Aplicação de Rede Bayesiana para detecção não intrusiva de acionamento de cargas elétricas

Detalhes bibliográficos
Autor(a) principal: Riechel, Tiago Luis
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPel - Guaiaca
Texto Completo: http://guaiaca.ufpel.edu.br/handle/prefix/4357
Resumo: O monitoramento de cargas elétricas objetiva identificar o acionamento de equipamentos a partir de dados referentes ao consumo dos mesmos. Esse processo é realizado por sistemas de aquisição de dados, que podem ser intrusivos ou não intrusivos e aplicados em qualquer etapa dos sistemas de geração e distribuição de energia. A implementação de um sistema de monitoramento não intrusivo junto ao medidor de energia de residências, coleta, em tempo real, dados das cargas elétricas. Os dados coletados alimentam algoritmos, que após serem treinados, são capazes de reconhecer e identificar cargas elétricas. O sistema desenvolvido neste trabalho é capaz de lidar com a incerteza na identificação das cargas aplicando técnicas de inteligência artificial conhecidas como redes bayesianas. Tratam-se de grafos acíclicos orientados que expressam, através de tabelas de probabilidade condicional, o grau de crença que se tem a respeito de determinados fatos. A inferência exata em tais redes, ainda que simples, é quase sempre intratável. Neste trabalho é aplicada, então, inferência aproximada por simulação de cadeia de Markov Monte Carlo. Um sistema completo é desenvolvido e aplicado a uma rede simplificada. Os resultados mostram que a metodologia empregada é adequada para a detecção do acionamento das cargas.
id UFPL_bcf4247b4e069414989c5ead94ce5eef
oai_identifier_str oai:guaiaca.ufpel.edu.br:prefix/4357
network_acronym_str UFPL
network_name_str Repositório Institucional da UFPel - Guaiaca
repository_id_str
spelling 2019-04-24T17:45:10Z2019-04-24T17:45:10Z2018-09-05RIECHEL, Tiago Luis. Aplicação de Rede Bayesiana para detecção não intrusiva de acionamento de cargas elétricas. 2018. 72 f. Dissertação (Mestrado em Ciência da Computação) – Programa de Pós-Graduação em Computação, Centro de Desenvolvimento Tecnológico, Universidade Federal de Pelotas, Pelotas, 2018.http://guaiaca.ufpel.edu.br/handle/prefix/4357O monitoramento de cargas elétricas objetiva identificar o acionamento de equipamentos a partir de dados referentes ao consumo dos mesmos. Esse processo é realizado por sistemas de aquisição de dados, que podem ser intrusivos ou não intrusivos e aplicados em qualquer etapa dos sistemas de geração e distribuição de energia. A implementação de um sistema de monitoramento não intrusivo junto ao medidor de energia de residências, coleta, em tempo real, dados das cargas elétricas. Os dados coletados alimentam algoritmos, que após serem treinados, são capazes de reconhecer e identificar cargas elétricas. O sistema desenvolvido neste trabalho é capaz de lidar com a incerteza na identificação das cargas aplicando técnicas de inteligência artificial conhecidas como redes bayesianas. Tratam-se de grafos acíclicos orientados que expressam, através de tabelas de probabilidade condicional, o grau de crença que se tem a respeito de determinados fatos. A inferência exata em tais redes, ainda que simples, é quase sempre intratável. Neste trabalho é aplicada, então, inferência aproximada por simulação de cadeia de Markov Monte Carlo. Um sistema completo é desenvolvido e aplicado a uma rede simplificada. Os resultados mostram que a metodologia empregada é adequada para a detecção do acionamento das cargas.Monitoring of electric charges aims to identify the activation of electric equipment based on data about its consumption. This process is performed by data acquisition systems, which may be intrusive or non-intrusive and applied at any stage of power generation and distribution systems. The implementation of a non-intrusive monitoring system is possible whenever a home energy meter collects real-time electrical charge data. The collected data feed algorithms, which, after being trained, are able to recognize and identify electrical charges. The system developed in this work is able to deal with uncertainty in the identification of loads applying artificial intelligence techniques known as Bayesian networks. They are oriented acyclic graphs that express, through tables of conditional probability, the degree of belief in certain facts. The exact inference in such networks, however simple, is almost always intractable. Thus, in this work we apply approximate inference by Monte Carlo Markov chain simulation. A complete system is developed and applied to a simplified network. The results show that the methodology employed is adequate for the detection of load activation.Sem bolsaporUniversidade Federal de PelotasPrograma de Pós-Graduação em ComputaçãoUFPelBrasilCentro de Desenvolvimento TecnológicoCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAONILMCargas não-linearesQualidade da energia elétricaProbabilidadeRedes bayesianasNon-linear loadsQuality of electrical energyProbabilityBayesian networksAplicação de Rede Bayesiana para detecção não intrusiva de acionamento de cargas elétricasApplication of Bayesian Network for non-intrusive detection of electric charges.