| spelling |
Cristiano Leite de CastroFrederico Gadelha GuimaraesFrederico Gadelha GuimaraesAndre Paim LemosPedro Leal Pazzini da Silva2019-08-10T16:35:31Z2019-08-10T16:35:31Z2016-12-23http://hdl.handle.net/1843/BUOS-APWMJDA união de sistemas computacionais, de medição e de comunicação aplicada aos sistemas elétricos de potência dará forma às chamadas Redes Inteligentes. Um de seus componentes principais são os chamados medidores inteligentes, que são instrumentos que medem periodicamente a potência consumida em cargas elétricas, e enviam estes dados de medição para as distribuidoras de energia. A pesquisa, e principalmente a instalação de medidores inteligentes é mais intensa nos países do hemisfério norte, no entanto ela já se iniciou também no Brasil. A partir do momento em que esses medidores se tornarem onipresentes no sistema elétrico de potência brasileiro, umamassa de dados considerável será gerada, e se fará necessária a extração de informação útil dela. Uma das possíveis tarefas de mineração de dados a ser realizada nesta massa de dados, e que seráobjeto desta dissertação de mestrado, será o agrupamento das cargas, a partir do qual se espera obter informações e conhecimento que possa aprimorar o serviço de distribuição, a previsão de demanda, o planejamento de expansão da rede, dentre outras possibilidades. Uma vez que ainda não estão disponíveis os dados dos medidores inteligentes instalados no Brasil, foi realizado o agrupamentode curvas de carga medidas em residências australianas, já que neste país, as variações climáticas que podem influenciar no consumo de energia elétrica são bem similares às variações climáticas brasileiras. O problema de agrupamento de curvas de carga, é um problema de agrupamento de séries temporais, já que a cada medição realizada pelos medidores inteligentes existe uma componente temporal associada. Assim, nesta dissertação de mestrado foi apresentado, inicialmente, um estudo das estratégias de agrupamento de séries temporais no que diz respeito ao pré-processamento empregado, métrica de dissimilaridade e algoritmo de agrupamento utilizados,bem como o método de avaliação dos resultados obtidos. Inicialmente, em um estudo empírico em base de dados rotuladas, foi definida uma estratégia genérica para o agrupamento de séries temporais, composta por: normalização Z na etapa de pré-processamento, escolha da métrica de dissimilaridade CID-DTW e o algoritmo hierárquico com linkagem average para a realização do agrupamento em si, e os índices de validação silhouette e Calinski-Harabasz para a avaliação daspartições obtidas. No estudo de caso, com os dados australianos, tal estratégia gerou grupos altamente desbalanceados, o que motivou a proposição de uma abordagem multi-objetiva, na qual se procura obter partições com um bom índice de validação, que por sua vez indica a tão desejada baixa variância intragrupo e alta variância intergrupo, e partições balanceadas, nas quais o número de instâncias em cada grupo possui baixa variância. A abordagem multi-objetiva indicaque a normalização max, aliada ao algoritmo k-means, fazendo uso da distância euclidiana como métrica de dissimilaridade é a configuração mais adequada para o agrupamento de curvas de carga geradas por medidores inteligentes.The union of computational, measurement and communication systems applied to electrical power systems will form the Smart Grids. One of its main components are the Smart Meters, which are measurement systems that periodically measure the consumed power in electrical loads, and that send the measurements to the electricity companies. The research, and mainly the installation of smart meters is more developed in the north hemisphere countries, although it alreadystarted in Brazil. When this measures become ubiquitous in the Brazilian electrical power system, a considerable amount of data will be produced, and the extraction of useful information from it will be necessary. One of the possible data mining tasks that could be applied to this data, andwhich is the object of this dissertation, is the clustering of load curves, from which is expected to get information and knowlodge that can enhance the distribution service, the load forecast , the planning of expansion, and others. As the data of the smart meters installed in the Brazilian electrical system is not publicly available, the load curves of Australian residences were clustered. Since that, in this country, the climatic variations that could influence in the consuming profile arevery similar to the climatical brazilian variations. The problem of clustering load profiles is a time series clustering problem, since that for each measurement there is the temporal component associated.Thus, in this master dissertation was presented, initially, a study of clustering of time series, and this study is focused in the preprocessing, dissimilarity measure and algorithm applied, as well as the method of evaluating the results. Initially, after an empirical study in labeled datasets, the general clustering of time series strategy was proposed, and it is composed by: Z normalization in the preprocessing step, CID-DTW as the dissimilarity the hierarchical clustering algorithmusing the average linkage and the silhouette And Calinski-Harabasz index for the evaluation of the obtained partitions. In tha case study, with the australian dataset, such strategy generated highly unbalanced partitions, which motivated the proposition of a multiobjective approach, in which partitions with a good compromise between the validation index values, wich is a measure of the desired low variation intragroup and high variance intergroup, and balanced partitions, in which the variance of the number of instances in each cluster is low. The multi-objective approach indicates the tha max normalization, the k-means algorithm and the euclidean distance is the most appropiate configuration for the clustering of load profiles generated by the smart meters.Universidade Federal de Minas GeraisUFMGEngenharia elétricaLoad curvesTime seriesSmart metersClusteringUm estudo sobre o agrupamento de séries temporais e sua aplicação em curvas de carga residenciaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALversao_final_dissertacao_impressao_capa_dura_pedro_pazzini.pdfapplication/pdf12306913https://repositorio.ufmg.br/bitstream/1843/BUOS-APWMJD/1/versao_final_dissertacao_impressao_capa_dura_pedro_pazzini.pdf41d87130ff6b2fe0e24c2b522f3f3ff9MD51TEXTversao_final_dissertacao_impressao_capa_dura_pedro_pazzini.pdf.txtversao_final_dissertacao_impressao_capa_dura_pedro_pazzini.pdf.txtExtracted texttext/plain226611https://repositorio.ufmg.br/bitstream/1843/BUOS-APWMJD/2/versao_final_dissertacao_impressao_capa_dura_pedro_pazzini.pdf.txtee463ca9121fa562e16d79bf7bae7c83MD521843/BUOS-APWMJD2019-11-14 05:36:14.686oai:repositorio.ufmg.br:1843/BUOS-APWMJDRepositório InstitucionalPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T08:36:14Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
|