Identificação inteligente de cargas elétricas similares em smart grid
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
Texto Completo: | http://repositorio.ufes.br/handle/10/10462 |
Resumo: | This work shows the result of applying characterization techniques to define load signatures in Smart Grids. The differential of this work is that the loads have the same technical data and are from the same manufacturer (loads with a high degree of similarity), making the identification process more difficult and describing a challenging condition. The prototype is a platform with four technically identical fluorescent lamps, allowing 16 possible operation configurations, this means, from no one lamp turned on to all the lamps turned on. Two techniques are tested to define the load signature: one with 14 simple features to represent each one of the 16 possible configurations; and another form based on the Shannon and Renyi entropy. Next, the signature sets, classified through Case-Based Reasoning (RBC), are submitted to an optimizer aiming to find the highest possible accuracy for the identification system. The lowest error rate obtained in this work is 22.69% and represents a good performance of the identification system, given the complexity of the problem. These initial results will serve as a reference for new solutions to this new problem. |
id |
UFES_cfeb370e80f52692ead1429ef823334a |
---|---|
oai_identifier_str |
oai:repositorio.ufes.br:10/10462 |
network_acronym_str |
UFES |
network_name_str |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
repository_id_str |
2108 |
spelling |
Rigo Junior, Luis OtavioCeleste, Wanderley CardosoBarcelos, Rayana Kristina SchneiderCoura, Daniel José CustodioSouto, Rafael Fontes2018-09-21T14:09:44Z2018-09-212018-09-21T14:09:44Z2018-07-09This work shows the result of applying characterization techniques to define load signatures in Smart Grids. The differential of this work is that the loads have the same technical data and are from the same manufacturer (loads with a high degree of similarity), making the identification process more difficult and describing a challenging condition. The prototype is a platform with four technically identical fluorescent lamps, allowing 16 possible operation configurations, this means, from no one lamp turned on to all the lamps turned on. Two techniques are tested to define the load signature: one with 14 simple features to represent each one of the 16 possible configurations; and another form based on the Shannon and Renyi entropy. Next, the signature sets, classified through Case-Based Reasoning (RBC), are submitted to an optimizer aiming to find the highest possible accuracy for the identification system. The lowest error rate obtained in this work is 22.69% and represents a good performance of the identification system, given the complexity of the problem. These initial results will serve as a reference for new solutions to this new problem.Esta dissertação mostra o resultado da aplicação de técnicas de caracterização para definir assinaturas de carga em Smart Grids. O diferencial deste trabalho é que as cargas têm os mesmos dados técnicos e são do mesmo fabricante (cargas com alto grau de similaridade), tornando o processo de identificação mais difícil e descrevendo uma condição desafiadora. O protótipo é uma plataforma com quatro lâmpadas fluorescentes tecnicamente idênticas, permitindo 16 configurações de operação possíveis, isto é, desde nenhuma lâmpada ligada até todas as lâmpadas ligadas. São comparadas duas técnicas para definir a assinatura de carga: uma com 14 características simples para representar cada uma das 16 configurações possíveis; e outra forma baseada na entropia de Shannon e Renyi. Cada conjunto de assinatura de carga é submetido a 5 classificadores inteligentes bem difundidos na literatura. Em seguida, os conjuntos de assinaturas, classificados através do Raciocínio Baseado em Casos (RBC), são submetidos a um otimizador objetivando encontrar a maior acurácia possível para o sistema de identificação. A maior taxa de acerto obtida neste trabalho foi de 77,31% e representa um bom desempenho do sistema de identificação, tendo em vista a complexidade do problema. Estes resultados iniciais servirão de referência para novas soluções a este novo problema.Texthttp://repositorio.ufes.br/handle/10/10462porUniversidade Federal do Espírito SantoMestrado em EnergiaPrograma de Pós-Graduação em EnergiaUFESBRSmart gridLoad identificationLoad signatureIdentificação de cargaAssinatura de cargaRedes inteligentes de energiaCarga e distribuição elétricaEngenharia/Tecnologia/Gestão620.9Identificação inteligente de cargas elétricas similares em smart gridinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)instname:Universidade Federal do Espírito Santo (UFES)instacron:UFESORIGINALtese_12253_88 - Rayana Kristina Schneider Barcelos.pdfapplication/pdf1992735http://repositorio.ufes.br/bitstreams/98ba48c8-23bd-4cc1-a66d-2ab7066c06b4/downloadae209998d5a4d266f5d1b02daa579e2aMD5110/104622024-07-17 16:01:28.938oai:repositorio.ufes.br:10/10462http://repositorio.ufes.brRepositório InstitucionalPUBhttp://repositorio.ufes.br/oai/requestopendoar:21082024-10-15T17:53:40.837716Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)false |
