Aplicação de Rede Bayesiana para detecção não intrusiva de acionamento de cargas elétricas
Autor(a) principal: | |
---|---|
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 |