Método de monitoramento não invasivo de cargas elétricas residenciais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2013 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFLA |
Texto Completo: | http://repositorio.ufla.br/jspui/handle/1/10687 |
Resumo: | Non-invasive appliance load monitoring is a modern technique that has several applications bringing benefits for both consumers and electrical utilities. These techniques allow bill discrimination and detection of energy losses. It also provides valuable information for energy programs, and creates a better characterization of the loads. This work presents a new approach for non-invasive residential electrical load monitoring. The innovation of the proposed approach is the use of cumulants of second and fourth order extracted from the electric current signal of the residential electrical loads as signatures of these loads. In order to reduce the dimension problem, two methods for feature selection were employed: a) Fisher’s Linear Discriminant and Fisher’s Linear Discriminant combined to Genetic Algorithms. The selected features are presented to a classifier, which identifies the residential electric load class of the processed signal. Two different classifiers were used: a) Artificial Neural Networks and b) Decision Tree. Results from these approaches were comparatively presented. This work has considered eleven different classes of residential electrical loads. Results were obtrained out from experimental electric signals and a high performance is achieved. |
id |
UFLA_f708ebe40a28668e285a21f45cdfd6b7 |
---|---|
oai_identifier_str |
oai:localhost:1/10687 |
network_acronym_str |
UFLA |
network_name_str |
Repositório Institucional da UFLA |
repository_id_str |
|
spelling |
Método de monitoramento não invasivo de cargas elétricas residenciaisMonitoramento não invasivoCarga elétricaSmart gridEstatísticas de ordem superiorNon-invasive monitoringElectrical loadSmart gridHigher order statisticalEngenharia ElétricaNon-invasive appliance load monitoring is a modern technique that has several applications bringing benefits for both consumers and electrical utilities. These techniques allow bill discrimination and detection of energy losses. It also provides valuable information for energy programs, and creates a better characterization of the loads. This work presents a new approach for non-invasive residential electrical load monitoring. The innovation of the proposed approach is the use of cumulants of second and fourth order extracted from the electric current signal of the residential electrical loads as signatures of these loads. In order to reduce the dimension problem, two methods for feature selection were employed: a) Fisher’s Linear Discriminant and Fisher’s Linear Discriminant combined to Genetic Algorithms. The selected features are presented to a classifier, which identifies the residential electric load class of the processed signal. Two different classifiers were used: a) Artificial Neural Networks and b) Decision Tree. Results from these approaches were comparatively presented. This work has considered eleven different classes of residential electrical loads. Results were obtrained out from experimental electric signals and a high performance is achieved.Sistemas não invasivos de medição de cargas elétricas possuem aplicações variadas e apresentam benefícios tanto para consumidores quanto para concessionárias de distribuição de energia elétrica. Esses sistemas permitem a discriminação da fatura e a detecção de furto de energia elétrica. Podem fornecer, ainda, informações valiosas para programas de eficientização energética, além de possibilitar uma melhor caracterização das cargas atendidas do ponto de vista temporal. Este trabalho apresenta uma nova metodologia para o monitoramento não invasivo de cargas elétricas residenciais. A metodologia propõe o uso de cumulantes de segunda e quarta ordem extraídos do sinal de corrente elétrica das cargas elétricas residenciais, durante o acionamento. Os cumulantes representam as assinaturas de tais cargas a fim de identificá-las quando acionadas. Em seguida, a seleção dos cumulantes mais significativos é feita utilizando-se duas abordagens: a) através do discriminante linear de Fisher e b) através do discriminante linear de Fisher seguido de Algoritmos Genéticos. Os cumulantes selecionados são então apresentados a um classificador que identifica a carga elétrica que foi acionada. Dois classificadores foram propostos: a) baseado em Redes Neurais Artificiais e b) baseado em Árvores de Decisão. Os resultados dessas abordagens são apresentados de forma comparativa apontando as vantagens e desvantagens de cada uma. Neste trabalho foram consideradas onze classes diferentes de cargas elétricas residenciais. Os sinais elétricos foram adquiridos experimentalmente.Universidade Federal de LavrasPrograma de Pós-Graduação em Engenharia de Sistemas e AutomaçãoUFLAbrasilDepartamento de EngenhariaFerreira, Danton DiegoFerreira, Danton DiegoBarbosa, Bruno Henrique GroennerRabelo, Geovanni FranciscoTofoli, Fernando LessaGuedes, Juan Diego Silva2015-12-14T13:02:29Z2015-12-14T13:02:29Z2015-12-142013-08-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfGUEDES, J. D. S. Método de monitoramento não invasivo de cargas elétricas residenciais. 2013. 107 p. Dissertação (Mestrado em Engenharia de Sistemas e Automação)-Universidade Federal de Lavras, Lavras, 2013.http://repositorio.ufla.br/jspui/handle/1/10687porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLA2023-05-02T12:40:22Zoai:localhost:1/10687Repositório InstitucionalPUBhttp://repositorio.ufla.br/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2023-05-02T12:40:22Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)false |