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://lattes.cnpq.br/4896291729885062http://lattes.cnpq.br/5184930755123241Severo, Sergio Luiz Schuberthttp://lattes.cnpq.br/9549101338191846Franco, Denis TeixeiraRiechel, Tiago Luisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFPel - Guaiacainstname:Universidade Federal de Pelotas (UFPEL)instacron:UFPELTEXTDissertacao_Tiago_Luis_Riechel.pdf.txtDissertacao_Tiago_Luis_Riechel.pdf.txtExtracted texttext/plain139742http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/4357/6/Dissertacao_Tiago_Luis_Riechel.pdf.txt25c9b4e0777e49e9d1f55a1c664ce64dMD56open accessTHUMBNAILDissertacao_Tiago_Luis_Riechel.pdf.jpgDissertacao_Tiago_Luis_Riechel.pdf.jpgGenerated Thumbnailimage/jpeg1218http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/4357/7/Dissertacao_Tiago_Luis_Riechel.pdf.jpg63426638bff11eab0d708c802d4eaa51MD57open accessORIGINALDissertacao_Tiago_Luis_Riechel.pdfDissertacao_Tiago_Luis_Riechel.pdfapplication/pdf1060971http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/4357/1/Dissertacao_Tiago_Luis_Riechel.pdf405086ea990bf2ba585bf702a0e5dd31MD51open accessCC-LICENSElicense_urllicense_urltext/plain; charset=utf-849http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/4357/2/license_url4afdbb8c545fd630ea7db775da747b2fMD52open accesslicense_textlicense_texttext/html; charset=utf-80http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/4357/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53open accesslicense_rdflicense_rdfapplication/rdf+xml; charset=utf-80http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/4357/4/license_rdfd41d8cd98f00b204e9800998ecf8427eMD54open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-81866http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/4357/5/license.txt43cd690d6a359e86c1fe3d5b7cba0c9bMD55open accessprefix/43572023-07-13 04:56:52.249open accessoai:guaiaca.ufpel.edu.br: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ório InstitucionalPUBhttp://repositorio.ufpel.edu.br/oai/requestrippel@ufpel.edu.br || repositorio@ufpel.edu.br || aline.batista@ufpel.edu.bropendoar:2023-07-13T07:56:52Repositório Institucional da UFPel - Guaiaca - Universidade Federal de Pelotas (UFPEL)false
dc.title.pt_BR.fl_str_mv Aplicação de Rede Bayesiana para detecção não intrusiva de acionamento de cargas elétricas
dc.title.alternative.pt_BR.fl_str_mv Application of Bayesian Network for non-intrusive detection of electric charges.
title Aplicação de Rede Bayesiana para detecção não intrusiva de acionamento de cargas elétricas
spellingShingle Aplicação de Rede Bayesiana para detecção não intrusiva de acionamento de cargas elétricas
Riechel, Tiago Luis
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
NILM
Cargas não-lineares
Qualidade da energia elétrica
Probabilidade
Redes bayesianas
Non-linear loads
Quality of electrical energy
Probability
Bayesian networks
title_short Aplicação de Rede Bayesiana para detecção não intrusiva de acionamento de cargas elétricas
title_full Aplicação de Rede Bayesiana para detecção não intrusiva de acionamento de cargas elétricas
title_fullStr Aplicação de Rede Bayesiana para detecção não intrusiva de acionamento de cargas elétricas
title_full_unstemmed Aplicação de Rede Bayesiana para detecção não intrusiva de acionamento de cargas elétricas
title_sort Aplicação de Rede Bayesiana para detecção não intrusiva de acionamento de cargas elétricas
author Riechel, Tiago Luis
author_facet Riechel, Tiago Luis
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/4896291729885062
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/5184930755123241
dc.contributor.advisor-co1.fl_str_mv Severo, Sergio Luiz Schubert
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/9549101338191846
dc.contributor.advisor1.fl_str_mv Franco, Denis Teixeira
dc.contributor.author.fl_str_mv Riechel, Tiago Luis
contributor_str_mv Severo, Sergio Luiz Schubert
Franco, Denis Teixeira
