Segmentação de perfis de consumo de energia elétrica e gás
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.21/16703 |
Resumo: | Trabalho final de Mestrado para obtenção do grau de Mestre em Engenharia Eletrotécnica – Ramo Energia |
id |
RCAP_a3f2b0511df143fa6977c826990cbc76 |
---|---|
oai_identifier_str |
oai:repositorio.ipl.pt:10400.21/16703 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Segmentação de perfis de consumo de energia elétrica e gásSéries temporaisClusteringConsumo de energia elétrica e gásk-medoidsTime seriesClusteringElectricity and gas consuptionk-medoidsTrabalho final de Mestrado para obtenção do grau de Mestre em Engenharia Eletrotécnica – Ramo EnergiaNo sector de energia elétrica é fundamental efetuar uma gestão eficiente e integrada da procura, de modo a melhorar a planificação de despacho da energia elétrica, identificar tendências de consumo de energia, falhas de despacho e consumos anormais. Atualmente com o avanço da tecnologia, é possível obter dados de consumidores de energia elétrica existentes para estudo, de uma maneira mais rápida e fidedigna através de contadores inteligentes (smart meters). O objetivo desta dissertação é identificar padrões de consumo residencial de energia elétrica e gás em diversas cidades dos EUA utilizando o clustering, também designado por análise de agrupamento, análise classificatória ou análise de clusters. O clustering foi aplicado a dados de consumo residencial de energia elétrica e gás de 936 cidades dos EUA, utilizando o algoritmo k-medoids. Este algoritmo consiste na determinação de um elemento central para cada grupo distinto de consumidores, o medoide, em que a cada medoide é atribuído o(s) elemento(s) (consumidor(es)) mais próximos, consumidores com perfil aproximados. A proximidade dos consumidores é determinada pela média da combinação de quatro tipos de medidas de proximidade: distância euclidiana, distância baseada no coeficiente de correlação de Pearson, distância euclidiana entre funções de autocorrelação (ACF) e distância euclidiana entre periodogramas. O número de grupos de perfis de consumo residencial distintos indicado é determinado através do critério do índice Silhouette. Os resultados obtidos da aplicação desta técnica, demonstraram que esta foi eficaz na tipificação dos consumos residenciais das cidades analisadas dos EUA. De um modo geral, o agrupamento definiu dois grupos distintos: um grupo que abrangia cidades dos estados do norte e centro, e outro grupo em que pertenciam cidades dos estados do sul dos EUA.In the electricity sector, it is essential to carry out an efficient and integrated management of demand, to improve the planning of electricity dispatch, identify trends in energy consumption, dispatch failures and abnormal consumption. Nowadays with the advancement of technology, it is possible to obtain data from existing electricity consumers for study, in a faster and more reliable way through smart meters. The objective of this dissertation is to identify patterns of residential electricity and gas consumption in several US cities using clustering, also known as cluster analysis. Clustering was applied to electricity and gas consumers data from 936 US cities, using the k-medoids clustering algorithm. This algorithm consists of determining a central element for each distinct group of consumers, the medoid, and for each medoid is assigned the closest element(s) (consumer(s)), consumers with similar consumption profile. Consumer proximity is determined by the average of the combination of four types of proximity measures: Euclidean distance, distance based on Pearson's correlation coefficient, Euclidean distance between autocorrelation functions (ACF) and Euclidean distance between periodograms. The number of groups of consumption profiles is obtained using the Silhouette index criteria. The results obtained from the application of this technique showed that it was effective in typifying the residential consumption in the analyzed US cities. In general, the typification of different residential consumption patterns defined two distinct groups: a group that included cities in the northern and central states, and another group in which cities in the southern states of the USA belonged.Lagarto, João Hermínio NinitasMartins, Ana Alexandra Antunes FigueiredoRCIPLSousa, Nuno André Sobral de2023-12-14T12:17:39Z20222022-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.21/16703TID:203371666porSOUSA, Nuno André Sobral de - Segmentação de perfis de consumo de energia elétrica e gás. Lisboa: Instituto Superior de Engenharia de Lisboa, 2022. Dissertação de Mestrado.info: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:RCAAP2023-12-20T02:15:41Zoai:repositorio.ipl.pt:10400.21/16703Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T00:55:16.497127Repositório 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 |
Segmentação de perfis de consumo de energia elétrica e gás |
title |
Segmentação de perfis de consumo de energia elétrica e gás |
spellingShingle |
Segmentação de perfis de consumo de energia elétrica e gás Sousa, Nuno André Sobral de Séries temporais Clustering Consumo de energia elétrica e gás k-medoids Time series Clustering Electricity and gas consuption k-medoids |
title_short |
Segmentação de perfis de consumo de energia elétrica e gás |
title_full |
Segmentação de perfis de consumo de energia elétrica e gás |
title_fullStr |
Segmentação de perfis de consumo de energia elétrica e gás |
title_full_unstemmed |
Segmentação de perfis de consumo de energia elétrica e gás |
title_sort |
Segmentação de perfis de consumo de energia elétrica e gás |
author |
Sousa, Nuno André Sobral de |
author_facet |
Sousa, Nuno André Sobral de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Lagarto, João Hermínio Ninitas Martins, Ana Alexandra Antunes Figueiredo RCIPL |
dc.contributor.author.fl_str_mv |
Sousa, Nuno André Sobral de |
dc.subject.por.fl_str_mv |
Séries temporais Clustering Consumo de energia elétrica e gás k-medoids Time series Clustering Electricity and gas consuption k-medoids |
topic |
Séries temporais Clustering Consumo de energia elétrica e gás k-medoids Time series Clustering Electricity and gas consuption k-medoids |
description |
Trabalho final de Mestrado para obtenção do grau de Mestre em Engenharia Eletrotécnica – Ramo Energia |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022 2022-01-01T00:00:00Z 2023-12-14T12:17:39Z |
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/10400.21/16703 TID:203371666 |
url |
http://hdl.handle.net/10400.21/16703 |
identifier_str_mv |
TID:203371666 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
SOUSA, Nuno André Sobral de - Segmentação de perfis de consumo de energia elétrica e gás. Lisboa: Instituto Superior de Engenharia de Lisboa, 2022. Dissertação de Mestrado. |
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_ |
1799136439420583936 |