Building appliances energy performance assessment

Detalhes bibliográficos
Autor(a) principal: Jasiunas, Zygimantas
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10451/51391
Resumo: Trabalho de Projeto de Mestrado, Informática, 2021, Universidade de Lisboa, Faculdade de Ciências
id RCAP_7af2bcf7420f89b9057653772d4828a1
oai_identifier_str oai:repositorio.ul.pt:10451/51391
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Building appliances energy performance assessmentAvaliação de energiaProcessamento de sinalColeta de dados de sinalIdentificação de aparelhosTeses de mestrado - 2021Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaTrabalho de Projeto de Mestrado, Informática, 2021, Universidade de Lisboa, Faculdade de CiênciasO consumo de energia tem vindo a crescer na União Europeia todos os anos, sendo de prever que, a curto prazo, se torne insustentável. No sentido de prevenir este cenário, a Comissão Europeia decidiu definir uma Estratégia Energética para a União Europeia, destacando dois objetivos: aumentar a eficiência energética e promover a descarbonização. Atualmente, cerca de 72% dos edifícios existentes na União Europeia não são energeticamente eficientes. Este problema motivou-nos à pesquisa e criação de soluções que permitam uma melhor avaliação do consumo energético por dispositivos elétricos em edifícios residenciais. Neste contexto, o trabalho desenvolvido nesta tese consiste no desenho de uma solução de monitorização remota que recolhe informações de consumo energético recorrendo a técnicas de intrusive load monitoring, onde cada dispositivo elétrico individual é continuamente monitorizado quanto ao seu consumo energético. Esta abordagem permite compreender o consumo de energia, em tempo real e no dia-a-dia. Este conhecimento oferece-nos a capacidade de avaliar as diferenças existentes entre as medições laboratoriais (abordagem utilizada no sistema de rotulagem de equipamentos elétricos de acordo com a sua eficiência energética) e os consumos domésticos estimados. Para tal, nesta tese exploram-se abordagens de machine learning que pretendem descrever padrões de consumo, bem como reconhecer marcas, modelos e que funções os dispositivos elétricos estarão a executar. O principal objetivo deste trabalho é desenhar e implementar um protótipo de uma solução de IoT flexível e de baixo custo para avaliar equipamentos elétricos. Será utilizado um conjunto de sensores que recolherá dados relacionados com o consumo de energia e os entrega à plataforma SATO para serem posteriormente processados. O sistema será usado para monitorar aparelhos comumente encontrados em residências. Além disso, o sistema terá a capacidade de monitorizar o consumo de água de aparelhos que necessitem de abastecimento de água, como máquinas de lavar e de lavar louça. Os dados recolhidos serão usados para classificação dos aparelhos e modos de operação dos mesmos, em tempo real, permitindo fornecer relatórios sobre o consumo energético e modo de uso dos aparelhos, com grande grau de detalhe. Os relatórios podem incluir o uso de energia por vários ciclos de operação. Por exemplo, um aparelho pode executar vários ciclos de operação, como uma máquina de lavar que consume diferentes quantidades de energia elétrica e água consoante o modo de operação escolhido pelo utilizador. Toda a informação recolhida pode ser posteriormente utilizada em novos serviços de recomendação que ajudaram os utilizadores a definir melhor as configurações adequadas a um determinado dispositivo, minimizando o consumo energético e melhorando a sua eficiência. Adicionalmente toda esta informação pode ser utilizada para o diagnóstico de avarias e/ou manutenção preventiva. Em termos de proposta, o trabalho desenvolvido nesta tese tem as seguintes contribuições: Sistema de monitorização remota: o sistema de monitorização desenhado e implementado nesta tese avança o estado da arte dos sistemas de monitorização propostos pela literatura devido ao facto de incluir uma lista aprimorada de sensores que podem fornecer mais informações sobre os aparelhos, como o consumo de água da máquina de lavar. Além disso, é altamente flexível e pode ser implementado sem esforço em dispositivos novos ou antigos para monitorização de consumo de recursos. Conjunto de dados de consumo de energia de eletrodomésticos: Os dados recolhidos podem ser usados para futura investigação científica sobre o consumo de consumo de energia, padrões de uso de energia pelos eletrodomésticos e classificação dos mesmos. Abordagem de computação na borda (Edge Computing): O sistema de monitorização proposto explora o paradigma de computação na borda, onde parte da computação de preparação de dados é executada na borda, libertando recursos da nuvem para cálculos essenciais e que necessitem de mais poder computacional. Classificação precisa de dispositivos em tempo real: Coma proposta desenhada nesta tese, podemos classificar os dispositivos com alta precisão, usando os dados recolhidos pelo sistema de monitorização desenvolvido na tese. A abordagem proposta consegue classificar os dispositivos, que são monitorizados, com baixas taxas de falsos positivos. Para fácil compreensão do trabalho desenvolvido nesta tese, de seguida descreve-se a organização do documento. O Capítulo 1 apresenta o problema do consumo de energia na União Europeia e discute o aumento do consumo da mesma. O capítulo apresenta também os principais objetivos e contribuições do trabalho. No Capítulo 2 revê-se o trabalho relacionado em termos de sistema de monitorização remota, que inclui sensores, microcontroladores, processamento e filtragem de sinal. Por fim, este capítulo revê os trabalhos existentes na literatura relacionados com o