Identificação inteligente de cargas elétricas similares em smart grid

Detalhes bibliográficos
Autor(a) principal: Barcelos, Rayana Kristina Schneider
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 Identificação inteligente de cargas elétricas similares em smart gridSmart gridLoad identificationLoad signatureIdentificação de cargaAssinatura de cargaRedes inteligentes de energiaCarga e distribuição elétricaEngenharia/Tecnologia/Gestão620.9This 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.Universidade Federal do Espírito SantoBRMestrado em EnergiaUFESPrograma de Pós-Graduação em EnergiaRigo Junior, Luis OtavioCeleste, Wanderley CardosoCoura, Daniel José CustodioSouto, Rafael FontesBarcelos, Rayana Kristina Schneider2018-09-21T14:09:44Z2018-09-212018-09-21T14:09:44Z2018-07-09info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisTextapplication/pdfhttp://repositorio.ufes.br/handle/10/10462porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)instname:Universidade Federal do Espírito Santo (UFES)instacron:UFES2024-07-17T16:01:28Zoai:repositorio.ufes.br:10/10462Repositório InstitucionalPUBhttp://repositorio.ufes.br/oai/requestopendoar:21082024-07-17T16:01:28Repositório 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
Redes inteligentes de energia
Carga e distribuição elétrica
Engenharia/Tecnologia/Gestão
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.none.fl_str_mv Rigo Junior, Luis Otavio
Celeste, Wanderley Cardoso
Coura, Daniel José Custodio
Souto, Rafael Fontes
dc.contributor.author.fl_str_mv Barcelos, Rayana Kristina Schneider
dc.subject.por.fl_str_mv Smart grid
Load identification
Load signature
Identificação de carga
Assinatura de carga
Redes inteligentes de energia
Carga e distribuição elétrica
Engenharia/Tecnologia/Gestão
620.9
topic Smart grid
Load identification
Load signature
Identificação de carga
Assinatura de carga
Redes inteligentes de energia
Carga e distribuição elétrica
Engenharia/Tecnologia/Gestão
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.none.fl_str_mv 2018-09-21T14:09:44Z
2018-09-21
2018-09-21T14:09:44Z
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
application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Espírito Santo
BR
Mestrado em Energia
UFES
Programa de Pós-Graduação em Energia
publisher.none.fl_str_mv Universidade Federal do Espírito Santo
BR
Mestrado em Energia
UFES
Programa de Pós-Graduação 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)
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_ 1825904467367690240