dc.title.none.fl_str_mv |
Identificação inteligente de cargas elétricas similares em smart grid |
title |
Identificação inteligente de cargas elétricas similares em smart grid |
spellingShingle |
Identificação inteligente de cargas elétricas similares em smart grid Barcelos, Rayana Kristina Schneider Smart grid Load identification Load signature Identificação de carga Assinatura de carga Engenharia/Tecnologia/Gestão Redes inteligentes de energia Carga e distribuição elétrica 620.9 |
title_short |
Identificação inteligente de cargas elétricas similares em smart grid |
title_full |
Identificação inteligente de cargas elétricas similares em smart grid |
title_fullStr |
Identificação inteligente de cargas elétricas similares em smart grid |
title_full_unstemmed |
Identificação inteligente de cargas elétricas similares em smart grid |
title_sort |
Identificação inteligente de cargas elétricas similares em smart grid |
author |
Barcelos, Rayana Kristina Schneider |
author_facet |
Barcelos, Rayana Kristina Schneider |
author_role |
author |
dc.contributor.advisor-co1.fl_str_mv |
Rigo Junior, Luis Otavio |
dc.contributor.advisor1.fl_str_mv |
Celeste, Wanderley Cardoso |
dc.contributor.author.fl_str_mv |
Barcelos, Rayana Kristina Schneider |
dc.contributor.referee1.fl_str_mv |
Coura, Daniel José Custodio |
dc.contributor.referee2.fl_str_mv |
Souto, Rafael Fontes |
contributor_str_mv |
Rigo Junior, Luis Otavio Celeste, Wanderley Cardoso Coura, Daniel José Custodio Souto, Rafael Fontes |
dc.subject.eng.fl_str_mv |
Smart grid Load identification Load signature |
topic |
Smart grid Load identification Load signature Identificação de carga Assinatura de carga Engenharia/Tecnologia/Gestão Redes inteligentes de energia Carga e distribuição elétrica 620.9 |
dc.subject.por.fl_str_mv |
Identificação de carga Assinatura de carga |
dc.subject.cnpq.fl_str_mv |
Engenharia/Tecnologia/Gestão |
dc.subject.br-rjbn.none.fl_str_mv |
Redes inteligentes de energia Carga e distribuição elétrica |
dc.subject.udc.none.fl_str_mv |
620.9 |
description |
This work shows the result of applying characterization techniques to define load signatures in Smart Grids. The differential of this work is that the loads have the same technical data and are from the same manufacturer (loads with a high degree of similarity), making the identification process more difficult and describing a challenging condition. The prototype is a platform with four technically identical fluorescent lamps, allowing 16 possible operation configurations, this means, from no one lamp turned on to all the lamps turned on. Two techniques are tested to define the load signature: one with 14 simple features to represent each one of the 16 possible configurations; and another form based on the Shannon and Renyi entropy. Next, the signature sets, classified through Case-Based Reasoning (RBC), are submitted to an optimizer aiming to find the highest possible accuracy for the identification system. The lowest error rate obtained in this work is 22.69% and represents a good performance of the identification system, given the complexity of the problem. These initial results will serve as a reference for new solutions to this new problem. |
publishDate |
2018 |
dc.date.accessioned.fl_str_mv |
2018-09-21T14:09:44Z |
dc.date.available.fl_str_mv |
2018-09-21 2018-09-21T14:09:44Z |
dc.date.issued.fl_str_mv |
2018-07-09 |
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://repositorio.ufes.br/handle/10/10462 |
url |
http://repositorio.ufes.br/handle/10/10462 |
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 |
Text |
dc.publisher.none.fl_str_mv |
Universidade Federal do Espírito Santo Mestrado em Energia |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Energia |
dc.publisher.initials.fl_str_mv |
UFES |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Universidade Federal do Espírito Santo Mestrado em Energia |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) instname:Universidade Federal do Espírito Santo (UFES) instacron:UFES |
instname_str |
Universidade Federal do Espírito Santo (UFES) |
instacron_str |
UFES |
institution |
UFES |
reponame_str |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
collection |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
bitstream.url.fl_str_mv |
http://repositorio.ufes.br/bitstreams/98ba48c8-23bd-4cc1-a66d-2ab7066c06b4/download |
bitstream.checksum.fl_str_mv |
ae209998d5a4d266f5d1b02daa579e2a |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES) |
repository.mail.fl_str_mv |
|
_version_ |
1813022515841204224 |