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
topic CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
NILM
Cargas não-lineares
Qualidade da energia elétrica
Probabilidade
Redes bayesianas
Non-linear loads
Quality of electrical energy
Probability
Bayesian networks
dc.subject.por.fl_str_mv NILM
Cargas não-lineares
Qualidade da energia elétrica
Probabilidade
Redes bayesianas
Non-linear loads
Quality of electrical energy
Probability
Bayesian networks
description O monitoramento de cargas elétricas objetiva identificar o acionamento de equipamentos a partir de dados referentes ao consumo dos mesmos. Esse processo é realizado por sistemas de aquisição de dados, que podem ser intrusivos ou não intrusivos e aplicados em qualquer etapa dos sistemas de geração e distribuição de energia. A implementação de um sistema de monitoramento não intrusivo junto ao medidor de energia de residências, coleta, em tempo real, dados das cargas elétricas. Os dados coletados alimentam algoritmos, que após serem treinados, são capazes de reconhecer e identificar cargas elétricas. O sistema desenvolvido neste trabalho é capaz de lidar com a incerteza na identificação das cargas aplicando técnicas de inteligência artificial conhecidas como redes bayesianas. Tratam-se de grafos acíclicos orientados que expressam, através de tabelas de probabilidade condicional, o grau de crença que se tem a respeito de determinados fatos. A inferência exata em tais redes, ainda que simples, é quase sempre intratável. Neste trabalho é aplicada, então, inferência aproximada por simulação de cadeia de Markov Monte Carlo. Um sistema completo é desenvolvido e aplicado a uma rede simplificada. Os resultados mostram que a metodologia empregada é adequada para a detecção do acionamento das cargas.
publishDate 2018
dc.date.issued.fl_str_mv 2018-09-05
dc.date.accessioned.fl_str_mv 2019-04-24T17:45:10Z
dc.date.available.fl_str_mv 2019-04-24T17:45:10Z
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.citation.fl_str_mv RIECHEL, Tiago Luis. Aplicação de Rede Bayesiana para detecção não intrusiva de acionamento de cargas elétricas. 2018. 72 f. Dissertação (Mestrado em Ciência da Computação) – Programa de Pós-Graduação em Computação, Centro de Desenvolvimento Tecnológico, Universidade Federal de Pelotas, Pelotas, 2018.
dc.identifier.uri.fl_str_mv http://guaiaca.ufpel.edu.br/handle/prefix/4357
identifier_str_mv RIECHEL, Tiago Luis. Aplicação de Rede Bayesiana para detecção não intrusiva de acionamento de cargas elétricas. 2018. 72 f. Dissertação (Mestrado em Ciência da Computação) – Programa de Pós-Graduação em Computação, Centro de Desenvolvimento Tecnológico, Universidade Federal de Pelotas, Pelotas, 2018.
url http://guaiaca.ufpel.edu.br/handle/prefix/4357
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.publisher.none.fl_str_mv Universidade Federal de Pelotas
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Computação
dc.publisher.initials.fl_str_mv UFPel
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Centro de Desenvolvimento Tecnológico
publisher.none.fl_str_mv Universidade Federal de Pelotas
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPel - Guaiaca
instname:Universidade Federal de Pelotas (UFPEL)
instacron:UFPEL
instname_str Universidade Federal de Pelotas (UFPEL)
instacron_str UFPEL
institution UFPEL
reponame_str Repositório Institucional da UFPel - Guaiaca
collection Repositório Institucional da UFPel - Guaiaca
bitstream.url.fl_str_mv http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/4357/6/Dissertacao_Tiago_Luis_Riechel.pdf.txt
http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/4357/7/Dissertacao_Tiago_Luis_Riechel.pdf.jpg
http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/4357/1/Dissertacao_Tiago_Luis_Riechel.pdf
http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/4357/2/license_url
http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/4357/3/license_text
http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/4357/4/license_rdf
http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/4357/5/license.txt
bitstream.checksum.fl_str_mv 25c9b4e0777e49e9d1f55a1c664ce64d
63426638bff11eab0d708c802d4eaa51
405086ea990bf2ba585bf702a0e5dd31
4afdbb8c545fd630ea7db775da747b2f
d41d8cd98f00b204e9800998ecf8427e
d41d8cd98f00b204e9800998ecf8427e
43cd690d6a359e86c1fe3d5b7cba0c9b
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPel - Guaiaca - Universidade Federal de Pelotas (UFPEL)
repository.mail.fl_str_mv rippel@ufpel.edu.br || repositorio@ufpel.edu.br || aline.batista@ufpel.edu.br
_version_ 1813710137201786880