problema de classificação de dispositivos usando abordagens de machine learning. No Capítulo 3 discutem-se os requisitos do sistema e o projeto de arquitetura conceitual do sistema. Neste capítulo é proposta uma solução de hardware, bem como, o software e firmware necessários à sua operação. Os algoritmos de machine learning necessários à classificação são também discutidos, em termos de configurações necessárias e adequadas ao problema que queremos resolver nesta tese. O Capítulo 4 representa a implementação de um protótipo que servirá de prova de conceito dos mecanismos discutidos no Capítulo 3. Neste capítulo discute-se também a forma de integração do protótipo na plataforma SATO. Com base na implementação feita, no Capítulo 5 especificam-se um conjunto de testes funcionais que permitem avaliar o desempenho da solução proposta e discutem-se os resultados obtidos a partir desses testes. Por fim, o Capítulo 6 apresenta as conclusões e o trabalho futuro que poderá ser desenvolvido partindo da solução atual.Energy consumption is daily growing in European Union (EU). One day it will become hardly sustainable. For this not to happen European Commission decided to implement a European Union Strategy, emphasizing two objectives: increasing energy efficiency and decarbonization. About 72% of all buildings in the EU are not adapted to be energy efficient. This problem encourages us to create solutions that would help assess the energy consumption of appliances at residential houses. In this thesis, we proposed a system that collects data using an intrusive load monitoring approach, where each appliance will have a dedicated monitoring rig to collect the energy consumption data. The proposed solution will help us understand the real-life consumption of each device being monitored and compare the laboratory measurements observed versus domestic consumption estimated by the energy consumption based on the EU energy efficiency labelling system. The system proposed detects device consumption patterns and recognize its brand, model and what actions that appliance is executing, e.g., program of washing in a washing machine. To achieve our goal, we designed a hardware solution capable of collecting sensor data, filtering and send it to a cloud platform (the SATO platform). Additionally, in the cloud, we have a Machine Learning solution that deals with the data and recognizes the appliance and its operation modes. This recognition allows drawing a device/settings profile, which can detect faults and create a recommendation service that helps users define the better settings for a specific appliance, minimizing energy consumption and improving efficiency. Finally, we examine our prototype approach of the system implemented for targeted objectives in this project report. The document describes the experiments that we did and the final results. Our results show that we can identify the appliance and some of its operation modes. The proposed approach must be improved to make the identification of all operation modes. However, the current version of the system shows exciting results. It can be used to support the design of a new labelling system where daily operation measures can be used to support the new classification system. This way, we have an approach that allows improving the energy consumption, making builds more efficient.Cecílio, José Manuel da SilvaFerreira, Pedro Miguel Frazão FernandesRepositório da Universidade de LisboaJasiunas, Zygimantas2022-02-17T17:51:51Z202120212021-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/51391TID:202934640enginfo: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:RCAAP2023-11-08T16:56:03Zoai:repositorio.ul.pt:10451/51391Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T22:02:40.896327Repositório 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 Building appliances energy performance assessment
title Building appliances energy performance assessment
spellingShingle Building appliances energy performance assessment
Jasiunas, Zygimantas
Avaliação de energia
Processamento de sinal
Coleta de dados de sinal
Identificação de aparelhos
Teses de mestrado - 2021
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
title_short Building appliances energy performance assessment
title_full Building appliances energy performance assessment
title_fullStr Building appliances energy performance assessment
title_full_unstemmed Building appliances energy performance assessment
title_sort Building appliances energy performance assessment
author Jasiunas, Zygimantas
author_facet Jasiunas, Zygimantas
author_role author
dc.contributor.none.fl_str_mv Cecílio, José Manuel da Silva
Ferreira, Pedro Miguel Frazão Fernandes
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Jasiunas, Zygimantas
dc.subject.por.fl_str_mv Avaliação de energia
Processamento de sinal
Coleta de dados de sinal
Identificação de aparelhos
Teses de mestrado - 2021
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
topic Avaliação de energia
Processamento de sinal
Coleta de dados de sinal
Identificação de aparelhos
Teses de mestrado - 2021
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
description Trabalho de Projeto de Mestrado, Informática, 2021, Universidade de Lisboa, Faculdade de Ciências
publishDate 2021
dc.date.none.fl_str_mv 2021
2021
2021-01-01T00:00:00Z
2022-02-17T17:51:51Z
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/10451/51391
TID:202934640
url http://hdl.handle.net/10451/51391
identifier_str_mv TID:202934640
dc.language.iso.fl_str_mv eng
language eng
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.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_ 1799134577018535936

Registros relacionados