conhecimento sobre o consumo em sistemas já implementados. Através da prospeção de dados pode ser criado não só um padrão de consumos mas também uma previsão de consumos do sistema a ser monitorizado. Com esta informação é possível detetar anomalias no funcionamento do mesmo que pode levar ao seu aumento de consumo ou atuar de forma a diminuir o mesmo nos períodos em que mais se consome. Visto ser ainda um assunto pouco estudado esta é uma primeira abordagem ao problema. Neste trabalho é proposto a implementação de uma plataforma de recolha de dados, que permita o estudo desta solução. É usada uma rede de sensores sem fios de baixo consumo, de fácil implementação e grande versatilidade. Esta plataforma de recolha de dados é usada para fazer uma recolha de dados que são tratados pelos métodos descritos. No tratamento dos dados recolhidos é possível quantificar a eficácia de cada algoritmo testado, comparando-os com os dados reais. Desta forma, são melhoradas as previsões efetuadas por este tipo de métodos matemáticos. Este estudo poderá, futuramente, ser adaptado a sistemas reais melhorando assim a eficiência energética de um sistema implementado. Este melhoramento será totalmente não invasivo, isto é, sem afetar o comportamento e sem dispendiosas alterações. Será assim alcançado um aumento de eficiência energética conseguido uso racional dos equipamentos presentes, sem um decréscimo na qualidade dos mesmos. |
id |
RCAP_4c5cc387fddd81d1e93384e7af05d89d |
---|---|
oai_identifier_str |
oai:ria.ua.pt:10773/9876 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Mineração de dados aplicado à eficiência energéticaEngenharia mecânicaConsumo de energia: MonitorizaçãoEficiência energéticaRedes neuronaisRecolha de dadosAnálise de dadosNesta dissertação pretende-se fazer uso de métodos matemáticos de data mining, para trazer um novo conhecimento sobre o consumo em sistemas já implementados. Através da prospeção de dados pode ser criado não só um padrão de consumos mas também uma previsão de consumos do sistema a ser monitorizado. Com esta informação é possível detetar anomalias no funcionamento do mesmo que pode levar ao seu aumento de consumo ou atuar de forma a diminuir o mesmo nos períodos em que mais se consome. Visto ser ainda um assunto pouco estudado esta é uma primeira abordagem ao problema. Neste trabalho é proposto a implementação de uma plataforma de recolha de dados, que permita o estudo desta solução. É usada uma rede de sensores sem fios de baixo consumo, de fácil implementação e grande versatilidade. Esta plataforma de recolha de dados é usada para fazer uma recolha de dados que são tratados pelos métodos descritos. No tratamento dos dados recolhidos é possível quantificar a eficácia de cada algoritmo testado, comparando-os com os dados reais. Desta forma, são melhoradas as previsões efetuadas por este tipo de métodos matemáticos. Este estudo poderá, futuramente, ser adaptado a sistemas reais melhorando assim a eficiência energética de um sistema implementado. Este melhoramento será totalmente não invasivo, isto é, sem afetar o comportamento e sem dispendiosas alterações. Será assim alcançado um aumento de eficiência energética conseguido uso racional dos equipamentos presentes, sem um decréscimo na qualidade dos mesmos.In this master thesis is intended to make use of mathematical methods of data mining, to bring new knowledge on consumption in systems already implemented. Through the mining of data can be created not only a pattern of consumption, but also a forecast of consumption of the system monitored. With this information it is possible to detect malfunctions which may lead to their increased consumption or act in order to decrease consumption during those periods of more consumption. Since it is still the beginning of this study, this is a first approach to the problem. In this paper, it is proposed to implement a data collection platform, allowing the study of this solution. It used a network of wireless sensors, lowpower, versatile and of easy implementation. This data collection platform is used to make a collection of data which are treated by the mathematical methods described. In processing of the data collected it is possible to quantify the effectiveness of each test algorithm, by comparing them with the actual data. Thus predictions made by this type of mathematical methods are improved. This study may in future be adapted to real systems thereby improving the energy efficiency of systems implemented. This improvement is totally noninvasive, ie, without affecting its behavior and without the need for costly improvements in it. It will thus be able to increase energy efficiency achieved only by the rational use of these devices without a decrease in quality.Universidade de Aveiro2013-03-12T16:05:20Z2012-01-01T00:00:00Z2012info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10773/9876porRamalhinho, João Vasco Monteiroinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-02-22T11:17:08Zoai:ria.ua.pt:10773/9876Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T02:46:36.691905Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Mineração de dados aplicado à eficiência energética |
title |
Mineração de dados aplicado à eficiência energética |
spellingShingle |
Mineração de dados aplicado à eficiência energética Ramalhinho, João Vasco Monteiro Engenharia mecânica Consumo de energia: Monitorização Eficiência energética Redes neuronais Recolha de dados Análise de dados |
title_short |
Mineração de dados aplicado à eficiência energética |
title_full |
Mineração de dados aplicado à eficiência energética |
title_fullStr |
Mineração de dados aplicado à eficiência energética |
title_full_unstemmed |
Mineração de dados aplicado à eficiência energética |
title_sort |
Mineração de dados aplicado à eficiência energética |
author |
Ramalhinho, João Vasco Monteiro |
author_facet |
Ramalhinho, João Vasco Monteiro |
author_role |
author |
dc.contributor.author.fl_str_mv |
Ramalhinho, João Vasco Monteiro |
dc.subject.por.fl_str_mv |
Engenharia mecânica Consumo de energia: Monitorização Eficiência energética Redes neuronais Recolha de dados Análise de dados |
topic |
Engenharia mecânica Consumo de energia: Monitorização Eficiência energética Redes neuronais Recolha de dados Análise de dados |
description |
Nesta dissertação pretende-se fazer uso de métodos matemáticos de data mining, para trazer um novo conhecimento sobre o consumo em sistemas já implementados. Através da prospeção de dados pode ser criado não só um padrão de consumos mas também uma previsão de consumos do sistema a ser monitorizado. Com esta informação é possível detetar anomalias no funcionamento do mesmo que pode levar ao seu aumento de consumo ou atuar de forma a diminuir o mesmo nos períodos em que mais se consome. Visto ser ainda um assunto pouco estudado esta é uma primeira abordagem ao problema. Neste trabalho é proposto a implementação de uma plataforma de recolha de dados, que permita o estudo desta solução. É usada uma rede de sensores sem fios de baixo consumo, de fácil implementação e grande versatilidade. Esta plataforma de recolha de dados é usada para fazer uma recolha de dados que são tratados pelos métodos descritos. No tratamento dos dados recolhidos é possível quantificar a eficácia de cada algoritmo testado, comparando-os com os dados reais. Desta forma, são melhoradas as previsões efetuadas por este tipo de métodos matemáticos. Este estudo poderá, futuramente, ser adaptado a sistemas reais melhorando assim a eficiência energética de um sistema implementado. Este melhoramento será totalmente não invasivo, isto é, sem afetar o comportamento e sem dispendiosas alterações. Será assim alcançado um aumento de eficiência energética conseguido uso racional dos equipamentos presentes, sem um decréscimo na qualidade dos mesmos. |
publishDate |
2012 |
dc.date.none.fl_str_mv |
2012-01-01T00:00:00Z 2012 2013-03-12T16:05:20Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10773/9876 |
url |
http://hdl.handle.net/10773/9876 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade de Aveiro |
publisher.none.fl_str_mv |
Universidade de Aveiro |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799137518164115456 |