dc.title.none.fl_str_mv |
Método de monitoramento não invasivo de cargas elétricas residenciais |
title |
Método de monitoramento não invasivo de cargas elétricas residenciais |
spellingShingle |
Método de monitoramento não invasivo de cargas elétricas residenciais Guedes, Juan Diego Silva Monitoramento não invasivo Carga elétrica Smart grid Estatísticas de ordem superior Non-invasive monitoring Electrical load Smart grid Higher order statistical Engenharia Elétrica |
title_short |
Método de monitoramento não invasivo de cargas elétricas residenciais |
title_full |
Método de monitoramento não invasivo de cargas elétricas residenciais |
title_fullStr |
Método de monitoramento não invasivo de cargas elétricas residenciais |
title_full_unstemmed |
Método de monitoramento não invasivo de cargas elétricas residenciais |
title_sort |
Método de monitoramento não invasivo de cargas elétricas residenciais |
author |
Guedes, Juan Diego Silva |
author_facet |
Guedes, Juan Diego Silva |
author_role |
author |
dc.contributor.none.fl_str_mv |
Ferreira, Danton Diego Ferreira, Danton Diego Barbosa, Bruno Henrique Groenner Rabelo, Geovanni Francisco Tofoli, Fernando Lessa |
dc.contributor.author.fl_str_mv |
Guedes, Juan Diego Silva |
dc.subject.por.fl_str_mv |
Monitoramento não invasivo Carga elétrica Smart grid Estatísticas de ordem superior Non-invasive monitoring Electrical load Smart grid Higher order statistical Engenharia Elétrica |
topic |
Monitoramento não invasivo Carga elétrica Smart grid Estatísticas de ordem superior Non-invasive monitoring Electrical load Smart grid Higher order statistical Engenharia Elétrica |
description |
Non-invasive appliance load monitoring is a modern technique that has several applications bringing benefits for both consumers and electrical utilities. These techniques allow bill discrimination and detection of energy losses. It also provides valuable information for energy programs, and creates a better characterization of the loads. This work presents a new approach for non-invasive residential electrical load monitoring. The innovation of the proposed approach is the use of cumulants of second and fourth order extracted from the electric current signal of the residential electrical loads as signatures of these loads. In order to reduce the dimension problem, two methods for feature selection were employed: a) Fisher’s Linear Discriminant and Fisher’s Linear Discriminant combined to Genetic Algorithms. The selected features are presented to a classifier, which identifies the residential electric load class of the processed signal. Two different classifiers were used: a) Artificial Neural Networks and b) Decision Tree. Results from these approaches were comparatively presented. This work has considered eleven different classes of residential electrical loads. Results were obtrained out from experimental electric signals and a high performance is achieved. |
publishDate |
2013 |
dc.date.none.fl_str_mv |
2013-08-19 2015-12-14T13:02:29Z 2015-12-14T13:02:29Z 2015-12-14 |
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 |
GUEDES, J. D. S. Método de monitoramento não invasivo de cargas elétricas residenciais. 2013. 107 p. Dissertação (Mestrado em Engenharia de Sistemas e Automação)-Universidade Federal de Lavras, Lavras, 2013. http://repositorio.ufla.br/jspui/handle/1/10687 |
identifier_str_mv |
GUEDES, J. D. S. Método de monitoramento não invasivo de cargas elétricas residenciais. 2013. 107 p. Dissertação (Mestrado em Engenharia de Sistemas e Automação)-Universidade Federal de Lavras, Lavras, 2013. |
url |
http://repositorio.ufla.br/jspui/handle/1/10687 |
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 Federal de Lavras Programa de Pós-Graduação em Engenharia de Sistemas e Automação UFLA brasil Departamento de Engenharia |
publisher.none.fl_str_mv |
Universidade Federal de Lavras Programa de Pós-Graduação em Engenharia de Sistemas e Automação UFLA brasil Departamento de Engenharia |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFLA instname:Universidade Federal de Lavras (UFLA) instacron:UFLA |
instname_str |
Universidade Federal de Lavras (UFLA) |
instacron_str |
UFLA |
institution |
UFLA |
reponame_str |
Repositório Institucional da UFLA |
collection |
Repositório Institucional da UFLA |
repository.name.fl_str_mv |
Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA) |
repository.mail.fl_str_mv |
nivaldo@ufla.br || repositorio.biblioteca@ufla.br |
_version_ |
1807835169150730240 |